导读:本文包含了投影数据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:数据,稀疏,地形,特征,高程,皮层,断层。
投影数据论文文献综述
鞠博晓,赵文,陈渠森,陈华[1]（2019）在《一种基于SRTM高程数据的可视化选取投影面的新方法》一文中研究指出在独立坐标系的建立过程中,投影面的选取是一个非常重要的问题。传统的投影面选取方法是选取各个控制点的平均高程面作为投影面,这种做法虽然简单,但是在某些高海拔地区或山区往往由于控制点少且分布不均匀,无法较为准确地计算投影变形来选取投影面。提出了一种基于航天飞机雷达地形测绘任务全球地形起伏数据的可视化选取投影面的方法,可以直观、准确地选取测区投影高程面。与传统方法相比,该方法能够在测区内均匀地选取格网点,克服了传统方法控制点少的缺点,并且利用GMT(generic mapping tools)软件将投影变形按区域直观地呈现出来,实现了投影面选取的可视化。(本文来源于《测绘地理信息》期刊2019年06期）
张乾,杨玉成,岳诗琴,邵定琴,王林[2]（2019）在《模糊聚类局部保存投影在视觉数据特征提取中的应用》一文中研究指出为解决在处理和计算视觉大数据中遇到的速度瓶颈,提出了一种模糊聚类局部保存投影算法用于视觉数据的特征提取应用中。首先,通过某种方法对图像进行分割;接着,将通过统计方法对图像进行特征描述得到相应的视觉数据;然后,通过提出的模糊聚类局部保存投影对视觉数据进行特征提取;最后,通过Ada Boost对提取后的特征进行识别分类。经在国际公开的UCAS-AOD和Flower-102数据集上进行大量实验,经实验对照,结果验证了模糊聚类局部保存投影算法在视觉数据特征提取中的有效性。(本文来源于《科学技术与工程》期刊2019年29期）
曾小牛,李夕海,刘继昊,侯维君[3]（2019）在《基于凸集投影的重力数据扩充下延一体化方法》一文中研究指出重力勘探的工区经常是不规则的,有时重力数据还存在空白区。在进行波数域向下延拓处理前,需对数据空白区进行填充。同时,为了提高处理精度,还需要将数据预扩边至快速Fourier变换所需要的长度。常规重力向下延拓方法一般仅考虑向下延拓本身,或将数据填充、扩边与向下延拓这叁个步骤独立进行。本文统一考虑这叁个不适定问题,提出一种基于凸集投影原理的重力数据填充、扩边、下延一体化方法,即采用Gerchberg-Saxton迭代法对数据进行插值和扩边,直至达到预定的迭代次数,然后下延。利用该方法和经典的插值、扩边、下延组合方法对理论模型和航空实测重力数据进行对比实验,结果表明该方法原理简单、操作方便,扩边结果光滑无畸变,插值和下延结果精度较高,优于经典组合方法。(本文来源于《石油地球物理勘探》期刊2019年05期）
张昱欣,季薇,李云[4]（2019）在《基于条件投影的无配对数据跨域图像翻译方法》一文中研究指出现有的图像翻译方法在涉及两个域以上的翻译任务时缺少可拓展性和鲁棒性。为了实现高质量、高效率的翻译,提出了一种基于条件投影的无配对数据图像转换方法。该方法通过计算生成器学习到的特征信息与条件信息的相似度,来提升翻译的正确性并生成更高质量的图像。相较于现有方法,所提方法使用的参数更少、训练时间更短,并基于多个数据集验证了所提方法的有效性。(本文来源于《陕西师范大学学报(自然科学版)》期刊2019年05期）
