导读:本文包含了多视图论文开题报告文献综述、选题提纲参考文献，主要关键词:视图,数据,模型,多维,算法,标度,计量学。
多视图论文文献综述写法
李彦雪,李复,朱舒,许大为[1]（2019）在《多视图影像叁维重建技术在乡村景观设计中的应用》一文中研究指出通过无人机低空航测系统,进行航线设定,获取影像,通过航片处理,得到正射影像图(DOM)和数字高程模型(DEM)等资料,使其在乡村景观的设计中得到更为直观和精准的影像图及数据。(本文来源于《东北林业大学学报》期刊2019年12期）
张贝娜,冯震华,张丰,杜震洪,刘仁义[2]（2019）在《基于时空多视图BP神经网络的城市空气质量数据补全方法研究》一文中研究指出针对城市空气质量监测数据缺失的问题,提出一种基于时空多视图BP神经网络的数据补全方法。采用指数移动平均、普通克里金和非凸矩阵完备作为时空多视图特征,结合映射非线性关系的BP神经网络,构建数据补全模型。以北京市36个站点2014年5月1日至2015年4月30日监测的PM2.5、PM10、NO2、CO、O3和SO26种空气污染物小时浓度为实验数据。实验结果表明,在15%缺失率下,随机缺失补全的平均相对误差为0.102～0.154,时间连续缺失补全的平均相对误差为0.161～0.271,空间连续缺失的补全平均相对误差为0.108～0.155,优于典型的单视图预测方法和多视图线性预测方法。研究成果可为城市空气质量数据补全工作提供方法支持,研究思路可为时空数据挖掘提供参考。(本文来源于《浙江大学学报(理学版)》期刊2019年06期）
贺琪,武欣怡,黄冬梅,郝增周,宋巍[3]（2019）在《多视图协同的海洋多要素环境数据关联关系分析方法》一文中研究指出海洋事件离不开各要素环境数据的共同作用,获取要素之间的关联关系从而进行海洋事件的预报预测,是一个亟待解决的问题。为此,本文提出一种多视图协同的关联关系分析方法来度量海洋各要素数据间的关联关系。首先,在传统平行坐标技术的基础上增加刷技术、轴排序等功能对海洋多要素数据进行初步探索,同时引入散点矩阵图展示各要素的分布;其次,以平行坐标中数据线间的角度、面积以及散点图中要素分布的距离为差异度量方式,对计算得到的差异构建相似性矩阵;再次,采用多维标度法得到原始多要素数据在低维空间中的表达;最后,使用K-means算法对降维后的低维度数据进行聚类分析。本文提出的方法从视觉角度对数据进行分析和特征挖掘,并得到高维数据在低维空间上的可视化展示,实现了有效量化海洋数据不同要素间的相关关系。(本文来源于《海洋通报》期刊2019年05期）
况逸群,程洪,崔芳[4]（2019）在《基于多视图投影的半监督手姿态估计算法》一文中研究指出为解决手姿态估计中标签数据的获取困难问题,该文提出了一种基于多视图投影的半监督学习方法,减少对标记数据的需求。首先,从单张深度图中分割出手部区域,将其投影至3个正交平面;而后,采用编解码模型学习两个投影视图在低维度隐空间中的关联表征;最终,结合标记数据,学习低维度隐空间表征到手姿态叁维坐标的回归映射。实验表明,该方法减少了对标记数据的依赖,在NYU手姿态估计数据库上获得了较好的结果。(本文来源于《电子科技大学学报》期刊2019年05期）
曹文意,陈继民,袁艳萍,刘思达[5]（2019）在《基于多视图的叁维模型采集系统的研制》一文中研究指出研制了一种基于多视图的叁维模型采集系统,该系统用叁维扫描和立体视觉技术,利用一台相机,结合必要的机械结构即可完成叁维模型的采集工作。实验研究结果表明:该系统在圆周方向的测量平均偏差Rr=0. 94,在长度方向的测量平均偏差Rl=0. 87,符合一些3D打印逆向工程领域的精度要求,与传统的叁维模型采集系统相比较,该系统成本较低,可以完成较高精度的叁维模型采集工作,为深入研究叁维模型采集系统奠定了良好的基础。(本文来源于《计量学报》期刊2019年06期）
