导读:本文包含了混合因子分析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:因子,模型,算法,马尔,流形,图像,可夫。
混合因子分析论文文献综述
雷净兰[1]（2018）在《基于混合因子分析和马尔科夫随机场的遥感图像变化检测研究》一文中研究指出遥感图像变化检测是指从相同地区不同时刻所观测得到的两幅或多幅遥感图像中获取变化信息的技术。随着遥感技术的迅速发展,所获取的遥感图像包含丰富的空间、纹理、几何等结构信息。在遥感图像变化检测技术中,如何充分利用这些丰富的信息,从而快速准确地获取地物变化是亟待解决的核心问题。本文主要围绕无监督变化检测中如何有效地获取变化信息问题,提出了两种遥感图像变化检测方法。具体研究内容如下:(1)探讨了因子分析在变化检测中的可行性,采用因子分析提取差异图像特征,并使用期望最大化(Expectation-maximization,EM)算法来估计因子分析模型的参数。同时考虑到“变化类”和“未变化类”之间存在一定的交迭区域,本文设计了两级模糊聚类算法对提取出的特征进行聚类成“变化类”和“未变化类”,从而得到变化检测结果。最后通过对四组实测遥感图像进行实验,验证了提出方法可以获得更好的检测性能。(2)在贝叶斯理论的基础上,开展了混合因子分析模型在变化检测中应用的可行性研究。该方法首先用混合因子分析模型对差异图像的数据分布进行建模。在建模过程中,采用EM算法估计模型的参数,然后通过最小均方误差准则得到变化检测结果。考虑到遥感图像中存在局部相似性,通过引入空间信息来提升检测性能。因此,本文在上述算法的基础上,融入马尔科夫随机场,提出了一种基于混合因子分析和马尔科夫随机场的变化检测方法。最后通过四组实测遥感图像对提出的算法进行实验,验证了提出算法的有效性。(本文来源于《西南交通大学》期刊2018-05-15）
夏业茂,刘应安[2]（2014）在《基于正态尺度混合因子模型的稳健贝叶斯分析及其应用》一文中研究指出为了消除分布的偏移和异常点对统计推断的影响,本文基于正态尺度混合,对一般的因子分析模型展开稳健贝叶斯分析.Gibbs抽样器被用来从后验分布产生随机样本,统计推断基于后验经验分布展开.实际数据表明方法是有效的.(本文来源于《应用概率统计》期刊2014年04期）
范丽彦[3]（2012）在《基于随机观测向量与混合因子分析的SAR图像目标识别》一文中研究指出SAR作为一种主动式微波遥感装备,可以全天时全天候成像,具有高分辨率等多种优势。基于SAR的目标识别技术在国防领域具有重要的价值,成为军事侦察方面的有力工具,但是SAR作为一种超宽带通信应用设备,受奈奎斯特采样定理制约,面临采样率过高,数据量过大,用目前识别方法难以实现快速有效处理等问题。而压缩感知理论的出现为解决这一问题提供了很好的理论依据,指出在降低采样率的同时,可以高概率地将信号完全重构出来。本文将压缩感知理论应用于SAR目标识别中,并根据MSTAR数据库中的数据位于流形这一个特点,提出叁个创新点如下：1.采用混合因子分析对数据进行流形建模,通过无参数的贝叶斯估计方法,从模型中学习出一个能够很好表示目标流形的字典,然后利用稀疏表示的框架进行了目标分类,并且取得了很好的分类效果。该算法并没有对带有方位角旋转的MSTAR图像进行复杂的预处理,使得识别框架在一定程度上得到了简化,而且对噪声有很强的鲁棒性。2.接下来针对压缩感知雷达系统,本文直接对其观测向量进行识别。通过挖掘其结构特征信息,并根据其结构信息进行建模,构建出可以准确描述各类观测向量特征的字典,使得待测的观测向量能够在该字典下稀疏表示,最后利用稀疏表示分类器对目标的观测向量进行识别,并取得了较好的识别效果。3.最后为了满足实际军事需求,实现快速准确识别目标,在前文针对压缩感知系统的算法基础上,提出一种快速识别的方法,由于前一算法时间大部分消耗在重构算法的优化迭代过程,本文在字典满足列满秩的情况下,采用一种不迭代的重构算法并结合QR分解来寻求问题的最优解,使得运算速度有一定提高。本文的工作得到了国家自然科学基会(No.60971128,61072106,61173090)和中央高校基本科研业务费(No.JY10000902001)的资助。(本文来源于《西安电子科技大学》期刊2012-01-01）
