会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

改进TV图像去噪模型的全景图像拼接算法_呼亚萍

全景图像生成过程中易受到噪声的影响。针对该问题，提出一种改进的全变分（Total Variation，TV）图像去噪模型应用于全景图像的拼接。首先，对图像去噪过程中建立的泛函函数进行卷积运算，利用卷积操作降低噪声点的灰度值，随后求解泛函函数所对应的拉格朗日方程极小值，达到图像去噪的效果；其次，采用SIFT （Scale Invariable Feature Transfomation）特征匹配算法对去噪后的图像进行特征提取和匹配；最后，对待拼接图像进行加权融合处理，优化视觉效果。仿真实验结果表明，与经典算法相比，该研究能够较理想地去除图像中的噪声，降低全景图像拼接过程中的干扰，提高的视觉效果。

  • 2021-04-23
  • 阅读874
  • 下载0
  • 12页
  • pdf

基于统计学模型的CBTC系统ATO停车精度自适应优化算法_谭力天

城轨CBTC系统运营对列车停车精度具有较高要求,其中ATO精确停车是系统的重要功能。而外部干扰造成的不确定性和系统延时是影响停车精度的重要因素。提出一种基于统计学模型的自适应优化算法,对停车精度的概率分布曲线进行拟合,而后采用二元马尔可夫模型优化ATO精确停车模型。通过3种不同类型情景的优化模型获得相应的停车精度数据,以期望和方差作为对比指标,结果表明优化模型对ATO停车精度有一定改善,获得较为理想的停车精度。

  • 2021-04-23
  • 阅读434
  • 下载0
  • 7页
  • pdf

烟花算法改进BP神经网络预测模型及其应用_马创涛

针对传统BP神经网络预测模型泛化能力弱且预测精度低的问题,首先对现有算法优化神经网络预测模型的不足进行了比较分析；然后,将烟花算法引入到神经网络模型中,利用烟花爆炸算子同时爆炸扩散的机理,对神经网络权重和阈值的寻优过程进行了优化,提出了一种基于烟花算法改进BP神经网络的预测模型。最后,以某纺织企业的棉纺质量数据为例,对提出的基于烟花算法改进BP神经网络的预测方法进行了应用验证。通过与其他算法改进BP神经网络的预测模型进行对比分析,结果表明:该预测方法对纱线质量的预测精度达到97.88%,而且该预测方法与其他方法相比,预测误差率下降了49.52%,并在寻优速度和寻优精度方面表现出较高性能。

  • 2021-04-23
  • 阅读531
  • 下载0
  • 8页
  • pdf

基于DS算法的混胺燃料近红外光谱分析模型传递_王菊香

对混胺燃料的近红外光谱分析模型的传递方法进行研究。采用K/S（Kennard/Stone）算法选择转换集样品,采用直接校正（Direct Standardization,DS）算法对从仪器采集的光谱进行校正。通过光谱平均差异（ARMS）比较奇异值分解（Singular Value Decomposition,SVD）算法和偏最小二乘法（Partial Least Squares,PLS）对光谱校正的效果。当PLS算法的最佳主因子数为3时,DS-PLS算法的光谱校正率可达到97.5%,优于DS-SVD算法。混胺样品的分析模型经过DS-PLS算法传递后,对从仪器的混胺样品各项指标的预测标准偏差（SEP）明显好于传递前,与主仪器预测效果接近,说明采用K/S算法选择合适的转换集样品后,通过DS-PLS模型传递算法可有效降低仪器间的光谱差异,实现近红外光谱分析模型在各台光谱仪之间共享。

