光谱残差 显著模型.m

针对YOLO系列的目标检测方法参数多、计算量大、生成检测模型规模大等导致对运行硬件平台计算资源要求高的问题,提出一种基于反残差结构的轻量级多目标检测网络(IR-YOLO)。首先,利用深度可分离卷积减少

压缩感知（CS）是一种能同时进行数据采集和压缩的新理论，为简化编码算法提供了依据，同时，分布式视频编码（DVC）为低复杂度的视频编码提供了思路。因此，通过整合DVC和CS各自的特性以构建编码简单的视频

提出一种基于线性预测残差倒谱的基音周期检测算法．该算法对语音信号的线性预测残差信号做倒谱变 换，将其作为基音检测特征．并综合残差倒谱峰、短时能量和短时过零率三种特征，构造一个清浊音判决函数，简化 清浊

研究论文-利用线性预测残差的语音去噪方法

针对采用灰色神经网络预测瓦斯浓度时部分预测值精度不高的问题,提出用马尔科夫模型对三阶灰色神经网络模型预测结果进行修正的方法;介绍了灰色神经网络模型的建立和马尔科夫修正残差方法,并采用该方法对某煤矿不同

基于EEMD残差的故障诊断方法，王尊，顾祥柏，总体平均经验模态分解（EEMD）有效解决了传统希尔伯特-黄变换（HHT）中经验模态分解（EMD）模态混叠的问题，利用分解结果求得希尔伯�

通过sas软件，拟合出多元线性回归方程，接着求出其残差、学生化残差、杠杆量等，进而求出学生化残差，画出QQ图，画出残差图，最后进行BOX-COX变换。

一种基于残差滤波和多级分解的PDF图像去噪方法。该方法能够有效消除PDF图像中的噪声，并保留原有的细节信息。实验结果表明，该方法在去噪效果和图像保真度方面表现优异。

论文研究-基于动态组合残差修正的预测方法.pdf,  本文建立了一种基于残差修正的组合预测方法，并基于该方法证明了针对多个单一的预测方法根据其在某个时间段的相对预测误差的大小选择组合选项可以进一步提高

城市道路中车辆检测与识别对于提升交通安全,发展智能化交通具有非常重要的意义。传统的检测方式依赖于人工提取的特征,已难以适用于复杂多变的交通场景,存在识别精确度低、时间复杂度高等缺陷。深度学习模型可以自