导读:本文包含了数据字典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:字典,数据,稀疏,噪声,在线,重构,余弦。
数据字典论文文献综述
张凯,张医奎,李振春,田鑫,欧阳义[1]（2019）在《MCA框架下Shearlet和DCT字典组合地震数据重建》一文中研究指出相比于单一变换,形态分量分析(MCA)是信号稀疏表示的一种更有效的手段。在MCA框架下,提出了一种Shearlet字典和DCT字典组合的地震数据重建方法。首先,基于MCA框架,分别选取DCT字典和Shearlet字典稀疏表示地震数据中的局部奇异分量与平滑线状分量;随后,通过加入指数阈值模型和指数阈值函数的块坐标松弛(BCR)算法重建各个分量;最后,合并各个分量得到重建结果。合成数据实验和真实数据实验均表明,该方法能够有效地重建缺失地震数据,且重建精度高于单一Shearlet字典、Curvelet+DCT字典组合和Shearlet+Curvelet字典组合。(本文来源于《石油地球物理勘探》期刊2019年05期）
张良,韩立国,方金伟,张盼,刘争光[2]（2019）在《双稀疏字典和FISTA的地震数据去噪》一文中研究指出地震数据的随机噪声去除是地震数据处理中的一项重要步骤,双稀疏字典提供了两层稀疏模型,比单层稀疏模型可以更好地去除噪声.该方法首先利用contourlet变换对地震数据进行稀疏表示,然后在contourlet域中使用快速迭代收缩阈值算法(fast iterative shrinkage-thresholding algorithm,FISTA)对初始字典系数进行更新,接着采用数据驱动紧标架(data-driven tight frame,DDTF)在contourlet域中得到DDTF字典并通过FISTA得到更新后的字典系数,最后通过DDTF字典和更新后的字典系数获得新的contourlet系数,并对新的contourlet系数进行硬阈值和contourlet反变换得到去噪后的数据.通过模拟数据和实际数据的实验证明:与固定基变换去噪方法相比,该方法可以自适应地对地震数据进行稀疏表示,在地震数据较为复杂时得到更高的信噪比;与字典学习去噪方法相比,该方法不仅拥有较快的去噪速度,而且克服了字典学习因为缺少先验约束造成瑕疵的缺点.(本文来源于《地球物理学报》期刊2019年07期）
李慧,韩立国,张良,贾帅[3]（2019）在《基于字典学习和ADMM的地震数据重建》一文中研究指出针对压缩感知下与字典学习和交替方向乘子算法(alternating direction method of multipliers,ADMM)密切相关方法存在的问题,研究并提出了一种在压缩感知理论下采用字典学习和ADMM重建地震数据的方法。首先对不完整地震数据进行字典学习,使其稀疏地表示,再根据地震道的缺失情况设计合理的采样矩阵,最后对建立的L1范数约束模型采用ADMM进行求解得到重建后的地震数据。建立了压缩感知下基于字典学习和ADMM的地震数据插值技术流程。正演模拟数据和实际数据的重建实验结果表明:与压缩感知理论下采用固定基的重建方法相比,字典学习能够自适应地对地震数据进行更优的稀疏表示。与常用的curvelet等重建算法相比,采用ADMM能够更加精确地重建地震数据。与固定基和正交匹配追踪(orthogonal matching pursuit,OMP)相比,在压缩感知理论下采用字典学习和ADMM重建的地震数据有更高的信噪比。(本文来源于《石油物探》期刊2019年03期）
