导读:本文包含了模糊核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:模糊,图像,毒气,多核,直觉,卷积,鱼群。
模糊核论文文献综述
吕宗平,时熙然,顾兆军[1]（2019）在《基于模糊核聚类和主动学习的异常检测方法》一文中研究指出针对日志数据的异常检测获取标记数据代价过高的问题,提出一种基于模糊核聚类与主动学习的算法,即KFCM-AL算法。首先将日志解析,之后利用模糊核聚类算法将待选样本在高维空间进行划分聚类,滤去样本冗余点,同时选取聚类中心进行标记构建初始分类器,最后结合主动学习利用较小的标记代价对异常检测模型进行优化。实验结果表明,所提方法能够利用较少的标记样本获取异常检测模型的性能提升。(本文来源于《现代电子技术》期刊2019年20期）
徐小来,房晓丽[2]（2019）在《基于改进的直觉模糊核聚类的图像分割方法》一文中研究指出针对噪声图像模糊性的本质,提出了基于改进的直觉模糊核聚类的图像分割方法。采用直觉模糊集描述噪声图像包含的不确定性信息,将图像的灰度信息转换到直觉模糊域进行处理;将模糊核聚类拓展为直觉模糊核聚类,在图像的直觉模糊域进行聚类;通过高斯核函数和欧氏距离分别对像素8-邻域的灰度和空间信息进行建模,综合平衡灰度和空间信息对聚类的作用,并将其作为惩罚项加入到直觉模糊核聚类的目标函数中;通过梯度下降法,推导了迭代求解算法;通过典型的合成图像和自然图像分割实例,验证了所提算法的有效性和鲁棒性。(本文来源于《计算机工程与应用》期刊2019年17期）
李根[3]（2019）在《基于量子人工鱼群和模糊核聚类算法的网络入侵检测模型研究》一文中研究指出针对基于传统模糊C均值聚类的网络入侵检测模型存在分类效果不佳,且容易出现局部极值的问题,提出了一种基于量子人工鱼群的半监督模糊核聚类算法。该算法使用少量的标记数据和大量未知标记数据生成网络入侵检的分类,并通过核距离的方式构建了模糊C均值聚类算法的新目标函数,此外,结合了量子人工鱼群算法来解决模糊核聚类算法的全局最优解问题,适用于并行执行架构。在KDD Cup 99网络入侵检测数据上的仿真实验结果表明,相比于基于FCM和PSO-FCM的入侵检测模型,以及基于此提出的算法入侵检测模型具有更好的检测率。(本文来源于《软件工程》期刊2019年06期）
张慧利,周湘贞[4]（2019）在《基于尺度信息边缘提取的模糊核估计方法》一文中研究指出模糊图像的盲复原一直以来都是图像处理领域长期的挑战性问题,其中,能否复原出高质量清晰图像的关键是能否准确的估计出引起图像模糊的模糊核(BK)。为了能够实现BK的准确估计,提出了一种基于相对全变差模型(RTVM)的模糊核估计方法。首先,直接将RTVM作为图像的先验,直接代入到最优化的求解过程中,能够在迭代求解的过程中直接复原出锐化的大尺度边缘,而不需要额外的边缘提取步骤;然后,在对BK的正则化约束方面,利用L_0范数,在梯度域,对BK的梯度进行L_0范数的约束,能够同时保护BK的稀疏特性和连续特性;最后,结合一种分解的策略、迭代的重权重最小平方法(IRLS)和半二次性的变量分裂算法对提出的模型进行最优化求解。为了验证提出方法的优越性,将提出的方法与近几年一些极具代表性的模糊图像盲复原方法在大量的模糊图像上进行了比较实验,实验结果证明了所提方法的优越性。(本文来源于《电子测量与仪器学报》期刊2019年05期）
谢伟,赵琦,郭乃网,苏运,田英杰[5]（2019）在《改进的并行模糊核聚类算法在电力负荷预测的应用》一文中研究指出用户用电典型模式的分类预测是电力负荷预测的重要组成部分。针对单核模糊C均值算法在电力大数据挖掘中不能兼顾预测精度和普适性能好的问题,提出了一种电力短期负荷场景中改进的无监督学习多核模糊C均值聚类算法,建立了双层神经网络的电力数据负荷预测模型对比该改进的算法对电力负荷预测效果的影响。用户数据由MapReduce并行化处理加速。数值实验结果表明:改进的算法在实际电力用户数据集中,具有广泛的适用性和有效性,同时能显着提高电力短期负荷预测的精度。(本文来源于《电测与仪表》期刊2019年11期）
杨跃[6]（2019）在《基于离群模糊核聚类算法的PID毒气检测系统设计》一文中研究指出针对传统毒气检测系统混合检测中适用性差、检测误差率高的不足,提出基于离群模糊核聚类算法的PID毒气检测系统设计;在系统硬件设计中选择了性能更强的STM32F2X型MCU,并设计了专门用于毒气类别分析的功能模块;在软件算法和主控程序的设计中,采用了离群模糊核聚类算法提高对毒气数据的聚类分析能力,以此改善毒气检测的准确性;实验结果表明,提出的PID毒气检测系统能够识别出多种天然毒气和化学毒气,在毒气浓度的检测误差方面也能够控制在2%以内。(本文来源于《计算机测量与控制》期刊2019年03期）
