导读:本文包含了边信息论文开题报告文献综述及选题提纲参考文献，主要关键词:在线投资组合,泛证券投资组合,边信息,相对熵
边信息论文文献综述
杨兴雨,何锦安,张永,张卫国[1]（2019）在《考虑边信息的在线投资组合指数梯度策略》一文中研究指出在线投资组合问题是计算金融领域的基本问题之一.金融市场瞬息万变,投资者需要根据各种资本市场信息动态地调整资产头寸.在不对资产价格做任何概率假设的前提下,研究了带边信息的在线投资组合策略.用相对熵函数定义两个投资组合向量之间的距离,提出了一种带边信息的在线投资组合指数梯度策略,并从理论上证明了它是一个泛证券投资组合策略,即与离线的最优状态定常再调整策略具有相同的渐近平均指数增长率.采用实际股票数据对该策略进行了测试,并分析了交易费用对策略的影响,结果表明其能获得更高的收益.(本文来源于《系统工程理论与实践》期刊2019年01期）
田波,谭文斌,王军[2]（2018）在《基于人工神经网络的分布式视频编码边信息生成方法》一文中研究指出为提高分布式视频编码质量,提出了一种基于人工神经网络的边信息生成方法。该方法根据连续视频序列中相邻帧间像素的运动具有非线性的特征,设计了一种人工神经网络,并采用离线的方法对该网络进行训练以确定网络参数,进而以解码后的关键帧为神经网络的输入,计算后得到边信息。仿真实验表明,与目前典型的边信息生成方法相比,解码端对应视频序列的PSNR值得到了显着提升,各视频序列的增益约为1.4~2.1 d B,表明利用神经网络可有效提高解码端视频帧的质量。(本文来源于《铜仁学院学报》期刊2018年06期）
王丽娜,王博,翟黎明,徐一波[3]（2018）在《基于边信息估计的JPEG图像隐写方法》一文中研究指出基于JPEG图像的隐写方法通常利用原始图像的边信息来提高隐写安全性.然而现有的JPEG图像隐写方法在使用边信息时需要提前获取未压缩的原始图像,当原始图像不可获得时,往往不能把边信息用于设计隐写方法.文中提出了一种在不具有未压缩的原始图像的情况下,通过估计图像的边信息来提高JPEG图像隐写安全性的方法.首先,使用卷积神经网络对JPEG载体图像进行恢复,得到估计的原始图像;其次,通过得到的估计图像计算取整误差;然后利用取整误差来控制嵌入过程中离散余弦变换(DCT)系数的修改方向;最后结合DCT系数的失真代价和STC编码来实现隐写嵌入.文中提出的边信息估计方法能够应用于现有的JPEG图像自适应隐写方法,如JC-UED和J-UNIWARD.实验结果表明,该方法能较好地恢复图像的边信息,并能显着提高现有JPEG图像自适应隐写方法的安全性.(本文来源于《华南理工大学学报(自然科学版)》期刊2018年05期）
王美树,臧远[4]（2018）在《基于边信息度量学习的密度聚类电力远动传输异常检测算法》一文中研究指出针对远动传输数据空间分布复杂、传统欧氏距离度量样本相似性难以满足要求的情况,提出了一种基于边信息度量学习的密度聚类电力远动传输异常检测算法。通过引入基于边信息的度量学习阶段,从给定的数据集边信息中学习出一种优化的距离度量方式来定义样本之间的距离,进而在密度聚类异常检测算法中采用新的距离定义。相比于采用传统欧式距离定义的密度聚类异常检测算法,由边信息学习而得的距离度量提高了数据样本之间的可区分性,增强了密度聚类算法的聚类性能,改善了现有基于聚类的异常检测算法误报率较高的问题。仿真结果表明,提出的算法能够显着降低异常的误报率,同时有效提高异常的检测率。(本文来源于《电器与能效管理技术》期刊2018年09期）
贺雨[5]（2018）在《融合边信息的协同过滤推荐算法研究》一文中研究指出随着计算机的普及以及互联网的快速发展,越来越多的信息服务为用户的日常生活带来了便利,尤其是近年来智能手机的普及,使得用户可以随时随地地在网络中分享或者获取信息。这些丰富的信息服务使得网络上的信息资源呈现出了指数增长的趋势,越来越多的信息充斥着网络,导致了用户在面对这些海量的数据时无法快速找到对自己真正有用的信息,即所谓的信息过载问题。为了使用户能够高效地获取到自己需要的信息,以个性化推荐技术为代表的推荐系统应运而生。作为目前应用最成功的个性化推荐技术,协同过滤推荐只需要根据用户的历史评分数据就可以完成对用户潜在兴趣偏好的挖掘,具有应用简单、预测准确度高等一系列优点。