导读:本文包含了群体识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:健康公平,健康公平性评价,集中指数,脆弱群体
群体识别论文文献综述
甘霖,王雅捷,加雨灵[1]（2019）在《健康公平视角下的脆弱群体健康风险识别与规划应对》一文中研究指出城市化的最终目标是促进所有人的健康与发展,后工业化时代城市应回归为公众健康而规划的初衷,重视健康公平。研究从健康平等与健康公平的概念甄别出发,梳理国内外行动共识和研究共识;继而借助2018年北京市居民健康问卷调查展开健康公平性评价,运用集中指数识别出存在健康不平等风险的4类脆弱群体;最后针对底层弱势群体(老年/低学历/低收入)、边缘化人群(低学历/低收入/外来人口)、青年高知(青年/高学历)、中年中产(中青年/中高收入/中高学历/外地人和新北京人)4类群体,分别分析造成健康不公平的关键要素,探讨通过规划促进健康公平的可行策略。研究认为,健康公平视角下的脆弱群体不限于社会分层中的底层和边缘化人群,还涉及潜在高风险人群,任何一项规划的实施都可能影响到不同人群在健康方面的"机会可及性",关注并持续改善健康公平的规划导向不仅关乎城市利贫与包容,更关乎城市的社会资本、劳动力和可持续发展。(本文来源于《活力城乡 美好人居——2019中国城市规划年会论文集（14规划实施与管理）》期刊2019-10-19）
李定,马静,杨萌林,张文生[2]（2019）在《面向群体行为识别的非局部网络模型》一文中研究指出目的视频行为识别一直广受计算机视觉领域研究者的关注,主要包括个体行为识别与群体行为识别。群体行为识别以人群动作作为研究对象,对其行为进行有效表示及分类,在智能监控、运动分析以及视频检索等领域有重要的应用价值。现有的算法大多以多层递归神经网络(RNN)模型作为基础,构建出可表征个体与所属群体之间关系的群体行为特征,但是未能充分考虑个体之间的相互影响,致使识别精度较低。为此,提出一种基于非局部卷积神经网络的群体行为识别模型,充分利用个体间上下文信息,有效提升了群体行为识别准确率。方法所提模型采用一种自底向上的方式来同时对个体行为与群体行为进行分层识别。首先从原始视频中沿着个人运动的轨迹导出个体附近的图像区块;随后使用非局部卷积神经网络(CNN)来提取包含个体间影响关系的静态特征,紧接着将提取到的个体静态特征输入多层长短期记忆(LSTM)时序模型中,得到个体动态特征并通过个体特征聚合得到群体行为特征;最后利用个体、群体行为特征同时完成个体行为与群体行为的识别。结果本文在国际通用的Volleyball Dataset上进行实验。实验结果表明,所提模型在未进行群体精细划分条件下取得了77.6%的准确率,在群体精细划分的条件下取得了83.5%的准确率。结论首次提出了面向群体行为识别的非局部卷积网络,并依此构建了一种非局部群体行为识别模型。所提模型通过考虑个体之间的相互影响,结合个体上下文信息,可从训练数据中学习到更具判别性的群体行为特征。该特征既包含个体间上下文信息、也保留了群体内层次结构信息,更有利于最终的群体行为分类。(本文来源于《中国图象图形学报》期刊2019年10期）
胡根生,张乐军,张艳[3]（2019）在《结合张量特征和孪生支持向量机的群体行为识别》一文中研究指出给出一种结合张量特征和孪生支持向量机的群体行为识别算法,以提高对视频中群体行为识别的准确率.首先通过群成员关节点骨架的姿态结构信息和群成员的社会网络信息描述群体在每一帧中的行为,并采用张量形式表示;然后使用多路非线性特征映射分解张量核,并利用粒子群优化张量核孪生支持向量机的模型参数;最后结合张量特征和孪生支持向量机实现视频中的群体行为识别. CAD2数据集和自建数据集上的实验结果表明,张量特征能够有效地表示群体行为,相比经典算法,所提算法能有效提高群体行为识别的准确率.(本文来源于《北京理工大学学报》期刊2019年10期）
