导读:本文包含了降维方法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,光谱,流形,数据,算法,拉普拉斯,方法。
降维方法论文文献综述
刘鹏,艾施荣,杨普香,李文金,熊爱华[1]（2019）在《非线性流形降维方法结合近红外光谱技术快速鉴别不同海拔的茶叶》一文中研究指出为提高不同海拔茶叶品质近红外光谱技术鉴别方法的精度,提出采用局部线性嵌入法(LLE)和拉普拉斯特征映射法(LE)非线性流形学习方法对近红外光谱数据进行降维处理,并与基于核函数的非线性(KPCA)及线性(PCA)降维方法比较,建立不同海拔茶叶品质的近红外光谱LSSVM鉴别模型。不同降维方法可视化结果表明,KPCA和PCA方法的数据点离散性较大,400～800 m和800～1 200 m的样本点重迭较多,而非线性流形学习方法能将同一类样本点在叁维空间很好地聚集在一起,不同海拔的茶叶能较好地区分开,且聚集效果方面LE方法好于LLE方法。模型性能表明,LE_LSSVM模型性能最佳,预测集总体判别率、Kappa系数分别为100%和1.00;相比于PCA_LSSVM、KPCA_LSSVM和LLE_LSSVM,模型预测集总体判别率分别提高1.7%、1.7%、3.3%;Kappa系数分别提高0.025、0.03、0.05。研究表明,LE等非线性流形学习降维方法在近红外光谱数据降维、简化模型复杂度、提高模型精度方面效果很好,为茶叶品质快速检测方法研究提供了一种新思路。(本文来源于《茶叶科学》期刊2019年06期）
简川霞,林子嘉,杜美剑,吴一凡,谢俊生[2]（2019）在《基于特征融合与降维的印刷套准识别方法》一文中研究指出目的针对单一方面特征难以准确表达印刷标志套准状态的问题,研究印刷标志图像多维特征提取、融合和降维的印刷套准识别方法。方法提取印刷标志图像的灰度共生矩阵、Tamura纹理特征、灰度差分统计特征和灰度梯度共生矩阵表达其纹理,并采用主成分分析法对融合后的多维特征进行降维处理,得到主特征。将印刷标志图像的主特征数据分成训练集和测试集。支持向量机模型通过对训练集的学习确定模型参数,然后在测试集上验证模型的性能。结果文中建议方法在测试集上的识别准确率为99%,训练集对支持向量机模型的训练时间为1.9327 s,模型在测试集上的识别时间为0.0307 s,模型的总体时间(训练时间和识别时间之和)为1.9634s。结论文中建议方法优于采用单一方面特征的识别准确率;同时在不影响识别准确率的情况下,优于未PCA降维方法的模型训练时间、识别时间和总体时间。(本文来源于《包装工程》期刊2019年21期）
张丽,马静[3]（2019）在《一种基于“特征降维”文本复杂网络的特征提取方法》一文中研究指出【目的/意义】本文构建一种"特征降维"文本复杂网络进行文本表示,解决传统词同现文本复杂网络处理海量数据时的维数灾难与语义不足问题,再结合机器学习方法提升文本特征提取效果。【方法/过程】依据共现关系抽取二级词条,再结合依存句法关系抽取叁级词条,构建"特征降维"文本复杂网络,接着利用PCA算法和TOPSIS法评价网络节点重要性提取反映文本主题的关键词作为文本特征词,实现文本特征提取。【结果/结论】本文以网络新闻数据为实验对象。实验结果表明,特征降维文本复杂网络能较好地表示中文文本,并且在较好地保留了文本语义信息的同时有效减少网络节点冗余,结合PCA算法的特征提取方法可以使文本分类性能提高。(本文来源于《情报科学》期刊2019年10期）
戴云翔,路东东[4]（2019）在《多维数据降维方法》一文中研究指出本文对数据降维方法进行了概述,简要分析了现有数据降维方法,并指出数据降维方面的关键问题。同时对线性降维方法主成分分析分析方法、稀疏主成分分析方法及非线性降维方法等距特征映射方法、局部线性嵌入方法的具体步骤进行了详细阐述。(本文来源于《电子技术与软件工程》期刊2019年17期）
