导读:本文包含了模型识别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:模型,卷积,步态,神经网络,特征,姿态,图像。
模型识别论文文献综述
李泽滨,裴崇利[1]（2019）在《基于SSD模型的道路交通标志识别方法研究》一文中研究指出提出一种采用SSD模型的道路交通标志检测算法,以满足智能客车环境感知对于精度和实时性的要求。(本文来源于《客车技术与研究》期刊2019年06期）
许海莺,吴琦灿[2]（2019）在《应用型教育背景下学生自主实践模型的设计——以地下水污染源反演识别系统为例》一文中研究指出传统的实践教学因为受到设备、场地、安全等因素的影响,往往是在一定的实践场所老师教学生做,又因为受到学生课时的限制,很多实践环节并不能进行充分的展开,影响实践教学的效果。学生自主实践模型的设计和开发是促进大学生深度学习的有效途径与方式。以地下水污染源反演识别系统设计为例,通过设计、调试、仿真,不但让学生对地下水污染源反演识别系统的算法有一个初步了解,同时,通过将仿真技术引入教学,虚拟与现实结合,是满足信息化时代背景下对人才培养的新要求。(本文来源于《工业控制计算机》期刊2019年12期）
汪雅琴,夏春蕾,戴曙光[3]（2019）在《基于LeNet-5模型的手写数字识别优化方法》一文中研究指出作为深度前馈人工神经网络的一种,卷积神经网络在图像识别领域得到了成功应用。其中,最经典的卷积神经网络模型就是LeNet-5模型。在MNIST字符库上运用该模型,通过优化卷积层的样本训练方式,即将原来以每批固定输入样本数量、固定迭代次数的训练方式,优化为以每批不同输入样本数量、不同迭代次数的混合训练样本方式。优化后的训练方式能够减少预处理工作量,加快识别速度。实验结果表明:在保证样本训练时间相等的前提下,优化后的混合样本输入方式可以得到更高的识别率。(本文来源于《计算机与数字工程》期刊2019年12期）
杨丰嘉[4]（2019）在《基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法的优化与改进》一文中研究指出人体行为识别作为计算机视觉研究热点,在智能监控、人机交互、运动分析等领域具有广泛的应用前景。文章运用时空特征协方差矩阵表征视频中人体行为,分别研究并改进了基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法。(本文来源于《科技创新与应用》期刊2019年35期）
刘畅,魏忠诚,张春华,王巍,赵继军[5]（2019）在《基于隐马尔可夫模型的步态识别算法》一文中研究指出为降低数据噪声的干扰,提高步态识别的有效性,提出一种基于隐马尔可夫模型的步态识别算法(GR-HMM)。利用滑动平均滤波模型对步态数据进行去噪预处理,建立观测序列;基于GR-HMM算法计算观测序列概率,重估迭代至观测序列概率收敛,得到GR-HMM算法的参数模型;对步态数据进行步态阶段识别及步态关键事件定位。基于Shimmer IMU采集的数据对算法进行训练和分析评估,实验结果表明,GR-HMM算法的步态阶段识别灵敏度和特异性分别可达93.1%和96.9%。(本文来源于《计算机工程与设计》期刊2019年12期）
侯凤仪,蒋晓颖,徐定华[6]（2019）在《MRW模型参数识别的正则化方法及实证分析》一文中研究指出基于经济学MRW模型,利用给定的资本存量时间序列数据,采用Tikhonov正则化的1阶数值微分估计方法和最小二乘法,对非稳定状态下的资本产出弹性的资本储蓄率进行估计,数值模拟验证了该算法的有效性,并借助我国1996—2011年的统计数据进行了实证研究.本文的估计方法为动态反映特定国家(或省、市)资本产出的弹性变化及经济增长研究提供了新思路,也为资本储蓄率的估算提出了新方法.(本文来源于《复旦学报(自然科学版)》期刊2019年06期）
袁荣尚,罗晓曙[7]（2019）在《基于多尺度卷积神经网络模型的手势图像识别》一文中研究指出为了解决目前利用CNN算法进行手势识别的精度不高的问题,提出一种新的算法。首先对识别的手势图片进行二值化处理,滤除手势的背景,凸显手势在图像中的权重,背景对手势识别影响降低。其次,在经典卷积神经网络模型AlexNet的基础上,提出一种多尺度卷积核的改进卷积神经网络模型。改进卷积神经网络模型采取两种卷积核进行手势特征提取,利用多尺度卷积核和双通道进行特征融合,然后利用在不同角度,不同旋转下拍摄的手势图像数据集对改进模型进行实验验证。研究结果表明,提出的算法模型在不同的角度和不同的旋转情况下对手势图像具有较高的识别率,算法的鲁棒性、识别率方面有了明显的提高。(本文来源于《现代电子技术》期刊2019年24期）
