导读:本文包含了自适应融合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:自适应,特征,目标,算法,稀疏,尺度,协方差。
自适应融合论文文献综述
胡云层,路红,杨晨,花湘,彭俊[1]（2019）在《融合DSST和KCF的尺度自适应跟踪算法》一文中研究指出针对核相关滤波(kernelized correlation filters,KCF)算法无法对目标尺度变化做出响应,和判别型尺度空间跟踪(discriminative scale space tracking,DSST)算法计算效率较低,难以实现实时跟踪的问题,提出一种融合KCF与DSST的跟踪算法。用最小二乘法获得位置滤波器,检测候选样本并估计目标位置;从目标位置中心提取33种不同尺度下的梯度直方图特征作为样本训练获得尺度滤波器;在目标位置应用尺度滤波器来获得目标尺寸的准确估计。实验结果表明,该算法对目标尺度变化有较强的自适应能力,在测试集上平均速度达到103.7帧/秒,满足实时性要求。(本文来源于《计算机工程与设计》期刊2019年12期）
毕孝儒,牟琦,龚尚福[2]（2019）在《融合动态概率阈值和自适应变异的鲸鱼优化算法》一文中研究指出针对基本鲸鱼优化算法在非线性优化问题中存在的收敛精度低、易陷入局部最优解的问题,提出一种融合动态概率阈值和自适应变异的鲸鱼优化算法.首先,利用Fuch混沌和反向学习生成均匀的初始种群;其次,设计基于双曲余弦函数的动态调整概率阈值以协调算法全局搜索与局部开采能力,采用可变权重对鲸鱼位置更新公式修正,提高收敛速度和精度;最后,对鲸鱼精英个体引入自适应变异策略,以避免算法陷入局部最优解而搜索停滞.对13个基准测试函数仿真实验,结果表明,与基本GWO算法、PSO算法以及鲸鱼优化算法相比,该算法具有更好的求解精度、收敛速度.(本文来源于《微电子学与计算机》期刊2019年12期）
韩丽,刘书宁,徐圣斯,朴京钰[3]（2019）在《自适应稀疏编码融合的非刚性叁维模型分类算法》一文中研究指出针对传统的叁维模型单一特征识别精度低问题,提出一种自适应稀疏编码融合的非刚性叁维模型分类算法.首先提取模型的平均测地线特征、热核特征、形状直径函数特征,以构造互补的多特征形状描述;其次利用特征袋模型构造AGD-BoF, HKS-BoF, SDF-BoF特征向量,通过随机样本建立特征权值矩阵;最后利用特征权值矩阵与稀疏优化编码自适应融合,并采用Softmax分类算法实现非刚性模型的有效分类.通过在非刚性数据集SHREC10与SHREC11上的综合实验表明,自适应稀疏编码融合的分类算法具有更高的识别准确率及较强的鲁棒性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年11期）
赵云涛,谌竟成,李维刚[4]（2019）在《融合自适应差分进化机制的多目标灰狼优化算法》一文中研究指出针对灰狼算法易于陷入局部最优问题,提出了一种融合自适应差分进化机制的多目标灰狼优化算法。首先,将外部种群Archive按目标函数值的距离进行分组以避免存储相似个体。其次,设置头狼选择机制,在外部种群中选择头狼。最后,在更新过程中引入差分进化,择优选择下一代灰狼,同时差分进化参数可根据候选解加权目标函数值动态地自适应调整,平衡算法的局部开发与全局探测性能。基于8个多目标测试函数的验证结果表明,提出的多目标灰狼优化算法的收敛性与分布性优于其他3种算法。(本文来源于《计算机科学》期刊2019年S2期）
刘芳[5]（2019）在《基于多特征自适应融合的目标跟踪算法》一文中研究指出针对目标跟踪算法的鲁棒性受外界环境因素影响比较大,且传统算法过多依赖于对单一特征的研究而忽略了图像多个特征之间的联系,破坏了数据之间的关联性,无法最大程度利用原始数据的问题,提出了一种基于多特征自适应融合的目标跟踪算法.算法在对目标进行定位过程中,选择能够突出区分目标和背景的多个特征并建立融合模型,随着环境的变化对特征权值进行动态更新,进而达到自适应融合.通过实验验证可知,多特征自适应融合算法可以很好地在复杂场景下进行目标跟踪,对目标漂移有一定的纠正能力,具有较高的定位准确度和稳定性.(本文来源于《河南科技学院学报(自然科学版)》期刊2019年05期）
孙彦景,石韫开,云霄,朱绪冉,王赛楠[6]（2019）在《基于多层卷积特征的自适应决策融合目标跟踪算法》一文中研究指出针对目标快速运动、遮挡等复杂视频场景中目标跟踪鲁棒性差和跟踪精度低的问题,该文提出一种基于多层卷积特征的自适应决策融合目标跟踪算法(ASFTT)。首先提取卷积神经网络(CNN)中帧图像的多层卷积特征,避免网络单层特征表征目标信息不全面的缺陷,增强算法的泛化能力;使用多层特征计算帧图像相关性响应,提高算法的跟踪精度;最后该文使用自适应决策融合算法将所有响应中目标位置决策动态融合以定位目标,融合算法综合考虑生成响应的各跟踪器的历史决策信息和当前决策信息,以保证算法的鲁棒性。采用标准数据集OTB2013对该文算法和6种当前主流跟踪算法进行了仿真对比,结果表明该文算法具有更加优秀的跟踪性能。(本文来源于《电子与信息学报》期刊2019年10期）
