多分辨率分析
多分辨率分析的相关文献在1995年到2022年内共计624篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、电工技术
等领域,其中期刊论文556篇、会议论文50篇、专利文献267328篇;相关期刊349种,包括电子科技大学学报、哈尔滨理工大学学报、科学技术与工程等;
相关会议48种,包括福建省电机工程学会第十五届学术年会、首届直流输电与电力电子专委会学术年会、2012中国计算机大会等;多分辨率分析的相关文献由1475位作者贡献,包括叶银忠、周小勇、肖建等。
多分辨率分析—发文量
专利文献>
论文:267328篇
占比:99.77%
总计:267934篇
多分辨率分析
-研究学者
- 叶银忠
- 周小勇
- 肖建
- 刘兴薇
- 汪成咏
- 王辉
- 谢永华
- 傅德胜
- 张超
- 李强
- 李鹏
- 蔡坤宝
- 马争
- 付炜
- 任卫华
- 席剑辉
- 张彬
- 张晓春
- 张泽银
- 张玉春
- 徐章遂
- 李爱民
- 杨刚
- 杨成峰
- 梁学章
- 毛士艺
- 沈亚强
- 潘兴德
- 潘力立
- 王峰
- 王文君
- 王文娟
- 秦前清
- 薛耀红
- 解梅
- 郑永果
- 郭秋英
- 陈春俊
- 韩敏
- 马振霞
- 黄丹
- 丁凤柱
- 万刚
- 于新波
- 于景邨
- 于飞
- 仇智华
- 伍亚舟
- 何展翔
- 余丙星
-
-
梁小慧;
郭晟楠;
万怀宇
-
-
摘要:
时间序列分类即通过构建分类模型建模时间序列中的特征来实现对该时间序列的归类,是时间序列挖掘的重要研究分支。现有的时间序列分类方法多数从时域的角度对时间序列进行建模,忽视了时间序列中隐含的频域信息,而时间序列往往同时蕴含着多种不同变化速率的变化模式,这些变化模式在时域上相互叠加,使得时间序列的变化规律变得比较复杂,因此仅从时域的角度进行建模,难以有效地从复杂的规律中捕获其蕴含的多种相对简单的规律。提出一种基于自适应多级小波分解的神经网络方法AMWDNet,使用自适应小波分解建模时间序列中的多级时频信息,自适应小波分解模块能够同时从时域和频域的角度出发,对时间序列中蕴含的多种变化模式进行有效分解,通过使用长短期时间模式提取模块分别建模时间序列中的长期和短期时间模式。选取时间序列分类任务中8个主流的方法作为基准方法,在UCR数据集仓库中的8个数据集上进行对比实验,结果表明,AMWDNet在其中的7个数据集上取得了最高的分类准确率,相比于次优的基准方法提升了0.1~2.2个百分点,整体分类性能优于MLP和FCN等基准方法。
-
-
丁顺良;
贺帅峰;
刘津津;
宋恩哲;
杨福源
-
-
摘要:
为了揭示过量空气系数λ在多尺度上对天然气发动机燃烧不稳定性的影响规律,在低负荷工况下针对不同λ值进行试验,对平均指示压力时间序列进行小波分析和多分辨率分析,研究多尺度上天然气发动机燃烧不稳定性。结果表明:天然气发动机燃烧过程呈现明显的多尺度特性,且燃烧不稳定性与各尺度上细节信号的波动具有较强的相关性;当混合气浓度较大时,压力波动呈现出持久性的大尺度周期振荡模式;随着λ增加,高频尺度范围出现了间歇性的短周期振荡,高频细节信号的波动特征加剧,邻近燃烧循环之间的关联性增强,呈现出更复杂的动力学特征;在接近稀燃极限工况时,高频细节信号D_(1)对燃烧不稳定性的贡献率更大。同时,对燃烧过程多尺度确定性变化的原因进行了分析,为天然气发动机稀燃稳定性控制提供了理论依据。
-
-
张殷;
李新;
王俊波
-
-
摘要:
正确的户变关系档案信息是开展配网台区精益化管理的前提。针对当前台账中户变关系档案存在错误的问题,提出了一种基于多分辨率分析的配网台区户变关系辨识法。首先,利用经验模式分解(Empirical Mode Decomposition,EMD)将电压量测数据分解为一系列特征互异的模态函数,并基于样本熵(Sample Entropy,SE)将相关序列合并重组为趋势分量、细节分量和随机分量;然后,综合考虑重组分量的多尺度特征,提出多分辨率距离测度和多分辨率相似性测度以全面度量电压时序数据的相似程度,并基于改进K-means算法完成户变关系辨识;最后,结合实际算例验证了所提方法的有效性。
-
-
付优;
任芳
-
-
摘要:
针对当前显著性区域检测方法对具有噪声的图像检测不准确的问题,提出一种基于多分辨率动态模式分解的显著性区域检测方法,该方法将动态模式分解(dynamic mode decomposition,DMD)与多分辨率分析(multi-reso-lution analysis,M RA)结合在一起,在时域和空间域中对多尺度系统进行建模.首先将输入图像进行色彩空间转换和边缘检测,然后使用图像的色度、亮度和边缘信息生成顺序快照矩阵,最后将其提供给多分辨率动态模式分解(MRDMD)模块进行3个级别的分解,获得图像的显著性区域映射.实验结果表明:本文方法在干净和嘈杂的图像中均能够检测出完整、边界清晰的显著性区域,相比于其他检测方法,性能具有明显的改善.
