导读:本文包含了高斯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:高斯,模型,赫尔,卷积,尔曼,扩展卡,图像。
高斯模型论文文献综述
吕苗苗,孙建明[1]（2019）在《基于改进高斯混合模型的运动图像目标检测算法》一文中研究指出运动图像目标检测指的是从序列图像中将变化的目标从背景中分离出来,高斯混合模型可以对视频序列图像的前景和背景进行分类,再利用背景减除实现运动目标的检测。提出一种基于改进高斯混合模型的优化背景建模方法,该方法首先利用3×3模板对序列图像帧中的像素进行类似卷积的均值计算,然后利用相邻均值的差提取均差因子自适应更新图像的均值。在此基础上,设计了自适应学习率和学习速率,利用改进高斯混合模型实现序列图像的背景建模。改进模型不仅能有效减少数据计算量,同时可以降低在相似区域像素计算的时长,大大加快背景建模速度。实验结果表明,改进模型在目标检测、算法执行速率等性能指标上都有更好的表现,能满足实时检测要求。(本文来源于《半导体光电》期刊2019年06期）
管诗骈,陈有福,张恩先,徐颂梅,王亚欧[2]（2019）在《高斯多峰拟合法在烟煤与褐煤热解动力学模型的应用》一文中研究指出为了有效、准确地模拟煤粉热解失重过程,利用热重分析仪(TGA),测试印尼褐煤与神华烟煤在升温速率30℃/min时的热解失重过程,通过高斯峰值拟合法对热解失重速率DTG曲线进行分析,根据不同热解阶段的权重迭加得到相应工况煤粉热解动力学数值模型.结果发现,此煤粉热解动力学模型拟合结果与实验结果的相关系数R~2接近1,尤其是热解中段与后段拟合效果好,说明此数学模型能够准确模拟大部分煤种的热解过程,模型泛化能力强.(本文来源于《燃烧科学与技术》期刊2019年06期）
吕志鹏,隋立芬[3]（2019）在《基于非线性高斯-赫尔默特模型的结构总体最小二乘法》一文中研究指出变量误差(error-in-variables,EIV)模型的系数矩阵存在结构特征的情况,并且这种结构特征可以扩展到观测向量中。首先采用变量投影法将系数矩阵的增广矩阵展开成仿射矩阵形式,提取系数矩阵和观测向量中的随机量,并将EIV模型表示为非线性高斯-赫尔默特模型,然后利用非线性最小二乘原理推导了一种结构总体最小二乘法。该算法统一了普通的结构总体最小二乘法、结构数据最小二乘法以及最小二乘法。将该算法应用到真实算例和模拟算例中,两个算例结果表明,该算法与已有能够解决EIV模型结构特征的结构或加权总体最小二乘法估计结果一致,验证了该算法的有效性。同时,该算法对结构特征的提取方式简单、规律性强且易于编程实现;且在算法设计中,把结构总体最小二乘问题转换为附有参数的条件平差问题,即将其纳入到最小二乘平差理论体系,便于其扩展应用。同时对平面拟合问题的误差估计特性进行了定性分析,由分析可知参数的相对大小对估计误差的一致性有直接影响,这说明EIV模型下系数矩阵和观测向量中随机量的估计误差与真误差的一致性关系相对复杂。(本文来源于《武汉大学学报(信息科学版)》期刊2019年12期）
周逸飞,朱星,刘文德[4]（2019）在《基于声发射和高斯混合模型的灰岩破裂特征识别研究》一文中研究指出通过单轴压缩条件下灰岩破裂过程的声发射试验研究,利用高斯混合模型(GMM)对加载过程声发射信号波形特征进行深入分析,探索性识别灰岩破裂失稳过程的裂纹模式及其前兆特征。分析结果表明,灰岩在单轴加载过程中先后主要存在张拉和剪切两种破裂模式。其中,张拉破裂的声发射信号波形特征在AF-RA坐标空间呈现低A_F值、高R_A值分布;剪切破裂的声发射信号波形特征在AF-RA坐标空间呈现低R_A值、高A_F值,且随着应力的增加分布中心向A_F轴靠拢。GMM分析结果揭示了灰岩在整个应力加载过程中以张拉裂纹为主,在加载前中期几乎全为张拉裂纹,临近破坏阶段过渡到剪切破坏为主。剪切裂纹所占比例的最大值出现在(0.8～0.9)σ_c阶段,也是AF-RA坐标轴分布呈现最大A_F值时。研究结果可为预测早期灰岩破裂失稳提供参考,同时为深入研究识别岩石破裂失稳前兆信号特征提供了一种分析方法。(本文来源于《水利水电技术》期刊2019年11期）
