基于核共轭梯度演化模糊系统的混沌时间序列在线预测

为了增强演化模糊系统在混沌时间序列中的在线预测性能,提出一种基于核共轭梯度的演化模糊系统模型.该模型通过基于结构演化的前件部分,挖掘并捕获隐藏在时间序列中的模糊规则.同时,基于参数更新的后件部分有机结合稀疏学习策略和核共轭梯度算法,以降低计算复杂度和提高模型收敛性能.基于核共轭梯度的演化模糊系统不仅剔除了样本中的冗余信息,而且有效平衡了模型的预测精度和预测效率.实验结果表明,所提模型在标杆和真实混沌时间序列的在线预测任务中具有有效性.

基于层次化可塑性回声状态网络的混沌时间序列预测

为了提高回声状态网络对于混沌时间序列特征提取与预测的能力,提出一种层次化可塑性回声状态网络模型.该模型将多个储备池顺序连接,通过逐层特征变换的方式增强对非线性多尺度动态特征的提取能力.同时,引入神经科学中的内在可塑性机制模拟真实生物神经元的放电率分布,以最大化神经元的信息传递为目标对储备池进行预训练.层次化可塑性回声状态网络不仅能够增加模型的容量,降低随机投影所带来的不稳定性,而且也为理解储备池的表示、处理、记忆及储存操作提供一种新的思路.仿真实验结果表明,相比于其他7种改进的回声状态网络模型,所提出的模型在人造数据和真实数据所构成的混沌时间序列预测任务中均能取得最优的预测精度.

基于直线特征约束网格变形的航拍图像拼接

针对常用航拍图像拼接算法在处理存在视差的复杂图像时会出现鬼影、失真、不自然的问题,在APAP(as-projective-as-possible)算法的基础上,添加全局相似性和直线结构保护约束,提出一种基于直线特征约束网格变形的航拍图像拼接方法.首先,在图像重叠区域检测点、直线特征,并估计单应性扭曲;然后,使用网格将图像划分成多个局部图像块,建立网格优化模型,根据网格顶点坐标集定义一个包含图像扭曲不同特征的总能量函数,在APAP算法提供的局部单应性保证重叠区域对齐的前提下,对非重叠区域借鉴NISwGSP算法的全局相似性约束思想,并辅以直线结构约束提高拼接自然度;最后,在稀疏线性系统中求解能量误差最小化问题,得到最优网格顶点集,指导网格变形并完成航拍图像拼接.实验结果表明,所提出的变形方法能够减少重叠区域鬼影和非重叠区域失真问题,相比AutoStitch、APAP、AANAP、SPHP等经典算法拼接效果更自然,更能适应大视角的航拍图像拼接任务.