基于改进平滑L0范数的图像重构算法

针对图像重构问题,文章提出一种基于改进平滑L0范数(SL0)稀疏信号重构算法。首先,选用负指数函数作为平滑函数趋近L0范数,将图像稀疏重构问题转化为平滑函数的优化求解。通过调整控制参数,使得负指数函数趋近L0范数。再通过循环迭代与梯度投影方法,求出最优解。实验结果表明,该算法较其他传统算法对图像重构具有优势。

基于粒子群算法的指数平滑系数优化方法

主要研究指数平滑法中平滑系数的优化方法,使用改进的粒子群算法,并采用预测误差平方和(SSE)作为精度评价指标求解平滑系数,使求解值逼进平滑系数的最优解。通过在实际数据集上的与其他平滑系数优化方法的对比分析,文中所提出的基于改进粒子群的指数平滑系数优化算法,能更加准确地求解出平滑系数,并且提高了算法能力,解决了其他算法在多极值的情况下不一定能求出最好平滑系数的问题。

海量实时序列数据指数平滑预测分割算法

时间序列分割是时间序列挖掘的重要任务之一。实时数据快速变化,数据量巨大,所以如何对实时数据进行快速而准确的分割很具有挑战性。提出基于指数平滑预测的滑动时间窗分割算法可以快速有效地分割在线实时数据,该算法基于滑动窗口和平滑指数算法,分析实时数据的统计特性,推导出序列的预测误差和压缩率之间的关系,通过序列预测的误差来判断分割点,加入校验环节提高算法的健壮性。通过本课题所使用的数据集以及公共数据集验证算法结果说明,该算法能够有效地在线检测出实时数据的分割点,并且时间复杂度较低。

时间序列指数平滑模型新体系及算法

本文提出了动态平滑参数的概念,由此建立了一类不需选取平滑初值、带有动态平滑参数的指数平滑新模型体系,包括差分-指数平滑模型;又以预测误差平方和SSE最小为目标,构造了优选并自动生成最佳平滑参数使平滑模型得以优化的最速下降算法,增强了指数平滑模型对时间序列的适应能力.从而较完整的解决了指数平滑预测中,平滑参数靠经验确定且为静态、平滑初值难以确定并易导致预测偏差等问题.

一类推广的指数平滑优化模型性质及算法的研究

在原二次指数平滑模型的基础上 ,提出了一种带有动态平滑参数的指数平滑优化模型 ,包括差分 指数平滑模型 ;通过引入动态参数 ,建立了不需选取平滑初值的新模型 ;采用Fibonacci算法优选并自动生成平滑参数使模型得以优化 .从而较完整地解决了指数平滑预测中 ,平滑参数靠经验确定且为静态、平滑初值难以确定并易导致预测偏差等问题 .

战中物资需求预测及布谷鸟指数平滑算法

针对传统战前物资预测存在的问题和不足,立足于战役发生过程中的实时数据,运用元后发式算法(布谷鸟搜索算法)并结合指数平滑算法,设计了战中物资预测的布谷鸟指数平滑算法。利用实例数据对所设计的算法进行收敛分析、精度分析、算法对比分析等性能试验,结果表明:所设计的布谷鸟指数平滑算法具有计算时间短、收敛精度高等优点;能够配合传统战前物资预测方法,依据战役发生过程中的实时数据,对物资消耗、需求进行战中短期、实时预测,补充、完善、拓展了战时物资预测理论。

AR(p)与指数平滑组合预测算法

本文提出一种对铜锍品位进行预测的新方法 ,以采集的现场数据为基础 ,采用系统辨识动态地建立了 AR( p)模型与三次指数平滑模型。 AR( p)模型要求数据对象是平稳时间序列 ,而三次指数平滑模型的数据对象具有随机性 ,考虑到铜锍品位的波动性 ,本文将二模型按最小二乘法原理 ,以组合预测误差平方和为目标函数 ,通过使误差平方和极小化来确定两种预测方法的优化 ,建立了一种新的组合模型 。

实时数据指数平滑预测分割算法

随着社会发展的加快,时间序列的的预测和分析别广泛运用于预测经济、建模等领域。时间序列预测中的指数平滑法是其中的重要分支。基于指数平滑法的时间序列分割用于过长的序列处理,常用于对时间序列的挖掘处理。在多种数据类型下,实时数据变化具有多样性,且数据量庞大。采用基于指数平滑法的时间分割算法可以便捷高效地对在线实时数据进行分割处理,将其中预测出的时间序列误差作为分割点。文章研究的时间序列指数平滑预测分割算法,采用相关数据以验证算法的可行性,加之进行校验步骤保证算法运用的稳定性,该算法能够在线检测出实时数据的分割点,确保以低时间复杂度实现算法功能。

