基于加权小波神经网络的油浸式电力变压器故障检测

分析变压器油中溶解气体含量进行变压器故障诊断的关键是找到油中溶解气体含量和故障之间的非线性关系。针对已有检测方法诊断准确性不高的问题,提出不基于Fourier变换,而是利用细分的方法构造一类新的具有加权性质的小波函数。将小波函数作为前馈神经网络的隐含层函数并优化网络的学习率,构造出加权小波神经网络处理变压器油中溶解气体含量数据。通过实际故障数据验证,此方法较已有的诊断方法准确性更高,在同等计算精度下速度更快,进而提高了变压器故障诊断的效率。

用加权小波变换分析BL Lac天体的光变周期

介绍了一种基于小波分析原理的BL Lac天体光变周期分析方法——加权小波Z变换(Weight Wavelet Z-transform,WWZ).收集了BL Lac天体ON 231和OJ 287比较完备的观测数据,获得其长期光变曲线,利用加权小波Z变换给出了其长光变周期,ON 231的周期是13.70a和6.85a,OJ 287的周期是11.42a.分析计算表明:加权小波Z变换非常适合处理非等间隔数据,它解决了离散小波变换不能处理的非等间隔数据问题,并且能有效去除边界效应的影响。

基于加权小波的DCT人脸识别算法研究

针对图像维数过高,计算复杂的问题,提出一种基于加权小波分析和DCT的人脸识别方法,通过对人脸图像进行小波分解,提取低频和加权高频分量的DCT变换系数作为识别特征向量,采用加权距离进行分类识别。该方法在ORL和YALE人脸库上进行了测试比较,结果表明,无论训练时间还是识别率,都优于传统的PCA方法,和小波结合PCA的方法相比较,识别率也明显提高。

一种新的细分加权小波

利用细分方案和递推平均插值方法构造了一类新的具有加权性质的小波，并证明了它的常用性质：紧支撑性，光滑性，消失矩，正交性.与采用常见的 Fourier 变换得到的正交小波相比，加权小波系数的衰减性比正交小波的系数衰减性快，而且计算过程简单，复杂度低，易于应用．仿真结果显示，当加权函数跳跃性很大时，加权小波具有非常好的光滑性，同时加权小波能准确地逼近函数，并且逼近收敛率要快于一般小波．

基于加权小波分析和神经网络的人脸识别

基于加权小波分析和神经网络提出一种新的准正面人脸识别算法。二维的小波分解具有对表情变化不敏感的特点,可很好地压缩和表征人脸图像的特征,再加上变换后高频的人脸特征,能很好地表达人脸特征;径向基网络作为分类器有很好的推广性能,有利于大容量样本的分类。在对人脸库ORL和YEL的识别实验中,与传统算法相比有很高的识别速度和识别率。

加权小波和流形正则化的NMF融合的人脸识别

为了获取更充分的人脸特征信息以提高识别性能,应用加权小波变换和流形正则化非负矩阵分解的方法实现人脸识别。采用小波变换,提取训练样本人脸图像的加权高频分量和低频分量的特征信息;应用流形正则化非负矩阵分解方法,在保持人脸特征数据原始几何结构和局部特征的基础上获取最终的识别特征;利用最近邻方法进行分类识别。将该算法在ORL人脸库和YALE人脸库上进行测试验证,结果表明,与传统的非负矩阵分解方法相比,其识别率高出5%左右,且计算时间很低,说明该方法耗时短,效率高。

基于加权小波变换和2D-PCA的人脸识别改进算法

基于小波变换的人脸识别方法通常将图像变换成低频和高频信息,传统的人脸识别算法大多数都是基于小波变换后的低频信息,没有充分利用高频信息,造成了高频信息中对识别有利信息的丢失.本文提出了一种基于加权小波变换和2D-PCA的人脸识别改进算法.首先基于二维离散小波(2D-DWT)对图像进行二层小波变换,将所得的低频信息和水平、垂直和对角高频信息进行加权融合.在此基础上,采用二维主成分分析(2D-PCA)方法进行特征提取;最后采用最近邻分类器进行分类识别.基于ORL标准人脸数据库的实验结果表明,本文提出的方法比传统的2D-PCD识别算法和2D-DWT+2D-PCA识别算法有更好的识别效果,且人脸受光照等因素的影响表现出良好的鲁棒性.

