R语言 wavethresh包 denproj()函数中文帮助文档(中英文对照)

loveR

denproj(wavethresh)
denproj()所属R语言包：wavethresh

                                        Calculate empirical scaling function coefficients of a p.d.f.
                                         计算经验的尺度函数系数的PDF

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Calculates empirical scaling function coefficients of the probability density function from sample of data from that density, usually at some "high" resoloution.
计算从样品的概率密度函数的密度从该数据中，通常会在一些“高”resoloution的经验尺度函数系数。


用法----------Usage----------


denproj(x, tau=1, J, filter.number=10, family="DaubLeAsymm", covar=FALSE, nT=20)



参数----------Arguments----------

参数：x
Vector containing the data. This can be of any length.
Vector，其中包含的数据。这可以是任何长度。


参数：J
The resolution level at which the empirical scaling function coefficients are to be calculated.
该决议在哪一级的经验尺度函数系数来计算的。


参数：tau
This parameter allows non-dyadic resolutions to be used, since the resolution is specified as tau * 2J.
该参数允许使用非二元决议，因为该决议被指定为tau * 2J。


参数：filter.number
The filter number of the wavelet basis to be used.
小波依据要使用的过滤器数目。


参数：family
The family of wavelets to use, can be "DaubExPhase" or "DaubLeAsymm".
的小波家庭使用，可以用“DaubExPhase”或“DaubLeAsymm的。


参数：covar
Logical variable. If TRUE then covariances of the empirical scaling function coefficients are also calculated.
逻辑变量。如果为真则协方差的经验尺度函数系数计算。


参数：nT
The number of iterations to be performed in the Daubechies-Lagarias algorithm, which is used to evaluate the scaling functions of the specified wavelet basis at the data points.
中要进行的Daubechies的Lagarias算法，这是用于评价在数据点指定的小波基的缩放功能的数目的迭代。


Details

详细信息----------Details----------

This projection of data onto a high resolution wavelet space is described in detail in Chapter 3 of Herrick (2000). The maximum and minimum values of k for which the empirical scaling function coefficient is non-zero are determined and the coefficients calculated for all k between these limits as sum(phiJk(xi))/n. The scaling functions are evaluated at the data points efficiently, using the Daubechies-Lagarias algorithm (Daubechies & Lagarias (1992)). Coded kindly by Brani Vidakovic.
此数据投影到一个高分辨率小波空间赫里克（2000）第3章中详细描述。 k经验尺度函数系数为非零的最大和最小的值被确定并计算这些限制之间sum(phiJk(xi))/n对于所有的k系数。评价尺度函数在有效的数据点，使用的Daubechies Lagarias算法（Daubechies小波与Lagarias的（1992））。编码亲切的Brani维达科维奇。

Herrick, D.R.M. (2000) Wavelet Methods for Curve and Surface Estimation. PhD Thesis, University of Bristol.
赫里克，D.R.M. （2000年）曲线和曲面估计的小波方法。布里斯托尔大学的博士论文，。

Daubechies, I. & Lagarias, J.C. (1992). Two-Scale Difference Equations II. Local Regularity, Infinite Products of Matrices and Fractals. SIAM Journal on Mathematical Analysis, 24(4), 1031–1079.
Daubechies小波，I.＆Lagarias的，J.C.（1992）。双尺度差分方程。本地规律，无限的产品矩阵和分形。 SIAM杂志“数学分析，24（4），1031至1079年。


值----------Value----------

A list with components: <table summary="R valueblock"> <tr valign="top"><td>coef</td> <td> A vector containing the empirical scaling function coefficients. This starts with the first non-zero coefficient, ends with the last non-zero coefficient and contains all coefficients, including zeros, in between.</td></tr> <tr valign="top"><td>covar</td> <td> Matrix containing the covariances, if requested.</td></tr> <tr valign="top"><td>klim</td> <td> The maximum and minimum values of k for which the empirical scaling function coefficients cJk are non-zero.</td></tr> <tr valign="top"><td>p</td> <td> The primary resolution tau * 2J.</td></tr> <tr valign="top"><td>filter</td> <td> A list containing the filter.number and family specified inthe function call.</td></tr> <tr valign="top"><td>n</td> <td> The length of the data vector x.</td></tr> <tr valign="top"><td>res</td> <td> A list containing the values of p, tau and J.</td></tr> </table>
与组件的列表：<table summary="R valueblock"> <tr valign="top"> <TD>coef</ TD> <td>一个向量经验的尺度函数系数。这将启动的第一个非零系数，结束的最后一个非零系数，并包含所有的系数，在两者之间，包括零。</ TD> </ TR> <tr valign="top"> <TD> X> </ TD> <TD>矩阵的协方差，如果要求。</ TD> </ TR> <tr valign="top"> <TD>covar </ TD> <TD>的最大值和最小值的k经验尺度函数系数CJK是非零。</ TD> </ TR> <tr valign="top"> <TD>klim</ TD> <TD>的主要决议p。</ TD> </ TR> <tr valign="top"> <TD>tau * 2J </ TD> <td>一个列表，其中包含的filter.number和家庭在函数调用。</ TD> </ TR> <tr valign="top"> <TD>filter </ TD> <TD>的数据向量的长度X。</ TD> </ TR > <tr valign="top"> <TD> n </ TD> <td>一个列表包含的值res，p和tau的。</ TD> </ TR> </ TABLE>


（作者）----------Author(s)----------


David Herrick



参见----------See Also----------

Chires5, Chires6, denwd,
Chires5，Chires6，denwd，


实例----------Examples----------


# Simulate data from the claw density and find the [模拟从爪密度的数据，并找到]
# empirical scaling function coefficients[经验尺度函数系数]
data <- rclaw(100)
datahr <- denproj(data, J=8, filter.number=4,family="DaubLeAsymm")

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。