改进的变权组合业务量预测应用方法

对预测误差平方和最小为原则的固定权重最优组合预测模型进行改进,提出了一种应用于移动通信网业务量预测的变权组合预测方法。通过4种预测方法对某地业务量进行预测并比较其精确度,结果表明改进的变权组合预测方法取得了较高的预测精确度。     

基于粒子滤波的混沌时间序列局域多步预测

对混沌时间序列进行预测研究具有重要的价值和实用性,例如,进行股票预测,降雨量预测,温度预测。混沌时间序列预测的难点在于其不确定性和多步预测的困难性。一般利用最小二乘法求解模型参数,从而对混沌时间序列进行局域预测,但是预测精度不是很高。为了提高局域线性预测的精度,提出基于粒子滤波(PF)的混沌时间序列局域多步预测法,利用粒子滤波进行参数优化得到更准确的优化模型进行多步预测。仿真实验结果表明,该方法的单步和多步预测效果明显得到了提升。     

最小二乘支持向量机和预测误差校正的运动员成绩预测

为了获得更好的运动员成绩预测结果,提出最小二乘支持向量机和预测误差校正的运动员成绩预测模型。首先通过提升小波和最小二乘支持向量机对运动员成绩进行建模和预测,然后通过误差校正方式对运动员成绩的预测结果进行校正,最后通过运动员成绩预测实例对模型的有效性进行测试,并与其他运动员预测模型进行对比实验,验证其优越性,结果表明,所提模型降低了运动员成绩的预测误差,并且通过误差校正提高了运动员成绩预测结果的稳定性,预测精度要优于其他运动员成绩预测模型。     

基于预测误差修正的时序链路预测方法

论文主要针对时序链路预测方法进行研究。分析了静态链路预测方法的弊端,认为忽视网络演化趋势信息会对链路预测产生负面影响;还提出了链路预测误差的概念用于描述网络趋势信息,并以此为基础提出一种基于预测误差修正的时序链路预测方法。该方法首先对待预测时刻之前一个时间窗口内的多幅网络图分别采用静态链路预测方法进行预测,记录每次的预测误差并计算其修正值,最后对待测时刻静态预测结果进行修正得到最终预测结果。通过在两个真实网络数据集上进行系列实验表明,该方法较大提升了静态链路预测方法的预测精确度,与另一种典型的时序链路预测方法相比其精度也有所提升,且算法时间复杂度较低。另外,实验中还发现链路预测误差序列与网络链路总数序列存在"镜面对称"关系,分析其内在原因证明了所提方法的普适性。     

基于卡尔曼滤波的剩余寿命预测模型

振动烈度是剩余寿命的一个评价指标。为提高剩余寿命预测精度,解决时序模型预测延时问题,文中提出了一种时间序列分析理论,对振动烈度数据进行平稳建模,得到符合其变化规律的模型方程;通过得到的模型方程推导出卡尔曼滤波算法的状态方程和观测方程;然后依靠卡尔曼预测递推方程进行预测,再对振动烈度进行预测,从而预测剩余寿命。实例分析表明,采用混合算法可以提高预测精度,且较好地解决了预测延时问题。     

改进的基于小波变换和FARIMA模型的网络流量预测算法

提出了一种改进的基于小波变换和FARIMA模型的网络流量预测算法,先对经过预处理的流量进行小波分解,再进行Mallat算法单支重构,接着用FARIMA模型分别对重构后的单支进行预测,最后合成流量。该算法较之传统的首先用FARIMA模型对小波系数进行预测再进行小波重构的算法减小了预测误差。仿真实验也验证了改进算法的预测准确性。     

组合神经网络的网络流量预测研究

提出一种组合神经网络的网络流量预测模型.首先采用SMOF网络对网络流量数据进行聚类,然后采用Elman网络对聚类后的流量数据进行训练并预测,同时采用遗传算法对Elman网络的网络结构进行优化,提高网络流量预测精度.仿真结果表明,组合神经网络加快了网络流量预测速度,提高了网络流量预测精度,克服了单一预测模型不足,为网络流量预测提供了新的思路,具有很好的应用前景.     

基于云计算技术的图书馆借阅量建模与预测分析

为了提高图书馆借阅量预测精度,针对当前图书馆借阅量预测过程存在的一些问题,提出基于云计算技术的图书馆借阅量建模与预测方法。首先,对国内外图书馆借阅量预测研究现状进行分析,找到引起图书馆借阅量预测效果不理想的原因;然后,采用云计算技术搭建图书馆借阅量预测平台,并采用多个最小二乘支持向量机同时进行图书馆借阅量建模与预测;最后,与其他方法进行图书馆借阅量预测仿真测试对比实验。结果表明,所提方法不仅图书馆借阅量预测精度高,而且减少了图书馆借阅量预测时间,加快了图书馆借阅量预测速度,且实际应用价值更高。     

网络设备工作负载综合预测研究

充分利用现有成熟预测模型的优势,取长补短,合理选取预测模型,结合负载影响因素,串联或者并联各模型输入或者输出,综合预测,进行网络设备动态负载预测.综合利用灰色和BP神经网络预测模型,并对其算法加以改进来提高预测准确度,分析并提出了一种综合预测模型,给出了具体的预测方法以及过程,并对预测结果进行分析,提高了预测精度,达到了预测目的.实际应用证明,该模型及方法在网络设备负载定量预测方面具有良好的效果,有较好的参考和使用意义.     

