导读:本文包含了高阶相关方法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:高阶,流形,噪声,方法,线性,数值,分解。
高阶相关方法论文文献综述
Isack,Emmanuel,Bulugu[1]（2018）在《基于高阶局部自相关的特征提取方法及其在手势识别中的应用》一文中研究指出手势识别(HGR)是近年来的热门话题之一。它己被广泛用于人机交互领域当中。手势识别技术在用自然裸露的手来描绘的手势沟通中发挥着重要作用。手势系统的主要目标是获得高识别率。本文主要研究高阶局部自相关(HLAC)特征及其提取方法,以建立用于解决HGR系统问题的特征模型。与传统的特征提取技术相比,高阶局部自相关方法具有限制手势图像每个像素点的阶数和空间位移的能力。手势识别仍然存在一些挑战。首先,我们需要检测非常多变且被复杂背景包围的人手。其次,现有技术的计算复杂性较高。第叁,因为使用了传统的特征提取方法,HLAC在手势识别领域的实用中一次只使用少数特征。本文旨在提高手势识别任务的性能和计算效率。本文的主要贡献和相关成果如下:1.大多数手势识别的第一步是手区域检测和分割。当涉及复杂的背景和不同的照明时,这是一项特别具有挑战性的任务。在这样的环境中,特别是在动态手势的情况下,大多数手部检测技术无法获得精确的手部形状区域。我们采用了基于运动检测的现有技术的组合,并引入了一种新颖的肤色分类器来提高分割精度。运动检测基于图像差异和背景减除,肤色检测通过使用颜色分类技术来完成。实验结果表明,该方法能有效提高分割精度。2.传统的高阶局部自相关(HLAC)特征提取方法比较复杂,需要较高的计算成本来提取所需数量的特征。我们改进HLAC方法降低了计算复杂度。提取的HLAC特征与其局部自相关特征固有地相关,并且对移位方差和尺度方差不敏感。因此,关于图像中的手的特征分布和尺寸的限制被最小化。通过这种方式,计算复杂度显着降低。实验结果表明,在低计算成本下,HLAC特征对HGR有很高的识别准确率。3.为了在低计算成本的前提下有效地利用更多的特征,受到深度学习的显着成功的启发,提出了一种分级放样的低阶局部自相关特征提取方法。与原始的HLAC提取方法将所有内容计算到一个输入层不同,该方法的关键概念是将HLAC的计算分解为多层网络。实验结果表明,与传统的特征向量相比,改进的具有中等大小的HLAC特征向量具有更强大的判别性信息。4.为了实现更准确的手势识别,我们引入一种基于HLAC和HOG集成的新特征提取方法。我们研究了每个训练样本图像中HLAC和HOG特征之间的统计关系,并利用这种关系对特征进行分类。为了评估这种方法的表现性能,我们将提出的HLAC-HOG方法分别与颜色直方图(HOC),梯度方向直方图(HOG),局部二值模式(LBP)和Gabor滤波器等特征提取方法进行对比。利用人工神经网络,对组合的HLAC-HOG特征进行分类,得到了最优的分类结果。所提出的方法能提供识别准确度(92.85%)的最佳性能。上面提出的发现和结论将为手势识别提供新的视角,并将为后续研究提供可能。(本文来源于《中国科学技术大学》期刊2018-05-28）
郭朝旭,郑宏[2]（2012）在《高阶数值流形方法中的线性相关问题研究》一文中研究指出数值流形方法(NMM)中整体逼近函数是通过单位分解将局部逼近函数进行"粘结"而形成的,当将局部函数取为阶数不低于一阶的多项式时便形成了所谓的高阶流形方法。然而高阶流形方法会导致刚度矩阵亏秩,这种亏秩即使在施加完整的位移约束后仍然存在,从而会导致NMM方程组的多解,但是每个解所对应的位移是唯一的,只要能稳定地求得任何一个特解即可。该文根据刚度矩阵的性质提出了改进的LDLT算法,可快速稳定地求得一个特解。结合典型算例,与摄动解法、最小二乘法和二次规划法进行了对比分析。(本文来源于《工程力学》期刊2012年12期）
郭朝旭[3]（2012）在《高阶数值流形方法中线性相关问题的研究》一文中研究指出岩体的非连续性与非均匀性越来越受到工程界与学术界的重视。其表现在两个方面，即：(l)岩体强度理论的发展：岩体强度理论从经典的材料力学理论，经历岩体断裂力学理论，到方兴未艾的岩体损伤力学理论，这一发展过程本身就是对岩体的非连续性与非均匀性的逐步重视与深入研究的过程。(2)岩体材料特点的认识：岩体既不是连续体亦非完全离散体，因此可以将岩体抽象为“断续介质”。“断续”与离散及连续相对应，反映了岩体介于完全连续与离散之间的特点。岩石在变形、破坏过程中的非连续变形行为计算与数值模拟是岩体力学与工程领域中一个比较热门的前沿课题。岩体力学的各种新兴数值方法与技术几乎都是围绕这一中心课题展开研究。