导读:本文包含了动态滑动窗口论文开题报告文献综述、选题提纲参考文献，主要关键词:窗口,动态,算法,数据流,特征,多维,马尔。
动态滑动窗口论文文献综述写法
徐敏,丁友东,于冰,张倩倩,李畅[1]（2019）在《基于双层滑动窗口的SBD算法和聚类的动态KFE算法》一文中研究指出针对SBD及KFE技术存在特征提取不佳、阈值选取不当、闪光与突变的混淆、摄像机和物体运动的影响、渐变检测精度不高等诸多问题,本文提出基于双层滑动窗口的SBD算法和聚类的动态KFE算法。对于SBD,本文首先采用光流法进行运动补偿,接着进行分块处理并运用SLIC算法生成每帧图像的超像素;其次,启动双层滑动窗口对镜头边界进行双重检测,在第一层滑动窗口根据差值和这两个阈值的关系确定候选边界以完成初检,在第二层滑动窗口依次采用相邻两帧直方图的差值法确认突变位置以及采用隔帧直方图的差值法确认渐变位置以进一步完成复检。对于KFE,将镜头聚成若干个子镜头,然后从每个子镜头中选择熵值最大的帧作为该子镜头的关键帧。通过6组视频测试表明,本文SBD算法所得结果的平均查全率、平均查准率、平均综合指标较文献[2]和文献[4]均有提高,具有普遍的适用性,并且对强运动以及闪光灯的干扰有较好的适应性,对应的KFE算法的实现效果也很好,主观评价很高。(本文来源于《现代电影技术》期刊2019年08期）
张洪,钟凯迪,柴源,魏济,吴艳[2]（2019）在《基于N-Gram和动态滑动窗口的改进余弦相似度算法研究》一文中研究指出为了解决余弦相似度算法进行数据清洗时重复与相似的数据会使计算量呈几何级增长的问题,提出了基于N-Gram和动态滑动窗口的改进余弦相似度算法.首先通过计算每条数据的N-Gram值,并对数据进行相似度排序,然后定义初始滑动窗口,其窗口值根据N-Gram值的方差动态调整,最后在每个窗口中根据相似度与阀值判断相似数据.实验结果表明,改进的余弦相似度算法在运行速度上有大幅度提高,数据清洗准确率也得到提升,且该算法适用于海量数据的情形.(本文来源于《成都大学学报(自然科学版)》期刊2019年02期）
杨世强,罗晓宇,乔丹,柳培蕾,李德信[3]（2019）在《基于滑动窗口和动态规划的连续动作分割与识别》一文中研究指出针对现有动作识别中对连续动作识别研究较少且单一算法对连续动作识别效果较差的问题,提出在单个动作建模的基础上,采用滑动窗口法和动态规划法结合,实现连续动作的分割与识别。首先,采用深度置信网络和隐马尔可夫结合的模型DBN-HMM对单个动作建模;其次,运用所训练动作模型的对数似然值和滑动窗口法对连续动作进行评分估计,实现初始分割点的检测;然后,采用动态规划对分割点位置进行优化并对单个动作进行识别。在公开动作数据库MSR Action3D上进行连续动作分割与识别测试,结果表明基于滑动窗口的动态规划能够优化分割点的选取,进而提高识别精度,能够用于连续动作识别。(本文来源于《计算机应用》期刊2019年02期）
程玉胜,李雨,王一宾,陈飞[4]（2018）在《动态滑动窗口加权互信息流特征选择》一文中研究指出特征选择是解决数据高维性的一种有效方法,传统的特征选择算法常用经典信息论知识去度量特征的重要度,却忽略了标记和未标记数据的互相影响;同时,这些方法主要基于静态数据的多标记特征选择,很难直接应用到动态流数据环境中.而现实世界中,由于动态环境之下特征到达的数目和顺序都是未知的,并且研究者往往可能只对最近到达的特征感兴趣,所以滑动窗口机制能很好地解决此类问题.基于此,首先引入一种具有补性质的模糊信息熵,并考虑标记和未标记数据的互相影响,提出一种加权的模糊互信息度量方法,然后结合滑动窗口机制,分别提出基于固定滑动窗口的加权模糊互信息特征选择(Feature Selection with Weighted Fuzzy Mutual Information based on Sliding Window,FS-FMI)和基于动态滑动窗口的加权模糊互信息流特征选择(Streaming Feature Selection with Weighted Fuzzy Mutual Information based on Dynamic Sliding Window,SFS-FMI-DSW)两种算法.实验结果表明,SFS-FMI-DSW算法更加有效,统计假设进一步说明了算法的有效性.(本文来源于《南京大学学报(自然科学)》期刊2018年05期）
