导读:本文包含了非参数算法论文开题报告文献综述及选题提纲参考文献，主要关键词:非参数算法,时空序列,因果关系,多变量Hawkes模型
非参数算法论文文献综述
刘云,王梓宇[1]（2019）在《非参数触发算法对时空因果关系的优化研究》一文中研究指出为了从多类型时空序列中稳定准确地提取事件类型间的因果关系,提出了一种非参数触发算法(NPTP).首先基于多变量Hawkes模型,用非参数条件强度函数约定出事件类型间的因果关系;然后通过迭代计算事件类型间触发关系的条件概率;最后由秩选择得到显着事件类型对的概率并将概率中值的均值作为显着性度量值,从而获得事件类型间的触发关系.仿真结果表明,与参数算法CSTP和单变量算法MISD相比,在算法的稳定性和准确性指标方面均有优化提升.(本文来源于《云南大学学报(自然科学版)》期刊2019年06期）
梁海波,邹佳玲[2]（2019）在《改进的非参数Census变换立体匹配算法》一文中研究指出针对多数立体匹配算法的相似性测度都建立在像素灰度特性基础上,无法彻底消除匹配差异性,易出现歧异性的问题,提出一种改进的非参数Census变换匹配算法.该算法通过在传统非参数Census匹配过程中增加局部纹理反差值测度,引入图像纹理度量的方向性,使中心像素灰度值不再是唯一决定因素,改进了匹配模版,从而有效解决了传统匹配算法的歧异性问题.实验结果表明,改进算法是一种有效、合理的立体匹配方法,提高了稠密匹配精度.(本文来源于《吉林大学学报(理学版)》期刊2019年05期）
琚垚[3]（2019）在《基于非参数模型的算法配置》一文中研究指出参数对算法性能有很大影响。自动算法配置是提高程序性能的重要工具,特别是在求解时间和预测精度方面。对于优化算法,本地搜索方法已被证明非常有效。连续局部搜索中,很多研究显示,使用预测模型对于获得良好的优化结果十分有利。基于此,研究了非参数模型在基于样本的算法配置的应用,并介绍了一种新的参数空间高性能区域预测模型。(本文来源于《信息与电脑(理论版)》期刊2019年12期）
赵颖慧,张大力,甄贞[4]（2019）在《基于非参数分类算法和多源遥感数据的单木树种分类》一文中研究指出【目的】通过研究随机森林(random forest, RF)特征筛选对单木树种分类精度的影响,以及多源遥感数据协同下单木树种分类的有效性,分析不同特征对单木树种分类的影响程度。【方法】以东北林业大学帽儿山实验林场中林施业区的两块100 m×100 m样地为研究对象,首先,以机载激光雷达(LiDAR,light detection and ranging)和多光谱遥感CCD(charge coupled device)影像为数据源,分别基于机载LiDAR数据提取高度、强度和树冠大小等共37个特征,基于CCD影像提取光谱和纹理共21个特征;其次,以随机森林方法进行特征筛选,之后以随机森林和支持向量机(support vector machine, SVM)两种非参数分类器,结合不同数据源和特征,采用12种分类方案,利用总体精度(overall accuracy, OA)、用户精度(user's accuracy, UA)和生产者精度(producer’s accuracy, PA)对分类结果进行对比与精度评价。【结果】经随机森林特征筛选后,分类结果优于未进行特征筛选的结果,总体精度可以平均提高3.47%,使用机载LiDAR和CCD影像协同分类相较于仅使用CCD影像总体精度平均提高6.07%。【结论】随机森林特征筛选可以优化特征,减少特征冗余,提高分类精度;多源数据结合也可以提高分类精度;在多源数据结合时,光谱特征最重要,LiDAR提取的强度特征相较于高度特征更稳定。(本文来源于《南京林业大学学报(自然科学版)》期刊2019年05期）