葛余超,李锋,詹勇[5]（2019）在《一种基于叁维模型的数据降维方法》一文中研究指出在智慧城市建设推进过程中,各地利用叁维建模软件如3ds Max获得大量的叁维仿真模型,在城市管理和决策中发挥了重要作用。近年来,随着倾斜摄影技术、BIM技术等自动、半自动建模方法发展,极大地丰富了城市模型内涵,同时在生产、利用、管理上,给城市级的叁维模型带来挑战。本文基于仿真模型,研究全自动、高效的降维技术,挖掘结构化的二维空间信息,在倾斜摄影模型单体化、2.5维地图中展开应用;并根据精确的几何位置信息,研究了一种地理编码,基于唯一的空间地理编码,关联城市二叁维要素,可进行数据资源的快速定位、空间索引优化,为二叁维一体化管理提供支撑。(本文来源于《测绘通报》期刊2019年S2期）
黄鸿,石光耀,段宇乐,张丽梅[6]（2019）在《加权空-谱联合保持嵌入的高光谱遥感影像降维方法》一文中研究指出高光谱遥感影像数据量大、波段数多,容易导致"维数灾难"。传统流形学习方法一般仅考虑其光谱特征,忽略了空间信息。为此提出一种非监督的基于加权空-谱联合保持嵌入(WSCPE)的维数约简算法。首先采用加权均值滤波(WMF)方法对高光谱影像进行滤波,以消除噪点和背景点的干扰。然后根据遥感影像地物分布的空间一致性,通过采用加权空-谱联合距离(WSCD)来融合像素点的光谱信息和空间信息,有效选取各像素点的空-谱近邻,并根据像素点与其空-谱近邻点之间的坐标距离来有区别的利用其近邻点进行流形重构,提取低维鉴别特征进行地物分类。在PaviaU和Indian Pines数据集上的分类结果表明,总体分类精度分别达到了98.89%和95.47%。该方法在反映影像内部流形结构的同时,有效融合了影像的空间-光谱信息,故能提高影像特征的鉴别性,并提升分类性能。(本文来源于《测绘学报》期刊2019年08期）
胡进峰,李健萍,林涛[7]（2019）在《一种基于稀疏降维的STAP方法》一文中研究指出目前降维的空时自适应处理(STAP)运算量大,并且辅助通道选取比较固定。针对该问题,提出了一种基于稀疏降维的STAP方法。该方法首先用传统的方法选择与待检测角度-多普勒通道邻近的多个通道作为辅助通道,实现初步降维。然后,基于天波雷达的海杂波信号具有低秩特点,提出进一步用稀疏滤波优选训练样本的方法,该方法基于稀疏正则化原理,寻找稀疏的滤波权向量,从而自适应地选择性能更好的辅助通道。对天波雷达实测数据的处理结果表明,与已有的降维STAP相比,所提方法的杂波抑制性能提高了6.17dB。(本文来源于《雷达科学与技术》期刊2019年04期）
李海霞,吴苏怡[8]（2019）在《基于主成分分析方法的海量地震数据属性降维优化》一文中研究指出针对传统的地震数据属性降维优化方法所选取的地震数据属性特征贡献率低导致降维过程计算量大、CPU占用率高等问题,提出一种基于主成分分析的海量地震数据属性降维优化方法。首先根据地震样本特征建立地震数据特征矩阵,把矩阵中的特征进行聚类,运用降序法排列聚类结果,选取前几项数据作为地震数据属性特征选取结果,对其结果评估分类信息量;通过特征积分准则(FSC)修正分类信息量,获取海量地震数据属性特征节点;运用主成分分析方法对地震数据属性特征节点主成分添加标签,确定Fisher判别分析与PCA可变动选择不确定关系,建立半监督降维的全局最优化形式,运用特征值分解计算降维结果,克服海量地震数据属性降维过程中的过拟合问题,融合主成分分析算法与Fisher判别分析算法实现海量地震数据属性降维优化。实验结果证明,所提方法选取的属性特征精度及贡献率较高,降维过程中CPU占用率较低。(本文来源于《地震工程学报》期刊2019年03期）
