导读:本文包含了缩放算法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:缩放,算法,图像,多维,自适应,流形,属性。
缩放算法论文文献综述
彭燕,胡丹屏,刘宇红,张荣芬[1]（2019）在《基于FPGA实现的Ferguson双叁次曲面插值图像缩放算法》一文中研究指出图像缩放作为图像处理中重要的一部分,具有广泛的应用领域。随着科技的发展,实际应用中对图像缩放的质量和速度的要求也随之提高。本文首先在Matlab中实现糖尿病视网膜图像的缩放实验,对比验证了Ferguson双叁次曲面插值算法在图像缩放细节处理上的优异表现,然后在擅长以纳秒级速度处理并行数据的FPGA硬件平台上实现该算法,达到了良好的图像缩放效果,这有利于医疗图像处理等工程应用与实践。(本文来源于《贵州大学学报(自然科学版)》期刊2019年06期）
王守金,程小桐,宋晓宇[2]（2019）在《引入高斯分布缩放因子的人工蜂群算法》一文中研究指出为解决原始人工蜂群算法收敛速度慢、开发性不足的问题,在保证其探索性的基础上增强开发性,提出引入高斯分布缩放因子的人工蜂群算法。在引领蜂阶段采用基于邻域的最优解学习搜索策略,增加种群多样性;在跟随蜂阶段采用能够自适应调节搜索步长的叁角变异搜索策略,修改其食物源的选择方式;两个搜索方程中引入高斯分布缩放因子,利用搜索方程特性及通过实验设定高斯参数,实现算法在探索和开发之间的平衡。采用10个不同特性的标准测试函数进行仿真实验,验证了改进后的算法在搜索质量、收敛速度、鲁棒性等方面的优越性。(本文来源于《计算机工程与设计》期刊2019年09期）
王潇,徐建刚[3]（2019）在《抗缩放攻击的高水印容量数字水印算法》一文中研究指出目的为了增加水印算法的可嵌入水印信息容量,解决抗高强度缩放攻击等问题,提出一种基于圆形角度模板的抗缩放攻击、高水印容量的数字水印算法。方法首先将原始水印信息转换为QR码,根据QR码生成原理提取其数据编码,并进行分组,再将分组的编码转换为角度信息;随机生成具有方向性和周期性的基础圆形模板水印,根据角度信息对其进行旋转,生成待嵌入的圆形角度模板水印;通过修改图像的最小可察觉误差完成水印信息的嵌入;通过检测模板水印中的角度信息,提出水印信息。结果实验结果表明,该算法不仅可有效抵抗高强度的缩放攻击,同时还可以抵抗色彩调整、旋转、压缩、噪声、滤波、模糊等攻击。此外,该算法可实现较高容量的水印信息嵌入和无损提取。结论通过对水印信息预处理和圆形角度模板水印的应用,不仅使得该算法具备高水印容量,而且可有效抵抗高强度缩放攻击,在抵抗色彩调整、旋转等图像处理攻击方面同样具备较强的鲁棒性,能满足实际应用需求。(本文来源于《包装工程》期刊2019年17期）
任向隆,田泽,张骏,韩立敏,郑新建[4]（2019）在《Catmull-Rom图像缩放算法的自适应结构设计与实现》一文中研究指出为解决传统Catmull-Rom缩放结构因行列计算量比例不协调导致行/列插值部件长期停顿而造成的性能低下问题,提出了两种自适应结构.在传统结构的基础上增加叁个插值部件,并结合两种自适应策略,分配新增插值部件用于行或列插值,并对处于工作状态的插值部件的数量进行调整,得到两种自适应结构.实验表明:与传统结构相比,结构一各类资源占用为原来的1～2.5倍,而性能提高最大为原来的3.99倍,但仅在缩小时存在性能提升,适用于仅存在缩小的场合(如纹理的MIPMAP);结构二各类资源占用为原来的1.7～2.5倍,而性能提高最大为原来的3.98倍,在缩小与放大时均存在性能提升,适用于放大缩小同时存在的场合(如图像的缩放).(本文来源于《微电子学与计算机》期刊2019年08期）
王小花,熊见亮,张鹏[5]（2019）在《多维缩放舰船运行数据聚类算法设计》一文中研究指出传统的聚类化运算算法(基于K-Means算法),在大数据环境下运算力下降,数据聚类运算收敛不足。提出基于多维缩放的舰船运行数据聚类算法设计。利用基于多维缩放的KNTSCCA聚类算法,对舰船运行数据传统算法进行替换,通过对舰船数据的降维迭代计算,实现多维缩放聚类算法设计。通过仿真实验证明,提出的多维缩放的舰船运行数据聚类算法,能够解决现有基于K-Means算法收敛不足的问题,具有可行性。(本文来源于《舰船科学技术》期刊2019年10期）