-
-
左文涛;
陈家益
-
-
摘要:
提出了一种基于双树复小波与双变量阈值模型的图像去噪算法.利用双树复小波的平移不变性和多方向选择性,对图像进行双树复小波变换;充分利用尺度间小波系数的相关性,根据图像和噪声的分布特征,由贝叶斯估计方法推导出一种双变量的阈值去噪模型,阈值自适应于噪声和原图像的信号强度.对图像的双树复小波系数进行阈值去噪.实验结果证明了所提出方法的有效性,相对现有的高斯噪声去除方法,所提方法具有较好的去噪性能和细节保持能力.
-
-
-
-
林凯祥;
刘荣;
符娇
-
-
摘要:
随着遥感技术的快速发展,各种场景的应用对图像融合质量提出了更高的要求.针对CS方法与MRA方法存在的光谱失真与空间畸变等问题,提出了一种HCS结合MRA的遥感图像融合框架.首先,对MS进行HCT正变换获得强度分量和角度分量,并对PAN进行直方图匹配;然后,对强度分量和匹配后的PAN进行某种MRA变换获得各自的高频系数和低频系数;再使用特定的融合规则将高频系数与低频系数分别融合,并进行相应的MRA逆变换获得新的强度分量;最后对新的强度分量与角度分量进行HCT逆变换获得融合结果.为验证框架的融合效果,对WV-2影像进行了融合实验,并对结果进行了主观评价和客观评价指标的计算.结果表明,HCS结合MRA的方法在融合效果上明显优于CS方法和MRA方法.因此,融合框架能够获得光谱保持和空间质量均较好的融合结果,对遥感技术的应用提供了有力支持.
-
-
尹月;
郑祥;
付大康
-
-
摘要:
本文利用多分辨率分析法和BP神经网络相结合的方法对局部放电信号进行模式识别,通过相关的理论分析,采用多分辨率分析法提取各样本信号特征量,并通过BP神经网络作为识别器对各特征量进行模式识别,最终依托MATLAB进行识别验证,识别结果证明了该方法的正确性和可行性。
-
-
宋晨菲;
张彤
-
-
摘要:
针对物体检测中传统广义霍夫变换算法计算量大、效率低以及基于特征匹配算法对于放缩旋转图像的误检问题,提出一种基于重要性采样的广义霍夫变换算法.将广义霍夫变换置于重要性采样框架中,边缘点根据显著性度量值筛选,作为广义霍夫变换的投票元素,并采用加权多分辨率分析方法,极大地减少了计算量.通过多种实验(放缩、旋转、加噪、遮挡等)与其他相似方法进行对比,结果表明,该算法检测精度及效率较高.
-
-
XU Min;
徐敏;
ZHOU Zhong-wei;
周中伟
- 《福建省电机工程学会第十五届学术年会》
| 2015年
-
摘要:
在局部二进制模型和多分辨率分析的基础上,提出了一种基于局部频域算子的多尺度纹理分类方法,本文首先对输入的纹理图像采用与局部二进制相似的邻域模版进行局部频率变换,再对各频段图像实现多分辨率分析,并提取多尺度下的特征向量,最后结合SVM算法进行分类实验.结果证明,该方法在继承了LBP对光照因素具有的稳定性的同时,具有旋转不变性特征,并且利用NSCT在多尺度下进行的纹理特征提取也满足尺度不变性的需要,与其他方法相比提升了分类准确率.
-
-
LIU Yi;
刘毅;
FENG Guo-fu;
冯国富;
JIANG Xiao-yao;
江效尧;
SUN Huai-jiang;
孙怀江;
夏德深;
XIA De-shen
- 《2012中国计算机大会》
| 2012年
-
摘要:
为提高图割算法的分割效率与质量并改善shrinking bias现象,提出将图割理论与小波变换相结合的方法.该方法利用小波变换多分辨率分析的特点,将变换中的低频子带图像作为估计GMM参数的训练样本进行多尺度迭代分割,提高算法效率,利用简单高效的CS_LBP纹理描述子提取高频子带图像中的纹理信息,将颜色与纹理特征相结合改善分割效果,并利用高频系数进行多尺度边缘检测,用于计算局部自适应的正则化参数,改善对细长边界的分割.实验结果表明,分割效果得到了改善,算法效率得到了提高.
-
-
卞建勇;
徐建闽
- 《2011年江苏省人工智能学术会议》
| 2011年
-
摘要:
小波变换具有多分辨率分析的特性,整数小波属于二代小波,其不仅延续了小波变换多分辨率分析的特性,而且在运算快速性方面具有自身独特的优势。将整数小波变换应用于交通场景的车辆阴影去除,不仅能够充分发挥整数小波变换的多分辨率分析特性,而且兼顾了交通监控实时性的要求。实验结果表明,将整数小波变换应用于车辆阴影去除在处理效果和实时性方面获得了比较好的折中,是一个有益的尝试。
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
- 西安工业大学
- 公开公告日期:2020-10-09
-
摘要:
本发明公开了一种基于Legendre小波多分辨率分析的分数阶系统辨识方法。包括以下步骤:首先,在[0,1]区间上选取Legendre小波阶次。其次,利用块脉冲函数积分矩阵推导出Legendre小波积分的运算矩阵,然后将系统输入和输出信号以Legendre小波的形式进行展开,利用小波多分率分析特性,不断分解输出信号,舍弃高频信息,减小数据长度,最后,采用最小二乘法,以IAE指标作为目标函数,通过循环分数阶积分的形式,求解系统参数及阶次。本发明有效的解决了传统的Legendre小波积分运算矩阵辨识方法的单维度、高阶次和多系数,所导致的参数估计慢、无法辨识噪声污染系统问题,加快了系统辨识速度,降低了噪声对辨识精度的影响。
-
-