基于双神经网络通道的时间序列预测框架

为了提高时间序列预测方法的预测精度,提出了一种基于双神经网络通道的时间序列预测框架。双通道框架组合了卷积神经网络和循环神经网络,卷积神经网络通道利用卷积和池化操作提取出时间序列的深层特征,循环神经网络通道能够提取出长序列依赖特征。此外,针对循环神经网络通道,设计了基于注意力机制的改进,提高预测精度。在EEM2016能源价格预测比赛提供的数据集上进行了实验,实验结果表明所提双通道框架可以取得比单通道框架更高的预测精度。     

基于稀疏光流的道路航拍图像拼接算法

随着无人机技术的发展与成熟,无人机航拍图像在道路维护、交通事故勘察、城市路网地图构建等方面开始发挥重要的作用。当前主流的基于特征描述子匹配的图像拼接算法难以处理道路航拍图像中纹理稀疏、局部相似性高的问题,为此论文提出了基于稀疏光流的图像拼接算法。该方法能够有效地得到无人机航拍图像序列中的道路全景图像,并能保证中等规模的全景图像的一致性。最后通过与商用图像拼接软件PTGui比较,验证该方法的有效性。