期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到30篇文章
< 1 2 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Huber损失函数的稳健随机森林模型及应用 认领 引用
1
作者 蔡超 胡成翔 《统计与决策》 CSSCI 北大核心 2026年第5期47-53,共7页
随着人工智能技术的发展,随机森林模型在众多领域中得到了快速发展和广泛应用。但在处理实际问题时,传统的随机森林模型易受厚尾数据、异常值等因素影响,导致估计出现偏差。鉴于此,文章提出基于Huber损失函数的稳健随机森林模型,并给出... 随着人工智能技术的发展,随机森林模型在众多领域中得到了快速发展和广泛应用。但在处理实际问题时,传统的随机森林模型易受厚尾数据、异常值等因素影响,导致估计出现偏差。鉴于此,文章提出基于Huber损失函数的稳健随机森林模型,并给出了估计算法、变量重要性测度方法及偏相依关系测度方法。该模型利用Huber损失函数的优势,在处理具有偏态分布或异常值的数据时具有更好的稳健性,且能更好地降低极端异常值对模型估计的不良影响。数值模拟结果表明:在处理具有偏态分布或异常值的数据时,基于Huber损失函数的稳健随机森林模型在预测性能上显著优于均值回归森林模型和中位数回归森林模型。将基于Huber损失函数的稳健随机森林模型应用于中国县域数字金融与农民收入数据集中,结果表明,所提方法比传统的随机森林模型具有更好的稳健性和更强的预测能力。 展开更多
关键词 随机森林模型 Huber损失函数 预测误差 稳健性
暂未订购 下载PDF
EEG Feature Learning Model Based on Intrinsic Time-Scale Decomposition and Adaptive Huber Loss 认领 引用 被引量：1
2
作者 YANG Li-jun JIANG Shu-yue +1 位作者 WEI Xiao-ge XIAO Yun-hai 《Chinese Quarterly Journal of Mathematics》 2022年第3期281-300,共20页
According to the World Health Organization,about 50 million people worldwide suffer from epilepsy.The detection and treatment of epilepsy face great challenges.Electroencephalogram(EEG)is a significant research object... According to the World Health Organization,about 50 million people worldwide suffer from epilepsy.The detection and treatment of epilepsy face great challenges.Electroencephalogram(EEG)is a significant research object widely used in diagnosis and treatment of epilepsy.In this paper,an adaptive feature learning model for EEG signals is proposed,which combines Huber loss function with adaptive weight penalty term.Firstly,each EEG signal is decomposed by intrinsic time-scale decomposition.Secondly,the statistical index values are calculated from the instantaneous amplitude and frequency of every