胡敏,张柯柯,王晓华,任福继[5]（2018）在《结合滑动窗口动态时间规整和CNN的视频人脸表情识别》一文中研究指出目的相比静态表情图片,视频序列中蕴含更多的情感信息,视频序列中的具有明显表情的序列在特征提取与识别中具有关键作用,但是视频中同时存在的中性表情也可能会对模型参数的训练造成干扰,影响最终的判别。为了减少这种干扰带来的误差,本文对动态时间规整算法进行改进,提出一种滑动窗口动态时间规整算法(SWDTW)来自动选取视频中表情表现明显的图片序列;同时,为了解决人脸图像受环境光照因素影响较大和传统特征提取过程中存在过多人为干预的问题,构建一种基于深度卷积神经网络的人脸视频序列处理方法。方法首先截取表情视频中人脸正面帧,用梯度方向直方图特征计算代价矩阵,并在代价矩阵上增加滑动窗口机制,计算所有滑动窗口的平均距离;然后通过平均距离最小值选取全局最优表情序列;最后采用深度卷积神经网络对规整后的人脸表情图像序列进行无监督学习和面部表情分类,统计视频序列图像分类概率和,进而得出视频序列的表情类别。结果在CK+与MMI数据库上进行5次交叉实验,分别取得了92.54%和74.67%的平均识别率,与随机选取视频序列相比,分别提高了19.86%和22.24%;此外,与目前一些优秀的视频表情识别方法相比,也表现出了优越性。结论本文提出的SWDTW不仅有效地实现了表情序列的选取,而且增强了卷积神经网络在视频面部表情分类中的鲁棒性,提高了视频人脸表情分析的自适应性度和识别率。(本文来源于《中国图象图形学报》期刊2018年08期）
董丽梅,左渝,黄龙[6]（2017）在《基于动态滑动窗口BP神经网络的水文流量预测》一文中研究指出水文流量数据中不同季度和月份的时序和周期性特点不同,而现有的滑动窗口方法基本采用固定大小窗口,且选择随机、误差大。为了反映水文流量数据中不同月份的时序和周期性的不同特点,提出了动态滑动窗口的方法。该方法中对不同的月份使用动态窗口产生多个数据集,并进行BP神经网络学习,以选择最优窗口,最后利用最优窗口数据集进行验证。以朱沱水文站为例的流量预测数据与实测数据的比较结果表明,基于动态滑动窗口BP神经网络水文流量预测方法比固定窗口BP神经网络的预测方法的预测精度更高。(本文来源于《水利水电快报》期刊2017年06期）
乔锦燃,李昂[7]（2017）在《基于滑动窗口和动态阈值的ATM机故障预警系统》一文中研究指出就ATM系统的运行状态异常和故障分析进行探讨。利用滑动窗口的分区域分析方法和动态阈值的筛选手段,筛选成交量、交易成功率、响应时间叁项指标在时间序列下分布的异常值,通过综合评价手段分析异常点的性质和故障类型。在该交易系统的应用可用性异常情况下可做到及时报警,尽量减少虚警误报,使得ATM机的整体工作效率有所提高。(本文来源于《工业技术创新》期刊2017年03期）
岳晓宁,丁宇[8]（2017）在《基于复合滑动窗口数据流动态离散度加权算法》一文中研究指出采取实时迭代方式,提出了基于数据流复合滑动窗口模式下动态统计量加权算法.该算法保留了数据流历史数据特征信息,解决了由于数据流长度无界而无法存储全部数据问题,并提高了存储空间有效利用率.通过引入动态统计量,尝试性探索由于抽样理论使得传统统计学不适用于大数据领域的解决思路.算法实验结果表明该算法具有较好性能.(本文来源于《沈阳大学学报(自然科学版)》期刊2017年01期）
