导读:本文包含了多尺度均值论文开题报告文献综述、选题提纲参考文献，主要关键词:尺度,均值,分解,局部,模态,特征,邻域。
多尺度均值论文文献综述写法
杨大为,赵永东,冯辅周,江鹏程,丁闯[1]（2018）在《基于参数优化变分模态分解和多尺度熵偏均值的行星变速箱故障特征提取》一文中研究指出针对某型装甲车辆行星变速箱行星轮故障特征难以提取的问题,提出了结合参数优化变分模态分解(VMD)和多尺度熵偏均值的故障特征提取方法。为克服VMD算法参数选取依赖经验的弊端,采用粒子群优化算法对VMD参数进行优化。使用参数优化后的VMD算法对信号进行分解,并依据互信息选取有效分量对信号进行重构。多尺度熵能反映信号在多尺度下的复杂度,偏均值可以反映多尺度熵的均值和变化趋势。采用基于多尺度熵的综合指标多尺度偏均值,以全面反映振动信号在多尺度下的特性,用于衡量行星变速箱运行状态,从而进行故障特征提取。行星变速箱实验数据处理结果表明,新方法可以更加有效的提取行星变速箱故障。(本文来源于《兵工学报》期刊2018年09期）
孟宗,赵东方,李晶,熊景鸣,刘爽[2]（2018）在《基于局部均值分解多尺度模糊熵和灰色相似关联度的滚动轴承故障诊断》一文中研究指出提出了一种基于局部均值分解多尺度模糊熵和灰色相似关联度相结合的滚动轴承故障诊断方法。该方法将故障信号自适应地分解为若干乘积函数,并从中选取包含主要故障信息的PF分量计算多尺度模糊熵作为特征向量,通过计算待识别样本与标准故障模式的灰色相似关联度,对滚动轴承故障类型和损伤程度进行判断。将该方法与LMD模糊熵和灰色相似关联度相结合的方法进行了对比,实验表明,基于LMD多尺度模糊熵和灰色相似关联度的滚动轴承故障诊断方法,能够有效地识别滚动轴承运行状态,实现对滚动轴承的故障诊断。(本文来源于《计量学报》期刊2018年02期）
郑近德,代俊习,朱小龙,潘海洋,潘紫微[3]（2018）在《基于插值多尺度熵与模糊C-均值的滚动轴承故障诊断》一文中研究指出多尺度熵是一种有效的衡量时间序列复杂性的方法。为了克服多尺度熵粗粒化过程遗漏特征信息的问题,提出了一种基于叁次样条插值时间序列的插值多尺度熵算法。该方法首先通过叁次样条插值时间序列代替原粗粒化过程,再计算各个尺度下的样本熵。通过分析仿真信号将提出的方法与原多尺度熵方法进行对比,结果表明了方法的有效性和优越性。在此基础上,提出一种基于插值多尺度熵与模糊C-均值的滚动轴承故障诊断方法。最后,将提出的故障诊断方法应用于滚动轴承的试验数据分析。结果表明,所提出的方法比基于MSE的故障诊断方法识别率更高。(本文来源于《噪声与振动控制》期刊2018年01期）
邹晓红,张轶勃,孙延贞[4]（2018）在《基于局部均值分解和多尺度熵的运动想象脑电信号特征提取方法》一文中研究指出研究了脑电信号特征的提取。考虑到传统的脑电信号特征提取方法不能够很好地刻画脑电信号特征,因而会给不同意识任务下运动想象脑电信号的分类带来困难,该研究提出了一种基于局部均值分解(LMD)和多尺度熵(MSE)的脑电信号特征提取方法。该方法首先把脑电信号自适应地分解为一系列具有物理意义的乘积函数(PF)分量;然后选取有效的PF分量并计算多尺度熵,将多尺度熵组成特征向量;最后将其作为支持向量机(SVM)的输入来对脑电信号进行分类识别。实验表明该方法能够有效地提取脑电信号的特征,从而验证了该方法的有效性和可行性。(本文来源于《高技术通讯》期刊2018年01期）
