自适应加权

摘要： 针对多传感器数据融合问题,文中提出了一种基于分批估计的自适应加权数据融合算法。该算法采用时间序列和空间序列对采集的数据分批求其方差,利用数据一致性检测对噪点进行剔除,进而得到自适应因子。随后采用自适应加权法对数据进行融合,得到预测值。文中模拟物联网数据进行仿真实验。结果表明,在处理数据时运用分批估计的自适应加权多传感器数据融合技术,能够提高传感器测量的精确度和系统的可靠性,基于分批估计的自适应加权平均法比传统自适应方法的均方根误差减少了10%,精度提高了2.3%。

摘要： 为提高复杂背景下目标跟踪的鲁棒性,提出一种基于相关滤波的自适应特征融合目标跟踪算法。在HOG特征基础上,增加HSV颜色概率直方图,以此获得准确的位置预测。然后分别训练颜色名和HOG特征,并根据两个响应图的峰值自适应地分配融合系数,进而基于尺度池方法,采用多通道特征实现目标的尺度估计。模型的高置信度更新由两个响应图的平均峰值相关能量(APCE)实现。与五种主流相关滤波跟踪算法在两个基准数据集上进行对比实验,实验结果表明在快速运动、复杂背景、光照变化、尺度变化等复杂跟踪场景下,该算法表现出较好的准确性和稳健性。

摘要： 为建立单粒玉米种子水分含量的高精度检测模型,制备了80份不同水分含量的玉米种子样本。针对玉米种胚朝上和种胚朝下分别进行高光谱反射图像采集,每份样本取样100粒,波长范围为968.05~2575.05 nm。采用PCA快速提取单粒种子光谱,经多元散射校正预处理后,分别采用随机森林(RF)和AdaBoost算法建立单粒种子水分检测模型,并集成两种算法特征提出基于加权策略的改进RF用于单粒种子水分含量建模。利用单粒玉米种子胚朝上的光谱信息建立的改进RF模型训练集相关系数R为0.969,训练集均方根误差(RMSEC)为0.094%,测试集R为0.881,测试集均方根误差(RMSEP)为0.404%;利用单粒玉米种子胚朝下的光谱信息建立的改进RF模型训练集R为0.966,RMSEC为0.100%,测试集R为0.793,RMSEP为0.544%。实验结果表明:改进RF的泛化能力和预测精度明显优于RF和AdaBoost算法;种胚朝上的单粒玉米种子水分含量检测模型优于种胚朝下的模型。高光谱检测技术结合集成学习算法建立的玉米种子水分检测模型预测精度高,稳健性好。

摘要： 无线传感网络节点采集的信息具有较大的相似性,数据结果存在误差。针对该问题,文中提出了一种基于卡尔曼滤波的无线传感网数据融合算法,通过过滤无效数据和缩紧数据包,提高上传数据的有效性和精度。该算法采用实时性较高的卡尔曼滤波算法对无线传感网络中的数据根据时间序列进行数据融合。在时间数据融合的基础上,根据空间分布特点,进一步对多传感器在网关层依据权重进行数据融合。针对不同位置误差实时变化的特点,网关层以空间数据为基础,使用自适应加权算法动态调整各节点权重。仿真实验表明,该算法易于实现,可有效去除冗余信息,提高数据准确度和可靠性。相较于改进的分批估计与自适应加权方法,采用该方法后均方根误差减少约7.9%,精度提高了2.1%。

摘要： 随着获取多模态或多视图数据的日益容易,多视图聚类研究受到广泛关注.然而,很多方法直接从原始数据中学习邻接矩阵,忽视了数据中噪声的影响.此外,还有一些方法将各个视图同等对待,而实际上各视图在聚类过程中所发挥的作用是不同的.为解决上述问题,提出了一种基于Markov链的聚类算法,名为一致性引导的自适应加权多视图聚类(consensus guided auto-weighted multi-view clustering, CAMC).首先为每个视图构造转移概率矩阵;然后,以自适应加权的方式获得一致性转移概率矩阵,并对一致性转移概率矩阵的拉普拉斯矩阵进行了秩约束,确保拉普拉斯图中连通分量的数目正好等于簇的数目.此外,基于交替方向乘子法(alternating direction method of multipliers, ADMM)优化策略对问题进行求解.在1个人造数据集和7个真实数据集上的实验结果证明了该算法的有效性,其聚类性能优于现有的8种基准算法.

