1+1＞2！今年小波变换的结合创新思路建议（附代码）

为提高模型在信号处理、图像分析、时间序列预测等多个领域的性能和准确性，我们考虑将小波变换与其他技术相结合。

这种结合利用了小波变换的多尺度分析能力，以及其他技术的优势，有效捕捉信号的局部特征，从而实现特征的高效提取与融合，不仅提升了模型的识别精度和鲁棒性，还优化了计算效率，帮助我们更合理地利用资源。

目前，这种结合主要有以下几个常见思路：+Transformer、+Mamba、+注意力机制、+GNN、+CNN...创新空间还是很大的，可参考的顶会成果也比较多。

本文挑选了45个最新的小波变换结合创新方案，方便有论文需求的同学找idea，开源代码基本都有，不想多花时间找参考的可直接拿。

全部论文+开源代码需要的同学看文末

结合Transformer

Spiking Wavelet Transformer

方法：本文提出了一种新型的尖峰神经网络架构——SWformer，它通过结合小波变换和Transformer架构的优势，有效捕获图像的时空频率特征，显著提高了脉冲神经网络（SNNs）在静态和神经形态数据集上的准确性和参数效率。