一、如何设定恰当的分辨率?(论文文献综述)
侯小刚[1](2021)在《传统文化图案分割关键技术研究》文中指出传统文化图案广泛存在于文物古迹、洞窟壁画、艺术作品以及各民族建筑、服饰和家居装饰之中,是中华优秀传统文化的重要载体。随着传统文化被受重视,科技与文化融合发展已成为目前研究热点。如何利用图像分割理论与方法,实现对传统文化图案中具有不同文化寓意的子图纹样的分割提取,可为后续传统文化图案用于文化基因解读、文化时空演变分析、文化传承保护以及文化附加值产品设计等领域的应用研究提供技术支持。图像分割作为计算机视觉领域基础性和极具挑战性的任务之一,一直以来受到研究者的普遍关注。随着技术的发展,人们对分割任务提出了更高要求。近年来,基于深度学习的分割算法虽然在自然图像上取得了显着的分割结果,但在难以获得足够训练样本的传统文化图案上分割效果不理想。本文在现有基础与条件下,围绕传统文化图案分割任务中要求保持子图纹样边缘原真性快速分割、复杂内容图案全局自适应分割、不同子图纹样寓意完整性分割等具体目标,针对传统文化图案分割任务中需要解决的关键技术展开研究。本文的研究内容、创新点及研究成果描述如下。(1)基于超像素多特征融合的传统文化图案快速分割方法研究。针对高分辨率传统文化图案中模糊边缘的子图纹样需要保持子图纹样边缘原真性的快速分割的要求,本文研究提出了一种基于超像素多特征融合的传统文化图案快速分割方法。所提算法通过设计基于超像素HOG(Histogram of Oriented Gradient)特征的多特征融合量化表达算法,提高了对子图纹样模糊边界信息的获取能力,保证了分割子图纹样边缘的原真性。所提算法通过把待分割图案转换为超像素级图模型,有效地提高了基于图割理论算法对高分辨率传统文化图案的分割效率。(2)基于SLEGM的传统文化图案自适应分割方法研究。为了实现对复杂内容的传统文化图案进行有效的特征量化表达,以满足对其中的子图纹样兼顾全局信息自适应分割要求,本文研究提出了一种基于SLEGM的传统文化图案自适应分割算法。所提算法通过设计基于超像素Log-Euclidean高斯度量(Superpixel Log-Euclidean Gaussian Metric,SLEGM)的特征量化表达算法,实现了将在欧式空间中进行的特征量化表达转换到流形中进行,达到了对待分割目标特征更有效地量化表达。由于高斯样本协方差矩阵分布空间不是一个线性空间而是一个黎曼流形,本文通过定义矩阵对数运算将黎曼流形映射到一个线性空间,降低了 SLEGM计算的复杂性。所提算法通过提出一种具有全局属性的改进谱聚类分割算法,实现了对基于SLEGM特征量化表达形成的超像素稀疏邻接矩阵聚类中心数目的自适应决策,在一定程度上降低了过分割。(3)保持区域一致性的传统文化图案多尺度分割方法研究。为了尽可能多地分割出传统文化图案中具有不同寓意的子图纹样,以满足对传统文化图案寓意完整性分割的要求,本文研究提出了一种能够保持分割区域一致性的传统文化图案多尺度分割算法。所提算法研究提出了一种收缩与融合迭代优化的分割方法,实现了对传统文化图案保持目标连续性的区域划分,从而完成了对待分割图案基于形状空间的层次结构的构建。算法研究提出了基于因果原则的显着性目标选择和基于形态学的目标层级提取技术,实现了对层次结构的分支调整操作。算法研究提出了基于尺度标记的层级结构调整切分和尺度缩放优化技术,实现了对层次结构的层级调整操作。在以上区域划分与层次调整基础上,最终一定程度实现了对传统文化图案中表示不同寓意的子图纹样保持区域一致性的多尺度层次分割。本文仅围绕传统文化图案分割的具体目标,针对传统文化图案分割任务中需要解决的关键技术展开研究,提出了相应的解决算法模型。所提算法在本文中华文化图案资源库PatternNet和公共数据集BSDS500上与最新且最经典同类别算法进行了实验对比,实验结果验证了所提算法的有效性。所提算法对传统文化图案的分割取得了较好分割性能,其结果更加符合实际需求和接近人类主观认知。
陈雄[2](2020)在《提升傅里叶叠层显微成像质量的研究》文中认为分辨率和视场是光学成像系统中一对难以调和的矛盾,因此显微镜的信息通量通常在百万像素级,在数字病理成像、血液涂片成像等应用中不能满足(波长级分辨率和10mm大视场)使用要求。现有的数字病理系统只能使用小视场的高倍分辨物镜与视场的机械扫描系统结合然后通过图像拼接来满足高分辨和大视场的要求,其结构复杂、价格昂贵。傅里叶叠层显微术(Fourier ptychographic microscopy,FPM)将普通显微镜的钨丝灯或卤素灯光源替换为一个LED阵列光源,使用大视场的低分辨物镜采集一系列不同照明角度的显微图像,这些图像分别对应样品频谱的不同子区域,可以通过频谱拼接来扩展样品图像的频谱范围,用傅里叶叠层重建出高分辨率振幅和相位图像,能实现亚波长分辨率和11mm的大视场,形成十亿像素级的信息通量,满足数字病理成像要求,另外其中的相位图像还能用于未染色样品的成像,扩展了生物显微成像的功能,此外还有光学系统像差校正等应用。同时FPM的光学结构简单,价格低廉,具有极大的发展前景。但是,FPM技术目前还不成熟,不同角度LED的光照度不同、大角度采集图像的信噪比低、传递函数简化误差、收敛错误导致颜色误差等问题降低了FPM的图像质量,图像识别率还达不到应用要求。本文针对这些问题,开展了以下研究内容:首先,设计并搭建了一套FPM成像实验验证系统,使用225个LED分别照明成像,理论上能重建出波长级分辨率的图像,可以很容易推论如果使用更多LED时将可获得更高的分辨率。实验中看到当照明角度大于物镜孔径角时采集到的图像变为信噪比较低的暗场图像,依据现有报道的解决方案统一延长了暗场图像的相机曝光时间,但在实验中发现分辨率板的重建图像在高分辨率区存在“空心化”的失真问题。通过傅里叶变换三角函数波的叠加分析得出,该问题源于高频信息权重过大,而FPM的高频信息对应照明角度较大的暗场图像,即暗场图像曝光时间过长,说明一刀切地延长所有暗场曝光时间的解决方案过于粗糙,须按实际系统定量化作出修正。实验中对于不同角度斜照明的LED在样品面上的光照度进行了严格分析,得出光照度与照明角度α的变化函数Iα=I0cos8α及其对重建图像质量的影响:高频分量减小,图像细节部分模糊。据此提出了定量化的曝光时间补偿曲线Tα=T0/cos8α,准确增加斜照明时相机曝光时间来补偿降低的光照度,有效解决了精细结构中的“空心化”问题,显着提升重建图像的细节辨识力。第二,虽然“空心化”得到了解决,重建图像能够达到波长级分辨率,但由于相对降低了暗场图像曝光时间使图像噪声更为突出,虽然叠层重建后图像噪声点有所抑制,但仍会导致图像细致结构的辨识失误。现有的几种去噪算法难以应对这种高水平的噪声且计算效率低。为此提出了一个两步走的去噪算法:首先寻找含有噪声的像素点,即利用一次FPM重建的图像,将其降阶为采集图像的坐标系,降阶的重建图像由于傅里叶叠层算法滤除了部分噪声,然后与实际采集图像相减得到一个对应像素阵列的灰度差分矩阵,矩阵中各像素灰度值即认为是所采集图像中该点的噪声值,从而找到每个噪声的位置及噪声值;下一步是依据差分矩阵生成一个同样大小的权重矩阵,使采集图像中噪声值较大的像素点在重建过程中权重较小,而噪声值较小的点在重建过程中权重较大,从而达到去噪效果。经数值模拟,将差分矩阵中的灰度值分为4档,依次为强、中、中下、弱,对应这4挡数值为差分矩阵重新赋值为(0.2/0.4/0.6/0.8)的阶梯型数值,从而生成权重矩阵,将权重矩阵施加到所采集的图像上,看到噪声被大幅抑制。将该算法命名为稀疏采样去噪算法,在模拟和实验的噪声数据集上与现有去噪算法作了比较,对于方差为0.006的高斯噪声,能使重建图像的均方误差由0.0024进一步减小到0.0018、结构相似度由0.53提升为0.64,优于其它去噪算法,同时该算法拥有最快的运算速度,仅增加约15%的运算量。第三,针对LED照明的FPM系统成像模型进行了分析,通常人们把孔径处频域传递函数简化为孔径内部透过率为1、外部透过率为0的平面函数,等效于相干传递函数,用作重建过程中的频域约束。然而,LED并非相干光源,这种简化会使得重建图像中引入虚假的斑点,降低识别效果。通过时间和空间相干性分析,证明了FPM为部分相干光源系统。进而分析了部分相干和相干光源照明下相机上的成像结果,发现相干光照明下的采集图像存在强烈的衍射波纹即所谓的振铃效应,而部分相干系统则受影响较小。受启发于光学成像中去除振铃效应的切趾法,提出用切趾的相干传递函数作为重建算法中的频域约束,很好地消除了重建图像中的虚假斑点。最后,对彩色FPM图像重建中图像颜色误差大和速度慢的问题,根据图像重建过程中仅需输入强度的特点,提出基于HSI模型的彩色FPM图像重建方法,该方法先将RGB彩色图像变换到HSI模型,仅重建彩色图像中的I(强度)分量,并用保留的H和S分量为重建结果“上色”。与其它彩色图像重建方法比较,该方法很好地保留了采集图像中的色彩,不会使色彩失真;且可同时使用RGB三色光照明而一次性采集全彩图像,使图像采集时间和重建时间都减少到传统方法的1/3。本论文围绕FPM重建图像的质量,解决了细节空心化、暗场噪声、相干传函模型造成的虚假斑点和彩色重建图像颜色误差大速度慢等关键问题,对FPM技术的临床应用具有重要的推动和指导意义。