组合预测方法在电力系统负荷预测中的应用研究

本文阐述了组合预测方法与电力系统符合预测概念和组合预测方法的应用原则、模式和基本形式,并通过对组合预测在电力系统负荷预测中的作用及意义,就对组合预测方法在电力系统负荷预测中的应用研究进行了分析。     

双目视觉中立体匹配算法的研究与比较

在基于双目立体视觉三维重建的研究中,立体匹配是其中最重要的部分,它的准确性影响着最后的重建结果.本文主要讲述了常用的立体匹配算法,并详细介绍了两种算法分类中的代表性算法的实现步骤,即局域算法中的基于特征点匹配的算法和全局算法中的基于图割法的匹配算法,并对算法从运算速度和误配率两方面进行了比较,总结了两种算法的优缺点,比...     

一种自适应的红外与可见光图像融合算法

通过一种自适应算法对红外图像和可见光图像进行了融合,该方法能根据当前环境下的图像特性自适应地调整融合参数。分析了红外与可见光图像的特性,并对已有的小波融合算法进行仿真验证,最终提出了基于小波变换的自适应融合算法,并对其进行了测试。实验结果表明,该方法产生的融合图像更有利于人眼观察,且融合性能指标也有所提升。     

基于绝对值差的归一化波形匹配混合算法

基于归一化的波形匹配算法运用十分广泛,但缺点是运算量大。为此提出一种基于绝对值差的归一化混合算法。该算法先将原始波形分解成三层,在每一层分别采用改良的绝对值差法、改良的序列相似性法、归一化互相关法进行匹配,最终实现精确匹配。实验表明,这种混合算法比归一化互相关法在波形匹配速度上有了大幅度的提高。     

基于图的邻接点优先的联合树算法的研究与实现

贝叶斯网络是以概率理论为基础的不确定知识表示模型,联合树算法是一种应用广泛的贝叶斯网络推理算法。提出了基于邻接点优先的联合树算法,从图模型和计算效率两个方面对联合树算法（JT）和基于图的邻接点优先的联合树（AD-JT）算法进行推理时间的比较,实验表明：基于图的邻接点优先的联合树算法能够有效地处理大规模数据,极大地减少了消耗时间,计算效率有显著改进。     

Blind-Source Separation Based on Decorrelation and Nonstationarity

In this paper, discrete-time blind-source separation (BSS) of instantaneous mixtures is studied. Decorrelation-based sufficient criteria for BSS of stationary and nonstationary sources are derived based on nonstationarity and nonwhiteness. A gradient algorithm is proposed based on these criteria. A batch-data algorithm and an on-line algorithm are developed based on the corollaries of the BSS criteria. These algorithms are especially useful for the separation of nonstationary sources. They are robust to additive white noises if the time-delayed decorrelation and the nonstationarity of the sources are considered simultaneously in the algorithms. Experiment results show the effectiveness and performance of the proposed algorithms     

基于马氏抽样的SVM非平衡数据分类算法的泛化性能研究

本文将样本为独立同分布的情形减弱为一致遍历马氏链的情形去研究了非平衡数据分类算法的泛化性能,提出了基于马氏抽样的SVM非平衡数据分类算法、基于马氏抽样的EDSVM非平衡数据分类算法和基于马氏抽样的SVM-WKNN非平衡数据分类算法.并用UCI数据库中的10个实际不平衡数据集进行数值实验,实验结果表明基于马氏抽样的上述三种算法的错分率均比基于随机抽样的对应算法的错分率要低,且上述三种算法中,基于马氏抽样的SVM-WKNN非平衡数据分类算法的泛化性能最好.     

基于区域定位与轮廓分割的红外目标检测

红外图像受随机噪声干扰严重.传统的基于高斯混合模型的检测算法检测得到的红外目标受虚假轮廓影响,不易准确辨识.为了准确识别红外目标,采用了一种基于脉冲耦合神经网络和高斯混合模型的红外目标检测算法.首先利用高斯混合模型定位红外目标区域的位置,然后利用基于空间信息的分水岭算法得到闭合区域,再利用基于脉冲耦合神经网络的分割算法剪切其虚影,最终检测到完整的运动目标.结果表明,该方法能够消除在传统方法中产生的虚影现象,得到精确的红外运动目标.通过比较,实验结果优于传统方法.     

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。     

小波边界处理及实时去噪

基于小波阀值去噪良好的去噪能力和简单的操作方法，提出了一种基于小波阀值去噪的实时去噪方法。首先针对实际应用中数据有限对小波变换边界的影响，推导出了左右边界延拓数目，通过边界延拓，减小边界效应的影响，使去噪能力得到进一步的提高。接着推导出受边界效应影响的数目，给出了实时去噪流程图，通过相应的数据滞后输出，去除边界效应对数据区间的影响，使得实时小波去噪能够取得与离线去噪一样的效果。最后对算法进行仿真，给出了仿真结果。     

结合蚁群搜索与边缘检测的红外轮廓提取算法

现有的边缘检测算法对红外图像进行边缘提取的过程中,容易出现边缘模糊和噪声残留等现象;针对这种现象,提出了一种结合蚁群搜索与边缘检测的红外轮廓提取算法。根据小波变换后各高频子带间的相关性,引入了图像的相关性因子来对图像信号进行分类;并对提取的边缘信号进行基于蚁群算法的边缘检测算法进行边缘提取,来去除其中的噪声信号并对弱边缘信号进行保护。实验结果表明,其实验结果与预期效果基本相符,在不同复杂背景的红外图像中,都具有较好的边缘保护效果与抗干扰能力。