简介:针对短期家庭电力数据随机性强,数据维度低等问题,提出了一种基于长短期记忆循环神经网络(LSTM)的单变量短期家庭电力需求预测模型.实验表明,该模型能够准确反映以小时为单位的家庭电力需求趋势,且在不同家庭上的泛化性能优于传统的循环神经网络(RNN)和门控循环网络(GRU).
简介:在视频编码中,DCT系数分布模型是率失真理论模型的基础,视频量化一般可分别为硬判决量化(HDQ)以及软判决量化(SDQ),SDQ算法能实现最优编码性能,但其中维特比算法会导致严重的系数间串行处理依赖.比较而言,基于死区(deadzone)的HDQ算法率失真性能略有损失,但是不考虑系数间的相关性.提出了一种基于分段逼近TCM模型(TransparentCompositeModel)的自适应硬判决量化算法,采用更精确的DCT分布估计模型,估算不同频率分量DCT系数的分布参数.根据模型参数及DCT系数分布参数,优化构造自适应的死区偏移量模型.实验表明,相对于固定偏移量HDQ算法,其编码性能非常接近于SDQ算法.
简介:应用γ-PGA制剂(固体含γ-PGA8%,液体含γ-PGA3.5%),以圆盘造粒、掺混包裹两种结合方式生产不同γ-PGA浓度的复混肥,在肥料生产当日及存放30天,90天,180天分别测定肥料中γ-PGA含量及其物理性质,探讨复混肥中γ-PGA的稳定性及γ-PGA对肥料物理性状的影响。结果表明,不同时段复混肥中γ-PGA含量相对稳定,但因不同加工工艺过程导致γ-PGA的检出率存在较大差异,其中,采用包裹肥料方式,检出率明显较高。γ-PGA对复混肥物理性状也有一定影响,采用造粒方式含γ-PGA复混肥无粉尘、无结块等现象,采用包裹方式含γ-PGA复混肥虽存在少量粉尘、结块等问题,但不至于影响肥料中γ-PGA含量,说明生产含γ-PGA复混肥以包裹方式相对较好。
简介:作为一个保边去噪的算法,各向异性扩散滤波(anisotropicdiffusionfilter,ADF)被广泛应用于磁共振成像(magneticresonanceimage,MRI)图像的预处理中,且对MRI图像中的莱斯噪声具有很好的去除效果.各向异性扩散滤波参数的选择对于其去噪性能影响很大,为找出滤波器的最佳参数,我们用改进的遗传算法对其进行参数优化,并且采用了一种新的精英选择策略,而且还在交叉和变异过程中采用了自适应的交叉和变异概率,再分别对各向异性扩散滤波的迭代次数t、扩散阈值k以及时间步长λ等三个参数进行选择优化.最后,从峰值信噪比(peaksignal-to-noiseratio,PSNR)、结构相似性指数(structuralsimilarityindexmetric,SSIM)、均方差(meansquarederror,MSE)三个方面,将经过参数优化的各向异性扩散滤波器对脑部MRI进行去噪处理,并与其它参数下的滤波结果进行对比.实验结果表明,经过参数优化的各向异性滤波器,无论是从视觉上还是相关评价指标上,均优于其它参数情况下的去噪效果.
简介:LDA主题模型是文本挖掘领域的重要算法,同时在推荐系统当中也有不错的表现.通过LDA主题模型挖掘用户感兴趣的主题,是目前最常用的用户兴趣主题挖掘方法之一.为了提高LDA主题模型应用在推荐系统时的推荐质量,我们提出了一种基于负样本进行学习的方法negLDA.通过创造出负样本来学习用户对物品的负面预测评分,同时结合正样本学习得到的正面预测评分,从正反两个方面进行综合评测,从而更加精确地衡量出用户对物品的预测评分.通过在MoviesLens-100k、MovieLens-1M、FilmTrust这三个数据集上的实验,表明所提出的算法在精确率、召回率、AUC三个指标上相比传统算法均有一定改进.
简介:车道线检测是智能驾驶系统的重要组成部分,它提供了车辆与车道位置关系的信息.针对智能车辆驾驶系统在视觉导航过程中车道线检测的精确性和鲁棒性的问题,提出一种有效的车道线检测方法.首先对原始RGB图像分别进行感兴趣区域设定、逆透视变换、灰度化和阈值处理;然后进行霍夫变换处理,利用斜率和中心点位置筛选检测结果;最后利用卡尔曼滤波对检测到的线段进行跟踪,预测当前车道线位置.实验结果表明,该算法能够有效解决图像中车道线不清晰以及一些干扰遮挡的问题,车道线检测准确率可达94%,具有较好的准确性、鲁棒性和较低的计算复杂度,有利于实时性检测系统的构建.