导读:本文包含了二次识别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:协方差,矩阵,神经网络,优势,噪声,局部,油层。
二次识别论文文献综述
田应仲,刘洪飞,冯杰才,曹守启[1]（2019）在《基于二次滤波的对接焊缝路径识别》一文中研究指出当前视觉传感器广泛应用于焊接机器人的轨迹规划。针对焊接图像噪声干扰引起的焊缝路径提取精度差的问题,本文提出了一种基于二次滤波的方法实现焊缝的路径识别。通过对采集的焊接图像依次进行灰度处理,滤波处理,边缘提取和填充,将焊缝特征通过二值图像体现出来。同时,为了去除二值图像上噪声的干扰,再次进行滤波处理,并通过灰度重心法提取整张图像上的焊缝坐标。最后,在对接焊缝上验证了本方法识别焊缝路径的平均误差在1像素以内,满足工业的要求。(本文来源于《计量与测试技术》期刊2019年11期）
刘宏涛,赵希男,周岩[2]（2019）在《基于二次优势识别的竞优评价方法》一文中研究指出针对组织环境下的竞优评价问题,依据"民主集中"的原则,提出了一种基于组织成员二次优势识别的竞优评价方法.首先,获得各组织成员不同的个体优势,并得到基于不同成员视角的个体代理评价值;然后,从最大限度突出组织成员整体优势的视角,对各成员的评价信息进行集中优化,并得到最终的评价值;最后,通过一个算例检验了所提方法的有效性和可行性.(本文来源于《数学的实践与认识》期刊2019年20期）
康振梅[3]（2019）在《识别二次雷达自适应抗干扰措施研究》一文中研究指出识别二次雷达是作战系统在进行武器打击前进行敌我方确认的有效手段。能否正确识别敌我是决定战争胜负的重要条件。常规的识别二次雷达应答设备大部分采用全向收发天线,虽然可以保证全方位接收询问并及时应答,但同时极易被周边干扰信号影响,且全向发射的应答信号也易被截获、转发欺骗。针对以上问题提出一种应答设备采用波束自适应调零和定向应答的系统抗干扰方法,可提高应答设备对抗内外干扰的抑制处理能力,降低识别应答信号被截获的概率,提高识别二次雷达系统抗干扰能力。(本文来源于《雷达与对抗》期刊2019年02期）
刘军香,王立新,姜慧,朱嘉健,卢滔[4]（2019）在《基于加速度二次协方差矩阵和神经网络的结构损伤识别》一文中研究指出为了能对结构早期损伤进行有效识别,本文提出了一种基于加速度响应二次协方差(CoC)矩阵和神经网络的结构损伤识别方法。首先通过数值模拟,以白噪声作为激励,获取结构在不同损伤位置和损伤程度下的加速度响应,并计算相应的二次协方差矩阵;然后,把二次协方差矩阵作为BP神经网络的输入特征向量,对网络进行训练并对损伤位置和损伤程度同时进行识别。本文以桁架为例,将二次协方差矩阵和BP神经网络结合,对结构单损伤和多损伤分别进行识别,同时采用模态频率和模态振型与BP神经网络结合作为对比指标。对比发现:相比于模态指标,基于加速度响应二次协方差矩阵和BP神经网络的损伤识别方法,能够较好的识别结构的单损伤和多损伤,且具有更好的稳定性和抗噪性。(本文来源于《地震工程与工程振动》期刊2019年03期）
刘军香[5]（2019）在《基于加速度二次协方差矩阵和BP神经网络的结构损伤识别方法研究》一文中研究指出随着人类技术的进步,大型基础设施越来越多。随着时间的积累,其结构会逐渐发生老化和损伤。从安全方面考虑,对结构进行监测并准确评估其健康状况尤为重要。对监测数据进行分析,需要有效的分析方法。神经网络由于功能强大,具有良好的泛化能力、非线性映射能力和高度并行性等特点,可以提高损伤识别的准确率,而广泛应用于结构损伤识别。采用神经网络法识别结构损伤,构造对损伤敏感的指标是至关重要的。白噪声激励下加速度响应的二次协方差矩阵(Covariance of Covariance Matrix,CoC Matrix)被证明仅与结构的模态参数(固有频率、振型和阻尼比)有关,而与采样时间无关,可以作为衡量结构损伤的指标。本文研究CoC矩阵和BP网络结合识别结构损伤的方法。首先,以白噪声作为激励,获取结构在不同损伤工况下的加速度响应,并计算相应的CoC矩阵;然后,把CoC矩阵作为BP神经网络的输入特征向量,对网络进行训练并对结构进行损伤诊断。本文主要包括以下五个部分:(1)介绍了结构损伤识别的研究意义及发展现状,总结了现今研究方法,并结合损伤识别未来发展趋势,提出了基于白噪声激励下加速度响应的CoC矩阵与和BP神经网络的结构损伤识别法。