窦燕,李宁,康锦华[5]（2019）在《基于反色均值化的非参数Census立体匹配算法》一文中研究指出针对传统非参数Census变换过分依赖于变换窗口的中心像素灰度值的问题,提出了一种新颖的非参数Census变换的立体匹配算法。首先,该文研究了非参数Census变换并分析了其局限性;其次,考虑到像素空间位置,对于变换窗口进行反色处理后,求取邻域均值的反色来替代中心像素灰度值进行Census变换,提高了算法的抗干扰能力;最后,采用绝对误差和(SAD)方法和汉明距离作为相似性测度进行立体匹配,减少误匹配率,并通过左右一致性检测和亚像素插值来增大匹配的准确度。实验结果表明,此算法能够提高光照变换下匹配的鲁棒性,尤其对于深度不连续区域,适用于实时的立体匹配。(本文来源于《高技术通讯》期刊2019年06期）
李权,王鑫,郎永波,王昕[6]（2019）在《基于非参数估计和最优Copula的电力系统概率潮流算法》一文中研究指出分布式发电的接入给电力网络带来了极大的不确定性,概率潮流计算是分析这种不确定性的重要方法。针对变量边缘分布求解以及多个节点存在相关性的问题,提出了一种基于非参数估计和最优Copula的电力系统概率潮流算法。利用非参数估计构建了随机变量的边缘分布,采用Copula函数描述随机变量间的相关性,并基于极大似然估计和欧氏距离法确立了最优Copula函数,从而获得了随机变量的联合概率分布,最后对联合分布进行随机采样计算。经IEEE 30节点系统仿真,结果表明经过非参数估计后的风速边缘分布符合风速频率直方图的分布规律,同时算法精度可靠,适合计算含分布式发电接入的网络潮流。(本文来源于《电气自动化》期刊2019年03期）
蓝双凤[7]（2019）在《非参数化的曲线光顺算法的研究》一文中研究指出曲线拟合是许多领域中常用的数据处理方法,最初用来研究多个变量的关系,随着时间推移,被应用在计算机辅助几何设计中,近几年随着人工智能技术的发展,计算机视觉领域里的运动物体的轨迹描绘与跟踪,边缘检测等都会使用曲线拟合的相关知识。拟合生成的曲线光滑度又是评价曲线拟合的一个重要指标,如果拟合生成的曲线带有许多毛刺,将严重影响结果的准确性。因此,曲线的光顺处理技术显得格外重要。经典的曲线光顺算法最小二乘法虽然原理简单,同时在某些情况下生成的曲线效果好,但是该算法的使用范围有限,只能使用在数据点能用函数表达式表示的情况,对于曲线形状复杂的情况下是不能使用该算法。近些年,研究者提出的一些新算法,例如:光顺样条法、惩罚样条法等,这些算法多数是建立在最小二乘法基础上通过增加惩罚项改进得到。虽然这几个算法生成的曲线光顺效果都比较好,使用范围也比较广,能被使用在数据点复杂且多的情况下,但是这些算法里涉及了大量的矩阵运算,并且随着数据点的增多,生成曲线所花时间也在增加。这些算法有一个共同点就是需要计算曲线表达式里的各个参数,为了计算得到这些参数值,需要花费大量时间,而计算这些参数又需要用到大量的矩阵运算,这就导致了算法的时间复杂度高的问题。本文设计出一种新的非参数化的曲线光顺算法,主要原理是用数据点的左右斜率之差的绝对值作为光顺准则来识别数据点中的噪声点,然后借用梯度下降法不断移动这些噪声点来达到曲线光顺的效果。本文算法的思路与其他代表性算法最大的区别就是不需要计算生成曲线的函数表达式里的参数值,节省了计算函数表达式这一过程所需要的大量时间,算法效率有了显着提高。同时本文算法最后化简的计算公式仅使用了简单的加减法,这也是本文算法时间复杂度低的另一个原因。本文通过采用正弦函数、圆、chirp函数、不规则曲线下进行对比实验仿真,实验结果表明本文算法的光顺效果与其他具有代表性的算法相差不大,在保证了光顺效果好的情况下,运行的速度相比其他算法快,同时在数据量大时也能够使用。更重要的是,本文提出的算法时间复杂度是小于nO)(。(本文来源于《兰州大学》期刊2019-03-01）
