导读:本文包含了小波主成分分析论文开题报告文献综述及选题提纲参考文献，主要关键词:精密单位定位,PM2.5,可降水量,空气污染物
小波主成分分析论文文献综述
郑国威[1]（2019）在《基于小波分解和主成分分析的改进GS-SVM的PM2.5浓度预测研究》一文中研究指出近年来,我国多地区雾霾频发,对人们的健康和社会发展造成了严重的影响。作为雾霾中危害最大的成分—PM2.5能够长期悬浮在空气中,被吸入到人体中容易引起心血管系统和呼吸道等一系列疾病。当雾霾发生时颗粒物浓度增加会引起大气水汽的变化,进而会引起对流层延迟的变化。GPS探测大气水汽有着实时、不受天气影响,精度高等优点。因此利用GPS技术建立高效的PM2.5预测模型对于雾霾的预防和治理有着极其重要的意义。本文以北京地区为例,利用精密单点定位反演大气水汽的方法反演出天顶对流层延迟ZTD和大气可降水量PWV,结合大气污染物数据和气象数据建立融合小波分解和主成分分析的改进GS-SVM模型对PM2.5预测。本文的主要研究内容如下:1.分析了影响精密单点定位技术解算天顶对流层的几大因素,分别讨论了卫星高度截止角、卫星星历和钟差、映射函数对解算ZTD的影响,验证了实时的星历钟差产品的精度能够满足实时的大气水汽反演应用的需求。2.分析了四季PM2.5和ZTD/PWV、大气污染物和气象条件之间的关系,结果表明:PWV和PM2.5在夏季相关性较低,其余叁个季节均呈现着较强的正相关性;ZTD在春季和PM2.5存在着负相关性,其余的叁个季节均呈现正相关性;在四个季节中从整体上看PM2.5和SO_2、NO_2、CO呈正相关性,而和O_3呈负相关性;PM2.5和风速、气压和降水呈现出负相关的关系,和温度、相对湿度、露点温度呈现出正相关的关系,当雾霾频发的时候风向主要为西南风和南风。3.通过粗搜索和精细搜索结合的方法对网格搜索算法进行改进,实验结果表明改进的GS-SVM有效的提高了搜索效率。先后利用PWV、PWV结合气象因素建模、综合PWV、气象因素建模以及空气污染物建立改进的GS-SVM,实验结果表明通过这叁种方式建立模型的精度依次递增,说明加入更多影响因子有利于提高模型的预测精度。4.建立基于小波分解和主成分分析的改进GS-SVM组合模型,和改进的GS-SVM模型相比,在春夏秋冬四季中,组合模型的MAE和RMSE均低于改进的GS-SVM模型,有效的提高了PM2.5的预测精度。(本文来源于《长安大学》期刊2019-04-28）
苏岑,金瑜成,孙凯悦,戚国亮,黄佳杰[2]（2018）在《基于Gabor小波和主成分分析的人脸表情识别》一文中研究指出设计一种基于Gabor小波和主成分分析(PCA)的人脸表情识别方法。首先对每一张表情图像采用Haar特征进行人脸检测,然后选择合适的Gabor小波滤波器组进行表情特征提取,最后采用PCA对提取的高维Gabor小波特征进行特征降维,输入到K近邻法(KNN)分类器实现表情分类任务。在标准的JAFFE表情数据集的试验结果表明,PCA方法提取90维的Gabor小波特征用于表情识别时表现最好,能够取得89.52%的人脸表情识别性能。可见,该方法是一种可行的人脸表情识别方法。(本文来源于《台州学院学报》期刊2018年06期）
赵怀山,郭伟超,高新勤,杨振朝,李言[3]（2017）在《基于小波降噪和主成分分析的结构损伤识别》一文中研究指出对服役工程结构的状态进行长期监测的过程中,所测信号的数量往往非常巨大,而且信号包含有各种频率成分的环境噪声干扰,严重阻碍了准确识别工程结构状态的效率和准确率。针对这个问题,本文提出了基于小波降噪和主成分分析的结构损伤识别方法。首先采用小波降噪对测试信号进行处理并转换成顺序统计量,然后运用主成分分析对顺序统计量进行降维,提取有用特征矢量,最后利用统计方法构造损伤指标和控制线,通过控制线识别结构的状态变化。同时,论文使用某在役钢架桥的数值模拟及真实实验测量数据对该识别方法进行了验证,结果表明,该损伤识别方法能够有效提取振动信号的特征信息,能准确识别结构的状态变化。(本文来源于《西安理工大学学报》期刊2017年04期）
