导读:本文包含了关键序列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:序列,关键,缺失,姿态,特征值,精馏,人体。
关键序列论文文献综述
黄振川[1]（2019）在《4K超高清视频序列内容一致性检测的关键技术》一文中研究指出本文介绍了4K超高清与高清视频序列在内容一致性检测中的原理,从色调映射、分辨率、画面特征值、感知哈希、时间序列动态比对等方面对4K超高清与高清视频进行实时内容比对方法,实现了两个视频信号内容一致性的自动化检测。实验测试表明本方法比传统逐帧视频比对实时性强、鲁棒性强、准确率高。(本文来源于《现代电视技术》期刊2019年09期）
尹长芳,刘桂莲[2]（2019）在《基于非关键组分的精馏序列和反应参数优化》一文中研究指出多个精馏序列可用于分离多组分混合物,其能耗和投资费用均与其非关键组分总流量正相关,可据此辨识最优精馏序列。考虑反应器对精馏序列的影响,系统推导了反应器原料、操作参数和反应器流出物的关系,探究各组分在精馏序列作为非关键组分存在的规律,提出以非关键组分矩阵表征不同精馏序列和据此辨识最优精馏序列的方法。案例分析表明所提出的方法可简单、准确地确定分离不同组分数的混合物的非关键组分矩阵、边际气相流率和最优精馏序列。(本文来源于《高校化学工程学报》期刊2019年04期）
杨华,苏势林,闫雨奇,李宝川,刘翠微[3]（2019）在《基于关键姿态约束的人体运动序列插值生成》一文中研究指出为克服设备精度、捕获速度、位置遮挡、奇异性解析等因素制约,从离散的、有缺失的人体运动捕获数据中生成连贯的人体运动序列,提出了一种基于关键姿态约束的人体运动序列插值生成方法。首先,从人体运动捕获数据库提取各种典型动作对应的关键姿态数据序列,建模为动作节点。其次,依据人体动作过渡关系建立包含所有动作节点的有限状态机图谱。最后,在应用过程中通过最小距离查找即时采集数据对应的动作节点及帧序,若发生数据缺失,则查找缺失数据前后的边界帧所在动作节点,根据运动图谱的过渡关系计算并插入若干过渡动作帧,实现动作的接续连贯。实验结果表明:该方法能有效克服动作数据采集过程的缺失,并可用于复杂人体动作的组合生成,实现动作序列的流畅,提高人体运动捕获数据的可用性、鲁棒性。(本文来源于《沈阳航空航天大学学报》期刊2019年03期）
蔡兴泉,涂宇欣,余雨婕,高宇峰[4]（2019）在《基于少量关键序列帧的人体姿态识别方法》一文中研究指出针对传统人体姿态识别数据采集易受环境干扰、难以解决人体运动姿态的相似性和人体运动执行者的特征差异性等问题,提出一种基于少量关键序列帧的人体姿态识别方法。首先对原有运动序列进行预选,通过运动轨迹取极值的方法构造初选关键帧序列,再利用帧消减算法获取最终关键帧序列;然后对不同人体姿态分别建立隐马尔科夫模型,利用Baum-Welch算法计算得到初始概率矩阵、混淆矩阵、状态转移矩阵,获得训练后模型;最后输入待测数据,应用前向算法,得到对于每个模型的概率,比较并选取最大概率对应的姿态作为识别结果。实验结果表明,该方法能够有效的选取原始运动序列的关键帧,提高人体姿态识别的准确性。(本文来源于《图学学报》期刊2019年03期）
隗娜[5]（2019）在《基于图像序列的稠密叁维重建关键技术研究》一文中研究指出计算机视觉和硬件设备的发展使得叁维重建在医学、影视、游戏和虚拟现实等方面发挥越来越重要的作用。随着对叁维几何模型需求的增加,涌现出了许多优秀的算法,但现有的解决方案并不能完全满足需求,用户驱动的建模操作简单但冗长且容易出错,使用3D扫描仪精准度高但造价昂贵。其中从一系列二维图像重建叁维模型的方法因其实现简单,造价低又适用于大多数场景的重建而得到广泛应用。基于图像的叁维重建获得的稀疏点云提供的点云数据太少,并不能满足后续工作的需求,因此获得尽可能多且均匀的稠密点云成为研究重点。