排序方式: 共有64条查询结果,搜索用时 15 毫秒
61.
62.
为提高风速的预测性能,提出了多通道长短期记忆网络和卷积网络相结合的风速预测方法。预测模型由多个长短期记忆子网络及卷积网络组成。各子网络选择不同长度的历史数据作为输入,分别实现未来风速值的计算,避免了单一网络输入数据长度参数难以确定的问题。卷积网络将各子网络的计算结果进行卷积、最大池化操作,并通过全连接层计算风速序列的预测值。为避免预测误差累积及漂移,利用误差动态补偿方法对预测值进行校正,获得最终的预测结果。多通道长短期记忆卷积网络可用于风速的超短期预测中,仿真实验结果表明,与现有基于深度学习的预测网络相比,该网络能够更好地拟合实际风速序列的变化趋势,表现出更优的预测性能。 相似文献
63.
基于环形模板结构提出一种新的模板匹配跟踪方法,在匹配准则函数中增加了图像的多阶微分匹配信息,在确保算法具有旋转不变性的前提下,可有效提高算法识别的准确性.匹配模板中的像素按环形结构排列,环形结构的中心对称性确保了算法具有旋转不变性.根据图像的灰度值可计算图像的各阶微分值,匹配准则函数由灰度匹配值和各阶微分匹配值共同构成.微分匹配信息中包含了图像的细节信息的匹配结果,因此可提高算法识别的准确性.仿真结果表明:该方法可应用于序列图像的目标识别,在背景复杂或目标发生较大旋转变化的情况下,该方法的识别性能明显优于传统方法. 相似文献
64.