导读:本文包含了运动向量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:向量,算法,在线,状态,时域,实数,视频。
运动向量论文文献综述
杨智超,李国辉,李佳韵,申嘉琪[1]（2019）在《基于分散熵和支持向量机的运动状态识别》一文中研究指出针对传统的运动状态识别方法不能对非跌倒运动进行具体区分的问题,提出了一种结合了分散熵和支持向量机的运动状态识别方法。首先计算加速度传感器ADXL345的叁轴加速度数据的均方根作为合成加速度,然后求解合成加速度的分散熵,最后将分散熵输入支持向量机进行识别和分类。选取SisFall数据集的跌倒、走路和上/下楼3类运动状态的加速度信号,对该方法的性能进行评估。实验结果表明,该方法比排列熵方法的分类精度提高了15.5%。该方法不仅具有较高的分类精度,而且明显提高了计算效率,可以更好地识别人体的运动状态。(本文来源于《国外电子测量技术》期刊2019年07期）
徐金成,林凌锋[2]（2019）在《基于方向向量和稀疏表示的运动目标跟踪方法研究》一文中研究指出目前利用稀疏表示对运动目标进行跟踪的方法,通常都只关注于利用不同的目标外观特征对最优化公式进行求解。而运动目标的方向特征则往往被忽略。方向向量能够在某种程度上描述运动目标的运动趋势,这对跟踪运动目标存在一定的意义。本文提出了贝叶斯运动估计框架下的基于方向的跟踪算法,利用方向向量弥补了稀疏表示中候选粒子不足的问题,惩罚部分候选粒子,并通过改进的学习方法对模板进行更新。通过与方向向量对应的像素点,我们补偿初始化粒子,并设置权值以增加对应粒子的概率、降低其他粒子被选为最佳粒子的可能性。所提方法充分考虑了目标的运动特征并避免了漂移现象的产生。(本文来源于《电脑知识与技术》期刊2019年18期）
韩东[3]（2019）在《基于向量机的体育运动视频自动分类方法设计》一文中研究指出为有效增加分类的准确度及适用性,提出一种基于支持向量机的体育运动视频自动分类方法,能够实现样本复杂的海量体育视频的高效管理。首先构建基于视觉词袋模型的视频分类框架;然后采用类型关键帧建立对应的视频帧训练库;最后通过主成分分析对输入视频帧进行降维处理,以便快速得到输入视频帧的最佳支持向量机分类器参数,从而最终实现自动分类。利用多种类型混合的体育视频数据集进行分类实验。实验结果表明,提出的体育运动视频分类算法能够快速有效地实现分类,并获得较高的分类精度。(本文来源于《现代电子技术》期刊2019年07期）
张心光[4]（2019）在《基于支持向量回归机的船舶操纵运动在线辨识建模》一文中研究指出采用滚动时间窗的方法实现支持向量机的在线辨识。以船舶操纵运动响应模型为研究对象,并由10°/10°和15°/15°仿真Z形试验数据构造支持向量机参数辨识所需的训练样本对,应用支持向量机进行船舶操纵运动在线辨识建模,回归操纵运动响应模型中的操纵性指数,并利用建立的响应模型进行Z形试验的数值模拟。将Z形试验数值模拟结果同仿真Z形试验数据进行比较,结果表明,在线式支持向量回归机是一种进行船舶操纵运动在线辨识建模的有效方法。(本文来源于《船舶工程》期刊2019年03期）
王璎瑛,卢妙[5]（2019）在《速度向量成像技术评价正常老年人心房肌运动规律》一文中研究指出目的观察正常老年人心房肌运动速度、应变、应变率的正常值范围及变化规律。方法用速度向量成像技术(VVI)定量分析86例老年健康志愿者左右心房肌运动的速度、应变、应变率。结果左右心房肌的运动速度由房室环至心房顶部逐渐降低,心房顶部心肌收缩速度接近零值;心房顶部心肌的应变小于心房游离壁及房间隔的心肌应变;右房游离壁应变率高于房间隔应变率,差异有统计学意义。结论 VVI可以简便、准确、定量评估心房肌功能。(本文来源于《实用老年医学》期刊2019年03期）