实际岩体结构与材料变形，一般是一个从小变形、损伤演化、宏观裂纹形成与扩展、直至断裂破碎甚至发生散体刚体运动等大变形、大位移的一系列复杂的渐进变形与破坏过程。然而，与实际岩体的这种变形破坏特点很不相称的是，岩土数值分析方法一直呈现两极分化的态势。一方面是以有限元方法（FEM）为主的，基于完全连续或基体连续(基体是指除岩体中某些宏观非连续界面以外的材料)假说之上的连续性分析方法；另一方面则是以非连续变形分析（DDA)与离散单元法（DEM）为代表的基于块体理论、离散介质假说基础之上的完全非连续性分析方法。石根华博士于1991年提出的数值流形元（NMM）方法将连续与不连续方法统一在一起，可以解决小变形、大变形及不连续变形等问题，而且公式统一，近几年来得到了长足的发展。然而其基础问题：采用高阶的局部位移场逼近物理对象流形单元位移场时，形成的整体刚度矩阵会变成亏秩矩阵，因而会导致多解，即所谓的刚度矩阵“线性相关”问题。Ma和An也在其特邀综述中，将线性相关问题作为NMM发展中第一个需要解决的问题，同时该问题也被它的发明者石根华博士称为一个钉子“问题”。本文首先对数值流形元方法进行了基本的理论介绍，总结现有的研究成果，采用方便编程计算的最新的改进方法进行编程计算。并对NMM中线性相关问题进行了如下研究：（1）分析并证明了NMM中线性相关问题产生的根本原因，并可以根据局部位移场函数的多项式阶数预测整体刚度矩阵亏秩的个数。（2）根据NMM中线性相关问题产生的原因提出两种解决方法，基于修改的LDLT方法解亏秩的刚度矩阵方程组和构造非多项式的单位分解函数。（3）根据两种对NMM线性相关问题的解决方案设计相应的算法，并且分别利用经典算例进行了对比分析，结果表明本文的解决方案方便快捷，为NMM方法在今后的发展提供最基本的保障。(本文来源于《叁峡大学》期刊2012-05-01）
傅德月,彭晓东[4]（2011）在《高阶CIP数值方法及其在相关物理问题中的应用》一文中研究指出利用函数的高阶空间导数值构建其高次插值,得到高阶CIP(Constrained Interpolation Profile)数值算法,并在此基础上模拟研究等离子体物理中着名的伏拉索夫-泊松(Vlasov-Poisson)方程相关物理问题.高阶CIP数值方法具有更高数值精度,从而可以在同等精度的情况下减少计算格点数,加速数值计算速度.(本文来源于《计算物理》期刊2011年02期）
张恒磊,刘天佑,张云翠[5]（2010）在《基于高阶相关的Curvelet域和空间域的倾角扫描噪声压制方法》一文中研究指出低信噪比地震数据处理一直是人们关注的问题。本文基于Curvelet多尺度多角度分析理论及高阶统计理论,提出高阶相关的Curvelet域和空间域倾角扫描压制随机噪声方法,并从向量量化角度解释了该方法的基本原理。文中分析了Curvelet域θ角度特征,提出利用θ作为倾角扫描的角度因子并进行空间域高阶相关计算,实现了对复杂区地震数据的压噪处理。通过对设定模型算例及实际资料的处理计算,验证了该方法在保持有效反射波信息的前提下,可有效压制随机干扰,所得地震剖面的信噪比比常规滤波处理方法有显着的提高。(本文来源于《石油地球物理勘探》期刊2010年02期）
吴玉静,马艳[6]（2008）在《相关噪声背景下加权高阶累积量的时延估计方法》一文中研究指出时延估计是双基阵被动定位中的重要问题。在非相关噪声干扰下,应用广义互相关法进行时延估计可以取得良好的估计效果,但在相关噪声干扰情况下其估计性能严重下降。使用高阶累积量进行时延估计,可以有效地去除相关高斯噪声的干扰。采用类似广义互相关加权的方法对高阶累积量进行PHAT加权,进一步抑制噪声的影响,提高了高阶累积量法的估计性能。结果表明,在相关噪声背景下加权高阶累积量时延估计效果优于广义互相关法和高阶累积量法。(本文来源于《声学技术》期刊2008年05期）
冯笑笑[7]（2007）在《基于模式样本稀疏化和高阶相关的分类方法研究》一文中研究指出本文主要研究了模式识别中训练样本的稀疏化算法以及高阶相关在分类识别中的应用,从而达到减少训练样本的冗余性以及提取高阶统计特性作为分类特征的目的。通过仿真实验,将文中算法应用于荷兰邮政系统提取的手写体字符数据库以及雷达目标识别(包括仿真的C130、E2C、F16、IDF、J8II、Mirage2000、SR71、Su27八种飞机距离像),结果证明了算法的可靠性和高效性。本文研究的关键在于建立稀疏参数模型,提取高阶统计特性作为特征进行分类识别,以提高分类识别的速度和效果。论文结构及具体工作如下:一、综述了训练样本稀疏化在模式识别中的研究背景、目的以及重要性,总结了提取高阶统计特性进行识别的研究现状、目的以及意义,对基于手写数字和高分辨距离像(HRRP)的雷达目标识别技术的分类技术研究概况进行了较为全面的概括和总结。