人工神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：人工神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)范文
關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；智能；計(jì)算；應(yīng)用研究
中圖分類號：TP393文獻(xiàn)標(biāo)識(shí)碼：A文章編號：1009-3044(2008)20-30326-02
Application of Neural Network Forefront
LI Bing-fu1,2
(1.Zhanjiang Normal College, Zhanjiang 524048, China; 2.Chongqing University, Master of the Computer College, Chongqing 400030, China)
Abstract: The rise of neural networks, has been on the cognitive and intellectual nature of the computer industry and basic research has produced an unprecedented excitement and great role. Therefore, in all fields has greatly applied research.
Key words: Neural Networks; Intelligent; Computing; Applied Research
1 引言
神經(jīng)網(wǎng)絡(luò)是一門模仿人類神經(jīng)中樞――大腦構(gòu)造與功能的智能科學(xué)，利用物理器件來模擬生物神經(jīng)網(wǎng)絡(luò)的某些結(jié)構(gòu)和功能，即由許多功能簡單的神經(jīng)元互聯(lián)起來，形成一種能夠模擬人的學(xué)習(xí)、決策和識(shí)別等功能的網(wǎng)絡(luò)系統(tǒng)。他具有快速反映能力，便于對事物進(jìn)行適時(shí)控制與處理；善于在復(fù)雜的環(huán)境下，充分逼近任意非線形系統(tǒng)，快速獲得滿足多種約束條件問題的最優(yōu)化答案；具有高度的魯棒性和容錯(cuò)能力等優(yōu)越性能。
神經(jīng)網(wǎng)絡(luò)的崛起，已對認(rèn)知和智力的本質(zhì)的基礎(chǔ)研究乃至計(jì)算機(jī)產(chǎn)業(yè)都產(chǎn)生了空前的刺激和極大的推動(dòng)作用。因此在各個(gè)領(lǐng)域都有很大的應(yīng)用研究。
2 神經(jīng)網(wǎng)絡(luò)（ANN）的研究內(nèi)容
1) 理論研究：ANN模型及其學(xué)習(xí)算法，試圖從數(shù)學(xué)上描述ANN的動(dòng)力學(xué)過程，建立相應(yīng)的ANN模型，在該模型的基礎(chǔ)上，對于給定的學(xué)習(xí)樣本，找出一種能以較快的速度和較高的精度調(diào)整神經(jīng)元間互連權(quán)值，使系統(tǒng)達(dá)到穩(wěn)定狀態(tài)，滿足學(xué)習(xí)要求的算法；2) 實(shí)現(xiàn)技術(shù)的研究：探討利用電子、光學(xué)、生物等技術(shù)實(shí)現(xiàn)神經(jīng)計(jì)算機(jī)的途徑；3) 應(yīng)用的研究：探討如何應(yīng)用ANN解決實(shí)際問題，如模式識(shí)別、故障檢測、智能機(jī)器人等。
3 神經(jīng)網(wǎng)絡(luò)在各領(lǐng)域的應(yīng)用研究
3.1 智能機(jī)器領(lǐng)域的應(yīng)用研究
智能機(jī)器領(lǐng)域的應(yīng)用研究主要是進(jìn)一步研究調(diào)節(jié)多層感知器的算法，使建立的模型和學(xué)習(xí)算法成為適應(yīng)性神經(jīng)網(wǎng)絡(luò)的有力工具，構(gòu)建多層感知器與自組織特征圖級聯(lián)想的復(fù)合網(wǎng)絡(luò)，是增強(qiáng)網(wǎng)絡(luò)解決實(shí)際問題能力的一個(gè)有效途徑。重視聯(lián)結(jié)的可編程性問題和通用性問題的研究，從而促進(jìn)智能科學(xué)的發(fā)展。通過不斷探索人類智能的本質(zhì)以及聯(lián)結(jié)機(jī)制，并用人工系統(tǒng)復(fù)現(xiàn)或部分復(fù)現(xiàn)，制造各種智能機(jī)器，可使人類有更多的時(shí)間和機(jī)會(huì)從事更為復(fù)雜、更富創(chuàng)造性的工作。
智能的產(chǎn)生和變化經(jīng)過了漫長的進(jìn)化過程，我們對智能處理的新方法的靈感主要來自神經(jīng)科學(xué)，例如學(xué)習(xí)、記憶實(shí)質(zhì)上是突觸的功能，人類大腦的前額葉高度發(fā)育，它幾乎占了30%大腦的表面積，在其附近形成了人類才出現(xiàn)的語言運(yùn)動(dòng)區(qū)，它與智能發(fā)育密切相關(guān)，使神經(jīng)系統(tǒng)的發(fā)育同環(huán)境的關(guān)系更加密切，腦的可塑性很大，能主動(dòng)適應(yīng)環(huán)境還能主動(dòng)改造環(huán)境，人類向制造智能工具方向邁進(jìn)正是這種主動(dòng)性的反映。腦的可塑期越長，經(jīng)驗(yàn)對腦的影響就越大，而人類的認(rèn)知過程很大程度上不僅受經(jīng)驗(yàn)主義的影響，而且還接受理性主義的模型和解釋。因此，對于智能和機(jī)器的關(guān)系，應(yīng)該從進(jìn)化的角度，把智能活動(dòng)看成動(dòng)態(tài)發(fā)展的過程，并合理的發(fā)揮經(jīng)驗(yàn)的作用。同時(shí)還應(yīng)該從環(huán)境與社會(huì)約束以及歷史文化約束的角度加深對它的理解與分析。
神經(jīng)網(wǎng)絡(luò)是由大量處理單元組成的非線性、自適應(yīng)、自組織系統(tǒng)，它是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上提出的，試圖模擬神經(jīng)網(wǎng)絡(luò)加工、記憶信息的方式，設(shè)計(jì)一種新的機(jī)器，使之具有人腦風(fēng)格的信息處理能力。智能理論所面對的課題來自“環(huán)境－問題－目的”，有極大的誘惑力與壓力，它的發(fā)展方向就將是，把基于聯(lián)結(jié)主義的神經(jīng)網(wǎng)絡(luò)理論、基于符號主義的人工智能專家系統(tǒng)理論和基于進(jìn)化論的人工生命這三大研究領(lǐng)域，在共同追求的總目標(biāo)下，自發(fā)而有機(jī)的結(jié)合起來。在21世紀(jì)初，智能的機(jī)器實(shí)現(xiàn)問題的研究將有新的進(jìn)展和突破。
3.2 神經(jīng)計(jì)算和進(jìn)化計(jì)算的應(yīng)用研究
計(jì)算和算法是人類自古以來十分重視的研究領(lǐng)域，本世紀(jì)30年代，符號邏輯方面的研究非常活躍。例如Church、Kleene、Godel、Post、Turing等數(shù)學(xué)家都給出了可計(jì)算性算法的精確數(shù)學(xué)定義，對后來的計(jì)算和算法的發(fā)展影響很大。50年代數(shù)學(xué)家Markov發(fā)展了Post系統(tǒng)。80年代以后，神經(jīng)網(wǎng)絡(luò)理論在計(jì)算理論方面取得了引人注目的成果，形成了神經(jīng)計(jì)算和進(jìn)化計(jì)算新概念，激起了許多理論家的強(qiáng)烈興趣，大規(guī)模平行計(jì)算是對基于Turing機(jī)的離散符號理論的根本性的沖擊，但90年代人們更多的是批評的接受它，并將兩者結(jié)合起來，近年來，神經(jīng)計(jì)算和進(jìn)化計(jì)算領(lǐng)域很活躍，有新的發(fā)展動(dòng)向，在從系統(tǒng)層次向細(xì)胞層次轉(zhuǎn)化里，正在建立數(shù)學(xué)理論基礎(chǔ)。隨著人們不斷探索新的計(jì)算和算法，將推動(dòng)計(jì)算理論向計(jì)算智能化方向發(fā)展，在21世紀(jì)人類將全面進(jìn)入信息社會(huì)，對信息的獲取、處理和傳輸問題；對網(wǎng)絡(luò)路由優(yōu)化問題；對數(shù)據(jù)安全和保密問題等等將有新的要求，這些將成為社會(huì)運(yùn)行的首要任務(wù)，因此，神經(jīng)計(jì)算和進(jìn)化計(jì)算與高速信息網(wǎng)絡(luò)理論聯(lián)系將更加密切，并在計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域中發(fā)揮巨大的作用，建立具有計(jì)算復(fù)雜性、網(wǎng)絡(luò)容錯(cuò)性和堅(jiān)韌性的計(jì)算理論。