陈捷,薛醒思,黄艺坤,林国祥,吴晓静[6]（2019）在《一种多视图的本体匹配结果可视化框架》一文中研究指出目的针对目前本体匹配结果可视化方法表现形式单一、信息冗杂等问题,设计了一种本体匹配结果可视化的框架,用以解决这些问题,从而达到清晰而简明的可视化效果。方法将拥有不同优缺点的可视化技术有机地结合在一起,优势互补,组成多视图,并通过动态刷和链接技术在每个视图之间建立联动机制。结果与结论提出了一种多视图的本体匹配结果可视化框架。(本文来源于《宝鸡文理学院学报(自然科学版)》期刊2019年03期）
丁景全,马博,李晓[7]（2019）在《基于融合时空数据的车辆加油行为多视图深度异常检测框架》一文中研究指出车辆加油时空数据多源异构、关系复杂,现有成熟的异常检测方法难以对时空离散的加油活动数据进行分析,因此提出基于融合时空数据的车辆加油行为多视图深度异常检测框架。首先基于统一概念模型(UCM)对静态信息和动态活动数据进行关联融合管理,然后从空间视图、时间视图和语义视图角度对时空数据进行编码和转换,最后基于叁种视图构建深度时空异常分析检测框架。车辆加油时空数据集上的实验结果表明,多种异常检测方法在融合时空数据上均可取得更低均方根误差(RMSE),平均降低10.73%,所提方法比现有主流方法中结果最好的长短时记忆网络(LSTM)的RMSE降低19.36%。在信用卡欺诈公开数据集上的实验结果表明,所提方法较之逻辑回归模型,马修斯系数(MCC)提高了32.78%。以上实验验证了所提方法的有效性。(本文来源于《计算机应用》期刊2019年11期）
肖顺夫,刘升平,李世娟,杜鸣竹,吕纯阳[8]（2019）在《改进区域增长算法的植株多视图几何重建》一文中研究指出【目的】通过研究3种不同复杂程度植株冠层的叁维重建,为更加精准获取植株冠层表型参数提供新方法。【方法】本文首先用单反相机获取3种不同复杂程度植株冠层图片序列,通过叁维重建得到各植株稠密点云;随后还原植株点云原始尺度,过滤稠密点云中的噪声,再使用改进区域增长算法分割植株点云冠层;之后借助激光扫描仪,利用手动测量和激光扫描方法分别从二维和叁维两个方面对多视图几何重建的叶片进行精度评价,二维精度评价为叶片长宽的实际测量值分别与激光扫描仪获取的叶片的长宽值和多视图几何重建叶片的长宽值进行统计分析,叁维精度评价使用传统的网格对比方法豪斯多夫距离与更加精准的工业级网格3D精度对比检测软件Geomagic Qualify。【结果】多视图几何重建的植株叶片表型信息与手动测量值间的判定系数(R2)均高于0.96,激光扫描方法获取的植株叶片表型信息与手动测量值间的判定系数(R2)均高0.99;多视图几何重建的叶片与激光扫描得到的叶片在0—±1mm偏差范围内的比例大部分达到97%以上;以激光扫描的叶片网格为参考,多视图几何重建的叶片网格的豪斯多夫距离90%以上分布在0—2 mm。本研究的多视图几何重建方法与改进区域增长算法相结合能对不同复杂程度的植株取得比较理想的重建结果。【结论】本文提出的多视图几何方法与改进区域增长算法相结合的重建方法可以弥补区域增长算法的不足,对表面不平滑的植株冠层具有更好的分割效果,适合不同复杂程度植株叁维重建,为育种研究获取植株表型提供一定的参考。(本文来源于《中国农业科学》期刊2019年16期）
