导读:本文包含了相似性检测论文开题报告文献综述及选题提纲参考文献,主要关键词:目标检测,非极大值抑制算法,Faster,R-CNN,交并比
相似性检测论文文献综述
孙世强,左海维,赵露婷[1](2019)在《联合特征相似性度量和交并比的检测框优选研究》一文中研究指出非极大值抑制(Non-Maximum Suppression,NMS)算法作为Faster R-CNN(region-based convolutional neural network,R-CNN)的后置处理算法,从物理空间判定检测框的重迭比例,忽略内在特征联系,造成漏检和误检问题。因此提出联合特征相似性度量和交并比的检测框优选方法(Optimized box Based on IoU and Feature similarity,OBIF)。该方法首先计算两个检测框的交并比(Intersection over Union,IoU),判断检测框之间的重迭比例;然后计算闵式距离,表示重迭的检测框之间的特征相近性,进行深层次判断;最后联合闵氏距离和交并比实现检测框优选。当运行效率一致和时间复杂度相同时,将Faster R-CNN+OBIF应用到PASCAL VOC 2007数据集和结直肠腺癌数据集,比较传统NMS算法,平均识别准确率分别提高了1.4%和1.1%,方法检测精度得到显着的提升。(本文来源于《电脑知识与技术》期刊2019年29期)
杨良怀,柳乔凡,范玉雷[2](2019)在《运动腕表心率序列相似性检测》一文中研究指出近年来学生整体的体质状况呈现下降的趋势。许多高校实行了阳光晨跑计划,但不尽理想。采用运动心率腕表采集运动心率数据来监控学生课外健身跑状况是较好的方案,由于缺少直接监督,可能会出现一人佩戴多个腕表替他人代跑的情形,这将成为该方案实施的一个技术挑战。对所有时间上重迭的心率序列对抽取距离相关和统计相关的特征,通过基于支持向量机的代跑检测方案,可实现精准并且召回较高的代跑检测。实验验证了所提方法的有效性。(本文来源于《浙江工业大学学报》期刊2019年05期)
张鹏,牛少彰,黄如强[3](2019)在《基于资源签名的Android应用相似性快速检测方法》一文中研究指出由于盗版Android应用(Android Application,简称APP)通常保持着与正版APP相似的用户体验,因此本文提出一种基于资源签名的APP相似性快速检测方法.该方法将APP的资源签名视为字符串集合,利用计算任意一对APP资源签名集合的Jaccard系数判断两者的相似性.为了避免遍历全部的APP对,该方法将MinHash和LSH(Locality Sensitive Hashing)算法的思路引入其中,通过从APP集合中挑选候选对并对候选对进行检验的方式获得最终的检测结果.由于挑选候选对的方式将大量相似性较低的APP对排除在外,因此该方法可以明显地提高APP相似性的检测速度.实验结果表明,该方法的检测速度比现有方法FSquaDRA提高了大约30倍,而检测结果与FSquaDRA几乎完全相同.(本文来源于《电子学报》期刊2019年09期)
邓宁宁,何锫[4](2019)在《最小二乘估计耦合小波相似性的边缘检测算法》一文中研究指出为解决当前图像边缘提取时存在边缘不连续、虚假边缘及边缘定位不准确等不足,设计最小二乘估计耦合小波相似性的不均匀光照边缘检测算法。通过将图像分割成一系列的子块,计算其相邻像素的相似映射,平均不均匀光照强度;为获得边缘信息,计算相似映射下图像邻域像素和方向小波滤波器之间的相似度;将加权最小二乘估计正则化结合小波相似度来处理光照差异,提供亮度不变的相似性和精确的边缘定位与提取,获取光照校正后的水平、垂直和对角子带;通过合成所有子带与相似映射获得边缘。实验结果表明,与当前边缘检测方案相比,在光照不均匀条件下,所提方法具有更高的边缘提取质量。(本文来源于《计算机工程与设计》期刊2019年08期)
于潇然,徐泉,初延刚,丁进良[5](2019)在《基于相似性检测的选矿指标趋势监控系统》一文中研究指出选矿工业过程具有流程长,工序多、生产指标多的特点,为了最大化地减少生产过程中不必要的损失,提高产品质量和生产效率,需要对生产指标进行趋势监控,以便对异常工况做出预测,使工作人员及时根据工况做出决策。针对多维指标存在线性相关性的特点,本文提出了基于主成分分析与DTW的多维生产指标相似性检测方法,用于检测生产指标趋势是否异常,同时结合数据可视化技术,构建了基于相似性检测的选矿生产指标趋势监控系统。该系统采用了相似性检测的方法从历史运行数据中提取出不同异常工况的特征数据,利用可视交互技术,构建出表征不同异常工况数据特征的样本库,并对生产指标实时趋势进行相似性匹配,实现对生产指标趋势的监控与异常工况的预测。最后该系统成功应用于某选矿厂生产指标监控中,提升了对生产监控的智能化程度。(本文来源于《第30届中国过程控制会议(CPCC 2019)摘要集》期刊2019-07-31)
