导读:本文包含了本征空间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:空间,自适应,光谱,说话,失配,函数,流形。
本征空间论文文献综述
王立伟,束立生[1]（2018）在《本征平方函数在变指数Herz及Herz-Hardy空间上的有界性》一文中研究指出该文证明了本征平方函数S_β在变指数Herz空间K~(α(·),p)_(p(·))~(α(·),q) (R~n)及Herz-Hardy空间HK~(α(·),p)_(p(·))~(α(·),q) (R~n)上的有界性,其中α(·)和P(·)均为变指数.特别地,当α(·)≡α为常数时,相应结果也是新的.(本文来源于《数学物理学报》期刊2018年04期）
任智伟,吴玲达[2]（2018）在《基于自动子空间划分的高光谱本征图像分解》一文中研究指出受传感器状态、成像机理、气候、光照等条件的影响,高光谱遥感图像存在严重的畸变和失真。本征图像分解是计算机视觉及图形学领域广泛应用的图像处理技术,采用该技术能够获得图像的本质特征。本研究将本征图像分解引入到高光谱图像处理中对原始图像进行本征图像分解。提出了一种基于自动子空间划分的高光谱本征图像分解方法。首先对高光谱图像进行子空间划分,再对每个子空间应用基于最优化的本征图像分解方法进行分解,然后对分解得到的反射率本征图像进行高光谱图像分类处理。实验结果表明:基于自动子空间划分的高光谱本征图像分解能够在较大程度上提高高光谱图像的分类精度。(本文来源于《激光与光电子学进展》期刊2018年10期）
李晓天[3]（2018）在《基于几何本征子空间框架的原子结构表征法》一文中研究指出材料具体的原子结构在固体物理和材料科学中扮演着重要的角色,因为它和材料的很多物理性质有着内在的联系。如果有一个合理的构型空间,在该空间中每一个向量唯一地标识着一个构型,这不仅可以使我们对原子结构有更本质的理解,还很有利于材料的设计,特别在现在的大数据时代。近年来,材料计算趋向于规模化和智能化,表现为高通量计算、材料基因组计划、全局优化、结构预测、机器学习和神经网络等概念的提出,这对快速结构处理有了更高的要求,包括结构识别、比较和分析。各种结构指纹被提了出来,用来标识原子的构型,它们不依赖于坐标系和原子的次序,因此比传统的原子坐标更方便。它们是唯一的,但无法完全描述原子的结构。因此,我们期望有一种表示法,唯一标识原子构型的同时,包含尽可能多的结构信息。我们在这篇论文中提出了一种新颖和内在的原子结构表示法。我们首先提出了扩展距离矩阵来描述团簇的原子结构,它和传统的距离矩阵不同的是,把对角元的零替换为各原子的特征量,以分辨不同的元素。扩展距离矩阵包含了团簇所有的结构信息,除了总体手性,通过谱分解,原子的位置信息可以基于本征向量坐标系和本征子空间框架来进行讨论。原子的本征坐标和本征子空间投影序相应被导出:前者精确地指定了原子在欧几里德空间中的位置,后者则是由前者精炼得到的原子指纹。基于本征子空间投影序,一种更形象的本征子空间投影函数被提出,描绘了某原子周围的原子结构配置,可以充当原子的指纹函数。团簇所有原子的本征子空间投影函数组成了它的一个内在表示,基于这个表示可以合理地定义团簇间的距离,用来衡量它们结构的差异。通过调制扩展距离矩阵,我们的方法可以很容易地推广到晶体结构。事实上,通过构建不同的扩展距离矩阵,我们可以得到多种本征子空间投影函数,从不同的角度来描述原子周围的结构配置。在这篇论文中,我们提出了两种本征子空间投影函数:衰减投影函数对某原子附近的原子结构比较敏感,特别是该原子的成键;最小投影函数则对晶格和远处的原子比较敏感。这两种投影函数从不同的视角互补地描述了原子的结构。我们给出了多个典型的例子,包括团簇和晶体的,它们充分地展示了我们方法的合理性和效率。特别地,我们系统地研究了硼单层1-30倍超胞的所有晶体结构,不重不漏,展示了我们的方法在材料设计中的巨大作用。(本文来源于《华南理工大学》期刊2018-04-12）
