导读:本文包含了拉普拉斯论文开题报告文献综述及选题提纲参考文献，主要关键词:阿尔茨海默病,核磁共振影像,叁维拉普拉斯算子,厚度估计
拉普拉斯论文文献综述
孔得平,刘玉环,刘强,王刚[1]（2019）在《基于叁维拉普拉斯算子的脑皮层厚度估计算法》一文中研究指出为了提高阿尔茨海默病患者组(AD组)、轻度认知障碍组(MCI组)与正常对照组(CTL组)之间脑皮层形态差异的测量精度,本文提出一种基于叁维拉普拉斯算子的脑皮层厚度估计算法.该算法通过对脑皮层核磁共振影像(MRI)表面进行光滑处理和立方体剖分,构建保持原有MRI数据的脑皮层四面体网格模型;结合有限元方法,利用叁维拉普拉斯算子计算脑皮层内部的热稳态场分布,并运用梯度下降法和T假设检验分别求得脑皮层厚度信息和不同组别之间脑皮层厚度的显着性差异区域.实验结果表明,本文算法与FreeSurfer算法相比,可以有效地提高测量精度,在检测AD,MCI与CTL之间脑皮层厚度显着性差异区域方面具有较强的统计分析能力.(本文来源于《鲁东大学学报(自然科学版)》期刊2019年04期）
白丽丽,韩振南,任家骏,秦晓峰[2]（2019）在《基于拉普拉斯分值和鲸鱼寻优SVM的滚动轴承故障诊断》一文中研究指出滚动轴承的振动信号所呈现出的非高斯、非线性等特性,使得其故障类型和故障严重程度难以准确识别,故此提出了一种拉普拉斯分值(laplacian score,LS)与基于鲸鱼算法(whale optimization algorithm,WOA)寻优的支持向量机(support vector machine,SVM)相结合的智能故障诊断方法。首先提取原始振动信号时域、频域、时频域的统计特征,通过利用LS选择较为敏感、更能表征故障状态的特征,形成故障特征向量,然后通过鲸鱼算法来优化SVM的惩罚因子和核参数,构造成分类器模型来进行故障模式识别,判断出滚动轴承的故障类型。通过多种算法对SVM的参数寻优进行对比发现WOA寻优优势明显,同时使用多方面的实验数据验证了该方法在提取滚动轴承故障特征信息方面的有效性,且具有较高的分类识别精度。(本文来源于《太原理工大学学报》期刊2019年06期）
张璇,余德文,刘秋颜[3]（2019）在《《拉普拉斯的魔女》叙事时间的安排》一文中研究指出文本时间,也称故事时间。是"讲"的时间,是经作者加工的;而故事时间是指故事发生的自然时间。在《拉普拉斯的魔女》中,两个时间其实是错综复杂的。通过对情节解构,即可分析。(本文来源于《文学教育(下)》期刊2019年10期）
樊丹丹,杜洁,刘洋[4]（2019）在《具有最大无符号拉普拉斯谱半径的拟树》一文中研究指出若存在一个顶点,使得删除这个点后得到的图是一个树,则称该图是拟树,该文基于拟树的概念,利用相应的枝节变换,刻画了固定某个顶点的度及给定悬挂点数的所有拟树中具有最大无符号拉普拉斯谱半径的极图.(本文来源于《曲阜师范大学学报(自然科学版)》期刊2019年04期）
毛义坪,马茂源[5]（2019）在《基于高斯拉普拉斯算子的多聚焦图像融合》一文中研究指出多聚焦图像融合利用图像众多互补信息,获取清晰的融合图像。为了解决基于变换域和空域方法中易丢失信息及时间复杂度高的问题,提出基于高斯拉普拉斯算子(LOG)的多聚焦图像融合算法。利用高斯拉普拉斯算子对原始图像进行掩膜卷积,取其绝对值得到相应原始图像的聚焦程度度量图;用滑动窗口技术,分别对每个度量图进行比较,窗口内和值大的视为聚焦,相应得分图加1,通过得分图与一定策略得到决策图;通过决策图对原始图像加权得到融合图像。从多聚焦图像公开数据库进行实验,LOG平均融合结果指标PSNR、MI、Q~(AB/F)为28.08、5.28、0.73,均高于算法MST-SR和CSR。(本文来源于《计算机应用与软件》期刊2019年10期）
王艳萍[6]（2019）在《一类具有k阶拉普拉斯算子的波动方程整体解的存在性》一文中研究指出针对一类同时含有k阶拉普算子项与多个非线性源项的波动方程的初边值问题,应用Galerkin逼近法证明该方程整体弱解的存在性,这类波动方程改进了含有单个非线性源项的波动方程,由于这类波动方程引入了k阶拉普拉斯算子项和多个非线性源项,使得该波动方程的结构更加精细且符合实际;首先给出了这类波动方程的弱解的定义,然后定义了一些必要的泛函,并利用极限和导数证明了这些泛函所满足的性质以及这类波动方程的解在特定条件下的不变集合;最后应用Galerkin逼近法,借助特征方程的基础解系构造了该波动方程的近似解,通过对近似解收敛性的分析得到了该方程整体弱解的存在性。(本文来源于《重庆工商大学学报(自然科学版)》期刊2019年05期）