林扬扬,陈毓敏,廖嘉欣,黎毅宇,杨澍坤[4]（2019）在《基于群体情感识别的课堂教学评估技术研究》一文中研究指出表情含有丰富的人体行为信息,是情感的主载体,通过脸部表情能够表达人的微妙情绪反应以及人类对应的心理状态。在大数据时代,人们对智能视频分析技术也越来越看重,特别是视频监控系统的智能化发展。作为课堂教学的主导者,然而目前教师主要采用课堂观察和提问的方式与学生互动,这无疑会因个人精力不足等原因,造成信息传递与反馈的片面性与滞后性。笔者基于群体情感识别的课堂教学评估研究,采用智能视频技术对学生课堂表情进行分析,教师在教学过程中便能够实时地了解学生对于知识点的理解与掌握情况,以把握教学过程,调整教学进度。(本文来源于《信息与电脑(理论版)》期刊2019年19期）
李珊,张兴华,宇克莉,郑连斌[5]（2019）在《中国七个未识别民族十叁项人类群体遗传学经典指标特征比较》一文中研究指出在四川、云南、贵州、海南共调查木雅人、尔苏人、八甲人、白马人、革家人、临高人、摩梭人7个未识别民族1 716例的内眦褶、上眼睑皱褶、门齿类型、鼻梁类型、鼻孔形状、下颏类型、耳垂类型、额头发际、头发类型、拇指类型、环示指长、指甲类型、足趾类型13项人类群体遗传学经典指标,比较这些族群13项人类群体遗传学经典特征的差异。研究结果显示:临高人的过伸拇指率(本文来源于《中国解剖学会2019年年会论文文摘汇编》期刊2019-08-18）
边永红[6]（2019）在《基于群体智能算法的排球高鲁棒性目标识别研究（英文）》一文中研究指出基于小波变换和人工神经网络的目标识别是图像处理的一个重要研究方向。但是,此类方法采用的梯度下降规则容易产生局部极小值。为了解决该问题,提出了一种基于群体智能算法的高鲁棒性目标识别算法,可有效应用于各种图像识别任务,如排球目标识别等。首先对图像进行预处理并变换成HSV空间进行背景分割,并通过小波不变矩对图像进行特征提取。然后采用新兴的群智能算法-狼群算法,对基于小波神经网络的目标图像识别进行优化,以便提升全局收敛性和鲁棒性。仿真实验结果显示:相比原有的方法,提出优化方法具有更高的识别精度和稳定性。(本文来源于《机床与液压》期刊2019年12期）
王鹏程[7]（2019）在《教学环境下学生群体人脸识别技术的研究》一文中研究指出近年来,随着我国高校扩招政策的不断深入,各高校内学生人数呈爆炸式增长,学生人数的激增给学校的管理工作带来了新的挑战。以高校教育教学环境为背景,引进人脸识别技术不仅能够辨别、确认学生身份,而且也可以提高学校对学生的管理效率,确保学校各项教育教学管理工作的有序进行。论文以高校教育教学环境为背景,对学生群体人脸识别相关技术进行了重点研究分析,为人脸识别技术在教育教学中的应用做好铺垫,从而进一步提升学校对学生群体的管理效率。(本文来源于《电脑知识与技术》期刊2019年17期）
艾伟东[8]（2019）在《基于平均影响力的网络空间群体性事件识别与预警》一文中研究指出近年来,网络空间群体性事件(简称网群事件)的频发给网络空间秩序带来了很大的威胁。网群事件的识别与预警研究有助于规范网络空间管理,维护网络空间安全。本文以新浪微博为例,在分析了目前网群事件识别预警研究存在的主要问题的基础上,针对网群事件识别模型和预警方法展开研究工作。主要内容包括:第一,针对当前网群事件缺少技术定义的问题,结合社会科学的现有定义,通过分析网群事件的独有特性,提出了网群事件的定义,建立了网群事件识别模型。在模型的特征提取环节,针对现有识别方法对网群事件特性描述不完整的问题,在采用部分常用特征的基础上,提出了平均影响力、认证用户比、付费用户比等特征。在模型的识别算法方面,为探寻更适合识别网群事件的算法,初步选取了逻辑回归、支持向量机、决策树算法作为候选识别算法。实验结果表明,本文所选择的特征集可以更有效地表达影响性特征和群体性特征,在当前数据规模情况下逻辑回归算法更适合网群事件识别。第二,针对目前网群事件预警指标体系中部分指标难以量化的问题,提出了一套网群事件预警指标体系和分级方法。首先,挖掘可获取数据中的隐藏属性,在可测性和最小完备原则下建立预警指标体系。然后,根据识别模型输出的概率值制定分级方法,对网群事件进行分级。最后,选取叁套预警指标体系和两件典型网群事件案例,通过绘制预警演化曲线与事件趋势图进行对比实验。实验结果表明,预警演化曲线基本符合事件趋势图,并且在关键节点可以准确地进行预警。(本文来源于《重庆邮电大学》期刊2019-06-05）
