基于小波网络的经济时间序列预测模型

本文在小波网络的基础上,利用经济类时间序列的特点,建立通用的经济预测小波网络模型.该网络的权值由广义递推最小二乘法来学习,尺度参数和平移参数通过稳定的Davidon最小二乘法获得.并利用此模型对我国工业发电量加以预测.实际预测结果表明了该模型的先进性和可行性.     

基于LSTM神经网络的金融时间序列预测

本文提出将小波分析与纳入时间序列依赖特征的长短期记忆（LSTM）神经网络相结合，构建金融时间序列数据预测模型，以克服现有模型对金融时间序列数据非平稳、非线性、序列相关等复杂特征以及数据间非线性交互关系无法反映的缺陷。同时，以道琼斯工业指数日收盘价为例，探究LSTM神经网络对实际金融时间序列数据的预测能力，比较其与多层感知机、支持向量机、K近邻、GARCH四种模型的预测效果。实证结果表明LSTM神经网络具有更高的预测精度，能够有效预测金融时间序列数据的长短期动态变化趋势，说明了其对金融时间序列数据预测的适用性与有效性。此外，对金融时间序列数据进行小波分解与重构，可有效提高LSTM预测模型的泛化能力，以及对长短期动态趋势的预测精度。     

股指期货信息内含股价变动信息的挖掘 ――小波框架与支持向量回归的金融建模应用

 内容提要：中国股指期货的推出指日可待，交易者多了一种投资工具的同时也带来了新的风险。建立准确的金融时间序列预测模型是逐利及避险的方法之一，一直是学者专家研究的热点。本研究结合小波转换与支持向量回归，提出一个二阶段时间序列预测模型。先以离散小波框架将预测变量分解成不同尺度的多个子序列，揭示隐藏在预测变量内的信息，再以支持向量回归为工具，以这些子序列为预测变量建构SVR模型。本研究以日经225指数开盘价为预测目标，以期货开盘价为预测变量对模型进行实证研究，结果显示，该模型的预测绩效比单纯SVR模型及随机漫步模型好。未来可尝试以不同的基底函数作进一步研究。     

中国与国际股市波动的时变相关性检验——基于小波分析和GARCH-Copula技术

为研究中国与国际股市波动的时变相关性机制，文章通过小波分解中、美、英3国股票指数2013～2020年的收益率，运用小波相干谱、格兰杰检验和GARCH-Copula方法分析，研究发现：在低频段方面，中美、中英股指呈现长期正相关，英美股指对中国均有引领作用，英美股指互为格兰杰原因，且均是中国股指的格兰杰原因；在高频段方面，中美、中英股指呈现负相关，但2018年后中美相关性由负转正，中美股指在短时、极端共同上涨行情和中英股指在短时、极端共同下跌行情均具有可预测性。     

基于Haar小波变换的无失真图像压缩

提出了一种利用Ｈａａｒ小波进行图像无失真压缩的算法。对线性预测后的图像进行Ｈａａｒ小波分解，将各子带小波系数根据大小分解成两部分，其位置信息分别通过自适应算术编码进行了有效的压缩。试验结果表明，该算法实现简单，达到了很好的压缩效果。     

小波变换思想及其在信号处理中的应用

从傅里叶变换、短时傅里叶变换到小波变换的思想发展过程中分析了小波变换发展的必然性和重要性,并通过MATLAB仿真工具比较了三种变换在信号处理中的应用。实验结果表明,小波变换无论是对信号的时间定位还是对信号的频率定位都优于傅里叶变换和短时傅里叶变换。     

一种基于冗余小波变换的DT网格运动估计和运动补偿方法

网格划分和网格顶点的运动估计是基于不规则网格的视频压缩技术的关键。为了进一步提高网格运动估计和运动补偿的效果,在综合比较现有冗余小波变换域运动估计方法和适用规则网格的EMRMC算法的基础上,提出了一种新的基于不规则网格的运动估计和运动补偿算法,即在冗余小波变换域提取特征点和运动潜在区,网格顶点的运动估计采用结合运动潜在区的在时域进行块匹配的运动估计和运动补偿方法,而运动补偿则通过三角形仿射变换完成。同时还给出了冗余小波变换域提取运动潜在区的计算模板。理论分析和实验结果表明,该算法在补偿效果方面较前两种方法得到了改进。     

数字图像多重水印及容量分析

利用CDMA系统多址复用的特点,提出了一种基于CDMA的多重水印算法,在小波变换域中同时嵌入多个水印。对多个原始水印进行卷积编码和交织编码后,采用Gold码组进行正交扩频,经CDMA编码的水印信息被叠加嵌入在除HH1以外的其他小波子带中。水印嵌入的幅值根据Watson小波域视觉感知模型确定。嵌入位置取决于一个PN序列随机发生器,检测时不需要原始图像。在此基础上对多重水印容量进行了分析,结果表明当嵌入两个水印时,其容量大于任何一个单一水印的容量,但小于两个单一水印容量之和。     

男人都是技术狂

男人身上贴着一张"为人所不能为"的标签。家里的电视出现了噪音,白天听不到,但对一个喜欢夜深人静看碟的人来说,那"嗡嗡"的电流声实在太煞风景。翻说明书,打厂家电话,盯着电视机背后的那一堆输入孔发呆——这是第一轮折腾;利用网络搜索引擎,将所有搜索得来的相关网页浏览了个遍,然后注册专业论坛,向高手和非高手们请教,终于了解一堆专业术语、掌握了一些治疗疑难杂症的"偏方"——这是第二轮折腾;第三轮折腾便是不断尝试、寻找最佳解决方案,最后不忘将心得     

基于LS-MWSVM的股票价格预测

文章基于小波分解理论和支持向量机核函数的条件,提出了最小二乘M0det小波核的支持向量机(LS-MWSVM)算法.用该算法建模并对沪深300日收盘价进行预测,且与常用的RBF核的LSSVM模型及RBF神经网络模型的预测能力进行了比较.结果表明.LS-MWSVM的预测能力要好于其它两种模型.进一步得出,采用最小二乘支持向量机与小渡理论结合的组合模型对股市进行预测效果较好.