(2)阐述了CoC矩阵和BP神经网络等基本理论,以及神经网络用于损伤识别的方法,为本文研究方法提供了理论依据。(3)通过对六层钢结构进行数值模拟,阐述了小波包分析的基本理论,并将本文所推荐方法与小波包能量进行对比分析。讨论了钢结构在单层损伤和多层损伤下的识别结果,得到CoC矩阵和小波包能量的最大平均误差分别是5.41%和44.11%;对桁架结构数值模拟结果分别添加不同程度的噪声,采用本文推荐方法与模态指标进行对比分析,并研究了测点数和学习率对识别结果的影响。基于简单模型的数值算例结果表明了本文推荐方法的可行性与有效性。(4)将此方法用于美国土木工程师学会(American Society of Civil Engineers)提出的ASCE基准模型进行验证。首先定位结构损伤层,然后再进行损伤单元和损伤程度的识别。损伤单元和损伤程度识别时,利用CoC矩阵和小波包能量信息识别的准确率分别是98.79%和88.27%。并对哥伦比亚大学地震工程实验室采集到的实验数据进行了分析,结果说明,小波包能量会出现误判,而CoC矩阵能够精准定位损伤。(5)最后以实际工程珠江黄埔大桥复杂有限元模型为例,用本文推荐方法对桥塔、悬索、箱梁叁部分的损伤进行了识别。损伤识别结果表明了本文推荐方法对于复杂模型的损伤识别也是适用并具有可行性的。(本文来源于《防灾科技学院》期刊2019-06-01）
詹敏,王佳斌,邹小波[6]（2019）在《应用空间约束和二次相似度学习算法的行人再识别》一文中研究指出针对空间分布的全局外观潜在变化的行人再识别问题,提出一种基于空间约束和二次相似度学习算法.通过二次相似度函数(QSF)估计每个子区域的相似度,从而形成多项式特征图,并将所有特征图融合到统一的框架中.该框架利用局部相似度和全局相似度的互补优势,结合多个视觉线索进一步提高算法的鲁棒性.实验对比3个公共数据集,结果表明:基于空间约束和二次相似度学习算法具有显着的识别性能.(本文来源于《华侨大学学报(自然科学版)》期刊2019年03期）
张翠萍,卜广平,巩联浩,郭远智,贾银花[7]（2019）在《基于测井二次解释的胡尖山油田长6储层流体识别技术》一文中研究指出胡尖山油田长6油藏是该地区出油井点多,实施效果好且增储潜力大的油藏之一。但由于长6储层非均质性强等因素而导致测井解释准确度较低,从而影响对其油、气、水分布特征判别及油气藏认识困难,本次研究在深入分析长6低电阻率油层成因的基础上,结合胡尖山油田长6储层岩心物性特征,优选储层参数建立更为精细的孔隙度和渗透率解释模型,并且利用分层位图版法和分区块图版法建立了长6储层流体识别方法,最后对研究区63口井的119个层位进行了测井精细复查,表明本次研究所建立的测井二次解释模型大大提高了解释精度。(本文来源于《化学工程与装备》期刊2019年05期）
高琼,冯小华[8]（2019）在《二次预检分诊在儿科门急诊高危患儿识别中的应用》一文中研究指出目的探讨二次预检分诊模式在儿科门急诊中应用效果,降低医患纠纷发生率,提高医院整体服务质量。方法 2018年儿科二次预检分诊模式与传统分诊模式,就治愈率、死亡率、医患纠纷发生率等5方面比较。结果以上5方面差异均有统计学意义。结论二次预检分诊模式达到预期效果。(本文来源于《世界最新医学信息文摘》期刊2019年37期）
梅星宇[9]（2019）在《基于复二次分割和复频域特征的植物叶片识别算法研究》一文中研究指出植物识别一直是计算机视觉领域最具有挑战性的研究方向之一,加快植物识别技术的发展可以有效保护植物多样性,维护生态平衡,促进社会发展。考虑到叶片具有易采集、易保存等优点,多将叶片作为植物识别的研究对象。植物叶片识别主要有4个阶段,包括图像获取、图像预处理、特征提取和图像识别。在图像采集过程中,机器容易受到光照以及拍摄角度的影响,从而导致拍摄的叶片图像出现光照不均以及阴影的现象,这对以后的叶片图像分割和识别会造成一定的影响。另外当前研究者们主要在空间域提取叶片特征,而在空间域提取特征往往会引入较多的冗余信息从而降低特征的有效性。所以,研究如何提高图像分割精度和降低特征中的冗余信息对植物叶片识别技术的发展具有重要意义。本文针对Leafsnap和Flavia数据库中的植物叶片图像,就图像分割和特征提取问题展开研究,本文的主要工作内容有:(1)提出了一种基于复二次分割的叶片图像处理算法。