导读:本文包含了多尺度自回归模型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:尺度,模型,图像,小波,多核,空间,平均。
多尺度自回归模型论文文献综述
陈燚玲[1]（2016）在《多尺度核支持向量回归模型的研究》一文中研究指出支持向量回归机主要应用于求解回归问题,其学习效果很大程度上取决于核函数的选择。对于核函数的研究,从最初的单个核函数的研究,到近几年的多核学习方法,一直都是支持向量机理论研究的热点问题。目前,关于多尺度核支持向量回归机的论文中,大多数的作者对核函数的研究仅限于多尺度化一个高斯径向基核函数或某个具体的小波核函数。而在实际问题的应用中,高斯径向基核函数具有很好的学习能力,但是其泛化能力不高,而多尺度小波核函数支持向量回归方法具有较好的泛化能力,因此我们将两者进行加权求和,构造出一个新的核函数,使其能够充分体现两种核函数各自的特性。为了提高支持向量回归机模型的预测效果,除了选择或构造合适的核函数以外,还要求确定模型的最优参数。针对本文模型的参数,采用DBCSAN聚类算法确定尺度个数,分别用离散系数和上四分位数来确定高斯径向基核函数和小波核函数的宽度参数,剩余的模型参数即惩罚系数、核函数权系数和损失函数参数则通过混沌遗传算法搜索得到。最后为了验证模型的性能,与其他叁种模型进行比较——单核SVR模型、多尺度高斯径向基核SVR模型和多尺度小波核SVR模型。通过对叁个UCI的回归数据集进行实验,分析所得到的结果可以证明基于新的多尺度核函数的支持向量回归机模型预估效果最好。(本文来源于《华中科技大学》期刊2016-05-01）
郭龙[2]（2013）在《基于空间回归模型的多尺度耕地空间分布特征及其预测研究》一文中研究指出土地利用/土地覆被系统具有很强的空间依赖性和非平稳性,耕地空间格局的形成和变化受到诸多自然环境因素和社会经济因素的影响,这些驱动因子在不同的时间段和不同的地理位置对耕地产生不同的影响,为此选择合适的模型并选择合适的驱动因子作为辅助变量并赋予不同的权重,对于模拟和预测耕地的空间分布特征,并对不同的影响因素进行详细的分析和研究具有重要的意义,同时可以更好的为耕地保护提供理论支持和依据。构建合适的耕地空间模型不仅仅受到模型和驱动因子的影响,也会受到研究区域的影响,特别是根据研究区域选择合适的尺度作为研究最小单位,是保证构建合适的耕地模型的前提。本文从模型、驱动因子以及尺度的角度出发,寻求构建空间回归模型的合理条件。为此本文在模型方面选择空间自回归模型和地理加权回归模型作为构建耕地空间模型的基础模型,探讨构建全局和局部空间模型对模拟耕地空间分布特征的区别；在驱动因子方面选择自然环境因子和社会经济因子作为辅助变量,在构建耕地模拟模型和预测模型时选择合适的驱动因子并赋予不同的权重值；对于尺度的研究,选择不同的尺度作为研究对象,并根据不同模型得出的结论选择合适的尺度。从而选择合适的模型、驱动因子以及尺度来辅助构建合适的耕地模拟模型和耕地预测模型。本文主要得出如下成果：(1)通过空间回归模型在不同尺度下构建耕地空间模型,得出除距水域距离外其余驱动因素均表现出负相关关系,并且坡度和人类活动对耕地空间格局具有很大的影响。通过对模型拟合度和残差平方和的比较,得出在拟合度方面两者差异不大,而在残差平方和方面,GWR模型表现出较好的模拟性,并且可以得出局部区域的模型拟合度和权重系数,为此GWR模型在耕地空间模型模拟方面具有更好的优势。(2)借助于耕地经验模型、耕地预测模型和融合预测模型分别对1999年至2009年耕地空间分布特征进行了模拟,验证了模型的模拟预测精度,同时对2014年谷城县各个乡镇耕地面积进行了预测,并对近15年来谷城县耕地变化特征进行了分析,结果表明耕地面积虽然表现出减少的趋势,但是减少速度逐渐减缓,同时模型分析了影响耕地变化的自然环境因素和社会经济因素,为保护耕地提供理论政策及技术支持。(本文来源于《华中农业大学》期刊2013-06-01）