基于人類的思維方式的轉(zhuǎn)變：線性思維轉(zhuǎn)到非線性思維。神經(jīng)元、神經(jīng)網(wǎng)絡(luò)都具有非線性、非局域性、非定常性、非凸性和混沌等特性，故此在計(jì)算智能的層次上進(jìn)行非線性動(dòng)力系統(tǒng)、 混沌神經(jīng)網(wǎng)絡(luò)以及對神經(jīng)網(wǎng)絡(luò)的數(shù)理研究。從而進(jìn)一步研究自適應(yīng)性子波、非線性神經(jīng)場的興奮模式、神經(jīng)集團(tuán)的宏觀力學(xué)等。因?yàn)椋蔷€性問題的研究是神經(jīng)網(wǎng)絡(luò)理論發(fā)展的一個(gè)最大動(dòng)力，也是它面臨的最大挑戰(zhàn)。此外，神經(jīng)網(wǎng)絡(luò)與各種控制方法有機(jī)結(jié)合具有很大發(fā)展前景，建模算法和控制系統(tǒng)的穩(wěn)定性等研究仍為熱點(diǎn)問題，而容忍控制、可塑性研究可能成為新的熱點(diǎn)問題。開展進(jìn)化并行算法的穩(wěn)定性分析及誤差估計(jì)方面的研究將會(huì)促進(jìn)進(jìn)化計(jì)算的發(fā)展。把學(xué)習(xí)性并行算法與計(jì)算復(fù)雜性聯(lián)系起來，分析這些網(wǎng)絡(luò)模型的計(jì)算復(fù)雜性以及正確性，從而確定計(jì)算是否經(jīng)濟(jì)合理。因而關(guān)注神經(jīng)信息處理和腦能量兩個(gè)方面以及它們的綜合分析研究的最新動(dòng)態(tài)，吸收當(dāng)代腦構(gòu)象等各種新技術(shù)和新方法是十分重要的。
離散符號計(jì)算、神經(jīng)計(jì)算和進(jìn)化計(jì)算相互促進(jìn)或者最終導(dǎo)致這3種計(jì)算統(tǒng)一起來，這算得上是我們回避不了的一個(gè)重大難題。預(yù)計(jì)在21世紀(jì)初，關(guān)于這個(gè)領(lǐng)域的研究會(huì)產(chǎn)生新的概念和方法。尤其是視覺計(jì)算方面會(huì)得到充分地發(fā)展。我們應(yīng)當(dāng)抓住這個(gè)機(jī)會(huì)，力求取得重大意義的理論和應(yīng)用成果。
3.3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和神經(jīng)元芯片的應(yīng)用研究
神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的研究是神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)以及成功地實(shí)現(xiàn)應(yīng)用的前提，又是優(yōu)越的物理前提。它體現(xiàn)了算法和結(jié)構(gòu)的統(tǒng)一，是硬件和軟件的混合體，這種硬軟混合結(jié)構(gòu)模型可以為意識(shí)的作用和基本機(jī)制提供解釋。未來的研究主要是針對信息處理功能體，將系統(tǒng)、結(jié)構(gòu)、電路、 器件和材料等方面的知識(shí)有機(jī)結(jié)合起來，建構(gòu)有關(guān)的新概念和新技術(shù)，如結(jié)晶功能體、最子效應(yīng)功能體、高分子功能體等。在硬件實(shí)現(xiàn)上，研究材料的結(jié)構(gòu)和組織，使它具有自然地進(jìn)行信息處理的能力，如神經(jīng)元系統(tǒng)、自組織系統(tǒng)等。神經(jīng)計(jì)算機(jī)的主要特征是具有并行分布式處理、學(xué)習(xí)功能，這是一種提高計(jì)算性能的有效途徑，使計(jì)算機(jī)的功能向智能化發(fā)展，與人的大腦的功能相似，并具有專家的特點(diǎn)，比普通人的反應(yīng)更敏捷，思考更周密。光學(xué)神經(jīng)計(jì)算機(jī)具有神經(jīng)元之間的連接不僅數(shù)量巨大而且結(jié)合強(qiáng)度可以動(dòng)態(tài)控制，因?yàn)楣獠ǖ膫鞑o交叉失真，傳播容量大，并可能實(shí)現(xiàn)超高速運(yùn)算，這是一個(gè)重要的發(fā)展領(lǐng)域，其基礎(chǔ)科學(xué)涉及到激光物理學(xué)、非線性光學(xué)、光紊亂現(xiàn)象分析等，這些與神經(jīng)網(wǎng)絡(luò)之間在數(shù)學(xué)構(gòu)造上存在著類似性。近年來，人們采用交叉光互連技術(shù)，保證了它們之間沒有串?dāng)_，它有著廣闊的發(fā)展前景。在技術(shù)上主要有超高速、大規(guī)模的光連接問題和學(xué)習(xí)的收斂以及穩(wěn)定性問題，可望使之得到突破性進(jìn)展；另一種是采用LSI技術(shù)制作硅神經(jīng)芯片，以及二維VLSI技術(shù)用于處理具有局部和規(guī)則連接問題。在未來一、二十年里半導(dǎo)體神經(jīng)網(wǎng)絡(luò) 芯片仍將是智能計(jì)算機(jī)硬件的主要載體，而大量的神經(jīng)元器件，如何實(shí)現(xiàn)互不干擾的高密度、高交叉互連，這個(gè)問題可望盡早得到解決。此外，生物器件的研究正處于探索之中，研究這種模型的理論根據(jù)是當(dāng)硅集成塊和元件間的距離如果接近0.01微米時(shí)，電子從鄰近元件逸入的概率將很有限，便產(chǎn)生“隧道效應(yīng)”的現(xiàn)象，它是高集成電路塊工作不可靠的原因之一。而生物芯片由于元件是分子大小的，其包裝密度可成數(shù)量級增加，它的信號傳播方式是孤電子，將不會(huì)有損耗，并且?guī)缀醪划a(chǎn)生熱。因此，它有更誘人的前景。隨著大量神經(jīng)計(jì)算機(jī)和神經(jīng)元芯片應(yīng)用于高科技領(lǐng)域，給神經(jīng)網(wǎng)絡(luò)理論和方法賦予新的內(nèi)容，同時(shí)也會(huì)提出一些新的理論課題，這是神經(jīng)網(wǎng)絡(luò)迅速發(fā)展的一個(gè)動(dòng)力。
4 結(jié)束語
近年來，我國“863”計(jì)劃、攻關(guān)計(jì)劃、“攀登”計(jì)劃和國家自然科學(xué)基金等，都對神經(jīng)網(wǎng)絡(luò)的研究給予了資助，吸引了大量的優(yōu)秀青年人才從事神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究工作，并促進(jìn)我國能在這個(gè)領(lǐng)域取得世界上的領(lǐng)先地位。在21世紀(jì)科學(xué)技術(shù)發(fā)展征程中，神經(jīng)網(wǎng)絡(luò)理論的發(fā)展將與日俱增。
參考文獻(xiàn)：
[1] 閻平凡.人工神經(jīng)網(wǎng)絡(luò)的容量、學(xué)習(xí)與計(jì)算復(fù)雜性[J]. 電子學(xué)報(bào),1995,23.
第2篇：人工神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)范文
【關(guān)鍵詞】 技術(shù)分析 神經(jīng)網(wǎng)絡(luò) BP算法
一、技術(shù)分析的理論基礎(chǔ)
本文的理論基礎(chǔ)是股市技術(shù)分析中道氏理論中的三大假設(shè):其一,市場行為涵蓋一切信息;其二,價(jià)格沿趨勢移動(dòng);其三,歷史會(huì)重演。根據(jù)道氏三大假設(shè),股市是可以預(yù)測的,至少是短期可預(yù)測的。所謂股票的技術(shù)分析法是相對于基本面分析法而言的。技術(shù)分析法是通過圖表或者技術(shù)指標(biāo)的記錄,研究市場過去以及現(xiàn)在的行為反映,以推測未來的價(jià)格變動(dòng)趨勢。其依據(jù)的技術(shù)指標(biāo)的主要內(nèi)容是由股票價(jià)格、成交量和指數(shù)的漲跌等數(shù)據(jù)計(jì)算所得。在此就本文中所使用的指標(biāo)進(jìn)行簡單的介紹。
均線指標(biāo):實(shí)際上是移動(dòng)平均線指標(biāo)的簡稱。由于該指標(biāo)是反映價(jià)格運(yùn)行趨勢的重要指標(biāo),其運(yùn)行趨勢一旦形成,將在一段時(shí)間內(nèi)繼續(xù)保持,趨勢運(yùn)行所形成的高點(diǎn)或低點(diǎn)又分別具有阻擋或支撐作用,因此均線指標(biāo)所在的點(diǎn)位往往是十分重要的支撐或阻力位,這就為我們提供了買進(jìn)或賣出的有利時(shí)機(jī),均線系統(tǒng)的價(jià)值也正在于此。
KDJ指標(biāo):隨機(jī)指標(biāo)KDJ一般是根據(jù)統(tǒng)計(jì)學(xué)的原理,以最高價(jià)、最低價(jià)及收盤價(jià)為基本數(shù)據(jù)進(jìn)行計(jì)算,得出的K值、D值和J值分別在指標(biāo)的坐標(biāo)上形成的一個(gè)點(diǎn),連接無數(shù)個(gè)這樣的點(diǎn)位,就形成一個(gè)完整的、能反映價(jià)格波動(dòng)趨勢的KDJ指標(biāo)。它主要是利用價(jià)格波動(dòng)的真實(shí)波幅來反映價(jià)格走勢的強(qiáng)弱和超買超賣現(xiàn)象,在價(jià)格尚未上升或下降之前發(fā)出買賣信號的一種技術(shù)工具。它在設(shè)計(jì)過程中主要是研究最高價(jià)、最低價(jià)和收盤價(jià)之間的關(guān)系,同時(shí)也融合了動(dòng)量觀念、強(qiáng)弱指標(biāo)和移動(dòng)平均線的一些優(yōu)點(diǎn),因此,能夠比較迅速、快捷、直觀地研判行情。隨機(jī)指標(biāo)KDJ最早是以KD指標(biāo)的形式出現(xiàn),而KD指標(biāo)是在威廉指標(biāo)的基礎(chǔ)上發(fā)展起來的。不過威廉指標(biāo)只判斷股票的超買超賣現(xiàn)象,在KDJ指標(biāo)中則融合了移動(dòng)平均線速度上的觀念,形成比較準(zhǔn)確的買賣信號依據(jù)。在實(shí)踐中,K線與D線配合J線組成KDJ指標(biāo)來使用。由于KDJ線本質(zhì)上是一個(gè)隨機(jī)波動(dòng)的觀念,故其對于掌握中短期行情走勢比較準(zhǔn)確。。