耿君[8]（2019）在《基于轮廓图像空频域特征的舞蹈翻腾姿态识别模型》一文中研究指出文中旨在研究基于轮廓图像空频域特征的舞蹈翻腾姿态识别模型。该模型先将待识别舞蹈视频图像实施腐蚀、膨胀、中心归一化等预处理,利用处理后图像提取舞蹈翻腾姿态能量图,通过离散余弦变换提取舞蹈翻腾姿态能量图频域特征,利用Contourlet变换提取舞蹈翻腾姿态能量图空域轮廓特征,采用特征级融合方法融合以上特征获取舞蹈轮廓图像的空频域特征向量集,再将待识别舞蹈视频序列候选姿态利用Baum-Welch算法训练为隐马尔可夫模型,利用舞蹈轮廓图像的空频域特征向量集将隐马尔可夫模型量化至观察序列,通过前向后向算法获取观察序列姿态概率,观察序列概率值最大的隐马尔可夫模型对应姿态即为所需识别舞蹈翻腾姿态。实验结果表明,该模型可较好地提取具有空频域特征的舞蹈轮廓图像,有效识别舞蹈视频中舞蹈翻腾姿态,且识别100帧有阴影舞蹈视频图像中舞蹈翻腾姿态识别准确率高于96%。(本文来源于《现代电子技术》期刊2019年24期）
王平,夏火松[9]（2019）在《P2P负面口碑特征属性挖掘与风险知识识别模型》一文中研究指出P2P负面口碑呈现了投资者抱怨的意见,隐含P2P网贷行业风险,挖掘P2P负面口碑特征能够识别风险知识。文章利用文本挖掘方法,设计了基于负面口碑的网络借贷平台风险知识识别模型。研究发现:负面口碑是识别P2P平台风险的有效路径,能够识别P2P的风险知识。研究结论不仅对深化网络借贷的研究具有理论与方法意义,同时对平台治理、政府监管和投资者风险控制具有实践价值。(本文来源于《武汉纺织大学学报》期刊2019年06期）
陈军,王力,徐计[10]（2019）在《基于多模态组合模型的语音情感识别》一文中研究指出语音情感识别在人机交互、人工智能(AI)、自然语言处理(NLP)、5G技术等方面扮演着重要的角色。为了克服单模态模型语音情感识别率低和手工调参的缺点,本文首先在Gaurav Sahu的基础模型上增加KNN、CNB和Adaboost单模态模型,提出多模态组合模型C3;然后应用排列组合方法通过计算机实现自动组合,克服GauravSahu手工组合存在的不足;最后用超参数优化方法和交叉验证方法对网络模型进行训练和测试,解决手工调参存在的不足。在IEMOCAP数据集上对本文提出的C3进行实验,实验结果表明,C3比Gaurav Sahu提出的多模态组合模型E2的语音情感识别性能提升1.56%。(本文来源于《软件》期刊2019年12期）
模型识别论文开题报告
（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：
传统的实践教学因为受到设备、场地、安全等因素的影响,往往是在一定的实践场所老师教学生做,又因为受到学生课时的限制,很多实践环节并不能进行充分的展开,影响实践教学的效果。学生自主实践模型的设计和开发是促进大学生深度学习的有效途径与方式。以地下水污染源反演识别系统设计为例,通过设计、调试、仿真,不但让学生对地下水污染源反演识别系统的算法有一个初步了解,同时,通过将仿真技术引入教学,虚拟与现实结合,是满足信息化时代背景下对人才培养的新要求。
（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。
模型识别论文参考文献
[1].李泽滨,裴崇利.基于SSD模型的道路交通标志识别方法研究[J].客车技术与研究.2019
[2].许海莺,吴琦灿.应用型教育背景下学生自主实践模型的设计——以地下水污染源反演识别系统为例[J].工业控制计算机.2019
[3].汪雅琴,夏春蕾,戴曙光.基于LeNet-5模型的手写数字识别优化方法[J].计算机与数字工程.2019
[4].杨丰嘉.基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法的优化与改进[J].科技创新与应用.2019
[5].刘畅,魏忠诚,张春华,王巍,赵继军.基于隐马尔可夫模型的步态识别算法[J].计算机工程与设计.2019
[6].侯凤仪,蒋晓颖,徐定华.MRW模型参数识别的正则化方法及实证分析[J].复旦学报(自然科学版).2019
[7].袁荣尚,罗晓曙.基于多尺度卷积神经网络模型的手势图像识别[J].现代电子技术.2019
[8].耿君.基于轮廓图像空频域特征的舞蹈翻腾姿态识别模型[J].现代电子技术.2019
[9].王平,夏火松.P2P负面口碑特征属性挖掘与风险知识识别模型[J].武汉纺织大学学报.2019
[10].陈军,王力,徐计.基于多模态组合模型的语音情感识别[J].软件.2019
论文知识图