付勇勇[3](2020)在《近岸海水养殖区域遥感提取关键技术与空间分布特征研究》文中研究说明在市场需求增加、养殖技术进步和政策方针推动的背景下,我国近岸海水养殖产业发展迅速,总产量居世界首位,在保障粮食安全和促进经济发展方面发挥了重要作用。然而,快速、无序的扩张模式是导致我国近岸海域污染严重,养殖病害及生态灾害频发的原因之一。准确、快速地掌握我国近岸海水养殖的数量和空间分布特征,对优化养殖空间布局,促进近岸海域资源合理利用和生态环境保护具有重要意义。遥感数据产品的日益丰富,特别是中、高分辨率卫星数据,为近岸海水养殖的准确提取及监测提供了可能。本研究针对中、高分辨率遥感影像中近岸海水养殖特点,提出了不同研究尺度下近岸海水养殖区域提取方法,并对我国近岸海水养殖的空间分布特征展开了研究。主要研究内容及结论如下:(1)基于高分辨率遥感影像和面向对象分类方法,通过构建多尺度层次体系并引入邻域空间上下文信息,建立了适合局部尺度近岸海水养殖重点区域的提取方法和流程。在面向对象分割分类过程中,首先使用SEa TH算法对陆地区域进行掩膜处理。在选择分割尺度时,以局部方差变化峰值作为分割效果的评价指标,从而确定高分影像中不同类型近岸海水养殖的最佳分割尺度,得以快速构建多尺度层次体系。针对养殖区域与邻域海水具有显着光谱差异的特点,引入基于邻域的空间上下文信息,结合特征空间筛选和最近邻分类方法进行分类。精度评价结果表明,近岸海水养殖区域的F1(F1 Score)均值优于94%。通过与不同提取算法进行对比,可以发现本研究中所采用的多尺度层次体系和基于邻域的空间上下文信息能够显着提高分类精度,在局部尺度样本量较少的条件下,可以满足养殖区域的高精度提取需求。(2)基于高分辨率遥感影像和全卷积神经网络,提出了适合区域尺度近岸海水养殖区域高精度、快速提取的层级级联模型(HCNet),构建了一种端到端的(end-to-end)模型训练和分类方法。在HCNet中,首先使用编码器网络(基于VGG-16网络模型)将输入图像转换为高维抽象的特征图。基于编码器输出结果,本研究将空洞卷积层以层级级联的形式相连接,其中空洞卷积层的扩张率逐层增加,以此获得了包含局部到全局一系列空间上下文信息的多尺度特征图。在解码器中,结合浅层高分辨率特征图和注意力机制对特征进行优化,之后使用Softmax分类器进行分类。精度评价结果表明,基于HCNet的近岸海水养殖区域F1均值高于95%。通过与不同提取算法对比,可以发现HCNet中的多种模型结构能够有效提高养殖区域提取精度,分类精度随着训练样本的增加提升明显,为区域尺度近岸海水养殖区域信息快速、准确、智能化解译提供了重要参考。(3)基于中等分辨率遥感影像和全卷积神经网络,构建了适宜全国尺度近岸海水养殖信息提取的均质层级级联网络模型和分类框架,以快速、准确地了解我国近岸海水养殖状况。基于已有的网络模型方法难以实现近岸海水养殖区域的准确提取,原因在于中等分辨率影像数据中近岸海水养殖区域所占像元数量较少,在网络模型中经过多次池化运算后特征信息损失严重,导致分类精度较低。因此,本研究提出综合均质网络模型和轻质层级级联结构,在保持特征原始分辨率的基础上结合多尺度信息,进而实现中分辨率影像中近岸海水养殖区域的准确提取。精度评价结果表明,基于均质层级级联网络模型的近岸海水养殖区域F1均值达到76.3%。与其他提取方法相比,基于均质层级级联网络模型的分类结果能够保留更多细节信息,可以更加有效地提取全国尺度近岸海水养殖区域的空间分布信息。(4)基于遥感影像获取的养殖类型及其分布信息,对我国近岸海水养殖的空间分布特征进行了研究。本研究从近岸海水养殖区域面积及其构成入手,采用探索性空间分析方法,如空间自相关分析(莫兰指数)、核密度估算以及热点分析等,结合景观格局指数,对我国不同地区、不同类型、不同养殖模式的近岸海水养殖区域空间分布特征进行研究和分析。结果表明:1)我国近岸海水养殖总面积约为1103.67平方千米,其中海洋植物养殖区域约占总面积的87%。基于行政区(省级)统计结果,近岸海水养殖总面积呈现出高中低三个级别:其中福建、山东、辽宁养殖总面积最高,均在100 km2以上。江苏和广西次之,其养殖总面积在50-100 km2之间。浙江和广东的近岸海水养殖总面积均不足50 km2,在各养殖省份中位于较低水平;2)从近岸海水养殖空间分布形态上来看,我国近岸海水养殖密度具有较大的空间差异性:整体而言,我国辽宁南部,山东东部,福建北部和南部,以及广西南部沿海区域养殖活动最为密集,而渤海湾、浙江、广东以及海南的养殖密度较低。就不同养殖类型而言,海洋动物养殖主要分布在广西、福建、广东、江苏等我国南部沿海海域,而海洋植物养殖主要分布于福建、山东、辽宁等我国北部沿海海域;3)此外,养殖模式的地域差异明显:广西钦州湾和福建三都岛地区海洋动物养殖数目多,并且养殖面积普遍较大,形成了较大规模的养殖区域。而福建、广东中部海湾地区多为小面积养殖区的聚集地。就海洋植物养殖而言,高密度的大面积养殖区主要位于福建宁德市、山东荣成市和威海市、以及辽宁的长海县,而小面积的养殖区主要位于福建、广东中部和广西沿海等地。
姜斌[4](2020)在《感知模型驱动的特定场景图像质量评价方法研究》文中研究说明随着图像采集手段的不断拓展和终端显示设备性能的不断提升,复杂应用场景下的重定向图像、去雾图像和立体图像等不同类型图像研究受到更多关注。然而,图像在数据采集、传输、显示过程中不可避免地受到复杂外部环境的影响,造成质量下降,直接降低用户体验感或间接干扰其他图像处理算法。因此,对特定场景图像质量做出准确客观评价成为计算机视觉领域的重要课题。另外,基于视觉感知建立不同计算模型对于特定需求场景的图像质量评价问题起到关键作用,在此背景下,本文研究感知模型驱动的特定场景图像质量评价问题。第一,本文建立一种基于映射感知模型的重定向图像质量客观评价方法,以完成用户终端设备图像分辨率横纵比变化所造成的压缩拉伸图像质量评估问题。具体来说,本方法首先对图像重定向映射过程中较为敏感的几何形状和内容差异进行特征感知提取,使用特征向量表示图像重定向前后过程中的变化。随后,引入栈式自编码器构建感知深度模型进行数据回归,并且较好地减弱了数据量不足造成的过拟合问题,以此提升模型客观评价的准确性。第二,本文提出一种基于均衡感知模型的去雾图像质量客观评价方法,以完成图像去雾结果的整体质量评估问题。在对有雾及模糊环境下拍摄的图像进行清晰化处理过程中,本方法能够提供阈值保障,对数据可用性做出判定。具体来说,本文对去雾图像和有雾图像提取三类不同的均衡特征:正效应特征、中效应特征和负效应特征。进而,使用改进型深度信念网络构建感知深度模型作为去雾图像质量评价方法的回归方式,提升了模型客观评价的表现性能。第三,本文从两个不同角度提出双目感知模型指导下的立体图像质量评价算法。一方面根据双目立体视觉模型,利用人脑对于双目信息和单目信息处理模式的差异进行权重分配。然后,使用平面信息结构相似度对比(IW-SSIM)和立体信息结构相似度对比(SW-SSIM)模型,并推出了客观质量评价方法;另一方面,对立体图像空间域和变换域提取感知特征,配合类脑感知理论指导下的深度信念网络进行模型训练,构建性能良好的立体图像质量评价算法。两个模型分别关注传统的感知比对和新兴的特征感知回归两个方向,从不同角度对感知模型的指导作用做出探索和验证。第四,本文以三个应用实例为载体验证了不同场景图像质量评价算法在实际软硬件系统中的重要作用。其中,重定向图像质量评价应用于图像检索领域,抵消了某些场景下图像分辨率拉伸对于图像检索准确率的影响;去雾图像质量评价方法的应用提升了图像去雾算法的有效性,对于模糊图像清晰化算法的性能提升起到很大作用;立体图像质量评价方法应用于面向视觉障碍群体的视觉辅助设备中,为采集数据的质量判断做出贡献。上述四方面的研究内容围绕不同感知模型驱动的不同特定场景下图像质量评价方法,分别从理论和应用的层面进行了详细展开,并进行有效的实验验证。基于本文的研究内容,创新点可以总结如下:第一,本文深入挖掘人脑视觉信息处理理论与特定场景图像质量评价方法的关联,探索了类脑感知模型在三种不同特定场景图像质量评价中的驱动作用。第二,本文基于映射感知完成重定向图像评价、基于均衡感知完成去雾图像质量评价以及基于双目感知完成立体图像质量评价,并借助深度网络突破了传统算法的数据回归瓶颈。第三,本文通过将图像质量评价模块嵌入到应用实例中,充分验证了特定场景图像质量评价的基础性价值。
朱广豫[5](2020)在《复杂电磁问题分治算法研究》文中指出现如今,电磁仿真已经成为了基础性的科研工具,成为了理论与实践的桥梁。快速精确便捷的求解复杂电磁问题,在科学与工程的各个领域都有着极其广泛的应用。然而,随着科技的飞速发展,电磁问题日益复杂,规模日益增大,现有的电磁计算方法仍然不足以满足科学与工程领域不断增长的需求。电大尺寸、复杂几何结构、复杂材料特性、复杂电磁环境,电磁问题的求解方式亟待发展新生力量,从而更好的应对这些更具挑战性的问题。本课题直面上述挑战,着眼于复杂电大尺寸多尺度电磁问题,重点开展相关分治算法的研究。本文以众多实际应用为大背景,重点着眼于其共性的基础性的层面,发展相应的分治算法。本文力求探究“波动物理”与“分治思想”之间的潜在联系,针对复杂电磁问题的分治算法,在深度和广度方面进行改进与提升,包括:面向复杂目标的计算复杂度、面向电大尺寸的数值稳定性、面向多尺度问题的计算效率、面向实际问题的算法易用性等等。本文的主要贡献概括如下:1.提出了一种面向复杂目标的多向多层快速复空间多极子算法(MDML-FCSMA)。总体上,该算法融合了多层快速多极子算法(MLFMA)和多层矩阵分解算法(MLMDA)的基本思想,将高频射线的物理特性以一种系统的完善的方式真正融入到了MLFMA的算法体系之中。具体的,本文算法对MLFMA的各个关键模块进行了不同程度的泛化。首先,以蕴含蝶形特征的方向性多层结构为框架,以高斯波束转移算子的复坐标延伸为纽带,建立了空域和谱域、电磁量与几何量之间的特定关系,揭示了转移不变量特性。然后,通过将球面插值点与积分点相分离,整个算法采用局部坐标系下球冠区域上的数值积分和全局坐标系下单位球面上的局部插值。最后,获得了“转移驱动型”的算法建立步骤和“方向图局部化”的算法执行步骤。理论分析和数值实验表明,不同于MLFMA,针对一维线状、二维平面、三维实体类型的电大尺寸目标,本文算法均具有稳定的准线性的计算复杂度;同时,本文算法具有良好的误差可控性。2.提出了一种面向电大尺寸的数值稳定的多向多层快速非均匀平面波算法(MDML-FIPWA)。从算法的效果上来看,先前版本的多层快速非均匀平面波算法(ML-FIPWA)在计算电大尺寸目标时会出现不可避免的数值溢出问题,整个算法是数值不稳定的;相比之下,本文提出的方法具有十分良好的数值稳定性,能够十分有效的求解电大尺寸问题。从问题的本质上来看,通过深入分析格林函数展开式的各个组成部分在不同多层结构及其远场条件下的幅度特性,归纳出了对数值稳定性起决定性作用的关键指数因子,阐明了先前的ML-FIPWA出现数值不稳定的根本原因,同时揭示了本文提出的MDML-FIPWA能够维持数值稳定的关键所在。此外,不同于先前的ML-FIPWA,本文提出的方法在应对不同类型几何特征的目标时均具有稳定的准线性的计算复杂度。3.提出了一种基于完全匹配层的多向多层快速同伦多极子算法(MDMLMP-PMLHA)。整个算法以带有完全匹配层(PML)填充的矩形波导为切入点,利用模式表示与射线表示之间的等价转化关系,并借助于方向图函数的插值与外推,最终建立起了“蝶形多极子”类型的快速算法。整个算法的建立不依赖于任何数值积分离散,仅涉及到基本的级数截断与交换求和次序。