李琼阳[6]（2019）在《基于再缩放策略的逻辑回归算法及其应用》一文中研究指出文章提出了一种利用过滤式属性筛选-去相关的方法选择建模属性,极大程度地削弱属性之间的共线性程度。逻辑回归算法在进行类别判定时默认以0.5为判定阈值,但此种判定方式在不平衡数据集上的效果不理想,利用再缩放策略研究逻辑回归算法在不平衡数据集上的应用,并在某运营商提供的垃圾短信用户行为消费特征样本数据上进行实证分析。结果表明,经由过滤式属性筛选-去相关选取建模变量之后,基于再缩放策略的逻辑回归学习器具有良好的准确率和普适性。(本文来源于《统计与决策》期刊2019年10期）
李香元[7]（2019）在《基于密度缩放因子的ISOMAP降维算法及其应用》一文中研究指出数据降维技术是缓解维数灾难问题的关键技术,具有重要的研究意义。近年来,流形学习作为一种新型的非线性数据降维方法,其主要目标是获得高维数据的低维紧凑表示,以寻找数据的本质信息,是目前降维技术研究的热点。等距映射(ISOMAP)降维算法是流形学习算法的代表之一,其因具有能保持非线性数据降维后空间全局结构完整的良好特性而受到了广泛关注。本文在ISOMAP算法的基础上,针对ISOMAP算法在测地距离计算过程中对噪声敏感和不适用于多流形数据这两个问题,利用数据的密度信息进行展开研究。基于密度思想,提出了处理噪声问题的基于密度缩放因子的ISOMAP(D-ISOMAP)算法和处理多流形数据的有监督的ISOMAP(DMM-ISOMAP)算法。大量实验结果展示了提出算法的有效性和在实际应用中的良好性能。本文主要工作总结如下:(1)经典降维算法分析与比较。将降维算法分为线性降维和非线性降维这两类进行介绍,从算法的思想、算法流程和算法分析叁个方面对介绍的降维算法进行详细的分析,比较各类降维算法的优缺点,最后针对非线性降维算法ISOMAP提出两个改进的方向。(2)针对ISOMAP算法在测地距离计算时对噪声敏感的问题,提出了一种基于密度缩放因子无监督的ISOMAP(D-ISOMAP)算法,减少了噪声对降维的影响,增强了算法的鲁棒性,并使通过该降维算法后的数据有利于数据的聚类任务。实验结果表明,提出的D-ISOMAP算法相比于其他降维算法鲁棒性强,并能提升聚类任务的性能。(3)针对ISOMAP算法是一种无监督的降维算法对于处理存在多流形的数据时容易产生短路边的问题,根据数据的密度信息和标签信息,提出了一种有监督的基于多流形的ISOMAP(DMM-ISOMAP)算法,以消除ISOMAP算法在处理多流形数据时出现短路边的情况。实验结果表明,提出的DMM-ISOMAP算法能消除降维过程中出现短路边的情况,能使降维后的数据更具有判别性能,相比其他降维算法提出算法在数据分类任务上取得了明显的优势。(本文来源于《西北农林科技大学》期刊2019-05-01）
陈培林[8]（2019）在《基于多特征融合与连续特征缩放的WiFi室内定位算法研究》一文中研究指出随着社会现代化的推进,智能手机已经普及人们的生活,基于位置的服务(Location Based Services,简称LBS)也越来越影响着我们,人们对于基于位置的服务的要求也越来越高。室内定位作为基于位置的服务中的一个重要技术,近年来受到了越来越多的关注。室内环境的复杂性导致了室外的定位方法如全球定位系统(Global Positioning System,简称GPS)等现有方式无法在室内实现良好的定位效果。并且,由于WiFi大量的在大型超市、医院、机场等场合的大量覆盖,利用WiFi信号实现室内定位成为了人们实现高效、经济、简单的室内定位的一种选择。然而,如何利用WiFi实现更加精确定位,如何应对多种场景下的不同需求,是一个亟待解决的问题。本文主要从以下两个方面展开工作:针对室内定位的粗定位(分类)问题,为了改善传统室内定位分类算法仅使用WiFi强度指纹作为特征的单一指纹方法,提升室内环境粗定位的分类精度,本文利用WiFi通信获得的WiFi指纹强度信息和一同获得的其他信息特征进行多特征融合,提出了基于集成学习模型(XGBoost与LightGBM)和多特征融合的定位系统。我们把所提出的定位系统应用在真实的场景中,实验表明,多特征融合的方法相较于传统单一仅使用WiFi指纹特征的方法能够提升定位的精确度,所引入的集成模型(XGBoost与LightGBM)相比传统的随机森林模型能够实现更好的定位效果,同时我们对于系统适用的场景也做了进一步的探讨。