欧阳城添,汤懿[5]（2019）在《基于高斯混合模型的核相关滤波目标跟踪算法》一文中研究指出针对目标跟踪中的尺度变化、旋转、遮挡等问题,提出基于高斯混合模型的核相关滤波目标跟踪算法。利用卷积神经网络提取卷积特征并建立目标外观的高斯混合模型,利用核相关滤波算法检测目标位置,使用多尺度、多形状跟踪方法精确定位目标,在线更新高斯混合模型和核相关滤波器。在公开数据集上进行定量和定性分析,并与多种跟踪算法比较,该算法的距离精度和重迭精度相比核相关滤波算法,分别提高了19%、54%。实验结果表明,采用高斯混合模型和多尺度、多形状跟踪方法,较好解决了外观和尺度变化问题,相比其它算法具有更好的鲁棒性和适应性。(本文来源于《计算机工程与设计》期刊2019年11期）
王伟,王晓辉,张洋,赵磊,李璐[6]（2019）在《基于高斯云模型和综合赋权的电力变压器套管绝缘状态评估》一文中研究指出由于电力变压器结构复杂、运行环境恶劣,给变压器的状态评估工作带来了很大的不确定性,而云模型可以较好地弥补这方面的不足。文章采用基于改进云模型的变压器套管绝缘状态评估方法,通过建立非线性决策规划模型,将层次分析法和熵权法有机地结合起来;最后,通过综合权重法确定每个评估指标的权重,建立状态评估高斯云模型。仿真分析结果表明,基于高斯云模型和综合权重的电力变压器套管绝缘状态评估结果可以直观地显示变压器套管的绝缘状态。它将为变压器的整体状态评估工作带来新的参考。(本文来源于《电力信息与通信技术》期刊2019年10期）
王浩然,周强[7]（2019）在《基于全变分模型和高斯曲率滤波的红外图像条纹噪声去除算法》一文中研究指出针对红外热像仪读出电路的偏置电压存在非均匀性,造成红外图像出现条纹噪声的问题,提出了基于全变分模型和高斯曲率滤波结合的去噪算法。在分析红外条纹噪声成因并研究其特性的基础上,首先对含噪图像采用全变分模型进行去噪处理;然后确定复原图像出现阶梯效应的区域,将其对应的噪声图像中的区域看作可展曲面,采用高斯曲率滤波处理;最后将全变分模型和高斯曲率滤波的处理结果综合输出。实验结果表明,所提算法能够去除红外图像中的条纹噪声,并且能够克服全变分去噪后复原图像出现阶梯效应的问题。(本文来源于《激光杂志》期刊2019年10期）
刘金亚,刘昌华,许鲲[8]（2019）在《基于色彩与高斯模型的油菜图像根系分割》一文中研究指出利用图像处理技术从甘蓝型油菜植株中识别出油菜根部及根部肿瘤等信息,进而分析甘蓝型油菜植株的根肿病程度。从原图像中提取出目标是解决实际问题的关键步骤,因此从复杂背景的甘蓝型油菜植株图像中分割出根部区域是准确识别其病害程度的关键。提出以EXG过绿颜色分割算法与高斯YCbCr颜色算法相结合的分割方法。首先通过EXG过绿颜色分割方法分离出绿色的茎叶部分,其次将RGB颜色空间转换到YCbCr颜色空间,利用高斯模型判断根的像素点,因此分割出甘蓝型油菜植株的根部区域,进一步利用数学形态学方法将得到的根部二值图进行膨胀与腐蚀的去燥操作,最终完成图像分割。利用该方法对不同拍摄环境且背景复杂的10幅油菜植株图像进行分割,为验证该方法的有效性,分别采用EXG过绿颜色算法与K-Means聚类算法作对比实验。实验结果表明,该算法的误差率均低于10%,10幅图像的平均误差率为6.984%。所做研究的方法能较准确的分割出甘蓝型油菜植株的根部区域,为后期识别甘蓝型油菜根肿病程度的研究提供参考。(本文来源于《武汉轻工大学学报》期刊2019年05期）
