导读:本文包含了特征子空间论文开题报告文献综述、选题提纲参考文献，主要关键词:空间,特征,行人,算法,双峰,贵州省,光谱分析。
特征子空间论文文献综述写法
李阳兵,陈会,罗光杰[1]（2019）在《贵州不同规模等级坝子空间分布特征研究》一文中研究指出以1∶5万地形图和高清遥感影像为数据源,系统研究了贵州省面积在1 hm2以上坝子的空间分布规律。研究发现:①贵州省1 hm2以上的坝子,仅占贵州省国土面积的3.99%,低于山间坝子占全省总面积7.51%的传统认识;②以10～20 hm2的坝子个数占比最高,随坝子面积增加,坝子个数占比也逐渐降低;③贵州坝子集中于贵州省中部,沿东北到西南一线;④贵州坝子体系等级结构较松散,相互之间等级规模差异存在差异。(本文来源于《地理科学》期刊2019年11期）
屈彩霞,杨海峰,蔡江辉,罗阿理,张继福[2]（2019）在《基于相关子空间的双峰发射线光谱特征提取与分析》一文中研究指出低分辨率天体光谱中呈现的双峰发射线轮廓可能反映着比较珍稀的物理现象,如双活动星系核(AGNs)、双超大质量黑洞(SMBH)、喷流云与窄线区的相互作用,也可能是光谱处理过程产生的低质量特征线。双峰发射线轮廓一般由2个或2个以上的波峰构成,对该特征进行提取并分析,可作为双AGN、星系对、双黑洞等稀有天体更有效的搜寻依据,从而有助于更深入地研究星系乃至宇宙的形成与演化。提出一种新的基于相关子空间的双峰发射线特征提取与分析方法,主要工作分为以下叁部分:首先利用稀疏差异因子δ度量双峰发射线光谱中属性差异程度,利用KNN方法约束参与稀疏差异因子计算的光谱范围,在此基础上,针对LAMOST低分辨率光谱给出基于相关子空间的特征提取方法;其次,为了验证稀疏差异因子σ以及KNN的输入参数k对双峰发射线光谱的适应性,选择LAMOST双峰发射线光谱样本及普通星系光谱数据,红移范围z<0.3(确保Hα, Hβ,[OⅢ]λλ4 959, 5 007,[NⅡ]λλ6 548, 6 584,[SⅡ]λλ6 717, 6 731等发射线落在LAMOST波长覆盖范围),获得训练集光谱总数332+332(正负样本)条,并借助人眼检查分析该方法中的两个参数:k和δ阈值α对结果的影响,实验表明,当k=18,α=0.6时,相关属性分布较密集且稀疏点较少,结果比较理想;最后,对332条双峰发射线光谱特征子空间所在的波长区间、双峰红/蓝移间隔、双峰线强比等进行了理论分析、测量及人眼认证的基础上,给出了基于相关子空间的双峰发射线特征表述。此外,从双峰特征子空间上不同的发射线激发机制([OⅢ]/[NⅡ]/[SⅡ]等禁线、 Hα、 Hβ等氢线)及相关特征子空间上线强关系等角度,对样本中双峰轮廓进行了分析。(本文来源于《光谱学与光谱分析》期刊2019年06期）
李大湘,费国园,刘颖[3]（2019）在《基于特征融合及子空间学习的行人再识别》一文中研究指出改进多核全监督子空间学习(multi-kernel fully-supervised subspace learning,MKFSL)行人再识别算法,以提高带标签样本的有限可用性。在特征提取时,串联融合局部最大概率(local maximal occurrence,LOMO)特征和高斯块的高斯区域(Gaussian region of Gaussian patch,GOG)描述符,以获得具有鲁棒性的特征;在度量学习时,采用全监督子空间学习方法,以获取判别式投影。在VIPeR和PRID450s两种数据集上的实验结果表明,改进算法比原算法的1级匹配率可分别提高1.7%和2.7%。(本文来源于《西安邮电大学学报》期刊2019年02期）
朱小波,车进[4]（2019）在《融合BOW模型的多特征子空间行人重识别算法》一文中研究指出针对目前行人重识别算法在目标外观特征和度量算法方面的问题,提出一种融合BOW模型的多特征子空间行人重识别算法。在行人图像上采用2-D高斯模板将图像背景弱化,然后提取BOW特征描述子和YUV+HSV颜色特征描述子,并将其融合组成最终的特征描述子。在相似性度量方面,采用在原始特征空间学习一个子空间,并在该子空间学习测度矩阵的方法进行相似性度量。在VIPeR和CUHK01两个数据集上的实验结果表明,提出的算法能够明显地提高行人重识别率。(本文来源于《计算机工程与应用》期刊2019年18期）
李新春,马红艳,林森[5]（2019）在《基于子空间与纹理特征融合的掌纹识别》一文中研究指出针对单一描述符无法准确获取有效掌纹特征导致识别率低的问题,提出一种基于子空间与纹理特征融合的掌纹识别方法。利用稳健线性判别分析和局部方向二值模式分别获取掌纹图像的子空间特征和纹理特征;基于加权串联方法实现子空间特征与纹理特征的有效融合;根据融合特征向量间的卡方距离进行匹配识别。在PolyU图库和自建非接触图库上的实验结果表明,识别时间分别为0.3069s和0.3127s,最低等误率分别为0.3440%和1.4922%;与其他方法相比,所提方法在保证实时性的前提下,能够准确提取掌纹图像的有效特征信息,提高系统识别性能。(本文来源于《激光与光电子学进展》期刊2019年07期）