component and fed into the proposed model.Finally,the discriminative features learned by the proposed model are used to detect seizures.Our main innovation is to consider a highly flexible penalization based on Huber loss function,which can set different weights according to the influence of different features on epilepsy detection.Besides,the new model can be solved by proximal alternating direction multiplier method,which can effectively ensure the convergence of the algorithm.The performance of the proposed method is evaluated on three public EEG datasets provided by the Bonn University,Childrens Hospital Boston-Massachusetts Institute of Technology,and Neurological and Sleep Center at Hauz Khas,New Delhi(New Delhi Epilepsy data).The recognition accuracy on these two datasets is 98%and 99.05%,respectively,indicating the application value of the new model. 展开更多
关键词 Epilepsy EEG signals Intrinsic time-scale decomposition Huber loss function
暂未订购 下载PDF
基于Huber损失函数的改进型数据融合算法 认领 引用
3
作者 徐瑞昆 马娟 《舰船电子对抗》 2025年第4期74-78,84,共5页
针对传统数据融合算法对离群值和噪声存在鲁棒性不足的问题,提出了一种基于Huber损失函数的改进型数据融合方法。通过构建混合范数优化模型,引入Huber损失函数评估传感器可靠性,推导出具有抗离群值特性的动态权重解析解。建立包含离群... 针对传统数据融合算法对离群值和噪声存在鲁棒性不足的问题,提出了一种基于Huber损失函数的改进型数据融合方法。通过构建混合范数优化模型,引入Huber损失函数评估传感器可靠性,推导出具有抗离群值特性的动态权重解析解。建立包含离群值的雷达观测模型,设计了基于Huber损失函数的动态加权数据融合算法。仿真结果验证了该算法的有效性。 展开更多
关键词 Huber损失函数 动态加权融合 鲁棒估计 多雷达跟踪 离群值抑制
暂未订购 下载PDF
基于PyConv-Transformer的锂离子电池剩余寿命预测 认领 引用
4
作者 吴忠强 吴江浩 《计量学报》 CSCD 北大核心 2026年第1期102-110,共9页
锂离子电池的剩余使用寿命(RUL)是电池健康管理的重要参数。电池在实际使用过程中会出现容量再生现象,而且在电池数据采集过程中,通常难以避免噪声干扰,影响数据质量。针对以上问题提出一种基于Transformer结合金字塔卷积网络的电池RUL... 锂离子电池的剩余使用寿命(RUL)是电池健康管理的重要参数。电池在实际使用过程中会出现容量再生现象,而且在电池数据采集过程中,通常难以避免噪声干扰,影响数据质量。针对以上问题提出一种基于Transformer结合金字塔卷积网络的电池RUL预测模型,选取容量作为健康因子,利用金字塔卷积网络中不同大小的卷积核提取容量序列的特征信息,利用Transformer中的多头注意力机制进一步学习序列的时序特征。采用加权Huber损失函数,提高模型的鲁棒性;采用Dropout技术,提高模型的泛化能力,防止训练过程中出现过拟合。将所提预测模型在NASA和CALCE数据集上实验,并与其他模型比较。实验结果表明,所提模型的预测精度更高,在NASA和CALCE数据集上的相对误差分别为0.008 6、0.019 3;平均绝对误差分别为0.011 5、0.012 6;均方根误差分别为0.017 3、0.018 9。 展开更多
