导读:本文包含了自编码论文开题报告文献综述及选题提纲参考文献，主要关键词:稀疏自编码,单样本人脸识别,空-频特征,多特征融合
自编码论文文献综述
赵淑欢,万品哲,郭昌隆[1]（2019）在《深度稀疏自编码网络融合多LBP特征用于单样本人脸识别》一文中研究指出单样本人脸识别的关键在于充分挖掘单样本判别性信息,采用深度稀疏自编码网络与空频域多LBP特征融合进行特征提取。首先利用部分样本训练深度稀疏自编码网络,利用训练好的网络分别提取训练及测试集的特征;其次,利用二维离散小波变换将时域样本变换到频域,实现样本扩展,增加单样本信息并分别提取各域上的多LBP特征;最后利用协同表示对深度自编码网络及多LBP特征进行分类识别,融合识别结果获取最终分类结果。在AR及PIE数据库上的实验结果表明,该融合算法能提高样本判别性信息的提取,提高单样本人脸识别性能。(本文来源于《物联网技术》期刊2019年11期）
毛君,郭浩,陈洪月[2]（2019）在《基于深度自编码网络的采煤机截割部减速器故障诊断》一文中研究指出为了准确诊断采煤机截割部减速器故障,提出基于深度自编码网络(Deep Auto-Encoder Networks,DAENs)的故障诊断方法。DAENs模型以减速器箱体内油位、油液杂质量、齿轮磨损量、截割部电动机工作温度、冷却水流量、冷却水压力、油中水分7个特征参数作为可视输入,通过非监督逐层贪婪学习得到更好的高层特征表示,避免人工特征提取的繁琐与不准确,增强识别过程的智能性。最后对所提出的方法进行测试,测试结果表明该方法相比于BP神经网络,收敛速度快、避免了局部最优,且诊断精度及稳定性方面优越,可以对采煤机截割部减速器的故障进行准确诊断。(本文来源于《煤炭科学技术》期刊2019年11期）
方华强,颜寒祺,陈波,程承旗[3]（2019）在《基于自编码网络的移动轨迹异常检测》一文中研究指出移动轨迹异常检测是指从一群轨迹中寻找偏离一般模式的轨迹。基于聚类的异常检测依赖成对轨迹的距离计算,其计算实时性差且异常检测准确率低。提出面向移动轨迹异常检测的自编码网络,该模型对一般模式的轨迹有鲁棒的向量化表达能力,能够重构出与原始轨迹相近的输出;而对于偏离一般模式的轨迹敏感,重构后的输出与原始轨迹的差异大。根据该差异可直接检测异常,无需计算轨迹间的距离。以出租车轨迹为研究对象,试验结果表明该模型有更高的F Score,并且在数据量较大时检测时间低于参照方法,因此在高动态、大数据量的场景具有更好的适用性。(本文来源于《地理信息世界》期刊2019年05期）
刘明军,张涵,熊浩,张煌竟,陈铁[4]（2019）在《基于稀疏自编码的过电压特征提取与分类方法》一文中研究指出随着智能电网的发展,识别和处理各种类型的过电压和故障具有越来越重要的意义。文中提出了一种基于稀疏自编码的过电压智能分类识别框架,依靠多层自编码器,实现了电力系统中实测铁磁谐振过电压波形的特征自提取,然后利用Softmax分类器完成精确分类,调节模型参数实现最优分类结果。该框架可应用到实际应用中,为建立过电压智能分类识别系统提供了一个全新的思路与方法。(本文来源于《高压电器》期刊2019年10期）
任亚婧,张宏立[5]（2019）在《融合TDA的深度自编码网络车辆目标检测》一文中研究指出针对在雪天环境下交通监控检测实时性差和准确率低的问题,提出了融合TDA的深度自编码网络车辆目标检测方法.该方法首先将监控视频帧的图像转化为点云数据;进而通过分割后提取车辆目标的点云数据并利用拓扑数据分析对车辆目标的点云数据进行处理;最后利用量化后的拓扑数据分析得到的车辆目标数据的单纯复形表示作为输入样本,对深度自编码网络进行训练,以栈式自编码结构的最后两层隐藏层作为输出构建车辆目标的特征模型,通过全连接层输入Softmax分类层做分类,使网络可以更加快速精确地对雪天环境下的目标和背景进行分类.实验结果表明,该方法能有效在雪天复杂环境下检测车辆目标并在精度以及速度上均有所提高.(本文来源于《信息与控制》期刊2019年05期）
李松江,苏瑀,王鹏,黄春雨[6]（2019）在《一种自编码组合优化的成绩预测模型》一文中研究指出针对现有成绩预测方法不能有效利用学生成绩数据本质特征的问题,提出一种自编码组合优化的成绩预测模型。该模型采用边缘降噪自编码与堆栈稀疏自编码组合优化的混合式自编码器(HSAE),从历史成绩数据与学生行为数据中,经过无监督的网络训练,学习更具鲁棒性和稀疏性的深层特征。在顶层连接BP神经网络,构成HSAE-BP神经网络模型,实现学生成绩预测。实验结果表明:所提出预测模型的预测准确率相比其他未进行特征学习的浅层预测模型都得到了较好的改善。(本文来源于《企业科技与发展》期刊2019年10期）