陆华才,贺华展,黄宜庆,高文根[9]（2019）在《改进Canny边缘算子和高斯混合模型的运动目标检测》一文中研究指出在对视频中运动目标的检测,高斯混合模型能够达到较好的效果,但是容易受到光照突变和环境噪声的影响,并且运动目标完整的轮廓难以提取,在对Canny边缘检测算法进行改进,用中值滤波器和双边滤波器构成的混合滤波器代替边缘检测算法中固有滤波器,并且使用Otsu算法取代人工设置双阈值,避免丢失真实边缘,保证边缘信息的完整性,并且用隔帧处理的四帧差分法的到差分图像,获得运动目标区域,再利用高斯混合模型提取前景图像,结合两种算法的前景图像能够获得较完整的运动目标轮廓。根据实验结果分析,和传统的高斯混合模型相比,该算法能够避免一定的光照突变的影响,解决了目标图像出现空洞及漏检造成边缘信息丢失的问题,具有更强的鲁棒性。(本文来源于《电子测量与仪器学报》期刊2019年10期）
王子民,甘智宇,刘振丙[10]（2019）在《基于EKF+EKS的BCG动态高斯模型滤波研究》一文中研究指出心冲击图(Ballistocardiogram,BCG)信号属于微弱信号,现实采集的BCG信号通常包含采集环境干扰和个体差异,因此缺乏健康个体的BCG信号模板和适用于BCG信号的降噪方法。提出一种基于高斯核函数的动态BCG信号模型,在动态高斯模型的基础上,应用扩展卡尔曼滤波与扩展卡尔曼滤波平滑对BCG信号进行复合滤波。该模型提供健康个体的BCG信号,包括H波、I波、J波、k波、L波和M波特征。经联合扩展卡尔曼滤波与扩展卡尔曼平滑滤波后的BCG信号比其他传统滤波器滤波后的BCG信号信噪比更高。基于动态高斯模型合成的BCG信号能完整表达健康个体的BCG信号特征,联合扩展卡尔曼滤波和扩展卡尔曼平滑的复合滤波,对BCG信号的滤波达到了更好的降噪效果。(本文来源于《计算机应用与软件》期刊2019年10期）
高斯模型论文开题报告
（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：
为了有效、准确地模拟煤粉热解失重过程,利用热重分析仪(TGA),测试印尼褐煤与神华烟煤在升温速率30℃/min时的热解失重过程,通过高斯峰值拟合法对热解失重速率DTG曲线进行分析,根据不同热解阶段的权重迭加得到相应工况煤粉热解动力学数值模型.结果发现,此煤粉热解动力学模型拟合结果与实验结果的相关系数R~2接近1,尤其是热解中段与后段拟合效果好,说明此数学模型能够准确模拟大部分煤种的热解过程,模型泛化能力强.
（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。
高斯模型论文参考文献
[1].吕苗苗,孙建明.基于改进高斯混合模型的运动图像目标检测算法[J].半导体光电.2019
[2].管诗骈,陈有福,张恩先,徐颂梅,王亚欧.高斯多峰拟合法在烟煤与褐煤热解动力学模型的应用[J].燃烧科学与技术.2019
[3].吕志鹏,隋立芬.基于非线性高斯-赫尔默特模型的结构总体最小二乘法[J].武汉大学学报(信息科学版).2019
[4].周逸飞,朱星,刘文德.基于声发射和高斯混合模型的灰岩破裂特征识别研究[J].水利水电技术.2019
[5].欧阳城添,汤懿.基于高斯混合模型的核相关滤波目标跟踪算法[J].计算机工程与设计.2019
[6].王伟,王晓辉,张洋,赵磊,李璐.基于高斯云模型和综合赋权的电力变压器套管绝缘状态评估[J].电力信息与通信技术.2019
[7].王浩然,周强.基于全变分模型和高斯曲率滤波的红外图像条纹噪声去除算法[J].激光杂志.2019
[8].刘金亚,刘昌华,许鲲.基于色彩与高斯模型的油菜图像根系分割[J].武汉轻工大学学报.2019
[9].陆华才,贺华展,黄宜庆,高文根.改进Canny边缘算子和高斯混合模型的运动目标检测[J].电子测量与仪器学报.2019
[10].王子民,甘智宇,刘振丙.基于EKF+EKS的BCG动态高斯模型滤波研究[J].计算机应用与软件.2019
论文知识图