吴琳,魏友华,洪姗[4]（2019）在《基于字典学习的土壤地球化学数据稀疏重构》一文中研究指出在土壤地球化学数据的勘察和采集过程中,因为各种客观因素导致数据不完整,这会对后续的研究工作造成一定的影响,因此对数据进行重构是预处理阶段最基本的步骤。基于土壤地球化学数据在自身或在变换域内的稀疏性,建立基于字典学习的土壤地球化学数据重构模型,将数据重构问题转化为稀疏优化问题,可以减少数据重构后的平滑效果,在一定程度上保留土壤地球化学数据在异常区和背景区交界处的结构特征。最后将反距离插值法和稀疏重构算法重构后的数据进行对比,结果表明稀疏重构算法能有效地对土壤地球化学数据进行重构。(本文来源于《现代电子技术》期刊2019年09期）
王瑞雪,张振华,张宾,程子兵,段笑笑[5]（2019）在《数据字典在火控系统报文解析中的应用》一文中研究指出结合元数据、数据字典和XML技术,提出建立数据字典和通用协议解码方法来提高火控系统报文解码可扩展性。建立了火控系统数据字典和通用协议解码方法,增强了报文解析的扩展性,实现了上层应用与协议的松耦合。开发了一个具有界面操作和显示功能的火控系统通用报文解析工具,使用报文解析工具进行测试验证了火控系统数据字典和通用协议解析方法在报文解析上的高可扩展性。实验结果表明,数据字典与通用的协议解码方法能够达到报文频繁变更带来的报文解析可扩展性要求。(本文来源于《兵器装备工程学报》期刊2019年04期）
王量,买皓,李勇[6]（2019）在《基于在线字典学习算法的地震数据去噪应用》一文中研究指出为了解决常规去噪方法不能根据地震数据自适应构造基函数,去噪效果无法达到最佳的问题,引入基于稀疏表示的在线字典学习(ODL,online dictionary learning)算法对地震数据进行去噪处理。ODL算法能够快速学习,得到与地震数据高度匹配的字典,该自适应字典代替了传统域变换方法中的固定基函数。同时,结合稀疏表示的思想,使用最小角回归(LARS)算法求解出字典的最优稀疏表示系数,将字典与稀疏表示系数组合,从而得到去噪后的地震数据。理论模型和实际地震数据的去噪应用表明:相比较为先进的curvelet变换方法,ODL算法可以更有效地去除随机噪声、相干噪声,同时很好地保留了数据特征。因此,ODL算法对于地震噪声压制有实际指导意义。(本文来源于《断块油气田》期刊2019年02期）
顾航[7]（2019）在《基于字典训练的Bregman迭代地震数据重建》一文中研究指出随着地震勘探正在蓬勃发展,如今对储层预测精度和地震资料质量的要求越来越高。而地震勘探的复杂环境可能导致地震数据通道缺失或者勘探成本上升,因此需要对地震数据进行重建,恢复地震数据的全貌。针对上述情况,首先介绍Bregman迭代方法,接着在Bregman迭代重建算法框架中,使用K-SVD对数据样本进行初步的处理,每次迭代最后进行插值处理,进行多次迭代后得出重建的地震数据。主要将K-SVD字典训练算法结合到分裂Bregman迭代过程之中,实现对缺失地震数据进行重建研究,以保证地震数据具有完整性和规则性,从而提高地震数据的信噪比和保真度。采用marmousi数据,验证了本文算法的可行性与有效性。(本文来源于《微型电脑应用》期刊2019年02期）
张文晓[8]（2019）在《在Excel VBA中用字典对象存储多列数据的方法》一文中研究指出本文旨在介绍一种方法,实现如何用VBA的字典对象,处理多列数据。并且结合工程实际,说明此方法在实际编程中如何应用。(本文来源于《电脑知识与技术》期刊2019年01期）
张岩,任伟建,唐国维[9]（2018）在《应用结构聚类字典学习压制地震数据随机噪声》一文中研究指出针对地震数据中不同空间位置的波形变化差异较大,全局字典学习稀疏表示方法不足以最优稀疏表示复杂局部特征的问题,提出基于结构聚类字典学习稀疏表示的随机噪声压制算法。首先利用地震数据分块结构的自相似性与全局字典稀疏表示系数分布存在的规律性与冗余性,应用K-means思想对地震数据进行分块结构聚类,对每一类数据块集合采用奇异值分解(SVD)得到超完备字典,依据各个聚类中心重新编码该类地震数据块,得到原始地震数据更稀疏的表示和描述;然后建立正则化模型更新质心和地震数据估计值;最后利用双变量迭代阈值算法求解模型中双L_1范数的优化问题,得到去噪后的地震数据。对比实验表明,应用本文方法去噪后的地震数据具有较高的信噪比及较强的局部纹理保持能力,证明了算法压制随机噪声的有效性。(本文来源于《石油地球物理勘探》期刊2018年06期）
