导读:本文包含了编码模型论文开题报告文献综述及选题提纲参考文献，主要关键词:识别算法,智能监控,优化
编码模型论文文献综述
杨丰嘉[1]（2019）在《基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法的优化与改进》一文中研究指出人体行为识别作为计算机视觉研究热点,在智能监控、人机交互、运动分析等领域具有广泛的应用前景。文章运用时空特征协方差矩阵表征视频中人体行为,分别研究并改进了基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法。(本文来源于《科技创新与应用》期刊2019年35期）
韩丽,刘书宁,徐圣斯,朴京钰[2]（2019）在《自适应稀疏编码融合的非刚性叁维模型分类算法》一文中研究指出针对传统的叁维模型单一特征识别精度低问题,提出一种自适应稀疏编码融合的非刚性叁维模型分类算法.首先提取模型的平均测地线特征、热核特征、形状直径函数特征,以构造互补的多特征形状描述;其次利用特征袋模型构造AGD-BoF, HKS-BoF, SDF-BoF特征向量,通过随机样本建立特征权值矩阵;最后利用特征权值矩阵与稀疏优化编码自适应融合,并采用Softmax分类算法实现非刚性模型的有效分类.通过在非刚性数据集SHREC10与SHREC11上的综合实验表明,自适应稀疏编码融合的分类算法具有更高的识别准确率及较强的鲁棒性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年11期）
王雪[3]（2019）在《蛋白质编码及蛋白质相互作用预测模型的研究》一文中研究指出细胞凋亡、免疫应答和代谢途径等一系列重要生命活动,均是通过蛋白质之间的相互作用来实现的。蛋白质相互作用有利于阐明生命活动的分子机制,对疾病治疗和新药开发也具有一定的指导意义。随着后蛋白质组时代的到来,积累了海量蛋白质序列数据,如何处理这些海量的数据,如何从大量的蛋白质序列数据中挖掘出蛋白质之间内在的关系,以及如何构建蛋白质之间的相互作用网络,成为当前蛋白质组学研究中亟待解决的问题。因此,本文以蛋白质相互作用为研究目标,围绕蛋白质序列的编码方法和基于氨基酸序列的蛋白质相互作用预测模型构建及模型优化等问题开展研究工作。论文主要研究内容及结果如下:(1)为了改进蛋白质相互作用的预测性能,基于深度神经网络(Deep Neural Network,DNN)结合联合叁元组(Conjoint Triads,CT)、自协方差(Auto-Covariance,AC)、局部描述符(Local Descriptor,LD)叁种蛋白质编码方法,构建了 DNN-CT、DNN-AC和DNN-LD叁种蛋白质相互作用预测模型,并采用dropout对叁种模型的预测性能进行优化。实验结果发现:dropout将DNN-CT、DNN-AC和DNN-LD 的准确率分别从 97.11%、96.84%和 95.30%提高到 98.12%、98.17%和95.60%,将 DNN-CT、DNN-AC 和 DNN-LD 的损失率分别从 27.47%、65.91%和36.23%降至14.96%、17.82%和15.34%。这些结果表明,dropout可以提高预测模型的准确率同时降低预测模型的损失率,为蛋白质相互作用预测模型的优化提供了一个可行的解决方案。(2)基于CT和AC,提出了一种新的特征编码方法:联合叁元组自协方差法(Conjoint Triad Auto Covariance,CTAC)。该方法将CTAC编码方法与深度神经网络、支持向量机、自适应提升算法和随机森林等机器学习算法相结合,构建不同的蛋白质相互作用预测模型。实验结果表明,基于CTAC编码方法的蛋白质相互作用预测模型不仅在Benchmark数据集获得较好的预测性能,在四个外部数据集上也分别获得较好的预测结果,和现有方法相比,优于现有的蛋白质序列编码方法。