基于时-频谱图和小波神经网络的时间序列鲁棒建模方法

• 作者: 万少松 宋安军 杨宜康 黄永宣
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 异常数据 时-频谱图 小波神经网络 建模 鲁棒估计
• 年，卷（期）: 2001,（2）
• 所属期刊栏目: 研究与应用
• 页码范围: 225-230
• 页数: 6页
• 分类号: TP19
• 字数: 5453字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2001.02.019

摘要

借助时-频谱图识别时间序列中异常数据的位置和性质,利用小波神经网络作为拟合工具,同时引入加权误差能量函数,通过适当选择网络结构和参数优化,实现对受污染的时间序列的抗扰最佳逼近.实例表明利用时-频谱图进行异常数据定位准确可靠,采用加权误差能量函数的小波神经网络除具有逼近性能好、具有抑噪特性和收敛速度快的优点外,还能有效地消除异常数据对拟合结果的影响,具有较强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄永宣	西安交通大学系统工程研究所	97	1109	19.0	28.0
2	杨宜康	西安交通大学系统工程研究所	23	232	9.0	14.0
3	万少松	西安交通大学系统工程研究所	2	20	2.0	2.0
4	宋安军	西安交通大学系统工程研究所	6	56	5.0	6.0