导读:本文包含了方向判别论文开题报告文献综述及选题提纲参考文献，主要关键词:非约束人脸识别,流形学习,稀疏保持投影,方向梯度直方图
方向判别论文文献综述
童莹,沈越泓,魏以民[1]（2019）在《基于旋转主方向梯度直方图特征的判别稀疏图映射算法》一文中研究指出非约束环境下采集的人脸图像复杂多变,将其直接作为字典原子用于稀疏表示分类(sparse representation based classification,SRC),识别效果不理想.针对该问题,本文提出一种基于旋转主方向梯度直方图特征的判别稀疏图映射(discriminative sparse graph embedding based on histogram of rotated principal orientation gradients,DSGE-HRPOG)算法,用于构建类内紧凑、类间分离的低维判别特征字典,提高稀疏表示分类准确性.首先,采用旋转主方向梯度直方图(histogram of rotated principal orientation gradients,HRPOG)特征算子提取非约束人脸图像的多尺度多方向梯度特征,有效去除外界干扰和像素间冗余信息,构建稳定、鉴别的HRPOG特征字典;其次,引入判别稀疏图映射(discriminative sparse graph embedding,DSGE)算法,以类内重构散度最小、类间重构散度最大为目标计算特征字典的最佳低维投影矩阵,进一步增强低维特征字典的判别性、紧致性;最后,提出投影矩阵和稀疏重构关系交替迭代优化算法,将维数约简过程伴随在稀疏图构建过程中,使分类效果更理想.在AR,Extended Yale B,LFW和Pub Fig这4个数据库上进行大量实验,验证了本文算法在实验环境数据库和真实环境数据库上的有效性.(本文来源于《物理学报》期刊2019年19期）
李石荣,何富贵,朱雪梅[2]（2019）在《基于LS-SVM方向判别模型的WLAN室内定位方法》一文中研究指出为解决WLAN室内定位中信号在传播过程受人体遮挡产生阴影衰落而影响定位精度的问题,提出了一种最小二乘法支持向量机(LS-SVM)方向判别模型的WLAN室内定位方法。该方法主要分为两个部分:首先,充分利用人体在不同遮挡方向上产生阴影衰落的接收信号强度变化(RSS)特征信息,判定人体遮挡方向;然后,通过LS-SVM回归算法建立指纹点特征数据与位置之间的映射关系获取定位点位置结果。实验结果表明,与传统利用SVM的定位方法相比,提出的方向判别模型可解决人体遮挡产生的阴影衰落影响定位精度的问题,提高了定位的实用性和鲁棒性。(本文来源于《井冈山大学学报(自然科学版)》期刊2019年03期）
李群,曾超,刘文强,文至诚,李长冬[3]（2019）在《基于密集多点变形监测的公路滑坡主滑方向动态判别》一文中研究指出滑坡主滑方向是研究滑坡形成机理和确定抗滑防治方案的重要依据。滑坡随着时间的演化,其主滑方向也是一个动态变化的过程。滑坡主滑方向是滑坡位移状态的综合反映,在滑坡体上布设密集多点变形监测系统,根据小样本监测数据服从t分布的规律,使用肖维勒准则剔除监测数据中的异常值,运用区间估计的方法来求取所有监测点位移方向的均值,通过主滑方向-时间过程曲线来动态判别滑坡主滑方向。将该方法运用到某公路滑坡工程实例研究中,在滑坡体上布设由53个地表位移监测点和19个深部位移监测点组成的密集多点变形监测系统,运用由全站仪和GPS组成的监测仪器系统,对该滑坡开展为期25个月的地表水平位移监测。通过地表位移数据分析对比,采用此方法估计的主滑方向和滑坡体宏观变形体现的滑动方向基本一致。经过误差分析和显着性检验,表明此方法可以较好地对滑坡主滑方向进行了动态判别。将此结果与深部测斜监测到的滑动方向进行了对比,结果基本保持一致,再次说明运用上述方法来动态判别滑坡主滑方向是可行的。在防治工程中,确定了准确的滑坡主滑方向后,指导抗滑桩长轴布设方向和锚索主要受力方向均沿此确定的主滑方向实施,经过长达8个月的持续监测表明,防治措施起到了良好的控制作用,体现了该方法的工程应用价值。(本文来源于《地质科技情报》期刊2019年04期）
