导读:本文包含了分辨矩阵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:矩阵,图像,视觉,网格,失配,粗糙,单词。
分辨矩阵论文文献综述
张俊辉[1]（2019）在《基于分辨矩阵的个人信用评估指标约简研究》一文中研究指出在个人信用评估中,大量的客户特征的评估不利于后续工作的开展。文章基于客户特征建立个人信用指标体系,利用粗糙集分辨矩阵约简相关指标。结果表明,优化后的指标体系不仅保留了原有的核心指标,而且在一定程度上降低了个人信用评估的工作量,体现了分辨矩阵属性约简在个人信用评估中的有效性,提高了工作效率。(本文来源于《信息通信》期刊2019年03期）
磨莉[2]（2018）在《低秩矩阵恢复的超分辨图像重建算法》一文中研究指出超分辨图像重建是提高图像质量的重要技术,为了提高图像重建的精度,以获得高质量的图像,针对当前图像重建算法存在缺陷,提出了基于低秩矩阵恢复的超分辨图像重建算法。首先根据低分辨率图像和高分辨率图像间的关系,选择训练样本,并将图像划分为多个子块,然后采用低秩矩阵恢复算法对子块进行学习,根据块与块间的相关性找到低分辨和高分辨图像子块重建的权值,实现图像超分辨率重建,最后在Matlab 2012平台上进行了图像超分辨率重建实验,结果表明,该算法提高了图像重建的精度,保留了边缘等细节信息,重建速度可以满足图像处理的实时性要求,而且重建效果要优于当前经典的图像重建算法。(本文来源于《控制工程》期刊2018年02期）
陈秋实,杨强,董英凝,姚迪,叶磊[3]（2017）在《基于矩阵填充的合成宽带高频雷达非网格目标分辨技术研究》一文中研究指出高频雷达由于工作在拥挤的高频频段(3~30 MHz),连续频带资源十分有限,有限的带宽限制了对目标的分辨能力。该文引入一种合成宽带的发射信号,同时针对该信号,提出一种基于矩阵填充(Matrix Completion,MC)的1维和2维目标参数估计方法,分别称之为矩阵填充1维估计(MCE-1D)和矩阵填充2维估计(MCE-2D)方法,该方法将不完备采样集合变换成低秩矩阵,通过构造双重汉克尔(two-fold Hankel)矩阵将其转化为半定规划(SemiDefinite Programming,SDP)问题求解。新方法应用于高频雷达中,可以在非连续谱的背景下获得场景中目标位置的准确估计,很好地解决了非网格目标在传统网格类方法中的基失配问题,新方法对于非网格目标具有更高的分辨能力及抗噪性能。仿真处理结果验证了该方法的有效性。(本文来源于《电子与信息学报》期刊2017年12期）
阎桂林,徐廷学,袁有宏,张众[4]（2016）在《再生分辨矩阵与决策熵的不完备决策系统属性约简》一文中研究指出为了有效地解决不完备决策系统的属性约简问题,提高属性约简的效率,提出了基于再生分辨矩阵与决策熵的不完备属性约简算法。该算法利用基于容差关系的分辨矩阵来计算相对核,通过再生分辨矩阵计算再生集和再生集属性来缩小加入约简集的条件属性选择范围,以再生集属性的分辨度和决策熵为依据,选择加入约简集的条件属性,并通过实例进行验证分析。结果表明,该算法适用于协调不完备决策系统与不协调不完备决策系统,能够有效地降低时间复杂度,并得到最优属性约简。(本文来源于《火力与指挥控制》期刊2016年09期）
谭伟杰,冯西安,张杨梅[5]（2016）在《基于Hankel矩阵分解的互素阵列高分辨目标定向》一文中研究指出互素阵列能有效扩展阵列虚拟孔径,但预处理后的阵列模型为一确定噪声下的单快拍相干源目标方位估计问题.针对该问题,提出了一种基于Hankel矩阵分解的方法,采用多项式求根的方法来进行高分辨定向.首先将阵列采样协方差数据进行Khatri-Rao(KR)积预处理,进行相关数学变换后,用去冗余后的数据构建Hankel矩阵,然后采用奇异值分解,转换为多项式求根,最后找出感兴趣的目标位置,并通过最小二乘法来求解出目标幅度.仿真结果表明了该方法的有效性和优越性.(本文来源于《西南大学学报(自然科学版)》期刊2016年07期）