(3)针对现有蛋白质序列编码方法CT、AC和LD没有考虑整条氨基酸序列先后顺序关系这一缺点,提出一种基于序列矩阵(Matrix of Sequence,MOS)的蛋白质序列编码方法,该方法一方面考虑了整条氨基酸序列先后顺序关系,另一方面降低了向量空间的维数,减少了计算量,提高了训练速度。基于DNN和MOS构建了蛋白质相互作用预测模型DNN-MOS,实验结果表明DNN-MOS的预测性能优于大部分现有预测方法,给蛋白质相互作用预测的研究提供了一个新的解决思路。本文针对现有编码方法存在的问题,提出了两种新的编码方法,基于深度学习和传统机器学习结合多种编码方法构建了多个蛋白质相互作用预测模型,并采用dropout对模型进行了优化,为蛋白质相互作用预测提供了技术支持。(本文来源于《中国科学技术大学》期刊2019-10-20）
李松江,苏瑀,王鹏,黄春雨[4]（2019）在《一种自编码组合优化的成绩预测模型》一文中研究指出针对现有成绩预测方法不能有效利用学生成绩数据本质特征的问题,提出一种自编码组合优化的成绩预测模型。该模型采用边缘降噪自编码与堆栈稀疏自编码组合优化的混合式自编码器(HSAE),从历史成绩数据与学生行为数据中,经过无监督的网络训练,学习更具鲁棒性和稀疏性的深层特征。在顶层连接BP神经网络,构成HSAE-BP神经网络模型,实现学生成绩预测。实验结果表明:所提出预测模型的预测准确率相比其他未进行特征学习的浅层预测模型都得到了较好的改善。(本文来源于《企业科技与发展》期刊2019年10期）
胡旭飞,许云峰[5]（2019）在《基于骨干度与网络编码的链路预测模型研究》一文中研究指出为了研究网络表示学习在社交网络中链路预测方面的应用,提出了一种基于骨干度与网络编码的链路预测模型(BDLINE)。在网络表示学习算法LINE的基础上融入骨干度算法,通过给一阶相似度和二阶相似度中增添骨干权重,将网络编码到多维向量空间中,调试到最优参数。实验采用2个真实数据的数据集,分别在不同的算法模型上进行多次实验。实验结果表明:在链路预测方面,BDLINE均比其他网络表示学习算法的性能有所提升,AUC评测值更高,预测效果表现得更好。因此,所提出的方法可以方便地提取网络特征信息,更好地处理社交网络在链路预测中的随机性,对社交网络中预测网络节点的关联性和有效性具有一定的参考。(本文来源于《河北工业科技》期刊2019年05期）
张永胜,田华伟,肖延辉,郝昕泽,张明旺[6]（2019）在《基于叁方加权稀疏编码模型的PRNU提取算法》一文中研究指出估计图像中真实噪声是基于光照响应不一致(photo-response non-uniformity,PRNU)对图像来源取证的关键步骤.相较于加性高斯白噪声(additive white Gaussian noise,AWGN)的估计,现有多数PRNU提取算法所采用的噪声估计算法在图像真实噪声提取方面性能劣势明显.该文提出了一种基于叁方加权稀疏编码模型(trilateral weighted sparse coding model,TWSCM)的PRNU提取算法. TWSCM在估计噪声时能够保留更多PRNU噪声成分,有助于对图像中PRNU噪声的提取,因此在真实噪声估计上具有较好的性能.在当前最大的图像相机源取证基准库上的测试,实验结果证明所提出的基于TWSC的PRNU提取算法在图像相机源取证任务中具有较好的性能.(本文来源于《应用科学学报》期刊2019年05期）
殷希[7]（2019）在《基于OPT模型的病案编码员培训需求分析》一文中研究指出不断发展的医院精细化管理、医保付费制度改革等工作对诊断和手术操作编码的真实性、准确性提出了更高要求。基础而单一的培训模式和方案已不能满足对病案编码员的高要求。基于OPT培训模型,采取多种手段如头脑风暴、问卷调查、文件查阅和关键人访谈等,从组织层面、任务层面和人员层面对病案编码员培训需求进行综合分析。制定出的培训内容包含知识、能力和态度叁方面,为培训方案的进一步细化提供了框架。(本文来源于《现代医院》期刊2019年09期）