MACD指標(biāo):MACD稱為指數(shù)平滑異同移動(dòng)平均線(Moving Average Convergence and Divergence)。是從雙移動(dòng)平均線發(fā)展而來的,由快的移動(dòng)平均線減去慢的移動(dòng)平均線,MACD的意義和雙移動(dòng)平均線基本相同,但閱讀起來更方便。當(dāng)MACD從負(fù)數(shù)轉(zhuǎn)向正數(shù),是買的信號。當(dāng)MACD從正數(shù)轉(zhuǎn)向負(fù)數(shù),是賣的信號。當(dāng)MACD以大角度變化,表示快的移動(dòng)平均線和慢的移動(dòng)平均線的差距非常迅速的拉開,代表了一個(gè)市場大趨勢的轉(zhuǎn)變。MACD是一項(xiàng)利用短期移動(dòng)平均線與長期移動(dòng)平均線之間的聚合與分離狀況,對買進(jìn)、賣出時(shí)機(jī)作出研判的技術(shù)指標(biāo)。
二、神經(jīng)元
神經(jīng)元是神經(jīng)網(wǎng)絡(luò)中的基本處理單位,圖1是一種典型的神經(jīng)元模型,它是模擬生物神經(jīng)元的細(xì)胞體、樹突、軸突、突觸等主要部分而構(gòu)成。
三、BP算法
1、BP算法的基本思想。學(xué)習(xí)過程由信號的正向傳播與誤差的反向傳播兩個(gè)過程組成。正向傳播:輸入樣本->輸入層->各隱層(處理)->輸出層(若輸出層實(shí)際輸出與期望輸出不符,則誤差反向傳播過程)。誤差反向傳播:輸出誤差(某種形式)->隱層(逐層)->輸入層。其主要目的是通過將輸出誤差反傳,將誤差分?jǐn)偨o各層所有單元,從而獲得各層單元的誤差信號,進(jìn)而修正各單元的權(quán)值(其本質(zhì),是一個(gè)權(quán)值調(diào)整的過程)。權(quán)值調(diào)整的過程,也就是網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過程(學(xué)習(xí)也就是這么的由來,即是權(quán)值調(diào)整)。
2、BP算法實(shí)現(xiàn)步驟。初始化;輸入訓(xùn)練樣本對,計(jì)算各層輸出;計(jì)算網(wǎng)絡(luò)輸出誤差;計(jì)算各層誤差信號;調(diào)整各層權(quán)值;檢查網(wǎng)絡(luò)總誤差是否達(dá)到精度要求。滿足,則訓(xùn)練結(jié)束;不滿足,則返回步驟2。
3、多層感知器(基于BP算法)的主要能力。第一,非線性映射:足夠多樣本學(xué)習(xí)訓(xùn)練能學(xué)習(xí)和存儲(chǔ)大量輸入-輸出模式映射關(guān)系。只要能提供足夠多的樣本模式對供BP網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練,它便能完成由n維輸入空間到m維輸出空間的非線性映射。第二,泛化:輸入新樣本->完成正確的輸入、輸出映射。第三,容錯(cuò):個(gè)別樣本誤差不能左右對權(quán)矩陣的調(diào)整
4、標(biāo)準(zhǔn)BP算法的缺陷。第一,易形成局部極小(局部最優(yōu))而得不到全局最優(yōu)。第二,訓(xùn)練次數(shù)多使得學(xué)習(xí)效率低下,收斂速度慢(需做大量運(yùn)算)。第三,隱節(jié)點(diǎn)的選取缺乏理論支持。第四,訓(xùn)練時(shí)學(xué)習(xí)新樣本有遺忘舊樣本趨勢。
四、神經(jīng)網(wǎng)絡(luò)特點(diǎn)及在證券市場的適用性
人工神經(jīng)網(wǎng)絡(luò)是由大量神經(jīng)元的信息處理單元構(gòu)成,其主要原理是模擬生物神經(jīng)元之間的激勵(lì)過程,通過這一復(fù)雜的過程來完成一系列的相關(guān)任務(wù),神經(jīng)網(wǎng)絡(luò)具有以下較為突出特點(diǎn):第一,具有自適應(yīng)性,有強(qiáng)大的自主學(xué)習(xí)能力,可以通過訓(xùn)練樣本根據(jù)樣本信息及周圍環(huán)境變化改變自身的網(wǎng)絡(luò)結(jié)構(gòu),從而使自身能夠以最有效的形式來模擬訓(xùn)練樣本所隱含的環(huán)境。第二,能從訓(xùn)練樣本中獲取知識(shí),并具有很好的記憶特征,可以用于處理一些環(huán)境復(fù)雜,推理并不明確的問題。第三,在非線性時(shí)間序列預(yù)測中,人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了非線性關(guān)系的隱式表達(dá),不需要建立復(fù)雜系統(tǒng)的顯示關(guān)系式。第四,神經(jīng)網(wǎng)絡(luò)的容錯(cuò)性強(qiáng),可以處理信息不完全的預(yù)測問題。第五,由于神經(jīng)網(wǎng)絡(luò)具有一致逼近的能力,訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)在樣本點(diǎn)上輸出期望值(誤差在允許范圍內(nèi)),在非樣本點(diǎn)上表現(xiàn)出神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶功能。
股票市場是一個(gè)混沌的市場,具有很強(qiáng)的非線性特征:第一,對影響股市波動(dòng)相同的因素來說,根據(jù)其對股市造成影響的時(shí)間不同,每次該項(xiàng)因素對股市影響的程度也不同,這與線性系統(tǒng)的特征是不相符的,這也就說明了股票市場的非線性性。第二,股票市場波動(dòng)的突發(fā)性和劇烈程度,足以說明股票市場的非線性性。
通過以上可以看出由于股票市場存在非線性的特征,利用一般的線性分析工具來研究股票市場對研究結(jié)果將會(huì)造成很大的偏差,但神經(jīng)網(wǎng)絡(luò)理論,以其自身的特點(diǎn),可以很好地將其運(yùn)用于解決此類問題。
五、模型建立及實(shí)驗(yàn)過程
首先,模型設(shè)計(jì)的實(shí)驗(yàn)原理是基于具有3層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)可以任意地去逼近任何函數(shù),就其本身來說就相當(dāng)于是一個(gè)“黑箱子”,只要你給定其相關(guān)的輸入和輸出,通過訓(xùn)練它就能一定模擬出一個(gè)復(fù)雜的函數(shù)來擬合你的這組輸入和輸出,從而得到滿意的訓(xùn)練結(jié)果。
本文的數(shù)據(jù)選取的是中國銀行的一些技術(shù)分析指標(biāo),它來源于大智慧軟件的數(shù)據(jù)庫,根據(jù)技術(shù)分析指標(biāo)的分類結(jié)合聚類的思想,在每一類指標(biāo)中選取具有代表性的一種來代表這一類指標(biāo),所以在這個(gè)模型中我選取了BIAS,KDJ,MACD,威廉指標(biāo)和成交量,這幾個(gè)指標(biāo)中有的雖有些相同的性質(zhì),但由于它們都是一些常用指標(biāo),有一定的實(shí)用價(jià)值,也不失可作為輸入數(shù)據(jù)。
本文的數(shù)據(jù)輸出是每日收盤價(jià)的五日以用平均值。之所以選取均值作為輸出主要是因?yàn)榫底鳛檩敵鲋迪鄬碚f較為平滑,這樣無論是對訓(xùn)練還是預(yù)測都會(huì)得到比較理想的結(jié)果。接下來,就是模型的設(shè)計(jì)。根據(jù)問題,在輸入層有5個(gè)輸入所以需要有5個(gè)神經(jīng)元,而輸出層只需要一個(gè)神經(jīng)元,根據(jù)經(jīng)驗(yàn)公式隱含層神經(jīng)元的個(gè)數(shù)為2n+1,其中n為輸入層神經(jīng)元的個(gè)數(shù),所以隱含層的神經(jīng)元個(gè)數(shù)為11個(gè),這樣一來,模型的基本框架就已經(jīng)構(gòu)成,其大致結(jié)構(gòu)如圖2。
以下是根據(jù)該模型用Matlab編的程序的主要部分:
net=newff(minmax(P),[11 1],{'tansig','purelin'});
net.trainParam.epochs=1000;
net.trainParam.goal=0.0001;
[net,tr]=train(net,P_train,T_train);
下面對整個(gè)程序做一個(gè)簡單的介紹:首先,本文選取100組數(shù)據(jù)作為訓(xùn)練樣本,對它們進(jìn)行歸一化處理,接著對它們進(jìn)行訓(xùn)練,反歸一化處理得出訓(xùn)練結(jié)果,分析結(jié)果再選取三組數(shù)據(jù)進(jìn)行泛化性分析。其訓(xùn)練結(jié)果如下圖3所示。然后分別用三組數(shù)據(jù)來測試訓(xùn)練結(jié)果,看其泛化性能是否好,期預(yù)測誤差的結(jié)果如表1所示。
由訓(xùn)練結(jié)果我們可以看出該訓(xùn)練效果較好,由預(yù)測的誤差結(jié)果可知它的泛化性能也相對較好,所以我們可以得出以下結(jié)論。
六、結(jié)論
從整個(gè)實(shí)證分析的過程可以看出技術(shù)分析在我國股票市場還具有一定的有效性,說明技術(shù)分析的一些指標(biāo)還可以指導(dǎo)投資者進(jìn)行證券投資。但從中我們也應(yīng)該看到其中的一些不足:第一,由于該實(shí)驗(yàn)選取的是對單一股票的技術(shù)指標(biāo)的檢測,雖然中國銀行屬于大盤股,不易被莊家所控制,但它作為個(gè)股仍不能代表整個(gè)市場,所以至于技術(shù)分析是否對整個(gè)中國股市有效仍具有不確定性。第二,由于BP算法自身的一些缺陷也可能給實(shí)驗(yàn)帶來一些誤差影響。所以,投資者在投資前首先要認(rèn)清大勢,因?yàn)槲覈墒惺且粋€(gè)政策市,它受政府相關(guān)政策影響的程度極大,所以投資者在投資前首先要進(jìn)行基本面的分析,基本面的分析與技術(shù)分析的結(jié)合使用才是進(jìn)行證券投資的首選方案。
(注:本文為武漢理工大學(xué)自主創(chuàng)新研究基金《基于神經(jīng)網(wǎng)絡(luò)系統(tǒng)分析我國股票市場的有效性》課題的系列研究成果之一,項(xiàng)目編號2010-VA-007JJ。)
【參考文獻(xiàn)】
[1] Zvi Bodie:投資學(xué)[M].機(jī)械工業(yè)出版社,2006.