洪敏,贾彩燕,李亚芳,于剑[9]（2019）在《样本加权的多视图聚类算法》一文中研究指出大数据时代,人类收集、存储、传输、管理数据的能力日益提高,各行各业已经积累了大量的数据资源,这些数据常呈现出多源性和异构性.如何对这些多源数据进行有效的聚类(也称为多视图聚类)已成为当今机器学习研究关注的焦点之一.现有的多视图聚类算法主要从"全局"角度关注不同视图和特征对簇结构的贡献,没有考虑不同样本间存在的"局部"信息间的差异.因此,提出一种新的多视图样本加权聚类算法(sample-weighted multi-view clustering, SWMVC),该算法对每个样本的不同视图进行加权,采用交替方向乘子法自适应学习样本权值,不仅可以学习不同样本点间不同视图权重的"局部"差异,还可以从学习到的"局部"差异反映出不同视图对簇结构贡献的"全局"差异,具有较好的灵活性.多个数据集上的实验表明:SWMVC方法在异质视图数据上具有较好的聚类效果.(本文来源于《计算机研究与发展》期刊2019年08期）
王海艳,孙成成[10]（2019）在《一种基于多视图学习的群组发现方法》一文中研究指出近年来,群组推荐因其良好的实用价值得到了广泛关注。作为群组推荐的一个重要环节,群组发现对推荐结果具有至关重要的影响。对于同一群组中的用户,用户的相似度越大,推荐的精度就越高。为了有效提升群组内用户相似度,改善推荐的精度,降低误差率,文中提出了一种基于多视图学习的群组发现方法。该方法首先提取多维度的显式信息,并用相似度矩阵表示,采用动态主题模型更新用户的偏好;然后,基于多视图学习对用户相似度矩阵分配权重,利用无监督学习训练得出隐式信息;最后,根据用户相似度矩阵和分组方法提出群组发现算法,实现用户群组划分。仿真对比实验表明本文所提的方法分组效果更好。(本文来源于《南京邮电大学学报(自然科学版)》期刊2019年04期）
多视图论文开题报告范文
（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：
针对城市空气质量监测数据缺失的问题,提出一种基于时空多视图BP神经网络的数据补全方法。采用指数移动平均、普通克里金和非凸矩阵完备作为时空多视图特征,结合映射非线性关系的BP神经网络,构建数据补全模型。以北京市36个站点2014年5月1日至2015年4月30日监测的PM2.5、PM10、NO2、CO、O3和SO26种空气污染物小时浓度为实验数据。实验结果表明,在15%缺失率下,随机缺失补全的平均相对误差为0.102～0.154,时间连续缺失补全的平均相对误差为0.161～0.271,空间连续缺失的补全平均相对误差为0.108～0.155,优于典型的单视图预测方法和多视图线性预测方法。研究成果可为城市空气质量数据补全工作提供方法支持,研究思路可为时空数据挖掘提供参考。
（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。
多视图论文参考文献
[1].李彦雪,李复,朱舒,许大为.多视图影像叁维重建技术在乡村景观设计中的应用[J].东北林业大学学报.2019
[2].张贝娜,冯震华,张丰,杜震洪,刘仁义.基于时空多视图BP神经网络的城市空气质量数据补全方法研究[J].浙江大学学报(理学版).2019
[3].贺琪,武欣怡,黄冬梅,郝增周,宋巍.多视图协同的海洋多要素环境数据关联关系分析方法[J].海洋通报.2019
[4].况逸群,程洪,崔芳.基于多视图投影的半监督手姿态估计算法[J].电子科技大学学报.2019
[5].曹文意,陈继民,袁艳萍,刘思达.基于多视图的叁维模型采集系统的研制[J].计量学报.2019
[6].陈捷,薛醒思,黄艺坤,林国祥,吴晓静.一种多视图的本体匹配结果可视化框架[J].宝鸡文理学院学报(自然科学版).2019
[7].丁景全,马博,李晓.基于融合时空数据的车辆加油行为多视图深度异常检测框架[J].计算机应用.2019
[8].肖顺夫,刘升平,李世娟,杜鸣竹,吕纯阳.改进区域增长算法的植株多视图几何重建[J].中国农业科学.2019
[9].洪敏,贾彩燕,李亚芳,于剑.样本加权的多视图聚类算法[J].计算机研究与发展.2019
[10].王海艳,孙成成.一种基于多视图学习的群组发现方法[J].南京邮电大学学报(自然科学版).2019