但是,在推荐系统中越来越大的数据量、越来越复杂的数据类型使得传统的协同过滤推荐算法遇到了越来越严重的问题。而在这些问题中,最难解决的当属数据稀疏问题。然而,在目前一些新的推荐场景中,除了用户的历史评分信息之外,还能够获取到丰富的用户和物品的边信息,这些边信息能够为描述用户的偏好以及物品的属性提供重要的信息,从而为缓解数据稀疏问题带来了契机。本文针对如何将边信息融合到协同过滤算法中展开了深入细致的分析和探讨,具体内容如下:(1)针对目前协同过滤推荐面临的数据稀疏问题,本文提出了一个可以融合边信息来提升推荐质量的算法——“叁体”协同过滤推荐算法,该算法将基于用户的协同过滤推荐、基于物品的协同过滤推荐和基于模型的协同过滤推荐相结合。通过在隐语义模型的基础上加入用户和物品的约束平滑项,使相似的用户或者相似的物品具有高度相似的隐特征,通过实验证明改进后的算法相比单独的叁个算法都具有较高的推荐质量。(2)结合叁个现实中的推荐场景来对“叁体”协同过滤推荐算法进行说明。在传统的电影推荐场景中,由于没有有效的边信息,则直接利用用户评分矩阵来计算得到用户之间和电影之间的相似度,并带入“叁体”协同过滤推荐算法中。在图像推荐的场景中,图像的视觉信息是一个重要的边信息,本文通过VGG16网络结构来提取图像的深层视觉特征,然后将基于视觉特征计算得到的图像之间的相似度带入“叁体”协同过滤推荐算法中进行推荐效果验证。在加入社交信息的电影推荐场景中,用户的社交信息同样是一个重要的边信息,本文通过“大度节点有利指标”来计算社交网络中用户节点之间的相似度,然后将其带入“叁体”协同过滤推荐算法中进行推荐效果验证。通过对叁个不同的推荐场景进行实验验证,充分证明了“叁体”协同过滤推荐算法能够作为一个通用的推荐算法来有效提升推荐的质量。(本文来源于《北京交通大学》期刊2018-03-01）
熊文诗,卿粼波,吴晓红,陈真真[6]（2017）在《DMDVC中基于可靠性评估的边信息融合算法》一文中研究指出边信息质量是影响基于深度图的多视点分布式视频编码(DMDVC)系统压缩效率的关键因素之一。为了充分利用时域边信息、空域边信息及深度图来提升DMDVC系统的边信息质量,提出一种基于可靠性评估的融合算法。首先采用运动补偿时域内插(MCTI)算法生成时域边信息,然后采用基于深度图的视点绘制(DIBR)技术生成空域边信息。针对场景中物体快速运动会影响时域边信息质量以及利用DIBR技术生成空域边信息时会产生空洞等问题,有选择地对时域边信息的运动剧烈区域或空域边信息的空洞及边缘区域进行修正。实验结果表明,该算法可以有效地融合时域边信息和空域边信息,较参考文献[4]的融合算法最高可提升5.6 d B。(本文来源于《图学学报》期刊2017年04期）
陈国锋[7]（2017）在《工业机器人智能打磨视觉系统中铸件飞边信息提取关键技术研究与应用》一文中研究指出随着社会工业化的不断深入,越来越多的机器人被运用到工厂当中,但是采用人工对铸件进行清理打磨比例仍然很大并且以传统的锤击和普通砂轮机研磨方式为主,这样不仅加重了企业的负担,与此同时恶劣的打磨环境对工人的身体健康也造成了巨大的危害。因而研究智能打磨视觉系统相关技术具有重要意义。本文重点研究铸件生产线中工业机器人智能打磨系统的关键视觉处理技术,利用视觉图像处理,感知铸件飞边的位置与大小,为工业机器人运动控制提供参考,以提高机器人的工作效率与安全可靠性。但是工业铸件生产线生产条件非常恶劣,而且目前铸件行业利润较低,为了降低成本,视觉系统采用低端摄像机,这样给本文的研究带来较大的挑战。本文的研究内容主要包括以下几点:1.本文在对铸件飞边的提取中,主要考虑使用铸件具有丰富几何边缘的特性,同时考虑实际工作中的恶劣环境。首先,对成熟算子进行筛选,在此基础上,设计了一种铸件边缘检测效果的评价指标。该指标从漏检率和最小方差这两个方面进行边缘检测效果的评价。其次,利用本文设计的铸件边缘检测评价指标进行实验,记录实验数据并与主观评价进行比较。实验结果表明,该指标与人为主观评价结果是一致的,这为生产线视觉识别飞边位置与大小提供了可靠性保障。2.本文在上一步骤边缘检测的基础上,提出了针对铸件几何空间优化的方法。