针对水质预测问题，以地表水水质监测因子作为研究对象，提出了一种基于长短期记忆（LSTM）神经网络的水质多因子预测模型，同时利用提出的K-Similarity降噪法对模型的输入数据进行降噪，提高模型预测性能.通过与BP神经网络、RNN和传统的LSTM神经网络预测模型进行对比实验，证明了所提出的方法均方误差最小，预测结果更准确.
2022-05-24 20:31:10
1.73MB
1
【图像去噪】基于高通、低通、带通、方向多种滤波器实现图像去噪含Matlab源码
2022-05-24 19:39:10
2.89MB
1
这是文章中使用的原始代码：Y. van Gennip、P. Athavale、J. Gilles、R. Choksi，“一种对 QR 条码进行盲去模糊和去噪的正则化方法”。 IEEE Transactions on Image Processing, Vol.24, No.9, 2864--2873, 2015 年 9 月。 此代码对于非商业用途是免费的。 如果您使用此代码，请引用上述参考。
2022-05-23 17:53:23
122KB
1
【信号去噪】 基于小波软阈值+硬阈值+改进阈值实现轴承故障仿真信号去噪含Matlab源码
2022-05-23 16:26:01
853KB
1
hsi
matlab代码该存储库包含在以下方面提出的高光谱图像降噪算法：
Dantas
CF，Cohen
JE和Gribonval
R.“使用字典学习进行高光谱图像降噪”。
WHISPERS
2019，荷兰阿姆斯特丹。
（位于：）
所提出的技术结合了低等级和稀疏性（通过词典学习）。
用法示例
要运行的主要脚本是“
DL_HSI_denoise.m”。
假设将图像放置在matlab变量“
imnoise”（3D数组）中，然后运行以下代码：
[imout，exec_times]
=
DL_HSI_denoise（imnoise）;
其中“
imout”包含最终去噪图像，“
exec_times”包含执行时间。
文件列表和描述
DL_HSI_denoise.m：主脚本。
输入嘈杂的HSI并输出其去噪版本。
脚本层次结构：DL_HSI_denoise.m->
image_denoise_lr.m->
HO_SuKro_DL_ALS.m->
DictUpdateALS2.m
核/
image_denoise_lr.m：去噪方法的稀疏阶段（使用字典学习）。
HO_SuKro_DL_ALS.m：默认
2022-05-23 15:02:55
47KB
1