导读:本文包含了特征选取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:特征,分散度,状态,频带,关联性,精神分裂症,向量。
特征选取论文文献综述
刘胜兰,高凌寒,杜剑维,刘晨[1]（2019）在《基于自适应顺序的滚动轴承最优特征选取与寿命预测》一文中研究指出为了提高舰船动力传动系统中滚动轴承的故障特征分析及寿命预测能力,需要对选择合适的振动信号特征表征滚动轴承状态的问题进行分析,通过时域,频域,时频域,信息熵等多方面提取滚动轴承的振动特征,构造特征库,综合全面描述滚动轴承的状态信息。提出了一种自适应特征提取方法,通过添加白噪声特征以及融合特征,并使用相关性,单调性,鲁棒性3个指标来综合评价特征,可以自动确定特征维数并筛选出敏感特征子集,并通过实验数据验证了所提方法的有效性。(本文来源于《舰船科学技术》期刊2019年21期）
赵慧敏,张志强[2]（2019）在《轴承故障诊断特征参数选取研究》一文中研究指出特征提取是轴承故障诊断的关键步骤,而特征参数的选取直接影响着特征提取的效果。本文从时域、频域、时频域多角度进行分析,提出了特征参数的选取准则,构建特征参数评价体系,为下一步的故障识别提供有力支撑。(本文来源于《内燃机与配件》期刊2019年19期）
马长刚,李青,陈明,孙大林[3]（2019）在《基于检测参数的某装备状态特征量选取》一文中研究指出某装备状态健康与否主要通过测试参数来表征,但每一型该装备的测试参数众多,很大一部分参数之间关联性较强。以某装备检测参数为出发点,借助时间序列分析和主分量分析方法选取了该装备质量状态特征量,通过实例,选取方法比较科学,选取结果符合实际情况。(本文来源于《火力与指挥控制》期刊2019年10期）
魏超,江建文,陈宗海[4]（2019）在《面向车辆自主定位的激光雷达特征点选取方法性能分析》一文中研究指出车辆的自主定位是智能汽车不可或缺的功能,用于自主定位和姿态估计的激光SLAM算法有赖于良好的特征点提取算法和场景模型。本文主要介绍了现有两种点云定位和配准算法:Lidar Odometry and Mapping(Loam)算法和ImplicitMoving LeastSquares(IMLS)算法,并分析了两种算法的异同,以及拼接两种算法的可行性。然后文章根据分析结果提出了新方法——将IMLS算法中的特征点选取算法迁移至Loam框架中,并在KITTI的数据集上做验证。结果显示平均位姿估计误差为0.74%,证明了本文方法的有效性。(本文来源于《第二十届中国系统仿真技术及其应用学术年会论文集（20th CCSSTA 2019）》期刊2019-08-20）
沙志成,刘威,张杰[5]（2019）在《电网低频振荡扰动源线路暂态特征频带选取算法》一文中研究指出为了有效利用线路暂态特征频带包含的故障信息,准确选取线路暂态特征频带,使得频率在该频带内的暂态分量可有效体现电网低频振荡扰动源位置,提出电网低频振荡扰动源线路暂态特征选取算法。分析了线路边界频率特性,获取线路暂态特征频带上限约束值。将电网低频振荡扰动源线路的始端和末端当成端口,通过二端口网络方程获取线路等值阻抗,对暂态特征进行分析。在此基础上,通过矩阵束法对不同线路电流频率分量和频率分量相位进行提取,按照升序顺序排序,对不同频率分量相位进行比较。将与90°相角相应的频率当成频带上限,完成对电网低频振荡扰动源线路暂态特征频带的选取。实验结果表明:所提算法可得到线路暂态特征频带选取结果,获取电网低频振荡扰动源位置;和特高压直流输电线路暂态保护特征频带选取算法与基于暂态相电流特征分析的故障选线算法相比,所提算法选取结果和实际结果间的误差最小。可见所提算法暂态特征频带选取结果准确。(本文来源于《科学技术与工程》期刊2019年22期）