李丹辉,王震寰,凡雪霖,沈龙山,李成[5]（2019）在《大脑颞横回立体定位数据集的构建及投影回归分析》一文中研究指出目的:构建大脑颞横回基于连合间径(AC-PC)定位体系中的立体定位数据集及其平面投影回归方程。方法:将30名健康成年人颅脑横断层磁共振数据经格式转化导入Photoshop CS软件包,经过严格的图像配准,建立以AC-PC中点为原点的叁维立体坐标系,从颞横回最内侧点为起始点,向外测量、记录该点坐标的X、Z值,Y值为所在层面图像距离AC-PC平面的层数与层间距的乘积,所有取样点坐标值构成颞横回在叁维坐标系中的立体定位数据集。利用Excel表格对所获得的数据作投影散点图,利用SPSS 22.0统计软件求得其在横、矢、冠状面上的空间拟合平面回归方程。结果:男性颞横回左右侧X坐标值差异无统计学意义(P>0.05),Z坐标值左右两侧差异有统计学意义(P<0.05);女性颞横回左右侧X、Z坐标值标左右两侧之间差异均无统计学意义(P>0.05)。大脑颞横回内侧缘在横断上Y值对X值的回归方程右侧:■=29.3-6.48X+0.25X~2-0.002 5X~3(P<0.01),左侧:■=-108-4.73X-0.05X~2(P<0.01);大脑颞横回内侧缘在矢状面上Z值对Y值的回归方程右侧:■=-0.8-0.35Y-0.004Y~2(P<0.01),左侧:■=0.1-0.2Y+0.008 64Y~2-0.000 569Y~3(P<0.01);大脑颞横回内侧缘在冠状面上Z值对X值的回归方程右侧:■=54.8-2.63X+0.03X~2(P<0.01),左侧:■=58.9+2.82X+0.03X~2(P<0.01)。结论:构建大脑颞横回立体定位数据集及直线回归方程,对颞横回及其邻近区域疾病的立体定向神经外科和介入放射等治疗方法有较大的临床应用价值,同时对于揭示大脑颞横回的形态学规律有重要的意义。(本文来源于《蚌埠医学院学报》期刊2019年08期）
王冬年[6]（2019）在《基于凸集投影算法的地震数据重建和噪声压制研究》一文中研究指出随着我国现代化的进程,油气勘探区域不断扩大。室外数据的采集,面临着勘探条件和复杂环境的巨大挑战,再加上成本的制约,实际采集到的地震数据常出现地震道严重缺失现象,给后续的处理方法造成严重影响。为此,需要提出一系列高效率的重建方法,通过少量地震数据,重建出接近完整的地震数据。本文在压缩感知理论的框架下,基于凸集投影算法,结合不同的稀疏变换方法和欠采样方式,对地震数据重建进行研究。在稀疏变换方面,本文除了采用常用的傅里叶变换外,还引入了重建精度更高的曲波变换。为了提高运算速率,在数值模拟中,对凸集投影算法中的阈值参数进行了研究,通过对比,本文采用的新型指数阈值参数,在重建时的收敛速度,明显快于线性阈值参数和传统指数阈值参数的收敛速度。在采样方式方面,本文除了采用随机欠采样,还引入了Jitter欠采样。Jitter欠采样比随机欠采样能更好地控制采样点间距,在一定程度上避免采样点间距过大或者过小的现象。在重建算法方面,本文在凸集投影算法的基础上,引入了谱梯度投影算法,通过多方面的比较,表明了凸集投影算法的优势。由于实际地震数据中,往往含有随机噪声,本文对含噪地震数据进行了重建研究,验证了本文所用重建方法具备良好的抗噪能力。在此基础之上,本文基于凸集投影算法结合曲波变换,引入加权因子策略,对地震数据进行了同时重建和噪声压制研究。在对理论数据模拟过程中,选择了不同的加权因子对含有不同能量噪声的数据进行处理,分析了不同参数下的同时重建和噪声压制效果。最后,将本文方法应用于室外实际地震数据处理,取得了较好的数据重建和噪声压制效果,表明了本文方法具有一定的实用性。(本文来源于《东华理工大学》期刊2019-06-14）
