![]() |
|||||||||||||||||||||||||||||||||
|
|
||||||||||||||||||||||||||||||||
![]() |
![]() |
![]() |
![]() |
||||||||||||||||||||||||||||||
![]() |
![]() |
||||||||||||||||||||||||||||||||
![]() |
![]() |
![]() |
![]() |
||||||||||||||||||||||||||||||
![]() |
![]() |
Выход | ![]() |
Ваш Login: "prodav". |
Раздел "Обработка сигналов и изображений\Wavelet Toolbox" "Вейвлеты, аппроксимация и статистические приложения" (перевод К.А.Алексеева) В оглавление книги \ К следующему разделу \ К предыдущему разделу 1.5. Свойство нелинейного сглаживания Сглаживающее свойство вейвлет-функций, упомянутое при определении статьи наибольших расходов бельгийцев, между тем, представляет собой разложение данных по базису вейвлет-функций при условии обращения некоторых членов разложения в ноль. Однако на практике процедура уменьшения числа членов разложения, как правило, сводится к простому отбору первых коэффициентов разложения, несущих наибольший объем информации об исследуемых данных, – к процедуре линейной фильтрации. Другим подходом к отбору коэффициентов разложения и, таким образом, к решению проблемы сглаживания является процедура пороговой обработки (трешолдинг). Суть данной процедуры заключается в сохранении тех членов разложения, абсолютное значение которых превышает или равно некоторому наперед заданному порогу. Понятно, что процедура пороговой обработки в данном случае оказывается нелинейной. Как станет ясным из гл. 10, алгоритмы линейного сглаживания данных не являются минимаксными в случае негомогенной или вообще неизвестной регулярности оцениваемых данных. В то же время, алгоритмы пороговой обработки обладают свойством автоматической подстройки к той или иной регулярности. Процедура пороговой обработки, предложенная Д. Донохо и Я. Джонстоном в начале 90-х годов, является настолько простой, что ее реализация кажется чудом в дебрях решения проблемы приближения. В оглавление книги \ К следующему разделу \ К предыдущему разделу |
|