-
题名滑动窗口的普通克立格方法在降水量插值中的应用
被引量：5
- 1
-
-
作者
熊敏诠
-
机构
中国科学院大气物理研究所
中国科学院大学
国家气象中心
-
出处
《气象》
CSCD
北大核心
2013年第4期486-493,共8页
-
基金
公益性行业(气象)科研专项(GYHY201106027和GYHY201106010)共同资助
-
文摘
利用2009年全国2200个观测站降水量资料,使用滑动窗口的普通克立格方法对降水量资料进行格点化估计。针对滑动窗口的普通克立格方法在降水量格点化应用中存在的问题,设计了3种技术处理的试验方案。比较了全局搜索与方位邻近方法的误差,讨论了最大影响半径及屏蔽效应对插值效果的作用。提出了方位邻近法的样本点选择策略,结果表明,相对传统滑动窗口的普通克立格方法较常使用的全局搜索法而言,方位邻近法显著降低了计算资源的耗用,同时又具有较高的插值精度,特别是在站点密集地区有突出的优势;试验结果也表明:变程为4°～5°的经(纬)线弧长时,在方位邻近法下,我国大部分区域有较好的插值效果;屏蔽效应弱,ε取值为0.1时,降水量插值准确率较高,随着ε增大,插值误差也逐渐增大。
-
关键词
滑动窗口的普通克立格方法
变异函数
方位邻近法
插值误差
-
Keywords
moving window ordinary kriging, variogram, direction neighborhood method, interpolation error
-
分类号
P413
[天文地球—大气科学及气象学]
-
-
题名基于混频时序深度学习模型的汽车产业风险预测研究
- 2
-
-
作者
刘洋
王广渠
韩立宁
-
机构
武汉大学信息管理学院
武汉大学国家网络安全学院
武汉大学经济与管理学院
-
出处
《工业技术经济》
北大核心
2025年第7期111-123,共13页
-
基金
教育部人文社会科学研究青年项目“基于社交机器人的突发公共卫生事件公众心理应激干预研究”(项目编号:22YJCZH114)
教育部人文社会科学研究青年项目“行业关联与金融风险:基于网络经济学方法的研究”(项目编号:19YJC790033)
国家语委科研项目“领域数字化语言服务资源建设与关键技术研究”(项目编号:YB145-74)。
-
文摘
预测作为现代产业经济管理的核心环节,对于保障经济协调发展、优化产业结构及科学制定产业发展政策具有不可替代的作用。本文提出了一种创新的解决方案——混频时序融合双重注意力网络(Mixed-Frequency Temporal Fusion Dual Attention Network,简称MF-TF-DAN)。尤为关键的是,MF-TFDAN模型创新性地引入了双重注意力机制,该机制从时间和特征两个维度出发,对经过GRU和CNN处理后的信息进行深度挖掘和重要性评估。本文在产业风险数据集上进行了全面深入的实验验证,包括不同预测步长的模型对比实验和消融实验。实验结果表明,MF-TF-DAN模型在混频数据预测任务中表现出显著优于其他对比模型的性能。这一成果不仅证明了模型设计的科学性和有效性,也为产业风险预测领域带来了新的突破。该模型为产业管理者提供了前所未有的精准风险预警能力,使管理者能够更深入地洞察市场变化,提前识别并评估潜在风险,从而制定出更加科学和合理的企业战略和市场应对策略。
-
关键词
产业风险
汽车产业
深度学习
时间序列
混频数据
滑动窗口方法
电气能源
双重注意力机制
-
Keywords
industrial risk
automobile industry
deep learning
time series
mixed frequency data
sliding windows
electrical energy
dual attention mechanism
-
分类号
F425
[经济管理—产业经济]
F224
[经济管理—国民经济]
-
-
题名高分辨率遥感图像的目标检测
被引量：3
- 3
-
-
作者
梁海翔
唐艳慧
王宇庆
张德浩
-
机构
中国科学院长春光学精密机械与物理研究所
中国科学院大学
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2024年第10期1350-1360,共11页
-
文摘
卫星遥感图像的分辨率高且目标在图像内的相对尺寸小,因此难以同时确保检测准确率和运行速度。为解决高像素遥感图像的目标检测问题,本文提出了一种结合滑动窗口分割和小目标检测器的检测方法。首先使用滑动窗口法将图像分割成多个子图,滑动步长略小于窗口的大小以使每个子图之间具有一定的重叠部分,并采用较大的分割窗口以降低子图数量。之后对子图进行压缩,使用目标检测算法处理压缩后的图片,降低算法运行时间。最后合并检测结果并采用非极大化抑制策略以去除在重叠部分重复检测的目标。在检测算法方面,本文以YOLOv8n为基础,使用SPD卷积核对网络结构进行改进,基于NWD方法调整正负样本匹配策略,并改进特征金字塔结构以提升算法对小目标的检测性能,从而使算法能够适应在更大尺寸下压缩的子图以减少图像分割数量,提升检测速度。实验证明,在图像平均分辨率为4000×4000的车辆检测数据集上,该方法对目标检测的平均准确率为55.7%,平均每张图片的计算时间约为47.5 ms,准确率比YOLOv8n提升16%,比YOLOv5s提升15%,比YOLOv6s提升7.6%。本文方法的运行效率满足实时化要求,能够以更高精度实时检测卫星遥感图像中的目标。
-
关键词
目标检测
遥感图像
YOLOv8算法
小目标检测
滑动窗口方法
-
Keywords
object detection
remote sensing images
YOLOv8
small target detection
sliding window method
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名分割位置提示的可变形部件模型快速目标检测
被引量：11
- 4
-
-
作者
杨扬
李善平
-
机构
浙江大学计算机科学与技术学院
-
出处
《自动化学报》
EI
CSCD
北大核心
2012年第4期540-548,共9页
-
文摘
针对滑动窗口目标检测方法需要穷举搜索目标、检测速度较慢的问题,提出一种可变形部件模型候选点检测算法.图像先经过两种不同原理的分割方法预处理,尽量使至少一个分割接近目标真实位置,分割的左上角附近称为候选点.然后,将可变形部件模型作为底层检测器,模型的训练和测试都只在候选点上进行,这大大提高了检测速度.在PASCAL2007数据集上的实验结果表明,候选点检测在一半类别上的正确率超过了穷举搜索方法.
-
关键词
目标检测
可变形部件模型
图像分割
隐支持向量机
滑动窗口方法
-
Keywords
Object detection
deformable part models
image segmentation
latent support vector machine（latent SVM）
sliding windows
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
