分块压缩感知编码的重建图像改进算法

针对待编码图像分块实施压缩感知编码重建过程耗时较长问题,不是按照观测值与观测矩阵之间的关系来设计重建算法,而是在重建时先建立码书,然后直接从它中搜索出观测值意义下均方误差最小的最佳匹配块,作为重建图像子块.为了减少搜索范围,设置了剔除条件,设计出一个在码书中搜索最佳匹配块的限制搜索空间算法.四幅图像的仿真结果表明,重建图像质量对构成码书的原始图像不是特别敏感,具有一定的鲁棒性.它确实能够在重建图像质量有一定降低的情况下,其平均重建时间仅为正交匹配追踪算法的13.6%(16×16分块)与0.05%(32×32分块),为实时重建提供了一个较好的候选算法.

基于LSTM的空气质量预测模型

为了准确预测空气质量,结合实际的天气污染情况,在WRF-CMAQ等一次预报模型的基础上,利用神经网络、机器学习方法中的LSTM算法以及线性学习方法,针对大量的数据进行二次数学建模来提升预测的准确性,同时解决了对现实中存在数据不全导致无法预测的问题.根据预测数据和实际数据对比,建立的空气质量预测模型预测出的数据与真实值的误差均在2%以内.