数据驱动的非平稳信号时频算法研究及应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    11901113
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    22.0万
  • 负责人：
    周锋
  • 依托单位：
    广东财经大学
  • 学科分类：
    A0602.信息技术与不确定性的数学理论与方法
  • 结题年份：
    2022
  • 批准年份：
    2019
  • 项目状态：
    已结题
  • 起止时间：
    2020-01-01 至2022-12-31

项目摘要

As data moves toward higher dimensionality, heterogeneity and non-stationarity, big data based work poses challenges for the study of data processing and analysis methods in addition to the performance requirements of computing devices. As one of the most dynamic analytical tools in information technology, signal processing technology can effectively reveal the inherent evolution of data by analyzing data from both the time domain and the frequency domain. However, the existing signal analysis theory mainly discusses the data defined in the rule domain, especially the time series data, and most of them only have physical meaning for the stationary signal. This project will study several core problems caused by the complexity of data characteristics in the signal processing field. The research contents are as follows: (1) Explore the adaptive decomposition algorithm of non-stationary time series signals and theoretically analyze them; (2) Study the adaptive time-frequency representation method of non-stationary graph signals, and explore the learning algorithm of graph structure when the graph structure is unknown; (3) Solve the trend forecast and financial asset portfolio issues of the stock price with the proposed methods. The development of the theoretical work of this project is driven by data, and finally implemented into practical problems, with definite theoretical significance and practical value.
随着数据向高维、异构和非平稳性转变，基于大数据的工作除了对计算设备的性能提出要求之外，也为数据处理和分析方法的研究带来挑战。信号处理技术作为信息技术中最富有活力的分析工具之一，通过从时域和频域两个角度对数据进行剖析，可以有效地揭示数据的内在演化规律。然而现有的信号分析理论体系主要讨论的对象是定义在规则域上的数据，尤其是时间序列数据，而且大多只对平稳信号才具有物理意义。本项目将对信号处理领域中因数据特性复杂化而引发的几个核心问题进行研究，研究内容具体为：(1)探讨非平稳时间序列信号的自适应分解算法并对其进行理论分析；(2)研究非平稳图信号的自适应时频表示方法，并在图结构未知的情况下，探究图结构的学习算法；(3)将所研究的方法用以解决金融领域中股价的趋势预测和金融资产组合优化等问题。本项目理论工作的开展以数据为驱动，最后落实到实际问题，具有明确的理论意义与实践价值。

结项摘要

随着数据向高维、异构和非平稳性转变，基于大数据的工作除了对计算设备的性能提出要求之外，也为数据处理和分析方法的研究带来挑战。信号处理技术作为信息技术中最富有活力的分析工具之一，通过从时域和频域两个角度对数据进行剖析，可以有效地揭示数据的内在演化规律。然而现有的信号分析理论体系主要讨论的对象是定义在规则域上的数据，尤其是时间序列数据，而且大多只对平稳信号才具有物理意义。本项目将对信号处理领域中因数据特性复杂化而引发的几个核心问题进行研究。具体地，本项目首先从信号的局部均值刻画入手，在深度学习框架下借助卷积神经网络、残差结构以及其它深度学习技术提出了一种新的非平稳信号分解算法。与已有的方法相比，该方法首创性地将深度学习引入非平稳信号分解问题，该方法是可并行的、且具有收敛性的保证。其次，我们借助图像去块效应问题研究了图拓扑结构的自适应学习。与已有的图像去块效应方法相比，该方法的主要创新点是将经典的在欧氏空间中处理的图像问题，推广到图框架下来处理，这一做法可以更灵活地表达图像像素之间的关系，从而提供了性能提升的空间。最后，本项目将所研究的非平稳信号分解算法以及深度学习技术结合在一起解决金融股价预测问题。在该研究中，本项目发散地从多个角度展开研究，比如集成学习思想、金融多源数据融合等。本项目涉及信号时频分析的理论研究和金融领域的应用研究，本项目所研究的成果对这两个领域都有一定的价值。