摘要： 针对合成孔径雷达(SAR)目标识别问题,提出结合多特征联合表征和自适应加权的方法。分别采用主成分分析(PCA)、单演信号以及Zernike矩特征描述原始SAR图像,获得3个对应的特征矢量。基于联合稀疏表示模型对3类特征进行联合表征。针对不同特征条件下的重构误差矢量,采用自适应加权算法进行融合处理,即在线性融合的框架下自适应获得权值,达到良好的决策融合效果。最终,根据融合后的误差对目标类别进行判定。实验基于MSTAR数据集开展,针对10类目标识别问题分别在标准操作条件、噪声干扰和部分遮挡条件下进行测试,结果验证了方法的有效性。

摘要： 基于常规物资补货方法的优缺点分析,文中提出一种面向无人值守型电力专业仓的基于库存限值模型和需求预测模型的融合模型,并依据各类物资的需求波动特征进行自适应加权.结果表明:与常用的库存警戒方案相比,文中所定的补货方案库存管理总成本至少下降6.09%、库存周转率提高28.54%以上.

摘要： 检测车辆水箱裂缝时,为了降低信号噪声,提出了基于自适应加权算法的多传感器数据融合方法。首先,利用自适应加权算法对多个传感器采集的信号进行融合;然后,利用卡尔曼滤波算法降低结果中的噪声;最后,通过搭建试验平台对单传感器和多传感器的处理结果进行了分析比较。试验结果表明,与单传感器方法相比,该方法对信号进行降噪处理的效果更佳。

摘要： 针对传统模糊C-均值聚类(FCM)算法难以对噪声图像进行分割的问题,该文提出一种快速自适应非局部空间加权与隶属度连接的模糊FCM抗噪图像分割算法.首先,利用一种非局部空间信息快速计算方法,将以图像所有像素为循环的原始非局部信息计算方法,改为以搜索窗口尺寸为循环,利用空间位移图像与递归高斯滤波的计算方法,克服非局部空间信息计算复杂的问题;其次,计算原始图像与非局部信息项的差值的平方,将其作为非局部信息项的自适应权重,并将差值的平方作倒数变换,作为原始图像的自适应权重;最后,将每个聚类簇中所有像素隶属度之和的对数平方加入目标函数的分母,形成隶属度连接,减少目标函数迭代次数.含噪人工与自然图像分割实验表明,该算法在分割准确度、平均交并比、归一化互信息、运行时间与迭代次数等性能方面优于其他几种FCM算法.

摘要： 视频中异常事件所体现的时空特征存在着较强的相关关系针对视频异常事件发生的时空特征相关性而影响检测性能问题,提出了基于时空融合图网络学习的视频异常事件检测方法,该方法针对视频片段的特征分别构建空间相似图和时间连续图,将各片段对应为图中的节点,考虑各节点特征与其他节点特征的Top-k相似性动态形成边的权重,构成空间相似图;考虑各节点的m个时间段内的连续性形成边的权重,构成时间连续图将空间相似图和时间连续图进行自适应加权融合形成时空融合图卷积网络,并学习生成视频特征在排序损失中加入图的稀疏项约束降低图模型的过平滑效应并提升检测性能在UCF-Crime和ShanghaiTech等视频异常事件数据集上进行了实验,以接收者操作曲线(receiver operating characteristic curve , ROC )以及曲线下面积(area under curve, AUC)值作为性能度量指标.在UCF-Crime数据集下,提出的方法在AUC上达到80 .76％,比基准线高5 35％;在ShanghaiTech数据集中,AUC达到89 B8％,比同类最好的方法高5 .44％ .实验结果表明:所提出的方法可有效提高视频异常事件检测的性能.

摘要： 建立有效的发酵过程软测量模型对生化过程的优化控制具有十分重要的作用.针对发酵过程软测量建模样本数据中难以避免包含粗差信息以及误差数据对模型性能的影响,本文采用自适应加权最小二乘算法,通过基于模型的拟合残差自适应地为每个建模样本分配不同的权值,以克服粗差对模型性能的影响,利用Pensim仿真平台数据,并采用粒子群算法(PSO)对自适应加权最小二乘支持向量机(AWLS-SVM)的参数进行寻优,建立青霉素发酵过程模型,通过仿真实验表明了该算法用于青霉素发酵过程建模的有效性,可以作为发酵过程的进一步控制和优化的参考依据.