张妍[9]（2019）在《基于社交媒体数据的流动人口识别及其群体出行特征分析》一文中研究指出随着Web 2.0时代的到来和社交媒体的普及,以社交媒体数据为基础的人口监测能够成为传统人口调查的有益补充,根据其中大量的用户活动时空信息识别其中的流动人口,并进一步将流动人口分类,研究其出行特征及与城市交通的关系,能够使城市交通对流动人口的服务更加有的放矢。为识别社交媒体用户中的流动人口,本研究首先界定了人口本地性及其四种类型:长期居民、临时居民、访问者和游客并将后叁类视为流动人口,而后从时间、空间和社交叁个角度分析提取了社交媒体的用户特征,同时设计了用于本地性评估的对应分类条件和分类顺序。随后,利用伦敦地区推特数据集,评估数据集覆盖时间内当地推特用户本地性,将这些用户的推文时空信息用于提取其对应群体出行特征。本文利用相关系数、空间聚类等方式从时间和空间两个角度分别分析了流动人口在伦敦地区内的出行特征及其与伦敦地区城市交通的关系,得出以下结论:(1)整体上伦敦地区流动人口出入伦敦频次随时间变化,例如在2018年2月和5月有较少的流动人口变动,若只考虑停留时间少于一周的访问者和游客,每年7、8、12月是这类流动人口进出伦敦地区的高峰时期,这段时间流动人口可能对城市交通系统造成较大负担。(2)绝大多数社交媒体用户的活动地点分布在距离公共交通站点较近的区域,活动地点与轨道交通站点之间的距离随本地性的降低而呈现出递减的趋势,即在当地停留时间越短的人口群体其活动地点距离轨道交通站点越近。(3)游客停留时间比例与地铁和地面公交的交通量有显着的正相关关系,其相关系数分别达到了0.69和0.52,而访问者和临时居民与地铁、公交的交通量以及各类流动人口与私人交通交通量的线性相关关系不显着。(4)利用基于密度的聚类算法得到各类本地性人口的出行活动聚类中心,经分析得出结论:长期居民、临时居民、访问者和游客的聚类中心依次减少且聚类中心的分布越来越密集;各类人口的聚类中心都在城市公共交通站点分布密集的区域或轨道交通沿线。(本文来源于《长安大学》期刊2019-05-07）
张美润[10]（2019）在《基于车辆群体轨迹特征的新增道路检测与识别研究》一文中研究指出改革开放40多年来,各地交通基础设施建设日新月异,为我国取得举世瞩目的经济奇迹提供了重要的支撑和保障。面对日新月异且日益复杂的交通路网,电子地图导航为方便公众出行发挥了重要作用,高德、百度等导航软件已成为很多人出行的必备工具。为更好地方便公众出行,我国相关政府部门和高德、百度等企业每年都投入巨大的人力物力进行路网信息更新的检测。海量的车辆群体轨迹数据蕴含了时间、空间及交通路网之间丰富的结构化知识,因此本文通过挖掘分析不同车辆群体轨迹特征与新增道路的相关性,提出了一种基于工程车车辆群体轨迹数据的施工区域识别方法以及一种基于出租车车辆群体轨迹数据的新增道路检测方法,主要的完成的工作如下:(1)系统调研了车辆群体轨迹与新增道路检测方法的国内外研究现状,并在此基础上对轨迹数据预处理、车路匹配算法、基于工程车车辆群体轨迹数据的施工区域识别、基于出租车群体轨迹数据的新增道路检测算法进行探讨并设计了本文的系统框架及方法。(2)在车路匹配算法的设计中,面临海量的轨迹数据和庞大的路网信息,为了提高匹配效率,本文利用倒排索引原理建立了路网网格与道路之间的映射关系,从而构建了交通轨迹数据快速获取候选路段列表的索引机制,最后通过多尺度匹配方法完成交通轨迹数据与地图的精准匹配。(3)道路的建设离不开渣土车等工程车辆群体的参与,因此渣土车轨迹特征中蕴含了丰富的施工工地以及施工进度等信息,本文通过分析渣土车群体车辆的时空轨迹特性,设计了一种基于密度聚类的施工区域识别算法。