理论分析和数值实验表明,针对复杂电大尺寸目标,该算法具有稳定的计算复杂度和良好的误差可控性。此外,通过揭示算法中内蕴的模式同伦特性,本文给出了认识多极子类型算法的一种独到的视角。同时,该算法还建立了微波工程领域众多经典模型和经典概念之间一个巧妙而具体的联系。4.提出了一种基于预拆分格林函数的电磁多尺度问题高效分析方法(MS-PSG-FFT-ACA)。具体的,借助于预拆分格林函数的框架,构建了一种同时利用快速傅里叶变换(FFT)和自适应交叉近似(ACA)的混合快速算法。在分析电磁多尺度问题时,相比于此前仅使用FFT进行加速的方法,本文的方法能够在不损失计算效率的前提下维持较低的内存消耗。此外,不同于此前以数值预校正为框架的混合算法构建方案,本文的方法由于受益于解析层面的预拆分,因而可以分别独立的构建辅助笛卡尔网格和八叉树空间分组,相应的,整个算法的建立步骤更加的简单和直接。5.提出了一种复杂电大问题的积分方程黑盒重叠型区域分解方法(IE-ODDM-BB)。具体的,基于“元素与并集”的思想,设计了一种盲几何的区域分解建立方案;同时,引入了一种序列加速收敛方法,极大的提升了算法迭代求解阶段的鲁棒性。不同于先前版本的积分方程重叠型区域分解方法(IE-ODDM),本文的方法只需要用于常规矩量法(Mo M)的不含任何分区信息的基本网格(Mesh),整个算法的建立不依赖于目标的几何建模(CAD)步骤。相应的,本文的区域分解方法可以非常直接的加入现有的电磁仿真软件平台之中。此外,对于普通用户而言,本文的区域分解方法可以在无需用户干预的情况下自动的执行划分与求解。数值实验表明,本文的IE-ODDM-BB-MLFMA能够以显着低于CG-MLFMA(不分区)的内存需求计算典型的复杂电大尺寸电磁散射问题。6.提出了一种基于卡尔德隆预条件组合场积分方程的重叠型区域分解方法(CP-CFIE-ODDM)。先前的积分方程重叠型区域分解(IE-ODDM)系列方法均是基于电磁积分算子“线性组合”的方程而构建;相比之下,本文的方法首次尝试将IE-ODDM方法基于电磁积分算子“非线性组合”的方程而构建。在应对电磁多尺度问题等具有稠密网格的情形时,采用之前的基于组合场积分方程的重叠型区域分解方法(CFIE-ODDM),其子区内迭代会遭遇潜在的慢收敛问题;相比之下,本文的方法能够始终维持十分稳定的内迭代收敛性,整体上具备更好的鲁棒性。7.提出了一种基于纽曼级数和骨架分解的积分逆算子稀疏表示(SR-IIO-NS-SF)。首先,借助于基函数空间分组,进行矩量法(Mo M)阻抗矩阵分裂。然后,基于近场矩阵的准静态特性和固有的稀疏性,构建了不含远场等效面的层级骨架分解,获得了近场逆矩阵的稀疏分解表示形式。最后,以纽曼级数为大框架,联合近场逆矩阵和原始远场矩阵,并同时利用二者的稀疏表示,将整个积分逆算子离散表示为了一系列稀疏矩阵的“加”与“乘”的组合形式。整个稀疏表示独立于入射右端项,具有直接解法的特征。数值实践表明,相比于共轭梯度法(CG)等典型的子空间迭代法,本文算法的求解过程具有更高的计算效率;同时,对于多尺度情形,本文算法具有更强的鲁棒性。本文的算法为电磁领域高频直接解法的进一步研究提供了一种新颖的切入角度。
黄晓地[6](2020)在《面向序列数据异常模式挖掘的集体离群点检测方法研究》文中提出序列数据是指一系列按先后顺序依次采集且顺序之间有特定意义,在分析过程中不可相互颠倒的数据。随着大数据时代的全面来临,互联网、物联网以及计算智能技术得到飞速发展,各类互联传感设备采集和交换的数据量级呈爆炸式增长。序列数据作为最常见的信息采集形式之一,广泛存在于各种业务流程中。例如,机器工作时产生的振动信号,城市交通系统中各类交通媒介的流量,股票市场的价格行情以及临床医学监测的人体生物波等。这些数据尽管在属性、结构以及相互关系上存在显着差异,但均属于具备序列特征的流式数据。作为业务流程的主要信息输出方式,其序列特征的背后往往隐含着系统的特定规律和潜在特性。如何通过分析序列数据,重构所观测系统的动力学行为,挖掘具有管理价值的业务模式,从而对系统进行预测和调控是当前大数据时代迫切需要解决的问题。序列数据的分析研究是一个新兴的交叉学科领域,集成了数据库、概率统计、机器学习、人工智能等多种成熟的理论和工具。针对序列数据显着的时序性、关联性以及高维性等特征,以模式挖掘为主的分析方法近年来十分活跃。根据应用需求,模式挖掘研究可以分为频繁模式挖掘和异常模式挖掘。尽管一般性研究中侧重于发现频繁出现的周期变换模式,但是在某些特定应用场景下,异常业务模式的发现往往具有更大的价值。基于异常模式挖掘分析序列数据的重难点在于面向不同应用领域的挖掘方法不具备普适性,需要针对数据类型和具体任务设计相应的挖掘方法。因此,本文首先基于数据的属性类别将序列数据划分为时间序列数据和空间序列数据;其次,立足于实际应用背景,根据两类序列数据的特征和异常模式挖掘的目标构建相匹配的集体离群点度量规则,将异常模式挖掘问题转换为集体离群点检测问题;最后,设计有针对性的集体离群点检测原理和算法框架,提高异常模式在各类序列数据上的挖掘效率。论文的主要研究工作如下:1.对于具有预标注信息的异常模式挖掘问题,若待测数据具备充足的正常样本标签信息,则异常模式挖掘目标在于从时间序列数据中挖掘与正常模式相似度差异最大的数据模式。对此,本文提出一种基于数据分布拟合识别异常模式特征的集体离群点检测方法。模型中采用多元混合高斯分布拟合序列数据中的集体离群点分布函数,根据最大似然法构建样本数据与待测数据分布特征的相似度度量方法,并设计一种基于不动点迭代的似然方程求解方法。若待测数据具备充足的异常样本标签信息,则异常模式挖掘的目标在于从时间序列数据中挖掘与异常模式相似度差异最小的数据模式。对此,本文提出一种基于层次聚类算法匹配异常模式特征的集体离群点检测方法。模型中首先依据不同的异常度量规则进行分层聚类,再过对比同层聚类簇以及对比上下层聚类簇的簇内信息构建样本数据与待测数据的相似度度量方法,并设计一种基于不动点迭代的改进聚类算法FPKmedoids(Fixed point k-medoids),通过并行处理各聚类簇提高收敛效率。2.对于不具备充足样本标签的异常模式挖掘问题,既无法确定各种模式的边界,也没有清晰的异常模式判断标准。异常模式挖掘的目标在于从时间序列数据中划分出不同模式对应的数据边界,再通过模式间的特征对比识别异常模式。对此,本文提出一种基于模式间转换概率度量异常模式特征的集体离群点检测方法。模型中首先以蚁群算法拟合序列数据中各类业务模式对应的数据边界,其次以各模式对应的信息素浓度构建模式间的转换概率度量,并设计一种基于不动点单纯形法优化初始参数的连续蚁群算法。3.对于空间同质序列数据中异常模式挖掘问题,具有不同空间属性的序列数据用于描述相似的行为属性且这些行为属性旨在表述相同的目标,因此同质序列数据大多由相似的机理生成,具备相似的数据分布和结构。异常模式挖掘的主要思路在于先融合多源序列数据以消除空间属性影响,再按照处理时间序列数据的方式分析融合后的数据。对此,本文以融合多类交通数据预测城市中实时出现的异常交通状态为例,提出一种基于同质序列数据在不同分辨率下融合分析的集体离群点检测方法。模型中首先从交通检测点的单类交通数据,交通检测点的多类交通数据,以及交通枢纽点的交通数据三种分辨率对城市交通信息进行聚类分析,其次通过与整体数据变化趋势进行对比构建表征异常模式的集体离群点度量方法,并设计一种基于“距离-密度-权重”的DDWK-medoids聚类改进算法自适应确定最佳聚类簇数和初始中心点等初始参数。4.对于空间异质序列数据中异常模式挖掘问题,具有不同空间属性的序列数据用于描述同一目标的不同行为属性,但这些行为属性是相互关联的,因此异质序列数据大多源于不同生成机理,在数据类别、结构和分布等方面不尽相同。异常模式挖掘的主要思路在于根据异质序列数据之间的关联关系,对多源序列数据的分析结果进行融合,再根据融合结果挖掘异常模式。对此,本文设计了一种基于自适应权重加权融合异质序列数据的集体离群点检测方法。模型首先以多窗口技术和相关性分析技术确定关联关系,再通过双层粒子群框架自适应确定各类异质序列数据对结果以及相互之间的影响权重,将基于权重融合后与预期显着异常的数据序列识别为表征异常模式的集体离群点。在算法框架中,本文设计了一种基于不动点单纯形法的改进粒子群算法FP-PSO(Fixed point based Particle swarm optimization),以不动点单纯形法在解空间内搜索到的近似不动点集作为初始种群并据此设置其余参数。
苏建美[7](2020)在《面向大场景的智能驾驶端到端算法研究》文中提出智能车的道路交通环境复杂多变,需要广阔的感知视野获取丰富的驾驶场景信息。传统智能驾驶技术通常分为感知模块和规划决策模块,需要调制较多的参数。本学位论文针对智能驾驶端到端学习关键技术,以智能车能够像人类驾驶员一样根据实际交通情况做出合理决策为目标,通过扩大智能车感知视野,消除视觉盲区,精确检测驾驶场景中的移动车辆和行人,并对其运动轨迹进行判断,同时根据对驾驶场景检测的特征给与不同的注意力,来实现智能车安全平稳的行驶。本学位论文的主要工作总结如下:提出基于移动目标的时空贝叶斯全景视频快速拼接算法。在真实的驾驶环境中,车辆和行人的移动有很大的不确定性,视角太小会导致智能车无法检测目标的移动方向。此外,目标的移动会产生遮挡现象,导致智能车无法对前方道路交通场景进行精确的理解。传统的视频拼接方法无法处理运动遮挡,且存在时域一致性差和计算效率低等问题,导致生成的全景视频出现鬼影、目标跳动、计算耗时等问题。本文提出一种基于移动目标的快速拼接算法,通过光流估计检测视频重叠区域中潜在的遮挡图,根据遮挡图寻找最终的融合区域,利用时空联合贝叶斯融合算法对图像进行融合。与经典拼接算法APAP,AutoStitch以及SEAM相比,本文算法在空间上能更好的消除奇异点,同时实时输出流畅平稳的全景视频。提出基于大场景特征融合的时空约束端到端学习算法。传统的端到端智能驾驶技术,仅仅利用一个前视相机采集道路场景信息,会带来两个问题:1)视觉盲区的存在导致无法精确检测视角边缘处移动物体的位置以及预测运动轨迹;2)无法充分利用空间信息提高模型的空间特征检测能力。针对上述问题,本文提出基于大场景特征融合的端到端学习模型,通过扩大智能车前视感知视野,利用多个视角相机获取大场景道路交通环境,同时对多个视角提取特征的权重进行学习,经过特征融合增加关键视角信息的比例,并且在模型中设置空间位置关系的约束。