基于地物反射特性的多波段遥感图像无损压缩方法

要实现多波段遥感图像的无损压缩,去除空间和谱间的相关性是其中的重要环节。通过分类,分析不同地物在不同波段的反射特性,再根据不同地物的波段反射特性构造出针对不同地物的谱间预测器,用以去除谱间相关性。对于去除谱间相关的残差图像,采用Ｓ＋ Ｐ变换,以去除空间相关。实验取得了令人满意的效果,证明了这种方法的有效性。     

一种多光谱遥感图象的近无损压缩方法

近无损压缩是在无损压缩和有损压缩之间的一种折衷。多光谱遥感图象的近无损压缩通常用Ｋ－Ｌ变换去除谱间冗余，用数字余弦变换（ＤＣＴ）去除空间冗余来实现。本文分析了多光谱遥感图象空间冗余和谱间冗余的特点，提出用Ｋ－Ｌ变换和预测树方法去除两类冗余。该方法更好地去除了谱间冗余，取得了较好的实验结果。     

基于三维上下文预测的遥感图象无损压缩

随着遥感技术的发展,其应用领域大大拓展,随之也带来了遥感数据的海量增长,这给存储、传输都带来极大困难,因此必须对遥感数据进行压缩,为了实现遥感数据的高效压缩,提出了一种基于三维上下文预测测的无损压缩编码算法,该算法包括如下三部分;首先,结合多波段遥感图象的特点,综合考虑其二维的空间相关性和谱间相关性,建立了三维预测模型;其次,在三维预测的基础上,进一步进行上下文预测;最后,引入二次预测的思想来去除图象的统计相关性,从而使残差图象的熵得到最大程度的降低,实验结果表明,该算法大大优于最优JPEG;而对AVHRR图象,其预测效果也明显优于空间和谱间最佳线性预测方法（SSOLP）。     

基于神经网络的多光谱遥感图像无损压缩

分析并改进了利用自组织特征映射(SOFM)神经网络设计码书的方法,提出了一种基于改进SOFM算法设计码书的矢量量化和分类谱间预测相结合的多光谱图像无损压缩方法。该方法对光谱信息进行矢量量化,根据分类信息生成残差图像以去除数据的空间相关性,构造分类谱间预测器去除数据的谱间结构和统计相关性。对机载64波段多光谱遥感图像的试验结果表明,该方法无论是对训练集内图像还是训练集外图像,均取得了较好的压缩效果,平均无损压缩比达到3.2以上。     

一种有效的多波段遥感图像无损压缩方法

首先利用分类的方法,得到同一地物在不同波段的光谱反射特性,在此基础上构造谱间预测器,去除谱间相关性,再对残差图像采用S＋P变换去除空间相关性,然后,利用改进的分级树的集合划分（SPIHT）方法,实现遥感图像的高效无损编码,实验表明本方法取得满意的结果,显示了本方法在多波段遥感图像压缩中的潜力。     

基于整数小波变换的机载多光谱图像无损压缩

首先探讨了基于提升方案的整数小波变换,结合线性预测技术,提出了一种机载多光谱遥感图像的无损压缩方法。该方法通过整数小波变换减少图像的空间冗余,然后根据多光谱图像谱间的相关性对整数小波变换后的结果进行预测,并且加进了相关性判断这一环节保证了预测的有效性。算法适合并行处理和硬件实现。对机载64波段多光谱遥感图像的试验结果表明,该方法与改进的预测树方法相比其无损压缩比平均提高了16%,压缩时间缩短了三分之二。     

一种新的遥感图像无损压缩算法

根据高光谱遥感图像具有空间和谱间相关性的特点,提出了基于三维整型DCT变换的无损压缩方法.首先将空间维和谱间维组合起来形成三维数据,采用三维整型DCT变换消除高光谱图像空间和谱间的相关性;然后,对变换系数进行类似小波的树状系数重组,并按子带顺序进行一阶自适应算术编码.实验结果表明,与已有的无损压缩算法相比,该方法的压缩效率有较大提高.     

基于分形理论的高光谱图像压缩算法的研究

高光谱图像是由成像光谱仪在不同光谱波段获得的序列图像,在二维遥感图像的基础上又增加了光谱维的信息。与传统的遥感数据源相比,高光谱数据同时具有空间冗余和谱间冗余的特点。该文在分形理论的基础上,利用分形压缩编码的高压缩比特性,并针对高光谱图像的特点,将分形理论和高光谱图像相结合,设计了一个三维分形压缩编码算法,在去除图像空间相关性的同时,去除了波段图像之间的相关性。     

超光谱图像的二阶差分预测压缩算法

根据超光谱图像空间谱间都存在较强相关性的特性,设计了一种结合空间预测的二阶差分预测压缩算法。采用MED预测器去除空间相关,采用二阶差分预测器去除谱间相关,并根据像素预测误差的权重设计了统一的去相关预测器,最后对误差图像做基于上下文的编码,实现图像的近无损压缩。研究结果表明,各波段峰值信噪比(PSNR)为39dB左右时,压缩比可以达到12.7,压缩效果比较理想。     

基于波段分组的3D-SPIHT高光谱图像

波段间隔为纳米级的高光谱图像具有很强的谱间相关性,但不同频谱波段图像之间的相关性不同,本文提出了一种基于波段分组的3D-SPIHT(set partitioning in hierarchical trees)高光谱图像无损压缩方法.对高光谱图像按照谱段类型进行分组,接着通过3维整型小波变换,对图像组去除空间相关性和光谱维相关性,最后以3DSPIHT的空间方向树组织方式来进行编码,去除小波变换后子带间系数的冗余.实验结果表明,该方法能够有效地去除空间和谱间相关性,在算法复杂度和计算时间上较整体处理有一定优势,同时可获得较好的无损压缩结果.     