马佳奇[7]（2019）在《利用拉普拉斯定理计算行列式》一文中研究指出拉普拉斯定理是行列式按行按列展开定理的推广,可用于简洁快速地解决某些高阶行列式的计算和证明.本文首先介绍了拉普拉斯定理的内容,然后介绍了拉普拉斯定理在证明分块矩阵乘法方面的应用,最后利用拉普拉斯定理计算某些高阶的行列式.(本文来源于《数学学习与研究》期刊2019年19期）
张正杰[8]（2019）在《基于混合拉普拉斯模型和EM算法的图像降噪方法》一文中研究指出本文提出了一种基于图像小波系数分布方法的图像降噪方法,假设并验证每层的小波系数都近似符合混合拉普拉斯模型,在对图像进行了叁层小波变换后,利用EM算法对每一层的小波系数的模型参数进行计算,利用这些模型参数进行变换,在实际验证中取得了较为不错的效果。(本文来源于《数字通信世界》期刊2019年10期）
李肖肖,聂仁灿,周冬明,谢汝生[9]（2019）在《图像增强的拉普拉斯多尺度医学图像融合算法》一文中研究指出针对不同临床诊断的需求产生了多种类型的医学图像,如:核磁共振成像(MRI),正电子发射断层扫描图像(PET),单光子发射计算机断层扫描技术(SPECT).单一功能的医学成像技术往往不能更好地诊断出病人的病情,利用多模态医学图像融合技术获得的图像具有较强的解剖学意义,与原始单扫描图像相比具有较高的光谱信息.首先,将基于像素级的图像增强技术与拉普拉斯金字塔分解方案相结合,使分解的残差子带图像(RSI)具有更清晰的图像纹理特征,与此同时保持基底子带图像(BSI)更平滑.然后,对RSI图像采用基于兴趣信息的图像融合规则获取高频系数融合图像;对BSI图像采用局部能量最大值方案的融合规则获取较平滑的金字塔顶层融合图像.最后,利用拉普拉斯金字塔逆运算重建融合图像.实验结果表明融合图像保留了图像边缘信息的同时增强了图像细节信息,具有更好的视觉效果,客观评价指标QMI,QIFC,QVIF,QME,QSD,QUQI,QSSIM也取得了较大的提升.(本文来源于《云南大学学报(自然科学版)》期刊2019年05期）
周后卿[10]（2019）在《双圈图的Seidel无符号拉普拉斯能量》一文中研究指出设G是具有顶点n,边数m的简单图。定义G的Seidel无符号拉普拉斯能量为Seidel无符号拉普拉斯矩阵的特征值与■的差的绝对值之和。文中利用不等式技巧讨论了双圈图的Seidel无符号拉普拉斯能量的上界,得到了几个有意义的结果。(本文来源于《邵阳学院学报(自然科学版)》期刊2019年04期）
拉普拉斯论文开题报告
（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：
滚动轴承的振动信号所呈现出的非高斯、非线性等特性,使得其故障类型和故障严重程度难以准确识别,故此提出了一种拉普拉斯分值(laplacian score,LS)与基于鲸鱼算法(whale optimization algorithm,WOA)寻优的支持向量机(support vector machine,SVM)相结合的智能故障诊断方法。首先提取原始振动信号时域、频域、时频域的统计特征,通过利用LS选择较为敏感、更能表征故障状态的特征,形成故障特征向量,然后通过鲸鱼算法来优化SVM的惩罚因子和核参数,构造成分类器模型来进行故障模式识别,判断出滚动轴承的故障类型。通过多种算法对SVM的参数寻优进行对比发现WOA寻优优势明显,同时使用多方面的实验数据验证了该方法在提取滚动轴承故障特征信息方面的有效性,且具有较高的分类识别精度。
（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。
拉普拉斯论文参考文献
[1].孔得平,刘玉环,刘强,王刚.基于叁维拉普拉斯算子的脑皮层厚度估计算法[J].鲁东大学学报(自然科学版).2019
[2].白丽丽,韩振南,任家骏,秦晓峰.基于拉普拉斯分值和鲸鱼寻优SVM的滚动轴承故障诊断[J].太原理工大学学报.2019
[3].张璇,余德文,刘秋颜.《拉普拉斯的魔女》叙事时间的安排[J].文学教育(下).2019
[4].樊丹丹,杜洁,刘洋.具有最大无符号拉普拉斯谱半径的拟树[J].曲阜师范大学学报(自然科学版).2019
[5].毛义坪,马茂源.基于高斯拉普拉斯算子的多聚焦图像融合[J].计算机应用与软件.2019
[6].王艳萍.一类具有k阶拉普拉斯算子的波动方程整体解的存在性[J].重庆工商大学学报(自然科学版).2019
[7].马佳奇.利用拉普拉斯定理计算行列式[J].数学学习与研究.2019
[8].张正杰.基于混合拉普拉斯模型和EM算法的图像降噪方法[J].数字通信世界.2019
[9].李肖肖,聂仁灿,周冬明,谢汝生.图像增强的拉普拉斯多尺度医学图像融合算法[J].云南大学学报(自然科学版).2019
[10].周后卿.双圈图的Seidel无符号拉普拉斯能量[J].邵阳学院学报(自然科学版).2019