多尺度数据分析中的若干优化问题

项目名称： 多尺度数据分析中的若干优化问题

项目编号： No.11371173

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 数理科学和化学

项目作者： 刘春光

作者单位： 暨南大学

项目金额： 40万元

中文摘要： 本项目拟在数据分析领域中采用最优化方法探讨多尺度数据的稀疏表示的近似算法，讨论以当前广泛应用的经验模式分解算法为基础展开系列理论分析与算法研究。主要内容包括：固有模态函数内涵的深入剖析、其瞬时频率和振幅函数性质的分析；对信号处理中常用的匹配追踪法的进一步探讨与改进；信号分解为模态函数形式的唯一性与稳定性；波形函数的新的判别与构造算法及多个不同波形函数模式的信号的分解等。旨在多尺度数据分析中开拓新的表示和分析方法。该课题的研究成果具有重要的理论与应用价值，在航天、国防、电讯、医学、气象、地球物理等国民经济部门有广泛的应用前景。

中文关键词： 稀疏表示；固有模态函数；匹配追踪法；双层算法；末端效应

英文摘要： In this project we plan to discuss optimization methods that help us to approximately find the sparse representation of multiscale data. The discussion is based on the empirical mode decomposition algorithm, which has been widely used in many scientific f

英文关键词： sparse representation；intrinsic mode functions (IMF)；matching pursuit algorithm；two-level method；end effects