基于深度残差回归网络和图像块预置信度的盲图像质量评价研究

互联网技术的发展使得信息载体形式逐渐多元丰富,其中图像作为重要的信息载体形式能有效实现信息的交流与传达.但当前多数图像质量评价场景均为盲图像,其图像特征的提取精度以及与人类视觉系统的拟合程度依然是重要的研究内容.故该文基于原盲图像提取过程中受核函数受限问题而造成的低精度问题,通过引入深度残差回归网络和图像置信度,并借助图像子块的划分、非均匀步长的引入以及基于亮度和对比度的置信区间设置来获得图像的预测质量分数.结果表明,该盲图像质量评价算法具有较好的泛化性能,且在不同尺寸划分下的失真图像预测结果中均有超过3%的分数提升效果.SROCC值和PLCC值均在0.9以上,RMSE值均低于其他算法,主客观评价质量具有较高的一致性.该方法能有效为符合人眼观测的盲图像预测质量评价提供新的手段,拓宽其评价工作深度.

基于残差回归网络的复杂背景下海界线检测

海界线对基于视觉的海面目标检测、识别、航行避障具有重要的意义,在复杂的海空或者海陆背景环境中,云层、波浪反射及嘈杂的海面、陆地信息等都会给海界线的提取造成严重的干扰。该文提出一种基于残差回归网络的海界线提取算法,首先采用残差回归网络进行全图回归获得逐像素的海界线概率图,再通过OTSU算法对概率图进行阈值分割,初步提取海界点,然后采用meanshift聚类方法进行干扰点的排除,最后采用最小二乘算法,提取出海界线的位置。该算法在大部分复杂的海空或者海陆背景中,均能快速、精确地检测到海界线的位置,其克服了传统的基于梯度或者纹理等低级特征的海界线提取算法在复杂背景下抗干扰能力差的特点,并且能提取曲线形式的海界线,时间复杂度与传统方法并无太大差距,具有实际使用价值。

基于ARIMA模型和残差自回归模型的广东省鸡蛋价格分析及预测

本文基于中国畜牧业年鉴的广东省鸡蛋价格,构建了ARIMA模型和残差自回归模型。根据模型理论依据、评价指标,例如拟合优度、均方误差、平均绝对误差、信息准则等选择最优模型预测鸡蛋价格。本文得出最优的预测模型是乘积季节模型。利用该模型测出广东省未来的鸡蛋价格,同时对政府、养殖者、投资者和消费者四大主体提出相应的实际建议。本文不仅丰富了鸡蛋价格预测的理论基础,而且为相关主体的决策提供了有价值的参考依据。

具有线性趋势的残差自回归模型的估计方法

为了探寻具有线性趋势的残差自回归模型的较为合适的估计方法,文章以残差AR(2)模型为例,对直接最小二乘法、两步法、非线性最小二乘法和化归法进行了Monte Carlo模拟,拟合和预测结果显示非线性最小二乘法和化归法的均方误差和平均绝对误差相同且最小。此外,还利用1980—2013年河南省人均GDP经济数据进行了拟合与预测实证分析,得到了与模拟比较相类似的结果,这说明非线性最小二乘法和化归法是较优的估计方法。进一步地,基于非线性最小二乘法,给出了河南省人均GDP的短期预测。

具有非参数趋势的残差自回归模型的预测方法

为了探寻具有非参数趋势的残差自回归模型的较为合适的预测方法,文章考虑了基于多项式样条的两种方法:直接法和两步法,模拟算例表明两步法拟合与预测的均方误差(MSE)和平均绝对误差(MAE)都小于直接法拟合与预测的MSE和MAE,此外,还对人民币/美元的日度汇率数据进行了拟合与预测的实证分析,得到了与模拟算例相类似的结果,这说明两步法优于直接法,两步法是一种较好的预测方法。

残差自回归模型在甲型病毒性肝炎发病数预测中的应用

目的探讨残差自回归模型在甲型病毒性肝炎发病数拟合及预测中的应用。方法收集2001—2013年某省甲肝月发病数资料作为拟合数据,以2014年月发病数作为预测数据,建立残差自回归模型,根据相对误差(RE),平均相对误差(MRPE)、平均误差率(MER)、均方误差(MSE)和平均绝对误差(MAE)评价模型拟合和及预测效果。结果残差自回归模型拟合和预测的MAPE、MER、MSE、MAE分别为1.863%,14.011%,508.315,27.613和11.797%,25.491%,26.516,6.415。结论残差自回归模型可以较好地拟合甲肝月发病数时间序列,预测结果可信。

基于残差自回归模型的兰州市财政收入预测与决策

根据兰州市1994-2012年的财政收入，建立了基于残差自回归模型的财政收入预测模型，拟合效果较好，利用此模型预测了兰州市未来3年的财政收入，并对预测结果进行了分析，提出相关建议，最后探讨了残差自回归模型的应注意事项．