基于动态系数的三次指数平滑算法负载预测

数据中心是企业信息化的重要组成部分,云计算的核心思想就是把数据中心整成一个资源池,对资源池进行统一的调度与管理;随着虚拟化技术的发展,目前对数据中心的资源利用率越来越高,但是还是存在大量资源浪费的情况,其原因在于当前对数据中心未来负载预测的算法还存在一定的局限性,如果对未来负载预测值远远大于实际负载情况,则导致大量的虚拟机资源利用率不高,反之则会导致虚拟机的资源使用率消耗增大,云平台中不同物理服务器之间的负载情况不平衡,一部分物理服务器负载过大,导致云计算平台响应时间过长;因此云计算平台选取一个合适的负载预测算法显得越发重要,如何权衡以上问题,是云计算里面的一个重点研究方向;负载预测选取时间序列预测算法中的三次指数平滑法,在该算法原有的静态系数基础之上,设计了一种动态系数提取方法;通过等距法把静态系数分成若干份进行训练,然后在预测过程中提取该时段误差最小值所对应的系数;在预测结束后,重新计算其误差,并通过均值法覆盖旧误差;实验结果表明,基于自适应三次指数平滑算法其预测误差明显小于静态系数所预测的误差,计算复杂度低,具有一定的应用价值。

基于指数加权的基音平滑算法

提出了一种用于语音合成的语音片断基音平滑技术。在基于波形拼接的语音合成中,一般使用TD-PSOLA算法进行基频和时长的修改,但是用传统的TD-PSOLA算法进行的基频修改是针对片断整体而言,所以仍然不能很好的解决语音合成中的拼接单元之间的基频不连续问题,特别是在片断接合处。由于基元片断提取自不同语境的语料,合成语音听起来明显感觉到音高的不自然。对传统的TD-PSOLA算法进行了改进,以基音周期为间隔对语音片断信号进行分帧,通过指数加权相应帧的方法来进行平滑处理,经听音测试,较好的解决了拼接片断间的不连续现象。

基于指数平滑算法组合模型的玉米实时变量追肥研究

玉米中耕时期是追施氮肥适宜阶段,为了进一步提高肥料利用率,简化变量施肥作业流程,实现变量施肥采集到施肥过程整体性,提高中耕变量追肥实时性,提出了一种动态多模型指数平滑算法组合。算法实现NDVI数据实时计算处理与趋势预测,根据历史数据实时修正减少计算误差,实时动态调整算法的平滑系数,从而间接缩短变量施肥数据处理响应时间,修正误差以提高作业精度。仿真分析该算法结果表明:在数据波动变化情况下,数值平滑程度以及趋势均优于单一指数平滑法,并且实时得到下阶段NDVI的准确预测趋势发展,计算结果精度高,为变量施肥提供可靠的理论施肥量,及时根据作物需求补充氮肥减少差空间异性。

基于IPSO的霍尔特指数平滑系数的铁路客运量预测研究

为了提高霍尔特指数平滑法对铁路客运量预测的精度,基于改进粒子群算法(IPSO)对铁路客运量预测领域中霍尔特指数平滑系数的取值进行优化研究。以我国各省铁路客运量为研究对象进行仿真实验,以验证改进粒子群算法的寻优效果,并求解霍尔特指数以预测各省铁路客运量的平滑系数最优取值。研究表明,相较于经典的线性递减权重优化法和固定权重法,非线性递减权重优化的粒子群算法能更加准确地求出最优平滑系数,具有更好的寻优能力和收敛速度。以上海市为例,其收敛速度分别提高4代和14代,求解精度分别提高了0.00018、0.000006。

基于DS理论和指数平滑的滤波算法研究

针对图像椒盐噪声检测中的不确定性问题,利用基于证据理论的椒盐噪声检测算法,并联合Holt双参数指数平滑法对噪声图像进行滤除.依据椒盐噪声的极端性和不连续性,在检测噪声过程中利用证据理论的不确定性判据给出两种准则,并最终给出决策融合方法来判别噪声.此外,根据预检测结果给出噪声点的消除方法,实现图像消噪功能.仿真实验验证了本文方法的有效性.