尹丽莉[7]（2019）在《磁感应断层成像有限角投影数据重建算法研究》一文中研究指出磁感应断层成像(Magnetic induction tomography,MIT)是一种能对待测量物体的被动电磁特性进行成像的断层成像技术,其中以待测物电导率分布为主要成像目标。MIT涉及的是测量成像主体的电磁场分布,因此,它具有无触点和非侵入性的优点,这种无创特性使其具有潜在的优势。MIT的实现可以通过在正问题中建立涡流模型,计算得到相位差数据,然后在逆问题中通过重建算法识别电导率分布来实现。但是MIT的逆问题是严重的病态,且MIT的激励信号和检测信号都是通过线圈产生和测量的,所以受线圈工艺和线圈数量的限制,只能采集到有限数量投影数据。除此以外,在实际采集过程中还存在扫描角度不全等一系列采集角度受限问题。为解决MIT这种实际应用中投影数据有限和成像图像分辨率低的问题,设计了基于滤波反投影的全变差滤波反投影重建算法。本文首先根据颅脑解剖结构建立颅脑模型,并对各组织电磁特性进行分析,根据分析结果对模型进行物理参数和电磁参数设置,构建叁维叁层仿真脑模型用于数据提取。为正问题研究,基于该模型建立出颅脑磁感应断层成像(BMIT)仿真系统。通过正问题有限元计算得到检测线圈处的相位差数据,将多组测量数据用于BMIT成像。其次,通过对投影数据进行分析,并对多种滤波方式进行对比,选择适于MIT的数据滤波方法。图像重建结果显示出MIT图像重建精度的提高,为重建算法的下一步研究奠定基础。再基于有限角理论对采集的MIT投影数据提出适用于MIT的全变差滤波反投影重建算法。针对MIT角度受限问题,对MIT扇束扫描方式获取的投影数据进行重建研究,利用提出的全变差滤波反投影重建算法,对扇束扫描和全周扫描两种投影方式分别进行相同采集数据数量和相同数据采集间隔图像重建对比研究。并与原有常用算法得到的重建结果进行对比分析。结果表明本文提出的算法提高了重建的分辨率,且成像速度较快。最后,基于稀疏角度投影数据,对全变差滤波反投影法在扇束扫描方式下产生的不同稀疏度投影数据进行重建研究,通过建立不同出血量模型的仿真实验提取数据,并与反投影算法和滤波反投影算法进行对比。通过重建图像和结果分析证实了本文提出的算法的有效性,为临床应用奠定基础。(本文来源于《沈阳工业大学》期刊2019-06-04）
孙磊[8]（2019）在《基于特征表示和反投影稀疏表示分类的临床医学数据分析》一文中研究指出医学临床诊断与人们的健康密切相关.随着科技的快速发展,先进医疗设备的广泛应用,大量病人的临床医学数据得以有效存储,人们对挖掘医学数据中所蕴含的有效信息的需求日益迫切.然而,临床数据常表现为多样性、高维性、异质性和冗余性等特点,给传统的临床诊断方法带来巨大挑战.探寻合理的数据分析方法,对医学数据进行有效的处理分析,对辅助医生诊断、指导临床诊疗和疾病预防都具有重要的意义.在对疾病诊断和预后分析中,临床记录影响因素有很多,医生们更关心的是其中的重要影响因素.对于医学影像数据而言,有些特征肉眼不可见或很难发现.此外,医学数据库中存在大量未标记的数据,进行充分的信息挖掘具有重要意义.基于临床医学数据的特点,进行有效分析需要解决两个主要问题:一是对数据的有效特征表示,这是医学数据分析处理的关键;另一个是有效分类,也即通过设计更好的分类算法达到精准识别和预测的目的.本学位论文主要工作概括如下:(1)提出了一种基于决策曲线分析和反投影稀疏表示分类的临床重要因素分析方法.首先,针对临床预后重要影响因素分析问题,在特征表示上,给出了一种基于决策曲线分析的重要影响因素自动筛选方法,并对重要因素做了排序.该方法不仅适用于连续型样本数据,对离散型数据同样有效.通过对各因素进行独立分析,不仅有效避免了传统医学分析方法中哑变量及多因素间多重共线性等问题,也有效完成了临床预后的重要影响因素筛选(即特征选择).其次,在此特征选择的基础上,借助反投影稀疏表示分类方法完成预后分析.反投影稀疏表示分类方法是基于稀疏表示分类方法的改进,不仅有效克服了稀疏表示分类方法对充足的同类训练样本的过度依赖,还能充分挖掘测试样本中蕴含的信息,减少训练样本数目对预测结果的影响.对重庆医科大学提供的临床数据上进行测试,验证了所提方法与临床医生诊断吻合度非常高.(2)提出了一种基于深度随机森林和反投影稀疏表示分类的肿瘤识别方法.针对医学影像数据,由于带标注的有效训练样本较少且不易获取,在特征表示上,引入深度森林方法进行深层特征学习,并在此基础上,结合反投影稀疏表示分类方法完成分类.在河南省肿瘤医院提供的临床食管癌CT数据集上,通过对单例病人和多例病人六个不同时期的食管肿瘤CT数据进行特征学习和分类,实验结果验证了本文方法的可行性与有效性.(本文来源于《河南大学》期刊2019-06-01）