基于SVR残差修正自回归模型的区域物流需求预测

物流需求预测的效率和精度直接影响物流系统的有效规划、管理,考虑到大多区域经济变量具有非线性与波动性的特征,传统的线性建模和预测技术难以适应物流需求预测的精度要求。因此,提出基于SVR残差修正自回归的区域物流需求预测模型。首先采用残差自回归模型拟合序列的线性部分;然后对拟合后的残差序列采用SVR方法再次提取其非线性信息,从而提高模型的预测精度;最后以广东省公路货运量的预测为例说明模型的有效性。为满足社会物流需求,有效地进行物流规划、管理,提供了良好的决策支持。

残差自回归模型在安徽省GDP预测中的应用

根据1979年到2018年的安徽省GDP数据,建立残差自回归模型对安徽省GDP进行了短期预测,并与真实值进行了比较,拟合效果较好.结果表明,对残差序列进行自相关建模有利于数据内在趋势的提取,能更好地反映统计数据的内在规律,可为安徽省制定经济发展目标提供决策参考.

利用局部Moran's I_i统计量检验回归模型的残差之间的趋势性

局部Moran'sIi统计量是在检验空间的局部相关性时经常用到的一个统计量.本文基于正态变量二次型分布的理论,利用局部Moran'sIi统计量来检验经典线性回归模型的拟合残差之间的趋势性,并给出了计算检验p-值的精确方法与三阶矩χ2逼近方法.

国际石油价格之残差自回归模型短期预测

国际石油市场上,油价围绕国际石油价值这个轴心随供求关系的变化而不断上下波动。而石油是现代工业的血液,预测油价变化,制定相关石油战略,具有重要的意义。文章运用非平稳序列的残差自回归模型方法对以往油价建立模型进行短期预测,模型拟合度比较理想,并和ARIMA模型及GARCH模型结果比较,残差自回归明显优于其他模型。

基于残差自回归方法的短期区域用电量预测

基于我国区域用电量数据展开了短期用电量预测研究,采用了基于残差自回归方法的时间序列预测模型,有效提高了短期区域用电量预测准确性。相比于传统的时间序列模型(ARIMA模型和Holt-Winters模型),基于残差自回归方法的时间序列预测模型的MAPE值和RMSE值均最小,并在两个不同的数据集上表现平稳。

残差自回归模型在人工林红松树高生长规律预测中的应用

以吉林省通化县三棚林场调查的1株人工林红松解析木数据为基础,拟合树高生长数据,对比传统的树木理论生长模型中的约翰逊-舒马赫(Johnson-Schumacher)生长模型、逻辑斯蒂(Logistic)生长模型、米切利希(Mitscherlich)生长模型、坎派兹(Gompertz)生长模型、理查德(Richards)生长模型的拟合结果。以5种树木理论生长模型中拟合最好的坎派兹生长模型为基础,根据时间序列分析理论,建立残差自回归模型,预测树高生长。结果证明:残差自回归模型,比传统的树木理论生长模型能更好地用于描述红松人工林的树高生长规律。

基于残差自回归和自适应过滤的生活能源消费量组合预测模型

文章主要应用残差自回归模型和自适应过滤模型,对1980年到2006年间我国生活能源消费量时间序列建模,并通过两种模型组合预测得到了2007年到2010年的我国生活能源消费量的预测值。

残差自回归模型的研究——基于四川省人均GDP的实证分析

采用1979年到2012年的四川人均GDP数据,通过建立残差自回归模型对四川人均GDP进行了预测.结果表明,对残差进行序列相关模型处理有利于对数据的内在趋势进行提取,从而更好地描述数据统计的内在规律.最后对四川省人均GDP做了短期预测,并与真实值进行了比较.

残差自回归半参数模型的参数估计

研究了残差自回归半参数模型的参数估计,运用广义最小二乘法估计了参数部分.用随机模拟说明了运用广义最小二乘(GLSE)估计出的参数部分优于运用普通最小二乘法(OLSE)得到的估计.

融合深度学习与回归残差神经网络的流量预测方法

针对流量预测的精度不高的问题,提出一种融合深度学习与回归残差神经网络的流量预测方法。考虑到流量数据时空相关性,通过CNN-LSTM网络挖掘流量数据的时空相关性,在此基础上,构建回归残差RBF神经网络实现残差推理。实验表明,本模型比传统的模型误差3.3%左右,迭代速度提升15%左右,可以看出,模型在一定程度上提升了流量预测的准确性。

基于残差自回归模型的北京市92#汽油价格的分析与预测

油价关系国计民生。本文选取北京市2013年1月至2018年10月的92#汽油调整日的价格数据,运用残差自回归模型考察其波动趋势,提取其内在变化规律,并做出预测,为政府调整控制油价,企业制定生产决策,维持人们正常生活生产秩序提供参考。

残差自回归模型在旅游经济当中的应用

通过分析旅游经济重要指标的数据特点,运用残差自回归方法对旅游经济的重要指标做了短期的预测,预测结果较为理想,然后对五个重要的旅游经济指标做了预测分析,并提出了合理的对策和建议。