MIMO-OFDM系统基于指数平滑的改进信道估计算法

多输入多输出-正交频分复用(MIMO-OFDM)系统在时变信道中,最小二乘(LS)信道估计算法估计精度低。为了解决这一问题,提出了基于指数平滑的改进信道估计算法,将LS信道估计算法和指数平滑理论相结合,充分利用时变信道的变化规律及指数平滑算法抑制随机干扰的等效低通滤波特性,通过迭代运算,将前一时刻的预测结果用于预测当前时刻的信道估计值。因此,指数平滑算法可以有效抑制LS信道估计算法中的加性高斯白噪声(AWGN),提升信道估计精度。仿真结果表明,与经典信道估计算法相比,本文提出的算法在时变以及低信噪比环境中,可有效提升信道估计精度,且改进算法的运算复杂度低。

基于聚类和指数平滑法的共享自行车需求预测方法

针对高密度固定站点式共享自行车系统启停点分布复杂、区域内停放量变化难以监控、区域间流动特征复杂的问题,提出一种聚类算法和时序预测模型组合的需求预测模型。首先,使用基于平衡迭代降维的层次聚类算法(Balanced Iterative Reducing and Clustering using Hierarchies,BIRCH)对共享自行车的启停点进行聚类分析,完成虚拟站点构造和区域划分;其次,对虚拟站点的行程数据进行集计,获得的站点净流入量和站点间流量序列作为输入,使用三次指数平滑法(Triple Exponential Smoothing,TES)进行需求预测;最后,选取纽约和旧金山湾区数据集进行对比和验证。对比结果表明,需求预测模型可有效减少预测单位数量,并准确预测共享自行车在不同区域的供需平衡状态和区域间流动状态。验证结果表明,在2种数据集上,BIRCH算法的聚类质量和耗时均优于K均值算法、层次聚类(离差平方和最小化原则)算法、基于密度带噪声应用的空间聚类和高斯混合模型算法;使用TES模型时预测误差基本小于历史平均模型和自回归移动平均模型。

时间序列指数平滑算法的改进研究

时间序列指数平滑算法应用十分广泛,操作简单,但在实际应用过程中,也存在许多缺陷,参数都是静态的,无法适用序列的自身变化,随着时间的推移,预测的效果逐渐下降,指数平滑模型中的参数往往是依赖经验得到的,无法得到最优值。改进方法大体包括三个方向,以时间函数替代参数代入到时间序列指数平滑模型之中,还可进行组合预测,优化指数平滑模型,根据不同特征,采用不同的方法,可提高预测的精度,还可采用预测分割算法,能够识别关键点对模型的影响。

基于遗传模拟退火三次指数平滑模型的中药材价格预测研究

目的基于遗传算法与模拟退火算法相结合建立新的平滑指数模型,以亳州中药白芍为例对亳州中药材价格进行预测和实证分析。首先利用遗传算法对种群进行优化,通过基因的遗传、选择、交叉和变异逐渐产生近似最佳解,在利用模拟退火算法对其进行修正,得到最佳平滑参数值,建立新的指数平滑模型,运用建立的遗传模拟退火三次指数平滑模型对亳州白芍的价格进行预测。结果表明对于中药材价格随着时间的推移,价格具有非线性等因素,通过遗传模拟退火方法可以得到最佳的平滑参数值,为指数平滑预测的价格与实际价格相差较小,说明建立的遗传模拟退火三次指数平滑模型具有一定的准确性。遗传模拟退火三次指数平滑模型适合药材价格的预测,能够为市场和政府部门对市场的中药材价格调控起到的决策指导作用。

基于改进三次指数平滑法的航材需求预测

为提高航材需求预测的精度,采用基于时间序列的三次指数平滑法构建一种系数自调整的预测模型。借助于改进的粒子群算法对搜索空间内的静态系数进行动态调整,以误差平方和(SSE)作为评价函数选择最优的平滑系数对航材进行需求预测。以某公司航材的实际数据为例进行仿真实验,将所建模型与传统的模型及灰色预测方法进行验证对比,结果分析表明,改进的三次指数平滑法对提高航材需求预测的精度具有很大帮助。

指数平滑预测法中平滑系数的确定

提出了确定指数平滑系数的三种方法及有关理论.指出指数平滑系数的正确选择对提高预测精度所起的重要作用.解决了只依靠主观确定的指数平滑系数使指数平滑法在预测中的应用与推广受到限制的问题.