叶加青,康婧[9]（2019）在《深度置信网络环境下高光谱数据降维方法仿真》一文中研究指出为解决当前高光谱数据降维方法存在的降维效率低、丢包现象严重等问题,提出基于Manifold的深度置信网络环境下高光谱数据降维方法。根据高光谱数据定义域和值域的归一化,通过超平面最小策略实现高光谱数据去噪问题的转换,即将高光谱数据去噪问题转为能量的最小化问题。获取与能量最小化问题相对应的非线性Euler-Lagrange方程,利用其迭代形式完成对其唯一解的求取。将权重系数引入方程求解中,实现高光谱数据去噪。计算两个高光谱数据样本邻近区域之间的距离,确定各高光谱数据点与其邻近点于一个Manifold线性区域中共存,并得到高维高光谱数据全局结构信息。据此计算数据空间样本权值,利用该权值的平移和旋转以及缩放特性,获得高维高光谱数据降维结果。仿真表明,上述方法运行下平均丢包率约为0.4%,数据降维效率较高。所提方法具有较强的降维性能,相比当前相关方法更具可借鉴性。(本文来源于《计算机仿真》期刊2019年06期）
黄东晋,肖帆,秦汉,蒋晨凤,丁友东[10]（2019）在《基于Isomap特征降维的人脸表情相似度评估方法》一文中研究指出面部表情对影视表演有着紧要的作用,表情相似度度量是评判面部表情是否表演到位的一种方式。现有的表情相似度度量方法存在微小表情变化度量不精确、局部细节描述能力弱等问题。因此,本文在Isomap (Isometric Feature Mapping)特征降维基础上提出了一种新的表情相似度评估方法,将其应用到了表演艺术课中。首先,使用基于梯度提高学习的回归树方法实现面部特征点定位以及追踪,得到特征点的运动信息。然后,将得到的高维特征点运动信息运用非线性降维算法Isomap降维,得到人脸表情曲线。最后,提出了基于时序的相似度匹配方法,通过对比表情序列中每一帧的强度得出表情相似度。实验结果表明,该方法是可行的,能够有效地评估表演者对影视片段中表情模仿的相似度。(本文来源于《现代电影技术》期刊2019年06期）
降维方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的针对单一方面特征难以准确表达印刷标志套准状态的问题,研究印刷标志图像多维特征提取、融合和降维的印刷套准识别方法。方法提取印刷标志图像的灰度共生矩阵、Tamura纹理特征、灰度差分统计特征和灰度梯度共生矩阵表达其纹理,并采用主成分分析法对融合后的多维特征进行降维处理,得到主特征。将印刷标志图像的主特征数据分成训练集和测试集。支持向量机模型通过对训练集的学习确定模型参数,然后在测试集上验证模型的性能。结果文中建议方法在测试集上的识别准确率为99%,训练集对支持向量机模型的训练时间为1.9327 s,模型在测试集上的识别时间为0.0307 s,模型的总体时间(训练时间和识别时间之和)为1.9634s。结论文中建议方法优于采用单一方面特征的识别准确率;同时在不影响识别准确率的情况下,优于未PCA降维方法的模型训练时间、识别时间和总体时间。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
降维方法论文参考文献
[1].刘鹏,艾施荣,杨普香,李文金,熊爱华.非线性流形降维方法结合近红外光谱技术快速鉴别不同海拔的茶叶[J].茶叶科学.2019
[2].简川霞,林子嘉,杜美剑,吴一凡,谢俊生.基于特征融合与降维的印刷套准识别方法[J].包装工程.2019
[3].张丽,马静.一种基于“特征降维”文本复杂网络的特征提取方法[J].情报科学.2019
[4].戴云翔,路东东.多维数据降维方法[J].电子技术与软件工程.2019
[5].葛余超,李锋,詹勇.一种基于叁维模型的数据降维方法[J].测绘通报.2019
[6].黄鸿,石光耀,段宇乐,张丽梅.加权空-谱联合保持嵌入的高光谱遥感影像降维方法[J].测绘学报.2019
[7].胡进峰,李健萍,林涛.一种基于稀疏降维的STAP方法[J].雷达科学与技术.2019
[8].李海霞,吴苏怡.基于主成分分析方法的海量地震数据属性降维优化[J].地震工程学报.2019
[9].叶加青,康婧.深度置信网络环境下高光谱数据降维方法仿真[J].计算机仿真.2019
[10].黄东晋,肖帆,秦汉,蒋晨凤,丁友东.基于Isomap特征降维的人脸表情相似度评估方法[J].现代电影技术.2019
论文知识图