朱宗宝,王坤侠,肖玲玲,刘文静[4]（2017）在《一种基于小波包主成分分析的语音情感识别方法》一文中研究指出在语音情感识别中,由于特征参数的提取直接影响到最终的识别效率,从原始语音信号中提取特征参数是非常重要的。但是本文中提取的特征维数太多,导致特征匹配时过于复杂,消耗系统资源,不得不采用特征降维的方法。本文主要是研究一种在小波包变换的基础上通过特征降维来提高语音情感识别效果的方法,为此本文在德国库EMODB的基础上,通过小波包变换提取出语音的情感特征参数,然后利用主成分分析法对特征参数进行降维,最后利用支持向量机进行训练和测试。通过实验,获得了较好的识别效果。(本文来源于《安徽建筑大学学报》期刊2017年05期）
张彪,邱天爽[5]（2016）在《一种基于小波域主成分分析的心电压缩算法》一文中研究指出目的为降低心电信号存储和传输的数据量,并克服传统心电压缩方法只利用导联内相关性的劣势,本文提出一种基于小波域主成分分析和分层编码(w PCA_LC)的压缩方法。方法首先通过心电电极获取12通道心电数据,对所有通道的心电信号做小波变换,每个尺度下的小波系数组成小波系数矩阵,在每个系数矩阵上做主成分分析(principal component analysis,PCA),之后对小波系数小的主成分做[位置增量,数据]的编码方式,其他主成分采用霍夫曼编码,最后使用本文算法压缩圣彼得堡心率失常数据库。结果实验表明,在均方根误差为5.2%时,本文算法的压缩比为71,远高于基于稀疏分解的方法和基于小波变换阈值选择的方法。结论基于小波域主成分分析的心电压缩算法对多导联心电信号具有较好的压缩性能。(本文来源于《北京生物医学工程》期刊2016年03期）
周咪娜[6]（2016）在《基于小波-主成分分析的雷电过电压识别系统设计与实现》一文中研究指出雷电过电压产生于电力系统外部,具有冲击电流大、冲击电压高等特点,相对于内部过电压对电力系统的危害更大。我国电力系统分布广,复杂度高,运行稳定性要求高,为了保证电网建设的经济性,针对不同雷击过电压的类型所采取的防雷措施也不同,雷电过电压相对于内部过电压防护难度更大,防护效果更加局限。因此,雷电过电压的识别可以为输电线路雷击故障的监测、检测、处理与维修提供了重要的参考价值。本文以小波分析、主成分分析和神经网络等理论为基础,针对输电线路的雷电过电压分类识别问题,深入研究了基于小波-主成分分析的数据分析和特征量提取方法,以及基于改进的神经网络的分类识别方法,并介绍了基于小波-主成分分析的雷电过电压识别系统的软件设计与实现。本论文的工作主要体现在以下叁个方面：1.对雷电过电压数据的处理：针对雷电过电压高频、瞬变等特点,利用小波变换良好的时频域局部性能和多分辨率分析等特点和主成分分析法降低数据维度来提取数据特征的思想,提出了一种基于小波变换和主成分分析方法的雷电过电压分析和特征量提取方法。2.基于神经网络的分类模型的改进：针对传统BP网络对数据的分类速度慢,模型训练效率低的缺点,对BP神经网络的训练过程进行改进,提高了训练的收敛速度,并在此基础上进一步提高了分类准确率。3.系统的设计与实现：采用Java-web技术,结合MVC框架思想,实现了一个具有对雷电过电压数据的处理、分析、识别等功能的软件系统。本论文中已经验证了该分类识别模型的有效性,并且实现了基于该分类识别模型的软件系统,在接下来的研究中将继续完善该系统。(本文来源于《华北电力大学(北京)》期刊2016-06-01）
胡然,郭成城,杨剑锋[7]（2016）在《基于小波阈值和主成分分析的视频去噪算法》一文中研究指出将局部像素组主成分分析算法引入到视频去噪领域,并利用叁维块匹配算法保持了视频序列的相关性,对视频中的噪声进行抑制。用叁维块匹配视频去噪算法中小波阈值去噪得到的图像替换二阶局部像素组主成分分析中的第一阶处理得到的图像,这样可以避免局部像素组主成分分析算法直接处理视频时产生的局部效应。最后,局部像素组主成分分析算法也抑制了叁维块匹配算法中的小波阈值去噪结果中产生的画面不平滑的问题。实验结果表明,本算法较好地将主成分分析算法引入到了视频去噪领域,同时较好地解决了叁维块匹配视频去噪算法中小波阈值去噪的块效应问题,主客观指标的比较也表明本算法有较为优秀的去噪效果。(本文来源于《计算机科学》期刊2016年04期）