与PilotNet,FCN-LSTM以及DeepSteering等经典端到端模型相比,本文提出的模型能够消除视觉盲区,提高智能车及时准确判断危险因素的能力,保证智能车能够在空间特征提取更精确的情况下做出恰当的决策,比预测效果最好的FCN-LSTM模型,方向盘转角预测的均方误差根降低0.02。提出基于环视注意力机制的多模态端到端学习算法。在大场景端到端智能驾驶算法的研究中,仅仅扩大智能车前方视野,在复杂场景中仍面临如下问题:1)左右两侧以及后视场景信息的缺失使得智能车在十字路口以及人口密集的区域行驶困难;2)没有对场景中的关键目标的特征及位置给与注意力来提高对感知信息的理解能力;3)没有针对实际路况对速度进行预测。针对上述问题,本文提出基于环视注意力机制的多模态端到端学习模型,通过获取360度大场景视觉信息,在残差网络中加入注意力机制提取空间特征,同时实现多模态包括方向盘转角和速度的预测。与仅将前视角场景信息作为输入的端到端模型相比,本文提出的算法能够在车辆拐弯以及行人较多的复杂交通场景安全平稳行驶,能够更好的模拟人类驾驶员实现对方向盘转角和速度精确的预测。智能驾驶决策的安全性研究。智能驾驶决策的安全性是智能车行驶的最基本需求。通过扩大感知视野,智能车能够对场景信息进行充分的理解分析进而实现拟人化驾驶。但视觉传感器的精度对智能车理解感知信息影响较大,由传感器带来的视觉误差可能给智能车辆安全行驶带来潜在的隐患。本文针对智能驾驶决策的安全性问题开展了初步研究,通过将驾驶过程建模成马尔科夫模型,利用鲁棒性二次规划算法近似求解贝尔曼方程,从而获得对观测状态噪声具有一定鲁棒性的最优决策值。实验结果表明,本文提出的算法运行效率高,能够在驾驶过程中及时协助智能车做出恰当的决策,不会因为预测滞后而造成决策的失误,同时对观测噪声具有一定的鲁棒性,可以在观测状态出现偏差的时候依然能够做出安全的决策行为。
任勇[8](2019)在《变转速旋转机械关键零部件故障诊断研究》文中研究指明转子、轴承和齿轮是旋转机械的重要组成部件,在运行中起到支撑、动力转化和功率传递的重要作用,其性能状态对机械设备运行及效率具有重要的影响。在旋转机械启停运行阶段,转速的变化导致系统振动信号不再具有周期性,同时也导致振动信号产生调频、调幅和调相等非平稳特征,造成以转速平稳为前提的故障诊断方法失效。近年来,针对变转速条件下旋转机械的故障诊断研究已成为研究热点之一。基于转子、轴承和齿轮部件不同部位发生故障时导致机械系统采集的振动信号表现出不同的非平稳性特点,国内外学者先后提出多种不同处理方法。然而,不同的旋转机械转速变化形式多样,导致其振动信号的非平稳特征不同,造成已有方法适应性较低,不利于实际生产应用。因此,以转子、轴承和齿轮为研究对象,开展适用于不同变转速条件下的旋转零部件故障诊断方法研究具有重要意义。本文在“基于多时间尺度模型的变工况大型旋转机械健康管理研究”(国家自然科学基金项目(51475455))的基础上,以机械设备中转子、轴承和齿轮旋转零部件为研究对象,针对变转速运行工况下振动信号信噪比低、对转速测量装置依赖以及包含部件故障信息微弱等问题,开展了不同转速变化条件下基于振动信号的噪声消除、转速提取、故障敏感频带定位和故障特征提取方法的研究。论文主要研究工作如下:(1)研究分析了转子、轴承和齿轮的常见故障类型,指出在变转速工况下部件不同故障对应的故障特征,分析构建了不同部件对应故障振动模型。通过仿真手段分别分析了转子、轴承和齿轮在变转速工况下时域、频域和阶域信号特征,为后续基于阶谱成分辨识的故障信息提取建立了基础。同时,还针对本课题研究内容设计了不同实验方案,采集了相应的实验数据。(2)在实际生产中采集的振动信号存在大量的噪声干扰,导致表征部件故障特征信息成分被淹没。针对此问题,引入奇异值分解(Singular Value Decomposition,SVD)降噪算法并指出其在变转速工况下振动信号降噪分析中存在的缺陷。在此基础上,结合变转速工况下设备振动信号的特性,提出了迭代奇异值分解降噪方法(Iterated Singular Value Decomposition,ISVD),通过仿真信号和不同故障轴承实验数据分别进行ISVD降噪分析,并通过对比故障阶次成分幅值大小定量表述所提方法的有效性。(3)为获得无转速计辅助情况下启停运行阶段转子、轴承和齿轮的转速信息,提出了基于振动信号时频脊线特征直接提取转速信息的解决方案。在信号短时傅里叶变换(Short Time Fourier Transform,STFT)时频分析中,引入最小信息熵准则自适应确定窗长,提出自适应STFT时频分析方法,有效地提高信号的时频分辨率。同时,分析了现有基于脊线检测的转速提取方法存在的优点及不足,并在此基础上提出一种基于优化动态路径规划脊线检测(Optimized Dynamic Path Planning Based Ridge Detection,ODPPRD)的转速提取方法,通过多组不同变转速条件下的实验数据分别验证所提方法的有效性。(4)为了克服在变转速工况下常见敏感频带定位方法在定位转子、轴承和齿轮故障信息频带时存在偏差等缺陷,在分析转速变化对峭度类指标影响的基础上,结合信号阶谱特性提出阶谱相关峭度(Order Spectrum Corrlated Kurtosis,OSCK)指标。同时,考虑到角域重采样易引起信号共振带扭曲的现象,指出信号共振带的确定必须在进行角域重采样之前完成。基于此,利用OSCK替换快速谱峭度图中的谱峭度指标,提出了基于快速阶谱相关峭度图(Fast Order Spectrum Kurtogram,FOSCK)的信号故障敏感频带定位方法,实现了不同变转速运行工况下转子、轴承和齿轮不同故障对应敏感频带的准确定位。(5)针对实际生产应用中不同旋转部件一种或多种故障并发的情况,开展了基于转子、轴承和齿轮故障的快速分类识别研究。在变转速运行工况下,不同旋转部件故障振动信号的谱图特征具有明显差异。基于此,分别针对转速变化较慢和较快两种不同工况,运用随机统计平均算法构造了频谱随机统计平均特征和阶谱随机统计平均特征;结合最近邻分类算法(Nearest Neighbour Classifier,NNC)对谱图特征进行故障模式分类,实现了变转速工况下转子、轴承和齿轮的单一和混合故障的快速有效分类。该论文有图137幅,表23个,参考文献191篇。
吴癸周[9](2019)在《单个运动接收站对辐射源信号的直接定位方法研究》文中研究指明现代战争中,无源定位技术是获取电子情报、掌握战场电磁态势的重要手段之一。传统两步定位法先估计定位参数,例如到达角、到达时差和到达频差等,再利用这些定位参数估计辐射源位置。相对于两步定位法,直接定位法(Direct Position Determination,DPD)不估计定位参数,实现了从原始采样信号到辐射源位置的一步估计,具有可对同时同频信号进行定位、无需参数关联、低信噪比下定位精度高等优势。该方法通过建立观测信号与辐射源位置之间关系的模型,构建仅与辐射源位置有关的代价函数以及求解代价函数实现定位。由于多站直接定位存在站间数据传输压力大和时频同步困难等问题,本文研究单个运动接收站对辐射源信号的直接定位方法。该方法仅需单个观测站,利用运动积累截获的原始信号直接估计辐射源位置,即继承了直接定位的优势,又避免了多站站间的时频同步和数据传输问题。本文主要内容安排如下:第二章研究了单个运动接收站直接定位(DPD with Single Moving Observer,SMO-DPD)的基本方法。首先建立了窄带信号模型和相参信号模型,然后基于不同的信息类型对观测信号进行了建模。在此基础上基于不同类型的优化方法,构建了SMO-DPD的代价函数。然后,推导了SMO-DPD的克拉美罗下限(Cram(?)rRao lower bound,CRLB)。最后计算机仿真验证了以上理论推导和分析的正确性。第三章研究了高分辨率高定位精度的单个运动接收站直接定位方法。首先提出了一种基于特征空间的SMO-DPD方法,计算机仿真验证了它比已有方法具备更好的分辨率。然后提出了一种基于旋转阵列的SMO-DPD方法,并推导了其定位CRLB,计算机仿真验证了阵列的旋转显着提升了定位精度和分辨率。最后,针对同步相参信号提出了一种相参的SMO-DPD方法,虽然该方法并没有提高定位精度,但却可以显着提高分辨率并增加可定位辐射源的数目。第四章研究了传感器幅/相误差干扰下的SMO-DPD方法。首先建立了传感器幅/相误差干扰下观测信号模型和代价函数。然后推导了确定性传感器幅/相误差引起的理论定位偏差值。随后,提出了一种基于自校正的SMO-DPD方法,并推导了其CRLB,计算机仿真验证了该方法可以校正传感器幅/相误差,同时也暴露了其低信噪比下性能差的不足。为了解决这一问题,又提出了一种基于已知位置标校源的SMO-DPD方法,最后计算机仿真验证了该方法的有效性。第五章研究了单个运动接收站直接定位的快速算法。首先对前序章节中提出的SMO-DPD方法的计算复杂度进行了分析。然后,针对使用正交投影(Alternating Projection,AP)技术的SMO-DPD和基于谱方法的SMO-DPD计算复杂度依然较高的问题,依次提出了基于多级网格和AP技术的快速算法、基于小生境粒子群优化(Particle Swarm Optimization,PSO)的快速算法、基于小生境PSO及梯度类法的快速算法。计算机仿真分别验证了这些算法对SMO-DPD计算复杂度的改进效果。
