导读:本文包含了中心矩论文开题报告文献综述及选题提纲参考文献，主要关键词:矩特征,PNN,局部放电,模式识别
中心矩论文文献综述
章坚[1]（2019）在《基于灰度图中心矩与概率神经网络分类器的局部放电模式识别》一文中研究指出为了提高局部放电的识别率与速度,本文将矩特征与概率神经网络相结合应用于局部放电模式识别,采集了开关柜四种缺陷放电类型。通过每种放电类型的叁维谱图谱图获取矩特征。将得到的矩特征输入概率神经网络(PNN)进行分类识别。并分别与统计特征输入PNN、矩特征输入BP、HMM(隐马尔科夫模型)、贝叶斯分类器进行了比较。实验结果表明,基于矩特征与概率神经网路相结合对开关柜缺陷类型的分类效果令人满意。(本文来源于《通讯世界》期刊2019年07期）
赵东波,李辉[2]（2018）在《基于中心矩特征和GA-BP神经网络的雷达目标识别》一文中研究指出在雷达目标识别中,利用核主分量分析(KPCA)方法来进行目标特征提取,忽略了高分辨率距离像(HRRP)的本身特性。提取一种平移不变特征-中心矩作为特征向量,采用KPCA进行特征降维;由于BP神经网络易陷入局部极小,采用遗传算法(GA)对BP网络节点权值和阀值进行优化选择。基于雷达实测数据的实验结果表明:平移不变的KPCA特征提取方法实现了平移不变和降维的结合,同时,利用GA优化BP神经网络提高了分类器稳定性改善易陷入局部最小的缺陷,提高了雷达目标识别的性能。(本文来源于《红外与激光工程》期刊2018年08期）
郭宇航[3]（2018）在《通过积分图多项式方法快速计算图像中心矩和Hu距》一文中研究指出中心矩是图像重要的特征量,由中心矩可以生成Hu距。文章提出了一种用积分图多项式来计算图像各个不同区域中心矩的方法,并将此方法用于求Hu距中,大大缩短了求图像各个不同尺度、不同位置Hu矩的运算时间,可以广泛应用于图像匹配、目标定位等场景。(本文来源于《电脑与电信》期刊2018年03期）
于洋,陈光,单志勇,陈艳[4]（2018）在《基于中心矩改进的WiFi室内定位算法》一文中研究指出基于WiFi指纹的定位技术是国内外室内定位领域研究的热门课题。针对室内环境的实变性而造成RSS值波动带来的影响,提出一种基于中心矩加权改进的WKNN匹配算法。离线阶段中,提取RSS的均值和二阶矩作为指纹存入数据库。在线阶段定位时,将RSS值的二阶矩特征加入到欧式距离中进行计算,以得到离定位点最近的K个参考点,从而计算出待定位点的位置。实验结果表明:不同的匹配算法的选择会使定位误差呈现出明显的差异性,所提出改进的WKNN算法能够有效地提高室内定位精度。(本文来源于《计算机应用与软件》期刊2018年02期）
甘胜进,游文杰[5]（2016）在《中心K阶中心矩子空间的迭代海塞变换估计》一文中研究指出提出中心K阶条件矩降维子空间,指出与中心K阶中心矩子空间的关系,并给出迭代的海塞变换估计,该方法仅仅需要线性条件,综合了最小二乘和海塞主方向方法.(本文来源于《湖南师范大学自然科学学报》期刊2016年02期）
[6]（2015）在《烟草工业数据中心矩阵式项目团队建设研究》一文中研究指出随着烟草行业改革发展的推进,行业信息化建设已经得到了飞速发展,各类信息化系统在行业经济发展中起到了重要作用。为进一步提高行业及企业管理水平,优化资源配置,深入数据资源利用,行业内数据中心建设正逐渐兴起。数据中心项目复杂而庞大,需要复合型、高效能的项目团队支持,而传统的项目团队建设方法存在一些弊端,不完全适用于数据中心这样的大型信息化项目。本文致力于探索和研究一种矩阵式项目团队建设方法,紧密结合数据中心建设要求和特点,力求发挥团队成员和相关部门的优势,在不同的项目阶段全方位支撑项目管理过程改善。(本文来源于《中国烟草学会2015年度优秀论文汇编》期刊2015-12-01）
黑红武[7]（2015）在《基于傅里叶描述子和中心矩的交通标志标线图形的识别研究》一文中研究指出采用傅里叶描述子的方法对交通标志标线类图形特征进行提取,并运用傅里叶描述子结合中心矩法给出了该类图形的主方向特征提取算法,取得了较高的识别度,为交通标志标线类图形的识别,对智能交通图形识别领域的研究有较好的借鉴和现实意义.(本文来源于《青岛理工大学学报》期刊2015年05期）