针对渣土车的实际作业规律,构建了渣土车出现频次K和早晚间对比的多维度优化模型。最后将实验结果与ArcGIS自带的天地图进行验证,施工区域识别的准确率达92%。(4)基于出租车车辆群体的轨迹特性,设计了一种基于出租车轨迹数据的新增道路检测算法,该算法首先利用车路匹配算法提取未匹配的轨迹点,将轨迹点连成轨迹线形成路径信息,然后利用路径融合方法生成新增道路,最后提取道路属性完成新增道路的快速准确检测。最后,结合ArcGIS的天地图对宁德市霞浦县的新增道路检测结果进行验证,在183条检测结果中随机选举20条新增道路进行验证,准确率达100%。本文的研究成果对电子地图更新和智慧交通信息服务具有一定的参考价值和意义。(本文来源于《福建工程学院》期刊2019-05-01）
群体识别论文开题报告
（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：
目的视频行为识别一直广受计算机视觉领域研究者的关注,主要包括个体行为识别与群体行为识别。群体行为识别以人群动作作为研究对象,对其行为进行有效表示及分类,在智能监控、运动分析以及视频检索等领域有重要的应用价值。现有的算法大多以多层递归神经网络(RNN)模型作为基础,构建出可表征个体与所属群体之间关系的群体行为特征,但是未能充分考虑个体之间的相互影响,致使识别精度较低。为此,提出一种基于非局部卷积神经网络的群体行为识别模型,充分利用个体间上下文信息,有效提升了群体行为识别准确率。方法所提模型采用一种自底向上的方式来同时对个体行为与群体行为进行分层识别。首先从原始视频中沿着个人运动的轨迹导出个体附近的图像区块;随后使用非局部卷积神经网络(CNN)来提取包含个体间影响关系的静态特征,紧接着将提取到的个体静态特征输入多层长短期记忆(LSTM)时序模型中,得到个体动态特征并通过个体特征聚合得到群体行为特征;最后利用个体、群体行为特征同时完成个体行为与群体行为的识别。结果本文在国际通用的Volleyball Dataset上进行实验。实验结果表明,所提模型在未进行群体精细划分条件下取得了77.6%的准确率,在群体精细划分的条件下取得了83.5%的准确率。结论首次提出了面向群体行为识别的非局部卷积网络,并依此构建了一种非局部群体行为识别模型。所提模型通过考虑个体之间的相互影响,结合个体上下文信息,可从训练数据中学习到更具判别性的群体行为特征。该特征既包含个体间上下文信息、也保留了群体内层次结构信息,更有利于最终的群体行为分类。
（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。
群体识别论文参考文献
[1].甘霖,王雅捷,加雨灵.健康公平视角下的脆弱群体健康风险识别与规划应对[C].活力城乡美好人居——2019中国城市规划年会论文集（14规划实施与管理）.2019
[2].李定,马静,杨萌林,张文生.面向群体行为识别的非局部网络模型[J].中国图象图形学报.2019
[3].胡根生,张乐军,张艳.结合张量特征和孪生支持向量机的群体行为识别[J].北京理工大学学报.2019
[4].林扬扬,陈毓敏,廖嘉欣,黎毅宇,杨澍坤.基于群体情感识别的课堂教学评估技术研究[J].信息与电脑(理论版).2019
[5].李珊,张兴华,宇克莉,郑连斌.中国七个未识别民族十叁项人类群体遗传学经典指标特征比较[C].中国解剖学会2019年年会论文文摘汇编.2019
[6].边永红.基于群体智能算法的排球高鲁棒性目标识别研究（英文）[J].机床与液压.2019
[7].王鹏程.教学环境下学生群体人脸识别技术的研究[J].电脑知识与技术.2019
[8].艾伟东.基于平均影响力的网络空间群体性事件识别与预警[D].重庆邮电大学.2019
[9].张妍.基于社交媒体数据的流动人口识别及其群体出行特征分析[D].长安大学.2019
[10].张美润.基于车辆群体轨迹特征的新增道路检测与识别研究[D].福建工程学院.2019