马洒洒[9]（2017）在《基于滑动窗口技术的脑网络动态特征矩阵构建方法研究》一文中研究指出近年来,复杂网络理论、图论、计算机技术、生物科学技术及脑成像技术的快速发展,极大的推动了脑网络研究的进程,越来越多的科学工作者们致力于寻找和发现脑网络的结构、功能演变规律。通过对基于核磁共振技术的脑成像数据进行分析来构建脑网络并揭示大脑的运作机制,已经成为脑科学研究领域关注的重点。目前对脑网络的研究主要集中在静态特性研究,研究人员一般对一段时间内的脑成像数据信号进行均值化处理后再对脑区特性展开结构性、功能性或效应性的分析。实际上,大脑本身是一个随时在运行着的系统,基于核磁共振技术得到的大脑信号也是实时更新而且不断变化的,因此对人脑动态特性展开研究具有重要意义。本文针对人脑实时变化的特性,为了更好的观测和描述人脑网络的动态特征,提出了一种基于滑动窗口技术的动态特性分析方法来构建全脑动态特征矩阵,从而实现了对人脑动态特征的提取和描述。该方法利用滑动窗口技术的即时更新能力,首先把静息态功能磁共振成像数据采集区间上的血氧水平依赖信号由大时间窗口序列分解重构为每个采样点上的小时间窗口序列,从而构建连续时间点上的状态观测窗口;接着针对脑网络的分布性和活动并发性特征,将同步多维数据流的相关性分析算法应用于状态观测窗口内的数据分析,并构建得到了单状态观测矩阵;最后对全脑特征进行提取,构建得到了在整个数据采集区间上的全脑动态特征矩阵。该方法可以有效地将不同脑区的瞬时时间信号重组,并以特征矩阵的形式表现出来,从而得到全脑网络的动态特征。实验结果验证了该方法的可行性和适用性,为人脑网络动态特性的观测和描述提供了一定的理论基础。(本文来源于《昆明理工大学》期刊2017-03-01）
俞露,高阳,史颖欢[10]（2016）在《基于滑动窗口均值先验的非同构动态贝叶斯网络转换点检测算法》一文中研究指出为了放宽动态贝叶斯网络中的同构假设,提出非同构贝叶斯网络.基于此种情况,文中提出结合先验知识的可逆跳转的马尔可夫链蒙特卡洛算法(APK-RJ-MCMC).算法基本假设为如果一个时间点左右窗口中数据均值间的欧氏距离越大,则这个时间点作为转换点的可能性越高.基于上述假设,可得到关于每个时间点作为转换点可能性的粗略估计,将其作为先验知识调控可逆跳转的马尔可夫蒙特卡洛采样技术(RJ-MCMC)采样转换点时的生成、消除、转换动作的提议概率之比,进而调节状态跳转时的接受概率.在人工数据集和基因数据集上的实验表明,相比其它算法,APK-RJ-MCMC在转换点检测上具有更高的检测后验概率.(本文来源于《模式识别与人工智能》期刊2016年08期）
动态滑动窗口论文开题报告范文
（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：
为了解决余弦相似度算法进行数据清洗时重复与相似的数据会使计算量呈几何级增长的问题,提出了基于N-Gram和动态滑动窗口的改进余弦相似度算法.首先通过计算每条数据的N-Gram值,并对数据进行相似度排序,然后定义初始滑动窗口,其窗口值根据N-Gram值的方差动态调整,最后在每个窗口中根据相似度与阀值判断相似数据.实验结果表明,改进的余弦相似度算法在运行速度上有大幅度提高,数据清洗准确率也得到提升,且该算法适用于海量数据的情形.
（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。
动态滑动窗口论文参考文献
[1].徐敏,丁友东,于冰,张倩倩,李畅.基于双层滑动窗口的SBD算法和聚类的动态KFE算法[J].现代电影技术.2019
[2].张洪,钟凯迪,柴源,魏济,吴艳.基于N-Gram和动态滑动窗口的改进余弦相似度算法研究[J].成都大学学报(自然科学版).2019
[3].杨世强,罗晓宇,乔丹,柳培蕾,李德信.基于滑动窗口和动态规划的连续动作分割与识别[J].计算机应用.2019
[4].程玉胜,李雨,王一宾,陈飞.动态滑动窗口加权互信息流特征选择[J].南京大学学报(自然科学).2018
[5].胡敏,张柯柯,王晓华,任福继.结合滑动窗口动态时间规整和CNN的视频人脸表情识别[J].中国图象图形学报.2018
[6].董丽梅,左渝,黄龙.基于动态滑动窗口BP神经网络的水文流量预测[J].水利水电快报.2017
[7].乔锦燃,李昂.基于滑动窗口和动态阈值的ATM机故障预警系统[J].工业技术创新.2017
[8].岳晓宁,丁宇.基于复合滑动窗口数据流动态离散度加权算法[J].沈阳大学学报(自然科学版).2017
[9].马洒洒.基于滑动窗口技术的脑网络动态特征矩阵构建方法研究[D].昆明理工大学.2017
[10].俞露,高阳,史颖欢.基于滑动窗口均值先验的非同构动态贝叶斯网络转换点检测算法[J].模式识别与人工智能.2016