[2] 曹鳳歧、劉力、姚長輝:證券投資學(xué)[M].北京大學(xué)出版社,2000.
[3] 高雋:人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例[M].機(jī)械工業(yè)出版社,2007.
第3篇：人工神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)范文
【關(guān)鍵詞】 中小企業(yè) 融資 風(fēng)險(xiǎn)評估 預(yù)警
一、研究背景
在激烈的市場競爭中，由于國家對中小企業(yè)上市融資的諸多限制，河南省許多中小企業(yè)以負(fù)債融資為主要方式來籌集發(fā)展資金。這為河南省中小企業(yè)緩解了資金短缺的困難，拓寬了融資渠道，也贏得了更多發(fā)展資金和獲利機(jī)會(huì)。河南省中小企業(yè)在負(fù)債經(jīng)營的同時(shí)，必然會(huì)伴隨一定的金融風(fēng)險(xiǎn)。如果脫離實(shí)際，缺乏負(fù)債融資規(guī)模論證，過度負(fù)債經(jīng)營，將導(dǎo)致該風(fēng)險(xiǎn)增大。
對于河南省中小企業(yè)管理者來說，動(dòng)態(tài)監(jiān)測河南省中小企業(yè)負(fù)債情況，及時(shí)把握河南省中小企業(yè)償還能力，有利于河南省中小企業(yè)做出正確的融資和投資決策；同時(shí)也有利于相關(guān)債權(quán)人來根據(jù)河南省中小企業(yè)償還能力的強(qiáng)弱來判斷做出是否貸款決策。
本研究依據(jù)系統(tǒng)論、管理決策理論和方法對風(fēng)險(xiǎn)評估指標(biāo)體系的構(gòu)建方案進(jìn)行總體設(shè)計(jì)；采用文獻(xiàn)評閱法和Delphi法、現(xiàn)場訪談法確定關(guān)鍵指標(biāo)及權(quán)重；運(yùn)用中小企業(yè)經(jīng)濟(jì)管理、財(cái)務(wù)管理理論和多元統(tǒng)計(jì)學(xué)方法分析相關(guān)數(shù)據(jù)，探索出能夠體現(xiàn)我國河南省中小企業(yè)自身特點(diǎn)的負(fù)債融資風(fēng)險(xiǎn)預(yù)警指標(biāo)體系；建立河南省中小企業(yè)債務(wù)信息集成數(shù)據(jù)庫，使用Stata7.0統(tǒng)計(jì)軟件分析處理有關(guān)數(shù)據(jù)，運(yùn)用Matlab8.0工具包進(jìn)行實(shí)證分析。
二、中小企業(yè)負(fù)債融資的風(fēng)險(xiǎn)
1、負(fù)債比例結(jié)構(gòu)。借入資金和自有資金的比例是否適當(dāng)，與企業(yè)財(cái)務(wù)上的利益和風(fēng)險(xiǎn)有著密切的關(guān)系。在財(cái)務(wù)杠桿作用下，當(dāng)投資利潤率高于利息率時(shí)，企業(yè)擴(kuò)大負(fù)債規(guī)模，適當(dāng)提高借入資金與自有資金之間的比率，就會(huì)增加企業(yè)的權(quán)益資本收益率。在投資利潤率低于利息率時(shí)，企業(yè)負(fù)債越多，借入資金與自有資金比例越高，企業(yè)權(quán)益資本收益率也就越低，甚至發(fā)生虧損或破產(chǎn)。負(fù)債規(guī)模一定時(shí)，債務(wù)期限的安排是否合理也會(huì)影響企業(yè)籌資風(fēng)險(xiǎn)。若長、短期債務(wù)比例不合理，還款期限過于集中，就會(huì)使企業(yè)在債務(wù)到期日還債壓力過大，資金周轉(zhuǎn)不靈，影響正常生產(chǎn)經(jīng)營活動(dòng)。
2、利率非預(yù)期變動(dòng)。企業(yè)在籌集資金時(shí)可能面臨利率變動(dòng)帶來的風(fēng)險(xiǎn)，利率水平的高低直接決定企業(yè)資金成本的大小。在不同發(fā)展階段，國家為經(jīng)濟(jì)的穩(wěn)定發(fā)展實(shí)施了不同的貨幣和財(cái)政政策。當(dāng)貸款的利息率降低時(shí)，企業(yè)的籌資成本較低，融資風(fēng)險(xiǎn)就降低了；相反，當(dāng)貸款的利息率提高時(shí)，企業(yè)籌資成本增加，經(jīng)營成本提高，就要承擔(dān)較大的融資風(fēng)險(xiǎn)。
3、經(jīng)營決策失誤。企業(yè)投資新的項(xiàng)目需要大量資金，如果該項(xiàng)目失敗或不能很快建成并形成生產(chǎn)能力，無法盡快地收回資金來償還本息，企業(yè)會(huì)承受巨大的財(cái)務(wù)危機(jī)。
三、構(gòu)建風(fēng)險(xiǎn)評估體系
對于中小企業(yè)融資風(fēng)險(xiǎn)預(yù)警系統(tǒng)的設(shè)計(jì)要針對其融資風(fēng)險(xiǎn)的表現(xiàn)形式和影響因素，特別關(guān)注與企業(yè)償債相關(guān)的能力測試和預(yù)警；針對中小企業(yè)管理薄弱，在系統(tǒng)設(shè)計(jì)時(shí)，應(yīng)加強(qiáng)定量的分析。從河南省中小企業(yè)的發(fā)展規(guī)模來看，其抗風(fēng)險(xiǎn)能力較差，因此在預(yù)警系統(tǒng)的設(shè)計(jì)時(shí)，要注重定量監(jiān)測河南省中小企業(yè)負(fù)債經(jīng)營的財(cái)務(wù)風(fēng)險(xiǎn)程度，建立能夠反映河南省中小企業(yè)自身特點(diǎn)的風(fēng)險(xiǎn)監(jiān)測預(yù)警指標(biāo)體系。
1、構(gòu)建指標(biāo)體系的原則。（1）依據(jù)現(xiàn)行有關(guān)河南省中小企業(yè)管理規(guī)定和財(cái)務(wù)制度；（2）參照其他行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評估常用的指標(biāo)；（3）根據(jù)河南省中小企業(yè)自身特點(diǎn)，選取的指標(biāo)能夠體現(xiàn)河南省中小企業(yè)的獲利及償還能力；（4）能體現(xiàn)河南省中小企業(yè)運(yùn)營現(xiàn)狀及未來發(fā)展?jié)摿Α?/p>
2、預(yù)警指標(biāo)的選取。本研究對可能發(fā)生的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行詳盡分類，初步將指標(biāo)體系分為要素層和指標(biāo)層兩個(gè)層次。其中，風(fēng)險(xiǎn)預(yù)警要素層為一級指標(biāo)，包括四個(gè)方面：獲利能力、償債能力、運(yùn)營狀況和發(fā)展?jié)摿?；風(fēng)險(xiǎn)預(yù)警指標(biāo)層為二級指標(biāo)，包括河南省中小企業(yè)資產(chǎn)負(fù)債率等14項(xiàng)指標(biāo)。
3、指標(biāo)體系的建立。根據(jù)研究目標(biāo)和影響負(fù)債經(jīng)營財(cái)務(wù)風(fēng)險(xiǎn)的相關(guān)因素，本文設(shè)計(jì)出 “河南省中小企業(yè)負(fù)債經(jīng)營現(xiàn)狀調(diào)查問卷”，遴選16位相關(guān)領(lǐng)域的專家進(jìn)行兩輪特爾菲法（Delphi法）函詢調(diào)查，并對結(jié)果進(jìn)行統(tǒng)計(jì)分析，最終確定由4項(xiàng)一級指標(biāo)、11項(xiàng)二級指標(biāo)構(gòu)成河南省中小企業(yè)負(fù)債經(jīng)營財(cái)務(wù)風(fēng)險(xiǎn)評估指標(biāo)體系（見圖1）。
4、綜合預(yù)警指數(shù)的設(shè)置。由于指標(biāo)體系中每一個(gè)或每一組指標(biāo)只能反映河南省中小企業(yè)經(jīng)營活動(dòng)某一方面所面臨的風(fēng)險(xiǎn)，要全面反映和監(jiān)測河南省中小企業(yè)負(fù)債經(jīng)營的財(cái)務(wù)風(fēng)險(xiǎn)程度，則須對其進(jìn)行綜合度量。本研究設(shè)置“河南省中小企業(yè)負(fù)債經(jīng)營財(cái)務(wù)風(fēng)險(xiǎn)綜合預(yù)警指數(shù)”，以下簡稱“綜合預(yù)警指數(shù)”（SWI），并定義：綜合預(yù)警指數(shù)＝資金獲利能力指標(biāo)×權(quán)重＋資金清償能力指標(biāo)×權(quán)重＋資金利用能力指標(biāo)×權(quán)重＋資本保值增值能力指標(biāo)×權(quán)重（運(yùn)用特爾菲法方法確定權(quán)重），其數(shù)學(xué)判別公式為：SWI=(A1～A2)×0.3＋(B1～B3)×0.3＋(C1～C3)×0.2＋(D1～D3)×0.2。
