小波理论在管理科学与工程中的应用

第一章　引言 1

一、小波历史回顾 1

二、小波在管理科学与经济计量分析中的应用 2

三、小波的发展 5

四、本书的主要安排 7

第二章　小波基本理论简介 10

一、引言 10

二、连续小波变换 10

三、多分辨分析 12

四、Haar小波 15

五、B-样条小波 17

第三章　小波理论在管理工程中的应用 21

一、引言 21

二、小波变换的零交叉表示 22

三、小波变换在轴心轨迹识别中的应用 24

四、结论 30

第四章　小波-AR方法 31

一、时间序列AR-模型 31

二、Wavelet-AR模型 33

三、样本训练与识别 34

四、实验 34

五、结论 35

第五章　企业数据趋势预测的小波方法 37

一、引言 37

二、基于小波的企业数据噪声消除方法研究 37

三、噪声消除实例 39

四、基于小波方法的企业数据趋势预测模型 40

五、实证分析 45

六、计算机实现部分 49

七、本章小结 51

第六章　小波在企业管理中的应用 52

一、引言 52

二、基于小波的企业数据结构预测方法描述 53

三、基于小波和B-J方法的企业数据结构预测模型 55

四、实证分析 60

五、计算机实现部分 64

六、本章小结 65

第七章　基于小波的企业综合指标预测方法研究 66

一、综合指标预测问题的提出 66

二、企业综合指标的预测模型 67

三、基于小波方法的综合指标预测系统的建立 69

四、实现预测有效性其他关键因素分析 71

五、实证分析 74

六、计算机实现部分 79

七、本章小结 80

第八章　多重小波及其应用 81

一、引言 81

二、多重多分辨分析及多重小波快速计算方法 82

三、预处理和后处理 86

四、函数的多重小波分解 88

五、一个线性2-重小波的例子 88

六、分级多重小波神经网 90

七、应用 94

第九章　向量值小波 98

一、向量值函数的一些记号和基本概念 98

二、矩阵值小波与向量值小波之间关系的一点探讨 100

三、高维向量值多尺度分析及小波函数 103

四、向量值小波分量间相关性讨论 105

五、向量值小波与多重小波的关系 108

六、向量值小波-AR模型及其应用 110

第十章　提升法 114

一、提升法概论 114

二、提升法的基本步骤 115

三、用提升法实现小波变换 118

四、用提升法构造多重小波 121

五、应用提升法对轴心轨迹的分解算法 126

六、讨论 130

第十一章　第二代小波 131

一、第二代小波概述 131

二、多分辨分析 132

三、第二代小波 135

四、基于遗传算法的最优双正交第二代小波滤波器设计 136

五、说明 138

结束语 139

参考文献 141