二、归纳了手写数字和高分辨距离像(HRRP)的特性,总结了常用的预处理方法,包括像素平均,距离对齐、归一化等。主要研究了主分量分析(PCA)、核的主分量分析(KPCA)和监督核定位保存投影(SKLPP)叁种特征压缩方法。叁、对训练样本的稀疏化方法进行了研究,主要包括了以下几种方法:1.稀疏贝叶斯(SBayes);2.支持向量机(SVM);3.最小二乘支持向量机(LS-SVM)稀疏算法;4.基于核的非线性表示子(KNR)的稀疏性;5.利用相关系数进行样本的稀疏。重点对比研究了它们在稀疏化中的特点、性能,并对核分类器中核参数进行了估计。四、研究了高阶相关在分类识别中的应用。将高维距离转化为高阶相关的求解,并应用于模块匹配以及径向基核的非线性分类器,从而达到提取高维特征进行分类识别的目的。五、在Matlab平台上对手写数字以及八种飞机仿真数据进行了几组实验,得出结论,并对值得深入研究的内容做了展望。(本文来源于《电子科技大学》期刊2007-04-01）
兰华,徐志勇,胡屏,黎平[8]（2001）在《相关与非相关噪声下正弦小信号恢复互高阶谱矩估计方法》一文中研究指出不提供任何噪声的先验信息的条件下,在建立互高阶累积量的Yule-Walker方程的基础上,通过特征分解,建立信号矢量空间与噪声矢量空间。该方法能有效地抑制相关噪声和非相关噪声,信噪比工作门限低,有良好的谱估计的分辨率和谱估计的稳定性。(本文来源于《电子测量技术》期刊2001年04期）
王章雄,燕子宗[9]（2001）在《用级联方法构造高阶相关免疫函数》一文中研究指出相关免疫函数在密码通信、计算机安全等诸多领域有着广泛的应用 .自TSiegen thaler提出该概念以来 ,找到简便易行的构造相关免疫函数的方法一直是一个十分活跃的研究领域 .本文用级联的方法 ,从低阶相关免疫函数来构造高阶的相关免疫函数 ,由此得到几种构造任何阶相关免疫函数的简便方案 ,推广了文献 [4,5]的结果(本文来源于《荆州师范学院学报》期刊2001年02期）
谢成学[10]（1998）在《利用改进的高阶相关方法进行多目标检测》一文中研究指出阐述在严重杂波情况下多目标航迹检测问题。利用所谓“改进的高阶相关”(MHOC)处理和航迹计分机理,提出了一种在严重杂波情况下进行数据关联和航迹识别的新方法。采用这种新方法之后,可以分辨任何数目的互相靠近、交叉或分裂的目标航迹而无需增加算法的计算复杂性。文中验证了可以应用这种方法来连续检测在任何扫描中起始和终止的目标航迹。此外,还提供了其工作特性,它是杂波密度的函数。文中还列出所有情况下的模拟结果。(本文来源于《现代电子》期刊1998年03期）
高阶相关方法论文开题报告
（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：
数值流形方法(NMM)中整体逼近函数是通过单位分解将局部逼近函数进行"粘结"而形成的,当将局部函数取为阶数不低于一阶的多项式时便形成了所谓的高阶流形方法。然而高阶流形方法会导致刚度矩阵亏秩,这种亏秩即使在施加完整的位移约束后仍然存在,从而会导致NMM方程组的多解,但是每个解所对应的位移是唯一的,只要能稳定地求得任何一个特解即可。该文根据刚度矩阵的性质提出了改进的LDLT算法,可快速稳定地求得一个特解。结合典型算例,与摄动解法、最小二乘法和二次规划法进行了对比分析。
（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。
高阶相关方法论文参考文献
[1].Isack,Emmanuel,Bulugu.基于高阶局部自相关的特征提取方法及其在手势识别中的应用[D].中国科学技术大学.2018
[2].郭朝旭,郑宏.高阶数值流形方法中的线性相关问题研究[J].工程力学.2012
[3].郭朝旭.高阶数值流形方法中线性相关问题的研究[D].叁峡大学.2012
[4].傅德月,彭晓东.高阶CIP数值方法及其在相关物理问题中的应用[J].计算物理.2011
[5].张恒磊,刘天佑,张云翠.基于高阶相关的Curvelet域和空间域的倾角扫描噪声压制方法[J].石油地球物理勘探.2010
[6].吴玉静,马艳.相关噪声背景下加权高阶累积量的时延估计方法[J].声学技术.2008
[7].冯笑笑.基于模式样本稀疏化和高阶相关的分类方法研究[D].电子科技大学.2007
[8].兰华,徐志勇,胡屏,黎平.相关与非相关噪声下正弦小信号恢复互高阶谱矩估计方法[J].电子测量技术.2001
[9].王章雄,燕子宗.用级联方法构造高阶相关免疫函数[J].荆州师范学院学报.2001
[10].谢成学.利用改进的高阶相关方法进行多目标检测[J].现代电子.1998
论文知识图