丁云,张生伟,李国强,马军勇,张春景[5]（2018）在《基于邻域局部最大均值与多尺度形态学滤波的弱小红外目标检测算法》一文中研究指出根据弱小目标的成像特性,提出了基于邻域局部最大均值与多尺度形态学滤波的目标检测算法。通过滑动窗口判断图像中心是否为最大值,若是,则用中心点四邻域的两个方向的最大均值替代中心点;否则,计算其四邻域方向极大二值的梯度,根据加权系数计算赋给中心点。遍历整幅图像,用来消除噪声和改善初始图像的信噪比。然后,再对图像进行多尺度的形态学滤波,可以有效地估计背景并将背景从原始图像中移出。改进的自适应分割方法计算阈值之后,从候选点中来提取目标。对序列图像采取多帧关联处理,可以进一步降低虚警率。实验结果表明,该算法易于实现,能提高检出概率,较好并完整地检测出目标,且降低虚警率。(本文来源于《电光与控制》期刊2018年09期）
刘爽,刘冬雁,孙杨,殷自强,康雪宁[6]（2017）在《太阳黑子相对数平滑月均值多尺度周期分析》一文中研究指出集合经验模态分解(Ensemble Empirical Mode Description,EEMD)方法是一种有效提取非线性非平稳时间序列周期的方法。本文采用EEMD及功率谱分析方法对最近267年的太阳黑子相对数平滑月均值记录进行分析,捕捉到了约5~6a、约11a、约22a、约45~55a、约100a和约200a等准周期及其振幅变化过程,其中,约11a周期贡献最大,约45~55a周期及约100a周期次之,其它短周期贡献不容忽视。(本文来源于《中国海洋大学学报(自然科学版)》期刊2017年S1期）
夏平,任强,吴涛,雷帮军[7]（2017）在《融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割》一文中研究指出声纳图像成像质量差、特征信息弱,目标分割存在一定困难,为此提出一种融合多尺度统计信息的模糊C均值(FCM)聚类与Markov随机场(MRF)的小波域声纳图像分割算法。小波域中低频信息统计特性描述了低频不同区域像素聚类情况,高频信息反映了该方向纹理特征,依据低频子带的统计峰值选取FCM初始聚类中心,应用小波域FCM聚类算法对声纳图像进行预分割,抑制噪声的影响,提高了预分割的准确性;构建初分割后图像的多尺度MRF模型,尺度间节点标记的相关性采用1阶Markov性表征,尺度内构建2阶邻域系统描述系数间的标记联系,标记场采用双点多级逻辑模型建模,同一标记的系数特征场采用高斯模型建模,弥补了MRF算法中层次信息和轮廓信息描述的不足;应用迭代条件模型算法求其最小能量下的标记场,实现声纳图像分割。从视觉主观效果和客观评价指标两方面的实验结果验证表明,该算法分割声纳图像均优于FCM聚类算法和MRF算法,分割的声纳图像边缘与细节的清晰度、精细度均有一定程度改善。(本文来源于《兵工学报》期刊2017年05期）
刘哲,黄世奇,姜杰[8]（2017）在《基于多尺度自相似性和非局部均值的单幅图像超分辨率方法》一文中研究指出提出了一种基于多尺度局部自相似性和非局部均值的单幅图像超分辨率算法,该算法不依赖于外界图像,仅仅在原始图像的局部子窗口中搜索目标图像块的相似子块,利用非局部均值算法对相似子块进行加权求和来估计待复原图像,然后在复原图像上迭加最相似子块的高频细节图像,获得高分辨率图像。实验结果表明,本文算法不仅能很好地重构图像的高频细节,还能很好地恢复图像的纹理特征。(本文来源于《红外技术》期刊2017年04期）
姜万录,董克岩,朱勇,王浩楠[9]（2016）在《基于多尺度熵偏均值的液压泵故障特征识别》一文中研究指出针对不同故障类型下的液压泵振动信号具有不同复杂性的特点,将多尺度熵引入到液压泵故障识别中。多尺度熵是在样本熵的基础上通过引入尺度因子,从而能够分析信号在不同尺度因子下的复杂性。在多尺度熵的基础上定义一个同时考虑多尺度熵熵值大小和熵值变化趋势的指标——多尺度熵偏均值(PMMSE),该指标定量地刻画故障信号的复杂性。将该指标用于液压泵的故障识别中。通过对液压泵4种不同运行状态的实测振动信号进行分析,结果表明PMMSE能够很好地区分出液压泵的不同故障类型,验证了该指标在故障特征提取中的有效性。(本文来源于《液压与气动》期刊2016年07期）