项目成果

期刊论文数量（11）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（2）
Cascading logistic regression onto gradient boosted decision trees for forecasting and trading stock indices
将逻辑回归级联到梯度提升决策树上，用于预测和交易股票指数
  • DOI：
    10.1016/j.asoc.2019.105747
  • 发表时间：
    2019-11-01
  • 期刊：
    APPLIED SOFT COMPUTING
  • 影响因子：
    8.7
  • 作者：
    Zhou，Feng;Zhang，Qun;Jiang，Liu
  • 通讯作者：
    Jiang，Liu
Refinements of Approximation Results of Conditional Restricted Boltzmann Machines
条件限制玻尔兹曼机逼近结果的改进
  • DOI：
    10.1109/tnnls.2021.3105129
  • 发表时间：
    2021-08
  • 期刊：
    IEEE Transactions on Neural Networks and Learning Systems
  • 影响因子：
    10.4
  • 作者：
    Linyan Gu;Lihua Yang;Feng Zhou
  • 通讯作者：
    Feng Zhou
T2V_TF: An adaptive timing encoding mechanism based Transformer with multi-source heterogeneous information fusion for portfolio management: A case of the Chinese A50 stocks
T2V_TF：一种基于多源异构信息融合的 Transformer 的自适应时序编码机制，用于投资组合管理：以中国 A50 股票为例
  • DOI：
    10.1016/j.eswa.2022.119020
  • 发表时间：
    2022-10
  • 期刊：
    Expert Systems With Applications
  • 影响因子：
    8.5
  • 作者：
    Feng Zhou;Qun Zhang;Yuan Zhu;Tian Li
  • 通讯作者：
    Tian Li
A novel image deblocking approach within a graph framework
图框架内的一种新颖的图像去块方法
  • DOI：
    10.1016/j.dsp.2021.103270
  • 发表时间：
    2021-10
  • 期刊：
    Digital Signal Processing
  • 影响因子：
    2.9
  • 作者：
    Feng Zhou;Huafei Li;Lihua Yang;Zhihua Yang;Linyan Gu
  • 通讯作者：
    Linyan Gu
A new prediction method for recommendation system based on sampling reconstruction of signal on graph
一种基于图信号采样重构的推荐系统预测新方法
  • DOI：
    10.1016/j.eswa.2020.113587
  • 发表时间：
    2020
  • 期刊：
    Expert Systems with Applications
  • 影响因子：
    8.5
  • 作者：
    Yang Zhihua;Zhou Feng;Yang Lihua;Zhang Qian
  • 通讯作者：
    Zhang Qian

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

GNSS载波相位整数等变估计及其PPP性能提升算法
  • DOI：
    --
  • 发表时间：
    2022
  • 期刊：
    测绘学报
  • 影响因子：
    --
  • 作者：
    周锋;杨宇泽;王磊;徐天河
  • 通讯作者：
    徐天河
超音速火焰喷涂Al-Cu-Cr准晶涂层表面不粘性和耐磨性的研究
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    稀有金属材料与工程
  • 影响因子：
    --
  • 作者：
    傅迎庆;杨德明;周锋;高阳;李南翔
  • 通讯作者：
    李南翔
土壤异质性施肥对玉米马铃薯间作体系养分吸收与利用特征的影响
  • DOI：
    10.12101/j.issn.1004-390x(n).201807017
  • 发表时间：
    2020
  • 期刊：
    云南农业大学学报
  • 影响因子：
    --
  • 作者：
    李旺;周锋;吴开贤;杨友琼;吴伯志;安曈昕
  • 通讯作者：
    安曈昕
电化学阴极剥离制备少层石墨烯及其微型超级电容器
  • DOI：
    10.11949/0438-1157.20200259
  • 发表时间：
    2020
  • 期刊：
    化工学报
  • 影响因子：
    --
  • 作者：
    周锋;田利军;高磊;吴忠帅
  • 通讯作者：
    吴忠帅
猝发混合扩频水声隐蔽通信技术
  • DOI：
    --
  • 发表时间：
    2017
  • 期刊：
    声学学报
  • 影响因子：
    --
  • 作者：
    周锋
  • 通讯作者：
    周锋

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码