刘曼文[10](2019)在《先进超纯高阻硅探测器特殊芯片的研发制作》文中研究表明硅基半导体探测器因其响应速度快、灵敏度高、易于集成等特点,广泛应用于光子及辐射环境下高能粒子的探测。其应用范围包括航天航空、科学研究、工业领域、环境监测、有色金属、冶金、食品、考古、核辐射监测等行业。典型的辐射环境应用为高能物理实验,如欧洲核子研究中心(CERN)的大型强子对撞机(LHC)实验中的ATLAS与CMS探测器。本研究立足于超纯高阻硅材料,在传统探测器结构基础上,对新型硅探测器进行研究,包括对大面积硅漂移探测器(Silicon Drift Detector,SDD)进行研发制作与电学性能测试,对新颖三维沟槽电极探测器(3D-Trench Electrode Detector)以及超快响应三维电极探测器(Ultra-fast 3D Detector)进行建模仿真。1.硅漂移探测器载流子的收集方式不同于传统平面探测器,电场独立于耗尽场负责电荷的传输(漂移),这种载流子传输方式使硅漂移探测器收集阳极面积小,且独立于探测器单元面积。即使探测器单元面积增大到厘米级别,其极小阳极电容也会成为减少与前置放大电路串联噪声的因素而提高探测器系统整体噪声表现,提高能量分辨率。探测器使用的材料为超纯高阻硅。在大面积SDD的设计方面,采用数学变分法计算得到载流子漂移至收集阳极的最佳路径,计算正反面偏置电压关系,得到最小漂移时间和最佳漂移路径,沿该漂移路径的电场强度为一常数;采用螺旋环设计,使螺旋状的阴极环成为一个自动分压装置;计算螺旋间距、电极宽度等参数与探测器半径的关系得到具体几何结构。通过计算仿真可以得到探测器的电势和电场分布图,这是首次通过对电势进行微分来获得探测器的三维电场分布图,电场分布图可以用于更加清晰地观察载流子的最佳漂移轨道。探测器单元结构确定后,进行掩膜版的设计与制作,制得一套包括光刻标记、P/N型注入刻蚀、镀电极在内的掩膜版。利用一整套的掩膜版来指导完成探测器的工艺制作部分,尽管详细的工艺步骤非常复杂,但是仍然可以提取出大面积SDD工艺制作的几个创新点,吸杂氧化,双面光刻的标记制作以及保护性离子注入等。大面积SDD制作完成后,通过金相显微镜观察SDD的芯片外观,有无污点、孔洞等缺陷,并进行I-V、C-V等电学特性测试,主要包括漏电流测试、电容测试、螺旋环电流测试。测试结果显示制得的大面积SDD外观完美,电学特性良好,如低漏电流和低阳极电容等,均达到设计要求。2.新颖三维沟槽电极硅探测器设计是一种与平面硅探测器以及传统的三维柱状电极硅探测器完全不一样的设计,具有以下优势:只与电极间距有关的耗尽电压不再受到探测器厚度的限制,大大提升探测器各种性能以及应用范围;与三维柱状电极硅探测器相比,新颖三维沟槽电极硅探测器不存在电势“鞍点”,其电极附近也不会存在高电场,电势分布与电场分布将会更加均匀。新颖三维沟槽电极硅探测器在设计方面进行优化,沟槽电极的形状是两瓣相互互补的盒型形状,这也是三维开阖式盒型电极硅探测器的命名原因,从而提高了探测器的灵敏区域面积,减少低电场区域(死区)面积比例。本文利用Silvaco软件的TCAD组件进行模拟仿真,仿真过程通过基本方程及基本物理模型进行计算,得到探测器的电流、电容、电势分布、电场分布等各种电学特性。在新颖三维沟槽电极硅探测器的设计方面,介绍了方形开阖式盒型电极硅探测器、复合式盒型电极硅探测器、三维平行板电极硅探测器等。随后通过对方形开阖式盒型电极硅探测器在无辐射环境下的仿真与分析,得到获取最优设计的方法;再对其进行强辐射环境下的仿真分析,得到探测器的漏电流,耗尽电压与辐射环境的关系等。几何电容只与探测器的电极设计有关,因此在强辐射环境下保持不变且数值也在一个较小的数量级上。从电荷收集的模拟中,可以看出电荷收集总量与电子收集和空穴收集的关系。3.将三维电极硅探测器的电极间距减少到一个极限值,便可以得到超快响应的三维电极探测器,并通过计算和模拟仿真来研究超快响应的三维柱状电极和三维沟槽电极硅探测器的设计。超快响应的三维电极探测器收集时间在皮秒级别,仅需几伏特的偏置电压就可使载流子达到饱和速度。通过计算,可以知道在电极间距为5 μm时,使载流子达到饱和速度的最小偏置电压约为4 V,其响应时间为50 ps;在电极间距为10μm时,使载流子达到饱和速度的最小偏置电压约为8 V,其响应时间为100 ps。全耗尽电压与探测器的电极间距有关,当电极间距极小时,全耗尽电压也非常小,可以应用于一些便携式的探测装置。在三维柱状电极和三维沟槽电极的设计中,在使载流子达到饱和漂移速度的偏置电压或者更大的偏置电压数值下,探测器的电场强度均小于本征击穿电场,因此认为探测器可以在此类偏置电压下工作。因为电极间距小,超快响应的三维电极探测器具有自主抗辐射能力。超快响应的三维电极探测器可以通过形成阵列来达到位置分辨,进一步拓宽其应用领域。
二、如何设定恰当的分辨率?(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、如何设定恰当的分辨率?(论文提纲范文)
(1)传统文化图案分割关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与研究意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 超像素分割 |
1.2.2 特征提取与量化表达 |
1.2.3 基于特征的区域划分 |
1.2.4 层次调节与多尺度层次分割 |
1.3 论文主要研究内容及创新点 |
1.3.1 研究内容 |
1.3.2 主要创新点 |
1.4 论文的组织结构 |
1.5 本章小结 |
第二章 面向传统文化图案分割的相关基础知识 |
2.1 色彩空间转换 |
2.2 基于超像素分割的传统文化图案预处理 |
2.2.1 传统文化图案超像素预分割的必要性 |
2.2.2 超像素分割算法 |
2.3 基于树形形状空间构建及多尺度分割的基本概念 |
2.3.1 层次分割中的层级表示 |
2.3.2 层次结构中切分 |
2.3.3 阈值分解树 |
2.3.4 形状空间 |
2.4 分割算法性能评价方法 |
2.4.1 单尺度分割算法性能评价方法 |
2.4.2 多尺度分割算法性能评价方法 |
2.5 实验数据简介 |
2.5.1 中华文化图案资源库PatternNet |
2.5.2 BSDS500数据集 |
2.6 本章小结 |
第三章 基于超像素多特征融合的传统文化图案快速分割方法 |
3.1 引言 |
3.2 算法总体框架 |
3.3 基于超像素的多特征融合的量化表达 |
3.3.1 超像素HOG特征提取算法 |
3.3.2 基于超像素多特征融合的量化表达 |
3.4 基于超像素多特征融合的传统文化图案快速分割算法 |
3.4.1 基于超像素多特征融合的图模型构建 |
3.4.2 类内不相似性度量 |
3.4.3 类间不相似性度量 |
3.5 SMFF分割算法分割性能评价 |
3.5.1 SMFF分割算法复杂度分析 |
3.5.2 SMFF算法参数设置 |
3.5.3 SMFF算法在PatternNet上的分割结果 |
3.5.4 SMFF算法在BSDS500数据集上的分割结果 |
3.6 本章小结 |
第四章 基于SLEGM的传统文化图案自适应分割方法 |
4.1 引言 |
4.2 算法的总体框架 |
4.3 基于SLEGM的特征量化表达 |
4.3.1 超像素Log-Euclidean高斯度量的提出 |
4.3.2 超像素协方差矩阵描述子 |
4.3.3 李群与矩阵群 |
4.3.4 高斯流形的李群结构及其线性嵌入 |
4.3.5 基于SLEGM的特征量化表达 |
4.4 基于SLEGM特征量化表达的自适应分割算法 |
4.4.1 基于SLEGM特征量化表达的谱聚类分割 |
4.4.2 聚类中心的自适应决策 |
4.5 实验结果与算法效果评价 |
4.5.1 SLEGM-SC算法复杂度分析 |
4.5.2 SLEGM-SC算法参数设置 |
4.5.3 SLEGM-SC算法在PatternNet数据集上的分割结果 |
4.5.4 SLEGM-SC算法在BSDS500数据集上的实验结果 |
4.6 本章小结 |
第五章 保持区域一致性的传统文化图案多尺度分割方法 |
5.1 引言 |
5.2 基于SLEGM特征量化表达的收缩与融合迭代优化区域划分 |
5.2.1 超像素级图模型表示的收缩与融合算法 |
5.2.2 分块级图模型表示的聚类分割算法 |
5.3 基于形状空间的层次构建 |
5.3.1 基于形状空间的层次结构构建的基本思路 |
5.3.2 树形层次结构构建算法 |
5.4 层次结构的分支调整操作 |
5.4.1 基于因果原则的显着性目标选择 |
5.4.2 基于形态学的目标层级提取 |
5.4.3 基于形状空间的层次结构分支调整 |
5.5 层次结构的层级调整操作 |
5.5.1 基于尺度标记的层级结构调整与切分 |
5.5.2 基于尺度标记的层级结构尺度缩放优化 |
5.6 保持区域一致性的层次分割算法性能评价 |
5.6.1 SLEGM-HSRC算法参数设置 |
5.6.2 SLEGM-HSRC算法在PatternNet数据集上的多尺度分割实验结果 |
5.6.3 SLEGM-HSRC算法在BSDS500数据集上的多尺度分割实验结果 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 未来工作展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
(2)提升傅里叶叠层显微成像质量的研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 傅里叶叠层显微术的基本原理 |
1.2.1 显微物镜的分辨率 |
1.2.2 透镜的傅里叶变换性质与阿贝成像原理 |
1.2.3 FPM的正向模型 |
1.2.4 FPM的重建方法 |
1.3 FPM的研究进展 |
1.3.1 系统优化 |
1.3.2 算法优化 |
1.3.3 应用研究 |
1.4 FPM技术中现存的问题 |
1.5 本论文的主要研究内容 |
第2章 傅里叶叠层显微术中非均等曝光时间的研究 |
2.1 引言 |
2.2 傅里叶叠层成像系统的设计 |
2.2.1 FPM的采样要求 |
2.2.2 FPM系统设计 |
2.3 光强差异对重建图像质量影响的研究 |
2.3.1 明场和暗场图像强度差异问题的研究 |
2.3.2 斜入射LED照明光强衰减问题的研究 |
2.3.3 非均等曝光时间方案 |
2.4 本章小结 |
第3章 去除噪声的傅里叶叠层显微术重建算法研究 |
3.1 引言 |
3.2 FPM中的噪声分析 |
3.2.1 FPM中的噪声特性分析 |
3.2.2 噪声对重建结果的影响分析 |
3.3 用于FPM的去噪算法 |
3.4 改进的稀疏采样去噪算法研究 |
3.4.1 稀疏采样FPM与自适应去噪方法 |
3.4.2 改进的稀疏采样去噪算法 |
3.4.3 稀疏采样去噪算法的模拟与实验 |
3.5 本章小结 |
第4章 光源部分相干性对重建结果影响的研究 |
4.1 引言 |
4.2 FPM成像系统的相干性分析 |
4.2.1 时间相干性分析 |
4.2.2 空间相干性分析 |
4.2.3 部分相干的FPM成像系统分析 |
4.3 部分相干的FPM重建方法研究 |
4.3.1 光源的部分相干性对重建图像质量的影响分析 |
4.3.2 切趾法 |
