导读:本文包含了属性关系图论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:属性,关系,相似性,神经网络,纹理,模型,目标。
属性关系图论文文献综述
姚强,朱明,唐俊,张艳[1]（2019）在《面向图匹配的属性关系图模型》一文中研究指出为了提高图像匹配方法的效果,提出了一种面向图匹配的属性关系图模型,该模型利用特征点集的分布情况构建特征点和边的属性关系.首先用特征点与点集中心点连线一侧的特征点数目作为特征点的属性,再根据特征点间连线两侧的点数目大小来指定边的方向关系和属性信息;然后构造两幅图像之间的亲和矩阵;最后利用整数约束下的迭代求解方法求解匹配结果.实验结果表明该算法具有很好的性能,在形变大的图像上也有很好的匹配效果.(本文来源于《小型微型计算机系统》期刊2019年08期）
刘越[2]（2018）在《基于目标属性关系图的视频相似性分析方法研究》一文中研究指出随着计算机技术以及多媒体技术的发展,网络视频日益增多,如何有效地发现、检索和处理这些视频数据成为学术界及工业界中亟待研究和解决的问题。传统的视频检索需要人工为视频添加文本关键字索引,根据文本关键字索引检索出相关视频。然而这种方式存在个体认知差异、描述能力有限以及效率低下的问题,为了提高视频检索的效率以及客观性,人们开始研究基于内容的视频检索技术。基于内容的视频检索是指在视频内容分析的基础上,对视频的内容进行特征提取和描述,然后根据视频描述之间的相似性衡量结果来进行视频检索的一种视频检索方法。而两段视频之间的相似性衡量是一个比较困难的问题,因此,本论文对目前已有的视频相似性分析方法进行了研究,发现目前的视频相似性分析领域中主要存在的问题有:(1)视频是一种内容较为复杂的异构数据,现有的视频表示模型大多使用矢量特征矩阵来描述视频,忽略了视频的结构化时空信息,造成了底层特征与高层语义间的理解偏差。(2)视频相似性分析依赖于视频内容特征,目前大多研究通过增加特征的维度来提高视频描述的准确性,却带来了“维数灾难”问题。针对上述问题,本论文提出了一种基于目标属性关系图的视频相似性分析方法。首先将视频划分为等间隔的若干帧,使用Faster R-CNN目标检测模型对每一帧图像中的目标进行准确的检测,基于检测结果对视频内各目标进行动态跟踪,得到目标有效运动轨迹,进行分段多项式曲线拟合及傅里叶频谱分析以形成特征描述符;然后使用这些特征描述符对视频语义内容构建了一种紧凑、结构化的目标属性关系图表示;最后使用分解图匹配的方法进行两段视频间的相似性衡量,得到视频相似度。为了验证本方法的可行性与有效性,本论文基于Caffe深度学习框架进行了Faster R-CNN目标检测模型的训练,并使用Python语言编写了多目标跟踪算法,成功地获取了目标有效运动轨迹;最后在MATLAB上进行了本方法与另两种常用方法的视频相似性分析对比实验,实验结果表明本文提出的基于目标属性关系图的视频相似性分析方法具有较好的效果。(本文来源于《重庆大学》期刊2018-04-01）
巩萍,程玉虎,王雪松[3]（2015）在《基于属性关系图正则化特征选择的零样本分类》一文中研究指出为挖掘属性学习中属性与特征、属性与属性之间的关系,针对属性学习中存在的所有特征与属性被同等对待,底层特征与属性、属性与属性之间的先验知识被忽略的问题,提出一种基于属性关系图正则化特征选择的零样本分类方法.首先,根据训练样本和类别-属性矩阵计算属性之间的正负相关性,进而构建属性关系图;然后,基于属性关系图,对底层特征进行图正则化特征选择,并将选择后的特征用于直接属性预测(DAP)模型的训练;最后,通过直接属性分类器对测试样本进行零样本分类.AWA数据集上的实验结果表明,在40类训练10类测试的情况下,所提方法获得了0.692 6的属性预测平均AUC值及19.5%的零样本分类精度.(本文来源于《中国矿业大学学报》期刊2015年06期）