徐伟,何金平[3]（2012）在《基于多尺度小波分析的大坝变形自回归预测模型》一文中研究指出针对大坝变形监测数据序列一般具有较明显的多尺度特征、年周期性和非平稳趋势性等特点,为克服自回归模型在大坝非平稳性变形预测方面存在的不足,利用多尺度小波分析理论在处理非平稳信号上的优势对变形监测数据序列进行分解和重构,然后对重构的不同尺度下的数据子序列分别建立自回归预测模型(AR模型),最后迭加各尺度下的预测结果,从而将多尺度小波分析与自回归模型有机地结合起来,为大坝变形预测提供了一种新的预测模型,并给出了一个工程实例.研究表明:与传统的单一自回归预测模型相比,该大坝变形预测模型能较大地提高预测精度.(本文来源于《武汉大学学报(工学版)》期刊2012年03期）
王春东,温显斌,张桦[4]（2007）在《基于多尺度自回归图模型的SAR图像稳健滤波》一文中研究指出基于多尺度自回归(MAR)图模型的稳健递归M估计(RME)算法,给出一种新的合成孔径雷达(SAR)图像稳健滤波方法。首先根据SAR图像不同尺度下的统计相依性,构造SAR图像的多尺度图像序列;然后对多尺度SAR图像序列构造树上MAR图模型,利用其的RME算法得到SAR图像的滤波。研究表明,该算法不仅具有有效的可计算性,而且利用不同分辨率下SAR图像信息融合,在不同情况下都能得到较好的滤波结果。实验结果表明,本文提出的方法是稳健的。(本文来源于《光电子.激光》期刊2007年04期）
句彦伟,田铮,武新乾[5]（2007）在《基于广义多分辨似然比和混合多尺度自回归预报模型的图像无监督分割》一文中研究指出提出广义多分辨似然比(generalized multiresolution likelihood ratio,简称GMLR)的概念,给出其Bayes准则下的假设检验和判别准则。GMLR不仅能融合信号的多个特征量,增大不同信号间区分度,而且在融合时无需假定各特征量之间的相互关系,这使得它能进行比较精确而方便的判别分析。在SAR(synthetic aperture radar)图像分割应用背景中,利用混合多尺度自回归预报(mixture multiscale autoregressive prediction简称MMARP)模型估计预报图像的GMLR的原假设和备择假设参数,然后将判别准则应用到预报图像,从而对原SAR图像进行分割。实验与几种流行的SAR图像分割方法进行了比较,结果表明了该理论方法的显着性:不论从分割的精度,对噪声的敏感度,还是从边缘的光滑度考虑,都优于上述通常的分割方法。(本文来源于《计算机科学》期刊2007年02期）
纪建,田铮,徐海霞[6]（2005）在《SAR图像压缩的多尺度自回归滑动平均模型方法》一文中研究指出本文研究在无需SAR图像先验知识条件下,基于多尺度自回归滑动平均MARMA模型的SAR图像压缩方法.该方法首先对SAR图像建立MARMA模型,依据MARMA模型对原始图像进行预测,然后对预测的残量进行数据压缩.将此方法用于实际SAR图像压缩,并将基于MARMA模型和多尺度自回归MAR模型的压缩结果与相应的JPEG结果进行比较和分析,说明基于MARMA模型的SAR图像压缩方法既能达到较高的压缩比,又能取得较好的保真度,是一种很有潜力的压缩方法.(本文来源于《电子学报》期刊2005年12期）
徐海霞,田铮,林伟[7]（2004）在《SAR图像分割的多尺度自回归滑动平均模型方法》一文中研究指出给出了合成孔径雷达(syntheticapertureradar简称SAR)图像多尺度自回归滑动平均(multiscaleautoregressivemovingaverage简称MARMA)模型建模的一种新方法。研究了基于MARMA模型的SAR图像多尺度随机特征提取的方法,构造了相应的分类器,将这类方法用于实际SAR图像分割,并将MARMA模型与多尺度自回归(multiscaleautoregressive简称MAR)模型的分割结果进行比较,说明SAR图像的MARMA模型分割方法优于MAR模型分割方法;最后给出了评价SAR图像分割结果的区域均匀性指标方法,实际应用结果表明该评价方法是有效的。(本文来源于《西北工业大学学报》期刊2004年04期）