李文洲,邓秀勤,刘富春[6]（2019）在《融合高光谱影像叁维空谱特征的子空间聚类算法》一文中研究指出为提高高光谱遥感影像的聚类精度,将叁维空谱特征和子空间聚类算法相结合,提出一种新的稀疏子空间聚类模型,在关注高光谱影像光谱信息的同时也关注了空间上下文信息。首先提取高光谱影像像素点的叁种叁维空谱特征;然后通过特征对子空间聚类模型的系数矩阵进行加权,使得像素点可被与它最为相似的像素点稀疏表示,从而获得更好的系数矩阵;最后由系数矩阵通过谱聚类获得更好的聚类结果。算法对四个经典高光谱数据集进行实验,并将实验结果与六种聚类算法进行比较,结果表明,所提出的3DF-SSC算法在四个数据集上获得的聚类精度都比其他算法要高,对于同样是利用叁维空谱特征的M3DF3、3DF-SSC算法最高能提高8. 62%的精度,而与同样是利用空间上下文信息对子空间聚类算法进行改进的L2-SSC和SS-LRSC算法相比,最高能提高25.18%的精度。(本文来源于《计算机应用研究》期刊2019年11期）
夏辉,徐少波,徐如[7]（2018）在《一种基于对角加载的特征子空间抗干扰算法》一文中研究指出卫星导航系统能为全球陆、海、空、天的各类军民载体提供全天候24 h连续高精度的叁维位置、速度和精密时间信息。由于自适应波束形成技术在导航领域的广泛应用,其稳健性已成为阵列信号处理研究中的热点领域之一。功率倒置(PI)算法是常用的一种自适应抗干扰算法,而PI算法在非理想环境下性能严重下滑。针对传统PI算法存在的缺点,提出了基于对角加载的特征子空间(DL-ESB-PI)抗干扰算法。仿真实验结果表明,DL-ESB-PI算法能够改善PI算法的稳健性,在非理想环境下依然保持优异的性能。(本文来源于《无线电工程》期刊2018年11期）
纪明君,刘漫丹,才乐千[8]（2018）在《基于半监督LDA特征子空间优化的人脸识别算法》一文中研究指出人脸特征提取是人脸识别流程最重要的步骤,特征的好坏直接影响了识别效果。为了得到更好的人脸识别效果,需要充分利用样本的信息。为了充分利用训练样本和测试样本包含的信息,提出了利用样本散度矩阵将主成分分析PCA算法和线性判别分析LDA算法加权组合的半监督LDA(SLDA)特征提取算法。同时,受组合优化问题的启发,利用二进制遗传算法对半监督特征提取算法得到的特征空间进行优化。在ORL人脸数据库上的实验结果表明:与人脸识别经典算法和部分改进算法相比,SLDA算法获得了更高的识别率。(本文来源于《计算机工程与科学》期刊2018年10期）
朱小波,车进[9]（2019）在《基于特征融合与子空间学习的行人重识别算法》一文中研究指出针对现存行人重识别算法不能较好地适应光照、姿态、遮挡等变化的问题,提出一种基于特征融合与子空间学习的行人重识别算法。该算法对整幅行人图像提取方向梯度(HOG)直方图特征和HSV(Hue,Saturation,Value)直方图特征作为整体特征,再在滑动窗口内提取色彩命名(CN)特征和两个尺度的尺度不变局部叁元模式(SILTP)特征。为了使算法具有更好的尺度不变性,对原图像进行两次下采样,再对采样后的图像提取上述特征。提取特征后,采用核函数分别将原始特征空间转换到非线性空间,在非线性空间内学习一个子空间,同时在子空间内学习一个相似性度量函数。在3个公开数据集上进行了实验,结果表明,所提算法可以较好地提高重识别率。(本文来源于《激光与光电子学进展》期刊2019年02期）
刘胜男[10]（2018）在《基于多特征与改进子空间聚类的SAR图像分割》一文中研究指出合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动式对地观测系统,能够全天时、全天候实施对地观测,SAR图像以其独特的优势发挥着其他遥感图像难以发挥的作用。SAR图像分割将SAR图像分成互不重迭、具有特定意义的若干区域,是SAR图像理解和解译的重要环节。子空间聚类算法是一种适用于高维数据的聚类算法,可以将高维数据划分到低维子空间中。基于子空间聚类的图像分割方法,将图像的分割问题看成图像特征数据的聚类问题。本文针对稀疏子空间聚类算法由于表示系数过稀疏而缺乏子空间连通性的问题,提出了基于改进弹性网子空间聚类的SAR图像分割模型,同时提出了两种新的特征提取方法应用于提升SAR图像分割的性能。