王新民,王勤,姚天任[4]（2008）在《基于混合因子分析隐马尔科夫模型的训练算法》一文中研究指出将混合因子分析方法与隐马尔可夫模型技术相结合,构造了一种新的统计声学模型━基于混合因子分析的隐马尔可夫模型(Hidden Markov Model based on Mixture of Factor Analysis:HMM-MFA)。重点研究了HMM-MFA的训练算法。通过推广着名的Baum辅助函数,并用拉格朗日多乘子方法,导出了HMM-MFA的参数重估公式。仿真结果表明,提出的算法在识别精度上优于传统的EM算法。(本文来源于《系统仿真学报》期刊2008年15期）
杨晔宏,李伟生,李翠霞[5]（2006）在《一种基于混合因子分析的分布估计算法》一文中研究指出提出了一种基于混合因子分析的分布估计算法.首先用次胜者受罚的竞争学习算法对选出的最优个体集合聚类,然后对每个类用因子分析模型进行分布信息的估计.为了保持种群的多样性,算法保留那些具有较好适应值并且与所选的最优个体集合较远的个体,并利用聚类的参数来减少计算量.试验结果证实了算法的性能.yh(本文来源于《信息与控制》期刊2006年04期）
王新民,姚天任[6]（2005）在《基于混合因子分析的隐马尔可夫模型》一文中研究指出经典隐马尔可夫模型用于语音识别存在的两个主要缺陷是“离散状态假设”和“独立分布假设”。前者忽略了语音信号的非平稳性,后者忽略了语音信号的相关性。文章将混合因子分析方法用于语音建模,提出了基于混合因子分析的隐马尔可夫模型框架,并用动态贝叶斯网络形象地表示。该模型框架不仅从理论上解决了上述问题,而且给出许多语音建模的选择。目前广泛使用的统计声学模型均可视为该模型的特例。(本文来源于《计算机工程与应用》期刊2005年24期）
岳博,焦李成[7]（2002）在《混合因子分析的重新抽样方法》一文中研究指出混合因子分析是一种对具有复杂结构的多维数据建立模型的方法.本文提出了一种进行混合因子分析的重新抽样方法.当给定一组数据样本时,我们首先建立样本概率分布的混合高斯模型,然后为每一个高斯混合项重新抽取新的数据样本,在新的样本上再对每一个高斯混合项进行因子分析.与已有的算法相比较,避免了计算各个高斯混合项在每个样本值之下的后验概率,又减少了进行因子分析时参与计算的数据样本的数量.(本文来源于《电子学报》期刊2002年12期）
岳博,焦李成[8]（2002）在《两阶段混合因子分析算法》一文中研究指出混合因子分析是一种对具有复杂结构的多维数据建立模型的方法.提出了一种两阶段的混合因子分析算法,它们都能够使用期望-最大化算法来实现.当给定一组随机样本时,首先建立此样本概率分布的Gauss混合模型,进而再对每一个Gauss混合项进行因子分析.实例表明算法是有效的.(本文来源于《自然科学进展》期刊2002年02期）
混合因子分析论文开题报告
（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：
为了消除分布的偏移和异常点对统计推断的影响,本文基于正态尺度混合,对一般的因子分析模型展开稳健贝叶斯分析.Gibbs抽样器被用来从后验分布产生随机样本,统计推断基于后验经验分布展开.实际数据表明方法是有效的.
（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。
混合因子分析论文参考文献
[1].雷净兰.基于混合因子分析和马尔科夫随机场的遥感图像变化检测研究[D].西南交通大学.2018
[2].夏业茂,刘应安.基于正态尺度混合因子模型的稳健贝叶斯分析及其应用[J].应用概率统计.2014
[3].范丽彦.基于随机观测向量与混合因子分析的SAR图像目标识别[D].西安电子科技大学.2012
[4].王新民,王勤,姚天任.基于混合因子分析隐马尔科夫模型的训练算法[J].系统仿真学报.2008
[5].杨晔宏,李伟生,李翠霞.一种基于混合因子分析的分布估计算法[J].信息与控制.2006
[6].王新民,姚天任.基于混合因子分析的隐马尔可夫模型[J].计算机工程与应用.2005
[7].岳博,焦李成.混合因子分析的重新抽样方法[J].电子学报.2002
[8].岳博,焦李成.两阶段混合因子分析算法[J].自然科学进展.2002