刘巧玲,刘一达[7]（2019）在《自适应融合的长期目标跟踪算法》一文中研究指出为了完成复杂场景中的长期视觉跟踪任务,解决尺度变化、外观变化和跟踪失败等问题,提出了一种双模型融合的长期跟踪算法。首先,将稀疏核相关滤波模型和颜色模型得到的跟踪响应进行自适应融合,构成更具鲁棒性的跟踪结果;然后,利用响应最大值来判断目标跟踪是否成功,并通过随机抽样学习用于在跟踪失败情况下重新检测目标的CUR滤波器,实现长期跟踪。在大规模基准数据集上的实验结果表明,算法在效率、准确性和鲁棒性方面优于现有相关跟踪算法。(本文来源于《成都大学学报(自然科学版)》期刊2019年03期）
谢卫,王前东[8]（2019）在《一种基于自适应网格剖分的协方差交集融合新算法》一文中研究指出针对分布式航迹融合问题,提出了一种基于自适应网格剖分的协方差交集融合新算法。首先,自适应计算网格剖分误差上限;其次,利用网格剖分法求出局部航迹协方差椭圆的交集;最后,利用交集中心求出融合航迹估计值。通过仿真试验,该算法能自适应估计网格剖分步长上限,提高融合精度。(本文来源于《电讯技术》期刊2019年09期）
殷梦霞,王理,孙连营[9]（2019）在《基于多特征融合的自适应烟雾检测算法》一文中研究指出烟雾检测技术在火灾早期预警阶段发挥着重要的作用,准确快速地烟雾检测算法具有非常重要的实际应用价值。针对现存的烟雾检测算法抗干扰能力差、实时性不强、复杂场景下适应性差的问题,本文提出基于多特征融合的自适应烟雾检测算法。首先,算法通过改进的叁帧差分法提取基于图像块的运动区域;其次,提取烟雾图像块的HSV颜色特征、纹理特征、能量特征、面积变化率和LBP特征,多特征融合之后通过支持向量机(SVM)算法训练烟雾检测模型,进行烟雾检测。为了有效评估基于多特征自适应的烟雾检测模型的有效性,在复杂的烟雾场景中进行试验,试验结果证明该烟雾检测算法具有良好的鲁棒性。(本文来源于《建筑科学》期刊2019年09期）
朱卫东,王虎,邱振戈,栾奎峰,韩震[10]（2019）在《自适应多尺度几何分析的全色和多光谱图像融合方法研究》一文中研究指出为了利用全色和多光谱图像融合得到一幅空间分辨率较高和光谱信息丰富的遥感图像。结合窗口空间频率绝对值最大原则的高频条带波系数融合规则,提出一种基于自适应多尺度几何分析变换的融合方法。利用Landsat-7数据进行试验,得到一幅空间分辨率和光谱信息都较好的融合图像。和轮廓波方法、IHS、小波变换方法进行比较,本方法提高融合图像的质量,图像的边缘细节更明显清晰。(本文来源于《红外技术》期刊2019年09期）
自适应融合论文开题报告
（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：
针对基本鲸鱼优化算法在非线性优化问题中存在的收敛精度低、易陷入局部最优解的问题,提出一种融合动态概率阈值和自适应变异的鲸鱼优化算法.首先,利用Fuch混沌和反向学习生成均匀的初始种群;其次,设计基于双曲余弦函数的动态调整概率阈值以协调算法全局搜索与局部开采能力,采用可变权重对鲸鱼位置更新公式修正,提高收敛速度和精度;最后,对鲸鱼精英个体引入自适应变异策略,以避免算法陷入局部最优解而搜索停滞.对13个基准测试函数仿真实验,结果表明,与基本GWO算法、PSO算法以及鲸鱼优化算法相比,该算法具有更好的求解精度、收敛速度.
（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。
自适应融合论文参考文献
[1].胡云层,路红,杨晨,花湘,彭俊.融合DSST和KCF的尺度自适应跟踪算法[J].计算机工程与设计.2019
[2].毕孝儒,牟琦,龚尚福.融合动态概率阈值和自适应变异的鲸鱼优化算法[J].微电子学与计算机.2019
[3].韩丽,刘书宁,徐圣斯,朴京钰.自适应稀疏编码融合的非刚性叁维模型分类算法[J].计算机辅助设计与图形学学报.2019
[4].赵云涛,谌竟成,李维刚.融合自适应差分进化机制的多目标灰狼优化算法[J].计算机科学.2019
[5].刘芳.基于多特征自适应融合的目标跟踪算法[J].河南科技学院学报(自然科学版).2019
[6].孙彦景,石韫开,云霄,朱绪冉,王赛楠.基于多层卷积特征的自适应决策融合目标跟踪算法[J].电子与信息学报.2019
[7].刘巧玲,刘一达.自适应融合的长期目标跟踪算法[J].成都大学学报(自然科学版).2019
[8].谢卫,王前东.一种基于自适应网格剖分的协方差交集融合新算法[J].电讯技术.2019
[9].殷梦霞,王理,孙连营.基于多特征融合的自适应烟雾检测算法[J].建筑科学.2019
[10].朱卫东,王虎,邱振戈,栾奎峰,韩震.自适应多尺度几何分析的全色和多光谱图像融合方法研究[J].红外技术.2019
论文知识图