基于加权小波分解和Fisherfaces的人脸识别算法研究

提出了一种将加权小波分解和Fisherfaces方法相结合的人脸识别算法.首先,对人脸图像进行加入白化的预处理,去除干扰、噪声的同时平衡图像的能量谱;然后,采用小波分解得到图像的低频分量和水平、垂直高频分量并进行加权组合,结合Fisherfaces方法,在PCA变换后的空间内应用线性判别分析（LDA）,解决了类内散布矩阵奇异和PCA在降维过程中不利于样本分类的问题;最后,运用最近邻分类器进行分类识别.基于ORL和YALE人脸库进行实验,确定小波基及分解层数分别为db2小波和2层,选择归一化尺寸和特征维数的最佳参数能够使得识别率分别达到98.75％和100％,且特征维数20～70的对比实验结果表明,该算法具有更好的识别效果.

半参数回归模型的深度加权小波估计

文章研究了一类固定设计下半参数回归模型的参数分量和非参数分量的估计,在误差是NA序列时,运用数据深度加权技术,得到了深度加权小波估计,并证明了该估计的矩收敛速度。

半参数回归模型中深度加权小波估计的收敛速度

在已有半参数回归模型研究的基础上,研究了一类固定设计下半参数回归模型的参数分量和非参数分量的估计。在误差是收敛系统时,运用数据深度加权技术,得到了半参数回归模型的深度加权小波估计,从而将独立误差情形推广到了收敛系统情形,并证明了该估计的收敛速度。

基于加权小波分解和PCA的人脸识别

小波分解可以大幅度降低人脸图像的维数,图像的基本信息不丢失,可以很好地表征人脸特征.用低频分量和加权高频分量分别结合PCA进行特征提取,分别计算待测试人脸与低频、高频训练人脸的欧式距离,加权计算出新的距离系数,然后利用k-近邻法分类.实验表明此方法的识别率高、训练的时间短.

小波尺度加权法在粗晶材料超声波检测中的应用

为了解决超声波检测粗晶材料时回波信噪比低、缺陷难以检出的难题,对超声波信号小波分析原理进行了研究。以实例分析的方式提出小波尺度加权降噪法,并阐述其原理及优点。在小波分析尺度加权降噪法的基础上编制了缺陷识别程序,对超声波信号进行处理,大大提高了对缺陷的识别与定位能力。该检测工艺在实际粗晶材料超声检测中取得了良好的效果。

基于加权红-黑小波变换的DR图像增强

目的:数字化X线图像(DR)细节常被淹没、动态范围宽.本研究使用了一种基于加权红-黑小波(WRB)变换的增强方法解决这一问题.方法:原始DR图像先进行对数变换,然后对变换后的图像进行WRB分解得到各层的系数;通过设计的分段非线性子带系数操作函数,分别对各层系数进行处理,最后利用WRB反变换和处理过的子带系数重构出增强的图像.结果:WRB方法测试原始DR图像,平均运行时间约为0.6 s;利用该方法对DR图像进行增强后,图像细节显示效果和对比度均得到提升,且无光晕伪影产生;与一些常用的增强算法相比,用WRB算法增强的图像信息熵和交叉熵指标均较优.结论:相比一些传统增强算法,基于加权红-黑小波变换的DR图像增强方法具有明显优势,不仅能有效压缩图像动态范围,还增强图像细节和对比度.

结合多级小波系数加权均值和量化的可公开敏感水印

传统水印通常对水印嵌入后掩体视觉质量较为关注,而对水印嵌入环节的安全性较为忽视,一些算法尽管提供了水印加密环节,但位置固定,导致嵌入水印易受攻击,而基于参数化小波的水印敏感性在实际中难以应用。针对以上问题,提出一种结合多级小波系数加权均值和量化的可公开敏感水印。在该算法中,首先将掩体图像的消息摘要算法5(MD5)值、用户密钥和初始参数与Logistic映射绑定,用于对水印加密和嵌入环节的多级小波系数进行随机选择;然后通过联合图像专家组(JPEG)压缩的各级小波系数绝对变化量的算术平均值来估算小波系数权重,调整小波系数加权均值以嵌入水印;最后通过孤立黑点滤除策略来提高水印提取质量。理论和实验表明,所提方法具有较好的明文敏感性和密钥敏感性,嵌入水印后图像峰值信噪比(PSNR)可达到45 d B,即使公开水印嵌入环节,嵌入的水印也难以篡改和提取,同时依然对图像剪裁、白噪声、JPEG压缩、覆盖和涂鸦等常规图像攻击具有鲁棒性。