朱逸凡,赵宏程,陈争光,徐辰婧,孙晓佳[4]（2019）在《适用于逆变型电源接入的配电网故障方向判别元件》一文中研究指出分布式电源接入配电网使得传统的单电源辐射状网络变成部分线路多电源供电的复杂网络,仅依靠阶段式电流保护已不再适用,因此急需对配电网原有保护进行改造。而由于分布式电源的结构特征与控制方法不同于传统发电机,传统方向元件的灵敏性大大降低甚至存在误判的可能性。以逆变型电源接入配电网为例,提出一种新的方向判别元件。通过限制逆变型电源接入位置实现短路电流性质区分;设置电流整定值,将各保护进行分类并采用不同的方向判别逻辑,仅根据短路电流与整定值之间的大小关系,便能准确区分正、反方向故障。(本文来源于《中国电力》期刊2019年05期）
[5]（2019）在《一种基于高频暂态能量的含分布式新能源配电网的故障方向判别方法》一文中研究指出近日,国家知识产权局公布专利"一种基于高频暂态能量的含分布式新能源配电网的故障方向判别方法",申请人为国网陕西省电力公司电力科学研究院。本发明公开一种基于高频暂态能量的含分布式新能源配电网的故障方向判别方法,利用故障时网架储能元件暂态能量交互与传递特性,构造一种基于高频暂态能量的方向元件,该方向元件判据由方向元件安装处测得的电(本文来源于《电气技术》期刊2019年01期）
徐诚,赵泓,王劲草,袁林[6]（2018）在《基于无功功率方向法的主谐波电流来源判别》一文中研究指出针对目前谐波电流造成特定线路各元件损耗难以明确其来源的问题,提出一种基于无功功率方向法来判别引起公共连接点(point of common coupling,PCC)处的主谐波电流来源方法。通常情况下,系统侧和用户侧谐波源流过特定线路各元件造成的损耗大小,可由两侧各自贡献的谐波电流大小区分,故以谐波电流指标为判别依据。以电网中谐波阻抗基本性质为基础,结合PCC处谐波电压和电流实测信息,利用基本电路原理和不等式约束条件,在谐波无功功率方向法的思路与判别条件下,推导得出了仅根据谐波电压和电流的相角差,就可直接判别主谐波电流来源的方法。最后,通过多种实际工程场景的实测数据,验证了该方法的有效性,使用中的便捷性反映了该方法在工程实用中的价值。(本文来源于《中国电力》期刊2018年11期）
程时清,李猛,何佑伟,吕亿明,崔文浩[7]（2018）在《一种用于多级压裂水平井判别来水方向的多井干扰压力分析方法》一文中研究指出为了确定直井注水、水平井采油的联合井网井间连通情况,建立考虑裂缝非均匀产液的多级压裂水平井多井干扰试井解释模型,运用Green函数、Newman乘积法得到井底压力解,绘制无量纲压力和压力导数典型曲线图版,进行参数敏感性分析。多级压裂水平井多井干扰试井模型典型曲线划分为7个流动阶段,其中在系统干扰流阶段,压力导数曲线下降,且注水井的注水量越大,其下降程度越大,当周围注水井的总注水量小于多级压裂水平井产量时,压力导数曲线呈阶梯状下降特征,最终表现为一条水平直线段,当周围注水井的总注水量大于观测井产量时,压力导数曲线将一直下降,呈现下掉特征;注水井到多级压裂水平井的距离越近,系统干扰流阶段持续的时间越长。实例应用表明,提出的模型能够确定注采井间连通情况、判别多级压裂水平井来水方向,指导油田开发措施的制定。(本文来源于《中国石油大学学报(自然科学版)》期刊2018年05期）
