基于背景复原的视频目标跟踪研究

通过对视频图像中只有一个运动目标、以及含有多目标的视频进行测试,实验研究结果表明：小波神经网络将小波变换良好的时频局域化特性和神经网络的自学习功能相结合,具有最佳的函数逼近能力和容错能力。     

离散仿射小波变换神经网络函数逼近方法

通过对仿射离散小波框架的分析,用离散仿射小波变换时频局部化集中与神经网络的有关理论,研究了前传神经网络的组织结构与简化,提出了处理方案,并利用此理论对波函数的逼近给出了一般算法．     

基于小波神经网络的NLAR(p)过程的逼近

小波神经网络是近年来发展起来的一种逼近非线性函数的新型人工神经网络.特别是,正交尺度函数为基函数的小波神经网络更适合于函数逼近.本文在此基础上讨论了小波神经网络对非线性AR(p)过程的逼近.     

基于随机小波神经网络的一类随机过程的逼近

在小波神经网络基础上提出了随机小波神经网络，给出了随机小波神经网络逼近一类随机过程的收敛性的证明。并在此基础上对随机小波神经网络的拓扑结构，学习机理进行了研究，提出了一系列成果。从本质上 ，随机小波神经网络是小波神经网络的推广。     

时间序列的多尺度小波变换特征提取

本文基于小波变换,提出了一种提取时间序列特征的方法,用小波变换的低频逼近信号表示原时间序列。与傅里叶变换降维比较,该方法更能体现原时间序列的细部特征。     

基于小波神经网络的短时交通流预测

针对BP神经网络寻优速度慢、实时性差等缺点,提出将小波神经网络应用于短时交通流量预测中.该方法具有良好的局部性特征,弥补了常规神经网络的不足.在非线性逼近中得到了很好的应用.实验结果表明,小波神经网络预测模型的预测精度明显优于BP神经网络,对交通流量预测问题有较高的应用价值.     

基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了利用小波变换和径向基神经网络进行签名图像分类识别的有效性,且成功识别率100%.     

应用“dmey”小波变换及遗传算法对重叠光谱分离研究

小波变换可以去除噪声信号,遗传算法具有全局搜索能力,可以任意逼近分析信号。本文将小波变换和遗传算法相结合来处理分析化学中的重叠信号,通过对模拟信号和实验信号的处理,结果显示小波变换和遗传算法能将重叠信号去噪、分离,可用于多组分样品信号重叠的分离研究。     

基于小波变换和神经网络的安全帽识别系统分析与设计

介绍了安全帽识别系统的整体设计,着重分析了小波变换和BP神经网络的具体运用,提出了识别系统的神经网络模型。     

基于小波变换分析ANN实现的含噪图像数字识别研究

本文研究了基于小波变换平滑降噪,ANN(人工神经网络)实现的含噪图像数字识别。本文从数字识别的主要原理、小波变换图像降噪以及BP神经网络的实现等方面进行了探讨。阐述了BP神经网络的网络的原理,设计BP网络的过程及其实现和改进方案,并附有大量的实验数据。