彭敏,傅慧,黄济民,黄佳佳,刘纪平[8]（2016）在《基于核主成分分析与小波变换的高质量微博提取》一文中研究指出在线社交媒体中存在大量的噪音和冗余信息,为对其进行过滤和筛选,获取高质量的信息,提出基于核主分析和小波变换的高质量微博提取框架,并设计一种基于多特征融合的高质量信息的提取算法,将信息特征转换到小波域以更好地捕获信号间的细节差异。利用最大期望算法度量各个特征的权值,进一步融合得到特征综合值。为降低噪声特征对信息质量提取的影响并提高算法运算速度,引入核主成分分析对特征进行变换。实验结果表明,该框架能够提取出更高质量的微博,并且大幅减少运算时间。(本文来源于《计算机工程》期刊2016年01期）
王洁,杨平,郁嵩,李倩[9]（2015）在《主成分分析和小波神经网络在气缸疲劳失效预测中的应用》一文中研究指出对气缸疲劳失效的预测一方面可以为基于状态的维修(CBM)提供重要参考,保证系统可靠运行,另一方面可以在设计过程中针对性地提供所需的寿命值,防止气缸冗余设计。常用的基于失效样本的预测方法由于样本数据量相当有限使得所建立的预测模型不具有说服力。通过主成分分析法(PCA)和小波神经网络(WNN)建立了一种失效预测方法,并将其运用于气缸性能失效的预测。利用主成分分析法处理气缸运行过程中监测得到的多维性能参数,在保留信息完整性的条件下选择出尽量少的主成分。对样本数据进行合理分组作为小波神经网络的输入。采用遗传算法(GA)来获取小波神经网络的初始权值和阈值;对小波神经网络进行训练和测试,完成对气缸性能失效预测;实验结果表明这种方法在气缸的疲劳失效预测方面具有令人满意的效果。(本文来源于《机床与液压》期刊2015年13期）
覃尧,黄春琳,陆珉,徐伟[10]（2015）在《基于小波变换与主成分分析的探地雷达自适应杂波抑制方法研究》一文中研究指出针对传统主成分分析法在探地雷达杂波抑制方面的不足,该文基于2维小波变换的分时分频特点,提出了改进的主成分分析子空间投影法。进一步将改进的子空间投影法与自适应横向滤波方法相结合,保留了自适应滤波方法良好的目标回波信号保真度与学习适应能力等优点,提出了基于小波变换与主成分分析的探地雷达自适应杂波抑制方法,实现了小波变换、主成分分析法以及自适应滤波方法的优势互补。实验结果表明该方法在信杂比与目标图像清晰度方面具有良好的杂波抑制效果。(本文来源于《雷达学报》期刊2015年04期）
小波主成分分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
设计一种基于Gabor小波和主成分分析(PCA)的人脸表情识别方法。首先对每一张表情图像采用Haar特征进行人脸检测,然后选择合适的Gabor小波滤波器组进行表情特征提取,最后采用PCA对提取的高维Gabor小波特征进行特征降维,输入到K近邻法(KNN)分类器实现表情分类任务。在标准的JAFFE表情数据集的试验结果表明,PCA方法提取90维的Gabor小波特征用于表情识别时表现最好,能够取得89.52%的人脸表情识别性能。可见,该方法是一种可行的人脸表情识别方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
小波主成分分析论文参考文献
[1].郑国威.基于小波分解和主成分分析的改进GS-SVM的PM2.5浓度预测研究[D].长安大学.2019
[2].苏岑,金瑜成,孙凯悦,戚国亮,黄佳杰.基于Gabor小波和主成分分析的人脸表情识别[J].台州学院学报.2018
[3].赵怀山,郭伟超,高新勤,杨振朝,李言.基于小波降噪和主成分分析的结构损伤识别[J].西安理工大学学报.2017
[4].朱宗宝,王坤侠,肖玲玲,刘文静.一种基于小波包主成分分析的语音情感识别方法[J].安徽建筑大学学报.2017
[5].张彪,邱天爽.一种基于小波域主成分分析的心电压缩算法[J].北京生物医学工程.2016
[6].周咪娜.基于小波-主成分分析的雷电过电压识别系统设计与实现[D].华北电力大学(北京).2016
[7].胡然,郭成城,杨剑锋.基于小波阈值和主成分分析的视频去噪算法[J].计算机科学.2016
[8].彭敏,傅慧,黄济民,黄佳佳,刘纪平.基于核主成分分析与小波变换的高质量微博提取[J].计算机工程.2016
[9].王洁,杨平,郁嵩,李倩.主成分分析和小波神经网络在气缸疲劳失效预测中的应用[J].机床与液压.2015
[10].覃尧,黄春琳,陆珉,徐伟.基于小波变换与主成分分析的探地雷达自适应杂波抑制方法研究[J].雷达学报.2015