为了有效解决现有彩色图像可逆数据隐藏(Reversible Data Hiding,RDH)算法中隐写图像视觉质量低的问题,提出一种多层次插值预测和全局排序的彩色图像RDH方案.首先,为了充分利用图像中不同纹理区域的特征,设计一种多层次插值预测方法,显...为了有效解决现有彩色图像可逆数据隐藏(Reversible Data Hiding,RDH)算法中隐写图像视觉质量低的问题,提出一种多层次插值预测和全局排序的彩色图像RDH方案.首先,为了充分利用图像中不同纹理区域的特征,设计一种多层次插值预测方法,显著地提升了像素的预测精度;然后,设计一种基于复杂度的全局排序策略,分别对彩色图像三个通道中的预测误差进行排序,充分利用每个通道中预测误差的全局特征,生成分布更加集中的三维预测误差直方图(Three-Dimensional Prediction Error Histogram,3D PEH);最后,利用自适应三维映射策略修改误差直方图,嵌入秘密数据.实验结果表明,与最新的一些方案相比,所提的方法实现了更好的嵌入性能.展开更多
水质指标具有多元相关性、时序性和非线性的特点,为有效预测河流水质变化,针对水质数据存在缺失和异常的问题,提出基于灰色关联分析-门控循环单元(Grey Relational Analysis-Gated Recurrent Unit, GRA-GRU)的水质预测模型。以淮河流域...水质指标具有多元相关性、时序性和非线性的特点,为有效预测河流水质变化,针对水质数据存在缺失和异常的问题,提出基于灰色关联分析-门控循环单元(Grey Relational Analysis-Gated Recurrent Unit, GRA-GRU)的水质预测模型。以淮河流域水质数据为样本,使用线性插值修补缺失数据和剔除的异常数据。使用灰色关联分析计算不同水质指标间的相关性,选择高相关性的水质指标以确定输入变量,并使用门控循环单元(Gated Recurrent Unit, GRU)预测不同的水质指标。将GRA-GRU的预测结果与反向传播神经网络(Back Propagation Neural Network, BPNN)、循环神经网络(Recurrent Neural Network, RNN)、长短期记忆神经网络(Long Short Term Memory, LSTM)、GRU及灰色关联分析-长短期记忆神经网络(Grey Relational Analysis-Long Short Term Memory, GRA-LSTM)进行对比分析,结果显示GRA-GRU在不同水质指标预测上具有较好的适应性,可以有效降低预测误差。其中,与其他模型相比,GRA-GRU预测的化学需氧量在均方根误差上分别降低了3.617%、0.681%、0.478%、1.505%和0.471%。展开更多
为减小系统及数字化控制器延时对有源电力滤波器(active power filter,APF)补偿性能的影响,基于一种改进的自适应预测方法,该文提出3种APF参考电流的预测策略,并对它们的稳态预测误差和动态跟踪性能进行实例比较和仿真分析,得出:首先对...为减小系统及数字化控制器延时对有源电力滤波器(active power filter,APF)补偿性能的影响,基于一种改进的自适应预测方法,该文提出3种APF参考电流的预测策略,并对它们的稳态预测误差和动态跟踪性能进行实例比较和仿真分析,得出:首先对输入信号进行预处理,再利用其来预测电网基波电流的预测策略是最优的。该文还提出利用自适应预测算法和内插值算法相结合来实现对APF参考电流预测的思想,这样既达到了较高的预测精度,又保证了系数的自适应调整运算有充裕的时间完成,使滤波器系数的自适应调整运算不影响功能程序的执行。所提出的预测控制方法在某铜箔厂注入式混合型有源电力滤波器(injection hybrid active power filter,IHAPF)中进行现场实验,之后成功投入到工业应用。实验结果和工业应用效果均表明文章所提方法的有效性和可行性。展开更多
文摘水质指标具有多元相关性、时序性和非线性的特点,为有效预测河流水质变化,针对水质数据存在缺失和异常的问题,提出基于灰色关联分析-门控循环单元(Grey Relational Analysis-Gated Recurrent Unit, GRA-GRU)的水质预测模型。以淮河流域水质数据为样本,使用线性插值修补缺失数据和剔除的异常数据。使用灰色关联分析计算不同水质指标间的相关性,选择高相关性的水质指标以确定输入变量,并使用门控循环单元(Gated Recurrent Unit, GRU)预测不同的水质指标。将GRA-GRU的预测结果与反向传播神经网络(Back Propagation Neural Network, BPNN)、循环神经网络(Recurrent Neural Network, RNN)、长短期记忆神经网络(Long Short Term Memory, LSTM)、GRU及灰色关联分析-长短期记忆神经网络(Grey Relational Analysis-Long Short Term Memory, GRA-LSTM)进行对比分析,结果显示GRA-GRU在不同水质指标预测上具有较好的适应性,可以有效降低预测误差。其中,与其他模型相比,GRA-GRU预测的化学需氧量在均方根误差上分别降低了3.617%、0.681%、0.478%、1.505%和0.471%。
文摘为减小系统及数字化控制器延时对有源电力滤波器(active power filter,APF)补偿性能的影响,基于一种改进的自适应预测方法,该文提出3种APF参考电流的预测策略,并对它们的稳态预测误差和动态跟踪性能进行实例比较和仿真分析,得出:首先对输入信号进行预处理,再利用其来预测电网基波电流的预测策略是最优的。该文还提出利用自适应预测算法和内插值算法相结合来实现对APF参考电流预测的思想,这样既达到了较高的预测精度,又保证了系数的自适应调整运算有充裕的时间完成,使滤波器系数的自适应调整运算不影响功能程序的执行。所提出的预测控制方法在某铜箔厂注入式混合型有源电力滤波器(injection hybrid active power filter,IHAPF)中进行现场实验,之后成功投入到工业应用。实验结果和工业应用效果均表明文章所提方法的有效性和可行性。