虽然现有的叁维稠密重建算法有很多,但是在一些应用场景下仍然存在许多问题和不足。本文针对从图像序列获得稠密叁维点云模型这一过程中涉及到的技术和算法进行研究学习,着重对其中表现较好、应用较广泛的PMVS算法进行深入研究,结合前人的研究经验,取得如下成果:1、研究特征点提取算法,对常用的算法根据其提取特征点类型的不同进行研究,分析比较其优缺点。针对纹理稀疏区域特征点缺少或稀疏的问题,提出一种改进的SIFT特征点提取算法:按照原SIFT算法求得极值点后,在进行阈值筛选之前引入双线性像素插值计算,使得局部灰度值变化较为显着但又在阈值之下的极值点尽可能的被筛选出来,增加特征点的数目。2、研究叁维稠密重建相关算法,详细研究PMVS算法流程中的相关技术。针对初始特征匹配阶段,提出一种匹配点选取策略,化二维投影距离为叁维空间距离,提高准确率。针对面片扩展阶段,提出了一种面片优化方法,该方法使用局部几何信息修正面片法向量,使得面片更好的切合于模型表面,在不影响全局特征的同时尽可能提高精度。3、通过对摄像机标定、特征点提取匹配、稀疏重建、稠密重建等方法的研究,实现能够通过图片序列完成稠密点云重建的系统。(本文来源于《中国科学院大学(中国科学院沈阳计算技术研究所)》期刊2019-06-01）
李腾飞,石磊[6]（2018）在《基于节点层网络关键等级的嵌入式软件集成测试序列生成方法》一文中研究指出增量法是应用于集成测试的方法,合适的增量集成策略能够降低测试成本、保障测试的充分性、提高测试效率。针对目前嵌入式软件集成测试增量方法不明确、对于函数调用关系验证不充分等问题,通过参考集成测试相关国家标准并结合嵌入式软件的特点进行深入分析,提出一种新的集成测试序列生成方法。该方法从集成测试函数调用关系的充分性入手,按照以"层间集成"为主、"层内关键系数集成"为辅的设计思路,将嵌入式软件中的函数基于节点层和关键系数以集成的先后顺序划分,得到经粗调和微调后的增量集成序列。该方法能简单、高效地解决集成测试增量集成问题,具备工程实践应用意义。(本文来源于《软件导刊》期刊2018年12期）
李晴[7]（2018）在《同课异构课中关键属性与序列的变异图式分析》一文中研究指出从物理基础知识和基本技能的教学被淡化的现象入手,通过透视物理课堂中教师与学生对话的实质内容,利用变异理论变与不变的图式,分析教师课堂教学中所审辨的关键属性和教学序列以及教师教学内容与课程标准的差异,得出教师课堂教学的侧重点教学次序以及变异图式,从对比中发现不同教师的优劣,并提出改进性建议。(本文来源于《中小学教学研究》期刊2018年11期）
王果[8]（2018）在《基于序列图像的建筑物自动化叁维重建关键技术研究》一文中研究指出建筑物叁维模型是我国智慧城市建设和不动产登记的基础性数据。针对目前基于近景摄影的建筑物叁维重建算法存在的重建效率较低、模型可视化真实感较差等问题,本文致力于研究基于建筑物空间特征的密集点云快速重建及多视角纹理映射等关键技术。主要研究内容如下:(1)提出了一种基于建筑物叁维线段模型的假设平面拟合算法。分析建筑物空间特征,建立了基于Manhattan-world假设的建筑物叁维线段聚类准则,通过叁维线段空间聚类获取建筑物假设平面拟合方向,基于mean shift空间多假设平面拟合算法实现了建筑物假设平面拟合,从而为后续改进PMVS算法提供了网格扩散的平面数据。实验证明,本算法能准确高效地获取建筑物假设平面模型。(2)提出了一种基于空间叁角网格插值扩散的PMVS改进算法。针对PMVS算法运行时间长的问题,利用建筑物假设平面模型构建叁角网格,通过对叁角网格进行空间插值扩散,快速获取准确有效的准密集点云,使用准密集点云代替PMVS算法自建的稀疏点云作为扩散种子点,从而实现密集点云的快速重建。实验证明,本改进算法有效地提高了PMVS算法的运行效率。(3)研究了一种基于MRF的多视角无缝纹理映射算法。针对多视角下最优化纹理选择的问题,基于马尔科夫随机场理论建立多视角纹理选择最优化模型,采用graph cuts实现能量函数最小化,从而获得最优化纹理映射。针对最优化纹理映射中依然存在的纹理拼接缝问题,利用multi-band blending算法有效地消除纹理中的拼接缝。实验证明,本算法有效实现了具有真实感的建筑物叁维模型可视化。(本文来源于《东南大学》期刊2018-06-08）
