基于边界纹理一致性的帧内模板匹配预测算法

提出基于边界纹理一致性的视频帧内模板匹配预测算法,根据图像内容纹理的一致性,在绝对差和(或均方差)的基础上,引入边界纹理一致性约束,形成新的模板匹配准则,以增强模板匹配预测与当前块周围像素之间的相关性,提高模板匹配预测的准确性。实验结果证明,该算法相对于帧内模板匹配预测算法,编码效率平均提升0.11 dB,最高能提升0.17 dB。

基于自适应滚动匹配预测修正模式的光伏区间预测

为解决传统点预测方式难以量化光伏发电功率不确定性的问题以及提高预测精度,提出一种基于自适应滚动匹配预测修正模式的光伏区间预测方法。通过结合小波能量的谱聚类方法对历史光伏数据集进行聚类,构建不同类别的模型输入和区间输出并采用宽度学习系统进行训练;建立不同类别、不同置信区间、不同预测功率区间的stable误差分布,并结合优化目标函数找出每个预测功率区间的最优修正分位数点数值;利用滚动匹配预测修正模式进行区间预测。我国无锡某地的2.8 MW光伏电站算例结果表明,所提方法相较于传统的聚类预测方法具有更好的预测效果。

基于窗口预测匹配的序列图像点目标轨迹检测算法

序列图像中运动点目标轨迹的实时检测算法,是目标识别、实时跟踪处理系统中的关键算法之一。在分析不同层次处理方法的基础上,给出了一种基于预测、窗口匹配的点轨迹预测—匹配检测算法,并根据仿真实验的效果,指出此算法可有效地对低信噪比序列图像运动点目标轨迹进行实时检测,具有多目标轨迹检测能力。

基于预测区域匹配的无人机航拍图像快速拼接

利用无人机侦查拍摄的图像,拼接成整个战场的全景图,方便指挥人员了解战场动态,做出战略决策.根据无人机航拍图片序列的特点,提出了一种快速精确的拼接方法,即在无人机航拍图片拼接过程中,使用一种创新的匹配对齐策略,根据图片间的重叠率构造估计范围矩形,仅对矩形区域内的特征点进行匹配计算,然后使用图像融合等方法优化拼接效果.此算法提高了鲁棒性,可在短时间内获得较好的拼接效果.分别对谷歌地球卫星图片和无人机航拍真实数据进行实验,验证了算法的有效性.

视觉SLAM中基于误匹配风险预测的特征选择

针对视觉SLAM(同时定位与建图)问题,提出了一种预测误匹配风险最小化的特征选择方法.该方法采用预测误匹配风险来衡量新检测到的特征对未来特征匹配过程的影响,然后采用多级排序的方法优先选择误匹配风险小且重现率高的候选特征进行初始化.该方法能根据系统状态估计不确定度的强弱自适应地选择不易被误匹配的特征,从而保证了SLAM算法的收敛性和一致性.在实际单目视觉SLAM系统上的对比实验表明,本文方法在降低特征误匹配率和保证SLAM结果的正确性等方面具有明显优势.

小天体导航陆标深度学习预测框匹配算法

深度学习算法对小天体陨石坑等导航陆标的识别率比传统算法高,但难以实现在多种图像变化下的匹配,针对此问题提出一种基于特征描述符的识别预测框描述方法,并完成识别结果的匹配。该算法首先确定识别预测框圆形支撑区域,构建具有旋转平移、尺度和亮度不变性的10维特征描述符,采用描述符向量间相对距离对预测框匹配。仿真结果表明该算法对不同变换下图像都具有较强的鲁棒性,预测框正确匹配率达到90%以上,可为小天体探测导航提供技术支持。

基于预测匹配差与全局-局部阈值化的轴承缺陷检测与定位算法

为了准确检测轴承在生产加工过程中出现的滚动体漏装等缺陷,提出了基于预测匹配差与全局-局部阈值化的轴承缺陷检测与定位算法,完成滚动体缺失、破损检测与定位。首先,引入分段线性图像增强技术,扩大滚动体与轴承背景的对比度;其次,综合全局与局部阈值化方法,结合种子填充技术,对轴承进行连通边缘标记;再设计一种圆验证机制,将轴承中的非圆边缘滤除,以提取滚动体的ROI区域,缩小了目标检测范围,提高滚动体缺陷的检测效率;最后,利用Open CV来统计不同部件的轮廓面积,从而设计预测匹配差方法,对缺失或破损的滚动体进行定位。仿真结果显示,与当前轴承检测方法相比,对于滚动体漏装或破损轴承,所提算法具有更高的检测与定位准确。

一种基于本征波匹配的EMD边界处理方法

希尔伯特-黄变换(Hilbert-Huang Transform,简称HHT)是上世纪末出现的一种处理非线性非平稳信号的新方法 ,EMD边界处理是其中的关键技术之一。着重介绍了一种基于本征波匹配的EMD边界处理方法——本证波匹配预测法,特别是介绍了将该方法和其他两种有代表性的EMD边界处理方法应用于仿真信号和和实测信号的算例对比,从而验证了本证波匹配预测法的先进性。该工作使得相关研究得到较大程度地深化和完善。

