重构误差

摘要： 传统动态场景去模糊的方法都基于相邻帧之间的位移比较小,适用于处理平滑变化的模糊核,但难以处理包含多个运动物体的动态场景中经常出现的模糊核突变情况,而且对噪声很敏感。对于监控场景来说,摄像头的运动、环境光照等因素的变化相对可控,而物体的剧烈运动是引起模糊核突变的主要原因。当模糊图像的部分模糊核发生突变,在向更低金字塔层传播时会产生重构误差。

摘要： 成像反演是综合孔径辐射计的一项关键内容.然而,综合孔径辐射计成像反演是病态的反问题.虽然传统的正则化方法能有效克服其病态性,但依然存在较大的重构误差.为了进一步降低重构误差,提出一种基于拉普拉斯算子的综合孔径辐射计成像算法.与传统的单参数正则化不同,该算法通过引入拉普拉斯算子项,对差分亮温构造拉普拉斯混合正则化,并利用多维扩展的广义交叉验证准则选取2个正则化参数.基于L波段的FPIR样机进行了仿真分析,仿真结果表明:与改进的最小范数正则化和带限正则化相比,该算法均方根误差平均降低了30%,峰值信噪比平均提高了3 dB,证明了其有效性.

摘要： 由于轴承原始振动数据标签信息不足,难以对其进行建模分析,针对这一问题,以美国辛辛那提大学IMS数据集为研究对象,提出了一种基于时序分解与一维深度卷积自编码网络(STL-1DDCAE)的无监督轴承故障诊断方法。首先,通过一维深度卷积自编码网络对轴承正常运行数据的非线性特征进行了挖掘,得到了健康样本的重构误差;然后,采用概率分布的方式拟合了健康样本重构误差信号,并计算了其正太分布参数;最后,利用时间序列分解(STL)方法分析了轴承的重构误差曲线,利用趋势项分量确定了轴承故障的发生时间。研究结果表明:该方法能够充分提取轴承故障特征,自适应地确定样本临界阈值,避免轴承异常状态的高误判率,准确识别3个轴承异常信号发生的时间戳为760、1780、1700,并能够根据异常检测时间点分别给轴承数据添加健康状态、内圈故障、外圈故障及滚动体故障的标签,实现数据标签化处理。

摘要： 目前深度学习方法应用于图分类模型的重点集中在将卷积神经网络迁移到图数据领域,包括重定义卷积层和池化层。卷积操作泛化到图数据上是有效的方法,但无论是卷积还是池化都存在较大的改进空间,尤其是在提取网络拓扑结构信息方面。提出一种基于重构误差的同构图分类模型,一方面利用改进的同构图卷积网络WaveGIC增强提取拓扑结构信息能力;另一方面利用多重注意力机制表征全图,使得模型能够关注关键节点信息。由于网络加深过程,局部拓扑结构的特征表达越来越不明显。在分类损失基础上添加重构误差损失,使分类器同时考虑图的节点特征和拓扑结构。在基准数据集上的实验结果表明,提出的方法具有较高的图分类准确度。

摘要： 为了在入侵检测时得到更高的精确率,使用极限梯度提升决策树XGBoost和梯度提升决策树GBDT构成集成学习的深度提升模型。利用CICIDS2017数据集对该模型进行实验,结果表明:与传统的5种方法相比,该方法在二分类和多分类任务上都表现出良好的检测效果。

摘要： 针对逆向工程技术中的模型重构的主要方法进行了分析,并对模型逆向重构过程中使用的主要软件及其适用性进行了总结.随后,对模型重构过程中的误差来源进行了研究.最后,就这一技术的国内外应用现状进行了3个层次上的分类,并对这一技术的未来发展方向进行了展望.

摘要： 为了更好地抵制网络能量快速消耗和降低不可靠链路对无线传感器网络系统数据收集的影响以提高数据重构精度,提出了一种基于能量有效的多参数数据重构方法(Multi-parameter Data Reconstruction Method based on Energy Efficient,MDR).利用移动智能计算给出传感器节点之间多跳函数关系以确定传感器节点之间比例关系;通过稀疏矩阵设计一种低相干性的观测矩阵,抑制数据丢包率对整个传感网系统的影响,提高汇聚节点数据重构精度;通过基于数据转发策略确认机制实现簇间数据传输的高可靠性,完成了节点间多路径路由数据的可靠交付.仿真实验表明,在数据丢包率为40％的情况下,MDR的数据重构精度误差仍小于5％;在与其他算法比对时,其数据转发次数降低了10.36％,平均网络能耗降低了13.29％,从而验证了该算法的有效性和实效性.