4.3.3 切趾化的相干传递函数作为频域约束的研究 |
4.3.4 模拟与实验 |
4.4 本章小结 |
第5章 彩色傅里叶叠层显微图像重建方法的研究 |
5.1 引言 |
5.2 现有彩色FPM图像重建方法的分析 |
5.2.1 分别采集RGB图像并分别重建的方法 |
5.2.2 波长复用并在重建中分解彩色的方法 |
5.3 快速彩色FPM图像重建方法的研究 |
5.3.1 彩色模型的分析 |
5.3.2 基于HSI模型的重建方法研究 |
5.4 本章小结 |
第6章 结论与展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(3)近岸海水养殖区域遥感提取关键技术与空间分布特征研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
缩写 |
1 绪论 |
1.1 选题依据及意义 |
1.1.1 选题依据 |
1.1.2 研究目的及意义 |
1.2 国内外研究现状 |
1.2.1 近岸海水养殖遥感监测研究进展 |
1.2.2 面向对象的遥感影像分析技术研究进展 |
1.2.3 基于深度学习的遥感影像分类研究进展 |
1.3 研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 论文组织架构和安排 |
1.3.3 技术路线 |
2 研究区概况与数据资料 |
2.1 研究区概况 |
2.1.1 我国近岸海域养殖区域概况 |
2.1.2 宁德市近岸海域养殖区域概况 |
2.2 数据获取及预处理 |
2.2.1 World View-2 影像数据及预处理 |
2.2.2 高分一号宽幅影像数据及预处理 |
2.2.3 其他数据 |
3 基于高分影像和面向对象分类技术的局部尺度近岸海水养殖类型识别研究 |
3.1 研究思路与技术路线 |
3.2 面向对象的分割分类方法 |
3.3 分层分类体系下的近岸海水养殖区域提取算法 |
3.3.1 基于SEaTH算法的海陆分离 |
3.3.2 最优分割尺度参数选取与构建多尺度层次体系 |
3.3.3 基于多尺度层次体系的邻域特征提取 |
3.3.4 特征空间优化 |
3.3.5 最近邻分类算法 |
3.4 近岸海水养殖区域提取实验 |
3.4.1 分类结果及精度评价 |
3.4.2 不同提取算法的对比研究 |
3.5 本章小结 |
4 基于高分影像和层级级联网络的区域尺度近岸海水养殖类型识别研究 |
4.1 研究思路与技术路线 |
4.2 全卷积神经网络 |
4.3 层级级联网络模型 |
4.3.1 基于VGG-Net编码器 |
4.3.2 层级级联结构下的多尺度信息提取 |
4.3.3 基于注意力机制的特征空间优化 |
4.3.4 解码器 |
4.4 近岸海水养殖区域提取实验 |
4.4.1 分类结果及精度评价 |
4.4.2 不同提取算法的对比研究 |
4.5 本章小结 |
5 基于中等分辨率影像和均质层级级联网络的近岸海水养殖类型识别研究 |
5.1 研究思路与技术路线 |
5.2 均质层级级联网络模型 |
5.2.1 均质网络模型 |
5.2.2 轻质层级级联结构 |
5.2.3 加权损失函数 |
5.3 近岸海水养殖区域提取实验 |
5.3.1 分类结果及精度评价 |
5.3.2 不同提取算法的对比研究 |
5.4 本章小结 |
6 我国近岸海水养殖空间分布特征研究 |
6.1 近岸海水养殖类别及面积构成 |
6.2 近岸海水养殖空间分布特征 |
6.2.1 探索性空间分析方法 |
6.2.2 近岸海水养殖空间分布形态 |
6.2.3 近岸海水养殖空间格局分析 |
6.2.4 近岸海水养殖空间热点分析 |
6.3 本章小结 |
7 结论与展望 |
7.1 研究结论 |
7.2 研究进展 |
7.3 研究展望 |
参考文献 |
攻读博士期间完成的论文 |
(4)感知模型驱动的特定场景图像质量评价方法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究目标与内容 |
1.2.1 研究目标 |
1.2.2 研究内容 |
1.3 技术路线与创新点 |
1.3.1 技术路线 |
1.3.2 论文创新点 |
第2章 理论基础与国内外研究现状 |
2.1 图像质量评价基本理论 |
2.1.1 图像质量评价方法 |
2.1.2 图像质量评价分类 |
2.2 视觉感知模型 |
2.2.1 从传统视觉理论到新兴感知模型 |
2.2.2 类脑视觉感知 |
2.2.3 视觉感知与图像质量评价的关系 |
2.3 文献综述 |
2.3.1 重定向图像质量评价研究现状 |
2.3.2 去雾图像质量评价研究现状 |
2.3.3 立体图像质量评价研究现状 |
2.4 本章小结 |
第3章 基于映射感知模型的重定向图像质量评价 |
3.1 引言 |
3.2 重定向图像质量评价解析 |
3.2.1 重定向图像视觉映射感知处理模式 |
3.2.2 栈式自编码器模型与图像重定向 |
3.2.3 少样本条件下的正则化 |
3.3 映射感知模型驱动的重定向图像质量评价方法构建 |
3.3.1 几何形状特征描述子提取 |
3.3.2 内容匹配特征描述子提取 |
3.3.3 深度感知回归模型 |
3.3.4 针对过拟合的网络参数优化 |
3.4 重定向图像质量评价实验结果与分析 |
3.4.1 标准数据库 |
3.4.2 实验协议 |
3.4.3 实验结果 |
3.4.4 实验分析 |
3.5 本章小结 |
第4章 基于均衡感知模型的去雾图像质量评价 |
4.1 引言 |
4.2 图像去雾质量与视觉感知评估 |
4.2.1 大气散射模型 |
4.2.2 暗通道先验与去雾图像质量 |
4.2.3 深度感知模型的引入 |
4.3 均衡感知模型驱动的去雾图像质量评价算法框架 |
4.3.1 图像去雾正效应特征提取 |
4.3.2 图像去雾负效应特征提取 |
4.3.3 图像去雾中性效应特征提取 |
4.3.4 面向特征感知的深度信念网络回归模型构建 |
4.4 实验结果与分析 |
4.4.1 标准数据库 |
4.4.2 去雾图像质量评价实验结果 |
4.4.3 图像对比度提升质量评价实验结果 |
4.5 本章小结 |
第5章 基于双目感知模型的立体图像质量评价 |
5.1 引言 |
5.2 立体图像质量评价解析 |
5.2.1 感知模型与立体图像信息流 |
5.2.2 双目视觉感知 |
5.2.3 立体信息权重模型 |
5.2.4 池化方法与深度模型 |
5.3 面向立体图像质量的单双目感知权重评价方法 |
5.3.1 单双目区域权重模型 |
5.3.2 实验结果 |
5.3.3 实验讨论与分析 |
5.4 面向立体图像质量的双目感知深度网络评价方法 |
5.4.1 双目感知特征深度回归模型 |
5.4.2 实验结果 |
5.4.3 实验讨论与分析 |
5.5 本章小结 |
第6章 特定场景图像质量评价应用实例研究 |
6.1 引言 |
6.2 重定向图像质量评价方法应用 |
6.2.1 问题提出与处理方法 |
6.2.2 图像检索基本功能的实现 |
6.2.3 重定向图像质量评价方法的引入 |
6.2.4 性能提升效果与分析 |
6.3 去雾图像质量评价方法应用 |
6.3.1 问题提出与处理方法 |
6.3.2 图像去雾基本功能的实现 |
6.3.3 去雾图像质量评价方法的引入 |
6.3.4 性能提升效果与分析 |
6.4 立体图像质量评价方法应用 |
6.4.1 问题提出与处理方法 |
6.4.2 双目视觉辅助系统基本功能实现 |
6.4.3 立体图像质量评价方法的引入 |
6.4.4 性能提升效果与分析 |
6.5 本章小结 |
第7章 结论与展望 |
7.1 研究总结 |
7.2 研究展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(5)复杂电磁问题分治算法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 本课题的研究现状 |
1.2.1 快速算法 |
1.2.2 区域分解 |
1.2.3 直接解法 |
1.3 本文的主要工作及撰写安排 |
1.4 参考文献 |
1.4.1 快速算法 |
1.4.2 区域分解 |
1.4.3 直接解法 |
第二章 面向复杂目标的多向多层快速复空间多极子算法 |
2.1 引言 |
2.2 多层算法框架 |
2.2.1 经典多层结构 |
2.2.2 方向性多层结构 |
2.2.3 进一步的讨论 |
2.3 复空间多极子表示 |
2.3.1 经典转移算子 |
2.3.2 高斯波束转移算子 |
2.3.3 不变量关系 |
2.4 数值积分与球面插值 |
2.4.1 插值点与积分点相分离 |
2.4.2 球冠区域上的数值积分 |
2.4.3 单位球面上的局部插值 |
2.5 算法步骤与复杂度分析 |
2.5.1 算法建立阶段 |
2.5.2 算法求解阶段 |
2.5.3 算法复杂度分析 |
2.6 数值算例 |
2.6.1 算法基本性能测试与分析 |
2.6.2 面向典型情形的计算和验证 |
2.6.3 进一步的讨论 |
2.7 本章小结 |
2.8 参考文献 |
第三章 面向电大问题的数值稳定的多向多层快速非均匀平面波算法 |
3.1 引言 |
3.2 快速非均匀平面波算法基本公式 |
3.2.1 非均匀平面波展开 |
3.2.2 最陡下降路径与数值积分 |
3.2.3 方向图函数外推与插值 |
3.2.4 关于加窗特性的讨论 |
3.3 多层结构与格林函数展开式 |
3.3.1 基于线性远场条件的经典多层结构 |
3.3.2 基于二次远场条件与有效窗的方向性多层结构 |
3.4 数值稳定性分析与参数控制 |
3.4.1 关键模块和分析对象 |
3.4.2 被积函数的幅度特性 |
3.4.3 最陡下降路径的截断点 |
3.4.4 路径区间上的数值积分 |
3.4.5 外推核函数的幅度特性 |
3.4.6 方向图函数的幅度特性 |
3.4.7 方向图函数的外推误差 |
3.4.8 总结与讨论 |
3.5 球面样点与算法步骤 |
3.5.1 坐标系和球面样点 |
3.5.2 算法的建立与执行 |
3.6 数值算例 |
3.6.1 面向电大问题的计算和验证 |
3.7 本章小结 |
3.8 参考文献 |
第四章 基于完全匹配层的多向多层快速同伦多极子算法 |
4.1 引言 |