基于流行度的自适应Web预测模型

目前基于局部匹配预测(PPM)模型的研究关注的焦点是在保证预测精度的前提下,尽量缩减PPM的空间占用,但缺乏自适应动态更新机制,难以实现在线预取。针对Web访问特点,提出了基于流行度的自适应预测模型。该模型的核心是基于Web对象流行度的PAPPM预取算法,通过模型构造、模型预测和模型更新三个过程实现了动态自适应的Web预取。讨论并实现了确定性上下文预测,最优阶估算以及上下文LRU替换策略等功能。在Web缓存与预取一体化条件下的实验表明,该模型具有较高的性能,适用于在线预取。

基于支架载荷的矿压双周期分析预测方法

矿压动态预测是顶板管理和顶板灾害防治的重要手段,也是矿山压力与岩层控制领域的难点问题,目前国内外缺乏成熟、可靠的动态预测方法。采用现场实测、数据挖掘以及理论分析方法,从支架载荷在时间和空间2个方面周期性变化规律入手,构建了矿压双周期动态分析预测模型。从时间角度,基于覆岩结构及支架围岩关系分析,通过理论推导得到了3类液压支架载荷时序增阻函数,主要包括指数函数、线性函数、对数函数,通过实测数据验证,认为12401工作面支架载荷时序曲线由单一函数和分段函数构成,主要分为4种类型:单纯指数函数,单纯对数函数,对数+线性函数,对数+指数函数,采用滑动窗口动态预测方法和最大拟合优度的准则,建立了采煤循环内液压支架载荷拟合预测模型。从空间角度,分析了循环末阻力随工作面推进度的周期性变化特征,采用系统聚类和K-means两种聚类方法对周期性曲线进行分类并建立模板曲线,采用延伸窗口动态预测方法和最大匹配度准则,建立了循环末阻力模板曲线匹配预测模型。通过软件开发,实现了电液控制系统中立柱压力数据的采集、预处理、矿压特征指标分析、拟合预测、匹配预测等功能,以神东上湾煤矿12401工作面支架载荷数据进行初步预测实践,支架载荷及循环末阻力预测准确率86%以上。矿压双周期预测模型是结合覆岩运动模型和支架载荷实测数据而提出的矿压动态预测新方法,可为综采工作面顶板管理、围岩控制策略的超前制定提供参考。

一种用于Web服务预测的改进PPM模型

针对现有PPM模型预测准确率不够高,且无法处理好预测准确率与预测代价之间平衡的问题,提出了一种新的改进PPM模型(PD-PPM)用于Web服务预测,以便更实时地向用户提供个性化、智能化的服务。为了建立该模型,定义了Web服务编码结构、错误补偿矩阵(ECM)、子类服务PPM模型(SW-PPM)和大类服务PPM模型(PW-PPM),并利用控制领域的PD控制算法,在SW-PPM模型与PW-PPM模型之间进行切换控制和参数调整;此外,还在ECM的基础上建立了错误补偿机制。经实验证明,PD-PPM模型能有效平衡预测准确率和预测代价之间的矛盾,并可以对预测准确率进行精准地跟踪控制,从而达到了预期的效果。

UCM-PPM:基于用户分级的多参量Web预测模型

Web在过去数十年飞速发展,其低延迟和快响应的特性已经变得越来越重要.面对这样的需求,通常会预取用户即将访问的文件到缓存中,利用代理服务器缓存来获取数据,避免网络堵塞,提高Web访问效率.可见,在预取技术中,一个有效的预测模型是非常有必要的.针对目前缓存预取工作对用户差异关注度不足和度量指标单一化的薄弱环节,提出一个基于用户分级化的Web预测模型,并且能够随着Web请求进行多参数动态调整.该模型通过对代理服务器上用户访问情况分布的变化趋势分析,将用户集分为重要性不同的若干等级,并适当利用序列相似度来聚类低贡献用户产生的会话,之后在部分匹配预测模型的基础上,结合缓存替换策略为预测树结点构造包含多个参量的目标函数,并使构建好的模型能够进行自适应调整.最后通过实验证明该模型可以有效提高缓存的预取性能.

基于区域最大概率准则的帧内预测模式编码算法

H．264标准中亮度分量的9种帧内预测模式的序号是预先设定的，这对于具体的视频序列并不是最优的。为了进一步提高帧内编码的效率，通过对帧内预测编码算法的深入研究，利用相邻宏块间的纹理相关性和预测模式的方向性，提出一种新的帧内预测模式编码算法。通过在和当前编码块纹理相关性最大的区域中动态的统计出各个预测模式的使用概率，然后根据预测模式使用概率的大小来计算当前块的最可能编码模式。实验结果表明：与H．264参考模型JM86相比，该算法可以显著提高当前图像块的最优预测模式和最可能预测模式的匹配概率，使预测模式信息编码所需要的比特数平均减少5％～7％，从而降低了编码后的码率，而峰值信噪比（PSNR）基本保持不变。