5、財(cái)務(wù)風(fēng)險(xiǎn)警戒區(qū)間的劃分。為了直觀地描述河南省中小企業(yè)面臨的財(cái)務(wù)風(fēng)險(xiǎn)，根據(jù)風(fēng)險(xiǎn)的嚴(yán)重程度和指標(biāo)相對分?jǐn)?shù)，本研究采用“四色信號景氣分析法”，將河南省中小企業(yè)負(fù)債經(jīng)營財(cái)務(wù)風(fēng)險(xiǎn)劃分為：安全預(yù)報(bào)（0＜SWI≤0.25)、輕度風(fēng)險(xiǎn)警報(bào)（0.25＜SWI≤0.50)、中度風(fēng)險(xiǎn)警報(bào)（0.50＜SWI≤0.75)、重度風(fēng)險(xiǎn)警報(bào)（0.75＜SWI≤1)四個(gè)區(qū)間，分別對應(yīng)為綠色、黃色、橙色和紅色四個(gè)區(qū)域。
四、實(shí)證研究結(jié)果
1、預(yù)警模型的選擇。以往研究中，應(yīng)用最為廣泛的分析方法是直線回歸、指數(shù)平滑等傳統(tǒng)的線性模型，但是這些方法都需要資料滿足正態(tài)性等適用條件，并且要假定各指標(biāo)因素間是線性關(guān)聯(lián)的。但實(shí)際上，河南省中小企業(yè)財(cái)務(wù)狀況的變化與財(cái)務(wù)比率的關(guān)系是非線性的，并且許多指標(biāo)也非正態(tài)分布。已廣泛應(yīng)用的人工神經(jīng)網(wǎng)絡(luò)模型是解決這一問題的較好辦法。因而，本研究嘗試應(yīng)用基于BP算法的多層前饋型人工神經(jīng)網(wǎng)絡(luò)對河南省中小企業(yè)負(fù)債經(jīng)營財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)警研究，借助神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)特性，通過模型的“輸入”、“輸出”，“辨識(shí)”出指標(biāo)體系的結(jié)構(gòu)，然后利用該結(jié)構(gòu)進(jìn)行風(fēng)險(xiǎn)評估和預(yù)警。
2、網(wǎng)絡(luò)的預(yù)測結(jié)果。研究選取河南省某企業(yè)2005年7月～2006年12月期間共18個(gè)月份的數(shù)據(jù)，先將2005年7月～2006年11月的12項(xiàng)指標(biāo)對應(yīng)數(shù)據(jù)作為網(wǎng)絡(luò)的輸入，將2005年8月～2006年12月的12項(xiàng)指標(biāo)數(shù)據(jù)作為網(wǎng)絡(luò)的輸出，組成訓(xùn)練集對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使誤差達(dá)到滿意的程度，用這樣的網(wǎng)絡(luò)進(jìn)行預(yù)測。此后，用2005年8月～2006年12月的12項(xiàng)指標(biāo)數(shù)據(jù)作為網(wǎng)絡(luò)的輸入，預(yù)測2005年9月～2007年1月各指標(biāo)的輸出。依此類推，得到2007年1月、2月、3月對應(yīng)指標(biāo)的預(yù)測值。以樣本企業(yè)的“資產(chǎn)負(fù)債率”單項(xiàng)指標(biāo)為例，應(yīng)用BP人工神經(jīng)網(wǎng)絡(luò)模型對樣本企業(yè)2007年1月～3月（第一季度）的財(cái)務(wù)指標(biāo)變化情況進(jìn)行預(yù)測。結(jié)果顯示，指標(biāo)實(shí)際值與預(yù)測值十分接近，預(yù)警曲線的前面部分幾乎重合，用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行風(fēng)險(xiǎn)預(yù)測結(jié)果具有非常高的精度和準(zhǔn)確率。
3、綜合風(fēng)險(xiǎn)預(yù)警指數(shù)的計(jì)算。以樣本某企業(yè)為例，我們對其11項(xiàng)財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)的變化情況也進(jìn)行了測算。根據(jù)該企業(yè)2005年7月的月報(bào)數(shù)據(jù)的指標(biāo)分?jǐn)?shù)及所占權(quán)重，可綜合度量出該企業(yè)負(fù)債經(jīng)營面臨的財(cái)務(wù)風(fēng)險(xiǎn)程度：綜合預(yù)警指數(shù)SWI=A資金獲利能力風(fēng)險(xiǎn)指數(shù)×所占權(quán)重+B資金清償能力風(fēng)險(xiǎn)指數(shù)×所占權(quán)重+C資金利用能力風(fēng)險(xiǎn)指數(shù)×所占權(quán)重+D資本保值增值能力風(fēng)險(xiǎn)指數(shù)×所占權(quán)重＝0.3808。同法，可算出樣本企業(yè)2005年8月～2006年12月各月份的負(fù)債經(jīng)營綜合財(cái)務(wù)風(fēng)險(xiǎn)綜合預(yù)警指數(shù)SWI（見表1）。
4、預(yù)警曲線繪制及結(jié)果分析。為了直觀表示風(fēng)險(xiǎn)程度，運(yùn)用計(jì)算出的各月份風(fēng)險(xiǎn)綜合預(yù)警指標(biāo)SWI的數(shù)值，繪制出該樣本企業(yè)負(fù)債經(jīng)營財(cái)務(wù)風(fēng)險(xiǎn)綜合預(yù)警指數(shù)變化曲線（見圖2）
由圖2可見，2005年7月～9月，該企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)綜合預(yù)警指數(shù)處于“黃燈”區(qū)域，提示該企業(yè)的財(cái)務(wù)狀況有輕度風(fēng)險(xiǎn)，可能有部分財(cái)務(wù)預(yù)警指標(biāo)超過了安全界限。2005年10月～2006年9月，該企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)綜合預(yù)警指數(shù)一度攀升，直接越過橙色燈警戒區(qū)域到達(dá)紅色警戒區(qū)域，其原因可能是該企業(yè)存在決策方面的問題，導(dǎo)致財(cái)務(wù)風(fēng)險(xiǎn)持續(xù)增加，形成了過度負(fù)債經(jīng)營的狀況。自2005年10起，該企業(yè)決策層可能對資金使用方案進(jìn)行了一系列的調(diào)整，使該企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)綜合預(yù)警指數(shù)出現(xiàn)緩慢回落，但是下降速度較慢，表明仍然面臨較大的風(fēng)險(xiǎn)。此時(shí)，該企業(yè)面臨的獲利能力和償還能力不足，運(yùn)營能力和發(fā)展?jié)摿θ蕴幱诓涣紶顟B(tài)。預(yù)計(jì)在2007年第一季度（1～3月）該企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)將會(huì)繼續(xù)下降，但是下降幅度不會(huì)太大，可能仍會(huì)處于中度風(fēng)險(xiǎn)區(qū)間。
五、對策與建議
負(fù)債融資可能導(dǎo)致的財(cái)務(wù)風(fēng)險(xiǎn)是現(xiàn)代河南省中小企業(yè)面對激烈市場競爭、實(shí)施負(fù)債經(jīng)營策略的必然產(chǎn)物，河南省中小企業(yè)在負(fù)債經(jīng)營過程中外部環(huán)境因素與內(nèi)部條件的變化，相互聯(lián)系、相互作用，可能共同導(dǎo)致財(cái)務(wù)風(fēng)險(xiǎn)。本研究從政府管理和河南省中小企業(yè)兩個(gè)層面提出了風(fēng)險(xiǎn)防范對策和政策建議，為政府部門和河南省中小企業(yè)管理者制定經(jīng)營策略提供科學(xué)參考和決策依據(jù)。
1、政府部門層面。（1）發(fā)揮政府的宏觀管理與監(jiān)管職能。河南省中小企業(yè)負(fù)債經(jīng)營必然會(huì)帶來一定的風(fēng)險(xiǎn)，河南省中小企業(yè)經(jīng)營效益的好壞，不僅關(guān)系到河南省中小企業(yè)自身的生存與發(fā)展，也直接關(guān)系到河南省經(jīng)濟(jì)健康發(fā)展和社會(huì)穩(wěn)定。因此，應(yīng)加強(qiáng)河南省中小企業(yè)負(fù)債融資活動(dòng)的宏觀管理，進(jìn)一步規(guī)范金融市場秩序，發(fā)揮政府的宏觀調(diào)控指導(dǎo)與金融監(jiān)管職能。