关键词 电学计量 剩余使用寿命 锂电池容量 金字塔卷积网络 Transformer 加权Huber损失函数 Dropout
暂未订购 下载PDF
基于灰狼算法优化BP的设施葡萄光合速率预测模型 认领 引用
5
作者 叶飞 李华龙 +6 位作者 李淼 张军华 程彬彬 金梦 宣磊 刘先旺 麻之润 《农业工程学报》 EI CAS CSCD 北大核心 2026年第10期215-223,共9页
为探究设施葡萄环境特征与光合速率间的相关性,实现多环境特征耦合下的设施葡萄光合速率精准预测,该研究提出一种基于灰狼算法优化BP的设施葡萄光合速率预测模型(grey wolf optimizer-back propagation,GWO-BP)。首先采集2024年6—9月... 为探究设施葡萄环境特征与光合速率间的相关性,实现多环境特征耦合下的设施葡萄光合速率精准预测,该研究提出一种基于灰狼算法优化BP的设施葡萄光合速率预测模型(grey wolf optimizer-back propagation,GWO-BP)。首先采集2024年6—9月妮娜皇后葡萄光合作用数据,然后利用随机森林基尼重要性和最大信息系数筛选出影响光合速率的二氧化碳浓度、空气温度、空气湿度和光合有效辐射关键特征,构建结构为4-12-1的BP模型,使用泽维尔均匀初始化和零初始化算法分别对BP模型的权值和阈值进行初始化,并引入自适应矩估计(adaptive moment estimation,ADAM)算法动态调整学习率,最后通过灰狼算法(grey wolf optimizer,GWO)优化其初始权值和阈值。试验对比分析BP、支持向量回归(support vector regression,SVR)、随机森林(random forest,RF)、极限学习机(extreme learning machine,ELM)4种模型,确定效果最佳的基础模型,然后对比分析GWO-BP模型与基础模型。结果表明BP模型为最佳基础模型,在验证集和测试集的决定系数(R2)分别为0.832和0.834,性能优于其他3种模型;而GWO-BP模型相较于BP模型,其验证集R2提升至0.920,均方根误差下降31.2%,平均绝对误差下降25.1%;GWO-BP模型相较于BP模型,其测试集R2提升至0.918,均方根误差下降29.8%,平均绝对误差下降22.5%,Huber损失函数由0.01降低到0.006以下,有效避免BP模型易陷入局部最优的问题,灰狼算法提升BP模型的全局搜索能力和收敛稳定性,使GWO-BP模型在极端值区间的预测性能更优。该模型为准确捕捉设施葡萄光合速率与多环境特征的耦合关系,实现设施葡萄光合速率精准预测提供可靠的技术手段。 展开更多
关键词 设施葡萄 光合速率 BP神经网络 灰狼算法 自适应矩估计算法 Huber损失函数
暂未订购 下载PDF
DEM建模的多面函数Huber抗差算法 认领 引用 被引量：20
6
作者 陈传法 刘凤英 +3 位作者 闫长青 戴洪磊 郭金运 刘国林 《武汉大学学报（信息科学版）》 EI CAS CSCD 北大核心 2016年第6期803-809,共7页