刁琦[8]（2019）在《一种改进的稀疏编码模型图像分类算法》一文中研究指出针对传统稀疏编码方法对图像分类,本文采用SIFT算法提取的图像特征,分类器主要通过构造多尺度小波核极限学习机进行图像分类。采用该方法对wine数据集与微软Corel1K图像库进行测试,实验表明,较单尺度小波核,多尺度小波核具有更好的分类效果。同时,多尺度小波核极限学习机的分类性能优于多尺度支持向量机、支持向量机与极限学习机的分类性能。(本文来源于《智能计算机与应用》期刊2019年05期）
张瑱,黄显怀,杨伟伟[9]（2019）在《基于实数编码遗传算法的压力相关漏损定位模型》一文中研究指出目前,城市供水管网漏损管理存在检测困难,人力、物力成本大等问题,为有效减少管网漏损,通过开发漏损定位模型为管网漏损管理提供技术支持。以供水管网中实时流量、压力数据和模型模拟值之间的误差最小构建目标函数,以管网节点的索引和喷射系数为决策变量并进行实数编码,研究压力相关漏损定位模型的可行性和有效性,同时进一步开展了流量和压力对漏损定位模型的敏感性分析,并通过安徽省某县级市供水管网算例进行了验证。结果表明,模型可有效识别案例中模拟漏损量在18. 83 L/s以上的漏损事件,定位范围与设置漏点距离在200 m以内。可见,基于实数编码遗传算法建立的漏损定位模型可有效定位管网中的漏损点,且当管网中发生漏损时,流量监测值的变化比压力监测值的变化更敏感。(本文来源于《中国给水排水》期刊2019年17期）
居君,袁春[10]（2019）在《医院后勤设备和空间统一编码标识标准体系模型研究》一文中研究指出文章概述了我国医院后勤信息化建设的本质,分析了我国医院后勤设备和空间统一编码标识标准现状,并以KKS(电厂标识系统)的编码标识标准体系为参考模型,提出了设备和空间统一编码标识标准体系模型的建设目标和思路。(本文来源于《中国医院建筑与装备》期刊2019年08期）
编码模型论文开题报告
（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：
针对传统的叁维模型单一特征识别精度低问题,提出一种自适应稀疏编码融合的非刚性叁维模型分类算法.首先提取模型的平均测地线特征、热核特征、形状直径函数特征,以构造互补的多特征形状描述;其次利用特征袋模型构造AGD-BoF, HKS-BoF, SDF-BoF特征向量,通过随机样本建立特征权值矩阵;最后利用特征权值矩阵与稀疏优化编码自适应融合,并采用Softmax分类算法实现非刚性模型的有效分类.通过在非刚性数据集SHREC10与SHREC11上的综合实验表明,自适应稀疏编码融合的分类算法具有更高的识别准确率及较强的鲁棒性.
（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。
编码模型论文参考文献
[1].杨丰嘉.基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法的优化与改进[J].科技创新与应用.2019
[2].韩丽,刘书宁,徐圣斯,朴京钰.自适应稀疏编码融合的非刚性叁维模型分类算法[J].计算机辅助设计与图形学学报.2019
[3].王雪.蛋白质编码及蛋白质相互作用预测模型的研究[D].中国科学技术大学.2019
[4].李松江,苏瑀,王鹏,黄春雨.一种自编码组合优化的成绩预测模型[J].企业科技与发展.2019
[5].胡旭飞,许云峰.基于骨干度与网络编码的链路预测模型研究[J].河北工业科技.2019
[6].张永胜,田华伟,肖延辉,郝昕泽,张明旺.基于叁方加权稀疏编码模型的PRNU提取算法[J].应用科学学报.2019
[7].殷希.基于OPT模型的病案编码员培训需求分析[J].现代医院.2019
[8].刁琦.一种改进的稀疏编码模型图像分类算法[J].智能计算机与应用.2019
[9].张瑱,黄显怀,杨伟伟.基于实数编码遗传算法的压力相关漏损定位模型[J].中国给水排水.2019
[10].居君,袁春.医院后勤设备和空间统一编码标识标准体系模型研究[J].中国医院建筑与装备.2019