导读:本文包含了先验知识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:知识,神经网络,深度,目标,样本,警觉性,磁共振。
先验知识论文文献综述
蔡林,郭桂萍[1]（2019）在《先验知识对大学生创业机会识别的影响：创业自我效能感和创业警觉性的链式中介作用》一文中研究指出基于计划行为理论和创业机会确认与发展理论模型,对四川省9所高校的821名学生的创业机会识别影响机制进行了实证研究。研究发现:先验知识对大学生创业机会识别具有显着正向预测作用;大学生创业自我效能感在先验知识和创业机会识别关系中起部分中介作用;大学生创业警觉性在先验知识和创业机会识别关系中起部分中介作用;大学生创业自我效能感、创业警觉性在先验知识和创业机会识别之间的链式中介作用显着。综上,创业自我效能感和创业警觉性在先验知识与大学生创业机会识别中起到链式中介作用。(本文来源于《创新与创业教育》期刊2019年05期）
马波,蔡伟东,郑凡帆[2]（2019）在《先验知识指导生成虚拟样本在指针式仪表识别上的应用》一文中研究指出为解决现有指针式仪表识别方法依赖于预处理的有效性且泛化能力不足的问题,提出一种基于深度卷积神经网络与虚拟样本结合的识别方法.该方法利用深度卷积神经网络自适应地提取仪表图像关键特征,避免无关信息的干扰;采用先验知识构建指针式仪表虚拟样本生成模型,解决深度卷积神经网络面临的小样本难题.仿真数据、实验数据和现场实际应用结果表明,文中方法是可行有效的,且比传统的指针定位方法识别效果更好,尤其在更换仪表、局部信息缺失等复杂情况下具有很好的鲁棒性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年09期）
褚伟,茹琦,任明仑[3]（2019）在《结合先验知识的深度Q神经网络算法研究》一文中研究指出深度Q神经网络(deep Q-network,DQN)算法在训练初期,由于动作选择随机性强,导致算法的训练时间过长。针对该问题,文章提出一种结合先验知识的深度Q神经网络(priori knowledge-DQN,PK-DQN)算法,将先验知识定义为特征状态与最优动作的映射,根据先验知识对动作选择过程的影响程度,将先验知识引入DQN算法,优化DQN算法的动作选择规则,降低其在探索过程中的动作选择随机性,并使用赛车游戏对算法进行训练。实验结果表明,PK-DQN算法能够更快收敛,有较高的学习效率,算法训练时长明显缩短。(本文来源于《合肥工业大学学报(自然科学版)》期刊2019年07期）
徐云昆,谭建荣,梅韬,周泾松,唐宏亮[4]（2019）在《结合多体动力学先验知识与核方法的位标器性能预测技术》一文中研究指出位标器的性能与特征参数之间存在着非常复杂的非线性映射关系,且由于装调工艺复杂,测量手段昂贵,位标器实际测量数据较少。如何在小数据的情况下实现对位标器性能的精确求解,是准确预测位标器装调性能的关键。提出一种结合陀螺动力学先验知识和核方法的位标器装配性能预测方法 (A-LPSVR)。通过构建陀螺Adams动力学模型以缩小解空间范围。使用仿真性能值和真实装调性能值的差值训练支持向量回归模型,得到最终的位标器性能预测模型。实验结果表明该方法所构建的模型预测准确性与泛化性能要优于现有模型,能够在测量数据稀缺情况下实现位标器陀螺仪性能的精确预测。(本文来源于《飞控与探测》期刊2019年04期）
张玉柱,王传兵[5]（2019）在《基于先验知识和模糊C均值聚类算法的脑部磁共振图像分割研究》一文中研究指出目的:提出一种基于先验知识引导的模糊C均值算法(PIGFCM),并将其应用于脑部磁共振(MR)图像分割。方法:采用基于高斯分布的图像先验知识获取初始聚类中心;采用改进PIGFCM聚类算法进行图像分割,得到MR脑部分割图像;采用Dice相似性系数、均方根误差(RMSE)和平均耗时评价不同算法的分割效果。结果:对于人工合成的脑部MR图像分割算法所得的Dice相似性系数可达0.87～0.98,平均耗时降低了0.17～0.81倍。对于临床实例MR图像分割算法所得脑白质和灰质的Dice相似性系数较其他算法分别提升12.8%～16.6%和1.1%～40.4%,RMSE下降了0.63～0.94倍,平均耗时降低了0.08～0.75倍。结论:提出PIGFCM算法收敛速度快,较其他常见模糊算法获得更高的分割精度、更强的抗噪性和更快的分割速度,是一种可行的脑部MR图像分割算法。(本文来源于《中国医学装备》期刊2019年07期）