陈思汉,余建波[10]（2015）在《基于二维局部均值分解的图像多尺度分析处理》一文中研究指出在图像多尺度分析时,为了对后续的图像处理提供高质量的特征输入,在一维局部均值分解算法基础上提出一种二维局部均值分解算法.首先采用优化的8-邻域算子求取图像中的局部极值点;然后针对鞍点对求解局部相邻极值点时的影响,提出一种基于自适应窗口的搜寻方法,以控制局部相邻极值点数求取局部相邻极值点,进而得到平滑的包络估计函数和局部均值函数;最后依据包络估计函数和局部均值函数,通过迭代寻优得到相应的乘积函数将图像分解成不同尺度下的成分.在人工合成图像与典型图像的多尺度分析处理结果表明,该算法可行有效;与二维经验模态分解算法的比较结果表明,该算法具有更快的速度和更好的处理效果;并对该算法中的重要参数进行了敏感性分析,验证了算法具有较好的鲁棒性,给出了比较合理的参数取值范围.(本文来源于《计算机辅助设计与图形学学报》期刊2015年10期）
多尺度均值论文开题报告范文
（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：
提出了一种基于局部均值分解多尺度模糊熵和灰色相似关联度相结合的滚动轴承故障诊断方法。该方法将故障信号自适应地分解为若干乘积函数,并从中选取包含主要故障信息的PF分量计算多尺度模糊熵作为特征向量,通过计算待识别样本与标准故障模式的灰色相似关联度,对滚动轴承故障类型和损伤程度进行判断。将该方法与LMD模糊熵和灰色相似关联度相结合的方法进行了对比,实验表明,基于LMD多尺度模糊熵和灰色相似关联度的滚动轴承故障诊断方法,能够有效地识别滚动轴承运行状态,实现对滚动轴承的故障诊断。
（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。
多尺度均值论文参考文献
[1].杨大为,赵永东,冯辅周,江鹏程,丁闯.基于参数优化变分模态分解和多尺度熵偏均值的行星变速箱故障特征提取[J].兵工学报.2018
[2].孟宗,赵东方,李晶,熊景鸣,刘爽.基于局部均值分解多尺度模糊熵和灰色相似关联度的滚动轴承故障诊断[J].计量学报.2018
[3].郑近德,代俊习,朱小龙,潘海洋,潘紫微.基于插值多尺度熵与模糊C-均值的滚动轴承故障诊断[J].噪声与振动控制.2018
[4].邹晓红,张轶勃,孙延贞.基于局部均值分解和多尺度熵的运动想象脑电信号特征提取方法[J].高技术通讯.2018
[5].丁云,张生伟,李国强,马军勇,张春景.基于邻域局部最大均值与多尺度形态学滤波的弱小红外目标检测算法[J].电光与控制.2018
[6].刘爽,刘冬雁,孙杨,殷自强,康雪宁.太阳黑子相对数平滑月均值多尺度周期分析[J].中国海洋大学学报(自然科学版).2017
[7].夏平,任强,吴涛,雷帮军.融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割[J].兵工学报.2017
[8].刘哲,黄世奇,姜杰.基于多尺度自相似性和非局部均值的单幅图像超分辨率方法[J].红外技术.2017
[9].姜万录,董克岩,朱勇,王浩楠.基于多尺度熵偏均值的液压泵故障特征识别[J].液压与气动.2016
[10].陈思汉,余建波.基于二维局部均值分解的图像多尺度分析处理[J].计算机辅助设计与图形学学报.2015