在复杂的工业应用环境中,经过边缘检测的铸件图像,包含大量的干扰信息以及很多有效的几何信息,为了获得更加准确的匹配,使下一步对飞边的检测更加准确,本文利用线分叉度以及周长大小等几何特征,实现针对铸件几何空间的优化。具体应用上,本文利用SIFT算法和SURF算法对铸件图像特征点进行提取和配准,分析了两种算法对铸件特征配准的效果;并且根据铸件图像的几何边缘特征,进行几何空间优化,去掉了背景中的特征点干扰,使特征点更加集中在铸件上;最后,本文再将铸件图像进行全局和局部处理。实验表明,利用几何优化富集特征点后,可以进行局部处理进而获得更加精准的匹配结果。3.本文利用以上的分析结果,设计了一个图像空间到物理空间的处理流程,实现了对铸件飞边提取。首先,利用标准铸件的标定图像标定出敏感区域与设定加工基准线,对待打磨的铸件图像进行图像匹配、图像飞边边缘检测、飞边边缘几何空间优化、飞边边缘位置搜索,再利用标定的参数,将图像飞边位置映射到物理空间,最后,把视觉飞边提取的结果,应用到工业机器人智能打磨系统中,试验表明,通过视觉的飞边位置感知,可以有效降低工业机器人与铸件的冲击力度。(本文来源于《广西大学》期刊2017-06-01）
孙曦[8]（2017）在《基于图像风格变换的边信息隐写技术研究》一文中研究指出隐写术是信息隐藏研究领域中的重要分支,研究如何利用公开媒体在公开信道上实现秘密信息的隐蔽通信是隐写术的主要应用场景之一。隐写术不仅在军事、情报、国家安全等方面具有重要意义,与个人隐私保护也密切相关。随着互联网的迅速发展,图像、音频、视频等数字媒体的广泛传播,以普通数字媒体作为通信载体的隐写技术具有极为重要的研究价值和广阔的应用前景。当前隐写术的主流研究方向是基于最小化失真模型的自适应隐写,但是这种隐写术只追求与未处理过的自然图像不可区分,而现实情况是:在社交平台上分享各类处理后的图像已成为常态。流行于社交平台的常用图像处理方法为隐写载体提供了充分的边信息,如何依据当前的图像处理操作及参数数据,整合来自各方面的边信息,把个人的隐秘通信行为隐藏于海量的社交网络数据中而不被侦测到,进而把隐写从实验室环境推向主流社交媒体平台,将成为未来的隐写发展趋势。目前针对图像处理的边信息隐写术的研究还局限于对简单的图像处理(如尺度缩放、JPEG压缩等)产生的量化误差影响的研究,同时,图像风格变换是当下流行的图像处理方式之一,因此针对不同类型和程度的风格变换的图像,改进经典的自适应隐写算法具有十分重要的意义。本文首先回顾了隐写术的相关概念、以及数字图像隐写术的发展现状,然后把图像风格变换分为微小变化和剧烈变化两种情况,从行为安全角度展开讨论了两种场景下的隐写边信息,并对每种场景提出针对性的边信息隐写方法。本文的主要研究和创新成果如下:1.基于图像变换参数微扰的边信息隐写针对图像微小变化的情况,以变换参数的微扰为边信息,提出并推导了基于图像变换参数微扰的边信息隐写模型,针对图像处理中的灰度线性变换和gamma变换,采用S-UNIWARD和WOW隐写算法,详细探讨了参数扰动对于隐写及隐写分析的影响。经过参数扰动的图像变换,能使载体载密图像在特征空间上的分布更加随机均匀,验证了理论模型中能把隐写带来的图像噪声隐藏在了因参数微扰而带来的图像像素波动中,引入了图像集的失配因素,提高了隐写分析者的检测难度,提高隐写算法安全性能。通过实验结果验证了与传统隐写算法比较,该模型下的隐写算法在对抗隐写分析时,能有效提高隐写分析者的检错率,而且在一定范围内,隐写分析者的检错率将随着波动参数的增大而增大。2.基于风格迁移像素波动的边信息隐写针对图像剧烈变化的情况,以变换前后像素值的波动为边信息,提出了基于像素波动的边信息隐写模型,针对基于卷积神经网络的风格迁移变换,采用S-UNIWARD隐写算法,设计基于像素值变化的边信息,定义像素值变化的度量函数捕捉像素的波动程度,根据载体对图像处理过程的敏感程度调整定义隐写失真,调节其隐写嵌入修改概率,改进原有的隐写算法。实验表明,通过风格迁移变换可以大幅度提高隐写载体图像集的隐写适用性,在隐写算法中考虑像素值波动的边信息,调整像素的基础失真,通过实验结果验证了在保持隐写分析者的虚警率的同时,能够有效提高隐写分析者检测的漏检率,从而提高了隐写算法的安全性能。(本文来源于《中国科学技术大学》期刊2017-05-01）