朱生,邹尔新,姜丽华,刘诗淼[8]（2015）在《中心矩估计法研究》一文中研究指出重点研究了利用样本中心矩估计总体中心矩的理论依据,同时给出了应用实例.(本文来源于《大学数学》期刊2015年04期）
郑锦,李波[9]（2015）在《基于叁阶中心矩区域分类的视频运动目标检测》一文中研究指出针对室外视频监视环境复杂,现有的运动目标检测方法难以在克服背景干扰的同时准确地检测到慢速目标和运动着的小目标,且存在准确性低的问题,提出一种基于叁阶中心矩场景区域分类的运动目标检测方法.由于前景区域、扰动区域和背景区域内真实运动、无意义运动、背景噪声像素值变化规律不同,采用叁阶中心矩建立区域内像素值变化和区域类型的对应关系,设计了基于叁阶中心矩的分类器以完成自适应场景区域分类,最终在区域分类的结果上检测运动目标.实验结果表明,该方法针对室外监视视频区域分类结果良好,能够克服树枝叶晃动、水面波动等背景干扰,可以准确地检测到慢速目标和运动着的小目标.(本文来源于《计算机辅助设计与图形学学报》期刊2015年05期）
郭利荣,何明浩,郁春来,王冰切[10]（2015）在《基于频谱图像中心矩特征的雷达信号分选方法》一文中研究指出针对新体制频率捷变雷达信号分选准确率低的问题,提出了基于频谱图像中心矩特征的雷达信号分选方法。该方法首先对雷达信号进行离散傅里叶变换(DFT),得到频谱图像;然后对频谱图像进行预处理,提取频谱图像中心矩特征为信号的相参特征;最后采用支持向量机分类器实现信号分选。以新体制频率捷变雷达信号为代表进行的仿真验证表明,该方法在小样本及较低信噪比下仍能获得较为满意的分选准确率,当信噪比为5dB时,信号分选准确率达到98%,验证了所提出方法的有效性。(本文来源于《探测与控制学报》期刊2015年02期）
中心矩论文开题报告
（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：
在雷达目标识别中,利用核主分量分析(KPCA)方法来进行目标特征提取,忽略了高分辨率距离像(HRRP)的本身特性。提取一种平移不变特征-中心矩作为特征向量,采用KPCA进行特征降维;由于BP神经网络易陷入局部极小,采用遗传算法(GA)对BP网络节点权值和阀值进行优化选择。基于雷达实测数据的实验结果表明:平移不变的KPCA特征提取方法实现了平移不变和降维的结合,同时,利用GA优化BP神经网络提高了分类器稳定性改善易陷入局部最小的缺陷,提高了雷达目标识别的性能。
（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。
中心矩论文参考文献
[1].章坚.基于灰度图中心矩与概率神经网络分类器的局部放电模式识别[J].通讯世界.2019
[2].赵东波,李辉.基于中心矩特征和GA-BP神经网络的雷达目标识别[J].红外与激光工程.2018
[3].郭宇航.通过积分图多项式方法快速计算图像中心矩和Hu距[J].电脑与电信.2018
[4].于洋,陈光,单志勇,陈艳.基于中心矩改进的WiFi室内定位算法[J].计算机应用与软件.2018
[5].甘胜进,游文杰.中心K阶中心矩子空间的迭代海塞变换估计[J].湖南师范大学自然科学学报.2016
[6]..烟草工业数据中心矩阵式项目团队建设研究[C].中国烟草学会2015年度优秀论文汇编.2015
[7].黑红武.基于傅里叶描述子和中心矩的交通标志标线图形的识别研究[J].青岛理工大学学报.2015
[8].朱生,邹尔新,姜丽华,刘诗淼.中心矩估计法研究[J].大学数学.2015
[9].郑锦,李波.基于叁阶中心矩区域分类的视频运动目标检测[J].计算机辅助设计与图形学学报.2015
[10].郭利荣,何明浩,郁春来,王冰切.基于频谱图像中心矩特征的雷达信号分选方法[J].探测与控制学报.2015