期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于小波神经网络的潘家口水库汛期月径流预测
1
作者
朱静思
侯天宇
《海河水利》
2018年第2期43-45,56,共4页
小波神经网络组合模型兼有小波变化良好的时频局部化性质和神经网络强大的非线性逼近能力。尝试将潘家口水库1995—2015年6—9月逐月径流系列按时间顺序排列,对不同序列根据小波函数选择准则选择适用的小波函数,通过小波分解与重构得到...
小波神经网络组合模型兼有小波变化良好的时频局部化性质和神经网络强大的非线性逼近能力。尝试将潘家口水库1995—2015年6—9月逐月径流系列按时间顺序排列,对不同序列根据小波函数选择准则选择适用的小波函数,通过小波分解与重构得到高、低频小波系数,并将区间降水、其它断面入流和上月水库入流作为输入,将本月水库入流作为输出,构建小波神经网络(WNM)模型进行训练、检验、预测,并与单一神经网络(ANN)模型预测做比较。研究结果表明,小波神经网络模型结构简单、收敛速度快,月径流变化趋势预测精度较高,具备可靠性和实用性。
展开更多
关键词
小波
神经网络
径流预测
小波
函数
小波系数重构
下载PDF
职称材料
一种基于L_(1/2)正则约束的超分辨率重建算法
被引量:
7
2
作者
徐志刚
李文文
+1 位作者
朱红蕾
朱旭锋
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2017年第6期38-42,共5页
为了提高重建图像质量,减少处理时间,提出一种基于L_(1/2)正则约束的单帧图像超分辨率重建算法.该算法在稀疏重建字典对训练阶段,为了有效提取低分辨率图像边缘、纹理等特征细节信息,采用小波系数单支重构方法对低分辨率图像进行特征提...
为了提高重建图像质量,减少处理时间,提出一种基于L_(1/2)正则约束的单帧图像超分辨率重建算法.该算法在稀疏重建字典对训练阶段,为了有效提取低分辨率图像边缘、纹理等特征细节信息,采用小波系数单支重构方法对低分辨率图像进行特征提取;而在图像重建阶段,为了解决基于L1正则模型得到的解时常不够稀疏,重建图像质量有待进一步提高的问题,采用L_(1/2)范数代替L1范数构建超分辨率重建模型,并且采用一种快速求解的L_(1/2)正则化算法进行稀疏求解.实验结果表明:与现有算法相比较,该算法在重建图像主观和客观评价指标、算法运行速度等方面均更优.
展开更多
关键词
重建图像
超分辨率
稀疏表示
L(1/2)正则模型
小波
系数
单支
重构
原文传递
题名
基于小波神经网络的潘家口水库汛期月径流预测
1
作者
朱静思
侯天宇
机构
海河水利委员会水文局
天津市突发公共事件预警信息发布中心
出处
《海河水利》
2018年第2期43-45,56,共4页
文摘
小波神经网络组合模型兼有小波变化良好的时频局部化性质和神经网络强大的非线性逼近能力。尝试将潘家口水库1995—2015年6—9月逐月径流系列按时间顺序排列,对不同序列根据小波函数选择准则选择适用的小波函数,通过小波分解与重构得到高、低频小波系数,并将区间降水、其它断面入流和上月水库入流作为输入,将本月水库入流作为输出,构建小波神经网络(WNM)模型进行训练、检验、预测,并与单一神经网络(ANN)模型预测做比较。研究结果表明,小波神经网络模型结构简单、收敛速度快,月径流变化趋势预测精度较高,具备可靠性和实用性。
关键词
小波
神经网络
径流预测
小波
函数
小波系数重构
分类号
TV121.1 [水利工程—水文学及水资源]
下载PDF
职称材料
题名
一种基于L_(1/2)正则约束的超分辨率重建算法
被引量:
7
2
作者
徐志刚
李文文
朱红蕾
朱旭锋
机构
兰州理工大学计算机与通信学院
北京航天自动控制研究所
出处
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2017年第6期38-42,共5页
基金
国家自然科学基金资助项目(61363078)
兰州理工大学博士科研基金资助项目
文摘
为了提高重建图像质量,减少处理时间,提出一种基于L_(1/2)正则约束的单帧图像超分辨率重建算法.该算法在稀疏重建字典对训练阶段,为了有效提取低分辨率图像边缘、纹理等特征细节信息,采用小波系数单支重构方法对低分辨率图像进行特征提取;而在图像重建阶段,为了解决基于L1正则模型得到的解时常不够稀疏,重建图像质量有待进一步提高的问题,采用L_(1/2)范数代替L1范数构建超分辨率重建模型,并且采用一种快速求解的L_(1/2)正则化算法进行稀疏求解.实验结果表明:与现有算法相比较,该算法在重建图像主观和客观评价指标、算法运行速度等方面均更优.
关键词
重建图像
超分辨率
稀疏表示
L(1/2)正则模型
小波
系数
单支
重构
Keywords
reconstructed image
super-resolution
sparse representation
L(1/2) regularization model
single branch reconstruction of wavelet coefficients
分类号
TP391 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于小波神经网络的潘家口水库汛期月径流预测
朱静思
侯天宇
《海河水利》
2018
0
下载PDF
职称材料
2
一种基于L_(1/2)正则约束的超分辨率重建算法
徐志刚
李文文
朱红蕾
朱旭锋
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2017
7
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部