摘要： 针对基于栈式自编码器的离群点(SAE)检测算法和基于密度的离群点(LOF)检测算法检测精度不高的问题,提出了将SAE算法和LOF算法相结合的SAE-LOF算法.该算法的核心是对单独的SAE算法和LOF算法加入“投票”思想,通过神经网络训练权重,计算SAE算法和LOF算法加权投票结果,进而检测离群点.首先,训练并测试SAE,得到SAE的重构误差;其次,通过LOF算法得到局部离群因子;再次,将SAE算法的重构误差和LOF算法的局部离群因子作为新的特征输入到神经网络,进行有监督的训练;最后,将测试集分别经过SAE算法和LOF算法,再输入到神经网络,输出值最高的若干样本被预测为离群点.将SAE-LOF算法与SAE算法、LOF算法、KNN算法、孤立森林算法进行了比较,结果表明:SAE-LOF算法的预测结果具有更高的精度、更低的错误率以及更高的AUC值.该算法显著提高了分类器的性能.

摘要： 针对视频目标跟踪过程中,目标被遮挡或背景杂乱时,基于全局字典表示的跟踪方法易出现非最优稀疏特征选择的问题,提出一种对目标外观进行加权局部表示并增量更新字典的视觉跟踪方法.先将第一帧目标分割为多个局部表示,为每个局部块构建相应的稀疏子字典;在后续帧中,使用局部字典计算搜索样本的各局部块稀疏特征,再使用稀疏特征系数中的非目标成分计算样本各局部块的扰动量和权重,通过最小化局部权重和局部重构误差的线性和获取最佳候选样本.此外,可根据扰动量检测目标干扰信息,用以调节字典更新频率,实现周期性且自适应的增量字典更新方法.在OTB100数据集上采用中心位置误差、重叠率、精度图等方法对同类方法进行定量对比分析,结果说明采用局部加权目标表示方法能更灵活地表示目标变换,特别是在有背景干扰、遮挡和目标形变的场景下具有较好的跟踪鲁棒性.

摘要： 针对连续型深度信念网(Continuous Deep Belief Network,CDBN)隐含层层数难以确定的问题,提出一种基于重构误差的CDBN网络深度确定方法.多个连续型受限玻尔兹曼机(Continuous Restricted BoltzmannMachine,CRBM)叠加构成CDBN,通过分析CRBM的重构误差与CDBN网络能量的相关性,设定重构误差阈值并设计网络深度决策机制,实现对CDBN隐含层层数进行自组织调整.仿真实验验证,基于重构误差的CDBN网络深度确定方法能够对CDBN的最优隐含层层数进行确定,有效提高了网络深度决策的效率.

摘要： 20世纪90年代初，小波概念被引入大地测量并逐渐受到重视。考虑现代测量非线性问题的复杂性和小波分析的特点,用小波理论进行非线性估计,给出了小波估计模型,用最优小波包基进行了误差估计,对信号重构误差进行了区间估计,并给出在显著水平α下,信号重建误差的不确定度,以度量变形信号小波估计的质量.

摘要： 针对传统ANMM算法计算率低的问题,提出一种基于改进ANMM及Trace Ratio的人脸识别算法.在近邻保持投影的基础上,算法减少了同类数据间由干线性投影而带来的重构误差,同时,保留了类内相似度图的拉普拉斯矩阵的完整性.另一方面,通过构造一个与类内相似度图对应的类外代价图,算法还可以最大化两者间的边界.

摘要： 尾流即含有大量气泡的气泡幕，尾流具有特殊的声学、电学、磁学和光学特性。利用Haar小波对尾流气泡幕散射光信号做一维离散小波变换，对原始散射光信号进行5层小波分解，得到了原始信号的小波分析和重构误差结果。经Haar小波分解，散射光信号的低频及高频部分区别不大，可能是信号的采集频率过低(×10-1s)导致的结果.从重构误差来看，各层分解将信号的高频及低频成分分隔开来，在一定意义上反映了利用小波对尾流气泡幕散射光信号进行分析和处理是有意义的。对原始信号进行小波分析的同时，容易得到相应统计量和压缩信号；并可直观地得到压缩信号中保留的原始信号的能量百分比及小波变换置0系数的百分比。

摘要： 一种平行轮廓的无数据处理误差重构装置和重构方法，包括有用于设置在两条平行被测轮廓之间能够沿直线导轨移动的运载平台，所述运载平台上对应两条平行被测轮廓设置有4个位移传感器，第一位移传感器和第二位移传感器并排设置在所述运载平台的一侧，且测头对应于被测轮廓，第三位移传感器和第四位移传感器并排设置在所述运载平台的另一侧，且测头对应于被测轮廓。本发明在对平行轮廓进行重构的过程中，克服测量基准的误差对测量结果的影响，同时在高密度采样的前提下消除算法误差，以得到高精度的轮廓重构结果，在装置步进间距小于传感器间距的情况下实现无数据处理误差的精确重构，实现精密平行轮廓的快速准确的重构。

摘要： 本发明公开了高阶截断误差的多方向斜率和曲率混合波前重构方法，本发明方法在区域法模型的每个网格点加入额外方向的斜率和曲率测量值，除了常规的垂直和水平方向，考虑其他任意方向的波前值、斜率值和混合曲率值三者关系构造积分方程，利用泰勒展开解出系数，推导出截断误差更小的多方向混合重构方程来重构波前；与现有的混合波前重构方法比，本发明用最小二乘法求解，计算速度快，可以满足自适应光学等实时运行的应用要求；截断误差小，提高了重构精度；并具有较强的抗噪能力。