宋扬[9]（2018）在《面向工业大数据的时间序列预测关键技术研究》一文中研究指出近年来,随着工业4.0时代的到来,工业大数据成为一个重要的研究课题。工业设备由于生产流程复杂、传感器数量众多且取样频率快,在短时间内容易累积大量的数据,其主要呈现出机理模型复杂、时间序列排布、数据依赖性强、数据维度高且存在大量无标签数据等特点,如有特殊工况发生常常会产生较大的经济损失,因此若能对生产过程中出现的异常进行及时的预测,将会提高整个生产过程的效率,从而产生较大的应用价值。本课题主要提出针对于工业大数据中时间序列数据的建模算法。传统的工业大数据分析方法往往重视统计学模型而忽略工业数据的时间相关性,所以本课题从数据的时序性角度出发,从叁个方面对现有算法进行改进,从而提出了时间序列数据相关的预测算法。本文的主要工作包括:首先,提出了基于时间序列的流量预测算法-多变量调优的LSTM算法。该算法对传统的LSTM算法进行改进,利用数据的周期波动特性将时间序列数据转化为监督学习序列,从而提高了预测的精度。其次,提出了基于迁移学习的故障预测算法-基于时间窗口的迁移学习算法。该算法提出了时间窗口的概念,可针对不同取样频率的工业设备进行迁移学习,解决了工业数据中无标签数据的学习问题。最后,提出了面向终身学习的预测算法-基于数据更新模型的终身预测算法。该算法主要通过数据相似度和损失函数,建立数据更新模型,随着时间的推移自动化的更新模型参数,识别数据的变化并对模型进行迭代更新。综上可知,本文建立了一个完整的时间序列预测模型体系,解决了时间序列数据的连续性变量预测、分类预测以及模型自学习更新问题。其主要包含以下创新点:在工业预测问题中引入周期性度量和时间窗口概念,着重针对于工业数据的时间序列特性;将迁移学习方法引入同一生产流程中不同设备的时间序列数据故障预测中;结合数据相似度和损失率建立数据更新模型。实验结果证明,基于时间序列的流量预测算法提升了54.05%的预测准确度,基于迁移学习的故障预测算法的迁移准确率高达97%,面向终身学习的预测算法可应用于多种模型并提升至少33%的预测准确度。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
尹薇[10]（2018）在《时间序列清洗关键技术的研究》一文中研究指出由于大数据技术的发展和普及,金融经济、自然科学、社会科学、工业工程等越来越多的领域都更加依赖于大数据的获取和处理。在这些积累的海量数据中,时间序列扮演着重要的角色。时间序列是按时间顺序依次到达的数据,时间序列的质量对后续操作的真实性和置信度具有很高的影响力。虽然目前已经有许多可以处理时间序列的清洗算法,但是这些算法存在不能处理时间序列流、处理连续的错误方面表现不佳等问题。所以,对时间序列清洗关键技术的研究,具有重大的理论价值和实际意义。因此,本文对时间序列清洗的关键技术进行了深入研究,其主要研究内容如下:第一,针对当前缺失值填充的算法主要针对整体修复,不适用于时间序列,或者针对某领域数据无法推广使用,且计算复杂性过高的问题,本文提出一种基于AR(p)模型的缺失值填充和基于ARX(p)模型的修复和优化算法。