谢中华,马丽红[9]（2017）在《基于低秩约束和边信息的近似消息传递CS重构算法》一文中研究指出噪声环境下图像压缩感知(compressive sensing,CS)重构方法的性能会大幅度下降。在近似消息传递(approximate message passing,AMP)算法的基础上,同时利用结构先验信息和边信息来增强AMP算法对噪声的鲁棒性。利用图像中相似块的低秩特性,在反投影的含噪图像中捕获低秩子空间的结构特征;再将含有确定成分的前期重构图像作为边信息,以实现细节的增强。实验表明,本文算法比原始AMP算法在峰值信噪比(peak signal to noise ratio,PSNR)上平均提高了3.89dB,且获得更加清晰的重构图像;与仅利用低秩特性的AMP算法相比,引入边信息后本文算法在PSNR上获得了0.27dB的增益,同时增强了重构图像的细节。(本文来源于《系统工程与电子技术》期刊2017年05期）
戴越越,曹雪情,陈瑞,杨洁,曹雪虹[10]（2017）在《基于分类加权边信息的DVCS重建算法》一文中研究指出现有的分块视频压缩感知在获取边信息时,通常对所有图像块均采用固定权值边信息合成方法,该方法忽略了不同图像块之间相关度不同的问题。针对这一问题,根据贝叶斯压缩感知和运动估计理论,提出了一种基于块的分类加权边信息生成方案的分布式视频解码方法。在解码端利用相邻关键帧中不同块的相关度差异,对相邻关键帧进行基于块的分类加权运动估计,生成边信息,进而完成非关键帧的重构。考虑到加权系数的大小取决于相邻关键帧对应块的相关度,所采用的重建算法是基于TSW-CS模型的贝叶斯压缩感知重构算法。分别采用固定权值边信息生成方法和分类加权边信息生成方法对不同视频序列进行了实验对比,实验结果表明,采用分类加权边信息方法生成的视频重建PSNR值比固定权值边信息生成方法平均提高了0.2~0.5 d B,所采用的解码方法可有效地提高视频压缩感知重构质量。(本文来源于《计算机技术与发展》期刊2017年05期）
边信息论文开题报告
（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：
为提高分布式视频编码质量,提出了一种基于人工神经网络的边信息生成方法。该方法根据连续视频序列中相邻帧间像素的运动具有非线性的特征,设计了一种人工神经网络,并采用离线的方法对该网络进行训练以确定网络参数,进而以解码后的关键帧为神经网络的输入,计算后得到边信息。仿真实验表明,与目前典型的边信息生成方法相比,解码端对应视频序列的PSNR值得到了显着提升,各视频序列的增益约为1.4~2.1 d B,表明利用神经网络可有效提高解码端视频帧的质量。
（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。
边信息论文参考文献
[1].杨兴雨,何锦安,张永,张卫国.考虑边信息的在线投资组合指数梯度策略[J].系统工程理论与实践.2019
[2].田波,谭文斌,王军.基于人工神经网络的分布式视频编码边信息生成方法[J].铜仁学院学报.2018
[3].王丽娜,王博,翟黎明,徐一波.基于边信息估计的JPEG图像隐写方法[J].华南理工大学学报(自然科学版).2018
[4].王美树,臧远.基于边信息度量学习的密度聚类电力远动传输异常检测算法[J].电器与能效管理技术.2018
[5].贺雨.融合边信息的协同过滤推荐算法研究[D].北京交通大学.2018
[6].熊文诗,卿粼波,吴晓红,陈真真.DMDVC中基于可靠性评估的边信息融合算法[J].图学学报.2017
[7].陈国锋.工业机器人智能打磨视觉系统中铸件飞边信息提取关键技术研究与应用[D].广西大学.2017
[8].孙曦.基于图像风格变换的边信息隐写技术研究[D].中国科学技术大学.2017
[9].谢中华,马丽红.基于低秩约束和边信息的近似消息传递CS重构算法[J].系统工程与电子技术.2017
[10].戴越越,曹雪情,陈瑞,杨洁,曹雪虹.基于分类加权边信息的DVCS重建算法[J].计算机技术与发展.2017