邓启平,王小梅[8]（2018）在《科研领域重点研究方向判别方法研究》一文中研究指出[目的 /意义]判别重点研究方向对科研管理和科技政策的制定有着重要参考价值,已有的定量方法多是根据创新性、新颖性以及增长性等特征属性设计指标进行识别、推荐,本研究进一步利用研究方向间的关联关系,从网络拓扑结构和特征属性两个维度判别重点研究方向。[方法 /过程]在构建领域文献引用网络的基础上,利用大规模网络聚类算法识别研究方向,并构建研究方向关联网络,利用网络重要节点识别算法从网络拓扑结构的角度判别重点研究方向,同时结合新颖性、增长性和H指数叁个特征属性指标,构建了重点研究方向遴选指标体系。[结果 /结论]对纳米科技领域进行实证分析,经专家判读,认为加权Page Rank、Gefura以及增长性指标更加具有客观性、全面性和稳定性,通过综合运用叁个指标遴选出208个纳米科技领域的重点研究方向。(本文来源于《图书情报工作》期刊2018年17期）
刘博[9]（2018）在《神经元集群编码与方向判别的高阶相关性最大熵模型》一文中研究指出神经元集群的编码和方向判别是神经科学研究的基本课题。然而,神经元之间的高阶相关性对神经元集群的编码以及人脑方向判别具有很大的影响,这种影响往往不可忽视。最大熵模型可以有效的对已有数据进行刻画,求出概率分布,量化出高阶相关性的作用。本文用最大熵模型探讨了脑科学中的方向判别问题,并在神经元层次上,对影响神经元集群活动的外界刺激和神经元整体响应(脉冲活动)之间的高阶相关性的进行了理论模型和实际试验的分析。本文的第一章中主要介绍了研究背景、最大熵原理、神经元集群与相关模型知识。第二章中,设计进行了相关方向判别试验,研究在不同的环境模式下(线条数量、颜色、宽度、长度)受试者对一组线条方向是否平行的判断情况,根据最大熵原理,利用通用迭代尺度算法(GIS),建立最大熵模型,求出相应的概率分布,同时利用熵的变化来对各个模型进行评价,发现环境条件相关性对人脑判别有较大的影响。第叁章中,考虑时间对大脑方向判别的影响,利用包含时空关系的最大熵模型,并且考虑成对相关性的条件,利用Galuber model生成模拟数据,将模型概率与数据进行对比,检验模型的有效性。设计并进行相关试验,收集试验数据,研究时序问题的重要性,利用J-S距离与熵变比例量化出其对视觉判断的影响程度,表明时间相关性有一定影响,不可忽略。第四章中,从神经元层次研究神经元集群如何区分多个相近的外界刺激,基于指数型整合-放电模型(Exponential integrate-and-fire model),以含噪声的电流作为刺激,生成神经元集群的活动(脉冲),并且利用最大熵模型进行刻画,研究在放电模式下,不同的相关性对刺激的区分作用并用互信息比例衡量作用大小,发现时空相关性可以较为有效区分相似刺激。在第五章对整体的研究内容进行了总结,提出了需要改进的地方,以及相关研究的展望。(本文来源于《南京航空航天大学》期刊2018-03-01）
甄天熠[10]（2017）在《基于HMM-SVM的人体跌倒的事前预警与方向判别的研究》一文中研究指出随着全球老龄化程度加剧、空巢家庭数目的增加,越来越多老人由于身体机能下降,反应力减弱等生理原因,易发生跌倒事故。跌倒预警系统在发生跌倒但未碰撞地面前完成判断,不但可在跌倒后及时通知亲属或监护中心,缩短等待救援时间;而且能提供充分预留时间供启动气囊等保护装置,可最大程度减少人体所受伤害,降低跌倒造成的医疗开支,增强独立生活的信心。绝大多数研究在人体碰撞地面前仅能检测出跌倒趋势,无法进一步判别出跌倒方向。而进一步判别出跌倒方向,利于开启指定位置气囊提供更针对性保护,本文对实现判别跌倒方向的多值分类问题进行了研究,设计了具备高检测率充足预留时间的多值分类算法,这是跌倒保护系统的关键,也是本课题的研究重点。