本刊编辑部[6](2019)在《本刊启用“科技期刊学术不端检测系统”及“数据论文相似性检测系统”的告示》一文中研究指出本刊编辑部已启用科技期刊学术不端文献检测系统(AMLC),并将其作为审稿的一个重要工具。AMLC系统为互联网在线模式,设有强大的文献比对数据库,实时更新,具有科学性和专业性。该系统可以自动检测来稿复制率情况,有效地识别和淘汰了部分存在学术不端的论文。此举将严把学术质量关,为广大作者、读者提供一个公平、公正和具有权威性学术交流平台,维护了本刊(本文来源于《中华全科医学》期刊2019年07期)
袁诗琪,高良俊,张浩宇,易茂祥[7](2019)在《基于电路模块自相似性的硬件木马检测方法》一文中研究指出由于硬件木马种类的多样性和SoC电路制造过程中不可预测的工艺变化,硬件木马检测变得极具挑战性。现有的旁路信号分析法存在两个缺点,一是需要黄金模型作为参考,二是工艺波动会掩盖部分硬件木马的活动效果。针对上述不足,提出一种利用电路模块结构自相似性的无黄金模型检测方法。通过对32位超前进位加法器的软件仿真实验和对128位AES加密电路的硬件仿真实验,验证了该方法的有效性。实验结果表明,在45 nm工艺尺寸下,对于面积占比较小的硬件木马,该方法的检测成功率可以达到90.0%以上。(本文来源于《微电子学》期刊2019年03期)
亚森·艾则孜,艾山·吾买尔,阿力木江·艾沙[8](2019)在《基于分级匹配的维吾尔语文档相似性计算及剽窃检测方法》一文中研究指出针对以维吾尔语书写的文档间的相似性计算及剽窃检测问题,提出了一种基于内容的维吾尔语剽窃检测(U-PD)方法。首先,通过预处理阶段对维吾尔语文本进行分词、删除停止词、提取词干和同义词替换,其中提取词干是基于n-gram统计模型实现;然后,通过BKDRhash算法计算每个文本块的hash值并构建整个文档的hash指纹信息;最后,根据hash指纹信息,基于RKR-GST匹配算法在文档级、段落级和句子级将文档与文档库进行匹配,获得文档相似度,以此实现剽窃检测。通过在维吾尔语文档中的实验评估表明,提出的方法能够准确检测出剽窃文档,具有可行性和有效性。(本文来源于《计算机应用研究》期刊2019年06期)
翟立超[9](2019)在《基于相似性检验的同源僵尸网络检测》一文中研究指出僵尸网络是出于恶意目的,传播僵尸程序并控制大量主机,并通过一对多的命令控制信道C&C所组成的网络。僵尸网络为攻击者提供了隐匿、灵活且高效的一对多命令与控制机制,攻击者可以控制大量僵尸主机实现信息窃取、分布式拒绝服务攻击和发送垃圾邮件等。僵尸网络已进入快速发展期,僵尸网络的数量和规模也不断增加,对因特网造成严重威胁,网络安全领域针对僵尸网络的检测的技术也不断更新发展。本文提出一种基于通信行为相似性检验的僵尸网络同源识别模型,该模型可以通过网络中的流量特征,对网络中可能存在的僵尸网络进行识别,并可根据不同僵尸网络特征进行同源性识别,追溯不同僵尸网络来源。由于在真实网络环境下包含有大量正常通信流量,僵尸网络往往利用这一特点,将自身藏匿在巨大流量中,难以识别,所以本文通过一系列的过滤手段,根据僵尸网络特征对流量数据进行筛选过滤,提出一种基于相似性检测与稳定性检测相结合的综合检测方法,在对网络流量进行聚合后,根据同一僵尸网络在通信特征上相似性,在数据包大小在时间上的稳定性,设计综合检测算法,将僵尸网络流量与正常网络流量剥离出来。在大规模环境下对僵尸网络进行提取之后,可以得到大量不同种类、不同源头的僵尸网络,所以需要寻求一种可以溯源的分类方法,这样对网络安全人员的分析以及制定合理的解决措施大有帮助,所以本文提出一种基于网络流量的相似性检验,利用时间序列数据挖掘的方式,引进动态时间弯曲距离算法来计算通信曲线之间的相似性。为提高检测的效率,引入了两个具有动态时间弯曲下界距离来过滤不同源的僵尸网络数据。本文通过使用真实环境下的僵尸网络数据集进行验证,利用标记数据对僵尸网络检测结果进行验证,通过与交叉聚类实验进行对比,证明本文综合检测方法有较高的检测率与较低的误报率;通过数据集确定相似度测量的阈值,并对测试数据集中同源性的识别率进行统计,实验证明了本文的基于流量相似性检测同源僵尸网络的有效性,对比不同下界距离对于算法时间开销的理论与实际计算量。证明了模型的高效性。(本文来源于《山西财经大学》期刊2019-06-10)
