排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
针对短波最大可用频率(MUF)经典模型方法预测精度低及机器学习方法训练集数据获取难度大的问题,提出一种模型数据双驱动的双向门控递归单元(Bi GRU)网络用于MUF短期预测。模型驱动方面,利用经典MUF预测模型生成的大规模数据集作为模型驱动训练集,经过2DCNN和Bi GRU网络联合学习后,获得一个初步网络。数据驱动方面,使用小规模的实测数据集对初步网络进行二次训练,得到最终网络CNN-Bi GRU-NN。仿真结果表明,所提网络与GRU网络、LSTM网络以及VOACAP模型相比,在日期尺度和时刻尺度上的平均均方根误差(RMSE)均有降低。 相似文献
3.
针对目标探测算法对混合像元难以区分以及阈值不易选择的问题,根据同类像元的相似性提出对抗生长(AG)算法。首先将生长树模型应用在目标探测中,然后利用AG算法对生长树模型进行改进,最后在遗漏率和重叠率两个参数的约束下得到生长结果,通过对生长结果的进一步分析来得到探测结果。通过实验数据分析可以看到AG算法在检测概率为90%的情况下,虚警率比其他4种传统算法中最佳结果还低0.31个百分点;算法的接收机特性曲线在4组数据中均位于其他算法的左上方,验证所提算法的有效性,表明该算法能够较好地区分混合像元,克服阈值选择的难题,提高目标检测的效率。 相似文献
1