問題一：

0114（中國石油大學）對于問題一的分析如下：

我認為與C題數據處理模型建立等問題較為相似。

這篇我打算詳細看一下。在題目所給的數據中。分別給了19和20年的風速、濕度、能見度的表格。對其進行數據處理。

（0114對數據的陳述）?

在第二步需要對一些因素進行假設，以便更好地建立模型。

（0114的假設）

?然后對問題一進行了問題分析：

0114的問題一思路流程圖：

這里 0219應該是用matlab把數據轉換成了圖像，詳情在如何用Matlab把excel表格中的數據導入Matlab中并繪制出圖？_魏波-CSDN博主-CSDN博客

可以做到。這里又用了一些辦法展現不同數據之間的相關性：

(44條消息) 相關性分析的五種方法_Munger6的博客-CSDN博客_相關性分析https://blog.csdn.net/Munger6/article/details/108408096以上鏈接可以展現5種相關性的分析。

接著兩篇都開始進行對模型的建立，其中0219用了三元三次多項式擬合

?0114使用了多元線性回歸方程

?

然后對模型驗證進行評價，使用擬合優度對多項式擬合的結果進行評估。

其中0219使用了擬合優度、均方根誤差、平均絕對誤差等。0114用了協方差。具體這些方差公式該怎么帶入我猜是把這些公式的matlab代碼與給定的數值結合跑出所得結果。

問題二：

實際是利用給出的機場視頻數據結合地面氣象觀測數據分析得到能見度的大小，要根據視頻中的特征信息將其與能見度數據建立對應的關系，建立深度學習模型，分析得到能見度（霧的濃厚程度），將問題轉化為分類問題，利用深度模型將視頻按照霧的濃度進行分類，評估能見度進行精度驗證

?0114問題二思路流程圖

（0219）

對視頻進行了幀提取，并利用影像去噪、影像增強的手段對數據質量進行修正；對標簽數據進行統計和劃分，避免了某一類數據在訓練集和驗證集中過于密集的 情況；嘗試使用 SIFT 算子對圖像特征點進行提取，并結合神經網絡提出我們的神經網絡深度學習模型。

?因為機場AMOS數據是一維數據，而視頻數據屬于二維圖像數據。但本題的圖像數據存在異常情況，局部特征對于能見度的反演能力有限。所以直接基于圖像進行深度學習不太合適。所以需要對圖像數據進行預處理減少噪聲等隨機信息對模型收斂的影響。

0219先提取每一幅圖像的特征信息再采用全連接神經網絡進行學習。提取時間間隔15秒的重要關鍵幀。將連續的視頻數據轉換為1860幅圖像。通過圖像對異常信息進行辨識。

從有噪聲的圖像中恢復有意義的信息以獲得高質量的圖像是一個重要的問題，分別采用中值濾波、均值濾波和高斯濾波。

中值濾波是一種非線性空間濾波器，均值濾波器的輸出是包含在濾波掩膜領域內像素的簡單平均值；高斯濾波是一種線性平滑濾波。

（以上為非局部均值部分示意。0219使用）

然后進行“尺度不變特征變換（SIFT）特征提取”，是一種較為穩定的局部特征，具有放縮不變性、旋轉不變形，抗光照變化，抗試點變化

接著開始對圖像進行預處理（去噪、增強、掩膜）

?

用不同的濾波器對圖像進行去噪，然后找出適合本題的濾波算法。（一般圖像分為：椒鹽噪聲和高斯噪聲）

然后對樣本進行訓練，對樣本的處理也很重要，保證數據的能見度分布比較均衡。

這里兩篇都使用了對深度學習模型的搭建，0114在建立深度學習模型的時候，使用卷積神經網絡直接將圖像數據作為輸出。

以下為VGG16卷積神經網絡深度學習模型的流程圖

對問題二的總結（0219）

（1）對視頻進行幀提取，利用影像去噪、影像增強的手段對數據質量進行修正

（2）嘗試使用SIFT算子對圖像特征點進行提取，并結合神經網絡提出神經網絡深度學習模型。

問題二需要一些神經網絡或是深度學習的知識

問題三：

?建模估算能見度。

0219: （如何充分利用圖像中的特征以及如何分析具有時間序列的圖像是進行建模求解的關鍵。）

（1）直接根據單目圖像計算景深

（2）選定感興趣區域（ROI），計算所有ROI區域的平均亮度值的變化；

（3）通過圖像增強算法，利用邊緣檢測算子獲取公路標線的可見長度，以此來推算能見度

（4）基于暗通道先驗算法，根據不同景深的物體對比度差異，計算圖像的大氣消光系數和大氣透射率，根據大氣消光系數估算能見度。

后對這四個方法進行試驗和介紹。第四種方法的技術路線圖：

得到模型優缺點：

?0114：

Canny算子邊緣檢測

對原始圖像進行灰度化，然后對灰度圖進行邊緣檢測，提取圖像中的灰度級突變。

使用經典Hough變換，對圖像進行坐標變換，使變換結果更容易識別和檢測。

最后用相機模型原理，建立灰度變化拐點值最大景深線與能見度的定量關系：

?可見第三問兩道題的處理方式是不一樣的，可以都進行詳細了解在使用不同題目時進行使用。

?問題四：

0219：

?0114：

我覺得兩道題相比，0219的問題解決的更清晰更符合應用。 但0114更流程化。

?至此，本題梳理完畢

總結

以上是生活随笔為你收集整理的【自我解析】2020年华为杯数学建模比赛E题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。