摘要： 在船舶电站工作时,因受到环境等因素影响,会造成融合中心数据处理精度下降.针对这一情况,本文应用了一种基于自适应加权数据融合的灰色优势分析方法对传感器数据进行处理.仿真结果表明,应用基于自适应加权数据融合的灰色优势分析方法对传感器数据进行分析,可进一步提高故障诊断的安全性和可靠性.

摘要： PCS-915型微机母线保护装置针对当前微机母线保护在原理上存在的一些问题,提出了基于工频变化量的自适应加权式电流差动继电器和带有差流波形特征检测的稳态电流比率制动继电器相结合的新一代母线差动保护原理,在大大提高低阻抗母线保护抗电流互感器(TA)饱和能力的同时仍然有很高的灵敏度,彻底解决了以往低阻抗母差灵敏度和安全性的矛盾.

摘要： 在自适应零陷形成的基础上，研究单干扰源与多干扰源在旁瓣自适应形成零陷的情况，提出一种波束图综合算法的改进方法。给定期望旁瓣级，在旁瓣峰值所对应的方位上引入虚拟的干扰源，通过自适应阵原理，并根据当前旁瓣级迭代调整各干扰源强度，形成新的加权和波束图，直到得到所期望的旁瓣级为止。文中最后分析迭代增益对算法稳定性的影响和计算复杂度.研究表明，该算法在旁瓣区域内引入引入干扰源数目较少的情况下扶得的低的旁瓣级水平;引入干扰源的数量大大减少，干扰源数目与旁瓣峰值数目相等，计算量得到了减少。

摘要： 在自适应零陷形成的基础上，研究单干扰源与多干扰源在旁瓣自适应形成零陷的情况，提出一种波束图综合算法的改进方法。给定期望旁瓣级，在旁瓣峰值所对应的方位上引入虚拟的干扰源，通过自适应阵原理，并根据当前旁瓣级迭代调整各干扰源强度，形成新的加权和波束图，直到得到所期望的旁瓣级为止。文中最后分析迭代增益对算法稳定性的影响和计算复杂度.研究表明，该算法在旁瓣区域内引入引入干扰源数目较少的情况下扶得的低的旁瓣级水平;引入干扰源的数量大大减少，干扰源数目与旁瓣峰值数目相等，计算量得到了减少。

摘要： 在自适应零陷形成的基础上，研究单干扰源与多干扰源在旁瓣自适应形成零陷的情况，提出一种波束图综合算法的改进方法。给定期望旁瓣级，在旁瓣峰值所对应的方位上引入虚拟的干扰源，通过自适应阵原理，并根据当前旁瓣级迭代调整各干扰源强度，形成新的加权和波束图，直到得到所期望的旁瓣级为止。文中最后分析迭代增益对算法稳定性的影响和计算复杂度.研究表明，该算法在旁瓣区域内引入引入干扰源数目较少的情况下扶得的低的旁瓣级水平;引入干扰源的数量大大减少，干扰源数目与旁瓣峰值数目相等，计算量得到了减少。

摘要： 一个鲁棒的图像融合系统应该在各种工作环境下具有广泛的适应能力.然而现有的融合算法往往在输入图像含有噪声时融合结果质量变差.这是因为目前的融合算法不能区分噪声和视觉上有意义的图像特征,将噪声当作有意义的信息传输到了融合结果中.在自然图像里面,视觉上有意义的显著性特征往往表现为一定的空间几何结构,而噪声图像缺少结构化特征.复数小波变换(CWT),将结构化特征很好地表现在不同尺度和方向上.本文在图像复数小波分解的基础上,提出一种反映图像局部信息结构化程度的测度,可以很好区分噪声和结构化信息.图像融合之前利用测度对输入图像加权处理,使输入图像中视觉上有意义的信息在融合结果中自适应地增强,而噪声自适应地抑制.利用几种典型的图像融合算法,比较新方案和现有融合方案的性能,充分验证了本文提出的鲁棒的图像融合算法的卓越性能.