摘要： 本发明涉及一种无位置传感器控制的永磁电机位置误差重构系统及方法，以位置估算误差产生的三次、四次等低次电压谐波为切入点，结合矢量控制，基于提取的电压谐波，对不同阶次的位置误差谐波信号采用不同的计算方法进行重构，利用重构的信号校正估算的位置。通过对电压谐波的处理，不依赖电机参数即可进行位置估算误差的校正，既能提高位置估算精度，又能抑制位置误差产生的低次电压谐波，减小电机损耗。本发明简化了硬件系统，增强了控制系统可靠性，进一步提高了永磁同步电机无位置传感器控制方法的转子位置估算精度。

摘要： 本发明公开了一种对重构视频数据进行滤波的方法。所述方法包括：输入重构亮度图片样本阵列；将对应于当前色度样本的亮度位置设定为由所述色度样本中的水平位置乘以子宽度值和所述色度样本中的垂直位置乘以子高度值限定的位置；通过使用所述亮度位置来导出所述重构亮度图片样本阵列内部的亮度样本位置；以及通过使用交叉分量滤波器系数和由所述亮度样本位置中的至少一者限定的重构亮度图片样本阵列来导出变量，其中通过使用当前的样本色度块来修改所述变量。

摘要： 本发明属于压缩感知重构技术领域，尤其涉及一种基于迭代加权最小均方误差的压缩感知重构方法，所述方法包括：对采样矩阵、初始权重和正则化系数进行参数初始化；根据迭代加权最小均方误差算法，重构压缩感知信号，获得原始恢复信号；根据原始恢复信号，更新正则化系数；根据本轮迭代和上轮迭代的原始恢复信号收敛程度，判断收敛程度是否满足阈值，获得最终恢复信号；通过对压缩感知的信号重建，有效解决传统信号重建算法时的精确度低的问题，保证了信号重建的精确度；还通过引入正则化系数及更新算法，减少迭代次数，提高迭代加权最小均方误差算法的收敛速度，解决传统迭代加权最小均方误差算法迭代次数过高导致计算成本高的问题。

摘要： 本发明公开了信息奇异值分解重构与语义信息误差矩阵验证系统，包括奇异值的矩阵建模与分解：将SVD(奇异值分解)应用于信号处理，将一维时间序列信号构造成二维空间矩阵形式；通过对于分量矩阵选取的选取，极大地地提升了消噪效果，且提高了特征提取结构的准确性，不仅避免了分量矩阵太少而致使信号失真的情况，而且避免了选取过多导致的噪声残留较多的情况，分量矩阵的选取实际上也就是奇异值的选取，通过选取合适的分量矩阵，使得从分量矩阵中恢复后的信号信噪比增大，因为在实际情况中不可能将噪声完全消除，或多或少还残留有噪声带来的误差，因此，本申请极大地提高了信噪比，即达到了极大地降低噪声影响的效果。

摘要： 本发明公开了一种对重构视频数据进行滤波的方法。所述方法包括：解析用于设定交叉分量滤波器系数的第一语法元素；输入重构亮度图片样本阵列；通过使用对应于当前色度样本的位置来导出亮度位置；通过使用所述交叉分量滤波器系数来导出滤波器系数阵列；通过使用所述滤波器系数阵列和由所述亮度位置限定的所述重构亮度图片样本阵列来导出变量；以及通过使用所述变量来导出缩放变量，其中所述变量通过由预先确定的位置限定的当前色度块的样本和所述缩放变量的总和进行修改。

摘要： 一种基于自主导航系统误差有限扩维的状态空间重构方法，首先根据成像原理对光学相机的安装误差与像面平移进行建模，在利用光学相机安装误差与像面平移模型，通过正交投影方法对光学相机系统误差进行降维表征并分析系统误差可估计条件，根据光学相机系统误差统一降维表征模型进行状态空间重构，并分析系统可观测性，最后根据可观测性分析结果给出满足系统可观测性的观测策略并给出滤波方法。

摘要： 一种保证时域逐点最大重构误差的模拟信号采样与重构的方法，待采样模拟信号经过若干次模拟一阶微分电路后，对输出信号通过模拟电路求得其幅值的最大值，用以计算采样周期，并以该采样周期对延时后的待采样模拟信号进行采样，在重构时，利用拉格朗日插值多项式将各个采样值组成一个分段多项式来近似待采样连续模拟信号。本发明是一个纯粹基于时域的方法，用以在保证逐点最大重构误差的前提下进行有效的均匀采样。

摘要： 一种保证时域逐点最大重构误差的模拟信号采样与重构的方法，待采样模拟信号经过若干次模拟一阶微分电路后，对输出信号通过模拟电路求得其幅值的最大值，用以计算采样周期，并以该采样周期对延时后的待采样模拟信号进行采样，在重构时，利用拉格朗日插值多项式将各个采样值组成一个分段多项式来近似待采样连续模拟信号。本发明是一个纯粹基于时域的方法，用以在保证逐点最大重构误差的前提下进行有效的均匀采样。