（2）加強(qiáng)河南省中小企業(yè)項(xiàng)目貸款的論證與審批。在投資決策方面，政府主管部門應(yīng)認(rèn)真掌握河南省中小企業(yè)重大項(xiàng)目貸款的額度和標(biāo)準(zhǔn)，嚴(yán)格控制河南省中小企業(yè)盲目舉債建設(shè)行為。同時(shí)，加強(qiáng)對申請貸款河南省中小企業(yè)的風(fēng)險(xiǎn)評估，成立由多個(gè)部門參與的河南省中小企業(yè)負(fù)債經(jīng)營風(fēng)險(xiǎn)專家咨詢機(jī)構(gòu)，對數(shù)額重大的河南省中小企業(yè)貸款項(xiàng)目進(jìn)行論證和審批，真正做到政策引路，項(xiàng)目把關(guān)，有效防范河南省中小企業(yè)負(fù)債經(jīng)營帶來的風(fēng)險(xiǎn)。
（3）建立河南省中小企業(yè)財(cái)務(wù)業(yè)績信息制度。為加強(qiáng)風(fēng)險(xiǎn)控制，建立河南省中小企業(yè)財(cái)務(wù)業(yè)績信息制度，進(jìn)一步提高河南省中小企業(yè)資金使用、負(fù)債融資運(yùn)作的透明度，增強(qiáng)河南省中小企業(yè)自我管理、自我約束的能力。同時(shí)，政府主管部門應(yīng)加強(qiáng)及時(shí)了解金融市場以其它投資機(jī)構(gòu)的反應(yīng)和要求，努力改善河南省中小企業(yè)的運(yùn)營環(huán)境，爭取得到更多外部資金支持。
（4）督促河南省中小企業(yè)建立自身的風(fēng)險(xiǎn)防范預(yù)警機(jī)制。政府部門不僅需要實(shí)施有效的外部監(jiān)管，更為重要的是應(yīng)督促河南省中小企業(yè)自身建立健全科學(xué)有效的內(nèi)部運(yùn)行控制機(jī)制，形成自下而上的風(fēng)險(xiǎn)防范預(yù)警管理體系，提高河南省中小企業(yè)防范負(fù)債經(jīng)營風(fēng)險(xiǎn)的積極性、主動(dòng)性和創(chuàng)造性。通過財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警管理體系，評價(jià)其財(cái)務(wù)運(yùn)行機(jī)制是否健全，管理制度是否完善，管理方法是否科學(xué)，管理措施是否落實(shí)。
2、中小企業(yè)管理層面。（1）樹立財(cái)務(wù)風(fēng)險(xiǎn)管理意識(shí)。河南省中小企業(yè)在負(fù)債經(jīng)營活動(dòng)過程中，由于內(nèi)外部環(huán)境的變化，導(dǎo)致實(shí)際結(jié)果與預(yù)期效果相偏離的情況是難以避免的。河南省中小企業(yè)管理者樹立強(qiáng)烈的風(fēng)險(xiǎn)意識(shí)，正確承認(rèn)風(fēng)險(xiǎn)，科學(xué)估測風(fēng)險(xiǎn)，預(yù)防發(fā)生風(fēng)險(xiǎn)，并且有效應(yīng)對風(fēng)險(xiǎn)，尤其是領(lǐng)導(dǎo)層應(yīng)對潛在的危機(jī)有較清醒的認(rèn)識(shí)和警惕，具備一定的風(fēng)險(xiǎn)管理知識(shí)和防范控制能力。
（2）提高科學(xué)決策水平。企業(yè)投資的重大決策關(guān)系到企業(yè)的生死存亡。河南省中小企業(yè)管理者應(yīng)立足現(xiàn)實(shí)、著眼長遠(yuǎn)，兼顧企業(yè)的眼前利益與長遠(yuǎn)發(fā)展，講究科學(xué)決策。在融資決策過程中，應(yīng)通過對資金成本的計(jì)算分析及各種籌資方式的風(fēng)險(xiǎn)分析，選擇合理的資金結(jié)構(gòu)，并充分考慮償還能力，制定出借款、還款計(jì)劃和重大建設(shè)項(xiàng)目的費(fèi)用安排。
（3）實(shí)行穩(wěn)健融資策略。河南省中小企業(yè)在負(fù)債經(jīng)營過程中，關(guān)鍵的是要把握一個(gè)“度”字，敢于負(fù)債、善于負(fù)債、科學(xué)管理、規(guī)避風(fēng)險(xiǎn)是中小企業(yè)負(fù)債經(jīng)營成功的關(guān)鍵。在進(jìn)行負(fù)債決策時(shí)，中小企業(yè)應(yīng)當(dāng)采取穩(wěn)健融資策略，充分估計(jì)未來各種不確定因素對河南省中小企業(yè)發(fā)展可能產(chǎn)生的不利影響，努力在控制融資風(fēng)險(xiǎn)與謀求最大收益之間尋求一種均衡。
【參考文獻(xiàn)】
[1] 河南省中小企業(yè)“十一五”發(fā)展規(guī)劃.
第4篇：人工神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)范文
關(guān)鍵詞：數(shù)字圖像；圖像壓縮；壓縮技術(shù)；任意形狀可視對象編碼
Abstract:Digitalimagecompressiontechnologyisofspecialintrestforthefasttransmissionandreal-timeprocesssingofdigitalimageinformationontheinternet.Thepaperintroducesseveralkindsofthemostimportantimagecompressionalgorithmsatpresent:JPEG,JPEG2000,fractalimagecompressionandwavelettransformationimagecompression,andsummarizestheiradvantageanddisadvantageanddevelopmentprospect.Thenitintroducessimplythepresentdevelopmentofcodingalgorithmsaboutarbitraryshapevideoobject,andindicatesthealgorithmshaveahighcompressionrate.
Keyword:Digitalimage;Imagecompression;Compresstechnique;Arbitraryshapevisibleobjectcode
一、引言
隨著多媒體技術(shù)和通訊技術(shù)的不斷發(fā)展，多媒體娛樂、信息高速公路等不斷對信息數(shù)據(jù)的存儲(chǔ)和傳輸提出了更高的要求，也給現(xiàn)有的有限帶寬以嚴(yán)峻的考驗(yàn)，特別是具有龐大數(shù)據(jù)量的數(shù)字圖像通信，更難以傳輸和存儲(chǔ)，極大地制約了圖像通信的發(fā)展，因此圖像壓縮技術(shù)受到了越來越多的關(guān)注。圖像壓縮的目的就是把原來較大的圖像用盡量少的字節(jié)表示和傳輸，并且要求復(fù)原圖像有較好的質(zhì)量。利用圖像壓縮，可以減輕圖像存儲(chǔ)和傳輸?shù)呢?fù)擔(dān)，使圖像在網(wǎng)絡(luò)上實(shí)現(xiàn)快速傳輸和實(shí)時(shí)處理。
圖像壓縮編碼技術(shù)可以追溯到1948年提出的電視信號數(shù)字化，到今天已經(jīng)有50多年的歷史了[1]。在此期間出現(xiàn)了很多種圖像壓縮編碼方法，特別是到了80年代后期以后，由于小波變換理論，分形理論，人工神經(jīng)網(wǎng)絡(luò)理論，視覺仿真理論的建立，圖像壓縮技術(shù)得到了前所未有的發(fā)展，其中分形圖像壓縮和小波圖像壓縮是當(dāng)前研究的熱點(diǎn)。本文對當(dāng)前最為廣泛使用的圖像壓縮算法進(jìn)行綜述，討論了它們的優(yōu)缺點(diǎn)以及發(fā)展前景。
二、JPEG壓縮
負(fù)責(zé)開發(fā)靜止圖像壓縮標(biāo)準(zhǔn)的“聯(lián)合圖片專家組”（JointPhotographicExpertGroup,簡稱JPEG），于1989年1月形成了基于自適應(yīng)DCT的JPEG技術(shù)規(guī)范的第一個(gè)草案，其后多次修改，至1991年形成ISO10918國際標(biāo)準(zhǔn)草案，并在一年后成為國際標(biāo)準(zhǔn)，簡稱JPEG標(biāo)準(zhǔn)。
1．JPEG壓縮原理及特點(diǎn)
JPEG算法中首先對圖像進(jìn)行分塊處理，一般分成互不重疊的大小的塊，再對每一塊進(jìn)行二維離散余弦變換（DCT）。變換后的系數(shù)基本不相關(guān)，且系數(shù)矩陣的能量集中在低頻區(qū)，根據(jù)量化表進(jìn)行量化，量化的結(jié)果保留了低頻部分的系數(shù)，去掉了高頻部分的系數(shù)。量化后的系數(shù)按zigzag掃描重新組織，然后進(jìn)行哈夫曼編碼。JPEG的特點(diǎn)如下：
優(yōu)點(diǎn)：（1）形成了國際標(biāo)準(zhǔn)；（2）具有中端和高端比特率上的良好圖像質(zhì)量。
缺點(diǎn)：（1）由于對圖像進(jìn)行分塊，在高壓縮比時(shí)產(chǎn)生嚴(yán)重的方塊效應(yīng)；（2）系數(shù)進(jìn)行量化，是有損壓縮；（3）壓縮比不高，小于50[2]。