为了抑制采样点中粗差对数字高程模型(digital elevation model,DEM)建模的影响,以较高精度的多面函数(multi-quadric,MQ)为基函数,由改进Huber损失函数和权重惩罚项组成目标函数,发展了MQ抗差插值算法(MQ-H)。通过优化MQ-H目标函数,采... 为了抑制采样点中粗差对数字高程模型(digital elevation model,DEM)建模的影响,以较高精度的多面函数(multi-quadric,MQ)为基函数,由改进Huber损失函数和权重惩罚项组成目标函数,发展了MQ抗差插值算法(MQ-H)。通过优化MQ-H目标函数,采样点权重计算最终转换为方程组求解。以数学曲面为研究对象,将MQ-H计算结果与传统MQ及最小绝对偏差MQ(MQ-L)进行比较,结果表明:当采样误差服从正态分布时,MQ-H计算精度与传统MQ相当,而远高于MQ-L;当采样误差服从拉普拉斯分布时,MQ-H计算精度略高于MQ-L及传统MQ;当采样点被粗差污染时,MQ-H计算精度远高于传统MQ及MQ-L。在实例分析中,以无人遥测飞艇立体像对获取的地面离散高程点为基础数据,基于MQ-H构建测区DEM,并将计算结果与传统插值算法,如反距离加权(inverse distance weighting,IDW)、普通克里金(ordinary Kriging,OK)和专业DEM插值软件ANUDEM(Australian National University DEM)进行比较,结果表明,传统插值方法在不同程度上受采样点中异常值或偶然误差影响,而MQ-H受异常值影响较小,且能准确捕捉到地形细节信息。 展开更多
关键词 抗差 多面函数 精度 DEM Huber损失函数
暂未订购 下载PDF
基于Huber损失的稳健张量回归及其应用 认领 引用 被引量：2
7
作者 李传权 马海强 +1 位作者 刘小惠 刘育孜 《数理统计与管理》 CSSCI 北大核心 2024年第4期571-586,共16页
随着科学技术的进步,张量数据及相关方法在众多领域中得到了快速的发展和广泛的运用。一系列基于CP(CANDECOMP/PARAFAC)分解的张量回归也逐渐被提出,但是在实际问题中,传统的张量回归方法易受厚尾数据、异常值等因素影响,从而造成系数... 随着科学技术的进步,张量数据及相关方法在众多领域中得到了快速的发展和广泛的运用。一系列基于CP(CANDECOMP/PARAFAC)分解的张量回归也逐渐被提出,但是在实际问题中,传统的张量回归方法易受厚尾数据、异常值等因素影响,从而造成系数估计的偏差。鉴于此,本文提出基于Huber损失的稳健张量回归以及其稀疏形式,并构造了稳健块松弛算法及其稀疏算法,对其进行优化求解。同时,本文证明了稳健张量回归中估计系数的相合性和渐近正态性,也给出了稀疏形式下回归系数的误差界。最后,模拟实验和京津冀地区PM2.5数据均证实本文所提的方法比传统的张量回归具有更好的稳健性和更加精确的预测能力。 展开更多
关键词 Huber损失函数 稳健性 CP分解 张量回归 PM2.5
暂未订购 下载PDF
增量式Huber-支持向量回归机算法研究 认领 引用 被引量：3
8
作者 周晓剑 肖丹 付裕 《运筹与管理》 CSSCI CSCD 北大核心 2022年第8期137-142,共6页
传统的面向支持向量回归的一次性建模算法中样本增加时,均需从头开始学习,而增量式算法可以充分利用上一阶段的学习成果。SVR的增量算法通常基于ε-不敏感损失函数,该损失函数对大的异常值比较敏感,而Huber损失函数对异常值敏感度低。... 传统的面向支持向量回归的一次性建模算法中样本增加时,均需从头开始学习,而增量式算法可以充分利用上一阶段的学习成果。SVR的增量算法通常基于ε-不敏感损失函数,该损失函数对大的异常值比较敏感,而Huber损失函数对异常值敏感度低。所以在有噪声的情况下,Huber损失函数是比ε-不敏感损失函数更好的选择,在现实情况当中。基于此,本文提出了一种基于Huber损失函数的增量式Huber-SVR算法,该算法能够持续地将新样本信息集成到已经构建好的模型中,而不是重新建模。与增量式ε-SVR算法和增量式RBF算法相比,在对真实数据进行预测建模时,增量式Huber-SVR算法具有更高的预测精度。 展开更多
关键词 增量算法 支持向量回归机 Huber损失函数
暂未订购 下载PDF
基于质心引导策略的激光雷达与相机联合标定方法 认领 引用
9
作者 刘超山 冉腾 +1 位作者 何丽 陶庆 《科学技术与工程》 EI 北大核心 2026年第14期6085-6095,共11页
