导读:本文包含了算法混合论文开题报告文献综述及选题提纲参考文献，主要关键词:运动目标检测,高斯混合模型,均值
算法混合论文文献综述
吕苗苗,孙建明[1]（2019）在《基于改进高斯混合模型的运动图像目标检测算法》一文中研究指出运动图像目标检测指的是从序列图像中将变化的目标从背景中分离出来,高斯混合模型可以对视频序列图像的前景和背景进行分类,再利用背景减除实现运动目标的检测。提出一种基于改进高斯混合模型的优化背景建模方法,该方法首先利用3×3模板对序列图像帧中的像素进行类似卷积的均值计算,然后利用相邻均值的差提取均差因子自适应更新图像的均值。在此基础上,设计了自适应学习率和学习速率,利用改进高斯混合模型实现序列图像的背景建模。改进模型不仅能有效减少数据计算量,同时可以降低在相似区域像素计算的时长,大大加快背景建模速度。实验结果表明,改进模型在目标检测、算法执行速率等性能指标上都有更好的表现,能满足实时检测要求。(本文来源于《半导体光电》期刊2019年06期）
李占英,时应虎,张海传,孙静雯[2]（2019）在《基于RBF-BSA的锂离子电池SOC混合估算算法》一文中研究指出为提高锂离子电池荷电状态(SOC)预测精度,提出利用回溯搜索算法(BSA)优化径向基函数(RBF)神经网络的输出权值与阈值的混合算法.通过对锂电池模型中的目标函数进行优化求解,并寻找最佳的目标权值和阈值降低预测误差,提高了RBF网络模型的预测精度.为验证算法的有效性,搭建锂离子电池的充放电实验平台获取数据并对网络进行验证,实验结果表明:混合算法相比标准RBF网络算法具有更好的SOC预测精度,并将网络输出预测误差降低到2%以内,符合锂电池荷电状态估算要求.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年12期）
张家精,夏巽鹏,陈金兰,倪友聪[3]（2019）在《基于张量分解和深度学习的混合推荐算法》一文中研究指出张量分解和深度学习已被应用于推荐系统,并取得了较好的效果.张量分解较好地从用户对推荐对象评分中提取用户、推荐对象以及其他影响因素的隐性的特征,将这些特征进行匹配,给出推荐策略,但这种方法忽略了用户、推荐对象以及其他影响因素现有辅助数据信息中的显性特征.深度学习是从辅助信息中提取用户、推荐对象以及其他影响因素的特征,并进行匹配给出推荐策略,却忽略了用户评分数据中用户、推荐对象以及其他影响因素的隐性特征.将张量分解和深度学习两种推荐方法相融合,提出一种基于张量分解和深度学习的混合推荐算法.使用张量分解算法和深度学习分别从叁阶用户评分数据和多源异构辅助信息中提取用户特征和推荐对象特征,并将它们匹配得出用户对推荐对象的需求或喜爱的预测评分,再将两种算法的预测评分进行融合给出最终综合评分,从而提高个性化推荐的精准度.对比实验证明混合推荐算法与传统的协同过滤算法相比误差降低了34. 0%.(本文来源于《南京大学学报(自然科学)》期刊2019年06期）
王嫣,常晓鹏,张建平[4]（2019）在《基于EKF算法的UWB和ZigBee测量技术的混合运动目标定位》一文中研究指出为解决无线传感器网络中单一跟踪算法和测量技术不能获得运动目标高精度定位的问题,提出了一种将跟踪算法同时与不同测量技术相结合的混合式跟踪定位技术.通过对基于扩展卡尔曼滤波跟踪算法的分析,将基于UWB测量技术得到的距离测量值和基于ZigBee测量技术得到的接收信号强度测量值相融合,结合扩展卡尔曼滤波跟踪算法,得到一种对室内运动目标的混合式跟踪定位方法.实验表明,该混合定位方法能有效提高运动目标的定位精度.(本文来源于《应用科学学报》期刊2019年06期）
史亚辉,陈琴[5]（2019）在《基于协同寻优的改进蝙蝠和声混合算法》一文中研究指出针对和声搜索算法收敛速度慢、寻优精度低的问题,文章提出了一种基于改进蝙蝠的协同寻优和声搜索算法(RBHS)。该混合算法的主要思想是引入蝙蝠算法的局部搜索机制,让蝙蝠种群在最优和声个体附近进行更加详细的局部搜索,并且加强了蝙蝠种群与和声库的信息交互协同寻优。同时对最优和声个体进行高斯扰动,以增加种群的多样性,避免过快地陷入局部最优解。将RBHS算法与目前比较优秀的改进和声搜索算法对比表明,仿真实验表明RBHS算法的收敛速度更快、寻优精度更高。(本文来源于《广西教育学院学报》期刊2019年06期）
潘锋[6]（2019）在《基于混合加密算法的测发控系统无线通讯加密研究》一文中研究指出测发控系统是整个导弹系统的重要组成部分,在地面端可以分成两个部分,前端是自动化测试系统,对于接收到的指挥部的命令,对发射的导弹进行测试,依靠计算机总线控制技术,连接后端的发射控制部分。测发控系统的短时延易于移动等要求,造成在前后端通信的过程中逐步摆脱有线的方式,应采用基于局域网的无线通讯方式。然而在无线通讯方式中,对于传输的数据易于破解和修改,会造成极为严重的事故,所以要求对信息进行加密,本文基于传统的加密算法,提出了一种改进的混合加密算法在信息传输的安全性和加密速度上进行了适当的优化,对照其他算法,进行了分析和验证,通过代码实现了上述的混合加密过程,对于实际的应用产生了十分重要的积极意义。(本文来源于《自动化技术与应用》期刊2019年11期）