4.2 基于完全匹配层的格林函数展开式 |
4.2.1 基于完全匹配层的模式级数 |
4.2.2 场点和源点分离表示 |
4.2.3 均匀平面波表示 |
4.3 空谱域方向性多层框架 |
4.3.1 基于等效源的方向性多层算法 |
4.3.2 基于平面波的方向性多层算法 |
4.4 完全匹配层的配置和误差分析 |
4.4.1 完全匹配层复厚度的选择 |
4.4.2 矩形波导复模式级数的特性 |
4.4.3 定向性圆锥的角度量级 |
4.4.4 方向图函数的复平面外推 |
4.4.5 总结和讨论 |
4.5 同伦路径 |
4.5.1 内蕴的同伦路径 |
4.5.2 关于内在联系的讨论 |
4.6 数值算例 |
4.6.1 测试计算性能 |
4.7 本章小结 |
4.8 参考文献 |
第五章 基于预拆分格林函数的电磁多尺度问题高效分析方法 |
5.1 引言 |
5.2 基于预拆分格林函数的方法 |
5.2.1 预拆分格林函数 |
5.2.2 传输波相关的计算 |
5.2.3 凋落波相关的计算 |
5.2.4 进一步的讨论 |
5.3 数值算例 |
5.3.1 验证算法的正确性 |
5.3.2 测试算法的计算性能 |
5.3.3 面向实际目标的计算 |
5.4 本章小结 |
5.5 附录1 相关的格林函数表达式 |
5.6 附录2 三阶矩阵解析求逆公式 |
5.7 参考文献 |
第六章 复杂电大问题的积分方程黑盒重叠型区域分解方法 |
6.1 引言 |
6.2 区域分解策略 |
6.2.1 基于几何模型的区域分解方法 |
6.2.2 面向网格模型的盲几何区域分解方法 |
6.3 基本迭代方案 |
6.3.1 描述基本变量 |
6.3.2 描述基本迭代过程 |
6.3.3 显式扩展矩阵表示 |
6.3.4 外迭代收敛性和鲁棒性问题 |
6.4 序列加速收敛 |
6.4.1 外迭代过程和改进的思路 |
6.4.2 序列加速收敛的安德森加速法 |
6.4.3 强化的区域分解迭代方案 |
6.4.4 相关讨论 |
6.5 外迭代收敛性分析 |
6.5.1 特征值和谱半径 |
6.5.2 收敛特性 |
6.6 数值算例 |
6.6.1 面向强谐振目标的计算性能 |
6.6.2 面向实际电大目标的计算性能 |
6.7 本章小结 |
6.8 参考文献 |
第七章 基于卡尔德隆预条件组合场积分方程的重叠型区域分解方法 |
7.1 引言 |
7.2 良态积分方程 |
7.2.1 电磁散射模型和基本积分算子 |
7.2.2 卡尔德隆预条件组合场积分方程 |
7.3 基于卡尔德隆预条件组合场积分方程的重叠型区域分解方法 |
7.3.1 区域分解算法建立阶段 |
7.3.2 区域分解算法执行阶段 |
7.4 算法步骤的注意事项 |
7.4.1 区域分解与区域边界 |
7.4.2 复合算子的中间空间 |
7.5 数值算例 |
7.5.1 验证算法的正确性 |
7.5.2 测试算法的鲁棒性 |
7.5.3 针对实际目标的计算性能 |
7.5.4 相关讨论 |
7.6 本章小结 |
7.7 参考文献 |
第八章 基于纽曼级数和骨架分解的积分逆算子稀疏表示 |
8.1 引言 |
8.2 积分方程纽曼级数解法 |
8.2.1 积分方程 |
8.2.2 纽曼级数解 |
8.3 逆矩阵的纽曼级数表示 |
8.3.1 原矩阵分解表示 |
8.3.2 逆矩阵级数表示 |
8.4 近场矩阵的骨架分解 |
8.4.1 基本思路 |
8.4.2 单组消元 |
8.4.3 单层消元 |
8.4.4 多层消元 |
8.4.5 近场矩阵分解表示 |
8.5 算法的建立与执行 |
8.6 数值算例 |
8.7 本章小结 |
8.8 参考文献 |
第九章 全文总结与展望 |
9.1 全文总结 |
9.2 心得体会 |
9.3 后续展望 |
作者读博期间取得的成果 |
作者简介 |
致谢 |
(6)面向序列数据异常模式挖掘的集体离群点检测方法研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 序列数据分析方法研究现状 |
1.2.1 序列数据分析方法 |
1.2.2 面向序列数据的异常模式挖掘研究 |
1.2.3 面向序列数据异常模式挖掘的集体离群点检测技术 |
1.2.4 研究评述 |
1.3 研究内容和结构安排 |
1.3.1 研究内容 |
1.3.2 创新点 |
1.3.3 章节结构 |
第二章 理论基础 |
2.1 序列数据 |
2.2 离群点 |
2.2.1 点离群点 |
2.2.2 情境离群点 |
2.2.3 集体离群点 |
2.3 不动点理论 |
2.3.1 不动点定义和定理 |
2.3.2 不动点方程 |
2.3.3 不动点迭代法 |
2.3.4 不动点单纯形法 |
2.4 本章小结 |
第三章 面向预标注异常模式挖掘的集体离群点检测方法 |
3.1 引言 |
3.2 基于数据分布拟合的预标注异常模式挖掘方法 |
3.2.1 集体离群点检测模型 |
3.2.2 算法框架 |
3.2.3 实例测试 |
3.3 基于层次聚类的预标注异常模式挖掘方法 |
3.3.1 集体离群点检测模型 |
3.3.2 算法框架 |
3.3.3 实例测试 |
3.4 本章小结 |
第四章 面向未知异常模式挖掘的集体离群点检测方法 |
4.1 引言 |
4.2 基于模式转换概率的异常模式挖掘方法 |
4.2.1 问题描述 |
4.2.2 基于集体离群点度量的异常驾驶模式检测模型 |
4.3 算法框架 |
4.3.1 横摆角速度 |
4.3.2 基于信息素浓度的集体离群点检测算法 |
4.3.3 基于不动点单纯形法改进的蚁群算法 |
4.4 实例测试 |
4.4.1 测试数据 |
4.4.2 实验过程与分析 |
4.5 本章小结 |
第五章 面向同质序列数据异常模式挖掘的集体离群点检测方法 |
5.1 引言 |
5.2 基于交通数据多分辨率融合的异常模式挖掘方法 |
5.2.1 相关概念定义 |
5.2.2 基于集体离群点的异常交通状态度量 |
5.2.3 集体离群点检测模型 |
5.3 算法框架 |
5.3.1 单类交通数据拟合 |
5.3.2 检测点交通数据变化趋势拟合 |
5.3.3 枢纽点交通数据变化趋势拟合 |
5.3.4 异常交通状态预测规则 |
5.4 实例测试 |
5.4.1 检测过程的可视化示例 |
5.4.2 实验测试结果 |
5.5 本章小结 |
第六章 面向异质序列数据异常模式挖掘的集体离群点检测方法 |
6.1 引言 |
6.2 面向多参数系统中异质序列数据的异常模式挖掘方法 |
6.2.1 基于集体离群点度量的系统异常状态 |
6.2.2 检测模型 |
6.3 算法框架 |
6.3.1 窗口技术 |
6.3.2 相关性分析技术 |
6.3.3 双层粒子群算法 |
6.4 实例测试 |
6.4.1 实验数据 |
6.4.2 实验结果 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 研究展望 |
参考文献 |
攻读博士学位期间的学术活动及成果情况 |
(7)面向大场景的智能驾驶端到端算法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究的背景与意义 |
1.2 智能车国内外研究现状 |
1.2.1 国外智能车研究现状 |
1.2.2 国内智能车研究现状 |
1.3 智能驾驶技术研究现状 |
1.3.1 多模块合成式智能驾驶技术 |
1.3.2 基于端到端学习的智能驾驶技术 |
1.4 面临的问题及挑战 |
1.5 本文的主要研究内容和创新点 |
第二章 基于移动目标的时空贝叶斯全景视频快速拼接算法研究 |
2.1 引言 |
2.2 视频拼接算法简介 |
2.2.1 拼接算法简介 |
2.2.2 遮挡问题分析 |
2.3 基于贝叶斯理论的快速视频拼接算法 |
2.3.1 全景视频拼接算法总框架 |
2.3.2 光流估计分析 |
2.3.3 遮挡图估计 |
2.3.4 时空贝叶斯融合算法 |
2.4 实验及结果讨论 |
2.4.1 拼接质量评估 |
2.4.2 视觉评估 |
2.4.3 运行效率评估 |
2.5 本章小结 |
第三章 基于大场景特征融合的时空约束端到端算法研究 |
3.1 引言 |
3.2 典型时空联合端到端学习模型 |
3.3 大场景特征融合的时空约束端到端模型 |
3.3.1 基于CNN的空间特征约束模块 |
3.3.2 基于LSTM的时域动态特征学习模块 |
3.3.3 大场景空间特征融合模块 |
3.3.4 转向角预测模块 |
3.4 实验结果与讨论 |
3.4.1 训练数据集分析 |
3.4.2 数据库预处理 |
3.4.3 训练设置 |
3.4.4 实验结果分析讨论 |
3.5 本章小结 |
第四章 基于环视注意力机制的多模态端到端算法研究 |
4.1 引言 |
4.2 环视辅助驾驶方法 |
4.3 深度学习中的视觉注意力模型 |
4.4 基于环视注意力机制的多模态深度残差网络模型 |
4.4.1 智能驾驶环视相机系统 |
4.4.2 深度残差网络(Res Net34)模型 |
4.4.3 注意力机制模型 |
4.4.4 多模态预测网络模型 |
4.5 智能驾驶网络模型训练 |
4.5.1 数据库分析 |
4.5.2 实验数据与实验环境 |
4.5.3 模型训练结果分析 |
4.6 本章小结 |
第五章 智能驾驶决策的安全性研究 |
5.1 引言 |
5.2 基于马尔科夫过程的驾驶决策建模 |
5.2.1 马尔科夫模型状态设计 |
5.2.2 马尔科夫模型动作设计 |
5.2.3 马尔科夫模型回报设计 |
5.3 马尔科夫过程求解方法简介 |
5.3.1 贝尔曼方程求解方法 |
5.3.2 基于核函数的强化学习算法 |
5.4 RQP算法对带有观测噪声状态的MDPs求解 |
5.4.1 决策安全性定义 |
5.4.2 RQP求解贝尔曼方程 |
5.4.3 固定基数的最小化方法 |
5.4.4 RQP核函数表达形式的推导 |
5.4.5 RQP核心算法流程 |
5.4.6 算法讨论 |
5.5 实验与结果讨论 |
5.5.1 算法的计算复杂度分析 |
5.5.2 模拟器设置和MDP模型配置 |
5.5.3 运算效率评估 |
5.5.4 安全性能评估 |
5.5.5 核函数方法评估 |
5.5.6 RQP算法在广义目标模型的应用 |
5.5.7 RQP算法在智能驾驶中的应用 |
5.6 本章小结 |