赵鑫,马聪丽,张静,马晓萍[10]（2018）在《《基础地理信息要素数据字典 第1部分:1∶500 1∶1 000 1∶2 000比例尺》修订说明》一文中研究指出2007年发布实施的《基础地理信息要素数据字典 第1部分:1∶500 1∶1 000 1∶2 000基础地理信息要素数据字典》是测绘地理信息行业的基础标准,是建立地理信息空间数据库的重要依据。随着经济的高速发展,新增地物的出现以及国家重大测绘工程的开展,该标准在某些方面已不能满足当前建库的需求,需要进行修订。此次修订主要补充新增要素,修正与图式、分类代码相矛盾的要素,完善部分要素的相关信息,并兼顾不同比例尺系列数据字典间的协调和统一。(本文来源于《测绘标准化》期刊2018年03期）
数据字典论文开题报告
（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：
地震数据的随机噪声去除是地震数据处理中的一项重要步骤,双稀疏字典提供了两层稀疏模型,比单层稀疏模型可以更好地去除噪声.该方法首先利用contourlet变换对地震数据进行稀疏表示,然后在contourlet域中使用快速迭代收缩阈值算法(fast iterative shrinkage-thresholding algorithm,FISTA)对初始字典系数进行更新,接着采用数据驱动紧标架(data-driven tight frame,DDTF)在contourlet域中得到DDTF字典并通过FISTA得到更新后的字典系数,最后通过DDTF字典和更新后的字典系数获得新的contourlet系数,并对新的contourlet系数进行硬阈值和contourlet反变换得到去噪后的数据.通过模拟数据和实际数据的实验证明:与固定基变换去噪方法相比,该方法可以自适应地对地震数据进行稀疏表示,在地震数据较为复杂时得到更高的信噪比;与字典学习去噪方法相比,该方法不仅拥有较快的去噪速度,而且克服了字典学习因为缺少先验约束造成瑕疵的缺点.
（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。
数据字典论文参考文献
[1].张凯,张医奎,李振春,田鑫,欧阳义.MCA框架下Shearlet和DCT字典组合地震数据重建[J].石油地球物理勘探.2019
[2].张良,韩立国,方金伟,张盼,刘争光.双稀疏字典和FISTA的地震数据去噪[J].地球物理学报.2019
[3].李慧,韩立国,张良,贾帅.基于字典学习和ADMM的地震数据重建[J].石油物探.2019
[4].吴琳,魏友华,洪姗.基于字典学习的土壤地球化学数据稀疏重构[J].现代电子技术.2019
[5].王瑞雪,张振华,张宾,程子兵,段笑笑.数据字典在火控系统报文解析中的应用[J].兵器装备工程学报.2019
[6].王量,买皓,李勇.基于在线字典学习算法的地震数据去噪应用[J].断块油气田.2019
[7].顾航.基于字典训练的Bregman迭代地震数据重建[J].微型电脑应用.2019
[8].张文晓.在ExcelVBA中用字典对象存储多列数据的方法[J].电脑知识与技术.2019
[9].张岩,任伟建,唐国维.应用结构聚类字典学习压制地震数据随机噪声[J].石油地球物理勘探.2018
[10].赵鑫,马聪丽,张静,马晓萍.《基础地理信息要素数据字典第1部分:1∶5001∶10001∶2000比例尺》修订说明[J].测绘标准化.2018
论文知识图
