导读:本文包含了快速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:算法,特征,神经网络,快速,可编程,门阵列,函数。
快速算法论文文献综述
李泗兰,郭雅[1]（2019）在《基于深度学习哈希算法的快速图像检索研究》一文中研究指出现在存在的大部分监督哈希是将手工提取的特征转换为哈希值,然后根据图像标签为监督信息得到损失函数,但是手工提取特征以及不完全考虑所有损失的损失函数会降低检索精度。监督哈希算法主要目的是通过训练数据以及数据的标签提升数据与相应哈希的相似度,从而提高检索的相似度。论文提出了一个新的监督哈希算法,将每个图像的多标签转换为二进制向量,通过汉明距离得到成对图像的相似度,放入损失函数中作为监督信息,加上图像特征量化为哈希码时的量化误差以及所有图像哈希码与平衡值的差值,结合以上所有部分生成损失函数,进行网络训练。实验结果显示论文的方法在检索精度上比现有的方法有所提升。(本文来源于《计算机与数字工程》期刊2019年12期）
产叶林,胡新平[2]（2019）在《基于FAST和SURF的特征点快速匹配算法》一文中研究指出为解决传统印刷电路板(PCB)图像配准过程中匹配耗时和错配率较高的问题,提出一种基于FAST-SURF的特征点匹配优化算法。利用FAST算法快速提取特征点,利用SURF的64维描述子进行准确的特征描述,在匹配阶段使用K-Means算法优化匹配结果,通过RANSAC算法进行一致性检查,消除误匹配点。实验结果表明,与传统的SURFRANSAC算法相比,该算法提高了匹配正确率,减少了匹配时间,实现了PCB图像特征的快速匹配。(本文来源于《计算机工程与设计》期刊2019年12期）
张文卿,李为相,李为,陈鑫,倪再玥[3]（2019）在《改进的SURF特征快速匹配算法》一文中研究指出针对传统的SURF匹配算法计算复杂度高、配准精度低的问题,提出一种基于Radon变换降维SURF特征的彩色图像配准算法。改进传统的SURF描述符,利用投影变换对SURF描述符降维,并迭加图像的色彩信息;在特征匹配过程中将粗匹配和精匹配相结合,剔除误匹配点;采用加权平均法实现图像融合。实验结果表明,改进算法减少了SURF算法中的重复搜索,改善了彩色信息特征的缺失,提高图像配准精度的同时,减少算法运行时间,具有较好的图像拼接效果。(本文来源于《计算机工程与设计》期刊2019年12期）
刘伟,王伶俐,周灏[4]（2019）在《基于深度学习的FPGA快速布局算法》一文中研究指出本文提出一种新型的基于深度学习的FPGA快速布局算法,将FPGA布局转化为动态的进行逻辑单元块的选择和逻辑单元块位置确定的过程,从而实现电路网表在FPGA上的逐步布局.其中每一个逻辑单元块的位置确定由训练好的深度学习网络预测实现,所有逻辑单元块位置确定之后采用基于交换的快速详细布局算法进行优化.实验中使用MCNC基准电路进行测试,将测试结果与VPR中基于模拟退火的布局算法进行对比,结果表明:在关键路径延时平均9.8%布线后的损失代价下,整个布局过程的运行速度平均提升了24.54倍,其中处理十万量级大规模电路实现64.9倍的速度提升.(本文来源于《复旦学报(自然科学版)》期刊2019年06期）
王选择,洪潭,胡晓晖,翟中生,王淞略[5]（2019）在《基于移动正弦拟合的快速解包络算法》一文中研究指出针对频率已知的调幅信号,提出了一种基于移动正弦拟合的快速解包络算法。以不需要迭代运算的最小二乘线性正弦拟合方法为基础,运用向前递推思想,充分利用前次运算中间参数,顺序拟合出调幅信号上各点幅值与相位,极大地降低了运算量,适合于交流调幅传感信号包络曲线的快速求解。结合拟合参数的绝对值均值的整周期平滑法,给出了一种满足嵌入式系统的实用包络曲线求解算法。在超声波信号处理的实验应用中表明:该方法有效地抑制局部噪声点的影响,比一般方法更加灵活有效。(本文来源于《传感器与微系统》期刊2019年12期）
