利用多分辨率分析,我们已构造出尺度函数和小波函数小本章将研究函数的小波分 解。我们将在第一节首先给出两种分解式,并导出计算小波系数的 Mallat算法。在第二 节将讨论小波的消失矩,它的光滑性以及与滤波函数mo()在w=处的零点的重数的 关系。第三节将用小波系数刻划函数的正则性

矿区废弃地为室外大型非结构化环境，包含多种类型的障碍物且存在诸多不确定性因素，给移动机器人全覆盖路径规划造成了极大的困难。本文使用牛耕式单元分解法结合生物激励神经网络算法完成移动机器人对矿区废弃地的全覆盖路径规划。首先，针对矿区废弃地已知环境，采用牛耕式单元分解法对复杂环境做出区域分解，将具有综合复杂性的地图分解为多个不含障碍物的子区域；然后，根据子区域的邻接关系构建无向图，采用深度优先搜索算法确定子区域间的转移顺序；最后，采用生物激励神经网络算法确定子区域内部行走方式以及子区域间路径转移。仿真结果表明，生物激励神经网络算法在解决机器人路径转移问题方面比其他路径规划算法更高效，所得的方法能够处理复杂的非结构化环境，完成废弃矿区移动机器人的覆盖路径规划

为消除陡脉冲带来的干扰，分析了陡脉冲干扰的特点，建立了陡脉冲噪声数学模型，提出了基于变分模态分解（Variational mode decomposition, VMD）的心电信号滤波算法，提取叠加在心电信号中陡脉冲干扰分量、识别陡脉冲干扰分量并剔除陡脉冲干扰分量；为减少VMD分解层数、提高实时性并减少内存消耗，提出了心电信号预处理算法；针对医疗环境中的随机噪声伴随陡脉冲出现的情况，分析了VMD后子信号中随机噪声的特点，提出了基于VMD子信号能量估计的阈值去噪算法；利用变分模态分解的带通滤波器组特性，提出了基于变分模态分解子信号重组的QRS波群检测算法，配合滤波算法以提高心电信号特征检测精度。以添加了高斯白噪声和模拟陡脉冲干扰的MIT?BIH数据库心电信号和医疗环境中采集的心电信号为实验对象，分别实现对滤波算法和QRS波群检测算法的定量对比分析

基于代数分解的快速算法 1、利用FFT的快速算法 余弦变换核实际上就是傅里叶变换核的实部。而变换计算中的乘法运算就是八x)与变换核 的乘法运算。一种自然的想法就是先对八x)执行FFI,然后对其取实部就可以了

矩阵运算是数值计算中最重要的一类运算特别是在线性代数和数值分析中它是一种最 基本的运算。本章讨论的矩阵运算包括矩阵转置、矩阵向量相乘、矩阵乘法、矩阵分解以 及方阵求逆等。在讨论并行矩阵算法时分三步进行:①算法描述及其串行算法;②算法的 并行化及其实现算法框架以及简单的算法分析;③算法实现的MP源程序,以利于读者实 践操作

§10.1小波变换的背景 §10.2窗口 Fourier变换简介 §10.3连续小波变换 §10.4二进小波变换和离散小波变换 §10.5多分辨分析 §10.6 Mallat分解与重构算法

第一节 成本性态分析 第二节 混合成本的分解 第三节 吸收成本法和变动成本法 第四节 两种成本计算法的比较 第五节 两种成本计算法举例

建模方法是时间序列分析的核心问题之一。本文给出了两种基于最小二乘法的自回归模型（AR模型）的建模方法。采取预留少量数据递补进入计算的办法,使矩阵XTX可以用分块矩阵求逆公式递推求逆,或者用矩阵的Crout分解法递推求解。同时引入了Winograd向量内积快速算法,充分利用各向量和各矩阵之间的关系来减少计算工作量。使计算量比一般最小二乘建模方法大幅度减少,达到与Marple算法和Burg的最大熵谱法可比的程度

统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等

本文推广了线图的树对及其距离的概念,提出了等参数图及其树对和树对之距离的概念。给出了等参数图中任一树对为一最大（或最小）距离树对的充分必要条件和相应的算法,讨论了等参数图中最大与最小距离树对在电网络分析中的应用,给出了网络图主划分算法1的对偶算法和电网络的最优调和分解算法