JPEG壓縮圖像出現(xiàn)方塊效應(yīng)的原因是：一般情況下圖像信號是高度非平穩(wěn)的，很難用Gauss過程來刻畫，并且圖像中的一些突變結(jié)構(gòu)例如邊緣信息遠(yuǎn)比圖像平穩(wěn)性重要，用余弦基作圖像信號的非線性逼近其結(jié)果不是最優(yōu)的[3]。
2．JPEG壓縮的研究狀況及其前景[2]
針對JPEG在高壓縮比情況下，產(chǎn)生方塊效應(yīng)，解壓圖像較差，近年來提出了不少改進(jìn)方法，最有效的是下面的兩種方法：
（1）DCT零樹編碼
DCT零樹編碼把DCT塊中的系數(shù)組成log2N個(gè)子帶，然后用零樹編碼方案進(jìn)行編碼。在相同壓縮比的情況下，其PSNR的值比EZW高。但在高壓縮比的情況下，方塊效應(yīng)仍是DCT零樹編碼的致命弱點(diǎn)。
（2）層式DCT零樹編碼
此算法對圖像作的DCT變換，將低頻塊集中起來，做反DCT變換；對新得到的圖像做相同變換，如此下去，直到滿足要求為止。然后對層式DCT變換及零樹排列過的系數(shù)進(jìn)行零樹編碼。
JPEG壓縮的一個(gè)最大問題就是在高壓縮比時(shí)產(chǎn)生嚴(yán)重的方塊效應(yīng)，因此在今后的研究中，應(yīng)重點(diǎn)解決DCT變換產(chǎn)生的方塊效應(yīng)，同時(shí)考慮與人眼視覺特性相結(jié)合進(jìn)行壓縮。
三、JEPG2000壓縮
JPEG2000是由ISO/IECJTCISC29標(biāo)準(zhǔn)化小組負(fù)責(zé)制定的全新靜止圖像壓縮標(biāo)準(zhǔn)。一個(gè)最大改進(jìn)是它采用小波變換代替了余弦變換。2000年3月的東京會(huì)議，確定了彩色靜態(tài)圖像的新一代編碼方式—JPEG2000圖像壓縮標(biāo)準(zhǔn)的編碼算法。
1．JPEG2000壓縮原理及特點(diǎn)
JPEG2000編解碼系統(tǒng)的編碼器和解碼器的框圖如圖1所示[4]。
編碼過程主要分為以下幾個(gè)過程：預(yù)處理、核心處理和位流組織。預(yù)處理部分包括對圖像分片、直流電平（DC）位移和分量變換。核心處理部分由離散小波變換、量化和熵編碼組成。位流組織部分則包括區(qū)域劃分、碼塊、層和包的組織。
JPEG2000格式的圖像壓縮比，可在現(xiàn)在的JPEG基礎(chǔ)上再提高10%~30%，而且壓縮后的圖像顯得更加細(xì)膩平滑。對于目前的JPEG標(biāo)準(zhǔn)，在同一個(gè)壓縮碼流中不能同時(shí)提供有損和無損壓縮，而在JPEG2000系統(tǒng)中，通過選擇參數(shù)，能夠?qū)D像進(jìn)行有損和無損壓縮。現(xiàn)在網(wǎng)絡(luò)上的JPEG圖像下載時(shí)是按“塊”傳輸?shù)?，而JPEG2000格式的圖像支持漸進(jìn)傳輸，這使用戶不必接收整個(gè)圖像的壓縮碼流。由于JPEG2000采用小波技術(shù)，可隨機(jī)獲取某些感興趣的圖像區(qū)域（ROI）的壓縮碼流，對壓縮的圖像數(shù)據(jù)進(jìn)行傳輸、濾波等操作[4]。
圖1JPEG2000壓縮編碼與解壓縮的總體流程
2．JPEG2000壓縮的前景
JPEG2000標(biāo)準(zhǔn)適用于各種圖像的壓縮編碼。其應(yīng)用領(lǐng)域?qū)↖nternet、傳真、打印、遙感、移動(dòng)通信、醫(yī)療、數(shù)字圖書館和電子商務(wù)等[5]。JPEG2000圖像壓縮標(biāo)準(zhǔn)將成為21世紀(jì)的主流靜態(tài)圖像壓縮標(biāo)準(zhǔn)。
四、小波變換圖像壓縮
1．小波變換圖像壓縮原理
小波變換用于圖像編碼的基本思想就是把圖像根據(jù)Mallat塔式快速小波變換算法進(jìn)行多分辨率分解。其具體過程為：首先對圖像進(jìn)行多級小波分解，然后對每層的小波系數(shù)進(jìn)行量化，再對量化后的系數(shù)進(jìn)行編碼。小波圖像壓縮是當(dāng)前圖像壓縮的熱點(diǎn)之一，已經(jīng)形成了基于小波變換的國際壓縮標(biāo)準(zhǔn)，如MPEG-4標(biāo)準(zhǔn)，及如上所述的JPEG2000標(biāo)準(zhǔn)[2]。
2．小波變換圖像壓縮的發(fā)展現(xiàn)狀及前景
目前3個(gè)最高等級的小波圖像編碼分別是嵌入式小波零樹圖像編碼（EZW），分層樹中分配樣本圖像編碼（SPIHT）和可擴(kuò)展圖像壓縮編碼（EBCOT）。
（1）EZW編碼器[6]
1993年，Shapiro引入了小波“零樹”的概念，通過定義POS、NEG、IZ和ZTR四種符號進(jìn)行空間小波樹遞歸編碼，有效地剔除了對高頻系數(shù)的編碼，極大地提高了小波系數(shù)的編碼效率。此算法采用漸進(jìn)式量化和嵌入式編碼模式，算法復(fù)雜度低。EZW算法打破了信息處理領(lǐng)域長期篤信的準(zhǔn)則：高效的壓縮編碼器必須通過高復(fù)雜度的算法才能獲得，因此EZW編碼器在數(shù)據(jù)壓縮史上具有里程碑意義。
（2）EBCOT編碼器[8]
優(yōu)化截?cái)帱c(diǎn)的嵌入塊編碼方法（EBCOT）首先將小波分解的每個(gè)子帶分成一個(gè)個(gè)相對獨(dú)立的碼塊，然后使用優(yōu)化的分層截?cái)嗨惴▽@些碼塊進(jìn)行編碼，產(chǎn)生壓縮碼流，結(jié)果圖像的壓縮碼流不僅具有SNR可擴(kuò)展而且具有分辨率可擴(kuò)展，還可以支持圖像的隨機(jī)存儲(chǔ)。比較而言，EBCOT算法的復(fù)雜度較EZW和SPIHT有所提高，其壓縮性能比SPIHT略有提高。
小波圖像壓縮被認(rèn)為是當(dāng)前最有發(fā)展前途的圖像壓縮算法之一。小波圖像壓縮的研究集中在對小波系數(shù)的編碼問題上。在以后的工作中，應(yīng)充分考慮人眼視覺特性，進(jìn)一步提高壓縮比，改善圖像質(zhì)量。并且考慮將小波變換與其他壓縮方法相結(jié)合。例如與分形圖像壓縮相結(jié)合是當(dāng)前的一個(gè)研究熱點(diǎn)[2]。
（3）SPIHT編碼器[7]
由Said和Pearlman提出的分層小波樹集合分割算法（SPIHT）則利用空間樹分層分割方法，有效地減小了比特面上編碼符號集的規(guī)模。同EZW相比，SPIHT算法構(gòu)造了兩種不同類型的空間零樹，更好地利用了小波系數(shù)的幅值衰減規(guī)律。同EZW編碼器一樣，SPIHT編碼器的算法復(fù)雜度低，產(chǎn)生的也是嵌入式比特流，但編碼器的性能較EZW有很大的提高。
五、分形圖像壓縮
1988年，Barnsley通過實(shí)驗(yàn)證明分形圖像壓縮可以得到比經(jīng)典圖像編碼技術(shù)高幾個(gè)數(shù)量級的壓縮比。1990年，Barnsley的學(xué)生A.E.Jacquin提出局部迭代函數(shù)系統(tǒng)理論后，使分形用于圖像壓縮在計(jì)算機(jī)上自動(dòng)實(shí)現(xiàn)成為可能。
1．分形圖像壓縮的原理
分形壓縮主要利用自相似的特點(diǎn)，通過迭代函數(shù)系統(tǒng)（IteratedFunctionSystem,IFS）實(shí)現(xiàn)。其理論基礎(chǔ)是迭代函數(shù)系統(tǒng)定理和拼貼定理。
分形圖像壓縮把原始圖像分割成若干個(gè)子圖像，然后每一個(gè)子圖像對應(yīng)一個(gè)迭代函數(shù)，子圖像以迭代函數(shù)存儲(chǔ)，迭代函數(shù)越簡單，壓縮比也就越大。同樣解碼時(shí)只要調(diào)出每一個(gè)子圖像對應(yīng)的迭代函數(shù)反復(fù)迭代，就可以恢復(fù)出原來的子圖像，從而得到原始圖像[9]。
2．幾種主要分形圖像編碼技術(shù)[9]
隨著分形圖像壓縮技術(shù)的發(fā)展，越來越多的算法被提出，基于分形的不同特征，可以分成以下幾種主要的分形圖像編碼方法。
（1）尺碼編碼方法
尺碼編碼方法是基于分形幾何中利用小尺度度量不規(guī)則曲線長度的方法，類似于傳統(tǒng)的亞取樣和內(nèi)插方法，其主要不同之處在于尺度編碼方法中引入了分形的思想，尺度隨著圖像各個(gè)組成部分復(fù)雜性的不同而改變。
（2）迭代函數(shù)系統(tǒng)方法
迭代函數(shù)系統(tǒng)方法是目前研究最多、應(yīng)用最廣泛的一種分形壓縮技術(shù)，它是一種人機(jī)交互的拼貼技術(shù)，它基于自然界圖像中普遍存在的整體和局部自相關(guān)的特點(diǎn)，尋找這種自相關(guān)映射關(guān)系的表達(dá)式，即仿射變換，并通過存儲(chǔ)比原圖像數(shù)據(jù)量小的仿射系數(shù)，來達(dá)到壓縮的目的。如果尋得的仿射變換簡單而有效，那么迭代函數(shù)系統(tǒng)就可以達(dá)到極高的壓縮比。
（3）A-E-Jacquin的分形方案
A-E-Jacquin的分形方案是一種全自動(dòng)的基于塊的分形圖像壓縮方案，它也是一個(gè)尋找映射關(guān)系的過程，但尋找的對象域是將圖像分割成塊之后的局部與局部的關(guān)系。在此方案中還有一部分冗余度可以去除，而且其解碼圖像中存在著明顯的方塊效應(yīng)。