唐朝晖,牛亚辉,谢永芳,唐励雍[6]（2019）在《锌快粗过程泡沫图像关键特征选取方法研究》一文中研究指出针对采用泡沫图像特征之间冗余性大,建立关键工艺指标预测模型时容易产生过拟合的问题,提出了一种分步约简的关键特征选取方法。首先定义了特征的分散度,基于特征分散度约简了无效的特征得到了敏感特征集;然后针对特征之间存在相关性的问题,提出使用最大信息系数约简相似度大的特征,得到了独立特征集;然后,在独立特征集中选取了一个可以充分表征工况的最小特征集,实现了关键特征的选取。最后将本方法应用于锌快粗过程,利用工业数据验证了方法的有效性,为基于图像特征的浮选过程建模奠定了基础。(本文来源于《第叁十八届中国控制会议论文集（7）》期刊2019-07-27）
黄杰俊,李永树,周启,梁磊[7]（2019）在《一种顾及重要性意义和空间分布特征的兴趣点选取方法》一文中研究指出针对地图上的兴趣点,提出了一种兼顾个体重要性和点群空间分布特征的选取方法。根据单个点的地理特征、地理意义来评估点的重要性程度;通过反复构造加权Voronoi图保持点群的空间分布特征,并在此基础上评估单个兴趣点的选取概率。最后,结合实际数据进行实验,实验表明该方法合理有效。(本文来源于《地理信息世界》期刊2019年03期）
杨雄[8]（2019）在《EEG时序特征选取及其脑网络构建与分析》一文中研究指出工作记忆(working memeory,WM)是一种较短时间范围内的记忆形式,在进行学习、记忆、思维及问题解决等高等认知活动中,大脑需要对信息进行加工和存储,这就需要工作记忆这种机制来进行处理。在工作记忆中有中央执行系统、视觉空间存储器和语音环路叁个组成部分共同决定工作记忆中信息的编码、存储形式和提取等。有研究表明,大多数精神疾病患者会出现认知障碍,其中工作记忆障碍是精神疾病患者的主要认知障碍。EEG以其成本低廉、无创性及便携性等特点常用于疾病的诊断及早期干预中。传统的EEG分析方法有时域分析、频域分析、时频分析等,但是这些方法只适用于线性分析。近年来,将非线性动力学及复杂网络理论应用在EEG信号的分析当中,试图能够更好地分析出EEG信号中的特性以及脑网络拓扑结构在不同状态下的变化规律。传统的EEG脑网络构建方法是将EEG信号的电极作为网络节点,节点之间的关系作为网络的连边,但是这种网络构建方法没有充分利用EEG高时间分辨率的特性。Zhang等人首先提出了伪周期时间序列网络构建的方法,广大学者在此基础上进一步研究并提出了不同的构建方法,目的是能够充分利用EEG的高时间分辨率,更好地了解EEG的时间特性。本文提出了一种构建时间序列复杂网络的新方法。在精分数据上对构建的时间序列复杂网络进行了分析,首先从时间角度利用复杂网络方法分析了正常人与病人所构建的时间序列网络属性的差异;其次从空间角度分析了通道之间构建的复杂网络拓扑结构的相似性,进一步找出正常人与患者之间的差异。从时间和空间两个角度分析EEG数据,挖掘精神分裂症患者疾病与正常被试构建的时间序列网络之间的差异,为精神分裂症患者的研究提供了一种新的研究思路。具体内容主要包括:(1)使用微状态(microstate)对EEG信号分析,验证微状态方法能够应用在所使用的数据集。本研究分析了微状态的微状态数、平均持续时间和状态转移概率,证明了微状态适用于所使用的EEG数据,为时间序列复杂网络的构建提供了理论支持。(2)基于微状态方法对EEG数据进行分段,构建时间序列复杂网络。构建时间序列网络时选择微状态划分的时间段作为网络的节点,并对划分的时间段提取特征,从中选择有效的特征向量作为各时间段的特征,时间段特征向量之间的相关系数作为网络的边,由此可以得到各个通道多个稀疏度下的时间序列复杂网络。(3)分析所构建的时间序列复杂网络差异。首先分析时间序列复杂网络的全局属性和局部属性,对所求的网络属性分析比较,了解正常人与精神分裂症患者构建的时间序列复杂网络的特点,进一步分析复杂网络差异性较大的通道,分析病灶处差异性较大的网络属性进而能反映出时间序列的差异。其次分析构建的时间序列复杂网络网络拓扑结构的相似性,通过比较正常人与精神分裂症患者各自通道之间的相似性,将相似性较大的联系表示出来,可以分析正常人与精神分裂症患者通道网络之间相似性之间的关系。(本文来源于《太原理工大学》期刊2019-06-01）