黄永红,吴红生,虞永胜[7]（2019）在《基于GRA的模糊核聚类DRVM软测量建模与优化》一文中研究指出禽流感疫苗犬肾上皮连续细胞系(MDCK)在悬浮培养生产过程中,营养物质葡萄糖的消耗及代谢产物乳酸的累积是影响活细胞生长的关键因素。软测量方法是分析测量该影响因素及活细胞密度等关键参数的有效方法。针对动态关联向量机(DRVM)软测量建模过程中影响主导变量的因素较多,辅助变量的选择直接关系到模型的复杂度等问题,提出了采用灰色关联分析(GRA)的方法来选择与主导变量关联度高的辅助变量;采用了模糊核聚类分析法(KFCM)实现样本的聚类,提升DRVM模型的鲁棒性,提高泛化能力。对MDCK细胞的悬浮培养过程进行仿真验证,并与DRVM模型进行比较。结果表明,GRAKFCM-DRVM软测量建模方法预测精度更高、更稳定,为实时控制提供了很好的基础。(本文来源于《自动化与仪表》期刊2019年03期）
梁海英,许昕,潘宏侠,付志敏[8]（2019）在《基于EEMD与模糊核聚类的供输弹系统早期故障识别》一文中研究指出对于供输弹系统早期故障中信号成分复杂,潜在故障征兆难以识别的问题,本文提出了基于EEMD-KFCM的早期故障识别方法。首先用EEMD方法对供输弹系统振动信号进行分解,对分解的分量进行相关系数运算,选取与原始信号相关系数大的前4层分量对信号进行重构;接着提取前4层分量的能量百分比作为特征;最后基于核的模糊C均值聚类方法,对供输弹系统叁种不同状态振动信号EEMD分解后的能量特征进行分类识别,并与模糊C均值聚类方法进行了对比。实验结果表明,该方法能有效地对自动供输弹系统早期故障进行识别,正确率达88.89%。(本文来源于《机械设计与研究》期刊2019年01期）
王文恺[9]（2019）在《基于倒谱与频谱分析的模糊核估计算法》一文中研究指出图像盲去模糊是典型的图像和信号处理问题,其目的是从模糊图像中恢复出模糊核及清晰图像。在模糊核估计方面,以往的算法通常将模糊核尺度作为必要的输入参数,近年来有些算法虽然能较准确的估计参数化模糊核,但不能有效估计自然模糊图像中普遍存在的非参数化模糊核。文中利用图像梯度倒谱估计模糊核后再利用频谱分析以进一步精确的估计小尺寸模糊核的尺度。实验结果表明,文中提出的方法能适用于绝大多数场景下自然模糊图像的模糊核尺度估计。(本文来源于《电子科技》期刊2019年02期）
陈春雷,叶东毅,陈昭炯[10]（2018）在《多局部模糊核融合的图像盲去模糊算法》一文中研究指出针对暗通道先验时间复杂度高的问题,提出一种多局部模糊核融合的盲去模糊算法.该算法采用并行方式分块求解局部模糊核,利用局部模糊核的形状相似性将其融合为一个全局模糊核(点扩散函数).对于初步融合的全局模糊核上出现的噪点,利用其邻域的情况进行关联性调整,进一步改善融合效果.实验和统计分析结果表明,该算法在保证去模糊效果的情况下,有效提升了图像去模糊的速度,在部分真实模糊图像的局部细节还原上效果更佳,并且可以很好地处理大尺寸的模糊图像.(本文来源于《光子学报》期刊2018年10期）
模糊核论文开题报告
（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：
针对噪声图像模糊性的本质,提出了基于改进的直觉模糊核聚类的图像分割方法。采用直觉模糊集描述噪声图像包含的不确定性信息,将图像的灰度信息转换到直觉模糊域进行处理;将模糊核聚类拓展为直觉模糊核聚类,在图像的直觉模糊域进行聚类;通过高斯核函数和欧氏距离分别对像素8-邻域的灰度和空间信息进行建模,综合平衡灰度和空间信息对聚类的作用,并将其作为惩罚项加入到直觉模糊核聚类的目标函数中;通过梯度下降法,推导了迭代求解算法;通过典型的合成图像和自然图像分割实例,验证了所提算法的有效性和鲁棒性。
（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。
模糊核论文参考文献
[1].吕宗平,时熙然,顾兆军.基于模糊核聚类和主动学习的异常检测方法[J].现代电子技术.2019
[2].徐小来,房晓丽.基于改进的直觉模糊核聚类的图像分割方法[J].计算机工程与应用.2019
[3].李根.基于量子人工鱼群和模糊核聚类算法的网络入侵检测模型研究[J].软件工程.2019
[4].张慧利,周湘贞.基于尺度信息边缘提取的模糊核估计方法[J].电子测量与仪器学报.2019
[5].谢伟,赵琦,郭乃网,苏运,田英杰.改进的并行模糊核聚类算法在电力负荷预测的应用[J].电测与仪表.2019
[6].杨跃.基于离群模糊核聚类算法的PID毒气检测系统设计[J].计算机测量与控制.2019
[7].黄永红,吴红生,虞永胜.基于GRA的模糊核聚类DRVM软测量建模与优化[J].自动化与仪表.2019
[8].梁海英,许昕,潘宏侠,付志敏.基于EEMD与模糊核聚类的供输弹系统早期故障识别[J].机械设计与研究.2019
[9].王文恺.基于倒谱与频谱分析的模糊核估计算法[J].电子科技.2019
[10].陈春雷,叶东毅,陈昭炯.多局部模糊核融合的图像盲去模糊算法[J].光子学报.2018
论文知识图