相机与激光雷达外参标定是实现多模态数据高精度融合的前提条件。现有基于目标的标定方法因缺乏显著几何特征而影响标定精度,因此,提出了一种基于质心引导策略的激光雷达与相机联合外参标定方法。设计了一种具有质心约束的多特征点标定... 相机与激光雷达外参标定是实现多模态数据高精度融合的前提条件。现有基于目标的标定方法因缺乏显著几何特征而影响标定精度,因此,提出了一种基于质心引导策略的激光雷达与相机联合外参标定方法。设计了一种具有质心约束的多特征点标定目标,结合标定目标几何参数,分别从点云与图像数据中获取特征点坐标信息;并且,将Huber损失函数引入拟牛顿法以进一步优化联合外参;最后,在真实场景中进行3D目标检测验证本文方法的有效性。提出了质心引导策略,通过改进拟牛顿算法优化外参矩阵的方法,比4组特征点标定方法平均重投影误差减小8.4%,对比试验表明,改进拟牛顿优化算法对于联合外参精度提升可产生有益效果。 展开更多
关键词 高精度融合 质心引导策略 3D目标检测 Huber损失函数 拟牛顿法
暂未订购 下载PDF
Huber-支持向量回归机在线算法研究 认领 引用 被引量：2
10
作者 周晓剑 肖丹 付裕 《统计与决策》 CSSCI 北大核心 2021年第20期10-14,共5页
当数据规模逐渐扩大以及数据不断更新时,将传统的基于支持向量回归机(Support Vector Regression,SVR)的一次性建模算法用于数据的分析处理,均需要从头开始建模,而在线学习算法可以很好地解决这一问题。文章在ε-SVR在线算法的基础上,... 当数据规模逐渐扩大以及数据不断更新时,将传统的基于支持向量回归机(Support Vector Regression,SVR)的一次性建模算法用于数据的分析处理,均需要从头开始建模,而在线学习算法可以很好地解决这一问题。文章在ε-SVR在线算法的基础上,提出了一种新的Huber-SVR在线算法,采用定长的滚动窗口策略对样本进行训练,在增加一个新样本的同时删除一个旧样本,从而满足样本更新的需求,实现模型的在线学习。仿真结果表明了该在线算法的有效性,与ε-SVR在线算法相比,该算法在回归预测方面的预测误差率较低,对真实数据有较好的拟合效果。 展开更多
关键词 在线算法 Huber-支持向量回归机 Huber损失函数
暂未订购 下载PDF
Huber损失下线性模型的序列相关检验 认领 引用 被引量：2
11
作者 谭祥勇 胡天英 刘锋 《重庆理工大学学报（自然科学）》 CAS 北大核心 2023年第8期342-347,共6页
金融数据分析中经常发现数据具有厚尾或非对称特征,这给模型相关性检验带来了许多困扰。针对厚尾和非对称分布的序列相关性检验问题,结合秩相关系数和Huber损失,提出了HubT、CCT检验统计量,并在原假设下得到了检验统计量的渐近分布。通... 金融数据分析中经常发现数据具有厚尾或非对称特征,这给模型相关性检验带来了许多困扰。针对厚尾和非对称分布的序列相关性检验问题,结合秩相关系数和Huber损失,提出了HubT、CCT检验统计量,并在原假设下得到了检验统计量的渐近分布。通过数值模拟说明新构建的统计量能在厚尾和非对称分布的序列中有良好的表现。 展开更多
关键词 线性模型 Huber损失函数 厚尾误差 序列相关性检验
暂未订购 下载PDF
基于Huber损失的非负矩阵分解算法 认领 引用 被引量：6
12
作者 王丽星 曹付元 《计算机科学》 CSCD 北大核心 2020年第11期80-87,共8页
非负矩阵分解(Nonnegative Matrix Factorization)算法能为原始数据找到非负的、线性的矩阵表示且保留了数据的本质特征,已被成功应用于多个领域。经典的NMF算法及其变体算法大部分使用均方误差函数来度量重建误差,在许多任务中已经显... 非负矩阵分解(Nonnegative Matrix Factorization)算法能为原始数据找到非负的、线性的矩阵表示且保留了数据的本质特征,已被成功应用于多个领域。经典的NMF算法及其变体算法大部分使用均方误差函数来度量重建误差,在许多任务中已经显示出其有效性,但它在处理含有噪声的数据时仍然面临一些困难。Huber损失函数对较小的残差执行的惩罚与均方误差损失函数相同,对较大的残差执行的惩罚是线性增长的,因此与均方误差损失函数相比,Huber损失函数具有更强的鲁棒性;已有研究证明L2,1范数稀疏正则项在机器学习的分类和聚类模型中具有特征选择作用。结合两者的优点,文中提出了一种基于Huber损失函数且融入L2,1范数正则项的非负矩阵分解聚类模型,并给出了基于投影梯度更新规则的优化过程。在多组数据集上将所提算法与经典的多种聚类算法进行对比,实验结果验证了所提算法的有效性。 展开更多
