以云南省天星站和坡脚站10、20、40 cm 3个土层的土壤含水量观测数据为基础,通过改进时变滤波经验模态分解(TVFEMD)和快速学习网(FLN)方法构建基于多种优化算法的预测模型(TVFEMD-BSLO/AO/IVYA/EGO/PSO-FLN),提升土壤含水量时间序列预...以云南省天星站和坡脚站10、20、40 cm 3个土层的土壤含水量观测数据为基础,通过改进时变滤波经验模态分解(TVFEMD)和快速学习网(FLN)方法构建基于多种优化算法的预测模型(TVFEMD-BSLO/AO/IVYA/EGO/PSO-FLN),提升土壤含水量时间序列预测精度。通过比较各优化算法的模型性能,为土壤水分预测提供更优的建模方法。结果表明,TVFEMD分解效果主要受带宽阈值和B样条阶数2个关键参数影响。采用IVYA算法优化这2个参数可提升时间序列分解质量,进而改善模型预测性能。TVFEMD-BLSO/AO/IVYA/EGO-FLN模型在训练集上表现出卓越的预测性能,其平均绝对百分比误差(MAPE)为0.002%~0.077%,决定系数(R^(2))为0.9997~1.0000;预测集中的MAPE为0.006%~0.459%,R^(2)为0.9966~1.0000。与TVFEMD-PSO-FLN模型相比,TVFEMD-BLSO/AO/IVYA/EGO-FLN模型在拟合性能和预测精度方面均有明显提升。采用BLSO、AO、IVYA和EGO算法优化FLN超参数可有效提升模型性能,其中IVYA算法的优化效果较突出。展开更多
视频图像中脸像检测是近年来视觉图像检测和模式识别领域的研究热点。提出一种基于实时预测学习分类的脸像快速检测算法,即ARMA-Boost算法。首先根据脸像位置先验信息,利用ARMA模型(auto-regressive and moving average model)预测脸像...视频图像中脸像检测是近年来视觉图像检测和模式识别领域的研究热点。提出一种基于实时预测学习分类的脸像快速检测算法,即ARMA-Boost算法。首先根据脸像位置先验信息,利用ARMA模型(auto-regressive and moving average model)预测脸像位置区域,然后采用AdaBoost算法对预测区域进行脸像检测。该方法在时间维度对AdaBoost算法进行扩展,减小脸像搜索范围,提高检测效率。利用该方法对离线视频文件和CCD图像传感器实时脸像视频进行检测,实验结果表明,与支持向量机、传统AdaBoost和基于优化肤色模型的AdaBoost改进算法相比,ARMA-Boost算法脸像检测准确率高,实时性更好,可以对视频脸像进行快速检测应用。展开更多
针对在线支持向量回归(online support vector regression,online SVR)算法进行复杂时间序列精确预测时效率较低的问题,提出一种改进减量训练策略的快速预测方法,通过对非支持向量样本的采样选择,采取加速减量训练实现对在线训练数据集...针对在线支持向量回归(online support vector regression,online SVR)算法进行复杂时间序列精确预测时效率较低的问题,提出一种改进减量训练策略的快速预测方法,通过对非支持向量样本的采样选择,采取加速减量训练实现对在线训练数据集规模的缩减,从而达到快速在线训练和预测的目的.将该算法应用于黑龙江移动通信话务量数据的预测中,实验结果表明,在保持OnlineSVR预测精度的条件下,算法执行效率得到大幅提高。展开更多
高效视频编码(high efficiency video coding,HEVC)帧间预测方法相比于其他视频编码标准具有更高的编码效率,但同时也带来了更高的编码复杂度.为了加速HEVC帧间预测过程,提出了一种快速帧间预测算法.该算法首先判断当前编码单元(coding ...高效视频编码(high efficiency video coding,HEVC)帧间预测方法相比于其他视频编码标准具有更高的编码效率,但同时也带来了更高的编码复杂度.为了加速HEVC帧间预测过程,提出了一种快速帧间预测算法.该算法首先判断当前编码单元(coding unit,CU)的运动特征,然后根据不同的运动特征采取不同的优化措施以减少帧间预测时间.基于HEVC校验模型(HM6.0)的实验结果表明,该算法在基本保持传统算法性能的基础上,编码时间平均可减少53.33%.展开更多
文摘以云南省天星站和坡脚站10、20、40 cm 3个土层的土壤含水量观测数据为基础,通过改进时变滤波经验模态分解(TVFEMD)和快速学习网(FLN)方法构建基于多种优化算法的预测模型(TVFEMD-BSLO/AO/IVYA/EGO/PSO-FLN),提升土壤含水量时间序列预测精度。通过比较各优化算法的模型性能,为土壤水分预测提供更优的建模方法。结果表明,TVFEMD分解效果主要受带宽阈值和B样条阶数2个关键参数影响。采用IVYA算法优化这2个参数可提升时间序列分解质量,进而改善模型预测性能。TVFEMD-BLSO/AO/IVYA/EGO-FLN模型在训练集上表现出卓越的预测性能,其平均绝对百分比误差(MAPE)为0.002%~0.077%,决定系数(R^(2))为0.9997~1.0000;预测集中的MAPE为0.006%~0.459%,R^(2)为0.9966~1.0000。与TVFEMD-PSO-FLN模型相比,TVFEMD-BLSO/AO/IVYA/EGO-FLN模型在拟合性能和预测精度方面均有明显提升。采用BLSO、AO、IVYA和EGO算法优化FLN超参数可有效提升模型性能,其中IVYA算法的优化效果较突出。
文摘视频图像中脸像检测是近年来视觉图像检测和模式识别领域的研究热点。提出一种基于实时预测学习分类的脸像快速检测算法,即ARMA-Boost算法。首先根据脸像位置先验信息,利用ARMA模型(auto-regressive and moving average model)预测脸像位置区域,然后采用AdaBoost算法对预测区域进行脸像检测。该方法在时间维度对AdaBoost算法进行扩展,减小脸像搜索范围,提高检测效率。利用该方法对离线视频文件和CCD图像传感器实时脸像视频进行检测,实验结果表明,与支持向量机、传统AdaBoost和基于优化肤色模型的AdaBoost改进算法相比,ARMA-Boost算法脸像检测准确率高,实时性更好,可以对视频脸像进行快速检测应用。
文摘针对在线支持向量回归(online support vector regression,online SVR)算法进行复杂时间序列精确预测时效率较低的问题,提出一种改进减量训练策略的快速预测方法,通过对非支持向量样本的采样选择,采取加速减量训练实现对在线训练数据集规模的缩减,从而达到快速在线训练和预测的目的.将该算法应用于黑龙江移动通信话务量数据的预测中,实验结果表明,在保持OnlineSVR预测精度的条件下,算法执行效率得到大幅提高。
文摘高效视频编码(high efficiency video coding,HEVC)帧间预测方法相比于其他视频编码标准具有更高的编码效率,但同时也带来了更高的编码复杂度.为了加速HEVC帧间预测过程,提出了一种快速帧间预测算法.该算法首先判断当前编码单元(coding unit,CU)的运动特征,然后根据不同的运动特征采取不同的优化措施以减少帧间预测时间.基于HEVC校验模型(HM6.0)的实验结果表明,该算法在基本保持传统算法性能的基础上,编码时间平均可减少53.33%.