马语晗,赵辉[6]（2018）在《基于特征选择加权支持向量机的运动模式识别》一文中研究指出针对人体运动模式识别中最优识别特征难以确定的问题,提出一种基于Relief-F特征加权支持向量机的运动模式识别算法。选取MEMS惯性传感器的加速度时域特征构成特征向量,通过Relief-F算法对特征向量各元素进行权重估计,构造一个最优权重特征向量,增大不同运动模式间特征向量的差异性,采用支持向量机作为分类器,可识别站立、走、跑、跳、跌倒、上楼、下楼7种运动模式。实验表明,所提出的算法能够准确识别多种运动模式,识别精度可达94.1%。(本文来源于《传感器世界》期刊2018年09期）
王晋[7]（2018）在《基于压力传感器及支持向量机的人体运动识别系统》一文中研究指出针对现代人体运动状态检测过程中设备需求较为严格,并且预测的精度比较低。那么就是压力传感器和支持向量机实现了人体运动识别系统的设计。此人体运动识别系统主要是通过移动终端设备中的传感器得到人体运动的数据,并且通过支持向量机实现得到数据集合运动状态的建模和预测,最终能够有效实现低设备需求及高精准度人体运动状态检测,并且最后还利用实验对其有效性进行了全面的验证。(本文来源于《电子设计工程》期刊2018年18期）
王静静,卢卫娜,王田[8]（2018）在《星空背景下运动目标级联支持向量机(SVM)高精度检测》一文中研究指出为实现空间监视系统光学图像中目标高精度探测,提出了一种星空背景下高精度快速级联式支持向量机空间目标检测算法。通过提取空间目标不同尺度下目标二值规范化特征,训练前两级线性级联支持向量机分类器;继而提取目标的面积、周长、灰度、Hu矩特征作为组合特征,训练第叁级支持向量机分类器。在目标检测过程中,采用前两级支持向量机分类器进行候选目标的窗口预测和评分,进而利用第叁级支持向量机分类器进行目标确认而给出检测结果。仿真实验及结果分析表明,这种级联支持向量级目标检测方法的精度高、实时性强、适用于星空背景下的空间监视系统。(本文来源于《科学技术与工程》期刊2018年26期）
康开莲,童蕾,万伟权,孙海涛,陈超敏[9]（2018）在《基于支持向量回归的呼吸运动预测技术的研究》一文中研究指出胸腹部肿瘤放疗中,由于呼吸运动的影响需要对靶区进行实时跟踪以保证放疗精度,并通过预测来补偿系统延时。本研究提出一种基于支持向量回归的呼吸运动预测方法,该方法先选取一段呼吸运动序列进行训练得到回归模型,当有新的呼吸序列时,根据训练模型计算输出。并在此基础上,动态更新训练集,使模型在线更新,实现精确在线支持向量回归。实验中对7例呼吸运动样本数据分别用离线模型和在线模型进行训练并预测,平均绝对误差分别为0.42 mm和0.30 mm。在线精确支持向量回归能更准确刻画呼吸运动轨迹,拟合结果精度高,满足实际应用中的需求。(本文来源于《生物医学工程研究》期刊2018年02期）
邰亮[10]（2018）在《集合向量场中运动不确定性可视化方法研究》一文中研究指出随着高性能计算的飞速发展,大规模的科学数据随之产生,为如何有效地分析大规模数据提出了新的挑战。可视化作为分析、探索大规模数据的重要方法,旨在通过将数据映射为各种图形元素,更直观地展示数据,帮助用户分析数据中蕴含的不易发掘的有价值信息。向量场可视化在分析向量场数据中扮演着重要的角色,能够帮助研究者探索向量场中难于理解的复杂的物理现象、规律等。在数据获取、使用过程中,不可避免地会引入不确定性,不确定性已成为数据的重要组成部分,在分析数据过程中,可视化数据中的不确定性能够帮助研究者更全面地认识数据,并做出合理的决策。