基于小波-高阶矩模型的投资组合策略——以国际原油市场为例

考虑到投资者异质性特征,将极大重叠离散小波变换方法与高阶矩投资组合框架相结合,提出小波-高阶矩投资组合模型,在此基础上提出频域视角下的高频尺度集成方案和时-频域视角下的全尺度集成方案,并遴选出合适的风险偏好特征改进模型,最后进行稳定性检验。基于国际原油市场数据,样本外检验结果表明：相较于对照组,大部分的小波-高阶矩投资组合策略均取得了更优的投资效果,其中集成部分表现最佳,且高频尺度集成方案侧重于提升收益,而全尺度集成方案侧重于降低波动;通过选择合适偏好高阶矩风险的特征,将会明显改善原始小波-高阶矩投资组合策略,且对两个集成方案改良效果最显著;稳健性检验证实了以上结论。     

基于小波和神经网络的故障诊断

如何把小波分析和神经网络两者的优点结合起来,一直是人们关注的问题。小波分析与神经网络的结合有两种途径：一种是用小波分析对故障信号进行预处理,即以小波空间作为模式识别的特征空间,通过将小波基与信号的内积进行加权和来实现信号的特征提取,     

台湾附近海域海水温度场的长期变化分析

根据1930-2002年台湾海峡调查所得到的海水温度场资料,分析了该海区多年份的海水温度场分布特征以及周期变化的频谱特征.还对形成机制及原因进行了探讨,进一步深入分析了台湾海峡温度要素的分布特征及年份变化规律.     

使用小波分析的图像融合算法

利用小波分析实现ＳＡＲ图像与光学图像的融合和互补性。这种图像融合方法是利用ＳＡＲ图像小波分解后的近似部分和光学图像小波分解后的细节部分，组成一个新的小波分解系数，再进行逆小波变换（重构），即可得到复合的图像，取得了较好的实验效果。     

小波神经网络应用于电子政务信息系统安全风险评估

针对电子政务信息系统风险评估的复杂性和不确定性,作者提出了小波神经网络评估方法,建立了小波神经网络评估模型,最后采用Matlab7.1工具进行了仿真实验,并分别从网络的收敛速度、训练精度和训练效果上与BP神经网络算法作了对比。结果证实该方法有效克服了传统方法中人为分配权重带来的主观性,使评价结果更科学,更合理。     

基于小波域分形编码的图像插值

传统的图像插值方案(包括最近邻插值、双线性插值和B样条插值等),大多是基于图像分块的光滑连续模型。由于该模型不能很好地描述自然图像的特点,因此插值得到的图像质量不高。为寻求更有效的插值方案,首次提出了基于小波域分形编码的插值算法。该算法在FW编码的基础上,首先利用图像的局部自相似模型,通过小波树的膨胀,并借助小波域的第1级子带,对超分辨率级的第0级子带进行最优预测,再经过小波反变换来得到插值图像。标准测试图像的实验表明,该插值算法与传统的双线性插值相比,不仅可以获得清晰的纹理和边缘,而且峰值信噪比也更高,因此插值得到的图像更加精确、真实。     

随钻声波测井数据压缩的小波神经网络法

针对当前石油工程声波随钻测井中大量测井数据需要在井下实时压缩存储的迫切要求,结合声波测井数据的特点,提出了一种基于小波神经网络的数据压缩算法,并利用共轭梯度法优化网络参数。实验结果表明,该算法具有参数收敛速度快、数据压缩比高的特点,能够满足随钻声波数据高速实时处理的需要。     

基于小波变换的自适应公钥数字水印

利用小波变换良好的时频局部特性,提出了一种基于小波变换的自适应公钥数字水印设计方案。数据的所有者利用私钥向数据中嵌入版权信息,任何数据使用者可以利用公钥从接收到的数据中提取版权信息。水印的嵌入强度可根据原始图像自身的特点自适应调节,水印的提取也不需要原始图像。实验结果表明该算法具有良好的不可视性和抗联合图像专家组压缩、剪切、滤波等攻击的能力。     

形态小波变换在轴承故障信号处理中的应用

基于数学形态学的形态小波变换是对信号基于形态特征的非线性分解，选取合适的信号分解算子既能够抑制噪声，又能够提取信号中的冲击成分。形态小波变换只有加减法和取极大、极小运算，与通用的时频分析方法相比计算简单。仿真数据和实验信号的分析表明：形态小波变换能够准确有效地提取轴承故障的特征频率成分，适用于轴承故障的在线诊断。     

泉州地区30年夏季降水时空分布规律研究

选用泉州地区7个气象站1985-2014年的逐日降水资料,运用克里金空间插值、小波分析等方法,分析该地区近30年来夏季不同降水等级发生频率的月变化特征和不同降水等级周期性变化规律。结果表明,泉州地区夏季大雨、暴雨、大暴雨发生频次西北部山区大于东南部沿海,且主要集中在7月和8月,其中大雨发生频次为4. 2～8. 9次/a,存在2～3年周期振荡;暴雨发生频次1. 7～3. 7次/a,周期震荡不明显;大暴雨发生频次为0. 3～0. 8次/a,存在2～5年周期振荡。