仇建华,杨兴园,张亚岐,李创[6]（2019）在《考虑先验知识的ICA在轨道交通客流预测中应用》一文中研究指出针对轨道交通客流量的不确定性,采用考虑先验知识的独立成分分析法对轨道交通客流量进行预测。首先将采集部分时段同一线路上各个站点客流量数据作为先验样本,获得相应的概率密度;其次通过独立成分分析得各个站点客流量独立源数据,利用独立源数据构建基于相关向量机预测模型;最后通过增加扰动量来对模型进行评价。结果表明:未考虑先验知识的预测模型对相对较小的扰动量不敏感,且对较大扰动量响应的稳定性差;而考虑先验知识的预测模型有很好的敏感度和稳定性。(本文来源于《计算技术与自动化》期刊2019年02期）
王凯亮,陆俊,徐志强,齐增清,龚钢军[7]（2019）在《基于先验知识与DBM采样的类不平衡用电数据分类方法》一文中研究指出智能电网建设过程中现有客户标签体系不够完善,针对海量用户用电数据的分类管理中带有标签的样本数据量小以及类不平衡分布的问题,提出了一种基于先验知识与深度玻尔兹曼机(DBM)采样的不平衡用电数据分类方法。首先,提取负荷曲线的特征,建立采样原则,利用先验知识和DBM对负荷曲线进行采样。然后,将采样数据通过极限学习机(ELM)网络进行训练。最后以爱尔兰用户用电数据为数据源,通过与原始非采样、随机过采样、合成少数类过采样技术(SMOTE)的对比性实验分析结果表明,所提出的基于先验知识与DBM采样的不平衡用电数据分类方法能够更好地对类不平衡用电数据集进行分类,实现用户用电行为的分析,有效支撑用户侧错峰避峰工作。(本文来源于《电力系统自动化》期刊2019年20期）
吕宗磊,姬婷婷[8]（2019）在《基于先验知识的里程碑事件时间识别方法》一文中研究指出传统手写数字识别方法在实际应用中没有使用上下文信息,针对机场里程碑事件中的手写数字识别问题,提出基于先验知识的里程碑事件时间识别方法。在传统概率神经网络的基础上加入筛选层,删除不符合时间数据特点的结果,利用机场里程碑事件发生时间的先验知识对识别结果进行选择。在真实的里程碑事件发生时间的识别实验中,所提方法对手写体数字的识别正确率可以达到99%,而BP神经网络对手写体数字的识别正确率仅94.5%,实验验证了所提方法的有效性。(本文来源于《计算机工程与设计》期刊2019年06期）
程璐[9]（2019）在《基于群体影像非局部先验知识的低剂量CT图像降噪研究》一文中研究指出低剂量CT(Low-Dose CT,LDCT)技术能够有效减少X-射线对患者的电离辐射伤害,但同时造成CT成像受严重伪影噪声干扰,无法满足临床诊断要求。个体患者前期常规剂量CT(Normal-Dose CT,NDCT)图像引导的LDCT图像降噪策略显示了较好的发展潜力,但该策略需对患者进行重复扫描以获取前期同断层NDCT图像,这极大限制了其实际临床应用。此外由于临床扫描中不自主体内运动,造成即使经配准后同断层位置的两次扫描图像仍存在局部结构不一致情形,进而存在引入错误先验特征的风险。临床已有群体患者的NDCT图像(群体影像)中包含了有价值的纹理、结构等先验特征,若能够采用某种成像模式从群体影像中提取先验特征并应用于低剂量CT成像,将能够极大提高LDCT成像质量。为此,本文提出基于群体影像非局部先验知识的低剂量CT图像降噪模式,通过提取群体影像中非局部先验知识,并利用其对目标低剂量CT图像进行自适应规整处理,达到提高低剂量X-射线CT成像质量的目的。本文主要工作如下:(1)提出基于群体影像非局部先验知识的低剂量CT图像降噪新模式,并对此模式中所涉及的群体影像数据库的建立方法,先验样本搜索方法,目标图像感兴趣区非局部先验冗余知识提取及自适应规整方法进行了系统研究。(2)提出基于群体影像自适应先验灰度特征匹配及非局部先验冗余信息提取的低剂量CT图像降噪算法(Priori-Gray Feature Matching and Non-Local Means,PFM-NLM)。此算法通过组建群体影像特征离线数据库,提取先验图像的灰度值信息表征图像的纹理特征,并利用相似先验样本在线搜索及非局部均值技术,针对目标图像局部感兴趣区进行自适应先验信息挖掘与规整化处理,实现了群体影像条件下基于非局部先验知识的低剂量CT图像噪声抑制。采用PFM-NLM算法对肺癌患者CT图像进行仿真及临床实验验证,实验结果表明所提算法能够有效避免引入错误先验结构,并在噪声抑制和纹理保持上均优于传统降噪算法。(3)提出基于群体影像自适应先验影像特征匹配及非局部先验冗余信息提取的低剂量CT图像降噪算法(Priori Mixed Features Matching and Non-Local Means,PMFM-NLM)。