  • 2021-04-22
  • 阅读523
  • 下载0
  • 5页
  • pdf

基于改进的隐马尔可夫模型的新闻推荐算法_张丹 （1）

推荐系统已经应用到各行各业中,新闻推荐也应运而生。用户在阅读新闻时一般是时间序列的形式,然而,传统的新闻推荐算法很少考虑用户浏览行为的时间序列特征。因此,它并不能有效地预测用户阅读的下一篇新闻。针对这一问题,将隐马尔可夫模型融入到新闻推荐算法中,根据用户的阅读轨迹,找到用户下一时刻阅读概率最高的新闻。在此基础上,加入状态驻留时间元素,将隐马尔可夫模型的五元素扩展为六元素,以此来提高推荐准确度。为证明解决方案的有效性,与其他的新闻推荐算法进行了对比,结果显示论文算法在F1指标上约提高了14%。

  • 2021-04-21
  • 阅读463
  • 下载0
  • 6页
  • pdf

带有隐式反馈的SVD推荐模型高效求解算法_蔡剑平

作为推荐系统的重要组成部分,协同过滤已成为了当今主流的推荐方法之一.其中基于潜在因子的协同过滤常采用SVD推荐模型分析用户喜好.近年来,随着SVD推荐模型研究的深入, SVD++,TrustSVD等一类带有隐式反馈的SVD推荐模型被相继提出.此类模型能更有效地从有限的数据源中挖掘有用信息并取得了较好的效果,因此受到了人们广泛关注.然而,现有文献大多关注于模型设计,缺乏专门针对带有隐式反馈的SVD推荐模型的高效求解算法.为此,本文首先研究了一般性的SVD推荐模型梯度求解框架,然后以SVD++推荐模型为突破口,基于块梯度下降方法设计了高效求解算法BCDSVD++并解决了容量矩阵求逆、稀疏数据优化处理等两个关键问题.实验表明,本文所设计的BCDSVD++算法具有比传统的并行梯度下降法更高效的求解效率及收敛能力.

  • 2021-04-21
  • 阅读883
  • 下载0
  • 15页
  • pdf

福建成品油管道停输后压力预测算法模型_邵晓

停输操作在福建成品油管道运行管理中时常发生,停输再启动过程中管内压力变化剧烈。当管内压力下降时,现场人员经常误以为发生泄漏等异常事故,需巡检排查,增加了现场的管理难度。为了提高现场管理水平,从机理模型分析了管道停输时段压力变化的影响因素,并基于出站油温、压力等检测数据,同时考虑环境温度的变化,建立基于机器学习算法的压力预测模型,监测管内压力变化情况。以泉港南线和黄塘溪东出站点为例,以RMSE、MAE、R2为指标,对比了LR、SVM、DT、RF、GB这5种回归预测模型。结果表明:DT、RF、GB模型适用于福建成品油管道停输的管内压力变化分析,而RF准确度最高。建立预测模型后,利用天气预报的气温数据,可以预测未来时段管内压力的变化趋势,当预测值与检测值差别较大时,实现报警功能。

  • 2021-04-22
  • 阅读539
  • 下载0
  • 5页
  • pdf

基于CNN_ResNet_LSTM模型的城市短时交通流量预测算法_蒲悦逸

针对交通流量特性和外部因素对交通流量预测结果的影响,提出了一种对城市短时交通流量预测的模型CNN-ResNet-LSTM,将卷积神经网络（CNN）、残差神经单元（Res Net）和长短期记忆循环神经网络（LSTM）集成到一个端到端的网络框架.利用卷积神经网络来捕获城市区域间交通流量的局部空间特征,并在卷积神经网络中加入多个残差神经单元来加深网络深度,可提高预测的准确性；利用长短期记忆循环神经网络来捕获交通流量数据的时间特征；利用相应的权重将2个网络的输出结果融合,得到通过轨迹数据预测的结果；最后与外部因素融合,得到城市区域的交通流量预测值.用北京市轨迹交通数据对该模型进行验证,CNN-ResNet-LSTM模型不仅在准确率方面比传统模型高,而且在保证预测准确率的情况下,模型使用的参数也少.

  • 2021-04-22
  • 阅读489
  • 下载0
  • 6页
  • pdf