杨磊,李慧娟,李埔丞,方澄[6]（2019）在《基于贪婪-快速阈值迭代的SAR地面动目标稀疏表征算法》一文中研究指出合成孔径雷达地面动目标成像(Synthetic Aperture Radar Ground Moving Target Imaging, SAR-GMTIm)技术通过在静止场景的SAR图像中检测运动目标响应,实现针对运动目标的重聚焦成像。通常情况下,地面运动目标回波响应相对于静止场景的回波(即杂波)具有较强的稀疏性,增强SAR-GMTIm成像结果的稀疏特征有利于目标分类和识别。现有的一阶算法如阈值迭代算法(Iterative Shrinkage-thresholding Algorithm,ISTA)及其改进方法,快速阈值迭代算法(Fast Iterative Shrinkage-thresholding Algorithm,FISTA)都可用于SAR-GMTIm稀疏特征增强,但都存在运算效率偏低,收敛速度较慢的问题。针对以上问题,本文提出了一种贪婪-快速阈值迭代算法(Greedy Fast Iterative Shrinkage-thresholding Algorithm,Greedy FISTA)用于SAR-GMTIm稀疏特征恢复。该算法基于重启动框架对FISTA进行改进,缩短了算法重启间隔和振荡周期,拥有比FISTA更快的收敛速度。本文利用Greedy FISTA针对SAR-GMTIm的仿真复数据以及美国空军实验室的Gotcha实测雷达数据进行成像实验,并对比Greedy FISTA和FISTA、ISTA在SAR动目标成像中达到同等精度所需的迭代次数,再结合相变热力图分析法对比叁种算法的恢复性能。实验结果表明Greedy FISTA应用于SAR-GMTIm系统具有良好的成像效果,且在收敛速度和稀疏信号恢复方面相较传统阈值迭代算法及快速阈值迭代算法有明显优势。(本文来源于《信号处理》期刊2019年11期）
关峥嵘,谭毅华,田金文[7]（2019）在《一种快速的遥感卫星图像云检测算法》一文中研究指出在高分辨的遥感卫星图像中常常会存在云层遮挡的情况,这对进行一些图像分类或者目标识别任务造成了很大的干扰,因此如何快速有效地判断遥感图像中是否存在云遮挡是一个关键性的技术。大部分的检测算法都是基于阈值分割来进行判断的,这些算法常常面临着适应性不强和检测速度慢的问题。论文提出了一种基于改进的最大响应滤波器(Maximum Response Filter,MR)的快速云检测算法,通过提取的特征和事先训练好的分类器,能快速而有效地进行云区检测,并在我国高分1号卫星图像上进行实验,得到了令人满意的结果,证明了该方法的有效性。(本文来源于《计算机与数字工程》期刊2019年11期）
沈悦[8]（2019）在《铁路异物入侵深度识别网络快速训练算法》一文中研究指出异物侵入铁路限界对铁路系统可靠性造成了极大的威胁。为达到高分类准确率及低模型内存占用率兼备的目的,针对既有技术方法中分类效果、泛化性能较差以及耗时久、模型占用空间大等问题,本文提供了一种快速训练算法,采用网络迁移压缩同时进行的方式,提出基于特征图L1或L2范数的递归式裁剪准则剔除冗余卷积核以压缩网络。对于单个相机新场景的目标分类任务,只需使用在混合场景数据上得到的最优分类网络模型通过压缩和微调训练便可以实现不同场景铁路异物分类的快速训练。实验表明,在基于铁路场景数据库的测试中,该算法可以将原始VGG16模型的参数消耗内存压缩1 020倍,在不同的单个相机场景测试样本库上压缩后网络的分类误差最低为0.34%。(本文来源于《电子设计工程》期刊2019年22期）