董道广,芮国胜,田文飚,康健,刘歌[8]（2019）在《基于结构相似性的非参数贝叶斯字典学习算法》一文中研究指出相较于传统综合字典学习方法,非参数贝叶斯方法具有显着优势,但其对图像结构全局相似性和变异性的表示能力仍有较大提升空间。针对这个问题,提出了一种基于结构相似性的非参数贝叶斯字典学习算法,该算法基于图像结构的全局相似性对图像进行聚类处理,并在图像的字典稀疏表示中引入块结构特性,提升了字典的结构表示能力。实验表明,所提算法在图像去噪和压缩感知方面的性能均优于目前主流的几种无监督字典学习算法。(本文来源于《通信学报》期刊2019年01期）
刘蓓,吴稀西,张玲,宋淑敏,崔雷[9]（2018）在《负荷密度非参数核密度估计算法应用》一文中研究指出饱和负荷是确定电网发展最终规模的重要指标,不同用地性质的饱和负荷密度指标是影响负荷预测精度的关键因素。为了提高饱和负荷预测精度,对西宁地区8类用地性质的负荷发展数据进行统计、分析和研究,采用非参数核密度估计算法,得到8类负荷密度指标。通过验证显示通过该方法得到指标大大减小了负荷计算误差,提升了负荷预测精准度,可用于确定西宁地区最终负荷发展规模,指导目标网架规划,提高电网建设改造的合理性、可靠性与经济性。(本文来源于《青海电力》期刊2018年03期）
刘兆广,纪秀花,刘云霞[10]（2018）在《一种快速收敛的非参数粒子群优化算法及其收敛性分析》一文中研究指出如何调整粒子群算法的参数引起了大量研究人员的关注.本文提出了一种快速收敛的非参数粒子群优化算法.为了平衡全局搜索和局部搜索,本文算法融合了基于exemplar的学习策略和多交叉操作.根据进一步的稳定性分析,粒子群收敛于搜索空间中的一个固定位置,同时粒子群的位置方差收敛于零点.本文收集了常用的24个准则函数,与7个类似的粒子群算法进行了比较.实验结果表明,本文搜索算法在大部分准则函数上的搜索性能均优于同类算法.同时本文算法在收敛速度上要远优于同类算法.(本文来源于《电子学报》期刊2018年07期）
非参数算法论文开题报告
（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：
针对多数立体匹配算法的相似性测度都建立在像素灰度特性基础上,无法彻底消除匹配差异性,易出现歧异性的问题,提出一种改进的非参数Census变换匹配算法.该算法通过在传统非参数Census匹配过程中增加局部纹理反差值测度,引入图像纹理度量的方向性,使中心像素灰度值不再是唯一决定因素,改进了匹配模版,从而有效解决了传统匹配算法的歧异性问题.实验结果表明,改进算法是一种有效、合理的立体匹配方法,提高了稠密匹配精度.
（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。
非参数算法论文参考文献
[1].刘云,王梓宇.非参数触发算法对时空因果关系的优化研究[J].云南大学学报(自然科学版).2019
[2].梁海波,邹佳玲.改进的非参数Census变换立体匹配算法[J].吉林大学学报(理学版).2019
[3].琚垚.基于非参数模型的算法配置[J].信息与电脑(理论版).2019
[4].赵颖慧,张大力,甄贞.基于非参数分类算法和多源遥感数据的单木树种分类[J].南京林业大学学报(自然科学版).2019
[5].窦燕,李宁,康锦华.基于反色均值化的非参数Census立体匹配算法[J].高技术通讯.2019
[6].李权,王鑫,郎永波,王昕.基于非参数估计和最优Copula的电力系统概率潮流算法[J].电气自动化.2019
[7].蓝双凤.非参数化的曲线光顺算法的研究[D].兰州大学.2019
[8].董道广,芮国胜,田文飚,康健,刘歌.基于结构相似性的非参数贝叶斯字典学习算法[J].通信学报.2019
[9].刘蓓,吴稀西,张玲,宋淑敏,崔雷.负荷密度非参数核密度估计算法应用[J].青海电力.2018
[10].刘兆广,纪秀花,刘云霞.一种快速收敛的非参数粒子群优化算法及其收敛性分析[J].电子学报.2018
标签：非参数算法; 时空序列; 因果关系; 多变量Hawkes模型;