关键词 非负矩阵分解 Huber损失函数 L2 1范数 投影梯度法
暂未订购 下载PDF
引入Huber损失函数的睡眠脑电数据增强模型研究 认领 引用 被引量：5
13
作者 冯林娅 姚力 赵小杰 《北京师范大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第6期875-882,共8页
针对目前睡眠脑电数据的标记仍以专家评判为主,导致数据标记不足,以及影响睡眠状态自动评估的不同阶段睡眠脑电数据类不平衡等问题,提出了一种基于生成式对抗网络(generative adversarial network,GAN)的数据增强模型,用以扩充不同睡眠... 针对目前睡眠脑电数据的标记仍以专家评判为主,导致数据标记不足,以及影响睡眠状态自动评估的不同阶段睡眠脑电数据类不平衡等问题,提出了一种基于生成式对抗网络(generative adversarial network,GAN)的数据增强模型,用以扩充不同睡眠阶段的脑电数据.通过引入Huber函数来改进辅助分类器生成式对抗网络(auxiliary classifier GAN,ACGAN)模型的损失函数,解决数据模糊等品质问题.该模型无须对数据进行特征提取,其生成和判别网络都采用一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN),并以一维噪声和类别向量为生成器输入信号.分别采用手写体数字图像数据集与睡眠脑电数据集评估该模型的性能.将改进前的模型与其他损失函数模型进行了对比试验,结果表明改进模型的数据增强效果与睡眠分期效果,从可视化评估到定量评估均优于其他模型.研究结果以期为深度学习引入睡眠脑电分析中提供一种行之有效的方法. 展开更多
关键词 数据增强 生成式对抗网络 Huber损失函数 睡眠脑电
暂未订购 下载PDF
Huber损失函数集的V_γ维 认领 引用 被引量：3
14
作者 黄娟 李落清 《数学杂志》 北大核心 2004年第3期271-274,共4页
研究了无限再生核希尔伯特空间 (RKHS)中半径为R的球内回归估计的Huber损失函数集Vγ 维的有限性 ,给出其Vγ 维的上界估计 ,从而保证此类回归机器的依概率一致收敛 。
关键词 目归估计 Huber损失函数 Vγ维 一致收敛
暂未订购 下载PDF
一种基于ICA-T特征和CNN-LA-BiLSTM的锂离子电池健康状态估计方法 认领 引用 被引量：6
15
作者 张朝龙 陈阳 +3 位作者 刘梦玲 张俣峰 华国庆 阴盼昐 《储能科学与技术》 CAS CSCD 北大核心 2025年第3期1258-1269,共12页
为了解决锂离子电池健康状态(SOH)估计精度不足以及退化过程描述不准确的问题,本文提出了一种基于卷积神经网络-局部注意力-双向长短期记忆神经网络(CNN-LA-BiLSTM)的锂离子电池SOH估计方法。首先,测量锂离子电池在充电阶段的充电时间... 为了解决锂离子电池健康状态(SOH)估计精度不足以及退化过程描述不准确的问题,本文提出了一种基于卷积神经网络-局部注意力-双向长短期记忆神经网络(CNN-LA-BiLSTM)的锂离子电池SOH估计方法。首先,测量锂离子电池在充电阶段的充电时间、电流、电压、容量以及温度等数据。然后,对锂离子电池进行增量容量分析,提取增量容量(IC)曲线的面积作为锂离子电池的电特征;计算锂离子电池充电阶段的温度积分,作为温度特征;将曲线面积与温度相结合,用作锂离子电池SOH估计的联合特征增量容量面积-温度(ICA-T)。随后,利用CNN-LA-BiLSTM方法建立SOH估计模型,在模型中,引入局部注意力(LA)优化卷积神经网络(CNN)的权重和偏差,使用Huber损失函数优化模型参数从而获得良好的SOH估计效果。利用本实验室的2组锂离子电池数据开展测试,结果表明,提出的方法能有效地估计电池的SOH,平均绝对百分比误差(MAPE)为0.5794%,均方根误差(RMSE)为0.0099,决定系数(R2)为0.9961。与传统方法相比,本文提出的方法在电池SOH估计中表现出了更优的性能。 展开更多