针对图像中存在光照不均和阴影而难以分割的问题,该算法首先将植物叶片图像由RGB空间转化为对人眼适应性更好的HSV空间;然后取出HSV空间中的V通道,对V通道进行一次同态滤波处理,可以在不改变颜色信息的情况下对图像进行光照补偿;为了在进行图像分割时尽可能保护叶片区域,先采用无监督学习k-means聚类分割算法剔除较为明显的背景区域,后采用谷底最小值分割算法找到叶片与阴影的分界点,再进行二次分割;最后使用形态学方法移除植物叶柄和剩余的噪声块。(2)提出了一种基于复频域纹理特征的植物叶片识别算法。针对在空间域上提取特征会引入较多冗余信息从而降低特征有效性的问题,该算法首先对处理后的叶片图像进行分块处理,而分块有助于保留局部细节信息;然后引入双树复小波变换对每个图像块进行复频域分解,提取分解后的6个高频子带和2个低频子带;接着分别对高频子带提取局部二值模式特征并对低频子带提取局部相位量化特征,融合两种特征得到图像块的特征;为了减少背景等无效信息的干扰,引入了权重因子对每个图像块特征进行加权处理,再串接所有图像块的特征得到整个图像的特征,即复频域纹理特征;最后计算所有训练集和测试集的复频域纹理特征,分别通过KNN和SVM分类器进行分类识别。(3)给出了复二次分割和复频域纹理特征识别算法在各种数据库上的对比实验。本文分别选取了Flavia和Leafsnap两种对比度较高的植物叶片数据库,分别进行了叶片图像分割实验和叶片图像识别实验。叶片图像分割实验结果表明复二次分割算法较其他分割算法分割效果更好,在分割误差、假阳性率、假阴性率叁项评价指标上,复二次分割算法均取得了较好的结果,Leafsnap数据库上的平均值分别为7.40%、1.50%、0.86%。叶片图像识别实验结果表明复频域纹理特征较其他特征具有更强的描述性且识别结果更好,与其他文献算法相比也具有一定的优势,其中在Flavia数据库上的最高识别率超过95%。(本文来源于《安徽大学》期刊2019-05-01）
傅骏,傅馨竹,郝文源,王杨,张峻宁[10]（2019）在《基于Tkinter的百度AI图像识别技术二次开发实践》一文中研究指出通过tkinter二次开发,将百度AI提供的人工智能识别结果进行抓取,显示了用户关心的结果。生成可执行文件发布,完成了设计任务。(本文来源于《科技风》期刊2019年09期）
二次识别论文开题报告
（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：
针对组织环境下的竞优评价问题,依据"民主集中"的原则,提出了一种基于组织成员二次优势识别的竞优评价方法.首先,获得各组织成员不同的个体优势,并得到基于不同成员视角的个体代理评价值;然后,从最大限度突出组织成员整体优势的视角,对各成员的评价信息进行集中优化,并得到最终的评价值;最后,通过一个算例检验了所提方法的有效性和可行性.
（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。
二次识别论文参考文献
[1].田应仲,刘洪飞,冯杰才,曹守启.基于二次滤波的对接焊缝路径识别[J].计量与测试技术.2019
[2].刘宏涛,赵希男,周岩.基于二次优势识别的竞优评价方法[J].数学的实践与认识.2019
[3].康振梅.识别二次雷达自适应抗干扰措施研究[J].雷达与对抗.2019
[4].刘军香,王立新,姜慧,朱嘉健,卢滔.基于加速度二次协方差矩阵和神经网络的结构损伤识别[J].地震工程与工程振动.2019
[5].刘军香.基于加速度二次协方差矩阵和BP神经网络的结构损伤识别方法研究[D].防灾科技学院.2019
[6].詹敏,王佳斌,邹小波.应用空间约束和二次相似度学习算法的行人再识别[J].华侨大学学报(自然科学版).2019
[7].张翠萍,卜广平,巩联浩,郭远智,贾银花.基于测井二次解释的胡尖山油田长6储层流体识别技术[J].化学工程与装备.2019
[8].高琼,冯小华.二次预检分诊在儿科门急诊高危患儿识别中的应用[J].世界最新医学信息文摘.2019
[9].梅星宇.基于复二次分割和复频域特征的植物叶片识别算法研究[D].安徽大学.2019
[10].傅骏,傅馨竹,郝文源,王杨,张峻宁.基于Tkinter的百度AI图像识别技术二次开发实践[J].科技风.2019
论文知识图