万琴,王耀南,余洪山,林国汉[4]（2013）在《基于属性关系图优化匹配的多运动目标跟踪》一文中研究指出针对复杂监控场景中往往无法准确检测前景目标,导致难以有效跟踪目标的问题,提出了一种基于属性关系图优化匹配的多运动目标跟踪方法,将目标跟踪问题转化为前景目标跟踪标记的优化问题,实现多运动目标跟踪。将前景区域按颜色、空间特征一致性划分为多个碎片;采用属性关系图描述目标模型,分析计算出属性关系图外观模型的属性相似度;提出通过概率松弛法计算目标函数并采用遗传算法进行优化匹配,得到前景碎片最优的跟踪标记,从而完成多目标跟踪。在多个监控视频上的实验结果表明,本方法能大大提高跟踪性能,实现复杂监控场景中的多目标跟踪。(本文来源于《仪器仪表学报》期刊2013年03期）
徐柱,蒙艳姿,李志林,李木梓[5]（2011）在《基于有向属性关系图的典型道路交叉口结构识别方法》一文中研究指出提出采用有向属性关系图描述道路交叉口结构,形成典型道路交叉口结构模板库。通过将道路网矢量表示转化成有向属性关系图表示,采用图匹配技术识别道路网中的典型交叉口。实现有关算法,通过试验验证该方法的有效性,并分析其局限性和适用范围。该方法可在基于结构的交叉口简化过程中用于典型交叉口结构识别。(本文来源于《测绘学报》期刊2011年01期）
郝丹丹,郭景峰,郑超[6]（2010）在《基于属性关系图的同名实体区分算法》一文中研究指出同名问题在大规模的数据库或者数字化图书馆中普遍存在,且困扰着许多研究课题。本文首先提出一种新的图结构——属性关系图(ARG)形象地刻画实体特征及实体间的联系,并给出一种基于属性关系图框架的同名区分算法ARG-Resolution,对共享同一名字的作者进行分析,根据他们之间的相似度将其聚类,最终得到对应真正实体的各个结果聚类。实验证明挖掘作者间的潜在连接进一步提高了同名区分的质量,成功解决了同名问题。(本文来源于《计算机工程与科学》期刊2010年09期）
丁益洪,平西建,胡敏[7]（2002）在《线状纹理的一种属性关系图描述方法及其应用》一文中研究指出纹理特征是图像分析的重要线索 ,纹理分析方法可以分为统计方法和结构方法 ,两者各有优劣 .结合统计分析方法和结构分析方法两个方面的优点 ,提出了一种线状纹理的属性关系图 (attributed relational graphs,ARG)描述方法 ,用属性关系图来描述图像纹理 ,并应用于图像检索中 .属性关系图描述方法用图的结构直观地描述了图像的特征 ,具有很强的表达能力 .提取直线段作为线状纹理的基元 ,并引入了基元间具有平移、旋转和伸缩不变性的关系属性 ,使纹理图像的识别和检索具有好的抗噪声能力 .实验证明该方法取得了令人满意的识别和检索效果 .(本文来源于《计算机研究与发展》期刊2002年09期）
王展,王文惠,万建伟,皇甫堪,赵巨波[8]（1999）在《基于连续型Hopfield神经网络的模糊属性关系图模型匹配算法研究》一文中研究指出本文研究了基于连续型Hopfield神经网络的模糊属性关系图(ARG)模型匹配算法。首先指出模糊ARG比通常的ARG模型更真实地反映了客观事物,具有良好的容错性,能够更好地完成建模和匹配过程。然后研究了连续型Hopfield神经网络进行模糊ARG模型匹配算法。采用由ARG模型直接映射到网络组态的形式,直接、准确地实现了ARG模型的匹配。仿真结果表明模糊ARG模型建立的合理性和神经网络匹配算法的有效性。(本文来源于《模式识别与人工智能》期刊1999年04期）
戴亚非,顾兆军[9]（1997）在《数据依赖关系的属性关系图表示》一文中研究指出讨论了并行程序分析中重要因素之一的数据依赖关系的可视化策略及其交互原则，提出了一种基于属性关系图的依赖关系表示方法，并给出了对具有关系特性的数据进行可视化时的逻辑描述和几何描述。(本文来源于《哈尔滨工业大学学报》期刊1997年06期）