张春早,任刚[4]（2018）在《基于算符的正规乘积导出Fock空间的动量本征态》一文中研究指出利用算符的傅里叶变换和Baker-Hausdorf公式,运用算符的正规乘积技术推导出Fock空间中的动量算符本征态的显式,为本科生的量子力学课程教学提供一定的参考。(本文来源于《淮南师范学院学报》期刊2018年02期）
刘建航,杨喜鹏,李世宝,陈海华,黄庭培[5]（2017）在《干扰空间投影在本征音说话人自适应中的应用》一文中研究指出本征音自适应是一种快速高效的自适应算法,它被广泛应用到说话人识别中,但由于同一个说话人的本征音自适应的说话人因子之间的信道特征和噪声存在差异,导致了算法的识别精度降低。针对这一问题,提出基于干扰空间投影的本征音说话人识别(EV-NSP)算法。将训练语音通过主成分分析(PCA)方法计算得到干扰投影矩阵;将投影矩阵应用到生成本征音矢量算法中;利用最大似然估计算法自适应地得到说话人因子的估计值。实验结果表明,EV-NSP算法相对于传统的本征音自适应算法识别性能有了较大的提高。(本文来源于《计算机应用与软件》期刊2017年11期）
刘堂昆,张康隆,吴盼盼[6]（2015）在《也谈逆算符~(-1)和(~+)~(-1)在Fock空间中的本征态》一文中研究指出用柯西积分公式与δ函数的方法,在Fock空间中给出了谐振子逆算符和()~(-1)的本征态的显式。(本文来源于《湖北师范学院学报(自然科学版)》期刊2015年04期）
屈丹,杨绪魁,张文林[7]（2015）在《特征空间本征音说话人自适应》一文中研究指出提出了特征空间本征音说话人自适应算法,该方法首先借鉴RATZ算法的思想,采用高斯混合模型对特征空间中的说话人信息进行建模;其次利用子空间方法实现对特征补偿项的估计,减少估计参数的数量,在对特征空间精确建模的同时,降低了算法对自适应数据量的需求.基于微软语料库的中文连续语音识别实验表明,该算法在自适应数据量极少时仍能取得较好的性能,配合说话人自适应训练能够进一步降低词错误率,其实时性优于本征音说话人自适应算法.(本文来源于《自动化学报》期刊2015年07期）
马婧华,汤宝平,宋涛[8]（2015）在《基于自适应本征维数估计流形学习的相空间重构降噪方法》一文中研究指出针对实际工程领域振动信号噪声干扰大、具有强烈非线性等问题,提出了基于自适应本征维数估计流形学习的相空间重构降噪方法。利用相空间重构将一维含噪时间序列重构到高维相空间;基于极大似然估计法(maximum likelihood estimate,MLE)估计相空间中每个样本点的本征维数并使用自适应加权平均法计算全局本征维数;采用局部切空间排列(Local tangent space Alignment,LTSA)流形学习方法将含噪信号从高维相空间投影到有用信号的本征维空间中,剔除分布在高维空间中的噪声后,重构回一维时间序列。通过Lorenz仿真实验和风电机组振动信号降噪实例,证实了该方法具有良好的非线性降噪性能。(本文来源于《振动与冲击》期刊2015年11期）
屈丹,张文林[9]（2015）在《基于本征音子说话人子空间的说话人自适应算法》一文中研究指出本征音子说话人自适应算法在自适应数据量充足时可以取得很好的自适应效果,但在自适应数据量不足时会出现严重的过拟合现象。为此该文提出一种基于本征音子说话人子空间的说话人自适应算法来克服这一问题。首先给出基于隐马尔可夫模型-高斯混合模型(HMM-GMM)的语音识别系统中本征音子说话人自适应的基本原理。其次通过引入说话人子空间对不同说话人的本征音子矩阵间的相关性信息进行建模;然后通过估计说话人相关坐标矢量得到一种新的本征音子说话人子空间自适应算法。最后将本征音子说话人子空间自适应算法与传统说话人子空间自适应算法进行了对比。基于微软语料库的汉语连续语音识别实验表明,与本征音子说话人自适应算法相比,该算法在自适应数据量极少时能大幅提升性能,较好地克服过拟合现象。与本征音自适应算法相比,该算法以较小的性能牺牲代价获得了更低的空间复杂度而更具实用性。(本文来源于《电子与信息学报》期刊2015年06期）