张志敏,张静[7]（2019）在《基于去噪自编码的属性网络表征学习算法》一文中研究指出网络表征学习能够更高效地提取网络中有用信息以进一步进行其他任务分析。当前大多数网络既包含网络拓扑信息,又包含跟节点相关的语义信息和标签信息,如何将这些信息有效整合到一起对信息挖掘有重要影响。针对此问题提出了一个基于去噪自编码的属性网络表征学习算法DANRL(Attribute Network Representation Learning Based on Denoising AutoEncoder),首先根据部分标签信息获得断链矩阵,然后将邻接矩阵、断链矩阵、二阶邻居矩阵、属性相似度矩阵整合到一起,最后将整合后的向量喂给去噪自编码器以获得低维嵌入向量。最后,将该算法与当前主流的5个算法进行对比,实验结果表明,DANRL算法比当前主流的最优算法的NMI值平均提高7.07%。(本文来源于《科技经济导刊》期刊2019年28期）
聂晓音,谢刚,李洋,张博[8]（2019）在《基于栈式相关性稀疏自编码的电力通信网故障诊断》一文中研究指出针对电力通信网故障的特征自学习提取与诊断问题,提出一种栈式相关性稀疏自编码(StackedRelational SparseAutoencoder,SRAE)深度神经网络的电力通信网故障诊断方法。将电力通信网中MIB(Management Information Base)变量状态数据编码为二进制序列作为训练数据,浅层单一的自编码网络对故障的自学习、特征提取能力不足。因此,首先将稀疏性限制和输入数据相关性限制融入自编码网络,构成相关性稀疏自编码神经网络(Relational Sparse Autoencoder, RAE)。然后将其层层堆栈,并在最后一层隐含层后添加分类器,构成SRAE。最后,以路由器之间的连接故障为例进行仿真实验。实验结果表明所提出的故障诊断方法准确率平均值达到99.625%,具有较高且稳定的诊断准确性。(本文来源于《电力系统保护与控制》期刊2019年19期）
唐奇伶,方全,夏先富,杨济榕[9]（2019）在《基于堆栈稀疏自编码与整体嵌套的乳腺病理图像细胞识别》一文中研究指出为解决病理图像的快速分析和利用细胞自动识别的问题,提出了一种基于堆栈稀疏自编码与整体嵌套的细胞识别的方法,快速、高效、准确地识别了高分辨率病理组织图像中的细胞.运用堆栈自编码对训练集中的细胞样本块和非细胞样本块提取高级特征,并运用特征训练Softmax分类器,加入融合层进行融合,用于细胞的自动识别;在训练过程中,还引入了一种新的整体嵌套结构.结果表明:该算法能有效识别出细胞,较其他自编码相比,具有更高的准确率、召回率和综合评价指标.(本文来源于《中南民族大学学报(自然科学版)》期刊2019年03期）
陈华华,刘萍[10]（2019）在《基于SSIM稀疏自编码网络的异常事件检测》一文中研究指出为了检测视频监控中人群恐慌逃散的异常事件,提出一种基于SSIM稀疏自编码网络的异常事件检测模型。通过提取SSIM特征来表征场景的变化程度,利用稀疏自编码网络对SSIM特征进行稀疏表示,最后通过计算马氏距离来进行异常事件和正常事件的相似度衡量,并以此进行异常事件的检测。在标准数据集UMN和web上进行实验,UMN数据集上的异常检测等错误率EER达到0.017,web数据集上达到0.189。(本文来源于《杭州电子科技大学学报(自然科学版)》期刊2019年05期）
自编码论文开题报告
（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：
为了准确诊断采煤机截割部减速器故障,提出基于深度自编码网络(Deep Auto-Encoder Networks,DAENs)的故障诊断方法。DAENs模型以减速器箱体内油位、油液杂质量、齿轮磨损量、截割部电动机工作温度、冷却水流量、冷却水压力、油中水分7个特征参数作为可视输入,通过非监督逐层贪婪学习得到更好的高层特征表示,避免人工特征提取的繁琐与不准确,增强识别过程的智能性。最后对所提出的方法进行测试,测试结果表明该方法相比于BP神经网络,收敛速度快、避免了局部最优,且诊断精度及稳定性方面优越,可以对采煤机截割部减速器的故障进行准确诊断。
（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。
自编码论文参考文献
[1].赵淑欢,万品哲,郭昌隆.深度稀疏自编码网络融合多LBP特征用于单样本人脸识别[J].物联网技术.2019
[2].毛君,郭浩,陈洪月.基于深度自编码网络的采煤机截割部减速器故障诊断[J].煤炭科学技术.2019
[3].方华强,颜寒祺,陈波,程承旗.基于自编码网络的移动轨迹异常检测[J].地理信息世界.2019
[4].刘明军,张涵,熊浩,张煌竟,陈铁.基于稀疏自编码的过电压特征提取与分类方法[J].高压电器.2019
[5].任亚婧,张宏立.融合TDA的深度自编码网络车辆目标检测[J].信息与控制.2019
[6].李松江,苏瑀,王鹏,黄春雨.一种自编码组合优化的成绩预测模型[J].企业科技与发展.2019
[7].张志敏,张静.基于去噪自编码的属性网络表征学习算法[J].科技经济导刊.2019
[8].聂晓音,谢刚,李洋,张博.基于栈式相关性稀疏自编码的电力通信网故障诊断[J].电力系统保护与控制.2019
[9].唐奇伶,方全,夏先富,杨济榕.基于堆栈稀疏自编码与整体嵌套的乳腺病理图像细胞识别[J].中南民族大学学报(自然科学版).2019
[10].陈华华,刘萍.基于SSIM稀疏自编码网络的异常事件检测[J].杭州电子科技大学学报(自然科学版).2019