目前向量场不确定性可视化得到越来越多研究者的关注。通过生成集合模拟向量场数据并可视化其中不确定性能够向领域专家展示集合向量场数据的整体情况及成员间的差异,帮助领域专家更科学地分析各种科学现象。针对集合向量场数据,本文提出一种新的集合成员间运动差异度量方法并可视化集合向量场的不确定性。主要的研究内容为:首先,为了衡量不同长度迹线间的差异并避免噪声对差异结果的影响,提出基于EDR(实数序列编辑距离)的迹线间距离度量方法。相比于传统距离度量方法,该方法具有更高的准确度;同时,基于空间邻域结构相关性,提出了集合向量场运动不确定性综合度量方法EPEDR,全面考虑了向量场中网格点及其邻域在不同集合成员中的运动差异,并有效结合两种差异;其次,为了揭示向量场不同网格点运动不确定性,改进了Canopy-Kmeans聚类算法用于集合迹线聚类,聚类的结果能够帮助领域专家清晰地识别并分析不同的运动模式;最后,为了探索一个网格点的不同运动模式内迹线运动的发散程度,设计了一个shuttlecock图标用来可视化展示不同运动模式内的细节信息,并比较不同网格点的运动差异。本文在Double Gyre合成数据集、ECMWF数据集及Isabel Hurricane数据集进行实验验证,并对比Euclidean distance、DTW、LCSS方法对集合向量场运动不确定性可视化结果,结果证明本文方法EPEDR相比其他方法能够更加准确、有效地度量集合向量场的不确定性。(本文来源于《东北师范大学》期刊2018-05-01）
运动向量论文开题报告
（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：
目前利用稀疏表示对运动目标进行跟踪的方法,通常都只关注于利用不同的目标外观特征对最优化公式进行求解。而运动目标的方向特征则往往被忽略。方向向量能够在某种程度上描述运动目标的运动趋势,这对跟踪运动目标存在一定的意义。本文提出了贝叶斯运动估计框架下的基于方向的跟踪算法,利用方向向量弥补了稀疏表示中候选粒子不足的问题,惩罚部分候选粒子,并通过改进的学习方法对模板进行更新。通过与方向向量对应的像素点,我们补偿初始化粒子,并设置权值以增加对应粒子的概率、降低其他粒子被选为最佳粒子的可能性。所提方法充分考虑了目标的运动特征并避免了漂移现象的产生。
（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。
运动向量论文参考文献
[1].杨智超,李国辉,李佳韵,申嘉琪.基于分散熵和支持向量机的运动状态识别[J].国外电子测量技术.2019
[2].徐金成,林凌锋.基于方向向量和稀疏表示的运动目标跟踪方法研究[J].电脑知识与技术.2019
[3].韩东.基于向量机的体育运动视频自动分类方法设计[J].现代电子技术.2019
[4].张心光.基于支持向量回归机的船舶操纵运动在线辨识建模[J].船舶工程.2019
[5].王璎瑛,卢妙.速度向量成像技术评价正常老年人心房肌运动规律[J].实用老年医学.2019
[6].马语晗,赵辉.基于特征选择加权支持向量机的运动模式识别[J].传感器世界.2018
[7].王晋.基于压力传感器及支持向量机的人体运动识别系统[J].电子设计工程.2018
[8].王静静,卢卫娜,王田.星空背景下运动目标级联支持向量机(SVM)高精度检测[J].科学技术与工程.2018
[9].康开莲,童蕾,万伟权,孙海涛,陈超敏.基于支持向量回归的呼吸运动预测技术的研究[J].生物医学工程研究.2018
[10].邰亮.集合向量场中运动不确定性可视化方法研究[D].东北师范大学.2018
论文知识图