摘要： 一个鲁棒的图像融合系统应该在各种工作环境下具有广泛的适应能力.然而现有的融合算法往往在输入图像含有噪声时融合结果质量变差.这是因为目前的融合算法不能区分噪声和视觉上有意义的图像特征,将噪声当作有意义的信息传输到了融合结果中.在自然图像里面,视觉上有意义的显著性特征往往表现为一定的空间几何结构,而噪声图像缺少结构化特征.复数小波变换(CWT),将结构化特征很好地表现在不同尺度和方向上.本文在图像复数小波分解的基础上,提出一种反映图像局部信息结构化程度的测度,可以很好区分噪声和结构化信息.图像融合之前利用测度对输入图像加权处理,使输入图像中视觉上有意义的信息在融合结果中自适应地增强,而噪声自适应地抑制.利用几种典型的图像融合算法,比较新方案和现有融合方案的性能,充分验证了本文提出的鲁棒的图像融合算法的卓越性能.

摘要： 一个鲁棒的图像融合系统应该在各种工作环境下具有广泛的适应能力.然而现有的融合算法往往在输入图像含有噪声时融合结果质量变差.这是因为目前的融合算法不能区分噪声和视觉上有意义的图像特征,将噪声当作有意义的信息传输到了融合结果中.在自然图像里面,视觉上有意义的显著性特征往往表现为一定的空间几何结构,而噪声图像缺少结构化特征.复数小波变换(CWT),将结构化特征很好地表现在不同尺度和方向上.本文在图像复数小波分解的基础上,提出一种反映图像局部信息结构化程度的测度,可以很好区分噪声和结构化信息.图像融合之前利用测度对输入图像加权处理,使输入图像中视觉上有意义的信息在融合结果中自适应地增强,而噪声自适应地抑制.利用几种典型的图像融合算法,比较新方案和现有融合方案的性能,充分验证了本文提出的鲁棒的图像融合算法的卓越性能.

摘要： 一个鲁棒的图像融合系统应该在各种工作环境下具有广泛的适应能力.然而现有的融合算法往往在输入图像含有噪声时融合结果质量变差.这是因为目前的融合算法不能区分噪声和视觉上有意义的图像特征,将噪声当作有意义的信息传输到了融合结果中.在自然图像里面,视觉上有意义的显著性特征往往表现为一定的空间几何结构,而噪声图像缺少结构化特征.复数小波变换(CWT),将结构化特征很好地表现在不同尺度和方向上.本文在图像复数小波分解的基础上,提出一种反映图像局部信息结构化程度的测度,可以很好区分噪声和结构化信息.图像融合之前利用测度对输入图像加权处理,使输入图像中视觉上有意义的信息在融合结果中自适应地增强,而噪声自适应地抑制.利用几种典型的图像融合算法,比较新方案和现有融合方案的性能,充分验证了本文提出的鲁棒的图像融合算法的卓越性能.

摘要： 本发明属于图像重建领域，特别是涉及一种基于特征通道自适应加权的超分辨图像重建方法。一种基于特征通道自适应加权的超分辨图像重建方法，包括以下步骤：(1)改进压缩激励网络SE的激励函数，得到ISE模块；(2)简化现有的EDSR网络；(3)将ISE模型嵌入到简化的EDSR网络，得到ISE‑EDSR模型；(4)用训练样本训练ISE‑EDSR模型。本发明的优点有：训练难度低；自适应学习特征通道权重；避免网络中间层输出值过低的问题；超分辨率重建后的图像峰值信噪比高。

摘要： 本发明公开了一种利用特征自适应加权的安全驾驶监测方法。本发明研究了不同尺度的全局特征与关键点特征的融合策略。针对融合过程中的注意力问题，本发明并非直接级联全局特征和关键点特征，而是针对两者提出基于姿态的特征融合模块。驾驶员行为的类别差异表现在不同的图像区域，模型应关注不同输入图像的不同区域，因此提出了自适应加权模块，通过学习一组特定于输入数据的专家权值来选择用于计算的卷积核，这为驾驶员动作识别提供了一个新的方向，并进一步提高驾驶员行为识别准确率。本发明在交通安全领域有重要的应用价值。

摘要： 本发明特别涉及一种自适应加权阈值技术的二值化方法，包括如下步骤：S100、将图像转换成灰度图；S200、遍历所有像素点，并对每个像素点执行下面两个步骤后得到二值化的图像；S300、根据该像素点及其周围一定区域内的其他像素点的灰度值确定阈值；S400、将该像素点的灰度值与步骤S300得到的阈值进行比较，若该像素点灰度值小于等于阈值，则将该像素点设置为黑色，否则设置为白色。根据该像素点和它周围一定区域内的其他像素点的灰度值来确定一个阈值，该阈值对于每个像素点来说都是变化的，该阈值也是跟一定区域内的所有像素点的灰度值相关联，可以有效的避免光照不均、噪声等问题，二值化处理后的图像效果非常好，能够很好的凸显出目标轮廓。