王俊伟[6]（2016）在《基于二进制分辨矩阵的视觉单词约简方法研究》一文中研究指出随着大数据时代的来临,互联网上图像数据正在爆炸式增长,面对越来越多的图像数据,传统的人工方式标注图像已无法满足实际需求,寻找一种快速自动标注图像方法成为需要研究的主要内容之一。目前,图像场景分类是图像语义自动标注的一个研究热点,视觉词包模型是图像场景内容表达的一种重要方式,但由于视觉词包模型形成过程中会产生冗余视觉单词、“多义词”和“同义词”,这些视觉单词的存在严重影响了图像场景的分类性能。二进制分辨矩阵方法是粗糙集属性约简中的一种有效方法,本文将二进制分辨矩阵与视觉词包模型相结合,对视觉单词的约简和场景分类方法进行了研究,主要的研究内容如下:(1)给出了一种基于二进制分辨矩阵的冗余视觉单词约简方法。该方法首先通过调整归一化阈值α的取值,对所有训练图像产生不同的0-1信息决策表和构造不同的二进制分辨矩阵;然后以二进制分辨矩阵行列方向上1的个数作为启发信息识别核视觉单词和重要视觉单词;并以这些视觉单词作为描述图像场景分类的决策规则,从而减少了冗余视觉单词对图像场景分类的影响,进而提高了图像场景分类精度。最后在OT库8类图像数据集上进行实验,验证了该方法是有效的。(2)给出了一种基于二进制分辨矩阵的多义视觉单词约简方法。由于在(1)方法中归一化阈值α的选取对决策规则的生成影响较大,而且随着视觉单词容量增大,删除视觉单词过多导致决策规则区分力度下降,因此针对任意两类不同训练图像形成0-1信息决策表并构建二进制分别矩阵;然后根据二进制分辨矩阵约简算法,将其中一类图像分别与其它不同类图像的约简视觉单词求并集运算,并以这个并集作为决定这一类图像的决策规则,从而减少了任意两类图像视觉词包中存在的“多义词”问题,进而形成区分能力更强的决策规则。最后在OT库8类和Fei-Fei Dataset 13类图像数据集进行实验,验证了该方法的有效性。(3)开发了一个基于二进制分辨矩阵的图像场景分类原型系统。基于研究内容(1),以Matlab和Java作为开发工具,设计并实现了一个基于二进制分辨矩阵的图像场景分类原型系统。(本文来源于《太原科技大学》期刊2016-04-10）
魏远远[7]（2016）在《基于多分辨共生矩阵纹理特征的图像检索研究》一文中研究指出随着互联网、通信技术和存储技术的迅速发展,大量的图片信息不断涌现。如何高效、准确地从海量的图像中检索出人们所需要的图像是图像分析和应用领域的一个重要问题。在进行海量数据检索时,基于内容的图像检索(Content Based Image Retrieval CBIR)技术是一种非常有效的方法,而纹理特征则是描述图像的关键要素之一。小波变换具有良好的时频分析能力,已广泛应用于图像检索。但传统小波变换只能使用有限的方向去捕获边缘特征,不能有效地表达图像的边缘几何特征。非下采样剪切波(Nonsubsampled Shearlet Transform NSST)不仅具有各向异性及方向选择性,而且具有平移不变性。与传统小波相比,可有效捕捉图像的边缘信息。与轮廓波相比,能对图像进行稀疏表示,具有更高的计算效率。本文研究了非下采样剪切波的有关性质及其在图像检索中的应用。首先分析了图像NSST系数的统计特征,利用混合高斯函数对各个方向细节子带进行混合建模。对逼近子带进行均匀量化,对细节子带采用非均匀量化,提取多分辨共生矩阵的纹理特征,并结合统计特征进行融合,再利用具有权重系数的度量公式进行相似度计算。最后将此方法应用于标Brodatz图像库,对全部112幅纹理图像进行图像检索。实验表明：此方法与传统小波的相比,可以取得更好的检索率。(本文来源于《合肥工业大学》期刊2016-04-01）
杜晓明,代逸生[8]（2015）在《基于分辨矩阵和Apriori算法的关联规则挖掘研究与应用》一文中研究指出为进一步提高关联规则挖掘的运行效率,在传统Apriori算法的基础上,提出了一种基于分辨矩阵和Apriori算法的关联规则挖掘算法。在数据预处理阶段,采用分辨矩阵对原始数据集进行属性约简,达到降维的目的;在关联规则挖掘阶段,采用位图来表示原始数据集,并在每一步运算过程中通过置信度阈值对特征集进行约简。应用实例和仿真实验表明,该方法在时间复杂度和空间复杂度都有了极大的改善,具有一定的应用价值。(本文来源于《中国科技论文》期刊2015年20期）
