S+小波

S+小波:一种面向对象的小波分析工具包。S+小波是一种面向对象的工具包,用于信号、时间序列、图像和其他数据的小波分析。它是用于数据分析、统计和科学计算的S +语言的模块。该模块面向工程师、数学学家、统计学家和广泛学科的科学家。S+小波被广泛应用于数据可视化和分析,非参数统计估计,信号和图像压缩,信号处理,以及新的快速算法的原型。该工具包提供了丰富的转换集合,从经典的离散小波变换到时频分解,如小波包和余弦包。可选择多种变换算法和工具,包括Coifman和Wickerhauser的“最佳基”算法和Mallat和张“匹配追踪”算法。具有超过500个功能,S+小波为小波分析提供了一个完整的计算环境,允许用户操作、可视化、合成和分析小波对象。面向对象的S+小波设计使得这些函数易于使用,为小波分析提供了一个组织框架。


ZBMaCT中的参考文献(32篇文章中引用)

显示结果1至20的32。
按年份排序(引文
  1. Aravkin,Aleksandr;戴维斯,DAMEK:通过方差约简的修剪统计估计(2020)
  2. Mazumder,拉胡尔;文格,郝雷:秩正则估计和表自由度的计算(2020)
  3. Chzhen,Evgenii;Hebiri,穆罕默德;鲑鱼,约瑟夫:套索改装策略(2019)
  4. 沈,利辛;Suter、Bruce W.、特里普、Erin E.:结构化稀疏促进功能(2019)
  5. 史,岳永;焦,Yu Ling;曹,雍秀;刘,Yan Yan:一种用高维数据进行MCP惩罚回归的交替方向乘法器(2018)
  6. 张,荀;李,Juelong;邢,Jianchun;王,平;杨,Qiliang;He,CAN:一种基于粒子群优化技术的参数小波阈值函数去噪(2017)
  7. 安东尼亚迪斯,安蒂斯,吉尔贝尔斯,艾尔恩;Lambert Lacroix,索菲;PoGi,Jean Michel:适当分散模型中均值和色散的联合估计和变量选择(2016)
  8. 伍德沃思,约瑟夫;沙特朗,瑞克:通过非凸收缩惩罚的压缩传感恢复(2016)
  9. 布雷赫尼,帕特里克;黄,健:群凸预测的非凸惩罚线性和Logistic回归模型的群下降算法(2015)
  10. Jain,Paras;Tyagi,VIPP:LAPB:局部自适应的基于小波域的边缘保持图像去噪(2015)
  11. Benedetto,John J.;CZAJA,WojiCik;Ehler,马丁:多光谱图像时频分析的小波包(2013)
  12. 达席尔瓦,Ricardo Dutra;MNETTO,罗德里戈;施瓦兹,William Robson;Pedrini,Heli:基于小波变换的自适应边缘保持图像去噪(2013)
  13. Strawderman,Robert L.;威尔斯,Martin T.;SHIFANO,Elizabeth D.:层次贝叶斯,最大后验估计,极大极小凹惩罚似然估计(2013)
  14. 海嫩,丹尼斯;Plonka,Gerlind:散乱数据去噪路径的小波收缩(2012)
  15. 李,Kichun;维达科维奇,BrANI:半监督小波收缩(2012)
  16. He,沂源:一种拟合非凸惩罚广义线性模型的迭代算法(2012)
  17. 魏,Fengrong;朱,红晓:非凸惩罚回归的群坐标下降算法(2012)
  18. 布雷赫尼,帕特里克;黄,健:非凸惩罚回归的坐标下降算法及其在生物特征选择中的应用(2011)
  19. 陈,Di Rong;赵,姚:希尔伯特变换的小波收缩估计(2011)
  20. 张,Cun Hui:极大极小凹罚下的近无偏变量选择(2010)