摘要： 本发明公开了一种多特征自适应加权的SAR图像目标识别方法，采用主成分分析（PCA）、单演信号以及Zernike矩特征描述原始SAR图像，获得三个对应的特征矢量。基于联合稀疏表示模型对三类特征进行联合表征。针对不同特征条件下的重构误差矢量，采用自适应加权算法进行融合处理，即在线性融合的框架下自适应获得权值，达到良好决策融合效果。最终，根据融合后的误差对目标类别进行判定，大大提高了判定的准确性。

摘要： 本发明涉及基于分布式二段自适应加权堆叠自动编码器的微小故障检测方法及系统，首先对工业过程数据进行标准化，并根据工业过程划分为B个子块；为每一个子块构建一个局部二段自适应加权堆叠自动编码器，利用历史数据训练所有局部二段自适应加权堆叠自动编码器，得到每个子块的局部统计量，并确定局部故障控制限；利用历史数据训练全局二段自适应加权堆叠自动编码器，得全局统计量，并确定全局故障控制限；根据工业过程将待检测数据划分为多个子块；利用训练完成的局部二段自适应加权堆叠自动编码器计算每个子块的局部统计量；利用训练完成的全局二段自适应加权堆叠自动编码器计算整个工业过程的全局统计量；最终得出故障检测结果。

摘要： 本发明提供一种基于图像边缘指示函数的自适应加权高斯曲率滤波方法，对曲率滤波算法中的高斯曲率滤波算法进行改进，采用边缘指示函数构建自适应分数阶‑整数阶能量泛函和局部加权投影算子，通过最小化能量泛函自适应地精确控制加权投影算子的迭代更新，在提高去噪性能的同时较好地保持图像的纹理细节。本发明采用自适应的方式调节能量泛函中分数阶数及各项的权重，能够精确地控制投影算子的迭代更新，有效地防止了图像去噪不完全或被过度平滑。

摘要： 本发明公开了一种自适应加权概率模型的Hash编码方法以及系统，与现有技术方案不同的是，本方法在基于加权概率模型编码使用的加权概率和是随着当前编码的二进制子序列的已编码的符号而自适应变化，即和这样使得本方法能够适用于“流”编码模式，支持以字节为单元的数据流编码，实现了基于编码序列的自适应调整。

摘要： 本发明公开了一种改进Gabor与HOG的自适应加权多特征融合的植物叶片识别方法，首先对图像进行预处理，然后对Gabor算法中的Gabor滤波器进行改进，再利用改进后的Gabor算法和HOG算法对预处理后的图像分别进行特征提取，得到Gabor和HOG特征向量，并将两个特征向量自适应加权融合后进行降维处理，再使用SVM的组合核函数进行分类训练，输出识别结果。该发明可以广泛应用于机器视觉领域中复杂环境下的植物叶片识别，弥补了对植物叶片信息描述的不足，从而达到植物叶片识别的准确性的目的，有非常广阔的应用场景。

摘要： 本发明公开了一种基于多局部图自适应加权的无参考图像质量评价方法，主要解决现有无参考图像质量评价方法在学习失真图像的全局内容语义时对样本量极少的公知数据库训练不充分、评价准确度不高和采用图像切块策略进行数据增强导致图像内容语义的全局性被破坏、算法泛化性能下降的问题。本发明的实现步骤为：构建质量评价网络和样本重要性加权网络；利用生成的训练集和元参考集交替训练质量评价网络和样本重要性加权网络；对失真图像进行质量评价。本发明在样本量不足时，充分扩增数据量的同时考虑图像全局内容语义，自适应地为训练集中局部图分配重要性权重，提高算法的泛化性能。

摘要： 本发明提供的一种基于视觉与多源雷达的自适应加权数据融合方法，通过目标检测模型得到目标船舶的数据，并用图像坐标表示，得到图像信息；获取AIS信息和雷达数据，将雷达数据转换为AIS下的同一坐标系，得到数据信息；根据预设的规则对所述图像信息和数据信息进行数据融合，得到融合后的数据，通过利用视觉传感器获取目标船舶的图像信息中的位置和雷达传感器获取目标船舶的数据信息中的位置，对二者进行融合，从而提高了视觉信息与雷达、AIS位置信息融合的准确性。