许磊[9]（2015）在《基于分辨矩阵的电网故障诊断》一文中研究指出随着电网规模的扩大,使得一旦发生故障讲影响供电系统,因此,电网故障的诊断成为衡量电网安全运行的关键指标之一。因此,寻找一种有效的故障诊断方法对提高供电网的可靠性和安全运行有着非常重要的意义。鉴于电网故障的复杂性和数据的不完备性,易采用粗糙集理论进行电网的故障诊断,在故障规则提取中,关键是对决策表的约简。本文首先以保护、断路器作为条件属性,故障区域作为决策属性,建立故障决策表,然后运用基于分辨矩阵的属性约简算法进行决策表的约简,实现电网故障的诊断。算例结果说明了本算法的正确性和可行性。(本文来源于《智富时代》期刊2015年09期）
毛琳琳,张群飞,黄建国,史文涛,韩晶[10]（2015）在《基于互相关协方差矩阵的改进多重信号分类高分辨波达方位估计方法》一文中研究指出针对经典高分辨波达方位(DOA)估计方法在低信噪比下分辨性能较差的问题,该文提出一种适用于主动探测系统的基于互相关矩阵的改进多重信号分类(MUSIC)高分辨方位估计方法(I-MUSIC)。该方法首先利用主动声呐发射信号已知的特性,将发射信号与阵元接收信号进行互相关,利用互相关序列形成新的空域协方差矩阵,再进行特征分解。理论分析表明,互相关处理在抑制噪声的同时保留了阵元之间的相位信息,可以得到比MUSIC方法更准确的子空间划分,进而提高低信噪比方位估计性能。在此基础上,提出一种基于相关时间门限的改进MUSIC高分辨方位估计(T-MUSIC)方法,通过对互相关序列设置时间门限进一步提高方位估计信噪比。仿真结果表明,与MUSIC方法相比,I-MUSIC与T-MUSIC可以分别使低信噪比时的估计性能提高3 d B和6 d B,相应平均估计误差分别为原方法的77%和53%。在阵元间接收噪声存在相关性时,T-MUSIC与I-MUSIC方法相比可获得8 d B的估计增益,估计性能更优。I-MUSIC与T-MUSIC应用于多目标主动探测,可大幅提高探测系统在低信噪比下的方位估计性能。(本文来源于《电子与信息学报》期刊2015年08期）
分辨矩阵论文开题报告
（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：
超分辨图像重建是提高图像质量的重要技术,为了提高图像重建的精度,以获得高质量的图像,针对当前图像重建算法存在缺陷,提出了基于低秩矩阵恢复的超分辨图像重建算法。首先根据低分辨率图像和高分辨率图像间的关系,选择训练样本,并将图像划分为多个子块,然后采用低秩矩阵恢复算法对子块进行学习,根据块与块间的相关性找到低分辨和高分辨图像子块重建的权值,实现图像超分辨率重建,最后在Matlab 2012平台上进行了图像超分辨率重建实验,结果表明,该算法提高了图像重建的精度,保留了边缘等细节信息,重建速度可以满足图像处理的实时性要求,而且重建效果要优于当前经典的图像重建算法。
（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。
分辨矩阵论文参考文献
[1].张俊辉.基于分辨矩阵的个人信用评估指标约简研究[J].信息通信.2019
[2].磨莉.低秩矩阵恢复的超分辨图像重建算法[J].控制工程.2018
[3].陈秋实,杨强,董英凝,姚迪,叶磊.基于矩阵填充的合成宽带高频雷达非网格目标分辨技术研究[J].电子与信息学报.2017
[4].阎桂林,徐廷学,袁有宏,张众.再生分辨矩阵与决策熵的不完备决策系统属性约简[J].火力与指挥控制.2016
[5].谭伟杰,冯西安,张杨梅.基于Hankel矩阵分解的互素阵列高分辨目标定向[J].西南大学学报(自然科学版).2016
[6].王俊伟.基于二进制分辨矩阵的视觉单词约简方法研究[D].太原科技大学.2016
[7].魏远远.基于多分辨共生矩阵纹理特征的图像检索研究[D].合肥工业大学.2016
[8].杜晓明,代逸生.基于分辨矩阵和Apriori算法的关联规则挖掘研究与应用[J].中国科技论文.2015
[9].许磊.基于分辨矩阵的电网故障诊断[J].智富时代.2015
[10].毛琳琳,张群飞,黄建国,史文涛,韩晶.基于互相关协方差矩阵的改进多重信号分类高分辨波达方位估计方法[J].电子与信息学报.2015
论文知识图
