基于小波分析和神经网络的金融时间序列预测

以金融时间序列(1990年~2014年上证指数)为研究对象,金融时间序列数据本身带有较大的波动性,有高频和低频的数据情况贯穿于整个时间序列。小波分析对于数据降噪较于传统的降噪方式有着明显的优势,分析对比小波变换在处理两种不同波频情况下的优势和方法。采用其适合小波分析和神经网络相结合的组合模型对其进行分析和预测,其思想是,先将时间序列进行小波分解,得到各级小波变换序列和尺度变换序列。根据不同级小波变换系数的情况,选择合适的神经网络训练函数建立预测模型,得到各级小波变换序列和最后一层尺度序列,运用小波重建技术得出原时间序列的预测值。最后和常规的BP神经网络比较预测效果。     

氨基酸疏水性对蛋白质结构的影响

本文应用计算机模拟方法对蛋白质折叠结构进行分析,研究了在二维的HP模型下,采用Monte-Carlo算法,运用F-P法、K-D法、沃氏法、埃氏法及米氏法,几种常见的对氨基酸残基疏水特性的不同划分方法,从序列的正反两个方向对真实蛋白质折叠结构进行计算机模拟研究。研究结果表明,同一种疏水特性值从序列的正向或是其反方向开始折叠,蛋白质折叠的最小能量构象的能量值相等;各疏水特征参考值求得的最小能量构象及能量值存在差异。     

基于DWT的自适应水印算法研究

文章介绍了一种基于小波变换的自适应水印算法,该算法首先将二值水印图像置乱后经过降维操作转换成为一维序列,并用m序列作同步信号与水印序列一起组成嵌入序列,嵌入到音频信号的小波变换域低频系数中。实验表明,该算法具有较好的鲁棒性。     

一种基于小波变换的混沌图像加密算法

为了提高图像信息的安全性,利用混沌序列的特点,提出了一种基于小波变换的频域图像加密算法：对图像进行离散小波变换后得到一系列小波系数,以混沌序列为基础,采用图像置乱技术实现基于频域的图像加密算法。实验结果表明,该算法具有密图文件保奢陛高、安全性好的特点。     

基于小波分析的非平稳时间序列分解

本文提出了基于小波变换的非平稳时间序列分解方法。通过小波分解,将原时间序列依尺度分解成不同层次,利用尺度系数作为季节性乘积分量,将小波系数序列处理为方差平稳的平稳序列,并应用于样本数据异常点的识别和修正,使模型的预测精度得到提升。实例验证该方法是有效的。     

浅析小波变换理论及其应用

本文介绍了小波变换的发展历史,基本原理,比较了小波变换与傅立叶变换的各自不同的特点,讨论了当今传输系统中小波变换的应用,通过这些介绍分析,得出小波变换算法在信号处理、瞬态分析、图像处理等方面的优势,最后对小波变换理论的发展及其应用前景作了展望。     

M带小波分析综述

小波分析是在傅立叶变换的基础上发展起来的一种时频分析方法.作为一种新的变换域信号处理方法,小波变换尤其擅长处理在非平稳信号的分析.本文主要根据小波变换的特点,介绍了连续小波交换,M带离散小波变换的分解与重构算法并简单介绍了M带小波在信号处理中的应用.     

蛋白质糖基化位点的因子分析及KNN预测

为了分析糖基化蛋白质序列的结构特点并提高蛋白质O-糖基化位点的预测准确率,首先用因子分析的方法得到了训练样本的公因子,进一步得到了训练样本的因子得分以及变换矩阵;对测试样本首先用变换矩阵进行变换得到测试样本的因子得分,用K-最近邻(KNN)方法对因子得分进行分类。实验样本用稀疏编码方式编码,窗口长度为21。实验结果表明,与直接用KNN对原始观测数据进行预测的方法相比,通过因子分析变换对因子得分进行预测的结果更好。     

基于小波变换算法的时频分析技术在地震信号处理中的应用

本文简单介绍傅氏变换、短时傅立叶变换和小波变换,分析了小波变换方法在实现时频分析方面的优势,并创建理论数据,编制程序对理论数据进行了多种方法的时频分析,经过对比小波算法在理论数据处理方面获得验证,在此基础上,对实际地震数据进行了计算,取得了较好的效果。     

一种基于小波变换的音频水印算法

数字音频水印是水印技术中重要的组成部分,提出了一种基于音频小波变换的水印算法,在音频小波变换域的近似分量中通过量化策略嵌入水印,并实现了水印的盲提取。水印采用二值图像,比使用伪随即水印序列更加直观。仿真实验表明本算法的水印具有很好的鲁棒性和不可感知性。