关键词 锂离子电池 健康状态估计 卷积神经网络-局部注意力-双向长短期记忆神经网络 增量容量 Huber损失函数
暂未订购 下载PDF
矩阵因子模型的稳健估计方法 认领 引用
16
作者 杨霖 孔新兵 《数理统计与管理》 CSSCI 北大核心 2025年第5期855-870,共16页
高维矩阵因子模型是当前的研究热点,其稳健估计方法却少有探讨。本文以矩阵数据为整体,考虑用平滑Hampel损失函数估计高维矩阵因子模型,提出公共因子矩阵与因子载荷矩阵的稳健估计量。另外,利用秩最小化方法来稳健估计行和列因子的数量... 高维矩阵因子模型是当前的研究热点,其稳健估计方法却少有探讨。本文以矩阵数据为整体,考虑用平滑Hampel损失函数估计高维矩阵因子模型,提出公共因子矩阵与因子载荷矩阵的稳健估计量。另外,利用秩最小化方法来稳健估计行和列因子的数量。为了研究所提出的稳健方法相对于现有方法的实证性能,本文进行了广泛的数值研究。模拟结果表明,当数据为重尾时,特别是在t3分布下,本文所提出的HMFM方法的性能稳健且远优于现有方法;而当数据为轻尾时,其性能与现有方法类似,因此可以用于替代现有方法。对Fama-French金融投资组合数据集的应用说明了其在实证方面的有效性。 展开更多
关键词 矩阵因子模型 Huber损失函数 平滑Hampel损失函数 特征值比估计量 增长比估计量 秩最小化方法
暂未订购 下载PDF
基于机器视觉的叶菜类蔬菜菜垄识别算法 认领 引用 被引量：11
17
作者 李亚军 向阳 +2 位作者 林洁雯 胡正方 龙震寰 《中国农业大学学报》 CAS CSCD 北大核心 2020年第3期88-98,共11页
针对目前叶菜类蔬菜田间作业自动化程度低,缺乏适用自主导航技术等问题,提出一种基于机器视觉的叶菜类蔬菜菜垄识别算法。利用改进超绿算法(Gray=2Cg-Cr-Cb)对菜地图像进行灰度化,通过二值形态学变换和连通区域提取获得菜垄区域和边界,... 针对目前叶菜类蔬菜田间作业自动化程度低,缺乏适用自主导航技术等问题,提出一种基于机器视觉的叶菜类蔬菜菜垄识别算法。利用改进超绿算法(Gray=2Cg-Cr-Cb)对菜地图像进行灰度化,通过二值形态学变换和连通区域提取获得菜垄区域和边界,基于Huber损失函数进行边界曲线拟合,最终提取导航基准线。图像处理结果表明:1)本研究提出的识别算法在不同光照环境下具有较好的鲁棒性,自然综合光照条件下导航基准线提取成功率为97.5%;2)基于Huber损失函数获取到的导航基准线,平均均方根误差为0.668像素,比最小二乘法高72.5%,平均角度偏差为0.273°,比最小二乘法高72.6%,且处理速度与最小二乘法相似。试验证明本研究算法可实现在自然光照条件下对叶菜类蔬菜图像的菜垄识别和导航基准线提取。 展开更多
关键词 叶菜 机器视觉 Huber损失函数 自主导航
暂未订购 下载PDF
基于改进ICP算法的三维点云刚体配准方法 认领 引用 被引量：12
18
作者 汪霖 郭佳琛 +3 位作者 张璞 万腾 刘成 杜少毅 《西北大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第2期183-190,共8页