王成道,陈瑶[10]（1994）在《属性关系图匹配的神经网络实现及其应用》一文中研究指出属性关系图中存在着有向弧和多重弧，它是一种不对称的图。Ｈｏｐｆｉｅｌｄ网络是对称联接的．通过定义节点属性距离和节点对关系弧属性距离，解决了不对称问题，从而把属性关系图的匹配转化成可用Ｈｏｐｆｉｅｌｄ网络求解的形式．同时，又把误差校正思想引入了神经网络，使网络可以实现随机语义网的匹配．(本文来源于《自动化学报》期刊1994年03期）
属性关系图论文开题报告
（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：
随着计算机技术以及多媒体技术的发展,网络视频日益增多,如何有效地发现、检索和处理这些视频数据成为学术界及工业界中亟待研究和解决的问题。传统的视频检索需要人工为视频添加文本关键字索引,根据文本关键字索引检索出相关视频。然而这种方式存在个体认知差异、描述能力有限以及效率低下的问题,为了提高视频检索的效率以及客观性,人们开始研究基于内容的视频检索技术。基于内容的视频检索是指在视频内容分析的基础上,对视频的内容进行特征提取和描述,然后根据视频描述之间的相似性衡量结果来进行视频检索的一种视频检索方法。而两段视频之间的相似性衡量是一个比较困难的问题,因此,本论文对目前已有的视频相似性分析方法进行了研究,发现目前的视频相似性分析领域中主要存在的问题有:(1)视频是一种内容较为复杂的异构数据,现有的视频表示模型大多使用矢量特征矩阵来描述视频,忽略了视频的结构化时空信息,造成了底层特征与高层语义间的理解偏差。(2)视频相似性分析依赖于视频内容特征,目前大多研究通过增加特征的维度来提高视频描述的准确性,却带来了“维数灾难”问题。针对上述问题,本论文提出了一种基于目标属性关系图的视频相似性分析方法。首先将视频划分为等间隔的若干帧,使用Faster R-CNN目标检测模型对每一帧图像中的目标进行准确的检测,基于检测结果对视频内各目标进行动态跟踪,得到目标有效运动轨迹,进行分段多项式曲线拟合及傅里叶频谱分析以形成特征描述符;然后使用这些特征描述符对视频语义内容构建了一种紧凑、结构化的目标属性关系图表示;最后使用分解图匹配的方法进行两段视频间的相似性衡量,得到视频相似度。为了验证本方法的可行性与有效性,本论文基于Caffe深度学习框架进行了Faster R-CNN目标检测模型的训练,并使用Python语言编写了多目标跟踪算法,成功地获取了目标有效运动轨迹;最后在MATLAB上进行了本方法与另两种常用方法的视频相似性分析对比实验,实验结果表明本文提出的基于目标属性关系图的视频相似性分析方法具有较好的效果。
（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。
属性关系图论文参考文献
[1].姚强,朱明,唐俊,张艳.面向图匹配的属性关系图模型[J].小型微型计算机系统.2019
[2].刘越.基于目标属性关系图的视频相似性分析方法研究[D].重庆大学.2018
[3].巩萍,程玉虎,王雪松.基于属性关系图正则化特征选择的零样本分类[J].中国矿业大学学报.2015
[4].万琴,王耀南,余洪山,林国汉.基于属性关系图优化匹配的多运动目标跟踪[J].仪器仪表学报.2013
[5].徐柱,蒙艳姿,李志林,李木梓.基于有向属性关系图的典型道路交叉口结构识别方法[J].测绘学报.2011
[6].郝丹丹,郭景峰,郑超.基于属性关系图的同名实体区分算法[J].计算机工程与科学.2010
[7].丁益洪,平西建,胡敏.线状纹理的一种属性关系图描述方法及其应用[J].计算机研究与发展.2002
[8].王展,王文惠,万建伟,皇甫堪,赵巨波.基于连续型Hopfield神经网络的模糊属性关系图模型匹配算法研究[J].模式识别与人工智能.1999
[9].戴亚非,顾兆军.数据依赖关系的属性关系图表示[J].哈尔滨工业大学学报.1997
[10].王成道,陈瑶.属性关系图匹配的神经网络实现及其应用[J].自动化学报.1994
论文知识图