沈皓[8]（2003）在《多尺度自回归随机模型及其实现》一文中研究指出1989年美国麻省理工学院A.Willsky教授、法国数学与控制理论专家A.Benvenisse教授等提出了多尺度自回归随机过程(Mulsiscale Ausogressive process，简称MAR)的概念，首次给出了定义在同态树上的时间序列模型。这一奠基性研究工作不仅拓宽了时间序列自身的研究内容和范围，也为模式识别、结构辨识、图象处理及计算机视觉等学科提供了新的数学工具。 MAR的模型实现问题是人们关注的焦点，本文也就该问题展开了一些讨论，主要工作如下： 1) 论证了MAR模型的Markov性，介绍了内联MAR模型的基本性质及其模型实现算法，给出了关于内联MAR模型描述能力的一个充分条件； 2) 首次提出了一种借助小波建立MAR模型的新方法及相应的小波-多尺度自回归随机模型； 3) 深入分析了小波-多尺度自回归随机模型的结构特征及其描述能力并讨论了它在高阶分形Brown运动研究中的一些应用； 4) 阐明了借助小波实现MAR模型的优越性和不足之处，并进一步探讨了该方法的改进方式及应用前景。(本文来源于《西北工业大学》期刊2003-03-01）
多尺度自回归模型论文开题报告
（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：
土地利用/土地覆被系统具有很强的空间依赖性和非平稳性,耕地空间格局的形成和变化受到诸多自然环境因素和社会经济因素的影响,这些驱动因子在不同的时间段和不同的地理位置对耕地产生不同的影响,为此选择合适的模型并选择合适的驱动因子作为辅助变量并赋予不同的权重,对于模拟和预测耕地的空间分布特征,并对不同的影响因素进行详细的分析和研究具有重要的意义,同时可以更好的为耕地保护提供理论支持和依据。构建合适的耕地空间模型不仅仅受到模型和驱动因子的影响,也会受到研究区域的影响,特别是根据研究区域选择合适的尺度作为研究最小单位,是保证构建合适的耕地模型的前提。本文从模型、驱动因子以及尺度的角度出发,寻求构建空间回归模型的合理条件。为此本文在模型方面选择空间自回归模型和地理加权回归模型作为构建耕地空间模型的基础模型,探讨构建全局和局部空间模型对模拟耕地空间分布特征的区别；在驱动因子方面选择自然环境因子和社会经济因子作为辅助变量,在构建耕地模拟模型和预测模型时选择合适的驱动因子并赋予不同的权重值；对于尺度的研究,选择不同的尺度作为研究对象,并根据不同模型得出的结论选择合适的尺度。从而选择合适的模型、驱动因子以及尺度来辅助构建合适的耕地模拟模型和耕地预测模型。本文主要得出如下成果：(1)通过空间回归模型在不同尺度下构建耕地空间模型,得出除距水域距离外其余驱动因素均表现出负相关关系,并且坡度和人类活动对耕地空间格局具有很大的影响。通过对模型拟合度和残差平方和的比较,得出在拟合度方面两者差异不大,而在残差平方和方面,GWR模型表现出较好的模拟性,并且可以得出局部区域的模型拟合度和权重系数,为此GWR模型在耕地空间模型模拟方面具有更好的优势。(2)借助于耕地经验模型、耕地预测模型和融合预测模型分别对1999年至2009年耕地空间分布特征进行了模拟,验证了模型的模拟预测精度,同时对2014年谷城县各个乡镇耕地面积进行了预测,并对近15年来谷城县耕地变化特征进行了分析,结果表明耕地面积虽然表现出减少的趋势,但是减少速度逐渐减缓,同时模型分析了影响耕地变化的自然环境因素和社会经济因素,为保护耕地提供理论政策及技术支持。
（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。
多尺度自回归模型论文参考文献
[1].陈燚玲.多尺度核支持向量回归模型的研究[D].华中科技大学.2016
[2].郭龙.基于空间回归模型的多尺度耕地空间分布特征及其预测研究[D].华中农业大学.2013
[3].徐伟,何金平.基于多尺度小波分析的大坝变形自回归预测模型[J].武汉大学学报(工学版).2012
[4].王春东,温显斌,张桦.基于多尺度自回归图模型的SAR图像稳健滤波[J].光电子.激光.2007
[5].句彦伟,田铮,武新乾.基于广义多分辨似然比和混合多尺度自回归预报模型的图像无监督分割[J].计算机科学.2007
[6].纪建,田铮,徐海霞.SAR图像压缩的多尺度自回归滑动平均模型方法[J].电子学报.2005
[7].徐海霞,田铮,林伟.SAR图像分割的多尺度自回归滑动平均模型方法[J].西北工业大学学报.2004
[8].沈皓.多尺度自回归随机模型及其实现[D].西北工业大学.2003
论文知识图