于倩蕾[9]（2019）在《极稀疏投影数据的CT迭代图像重建技术应用研究》一文中研究指出计算机断层扫描(Computed Tomography,CT)成像是一种通过X射线扫描,获得被检测物体截面的技术,能够直观且准确地反映物体的内部结构信息。但是在CT成像的实际应用中,经常会面临欠采样和数据不完备的挑战:工业CT的使用环境较为复杂,受被检测物体的形状、大小,以及扫描条件的影响,投影数据的完备性几乎无法得到保证;医学CT中,如何使用更少的投影角度,最大限度的降低X射线的辐射剂量,重建出更高质量的图像,一直是CT研究领域的热点问题。综合相关文献的研究成果,并与CT工程技术人员进行沟通,本文将[0,360°)范围内投影角度数在20个及以下(即投影角度间隔不小于18°)的投影数据定义为极稀疏投影(Ultra-sparse Projection)数据。CT图像重建算法可分为解析类和迭代类两类。解析类重建算法普遍应用于完备采样数据的图像重建,投影角度数减少会导致重建图像出现严重的条状伪影,图像质量大幅下降。迭代类算法将CT图像重建问题转化为一个多维欠定方程组求解问题,通过不断迭代寻找满足一定收敛条件的像素值组合,实现图像重建。比起解析类算法,迭代类算法在稀疏投影数据的重建方面具有天然优势。特别是压缩感知(Compressed Sensing,CS)理论的出现,将图像固有的某些稀疏先验信息融入到迭代重建算法中,为使用极稀疏投影数据恢复出高质量的图像奠定了理论基础。本文针对极稀疏投影数据的CT图像重建问题进行了实验研究。首先研究圆周扫描轨道平面上扇束投影的二维图像重建,将迭代算法与压缩感知理论相结合,并将图像的全变差(Total Variation,TV)作为目标函数进行优化,提出一种针对极稀疏扇束投影数据的二维CT图像重建算法,本文将其称作USP-2DTV算法(Ultra-sparse Projection Iteration Reconstruction using 2D Total Variation Minimization,USP-2DTV);然后将USP-2DTV算法扩展至叁维,提出一种针对圆周轨道极稀疏锥束投影数据的叁维图像重建算法,记作USP-3DTV算法。实验结果表明在极稀疏投影条件下,本文提出的算法能够重建出质量良好的图像,具有一定的研究潜力和实用价值。此外,本文实验中USP-2DTV算法能处理的最少投影角度为18个,所需要的扫描时间和辐射剂量较之传统的FBP算法(通常采用1000个投影角度)能够降低50余倍。为了提高迭代算法的图像重建效率,本文基于NVIDIA公司的CUDA架构,初步实现了USP-2DTV算法的CPU+GPU异构并行计算,将图像重建程序的执行效率提高到CPU串行计算的2.5倍以上。本课题将CT迭代图像重建技术与压缩感知理论相融合,研究极稀疏投影数据的二维/叁维CT图像重建,并初步实现了算法的CPU+GPU异构并行计算,具有一定的学术探索意义和工程应用价值。(本文来源于《山东大学》期刊2019-05-25）
