S+小波

S+小波:一个面向对象的小波分析工具包。S+小波是一个面向对象的工具箱,用于信号、时间序列、图像和其他数据的小波分析。它是S-Plus语言的一个模块,用于数据分析、统计和科学计算。统计学家和工程师的方向是广泛的。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、信号处理和新快速算法的原型设计。该工具包提供了丰富的变换集合,从经典的离散小波变换到时间频率分解,如小波包和余弦包。有多种选择变换的算法和工具,包括Coifman和Wickerhauser“最佳基”算法和Mallat和Zhang“匹配追踪”算法。S+小波具有500多种功能,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。S+小波的面向对象设计使这些功能易于使用,为小波分析提供了一个组织框架。


zbMATH中的参考文献(参考文献第三十六条)

显示第1到第20个结果,共36个。
按年份排序(引用)
  1. 秋,朵;白、敏如;吴,迈克尔K。;张雄军:非凸正则化的非局部鲁棒张量恢复(2021)
  2. 阿拉夫金,亚历山大;Damek Damek Damek:通过方差减少进行修正的统计估计(2020年)
  3. 贝尔西马斯,迪米特里斯;鲍菲莱,珍;van Parys,Bart:稀疏回归:可伸缩算法和经验性能(2020)
  4. 玛祖德,拉胡尔;翁浩磊:计算秩正则化估计量的自由度及其同族(2020)
  5. 谢东秀;沃尔德曼,雨果J。;徐安宝:用于压缩感知和矩阵完成的参数化准软阈值算子(2020)
  6. 叶夫根尼·奇珍;赫比里,穆罕默德;萨尔蒙,约瑟夫:关于套索改装策略(2019)
  7. 沈立新;苏特,布鲁斯W。;Tripp,Erin E.:结构化稀疏促进函数(2019)
  8. 石岳勇;焦裕玲;曹永秀;刘艳艳:高维数据MCP惩罚回归的交替方向乘数法(2018)
  9. 张勋;李巨龙;邢建春;王平;杨启良;何灿:基于粒子群优化技术的参数小波阈值函数信号去噪(2017)
  10. 安东尼亚迪斯,麻醉剂;吉布尔斯,伊恩;兰伯特·拉克鲁瓦,苏菲;Poggi,Jean-Michel:适当离散模型中均值和离差的联合估计和变量选择(2016)
  11. 伍德沃思,约瑟夫;Chartrand,Rick:《通过非凸收缩惩罚实现压缩感知恢复》(2016)
  12. 布雷尼,帕特里克;Huang,Jian:具有分组预测因子的非凸惩罚线性和逻辑回归模型的群下降算法(2015)
  13. 贾恩,第;Tyagi,Vipin:LAPB:基于局部自适应补丁的小波域边缘保持图像去噪(2015)
  14. 达尔莫,符文;Bratlie,Jostein:ERBS的离散小波压缩(2014)
  15. 贝内代托,约翰J。;Czaja、Wojciech;Ehler,Martin:用于多光谱图像时频分析的小波包(2013)
  16. 达席尔瓦,里卡多·杜特拉;米内托,罗德里戈;施瓦茨,威廉·罗布森;Pedrini,Helio:基于小波变换的自适应边缘保持图像去噪(2013)
  17. 斯特劳德曼,罗伯特L。;韦尔斯,马丁·T。;Schifano,Elizabeth D.:分层Bayes,极大后验估计和极小极大凹惩罚似然估计(2013)
  18. 海宁,丹尼斯;Plonka,Gerlind:离散数据去噪路径上的小波收缩(2012)
  19. 李,基春;Vidakovic,Brani:半监督小波收缩(2012)
  20. She,Yiyuan:用分组预测值拟合非凸惩罚广义线性模型的迭代算法(2012)