张子栋,张杰敏,茅剑[9]（2019）在《大数据处理警示性图像颜色纹理特征选取仿真》一文中研究指出警示性图像颜色纹理特征选取的有效性直接影响着多个领域的发展。针对当前方法存在的警示性图像颜色纹理特征选取准确率低的问题,提出了一种基于维纳滤波和增强矩阵的警示性图像颜色纹理特征选取方法,采用维纳滤波对警示性图像中的噪声进行消除,噪声消除后利用横向增量与纵向增量计算警示性图像中像素点的灰度值,求解每个像素点灰度值所对应的横纵坐标轴的二阶偏导数之和,根据这个偏导数推导出警示性图像的颜色纹理特征矩阵,利用该矩阵得到了一个警示性图像的颜色纹理特征模型,通过这个模型实现了对大数据处理下警示性图像颜色纹理特征的选取。仿真结果表明,所提方法对警示性图像的噪声具有很好的抑制效果,可以较好的保留警示性图像中的信息,并且所提方法能够准确的在大数据处理环境下对警示性图像颜色纹理特征的选取。(本文来源于《计算机仿真》期刊2019年05期）
蒋一征,柴珍珍[10]（2019）在《从技术特征关联性的角度浅谈最接近现有技术的选取》一文中研究指出"最接近现有技术"的选取是创造性评判的基础,是还原发明的最佳起点。但是在审查实践中对如何选取最接近现有技术仍存在一定主观性。在"叁步法"的适用过程中最容易犯的错误就是过度关注技术特征,割裂发明构思,试图从技术特征关联性的角度进行分析,提出选取最接近现有技术的一些思考。(本文来源于《科技与创新》期刊2019年09期）
特征选取论文开题报告
（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：
特征提取是轴承故障诊断的关键步骤,而特征参数的选取直接影响着特征提取的效果。本文从时域、频域、时频域多角度进行分析,提出了特征参数的选取准则,构建特征参数评价体系,为下一步的故障识别提供有力支撑。
（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。
特征选取论文参考文献
[1].刘胜兰,高凌寒,杜剑维,刘晨.基于自适应顺序的滚动轴承最优特征选取与寿命预测[J].舰船科学技术.2019
[2].赵慧敏,张志强.轴承故障诊断特征参数选取研究[J].内燃机与配件.2019
[3].马长刚,李青,陈明,孙大林.基于检测参数的某装备状态特征量选取[J].火力与指挥控制.2019
[4].魏超,江建文,陈宗海.面向车辆自主定位的激光雷达特征点选取方法性能分析[C].第二十届中国系统仿真技术及其应用学术年会论文集（20thCCSSTA2019）.2019
[5].沙志成,刘威,张杰.电网低频振荡扰动源线路暂态特征频带选取算法[J].科学技术与工程.2019
[6].唐朝晖,牛亚辉,谢永芳,唐励雍.锌快粗过程泡沫图像关键特征选取方法研究[C].第叁十八届中国控制会议论文集（7）.2019
[7].黄杰俊,李永树,周启,梁磊.一种顾及重要性意义和空间分布特征的兴趣点选取方法[J].地理信息世界.2019
[8].杨雄.EEG时序特征选取及其脑网络构建与分析[D].太原理工大学.2019
[9].张子栋,张杰敏,茅剑.大数据处理警示性图像颜色纹理特征选取仿真[J].计算机仿真.2019
[10].蒋一征,柴珍珍.从技术特征关联性的角度浅谈最接近现有技术的选取[J].科技与创新.2019
论文知识图