李勇[10](2019)在《基于啄钻监测信号相似性度量的深孔质量一致性检测》一文中研究指出在航空航天、汽车、电子等领域,深孔类零部件的应用日趋广泛,其钻削加工质量直接影响产品的工作性能。而钻削过程处于封闭或半封闭环境,很难实现高效、高精度、低成本的加工质量检测需求。本文以实现基于监测信号的深孔啄钻加工质量一致性检测研究中所要解决的关键问题为主线,在啄钻加工监测信号采集与预处理、啄钻信号检测与分割、特征提取与融合、啄钻信号相似性度量、加工质量一致性检测结果实验验证分析等方面进行了相关研究。(1)深孔啄钻监测信号的采集与预处理。针对深孔啄钻加工特点,综合考虑传感器类型、灵敏度和安装位置等因素,选择振动加速度传感器和声发射传感器建立啄钻加工监测平台,对采集的监测信号进行数学描述和去噪预处理。(2)基于HHT包络的深孔啄钻信号自适应检测分割。提取啄钻信号HHT包络,采用统计信息实现啄钻信号噪声估计,根据噪声水平设置两个自适应更新阈值用于滤除噪声和精确分割,引入增加长度控制方法对突发干扰造成的误判进行修正,通过仿真和实验评估所提方法对啄钻信号检测分割的有效性和准确性。(3)深孔啄钻监测信号小波包特征提取和融合。对分割得到的啄钻信号进行db5小波5层小波包分解,按能量大小原则对小波包进行重新排序,以重构信号与原始信号的关系为标准选择合适的小波包数量作为特征包,将小波系数、时域、频域和时间序列模型参数特征对特征包进行索引和表征,利用主成分分析方法实现啄钻监测信号小波包特征融合。(4)改进DTW深孔啄钻监测信号特征序列相似性度量。针对噪声和检测算法误差造成的特征序列不等长,提出基于改进DTW算法的啄钻特征序列的相似性度量方法。考虑算法实时性在线监控中的应用,采用时间序列近似表示方法Bottom-Up对特征序列进行进一步降维,利用改进DTW算法对啄钻监测信号特征序列进行规整对齐,从而减小时间复杂度和防止病态规整。采用上述研究方法,本文从主轴转速、刀具情况和进给量叁因素叁水平正交实验数据中选取9组样本,结合实际物理检测各啄钻段内表面的粗糙度值Ra和SEM分析结果,实现了深孔啄钻加工质量的一致性检测。该方法能有效克服传统深孔类零部件质量检测存在的难检测、高成本和低效率等缺陷,为实现深孔加工质量的快速一致性无损检测提供了新方法和参考。(本文来源于《湘潭大学》期刊2019-05-30)
相似性检测论文开题报告
(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:
近年来学生整体的体质状况呈现下降的趋势。许多高校实行了阳光晨跑计划,但不尽理想。采用运动心率腕表采集运动心率数据来监控学生课外健身跑状况是较好的方案,由于缺少直接监督,可能会出现一人佩戴多个腕表替他人代跑的情形,这将成为该方案实施的一个技术挑战。对所有时间上重迭的心率序列对抽取距离相关和统计相关的特征,通过基于支持向量机的代跑检测方案,可实现精准并且召回较高的代跑检测。实验验证了所提方法的有效性。
(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。
相似性检测论文参考文献
[1].孙世强,左海维,赵露婷.联合特征相似性度量和交并比的检测框优选研究[J].电脑知识与技术.2019
[2].杨良怀,柳乔凡,范玉雷.运动腕表心率序列相似性检测[J].浙江工业大学学报.2019
[3].张鹏,牛少彰,黄如强.基于资源签名的Android应用相似性快速检测方法[J].电子学报.2019
[4].邓宁宁,何锫.最小二乘估计耦合小波相似性的边缘检测算法[J].计算机工程与设计.2019
[5].于潇然,徐泉,初延刚,丁进良.基于相似性检测的选矿指标趋势监控系统[C].第30届中国过程控制会议(CPCC2019)摘要集.2019
[6].本刊编辑部.本刊启用“科技期刊学术不端检测系统”及“数据论文相似性检测系统”的告示[J].中华全科医学.2019
[7].袁诗琪,高良俊,张浩宇,易茂祥.基于电路模块自相似性的硬件木马检测方法[J].微电子学.2019
[8].亚森·艾则孜,艾山·吾买尔,阿力木江·艾沙.基于分级匹配的维吾尔语文档相似性计算及剽窃检测方法[J].计算机应用研究.2019
[9].翟立超.基于相似性检验的同源僵尸网络检测[D].山西财经大学.2019
[10].李勇.基于啄钻监测信号相似性度量的深孔质量一致性检测[D].湘潭大学.2019