针对含有噪声和外点的三维点云刚体配准问题,由于迭代最近点(iterative closest point,ICP)算法的配准精度较低,为此,该文提出了一种基于改进ICP算法的三维点云刚体配准方法。考虑到伪Huber损失函数对噪声和外点不敏感、鲁棒性强,首先,... 针对含有噪声和外点的三维点云刚体配准问题,由于迭代最近点(iterative closest point,ICP)算法的配准精度较低,为此,该文提出了一种基于改进ICP算法的三维点云刚体配准方法。考虑到伪Huber损失函数对噪声和外点不敏感、鲁棒性强,首先,建立了基于伪Huber损失函数的三维点云刚体配准模型。其次,利用RGB-D点云数据中颜色信息辅助建立点云对应关系,以提高改进ICP算法中对应点匹配的准确性。最后,结合奇异值分解(singular value decomposition,SVD)和Levenberg-Marquardt(LM)的优化算法对三维点云刚体配准模型进行优化求解。实验结果表明,该文所提三维点云刚体配准方法的配准精度高,能够有效抑制噪声和外点对配准精度的影响。 展开更多
关键词 三维点云刚体配准 伪Huber损失函数 RGB-D点云数据 噪声和外点
暂未订购 下载PDF
异常值和未知观测噪声鲁棒的卡尔曼滤波器 认领 引用 被引量：6
19
作者 方安然 李旦 张建秋 《系统工程与电子技术》 EI CSCD 北大核心 2021年第3期593-602,共10页
给出了对异常值和未知分布的观测噪声鲁棒的卡尔曼滤波器。分析表明当以Huber损失函数替代推导卡尔曼滤波器最大后验准则中观测误差的l2范数时,就构造了一个新的准则。由于Huber损失函数可同时描述l1和l2范数,因此由这个新准则推导的卡... 给出了对异常值和未知分布的观测噪声鲁棒的卡尔曼滤波器。分析表明当以Huber损失函数替代推导卡尔曼滤波器最大后验准则中观测误差的l2范数时,就构造了一个新的准则。由于Huber损失函数可同时描述l1和l2范数,因此由这个新准则推导的卡尔曼滤波器,在具有传统卡尔曼滤波器性质的同时,也有了l1范数对异常值鲁棒的特性。而当含异常值的观测噪声统计分布未知时,利用含未知参数的高斯混合模型描述其分布以及变分贝叶斯推理,提出了对异常值和未知统计分布观测噪声鲁棒的卡尔曼滤波器。仿真和实验在验证了分析结果正确的同时,也表明提出算法的性能优于现有文献报道鲁棒类的卡尔曼滤波器。 展开更多
关键词 卡尔曼滤波器 Huber损失函数 高斯混合分布 期望最大化算法 变分贝叶斯
暂未订购 下载PDF
利用雷达数据开展对流降水临近预报的循环神经网络方法试验 认领 引用 被引量：4
20
作者 黄兴友 张永轩 +1 位作者 李芳 李峰 《大气科学》 CSCD 北大核心 2024年第6期2329-2341,共13页
中尺度对流降水预报是天气预报的重点和难点之一,天气雷达探测的高时空分辨率降水数据是开展0~2 h临近预报的主要依据。由于传统雷达回波外推方法缺乏非线性映射能力和本地环境参量变化对系统的影响等局限性,所以本研究引入带记忆解耦... 中尺度对流降水预报是天气预报的重点和难点之一,天气雷达探测的高时空分辨率降水数据是开展0~2 h临近预报的主要依据。由于传统雷达回波外推方法缺乏非线性映射能力和本地环境参量变化对系统的影响等局限性,所以本研究引入带记忆解耦功能的循环神经网络方法,采用ST-LSTM单元组成的PredRNN-v2深度学习技术,对局地性对流天气系统进行临近预报。利用2010~2014年的广州雷达体扫回波强度资料,构造模型训练数据集和测试数据集。选择Huber损失函数进行训练,不但收敛速度快、而且鲁棒性更强。一般认为,强回波对系统演变的影响更大。因此,本研究为强回波分配较大权重,增强其在拟合过程中的影响程度。对采用等权重损失函数的PredRNN-v2模型和采用不同权重Huber损失函数的PredRNN-v2模型进行测试集检验以及对流降水个例分析,结果表明,测试集中后者在较长的外推时效下,对强回波预测的临界成功指数、命中率更高,虚警率更低。两次个例分析表明,在较长的外推时效下,后者峰值信噪比PSNR和图像结构相似性SSIM更高;在2 h内的任意外推时效下,强回波偏差评分始终更接近于1。因此,在长预报时效以及对强回波预测效果上,采用带权重的Huber损失函数的PredRNN-v2模型更优,可以更好地模拟对流回波演变的非线性过程,并产生更合理、更准确地降水位置预报。 展开更多
关键词 对流临近预报 雷达反射率 深度学习 ST-LSTM单元 Huber损失函数
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