此算法在PFM-NLM算法基础上,进一步提取图像块由灰度共生矩阵(Gray-Level Co-Occurrence Matrix,GLCM)计算得到的五类纹理特征(能量,熵,对比度,相关性和逆差矩)表征图像的纹理特征,并结合图像块的体素灰度值特征,组建群体影像特征数据库,从而增强先验样本信息表达能力,进而提高相似样本搜索的精确性,最后通过目标图像局部感兴趣区非局部先验知识自适应挖掘与规整化处理,实现低剂量CT图像噪声抑制。采用PMFM-NLM算法对肺癌患者CT图像进行仿真及临床实验验证,实验结果表明所提算法较传统降噪算法以及PFM-NLM算法能够进一步提高低剂量CT图像质量。(本文来源于《曲阜师范大学》期刊2019-06-10）
王华东[10]（2019）在《融合目标先验知识的目标跟踪策略研究》一文中研究指出随着视频监控技术、智能驾驶、智能交通以及智慧城市等发展的需要,计算机视觉领域中的一个分支——视觉目标跟踪技术在学术界和工业界引起了强烈关注,并且吸引了大量学者和工程师们进行相关算法的研究与实现。目前,视觉目标跟踪技术已经取得了很大进步,但是在实际视觉目标跟踪过程中,当视频中的目标出现运动模糊、发生形变、被遮挡以及发生平面外旋转等复杂情况时,跟踪目标框将有远离跟踪目标的趋势。此时若没有及时进行目标跟踪预测位置的纠正,就会导致后续阶段目标跟踪失败。为了解决上述问题,本文提出一种融合目标先验知识的目标跟踪策略。主要分为以下2部分:(1)目标先验知识的获取。在视觉目标跟踪过程中,视频序列第一帧会标注本视频序列需要跟踪的目标,这时可以充分挖掘标注目标的信息,作为先验知识。(2)融合目标先验知识的视觉目标跟踪策略到现有算法。在判断出跟踪目标框开始远离跟踪的目标时,利用目标先验知识进行目标二次搜索,最终提高现有视觉目标跟踪算法的性能。本文将提出的融合目标先验知识的目标跟踪策略应用到基于压缩感知理论的CT算法、早期的相关滤波算法MOSSE以及近期的BACF算法中,通过在主流视觉目标跟踪数据集OTB2013和OTB2015上的对比实验进行实验验证,并且对实验结果进行定性和定量分析,验证融合目标先验知识的目标跟踪策略的有效性和鲁棒性。(本文来源于《内蒙古大学》期刊2019-06-06）
先验知识论文开题报告
（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：
为解决现有指针式仪表识别方法依赖于预处理的有效性且泛化能力不足的问题,提出一种基于深度卷积神经网络与虚拟样本结合的识别方法.该方法利用深度卷积神经网络自适应地提取仪表图像关键特征,避免无关信息的干扰;采用先验知识构建指针式仪表虚拟样本生成模型,解决深度卷积神经网络面临的小样本难题.仿真数据、实验数据和现场实际应用结果表明,文中方法是可行有效的,且比传统的指针定位方法识别效果更好,尤其在更换仪表、局部信息缺失等复杂情况下具有很好的鲁棒性.
（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。
先验知识论文参考文献
[1].蔡林,郭桂萍.先验知识对大学生创业机会识别的影响：创业自我效能感和创业警觉性的链式中介作用[J].创新与创业教育.2019
[2].马波,蔡伟东,郑凡帆.先验知识指导生成虚拟样本在指针式仪表识别上的应用[J].计算机辅助设计与图形学学报.2019
[3].褚伟,茹琦,任明仑.结合先验知识的深度Q神经网络算法研究[J].合肥工业大学学报(自然科学版).2019
[4].徐云昆,谭建荣,梅韬,周泾松,唐宏亮.结合多体动力学先验知识与核方法的位标器性能预测技术[J].飞控与探测.2019
[5].张玉柱,王传兵.基于先验知识和模糊C均值聚类算法的脑部磁共振图像分割研究[J].中国医学装备.2019
[6].仇建华,杨兴园,张亚岐,李创.考虑先验知识的ICA在轨道交通客流预测中应用[J].计算技术与自动化.2019
[7].王凯亮,陆俊,徐志强,齐增清,龚钢军.基于先验知识与DBM采样的类不平衡用电数据分类方法[J].电力系统自动化.2019
[8].吕宗磊,姬婷婷.基于先验知识的里程碑事件时间识别方法[J].计算机工程与设计.2019
[9].程璐.基于群体影像非局部先验知识的低剂量CT图像降噪研究[D].曲阜师范大学.2019
[10].王华东.融合目标先验知识的目标跟踪策略研究[D].内蒙古大学.2019
论文知识图