红外弱小目标检测中的相邻背景预测算法研究

红外弱小目标检测的关键问题是背景预测,背景预测的好坏直接关系到红外目标的提取。考虑背景预测过程中,待预测像素仅仅和相邻像素相关,提出了一种相邻背景预测的算法,并针对背景起伏和平缓情况进行详细的分析。实验结果表明无论是在背景起伏较小的图像,还是在背景起伏较大的图像,该算法都具有良好的目标检测性能。     

预测模型在入侵检测中的应用研究

针对目前入侵检测技术中预警这一模块效率不高的问题,通过对Pi-sigma模糊神经网络在降水预测中的应用进行分析比较,首先在理论上探讨了将混合型Pi-sigma神经网络预测模型应用于入侵检测技术中的可行性,并通过分析试验数据说明该模型在入侵检测预警模块中能够起到一定的预测作用,从而提高了预警的效率.     

面向应用性能管理系统的运行负载预测

在应用性能管理系统中,系统未来的负载情况对运维调度有重要的指导意义。在云计算环境下,弹性伸缩计算能力为调整系统规模提供了可能,根据系统将来的负载情况可以提前做出相应的调整：可以在负载加重前扩展好集群,保证服务质量;在负载降低之后若预测一定时间内没有负载加重的情况,则可以及时缩减集群规模,降低企业运营成本。在金融领域,ARIMA模型是常用的时序预测模型,但其应用需要人工介入分析时序的平稳性,调参过程过于复杂。近年来神经网络技术的发展带动了人工更智能技术的发展,本论文设计并测试了ANN、RNN、GRU、LSTM等神经网络的负载预测的效果。实验结果表明LSTM网络预测精准且表现稳定,是系统负载预测的理想模型。     

Prediction intervals to account for uncertainties in neural network predictions: Methodology and application in bus travel time prediction

Neural networks have been employed in a multitude of transportation engineering applications because of their powerful capabilities to replicate patterns in field data. Predictions are always subject to uncertainty arising from two sources: model structure and training data. For each prediction point, the former can be quantified by a confidence interval, whereas total prediction uncertainty can be represented by constructing a prediction interval. While confidence intervals are well known in the transportation engineering context, very little attention has been paid to construction of prediction intervals for neural networks. The proposed methodology in this paper provides a foundation for constructing prediction intervals for neural networks and quantifying the extent that each source of uncertainty contributes to total prediction uncertainty. The application of the proposed methodology to predict bus travel time over four bus route sections in Melbourne, Australia, leads to quantitative decomposition of total prediction uncertainty into the component sources. Overall, the results demonstrate the capability of the proposed method to provide robust prediction intervals.     

一种预测控制算法的改进研究

针对纯滞后对象分析了单步预测模型算法控制的局限性，提出了一种变参考轨迹系数的模型算法预报控制改善系统控制质量。文中给出了该控制方案的线构成方法。仿真结果表明该方案能有效地克服纯滞后对象的控制困难，相对于固定参考轨迹系数的模型算法预报控制，可以同时具有良好的快速性和鲁样性。     

Comparison of approaches for estimating reliability of individual regression predictions

The paper compares different approaches to estimate the reliability of individual predictions in regression. We compare the sensitivity-based reliability estimates developed in our previous work with four approaches found in the literature: variance of bagged models, local cross-validation, density estimation, and local modeling. By combining pairs of individual estimates, we compose a combined estimate that performs better than the individual estimates. We tested the estimates by running data from 28 domains through eight regression models: regression trees, linear regression, neural networks, bagging, support vector machines, locally weighted regression, random forests, and generalized additive model. The results demonstrate the potential of a sensitivity-based estimate, as well as the local modeling of prediction error with regression trees. Among the tested approaches, the best average performance was achieved by estimation using the bagging variance approach, which achieved the best performance with neural networks, bagging and locally weighted regression.     

PI型动态矩阵自适应控制器及其在电力过程中的仿真研究

本文建立了一种具有比例积分结构的动态矩阵自适应控制器（ＰＩＤＭＣ）。并在电力过程的一级减温过程模型中进行了应用仿真研究。仿真结果显示了这种控制器的良好效果。     

量子神经网络在交通运输能力预测中的应用

针对BP神经网络在道路交通运输能力预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通能力预测模型.通过对以往数据的发展变化趋势进行分析建立现有数据与时间之间的对应关系,然后再利用这组数据,最后对预测的结果进行分析,预测结果表明:该预测模型能够较好地适应道路交通运输能力数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高。     

一种电子系统的贮存可靠性预计算法

本文给出了一种电子系统的贮存可靠性预计的算法,并通过实例说明了算法的步骤。