本文的主要内容如下:(1)本文提出了一种基于改进弹性网子空间聚类的SAR图像分割模型。首先将图像的特征矩阵作为聚类数据,通过弹性网算子得到特征矩阵的子空间表示系数矩阵。然后采用本文给出的超距离模型代替欧式距离计算特征数据之间的距离,利用基于超距离的改进谱聚类算法对系数矩阵进行聚类。实验表明,本文提出的SAR图像分割方法能够有效提高分割精度并降低分割时间。(2)本文提出了一种基于特征融合和改进弹性网子空间聚类的SAR图像分割模型。首先对SAR图像进行预处理,并得到关于像素点的图像块。接着采用M-surf特征描述算子对图像块进行特征描述,得到关于像素点的特征向量,进而得到图像的特征矩阵。然后对图像灰度值特征提取,并将不同特征矩阵融合,得到具有多种属性的融合特征矩阵。最后利用改进弹性网子空间聚类算法对特征矩阵进行聚类。实验分析表明,本文提出的方法有效提高了SAR图像的分割性能。(3)本文提出了一种SAR-KAZE特征提取算法用来提取SAR图像的特征。首先依据非线性扩散滤波原理和加性分裂算子对SAR图像进行滤波,该方法在滤除噪声的同时保留了图像中的边缘和细节。然后利用SAR-KAZE特征描述算子提取滤波图像的特征,得到含有图像一阶和二阶梯度信息的特征矩阵,该特征矩阵能够更加详细的描述图像的边缘和细节信息。实验表明,应用本文提出的特征提取方法,能有效提高SAR图像的分割视觉效果和分割精度。(本文来源于《西安电子科技大学》期刊2018-06-01）
特征子空间论文开题报告范文
（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：
低分辨率天体光谱中呈现的双峰发射线轮廓可能反映着比较珍稀的物理现象,如双活动星系核(AGNs)、双超大质量黑洞(SMBH)、喷流云与窄线区的相互作用,也可能是光谱处理过程产生的低质量特征线。双峰发射线轮廓一般由2个或2个以上的波峰构成,对该特征进行提取并分析,可作为双AGN、星系对、双黑洞等稀有天体更有效的搜寻依据,从而有助于更深入地研究星系乃至宇宙的形成与演化。提出一种新的基于相关子空间的双峰发射线特征提取与分析方法,主要工作分为以下叁部分:首先利用稀疏差异因子δ度量双峰发射线光谱中属性差异程度,利用KNN方法约束参与稀疏差异因子计算的光谱范围,在此基础上,针对LAMOST低分辨率光谱给出基于相关子空间的特征提取方法;其次,为了验证稀疏差异因子σ以及KNN的输入参数k对双峰发射线光谱的适应性,选择LAMOST双峰发射线光谱样本及普通星系光谱数据,红移范围z<0.3(确保Hα, Hβ,[OⅢ]λλ4 959, 5 007,[NⅡ]λλ6 548, 6 584,[SⅡ]λλ6 717, 6 731等发射线落在LAMOST波长覆盖范围),获得训练集光谱总数332+332(正负样本)条,并借助人眼检查分析该方法中的两个参数:k和δ阈值α对结果的影响,实验表明,当k=18,α=0.6时,相关属性分布较密集且稀疏点较少,结果比较理想;最后,对332条双峰发射线光谱特征子空间所在的波长区间、双峰红/蓝移间隔、双峰线强比等进行了理论分析、测量及人眼认证的基础上,给出了基于相关子空间的双峰发射线特征表述。此外,从双峰特征子空间上不同的发射线激发机制([OⅢ]/[NⅡ]/[SⅡ]等禁线、 Hα、 Hβ等氢线)及相关特征子空间上线强关系等角度,对样本中双峰轮廓进行了分析。
（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。
特征子空间论文参考文献
[1].李阳兵,陈会,罗光杰.贵州不同规模等级坝子空间分布特征研究[J].地理科学.2019
[2].屈彩霞,杨海峰,蔡江辉,罗阿理,张继福.基于相关子空间的双峰发射线光谱特征提取与分析[J].光谱学与光谱分析.2019
[3].李大湘,费国园,刘颖.基于特征融合及子空间学习的行人再识别[J].西安邮电大学学报.2019
[4].朱小波,车进.融合BOW模型的多特征子空间行人重识别算法[J].计算机工程与应用.2019
[5].李新春,马红艳,林森.基于子空间与纹理特征融合的掌纹识别[J].激光与光电子学进展.2019
[6].李文洲,邓秀勤,刘富春.融合高光谱影像叁维空谱特征的子空间聚类算法[J].计算机应用研究.2019
[7].夏辉,徐少波,徐如.一种基于对角加载的特征子空间抗干扰算法[J].无线电工程.2018
[8].纪明君,刘漫丹,才乐千.基于半监督LDA特征子空间优化的人脸识别算法[J].计算机工程与科学.2018
[9].朱小波,车进.基于特征融合与子空间学习的行人重识别算法[J].激光与光电子学进展.2019
[10].刘胜男.基于多特征与改进子空间聚类的SAR图像分割[D].西安电子科技大学.2018