黄禹侨[10]（2019）在《高维不均衡数据情形下一种基于随机投影的决策树集成分类方法》一文中研究指出随着时代的发展,高维不均衡数据越来越频繁地出现在各个领域,比如基因数据、信号数据、金融数据等;如何有效地对高维不均衡数据进行分类是一个重要的研究方向。为此,本文提出一种基于随机投影的决策树集成分类方法;并利用阈值移动的方式将该方法推广到高维不均衡数据的情形。在第二章,针对于高维数据的分类问题,本文提出一种基于随机投影的决策树集成学习方法Projection Forest(PJForest)。该方法以决策树为基分类器,利用一系列随机投影对数据进行降维,基于降维后的数据构建相应的一系列决策树,而后通过集成学习构造集成分类器。利用随机投影对数据进行降维,能保持数据几何结构的信息;更重要的是,随机投影通过对原始数据进行扰动,能丰富一系列决策树的多样性,经过集成可有效克服噪音的影响,进而提升PJForest的泛化能力。本文证明了PJForest泛化误差的极限性质,得到一定意义下泛化误差的收敛速度。本文做了大量的模拟研究,并对实际数据进行了实证分析。模拟研究的结果表明,PJForest能有效地对包含大量噪音的高维数据进行分类,比起已有的诸如随机森林、Xgboost等方法,有更好的分类性能。在第叁章,本文将PJForest方法推广到了高维不均衡数据的情形下,提出一种基于阈值移动的均衡化PJForest方法,Banlanced Projection Forest(BPJForest)。该方法通过改变投票阈值,移动决策边界,进而增强对少数类样本的分类表现,这使得BPJForest能对高维不均衡数据进行分类。当以均衡分类准确率(Balanced accuracy)作为不均衡数据分类的评价指标时,本文给出了一个最优阈值的选择方法。本文将PJForest泛化误差的极限性质推广到了BPJForest下,得到了相似的理论结果。本文做了模拟研究,模拟研究的结果表明,BPJForest能有效地对高维不均衡数据进行分类,比起已有的PJForest、RPF等方法,有更好的分类性能。(本文来源于《中国科学技术大学》期刊2019-05-14）
投影数据论文开题报告
（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：
为解决在处理和计算视觉大数据中遇到的速度瓶颈,提出了一种模糊聚类局部保存投影算法用于视觉数据的特征提取应用中。首先,通过某种方法对图像进行分割;接着,将通过统计方法对图像进行特征描述得到相应的视觉数据;然后,通过提出的模糊聚类局部保存投影对视觉数据进行特征提取;最后,通过Ada Boost对提取后的特征进行识别分类。经在国际公开的UCAS-AOD和Flower-102数据集上进行大量实验,经实验对照,结果验证了模糊聚类局部保存投影算法在视觉数据特征提取中的有效性。
（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。
投影数据论文参考文献
[1].鞠博晓,赵文,陈渠森,陈华.一种基于SRTM高程数据的可视化选取投影面的新方法[J].测绘地理信息.2019
[2].张乾,杨玉成,岳诗琴,邵定琴,王林.模糊聚类局部保存投影在视觉数据特征提取中的应用[J].科学技术与工程.2019
[3].曾小牛,李夕海,刘继昊,侯维君.基于凸集投影的重力数据扩充下延一体化方法[J].石油地球物理勘探.2019
[4].张昱欣,季薇,李云.基于条件投影的无配对数据跨域图像翻译方法[J].陕西师范大学学报(自然科学版).2019
[5].李丹辉,王震寰,凡雪霖,沈龙山,李成.大脑颞横回立体定位数据集的构建及投影回归分析[J].蚌埠医学院学报.2019
[6].王冬年.基于凸集投影算法的地震数据重建和噪声压制研究[D].东华理工大学.2019
[7].尹丽莉.磁感应断层成像有限角投影数据重建算法研究[D].沈阳工业大学.2019
[8].孙磊.基于特征表示和反投影稀疏表示分类的临床医学数据分析[D].河南大学.2019
[9].于倩蕾.极稀疏投影数据的CT迭代图像重建技术应用研究[D].山东大学.2019
[10].黄禹侨.高维不均衡数据情形下一种基于随机投影的决策树集成分类方法[D].中国科学技术大学.2019
论文知识图
