前期研究工作提出了以预测均方根相对误差最小为回归目标的方法(Minimization of prediction relative error,MPRE),它能使得预测结果的均方根相对误差更小。偏最小二乘法(Partial least squares,PLS)是以预测均方根误差为回归目标,能...前期研究工作提出了以预测均方根相对误差最小为回归目标的方法(Minimization of prediction relative error,MPRE),它能使得预测结果的均方根相对误差更小。偏最小二乘法(Partial least squares,PLS)是以预测均方根误差为回归目标,能使得预测结果的均方根误差更小。基于多模型结合的思想,提出将MPRE与PLS相结合的双模型结合多元校正方法。本方法步骤为:(1)分别采用MPRE与PLS法对校正集建模;(2)计算阈值;(3)分别采用已建立好的MPRE与PLS模型进行预测;(4)将预测结果与阈值进行比较,得到预测结果。通过对酒精的近红外光谱与汽油紫外光谱进行定量分析结果表明,本方法可进一步减小预测均方根误差与相对误差。展开更多
矿井视频监控系统的相当一部分图像信息采集传感器处于低照明、高密度粉尘的环境中,导致获取的图像出现忽明忽暗、噪声较多的现象,很大程度上干扰了对井下生产状况的有效监控。为此,将小波阈值去噪算法与非局部均值滤波算法(Non-local m...矿井视频监控系统的相当一部分图像信息采集传感器处于低照明、高密度粉尘的环境中,导致获取的图像出现忽明忽暗、噪声较多的现象,很大程度上干扰了对井下生产状况的有效监控。为此,将小波阈值去噪算法与非局部均值滤波算法(Non-local means filtering,NLM)相结合,提出了一种井下视频图像去噪算法。该算法对获取的原始矿井视频图像进行单层小波变换,对得到的低频系数和高频系数分别进行如下处理:1将低频系数进行单层小波变换,得到次低频系数1和次高频系数1,对次高频系数1采用改进型小波阈值去噪模型进行噪声抑制后与次低频系数1进行重构,得到低频图像;2将高频系数进行单层小波变换,得到次低频系数2和次高频系数2,对次高频系数2予以舍弃,对次低频系数2采用小波软阈值去噪模型处理后进行系数重构,得到高频图像。对获取的低频、高频图像进行融合,并对融合后的图像进行非局部均值滤波,得到高清晰度的矿井视频图像。采用VB语言对所提算法进行编程试验,并与小波硬阈值去噪模型、小波软阈值去噪模型、非局部均值滤波算法进行试验对比,结果表明:该算法去噪后的矿井视频图像清晰度以及峰值信噪比(Peak singnal noise to ratio,PSNR)、均方根误差(Root mean square error,MSE)等指标明显优于其余3类算法。展开更多
文摘前期研究工作提出了以预测均方根相对误差最小为回归目标的方法(Minimization of prediction relative error,MPRE),它能使得预测结果的均方根相对误差更小。偏最小二乘法(Partial least squares,PLS)是以预测均方根误差为回归目标,能使得预测结果的均方根误差更小。基于多模型结合的思想,提出将MPRE与PLS相结合的双模型结合多元校正方法。本方法步骤为:(1)分别采用MPRE与PLS法对校正集建模;(2)计算阈值;(3)分别采用已建立好的MPRE与PLS模型进行预测;(4)将预测结果与阈值进行比较,得到预测结果。通过对酒精的近红外光谱与汽油紫外光谱进行定量分析结果表明,本方法可进一步减小预测均方根误差与相对误差。
文摘矿井视频监控系统的相当一部分图像信息采集传感器处于低照明、高密度粉尘的环境中,导致获取的图像出现忽明忽暗、噪声较多的现象,很大程度上干扰了对井下生产状况的有效监控。为此,将小波阈值去噪算法与非局部均值滤波算法(Non-local means filtering,NLM)相结合,提出了一种井下视频图像去噪算法。该算法对获取的原始矿井视频图像进行单层小波变换,对得到的低频系数和高频系数分别进行如下处理:1将低频系数进行单层小波变换,得到次低频系数1和次高频系数1,对次高频系数1采用改进型小波阈值去噪模型进行噪声抑制后与次低频系数1进行重构,得到低频图像;2将高频系数进行单层小波变换,得到次低频系数2和次高频系数2,对次高频系数2予以舍弃,对次低频系数2采用小波软阈值去噪模型处理后进行系数重构,得到高频图像。对获取的低频、高频图像进行融合,并对融合后的图像进行非局部均值滤波,得到高清晰度的矿井视频图像。采用VB语言对所提算法进行编程试验,并与小波硬阈值去噪模型、小波软阈值去噪模型、非局部均值滤波算法进行试验对比,结果表明:该算法去噪后的矿井视频图像清晰度以及峰值信噪比(Peak singnal noise to ratio,PSNR)、均方根误差(Root mean square error,MSE)等指标明显优于其余3类算法。