排序方式: 共有123条查询结果,搜索用时 15 毫秒
1.
为提高稀疏表示跟踪模型性能,提出一种分段加权的反向稀疏跟踪算法,将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题,构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰,选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明,在光照变化、遮挡、快速运动、运动模糊情况下,所提出的算法可以确保跟踪结果的准确性和鲁棒性。 相似文献
2.
3.
4.
电网规模的扩大使得电力系统运行状态变得更加复杂,对电网安全稳定运行提出了更高要求。提出了基于深度学习中长短时记忆(long-and-short term memory,LSTM)的电力暂态稳定在线评估模型。该模型通过获取全网各节点电压、电流、功率等电气量,实时计算得到电网失稳可能性评分,并在新英格兰10机39线系统上对该模型进行测试与优化。实验结果表明,该模型能通过实时运算得到电网稳定性的评估及预警,具有准确性高、预警能力强、支持在线监测的特点。 相似文献
5.
6.
7.
针对地表水有机物污染较重,深度处理单元负荷过高或地表水有机物污染较轻,建设深度处理单元投资过大的问题,提出一种高效去除有机物的沉淀工艺。其以高密度沉淀池为载体,粉末活性炭吸附去除有机物为手段,利用污泥回流对粉末活性炭的富集和回收作用,延长粉末活性炭在沉淀池中的停留时间,充分发挥活性炭的吸附能力,强化对有机物的去除效果。研究结果表明,该工艺相比不投加粉末活性炭的高密度沉淀池,CODMn去除率提高了17个百分点。相比于沉淀池普通活性炭投加方式,在相同去除率的情况下,粉末活性炭投加量减少了68%,节约了运行成本。 相似文献
8.
9.
一种新型模糊-粗神经网络及其在元音识别中的应用 总被引:1,自引:0,他引:1
为度量模糊粗不确定性信息,引入了模糊粗隶属函数.基于模糊粗糙集理论构建了一种新型的模糊,粗神经网络(FRNN),该网络融合了模糊信息和粗糙信息的处理能力.对5个元音字母的语音识别进行测试,结果显示FRNN网络不仅训练速度快,而且分类性能优于BP网络、RBF网络和贝叶斯分类器. 相似文献
10.