3．分形圖像壓縮的前景[2]
雖然分形圖像壓縮在圖像壓縮領(lǐng)域還不占主導(dǎo)地位，但是分形圖像壓縮既考慮局部與局部，又考慮局部與整體的相關(guān)性，適合于自相似或自仿射的圖像壓縮，而自然界中存在大量的自相似或自仿射的幾何形狀，因此它的適用范圍很廣。
六、其它壓縮算法
除了以上幾種常用的圖像壓縮方法以外，還有：NNT（數(shù)論變換）壓縮、基于神經(jīng)網(wǎng)絡(luò)的壓縮方法、Hibert掃描圖像壓縮方法、自適應(yīng)多相子帶壓縮方法等，在此不作贅述。下面簡單介紹近年來任意形狀紋理編碼的幾種算法[10]~[13]。
（1）形狀自適應(yīng)DCT（SA-DCT）算法
SA-DCT把一個(gè)任意形狀可視對象分成的圖像塊，對每塊進(jìn)行DCT變換，它實(shí)現(xiàn)了一個(gè)類似于形狀自適應(yīng)GilgeDCT[10][11]變換的有效變換，但它比GilgeDCT變換的復(fù)雜度要低?？墒?，SA-DCT也有缺點(diǎn)，它把像素推到與矩形邊框的一個(gè)側(cè)邊相平齊，因此一些空域相關(guān)性可能丟失，這樣再進(jìn)行列DCT變換，就有較大的失真了[11][14][15]。
（2）形狀自適應(yīng)離散小波變換（SA-DWT）
Li等人提出了一種新穎的任意形狀對象編碼，SA-DWT編碼[18]~[22]。這項(xiàng)技術(shù)包括SA-DWT和零樹熵編碼的擴(kuò)展（ZTE），以及嵌入式小波編碼（EZW）。SA-DWT的特點(diǎn)是：經(jīng)過SA-DWT之后的系數(shù)個(gè)數(shù)，同原任意形狀可視對象的像素個(gè)數(shù)相同；小波變換的空域相關(guān)性、區(qū)域?qū)傩砸约白訋еg的自相似性，在SA-DWT中都能很好表現(xiàn)出來；對于矩形區(qū)域，SA-DWT與傳統(tǒng)的小波變換一樣。SA-DWT編碼技術(shù)的實(shí)現(xiàn)已經(jīng)被新的多媒體編碼標(biāo)準(zhǔn)MPEG-4的對于任意形狀靜態(tài)紋理的編碼所采用。
在今后的工作中，可以充分地利用人類視覺系統(tǒng)對圖像邊緣部分較敏感的特性，嘗試將圖像中感興趣的對象分割出來，對其邊緣部分、內(nèi)部紋理部分和對象之外的背景部分按不同的壓縮比進(jìn)行壓縮，這樣可以使壓縮圖像達(dá)到更大的壓縮比，更加便于傳輸。
（3）Egger方法
Egger等人[16][17]提出了一個(gè)應(yīng)用于任意形狀對象的小波變換方案。在此方案中，首先將可視對象的行像素推到與邊界框的右邊界相平齊的位置，然后對每行的有用像素進(jìn)行小波變換，接下來再進(jìn)行另一方向的小波變換。此方案，充分利用了小波變換的局域特性。然而這一方案也有它的問題，例如可能引起重要的高頻部分同邊界部分合并，不能保證分布系數(shù)彼此之間有正確的相同相位，以及可能引起第二個(gè)方向小波分解的不連續(xù)等。
七、總結(jié)
圖像壓縮技術(shù)研究了幾十年，取得了很大的成績，但還有許多不足，值得我們進(jìn)一步研究。小波圖像壓縮和分形圖像壓縮是當(dāng)前研究的熱點(diǎn)，但二者也有各自的缺點(diǎn)，在今后工作中，應(yīng)與人眼視覺特性相結(jié)合。總之，圖像壓縮是一個(gè)非常有發(fā)展前途的研究領(lǐng)域，這一領(lǐng)域的突破對于我們的信息生活和通信事業(yè)的發(fā)展具有深遠(yuǎn)的影響。
參考文獻(xiàn)：
[1]田青.圖像壓縮技術(shù)[J].警察技術(shù),2002,(1)：30-31.
[2]張海燕,王東木等.圖像壓縮技術(shù)[J].系統(tǒng)仿真學(xué)報(bào),2002,14(7)：831-835.
[3]張宗平,劉貴忠.基于小波的視頻圖像壓縮研究進(jìn)展[J].電子學(xué)報(bào),2002,30(6)：883-889.
[4]周寧,湯曉軍,徐維樸.JPEG2000圖像壓縮標(biāo)準(zhǔn)及其關(guān)鍵算法[J].現(xiàn)代電子技術(shù),2002,(12)：1-5.
[5]吳永輝,俞建新.JPEG2000圖像壓縮算法概述及網(wǎng)絡(luò)應(yīng)用前景[J].計(jì)算機(jī)工程,2003,29(3)：7-10.
[6]JMShaprio.Embeddedimagecodingusingzerotreeofwaveletcoefficients[J].IEEETrans.onSignalProcessing,1993,41(12):3445-3462.
[7]ASaid,WAPearlman.Anewfastandefficientimagecodecbasedonsetpartitioninginhierarchicaltrees[J].IEEETrans.onCircuitsandSystemsforVideoTech.1996,6(3):243-250.
[8]DTaubman.HighperformancescalableimagecompressionwithEBCOT[J].IEEETransactionsonImageProcessing,2000,9(7):1158–1170.
[9]徐林靜,孟利民,朱建軍.小波與分行在圖像壓縮中的比較及應(yīng)用.中國有線電視,2003,03/04：26-29.
[10]MGilge,TEngelhardt,RMehlan.Codingofarbitrarilyshapedimagesegmentsbasedonageneralizedorthogonaltransform[J].SignalProcessing:ImageCommun.,1989,1(10):153–180.
[11]TSikora,BMakai.Shape-adaptiveDCTforgenericcodingofvideo[J].IEEETrans.CircuitsSyst.VideoTechnol.,1995,5(1):59–62.
[12]TSikora,SBauer,BMakai.Efficiencyofshape-adaptive2-Dtransformsforcodingofarbitrarilyshapedimagesegments[J].IEEETrans.CircuitsSyst.VideoTechnol.,1995,5(3):254–258.
[13]EJensen,KRijk,etal.Codingofarbitrarilyshapedimagesegments[C].Proc.WorkshopImageAnalysisandSynthesisinImageCoding,Berlin,Germany,1994:E2.1–E2.4.
[14]MBi,SHOng,menton“Shape-adaptiveDCTforgenericcodingofvideo”[J].IEEETrans.CircuitsSyst.VideoTechnol.,1996,6(6):686–688.
[15]PKauff,KSchuur.Shape-adaptiveDCTwithblock-basedDCseparationandDeltaDCcorrection[J].IEEETrans.CircuitsSyst.VideoTechnol.,1998,8(3):237–242.
[16]OEgger,PFleury,TEbrahimi.Shape-adaptivewavelettransformforzerotreecoding[C].Proc.Eur.WorkshopImageAnalysisandCodingforTV,HDTVandMultimediaApplication,Rennes,France,1996:201–208.
[17]OEgger.Regionrepresentationusingnonlineartechniqueswithapplicationstoimageandvideocoding[D].Ph.D.dissertation,SwissFederalInstituteofTechnology(EPFL),Lausanne,Switzerland,1997.
[18]SLi,WLi,etal.Shapeadaptivevectorwaveletcodingofarbitrarilyshapedtexture[S].ISO/IECJTC/SC29/WG11,MPEG-96-m1027,1996.
[19]WLi,FLing,HSun.ReportoncoreexperimentO3(Shapeadaptivewaveletcodingofarbitrarilyshapedtexture)[S].ISO/IECJTC/SC29/WG11,MPEG-97-m2385,1997.
[20]SLi,WLi.Shapeadaptivediscretewavelettransformforcodingarbitrarilyshapedtexture[C].Proc.SPIEVCIP’97,1997,3024:1046–1056.
