排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
基于灰色关联度与BP神经网络的清河水库总氮浓度预测模型 总被引:4,自引:0,他引:4
为了实现清河水库总氮浓度的预测,建立了基于灰色关联分析的BP神经网络水质预测模型(GRABP),即采用灰色关联度的方法,选取总磷、挥发酚、化学需氧量、pH值、氨氮五项水质指标作为BP神经网络总氮预测模型的输入变量,根据五项最优影响因子与总氮浓度的对应关系,对模型进行了训练,并将训练好的模型应用于2016年8~12月的总氮浓度预测中。结果表明,GRA-BP网络模型较BP网络具有较高的预测精度,预测的相对误差均在5%以内,可为清河水库的水质管理提供科学的指导。 相似文献
2.
字典模型(BOW)是一种经典的图像描述方法,模型中特征字典的构造方法至关重要。针对特征字典构造问题,提出了一种类别约束下的低秩优化特征字典构造方法LRC-DT,通过低秩优化的方法使训练出来的特征字典在描述同类图像时表示系数矩阵的秩相对较低,从而将类别信息引入到字典学习中,提高字典对图像描述的可分辨性。在标准公测库Caltech-101和Caltech-256上的实验结果表明:将SPM、稀疏编码下的SPM(ScSPM)、局部线性编码(LLC)和线性核函数的SPM(LSPM)编码方法中的特征字典替换为加入低秩约束(LRC)的特征字典后,随着训练样本数目增多,字典模型的分类准确率与未引入低秩约束的方法相比有所提高。 相似文献
3.
为实现基于投影仪和摄像机的结构光视觉系统连续扫描,需要计算投影仪投影的任意光平面与摄像机图像平面的空间位置关系,进而需要求取摄像机光心与投影仪光心之间的相对位置关系。求取摄像机的内参数,在标定板上选取四个角点作为特征点并利用摄像机内参数求取该四个特征点的外参数,从而知道四个特征点在摄像机坐标系中的坐标。利用投影仪自身参数求解特征点在投影仪坐标系中的坐标,从而计算出摄像机光心与投影仪光心之间的相对位置关系,实现结构光视觉标定。利用标定后的视觉系统,对标定板上的角点距离进行测量,最大相对误差为0.277%,表明该标定算法可以应用于基于投影仪和摄像机的结构光视觉系统。 相似文献
4.
5.
结构光视觉系统误差分析与参数优化 总被引:1,自引:0,他引:1
为提高结构光视觉系统的测量精度,建立了结构光视觉系统中结构参数对测量精度的影响模型.通过分析图像识别误差对结构光视觉系统测量精度的影响,导入结构光平面与摄像机光轴之间的夹角、测量物距、摄像机焦距等参数与测量误差之间的关系,建立相应的误差模型并确定各项参数对测量精度的影响.上述所有因素对测量精度的影响均通过实验验证,对结构光视觉系统的设计和使用具有一定的指导作用. 相似文献
1