基于小波变换和多特征融合算法的人脸识别

提出了基于小波变换和多特征融合算法的人脸识别方法。该方法先对原始人脸图像进行简单加权小波变换以降低维数,施行改进的模块二维主成分分析(M2DPCA)抽取特征,再进行加权最大散度差鉴别分析(WMSD)得到最终的特征图像,采用最近邻分类器对人脸分类识别。该方法不仅利用了人脸图像的局部特征和类别信息,而且避免了矩阵的奇异值分解可能遇到的问题。在ORL人脸库上实验,以验证该方法的有效性。

维纳滤波和调整EM算法在COSM中的应用

用基于深度变化成像模型的调整EM算法进行三维显微图像复原,不能更好地复原图像细节,而且耗时长。为提高图像的复原质量,缩短时间,提出把维纳滤波和调整EM算法相结合的算法。该算法首先利用加权小波去除图像的部分离焦模糊,再用维纳滤波算法进行滤波复原,最后用基于深度变化成像模型的调整EM算法对序列图进行复原。实验表明复原效果得到了明显改善,并减少了迭代次数,效率明显提高。

小波理论及其在图形图像处理中的应用

小波分析多尺度特征可以替代B样条基，将多尺度特性带入到曲面之中。这样就可以将分辨率较高的曲面分解成小波系数组和分辨率较低的曲面。运用离散内积和非均匀B样条节点插入算法，根据整体光顺度，从曲面对应的最坏节点进行局部光顺，选择最坏节点的光顺区域，运用约束方程，在光顺界面边界基本不变的条件下，对细节部分迭代进行分解，控制误差。在光顺时又可以保持曲面的连续性。

自适应TQWT滤波器算法及其在冲击特征提取中的应用

微弱故障的冲击特征提取,对于旋转机械设备平稳工况下的状态监测与诊断至关重要。针对强背景噪声下机械故障微弱冲击特征有效提取的难题,提出基于自适应可调品质因子小波变换(TQWT)滤波器的冲击特征提取算法。TQWT作为新兴的频域显式小波构造理论,具有匹配特定振荡行为信号成分、可利用FFT算法快速实现的优点。所提自适应TQWT滤波器算法,主要涉及TQWT参数(品质因子Q、冗余度r以及分解层数J)的优化选择以及最优特征子带的自适应选择,不依赖于先验知识。算法根据所提出的中心频率比指标以及能量加权归一化小波熵,分别对分解层数以及品质因子和冗余度进行优化选择,构造出适合揭示冲击信号成分振荡行为的优化可调品质因子小波基函数,进而利用冲击特征指标引导含冲击特征信息的最优特征子带选择,最后利用TQWT逆变换实现信号的重构与降噪,提取周期性微弱冲击特征。仿真试验与实测轴承信号的分析结果表明,算法能够自适应选择TQWT参数并实现微弱冲击特征的有效提取。

基于小波的曲线设计

小波分析多尺度特征可以替代B样条基,将多尺度特性带入到曲面之中.这样就可以将分辨率较高的曲面分解成小波系数组和分辨率较低的曲面.运用离散内积和非均匀B样条节点插入算法,根据整体光顺度,从曲面对应的最坏节点进行局部光顺,选择最坏节点的光顺区域,运用约束方程,在光顺界面边界基本不变的条件下,对细节部分迭代进行分解,控制误差.在光顺时又可以保持曲面的连续性.

类星体CGRaBSJ0132+4325的射电周期研究

基于欧文斯谷射电天文台(Owens Valley Radio Observatory,OVRO)40 m望远镜近12年的观测数据,从中收集了类星体J0132+4325在15 GHz射电波段的光变曲线数据,利用LSP和加权小波Z变换方法分析其光变准周期.结果发现,类星体CGRaBS J0132+4325存在一个约851±80天的准周期振荡.基于红噪声蒙特卡洛模拟来估算其准周期信号的置信水平,得到其置信度超过3σ(99.7%).