温包谦,王涛,成坤,张济众[7]（2019）在《基于PSO-GA混合算法的末端防御兵力优化部署方法》一文中研究指出针对具有大规模、多约束、非线性特点的要地末端防御兵力优化部署问题,建立了基于火力覆盖能力的末端防御兵力优化部署模型,并提出了一种基于粒子群与遗传算法的模型求解方法,该方法克服了进化算法的随机性,加快了搜索速度,有效防止算法的早熟收敛。仿真实验证实了构造的混合算法能够有效对模型求解,为科学制定要地末端防御优化部署方案提供作战建议。(本文来源于《兵器装备工程学报》期刊2019年11期）
聂伟,葛娟,吴嘉诚,尹鑫,郑晓波[8]（2019）在《一种针对欠定瞬时混合模型的盲辨识算法》一文中研究指出文中研究了欠定瞬时混合模型下的盲辨识问题,提出了一种基于单源点检测的盲辨识算法。首先,文中介绍了欠定盲源分离的盲辨识模型;其次,利用观测信号时频系数之间的关系和大小来检测用于聚类的单源点;最后,采用势函数聚类的方法估计出混合矩阵。仿真结果表明,文中算法与其它相同混合模型的算法相比,具有更好的算法性能。(本文来源于《信息技术》期刊2019年11期）
戴薇,石崇,阮怀宁,孔洋,杨俊雄[9]（2019）在《基于区域生长算法的土石混合介质细观识别与数值模拟研究》一文中研究指出针对土石混合介质这一特殊地质体的力学特性研究问题,构建了基于区域生长算法的土石混合介质数字图像识别方法,实现对土石混合介质图像中土和石块的分割,有效解决了土石混合介质现场图像中噪声像素多,土石边界不明显,受阴影等因素影响等问题.在此基础上,对其二值图像进行离散元建模,研究该模型在直剪试验下的力学特性,试验结果表明:应用数字图像方法可以保证建立的模型中的土石分布与现场情况一致;区域生长算法可以将具有相同特征的连通区域分割出来,同时提供较好的边界信息和识别效果;该模型可以反映颗粒间的接触力分布和力链传递关系,从微观角度研究颗粒间接触和接触力的变化.该方法可为土石混合介质的研究提供参考.(本文来源于《叁峡大学学报(自然科学版)》期刊2019年06期）
欧阳城添,汤懿[10]（2019）在《基于高斯混合模型的核相关滤波目标跟踪算法》一文中研究指出针对目标跟踪中的尺度变化、旋转、遮挡等问题,提出基于高斯混合模型的核相关滤波目标跟踪算法。利用卷积神经网络提取卷积特征并建立目标外观的高斯混合模型,利用核相关滤波算法检测目标位置,使用多尺度、多形状跟踪方法精确定位目标,在线更新高斯混合模型和核相关滤波器。在公开数据集上进行定量和定性分析,并与多种跟踪算法比较,该算法的距离精度和重迭精度相比核相关滤波算法,分别提高了19%、54%。实验结果表明,采用高斯混合模型和多尺度、多形状跟踪方法,较好解决了外观和尺度变化问题,相比其它算法具有更好的鲁棒性和适应性。(本文来源于《计算机工程与设计》期刊2019年11期）
算法混合论文开题报告
（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：
为提高锂离子电池荷电状态(SOC)预测精度,提出利用回溯搜索算法(BSA)优化径向基函数(RBF)神经网络的输出权值与阈值的混合算法.通过对锂电池模型中的目标函数进行优化求解,并寻找最佳的目标权值和阈值降低预测误差,提高了RBF网络模型的预测精度.为验证算法的有效性,搭建锂离子电池的充放电实验平台获取数据并对网络进行验证,实验结果表明:混合算法相比标准RBF网络算法具有更好的SOC预测精度,并将网络输出预测误差降低到2%以内,符合锂电池荷电状态估算要求.
（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。
算法混合论文参考文献
[1].吕苗苗,孙建明.基于改进高斯混合模型的运动图像目标检测算法[J].半导体光电.2019
[2].李占英,时应虎,张海传,孙静雯.基于RBF-BSA的锂离子电池SOC混合估算算法[J].华中科技大学学报(自然科学版).2019
[3].张家精,夏巽鹏,陈金兰,倪友聪.基于张量分解和深度学习的混合推荐算法[J].南京大学学报(自然科学).2019
[4].王嫣,常晓鹏,张建平.基于EKF算法的UWB和ZigBee测量技术的混合运动目标定位[J].应用科学学报.2019
[5].史亚辉,陈琴.基于协同寻优的改进蝙蝠和声混合算法[J].广西教育学院学报.2019
[6].潘锋.基于混合加密算法的测发控系统无线通讯加密研究[J].自动化技术与应用.2019
[7].温包谦,王涛,成坤,张济众.基于PSO-GA混合算法的末端防御兵力优化部署方法[J].兵器装备工程学报.2019
[8].聂伟,葛娟,吴嘉诚,尹鑫,郑晓波.一种针对欠定瞬时混合模型的盲辨识算法[J].信息技术.2019
[9].戴薇,石崇,阮怀宁,孔洋,杨俊雄.基于区域生长算法的土石混合介质细观识别与数值模拟研究[J].叁峡大学学报(自然科学版).2019
[10].欧阳城添,汤懿.基于高斯混合模型的核相关滤波目标跟踪算法[J].计算机工程与设计.2019