第六章 结论 |
6.1 本文研究内容总结 |
6.2 课题展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
(8)变转速旋转机械关键零部件故障诊断研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 课题来源 |
1.2 选题背景及意义 |
1.3 国内外研究现状 |
1.4 研究内容和目标 |
1.5 技术路线与总体框架 |
1.6 本章小结 |
2 变转速下转子、轴承和齿轮故障特性分析 |
2.1 引言 |
2.2 转子故障机理分析 |
2.3 滚动轴承故障机理分析 |
2.4 齿轮故障机理分析 |
2.5 实验台简介 |
2.6 本章小结 |
3 基于迭代奇异值分解的故障冲击信号降噪分析 |
3.1 引言 |
3.2 奇异值分解降噪分析 |
3.3 奇异值分解的影响因素分析 |
3.4 迭代奇异值分解降噪分析 |
3.5 实验验证与分析 |
3.6 本章小结 |
4 基于振动信号的转速信息提取 |
4.1 引言 |
4.2 基于自适应STFT的振动信号时频表示 |
4.3 基于优化动态路径规划脊线检测的转速提取 |
4.4 仿真信号分析 |
4.5 实验验证与分析 |
4.6 本章小结 |
5 基于快速阶谱相关峭度图的敏感频带提取 |
5.1 引言 |
5.2 快速谱峭度图 |
5.3 基于快速阶谱相关峭度图的故障敏感频带提取 |
5.4 实验验证与分析 |
5.5 本章小结 |
6 基于谱图特征的故障分类识别研究 |
6.1 引言 |
6.2 最近邻分类算法 |
6.3 基于频谱随机统计平均特征的故障识别研究 |
6.4 基于阶谱随机统计平均特征的故障识别研究 |
6.5 本章小结 |
7 结论与展望 |
7.1 主要研究工作与结论 |
7.2 主要创新点 |
7.3 研究展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(9)单个运动接收站对辐射源信号的直接定位方法研究(论文提纲范文)
缩略词 |
摘要 |
Abstract |
第1章 绪论 |
1.1 概述 |
1.1.1 无源定位技术概述 |
1.1.2 单个运动接收站直接定位概述 |
1.2 国内外研究现状与问题 |
1.2.1 基于不同信息类型的直接定位研究现状与问题 |
1.2.2 对特殊信号的直接定位研究现状与问题 |
1.2.3 高分辨率高精度的直接定位研究现状与问题 |
1.2.4 模型误差条件下的直接定位研究现状与问题 |
1.2.5 直接定位快速算法的研究现状与问题 |
1.3 本文主要工作及结构安排 |
第2章 单个运动接收站直接定位的基本方法 |
2.1 引言 |
2.2 窄带信号模型 |
2.2.1 一般性的窄带信号模型 |
2.2.2 相参信号模型 |
2.3 基于不同信息类型的观测信号模型 |
2.3.1 基于到达角的观测信号模型 |
2.3.2 基于到达角和多普勒频移的观测信号模型 |
2.3.3 基于多普勒频移和多普勒变化率的单传感器SCS信号模型 |
2.4 单个运动接收站直接定位代价函数 |
2.4.1 基于MUSIC的代价函数 |
2.4.2 基于MVDR的代价函数 |
2.4.3 基于最大似然的代价函数 |
2.5 单个运动接收站直接定位的CRLB |
2.5.1 运动单个阵列的直接定位的克拉美罗下界 |
2.5.2 运动单个传感器的直接定位的克拉美罗下界 |
2.6 计算机仿真与分析 |
2.6.1 单个运动接收站直接定位与两步定位对单目标的定位精度对比 |
2.6.2 不同类型代价函数直接定位的分辨率对比 |
2.6.3 基于多普勒频移和变化率的SCS直接定位方法分析 |
2.7 本章小结 |
第3章 高分辨率高精度单个运动接收站直接定位方法 |
3.1 引言 |
3.2 基于特征空间特性的单个运动接收站直接定位方法 |
3.2.1 基于特征空间的单个运动接收站直接定位代价函数 |
3.2.2 计算机仿真与分析 |
3.3 基于旋转阵列的单个运动接收站直接定位方法 |
3.3.1 旋转阵列的几何模型 |
3.3.2 旋转阵列的观测信号模型 |
3.3.3 带约束的旋转阵列直接定位的CRLB |
3.3.4 旋转阵列直接定位的代价函数 |
3.3.5 计算机仿真与分析 |
3.4 基于相参处理的SCS信号的单个运动接收站直接定位方法 |
3.4.1 相参直接定位观测信号模型 |
3.4.2 相参直接定位CRLB |
3.4.3 相参直接定位代价函数 |
3.4.4 计算机仿真与分析 |
3.5 本章小结 |
第4章 传感器幅/相误差干扰下单个运动接收站直接定位 |
4.1 引言 |
4.2 传感器幅/相误差干扰下的观测信号模型和直接定位代价函数 |
4.2.1 观测信号模型 |
4.2.2 基于MUSIC的代价函数 |
4.2.3 基于最大似然的代价函数 |
4.3 理论定位偏差分析 |
4.3.1 基于泰勒级数展开的理论定位偏差 |
4.3.2 计算机仿真与分析 |
4.4 基于自校正的单个运动接收站直接定位方法 |
4.4.1 自校正直接定位方法的CRLB |
4.4.2 基于MUSIC的自校正直接定位方法 |
4.4.3 基于ML的自校正直接定位方法 |
4.4.4 计算机仿真与分析 |
4.5 基于已知位置标校站的单个运动接收站直接定位方法 |
4.5.1 误差估计的CRLB |
4.5.2 传感器幅/相误差的估计 |
4.5.3 误差校正的直接定位 |
4.5.4 计算机仿真与分析 |
4.6 本章小结 |
第5章 单个运动接收站直接定位的快速算法 |
5.1 引言 |
5.2 直接定位算法计算复杂度分析 |
5.2.1 单个运动接收站直接定位基本方法的计算复杂度分析 |
5.2.2 高分辨率高精度的单个运动接收站直接定位计算复杂度分析 |
5.2.3 传感器幅/相误差干扰下直接定位算法的计算复杂度 |
5.3 基于多级网格和AP技术的直接定位快速算法 |
5.3.1 基于多级网格和Ap算法的直接定位快速算法 |
5.3.2 算法复杂度分析 |
5.3.3 计算机仿真与分析 |
5.4 基于小生境粒子群优化的直接定位快速算法 |
5.4.1 基于r3pso的单个运动接收站直接定位快速算法 |
5.4.2 算法复杂度分析 |
5.4.3 计算机仿真与分析 |
5.5 基于小生境粒子群优化和梯度类法的直接定位快速算法 |
5.5.1 基于r3pso和牛顿法的单个运动接收站直接定位 |
5.5.2 基于r3pso和变尺度法的单个运动接收站直接定位 |
5.5.3 算法复杂度分析 |
5.5.4 计算机仿真与分析 |
5.6 本章小结 |
第6章 总结与展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
附录 A 结论C1、C2、C3及C4的证明 |
(10)先进超纯高阻硅探测器特殊芯片的研发制作(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 引言 |
1.1.1 半导体硅及硅探测器 |
1.1.2 硅探测器的分类 |
1.2 硅探测器的应用 |
1.2.1 在航天航空、深空探测、宇宙探索等领域的应用 |
1.2.2 在重大物理实验领域的应用 |
1.2.3 在医学、X射线成像等领域的应用 |
1.2.4 在军事工业等领域的应用 |
1.3 主要内容及创新点 |
1.3.1 本文的主要内容 |
1.3.2 本文的重要创新点 |
第2章 大面积硅漂移探测器单元设计优化、仿真、制作与电学测试 |
2.1 硅漂移探测器的研发背景 |
2.1.1 硅漂移探测器的发展与应用 |
2.1.2 大面积(314 mm~2以上)硅漂移探测器创新点 |
2.2 大面积(314 mm~2以上)双面螺旋状六边形硅漂移探测器 |
2.2.1 设计优化与电学特性仿真 |
2.2.2 掩膜版设计及制作 |
2.2.3 大面积硅漂移探测器制作工艺研究 |
2.2.4 电学性能测试 |
2.3 小结 |
第3章 新颖三维沟槽电极硅探测器设计与仿真 |
3.1 三维电极硅探测器的研发背景 |
3.1.1 三维电极硅探测器的发展及应用 |
3.1.2 TCAD仿真软件介绍 |
3.1.3 新颖三维沟槽电极硅探测器创新点与前景分析 |
3.2 新颖三维沟槽电极硅探测器研究 |
3.2.1 新颖三维沟槽电极硅探测器的设计优化 |
3.2.2 辐射环境下开阖式盒形电极硅探测器的仿真结果及分析 |
3.3 小结 |
第4章 超快响应的三维电极硅探测器设计与仿真 |
4.1 快响应硅探测器的研发背景 |
4.1.1 发展过程及应用 |
4.1.2 本章创新点与前景分析 |
4.2 三维柱状电极与三维沟槽电极的超快响应硅探测器 |
4.2.1 超快响应的三维柱状电极硅探测器 |
4.2.2 超快响应的三维沟槽电极硅探测器 |
4.3 小结 |
第5章 总结与展望 |
5.1 论文总结 |
5.2 工作展望 |
参考文献 |
致谢 |
个人简历 |
攻读博士学位期间成果目录 |
四、如何设定恰当的分辨率?(论文参考文献)
- [1]传统文化图案分割关键技术研究[D]. 侯小刚. 北京邮电大学, 2021(01)
- [2]提升傅里叶叠层显微成像质量的研究[D]. 陈雄. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2020(08)
- [3]近岸海水养殖区域遥感提取关键技术与空间分布特征研究[D]. 付勇勇. 浙江大学, 2020(01)
- [4]感知模型驱动的特定场景图像质量评价方法研究[D]. 姜斌. 天津大学, 2020(01)
- [5]复杂电磁问题分治算法研究[D]. 朱广豫. 东南大学, 2020
- [6]面向序列数据异常模式挖掘的集体离群点检测方法研究[D]. 黄晓地. 合肥工业大学, 2020(01)
- [7]面向大场景的智能驾驶端到端算法研究[D]. 苏建美. 电子科技大学, 2020(01)
- [8]变转速旋转机械关键零部件故障诊断研究[D]. 任勇. 中国矿业大学, 2019(04)
- [9]单个运动接收站对辐射源信号的直接定位方法研究[D]. 吴癸周. 国防科技大学, 2019(01)
- [10]先进超纯高阻硅探测器特殊芯片的研发制作[D]. 刘曼文. 湘潭大学, 2019(12)