针对室内定位精定位(坐标定位)问题,本文就已有的基于特征缩放的方法k近邻(Feature Scaling based k-nearest neighbor,简称FS-kNN)算法中出现的“边界模糊”问题,提出了一种改进的使用连续特征缩放模型和异常点剔除的算法,简称CFS-kNN(Continuous Feature Scaling based k-nearest neighbor)。CFS-kNN不同于FS-kNN需要将整个RSSI(Received Signal Strength Indicator)信号空间划分间隔,从而避免了相邻区间上的权重选择问题,同时结合异常点剔除这一流程,进一步提高了定位的准确性。通过实际场景下的实验表明,所提出的算法在实验的几种算法中实现了最高的精度。最后,通过实验验证了算法在新环境下的稳定性。(本文来源于《华南理工大学》期刊2019-04-11）
杨剑炉[9]（2019）在《结合边缘检测的Seam Carving图像缩放算法》一文中研究指出Seam Carving算法是一种能够尽可能保留图像中视觉关注度高的对象和区域的图像缩放技术。为了改善Seam Carving算法的缩放效果,提出一种结合显着性的梯度能量函数模型,能够更有效地定义图像中的对象或区域的视觉关注度,避免它们在缩放时被删减。此外,对Seam的提取路线加以改进,采用结合图像边缘识别的分段Seam提取路线,能够更有效减低路线中像素的平均能量值,也能避免图像边缘被破坏从而引起图像中物品的形变扭曲。(本文来源于《宜春学院学报》期刊2019年03期）
王鹏,曹云峰,许蕾,丁萌,张洲宇[10]（2019）在《一种图像缩放算法的SoC协同加速设计方法》一文中研究指出针对无人机自主着陆的跑道检测、识别、跟踪等视觉算法中需要对大量图像进行缩放处理以便后续计算,但又对实时性要求比较高的情况,根据输入输出像素点的映射关系提出了一种适用于硬件加速的图像缩放算法,简化算法结构的同时利用现场可编程门阵列进行模块硬件功能的设计对算法加速,并采用软硬件协同的体系结构搭建实时图像处理系统。实验结果表明,该缩放算法处理精度高、耗时少,且用硬件逻辑实现后,可以进一步提速171倍,硬化后的系统可以通过摄像头获取图像数据,实时处理后在显示器中显示,达到30帧/s的处理速度,可以应用于实时性要求较高的图像处理算法中。(本文来源于《北京航空航天大学学报》期刊2019年02期）
缩放算法论文开题报告
（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：
为解决原始人工蜂群算法收敛速度慢、开发性不足的问题,在保证其探索性的基础上增强开发性,提出引入高斯分布缩放因子的人工蜂群算法。在引领蜂阶段采用基于邻域的最优解学习搜索策略,增加种群多样性;在跟随蜂阶段采用能够自适应调节搜索步长的叁角变异搜索策略,修改其食物源的选择方式;两个搜索方程中引入高斯分布缩放因子,利用搜索方程特性及通过实验设定高斯参数,实现算法在探索和开发之间的平衡。采用10个不同特性的标准测试函数进行仿真实验,验证了改进后的算法在搜索质量、收敛速度、鲁棒性等方面的优越性。
（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。
缩放算法论文参考文献
[1].彭燕,胡丹屏,刘宇红,张荣芬.基于FPGA实现的Ferguson双叁次曲面插值图像缩放算法[J].贵州大学学报(自然科学版).2019
[2].王守金,程小桐,宋晓宇.引入高斯分布缩放因子的人工蜂群算法[J].计算机工程与设计.2019
[3].王潇,徐建刚.抗缩放攻击的高水印容量数字水印算法[J].包装工程.2019
[4].任向隆,田泽,张骏,韩立敏,郑新建.Catmull-Rom图像缩放算法的自适应结构设计与实现[J].微电子学与计算机.2019
[5].王小花,熊见亮,张鹏.多维缩放舰船运行数据聚类算法设计[J].舰船科学技术.2019
[6].李琼阳.基于再缩放策略的逻辑回归算法及其应用[J].统计与决策.2019
[7].李香元.基于密度缩放因子的ISOMAP降维算法及其应用[D].西北农林科技大学.2019
[8].陈培林.基于多特征融合与连续特征缩放的WiFi室内定位算法研究[D].华南理工大学.2019
[9].杨剑炉.结合边缘检测的SeamCarving图像缩放算法[J].宜春学院学报.2019
[10].王鹏,曹云峰,许蕾,丁萌,张洲宇.一种图像缩放算法的SoC协同加速设计方法[J].北京航空航天大学学报.2019
论文知识图