邓雯静[9]（2019）在《基于ZigBee的无人机航拍影像快速特征匹配算法》一文中研究指出为了提高无人机航拍影像的识别能力,需要进行特征匹配处理,提出基于ZigBee的无人机航拍影像快速特征匹配算法,采用ZigBee协议进行无人机航拍影像采集的无线传感组网设计,采集无人机航拍的图像,对图像采用局部加权融合特征分离方法进行无人机航拍影像快速特征检测,构建像素分维像模型进行无人机航拍影像快速特征匹配,使用图像的熵特征量作为特征匹配的基准分量,计算图像每个像素的局部信息熵,结合图像背景过滤机制和小目标增强方法实现对无人机航拍影像的目标细节定位和快速特征匹配。仿真结果表明,采用该方法进行无人机航拍影像快速特征匹配的自适应性较好,对图像目标的检测准确率较高。(本文来源于《电子设计工程》期刊2019年22期）
王培晓,张恒才,王海波,吴升[10]（2019）在《ST-CFSFDP:快速搜索密度峰值的时空聚类算法》一文中研究指出时空聚类算法是地理时空大数据挖掘的基础研究命题。针对传统CFSFDP聚类算法无法应用于时空数据挖掘的问题,本文提出一种时空约束的ST-CFSFDP(spatial-temporal clustering by fast search and find of density peaks)算法。在CFSFDP算法基础上加入时间约束,修改了样本属性值的计算策略,不仅解决了原算法单簇集多密度峰值问题,且可以区分并识别相同位置不同时间的簇集。本文利用模拟时空数据与真实的室内定位轨迹数据进行对比试验。结果表明,该算法在时间阈值90 s、距离阈值5 m的识别正确率高达82.4%,较经典ST-DBCSAN、ST-OPTICS及ST-AGNES聚类算法准确率分别提高了5.2%、4.2%和7.6%。(本文来源于《测绘学报》期刊2019年11期）
快速算法论文开题报告
（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：
为解决传统印刷电路板(PCB)图像配准过程中匹配耗时和错配率较高的问题,提出一种基于FAST-SURF的特征点匹配优化算法。利用FAST算法快速提取特征点,利用SURF的64维描述子进行准确的特征描述,在匹配阶段使用K-Means算法优化匹配结果,通过RANSAC算法进行一致性检查,消除误匹配点。实验结果表明,与传统的SURFRANSAC算法相比,该算法提高了匹配正确率,减少了匹配时间,实现了PCB图像特征的快速匹配。
（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。
快速算法论文参考文献
[1].李泗兰,郭雅.基于深度学习哈希算法的快速图像检索研究[J].计算机与数字工程.2019
[2].产叶林,胡新平.基于FAST和SURF的特征点快速匹配算法[J].计算机工程与设计.2019
[3].张文卿,李为相,李为,陈鑫,倪再玥.改进的SURF特征快速匹配算法[J].计算机工程与设计.2019
[4].刘伟,王伶俐,周灏.基于深度学习的FPGA快速布局算法[J].复旦学报(自然科学版).2019
[5].王选择,洪潭,胡晓晖,翟中生,王淞略.基于移动正弦拟合的快速解包络算法[J].传感器与微系统.2019
[6].杨磊,李慧娟,李埔丞,方澄.基于贪婪-快速阈值迭代的SAR地面动目标稀疏表征算法[J].信号处理.2019
[7].关峥嵘,谭毅华,田金文.一种快速的遥感卫星图像云检测算法[J].计算机与数字工程.2019
[8].沈悦.铁路异物入侵深度识别网络快速训练算法[J].电子设计工程.2019
[9].邓雯静.基于ZigBee的无人机航拍影像快速特征匹配算法[J].电子设计工程.2019
[10].王培晓,张恒才,王海波,吴升.ST-CFSFDP:快速搜索密度峰值的时空聚类算法[J].测绘学报.2019
论文知识图