基于上下文感知的中文新词识别算法

为提高中文信息处理中的新词识别效率,提出一种基于上下文感知的新词识别算法。首先基于网络新词的特点,对网络文本进行N元(N-Gram)切分预处理,然后利用局部匹配预测(PPM)算法对中文新词进行识别,最后采用LRU替换算法对识别出的新词进行入库处理。实验表明,较之当今几个主流的分词机制,该算法具有较高的识别率和召回率。

可控震源高效采集数据特征干扰压制技术

可控震源远距离同步滑动扫描(DS4)高效采集方式极大地提高了野外采集效率,但这种采集方式会产生两种较为严重的特征干扰噪声——谐波干扰噪声和交涉干扰噪声,给室内数据处理造成了较大的困难。针对这两种特征干扰噪声分别进行噪声压制:对谐波干扰采用自适应匹配预测滤波谐波压制方法,克服了地面力信号记录不准确和大地对基波信号和谐波信号衰减不同造成的预测谐波不准确问题,准确地压制谐波干扰,同时几乎不损害有效能量;将存在交涉干扰的记录变换到人工分选道集中再进行随机噪声压制。模型试算和野外实际资料的测试结果证明了特征干扰压制方法能很好地压制谐波干扰和交涉干扰,且谐波干扰和交涉干扰压制后的叠加剖面中谐波噪声被消除,交涉干扰导致的同相轴不连续现象也得到了明显改善。

Cycle life prediction and match detection in retired electric vehicle batteries

The lifespan models of commercial 18650-type lithium ion batteries （nominal capacity of 1150 mA-h） were presented. The lifespan was extrapolated based on this model. The results indicate that the relationship of capacity retention and cycle number can be expressed by Gaussian function. The selecting function and optimal precision were verified through actual match detection and a range of alternating current impedance testing. The cycle life model with high precision （〉99%） is beneficial to shortening the orediction time and cutting the prediction cost.

面向智能电网的空间隐蔽型恶性数据注入攻击在线防御研究

智能电网的安全运行高度依赖信息环节功能所提供的强大技术保障,致使电网在运行过程中易受到恶性数据注入等网络攻击的威胁,其中空间隐蔽型恶性数据注入攻击是最普遍的一种。为保证该类恶性数据注入攻击在电网运行中能被高效实时检测处理,提出一套面向监视控制与数据采集(supervisory control and data acquisition,SCADA)和相量测量单元(phasor measurement unit,PMU)混合量测的智能电网恶性数据在线防御流程。首先通过历史状态量获取与状态预测实现状态量挖掘,再进行SCADA仪表与PMU量测量的恶性数据检测、剔除与修正。此外,该文提出一种适用于混合量测系统的多重匹配状态预测方法,其预测结果作为状态参考用以打破恶性数据隐蔽性。IEEE-14和IEEE-118节点测试系统仿真结果验证了所提方法预测准确性及在线检测空间隐蔽型恶性数据的有效性。

使用直方图排序模型的自适应部分失真搜索

运动估计在视频编码中占据十分重要的地位,因为它能有效地去除图像序列的时域冗余,大大提高编码效率,但其计算复杂度较高,难以适应实时性要求较高的场合。为了降低运动估计的复杂度,提出了使用直方图排序模型进行匹配误差预测的快速匹配算法,该算法首先利用运动矢量相关性进行初始搜索中心预测,然后将块划分为1×4子块,利用当前块的像素直方图分析各子块的边缘强度,并根据边缘强度决定各子块匹配顺序,最后依据子块边缘强度大小利用已计算的子块部分失真自适应预测当前候选块匹配误差,可以在完成失真计算前较早的排除不可能的候选块,有效地降低匹配准则复杂度。实验结果表明,在不考虑额外开销的情况下,该算法比PDS算法减少92.62%的计算量,而图像质量基本不变,可以忽略不计。

利用格雷码和像素分解提升PPM压缩效果

数字灰度图像中邻近的像素倾向于具有相似的亮度。像素亮度一般情况下用普通二进制编码。然而,采用普通二进制编码,比特间的相关并不能反映像素亮度之间的相近度。本研究采用了格雷码而非普通二进制编码,并将图像分解为子图像(分别是2个、4个和8个)。每个分解后的子图像将分别用PPM压缩(PPM是一种基于背景的适应性数据无损方案)。该方案在8个自然场景图像中测试。结果显示同等条件下采用格雷码和像素分解提升了PPM压缩效果。

基于IHMF算法的火电机组短期负荷预测研究

文中以660 MW燃煤发电机组为研究对象,提出了一种改进的基于历史数据匹配预测算法(Improve History Matching and Forecasting algorithm,IHMF)的机组短期负荷预测模型。IHMF算法利用日负荷的相似性特征,通过加权欧氏距离法同时对负荷差分序列和原始负荷序列进行相似性匹配,基于归一化后的和最小原则获得最相似日的负荷序列。算例测试表明:IHMF算法180 min内最大预测误差为6.875%,远低于HMF算法最大预测误差12.704%。此外,IHMF负荷预测模型在较长时间的连续状态下能够较好地预测出未来负荷的变化。文中所提的IHMF负荷预测模型可有效应用于电站实际生产,方便运行人员依据负荷预测结果提前制定机组运行计划与生产方案。