文件名称：基于小波变换的特征提取方法-tinyxml指南[中文]
文件大小：6.46MB
文件格式：PDF
更新时间：2024-07-04 16:39:20
RapidMiner
（1） 基于小波变换的特征提取方法 基于小波变换的特征提取方法主要有：基于小波变换的多尺度空间能量分布特征提取、 基于小波变换的多尺度空间中模极大值特征提取、基于小波包变换的特征提取、基于适应性 小波神经网络的特征提取，详见表 7-2： 表 7‐2基于小波变换的特征提取方法 基于小波变换的特征提取方法 方法描述 基于小波变换的多尺度空间能量 分布特征提取方法 各尺度空间内的平滑信号和细节信号能提供原 始信号的时频局域信息，特别是能提供不同频段 上信号的构成信息。把不同分解尺度上信号的能 量求解出来，就可以将这些能量尺度顺序排列形 成特征向量供识别用。 基于小波变换的多尺度空间中模 极大值特征提取方法 利用小波变换的信号局域化分析能力，求解小波 变换的模极大值特性来检测信号的局部奇异 性，将小波变换模极大值的尺度参数 s、平移参 数 t 及其幅值作为目标的特征量。 基于小波包变换的特征提取方法 利用小波分解，可将时域随机信号序列映射为尺 度域各子空间内的随机系数序列，按小波包分解 得到的 佳子空间内随机系数序列的不确定性 程度 低，将 佳子空间的熵值及 佳子空间在 完整二叉树中的位置参数作为特征量，可以用于 目标识别。 基于适应性小波神经网络的特征 基于适应性小波神经网络的特征提取方法可以