首先利用AR(p)模型将缺失值进行初步填充,然后利用ARX(p)模型通过迭代的方式将序列进行修复和优化,其中每一次迭代都主要分为叁个步骤:参数估计,候选项生成,填充值估计,根据最小修复原则确定一个修复值。程序循环,直到修复收敛。本文通过理论证明了该方法的收敛性,且实验结果表明该方法优于单纯使用AR模型进行预测和目前使用较为广泛的KNN算法。第二,针对现有的一般数据修复技术把所有数据作为一个整体进行清洗,并不能支持流计算,不适用于时间序列的清洗。以及目前的一种基于速度约束的异常值检测和修复算法,针对一些较小的误差清洗效果较弱等问题,本文提出了一种基于方差约束的异常值检测和修复算法来解决这些问题。我们将时间序列异常值检测和修复问题格式化,将基于方差约束的时间序列异常值检测和修复问题转化成求解一元二次方程的问题。本文提出一种通过加权平均值的方式通过计算候选项集得到最终修复值,通过判断某候选项的窗口中“可靠的”数据点的多少来确定在加权平均值中的权值大小,以确保修复值的置信度。理论证明该算法的复杂度为线性时间,实验结果表明该算法的精确度高于基于平滑的SWAB算法和基于规则的Holistic算法,并具有较好的扩展性。第叁,针对时间序列在现实应用中经常出现时间戳乱序问题,本文设计了基于速度约束和基于方差约束的修复算法针对乱序到达数据点的更新算法。当乱序数据到达时,首先移除该数据点,然后在其正确的位置插入新的数据点,通过判断该点的插入是否会影响其他数据点,从而确定是否需要更新修复值。理论证明乱序数据点的更新算法可以在线性时间内完成,实验结果表明更新算法相比原算法具有更高的精确度。本文还研究了当时间戳发生单纯错误时的修复算法,提出了基于时间约束的时间戳修复算法。理论证明该算法的时间复杂度为线性时间,实验结果表明该算法具有比较高的精确度。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
关键序列论文开题报告
（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：
多个精馏序列可用于分离多组分混合物,其能耗和投资费用均与其非关键组分总流量正相关,可据此辨识最优精馏序列。考虑反应器对精馏序列的影响,系统推导了反应器原料、操作参数和反应器流出物的关系,探究各组分在精馏序列作为非关键组分存在的规律,提出以非关键组分矩阵表征不同精馏序列和据此辨识最优精馏序列的方法。案例分析表明所提出的方法可简单、准确地确定分离不同组分数的混合物的非关键组分矩阵、边际气相流率和最优精馏序列。
（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。
关键序列论文参考文献
[1].黄振川.4K超高清视频序列内容一致性检测的关键技术[J].现代电视技术.2019
[2].尹长芳,刘桂莲.基于非关键组分的精馏序列和反应参数优化[J].高校化学工程学报.2019
[3].杨华,苏势林,闫雨奇,李宝川,刘翠微.基于关键姿态约束的人体运动序列插值生成[J].沈阳航空航天大学学报.2019
[4].蔡兴泉,涂宇欣,余雨婕,高宇峰.基于少量关键序列帧的人体姿态识别方法[J].图学学报.2019
[5].隗娜.基于图像序列的稠密叁维重建关键技术研究[D].中国科学院大学(中国科学院沈阳计算技术研究所).2019
[6].李腾飞,石磊.基于节点层网络关键等级的嵌入式软件集成测试序列生成方法[J].软件导刊.2018
[7].李晴.同课异构课中关键属性与序列的变异图式分析[J].中小学教学研究.2018
[8].王果.基于序列图像的建筑物自动化叁维重建关键技术研究[D].东南大学.2018
[9].宋扬.面向工业大数据的时间序列预测关键技术研究[D].哈尔滨工业大学.2018
[10].尹薇.时间序列清洗关键技术的研究[D].哈尔滨工业大学.2018
论文知识图