本文同时搭建了一套基于舵机气嘴的气囊充气装置,相比传统充气装置体积更轻便,以上2点为本课题研究的创新点。本文首先确定了腰前位置穿戴MEMS惯性传感器采集数据,手机端执行算法发送警报的系统组成。通过分析跌倒与日常活动的合加速度、姿态角的时域特征曲线,证明了碰撞前跌倒预警和方向判别的可行性;采用Wrapper方法进行了特征选择,确定了最优特征组合,为混合模型的建立提供了特征向量。针对以上特征向量,实现了基于隐马尔科夫-支持向量机(Hidde Markov Model-Support Vector Machine,HMM-SVM)混合模型的预警判别算法。先采用Matlab中的HMM工具箱建立了分别代表4类跌倒的输出概率模型,以生成匹配度特征向量;利用LIBSVM开发包完成了参数寻优,建立了基于SVM的最终判别模型,用于处理匹配度特征向量,完成跌倒预警与方向判别。之后在Eclipse集成开发环境下开发了跌倒预警安卓程序,同时也提出了基于舵机气嘴的气囊充气方案并设计了该装置,最后对HMM-SVM多值分类算法和整机进行了测试。算法测试结果表明,各类跌倒和日常行为的检测率分别为96%、98%、96%、92%和97.5%,平均预留时间为245ms,验证了多值分类算法的有效性;整机测试结果确认在人体发生跌倒碰撞地面前,气囊已完成充气,在人体与地面间提供了保护层,证明了结构设计的合理性,系统的可行性。(本文来源于《苏州大学》期刊2017-05-01）
方向判别论文开题报告
（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：
为解决WLAN室内定位中信号在传播过程受人体遮挡产生阴影衰落而影响定位精度的问题,提出了一种最小二乘法支持向量机(LS-SVM)方向判别模型的WLAN室内定位方法。该方法主要分为两个部分:首先,充分利用人体在不同遮挡方向上产生阴影衰落的接收信号强度变化(RSS)特征信息,判定人体遮挡方向;然后,通过LS-SVM回归算法建立指纹点特征数据与位置之间的映射关系获取定位点位置结果。实验结果表明,与传统利用SVM的定位方法相比,提出的方向判别模型可解决人体遮挡产生的阴影衰落影响定位精度的问题,提高了定位的实用性和鲁棒性。
（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。
方向判别论文参考文献
[1].童莹,沈越泓,魏以民.基于旋转主方向梯度直方图特征的判别稀疏图映射算法[J].物理学报.2019
[2].李石荣,何富贵,朱雪梅.基于LS-SVM方向判别模型的WLAN室内定位方法[J].井冈山大学学报(自然科学版).2019
[3].李群,曾超,刘文强,文至诚,李长冬.基于密集多点变形监测的公路滑坡主滑方向动态判别[J].地质科技情报.2019
[4].朱逸凡,赵宏程,陈争光,徐辰婧,孙晓佳.适用于逆变型电源接入的配电网故障方向判别元件[J].中国电力.2019
[5]..一种基于高频暂态能量的含分布式新能源配电网的故障方向判别方法[J].电气技术.2019
[6].徐诚,赵泓,王劲草,袁林.基于无功功率方向法的主谐波电流来源判别[J].中国电力.2018
[7].程时清,李猛,何佑伟,吕亿明,崔文浩.一种用于多级压裂水平井判别来水方向的多井干扰压力分析方法[J].中国石油大学学报(自然科学版).2018
[8].邓启平,王小梅.科研领域重点研究方向判别方法研究[J].图书情报工作.2018
[9].刘博.神经元集群编码与方向判别的高阶相关性最大熵模型[D].南京航空航天大学.2018
[10].甄天熠.基于HMM-SVM的人体跌倒的事前预警与方向判别的研究[D].苏州大学.2017