刘南,白俊强,邱亚松,华俊[10]（2015）在《基于本征正交分解的气动外形设计空间重构方法研究》一文中研究指出在飞行器设计过程中为了提高优化设计的寻优精度,设计变量不断增加,从而使整个过程更加复杂且大幅延长设计周期。针对这一问题,基于本征正交分解降阶方法开展气动外形设计空间重构方面的研究。工作针对二维翼型开展,主要目标分为2个方面:1减少优化过程中的气动外形设计参数;2提高设计空间中满足设计约束的样本比例。在Hicks-Henne参数化和POD重构得到设计空间内随机选择20 000个样本发现,Hicks-Henne参数化空间中满足设计约束的样本比例不足25%,而重构之后的空间则超过70%。因此,采用POD方法对设计空间进行重构大大提高了样本质量,同时减少了优化设计参数。以RAE2822进行厚度约束下的单目标升阻比增大优化设计为例分别研究传统的约束处理方法和设计空间重构对优化结果的影响。传统约束处理方法中包括罚函数法和拒绝策略,优化结果表明拒绝策略略优于罚函数法,且无须设置惩罚权重,使用方便。对比重构前后设计空间的优化结果可见,2种传统约束处理方法在32个Hicks-Henne参数化空间中最优设计结果升阻比增加分别为27.61%和28.20%,采用POD方法重构后的设计空间得到的升阻比提升分别为28.20%和30.63%。因此,设计空间重构前后的优化精度基本类似,而且设计空间重构之后优化设计参数大大减少,设计效率得到明显提升。(本文来源于《西北工业大学学报》期刊2015年02期）
本征空间论文开题报告
（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：
受传感器状态、成像机理、气候、光照等条件的影响,高光谱遥感图像存在严重的畸变和失真。本征图像分解是计算机视觉及图形学领域广泛应用的图像处理技术,采用该技术能够获得图像的本质特征。本研究将本征图像分解引入到高光谱图像处理中对原始图像进行本征图像分解。提出了一种基于自动子空间划分的高光谱本征图像分解方法。首先对高光谱图像进行子空间划分,再对每个子空间应用基于最优化的本征图像分解方法进行分解,然后对分解得到的反射率本征图像进行高光谱图像分类处理。实验结果表明:基于自动子空间划分的高光谱本征图像分解能够在较大程度上提高高光谱图像的分类精度。
（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。
本征空间论文参考文献
[1].王立伟,束立生.本征平方函数在变指数Herz及Herz-Hardy空间上的有界性[J].数学物理学报.2018
[2].任智伟,吴玲达.基于自动子空间划分的高光谱本征图像分解[J].激光与光电子学进展.2018
[3].李晓天.基于几何本征子空间框架的原子结构表征法[D].华南理工大学.2018
[4].张春早,任刚.基于算符的正规乘积导出Fock空间的动量本征态[J].淮南师范学院学报.2018
[5].刘建航,杨喜鹏,李世宝,陈海华,黄庭培.干扰空间投影在本征音说话人自适应中的应用[J].计算机应用与软件.2017
[6].刘堂昆,张康隆,吴盼盼.也谈逆算符~(-1)和(~+)~(-1)在Fock空间中的本征态[J].湖北师范学院学报(自然科学版).2015
[7].屈丹,杨绪魁,张文林.特征空间本征音说话人自适应[J].自动化学报.2015
[8].马婧华,汤宝平,宋涛.基于自适应本征维数估计流形学习的相空间重构降噪方法[J].振动与冲击.2015
[9].屈丹,张文林.基于本征音子说话人子空间的说话人自适应算法[J].电子与信息学报.2015
[10].刘南,白俊强,邱亚松,华俊.基于本征正交分解的气动外形设计空间重构方法研究[J].西北工业大学学报.2015
论文知识图
