结合灰度预测特征与CNNs的信息服务体育成绩预测

针对大数据体育成绩预测存在精度较低的缺陷,提出一种结合灰度预测特征与CNNs的体育成绩预测算法.通过等维动态GOM模型提取灰度特征,并构建CNNs模型完成对体育成绩时间序列的回归与预测.以百米赛跑体育成绩为研究目标,完成了体育达标人数预测和体育成绩预测两个对比实验.结果表明,等维动态GOM模型以及相应的CNNs模型分别在达标人数和成绩预测中获得了最优的预测结果.提出的算法显著优于传统算法,分别在平均精度和极端数据中获得了更好的预测结果.     

改进的灰色拓扑预测在指导考生填报志愿中的应用

改进的灰色拓扑预测结合了GM（1,1）模型、拓扑预测与最小二乘法.它通过对一些具有波动性的少量数据进行分析得出比较接近实际的预测值,较大程度上减少了误差.本文通过使用该算法,很好地对高考考生填报志愿时要报考学校的下一年分数进行了预测,验证了它的实际运用价值.     

基于多尺度特征与注意力机制的轴承寿命预测

针对以往剩余使用寿命（RUL）预测方法对轴承退化信息挖掘不充分、忽视不同特征贡献度差异,影响预测准确性的问题,提出基于多尺度特征与注意力机制的轴承RUL预测方法. 在多个尺度下计算轴承原始振动信号的若干时域和频域特征,作为输入特征集. 将多尺度特征集输入到网络中,以注意力模块为不同特征自适应地分配最佳权重,以卷积神经网络（CNN）模块进行深层特征提取与多尺度特征融合,通过前馈神经网络（FNN）模块映射得到RUL预测值. 通过公开的轴承数据集进行实验验证,与其他RUL预测方法相比,所提方法的预测性能更优越.     

基于融合不变性特征与混合核方法的体育视频动作识别

针对体育视频动作识别方法正确率较低的问题,提出了一种结合融合不变性特征与混合核方法的体育视频动作识别方法.采用高斯混合模型构建不变性特征,并对特征进行降维.采用混合核方法分别完成局部特征与全局特征的分类.标准体育动作数据集上的实验结果表明,降维后的融合不变性特征能够保留体育动作关键信息,与混合核方法配合密切,该方法既能够显著提升识别性能,也能够提升识别效率.该方法可以构建实时、在线的体育视频动作识别,且识别效果良好.     

基于灰色理论的风机变桨距驱动器故障预测

为了提高风力发电系统中的变桨距驱动器的可靠性,提出了以检测IGBT导通压降为基础,采用新息灰预测算法的变桨距驱动器故障预测方法.利用IGBT导通压降的历史数据建立GM（1,1）灰预测模型,对IGBT将来时刻的导通压降进行预测,一旦IGBT预测导通压降超过阈值,系统报警并收桨.采用等维新陈代谢算法,根据实际情况随时更新数据序列,以保证预测模型的新鲜度.提出自动变步长灰预测方法,并通过实验数据得出选取步长的经验公式.设计了IGBT导通压降检测电路,该电路抗干扰能力强、反应速度快,而且结构简单、可靠性好.实验结果表明,等维新陈代谢灰预测算法可有效预测出IGBT导通压降,提高了风机收桨的可靠性.     

基于Zernike矩和PSO算法的摄像机神经网络标定

提出了一种新的基于Zernike矩和粒子群(PSO)算法的摄像机BP神经网络标定方法。首先,利用Zernike矩和曲率不变性求取圆形标定模板中心的亚像素坐标,提高神经网络训练数据的精度;其次,利用PSO算法优化网络的初始权重和阈值,提高网络的收敛速度和泛化能力。实验结果表明,该方法在X轴和Y轴方向的测量误差小于0.06 mm,整个测试集均方根误差为0.194 mm,证明了该方法的有效性。