导读:本文包含了特征散度论文开题报告文献综述、选题提纲参考文献，主要关键词:特征,电网,辐合,角形,信息论,电信号,闭环。
特征散度论文文献综述写法
李晖照,王雪,郭莹[1]（2019）在《基于KL变换和KL散度的电网数据特征提取与分类》一文中研究指出智能电网用户行为特征的分析在电力营销策略中扮演者重要的角色。文中结合KL变换和KL散度的方法,提取与分类用电数据信息的特征,实现不同类型的用电数据划分。同时通过综合分析所有用户的日负荷曲线,提取不同类型用户的典型日负荷曲线。研究结果表明:基于KL变换的方法,通过对原始数据的压缩和主要特征的保留,大大降低了智能电网数据提取与分类的计算量,提高了时间效率;基于KL散度的方法,通过对k-means算法中的k值和初始聚类中心的选择进行优化,提高了聚类效果的准确率;实例中电网用户正常数据为38组,可分为3类典型用户,迎峰用电型、错峰用电型、部分迎峰用电型。该研究结果可以更加有效地对电网用户用电行为进行分类,从而为售电公司进行业务拓展提供技术基础。(本文来源于《电测与仪表》期刊2019年06期）
吴涛,牛奔,许冠宇,管振宇[2]（2018）在《利用天气雷达平均散度产品分析短时强降水大气低层辐合特征》一文中研究指出使用湖北新一代天气雷达平均散度反演产品,结合高空、地面和雷达观测资料,统计分析了短时强降水发生发展过程中大气低层辐合的演变特征,检验低层辐合的预警指示意义,并解释其天气意义。结果表明:低层辐合演变一般具有单波谷或双波谷特征,且中尺度特征明显。在强降水前期低层散度为辐合或由辐散转为辐合,强降水集中期低层辐合发展至最强,之后逐渐减弱,强降水后期低层转为辐散。低层辐合且明显增强可能具有预警指示意义。雷暴冷出流和低空急流加强对低层辐合有重要贡献。(本文来源于《暴雨灾害》期刊2018年04期）
王小龙,彭国华[3]（2018）在《基于Rényi散度最大化的多特征闭环检测》一文中研究指出相比单特征,多图像特征的组合提供更多的场景判别信息,可以提高检测精度,但需要设计合适的组合准则.文中提出多特征组合的加权方法,把特征组合的闭环检测精度表示为正确匹配和错误匹配的图像对在特征空间中距离分布的Rényi散度,最优特征组合为最大化Rényi散度.分析验证Rényi散度的参数与对应最优特征组合的闭环检测性能之间的关系.实验表明,文中方法可以提高闭环检测精度.当Rényi散度的参数取0.75~1时,最优特征组合性能最佳.(本文来源于《模式识别与人工智能》期刊2018年05期）
魏碧剑[4]（2017）在《基于KL散度的无监督特征选择方法》一文中研究指出提出一种新的无监督的特征选择方法,该方法首先通过计算数据样本在图上的测地距离来定义两个样本点之间的联合概率密度,该联合概率可用于描述这两样本之间的相似程度,然后把特征基于相关性矩阵进行预分组,使得在投影到低维空间中时能尽量满足组内特征稀疏,最后通过极小化KL散度、投影矩阵的L2,1范数以及最后的特征优化式子来优化目标,从而达到维数降低的目的.(本文来源于《温州大学学报(自然科学版)》期刊2017年01期）
许娈,崔晓鹏,高守亭,任晨平[5]（2016）在《登陆台风“凡亚比”(1011)合力散度特征诊断研究——垂直分布特征》一文中研究指出本文利用2010年1011号台风"凡亚比"登陆过程高分辨率数值模拟资料,诊断分析了"凡亚比"台风环流合力散度的垂直分布及其演变特征。结果指出,合力散度的显着区一直与台风系统相伴随,可以有效地示踪热带气旋(Tropical Cyclone,简称TC)的移动,并能较好地识别TC强度、结构的发展演变。台风中心偏东一侧流入层的合力散度异常信号首先出现并发展,反映出环流的非对称特征。随着台风趋于成熟,合力散度逐渐增强,高度扩展,对称性也逐渐增加;台风中心上空为合力辐合,外围为合力辐散,垂直方向上合力辐合与辐散相间的结构对应上升运动极值区及强降水,即对应台风眼墙位置。合力散度面积指数和强度指数的分析指出,垂直方向上辐合与辐散面积指数负相关;各层的合力辐合强度指数普遍大于辐散强度指数,垂直方向上两强度指数呈显着的正相关关系;结合面积指数与强度指数,可知垂直方向上合力辐合与辐散此消彼长。运用合力散度方程对该垂直分布特征的成因展开分析,发现风速u分量平流随经度变化项和风速v分量平流随纬度的变化项是TC眼区合力辐合部分的主要贡献项,垂直运动项决定了TC眼墙的合力辐合与辐散相间的垂直分布特征。(本文来源于《大气科学》期刊2016年05期）
赵文清,杨璐,李刚[6]（2016）在《基于KL-散度的智能电网用户特征提取方法》一文中研究指出智能电网技术的发展,使得传统电力系统的规模及复杂度大大增加,同时产生了大量的用电数据,如何有效利用数据挖掘技术,从这些海量数据中挖掘出有潜在价值的信息,成为了当前电力系统分析中的一个挑战性问题;首先根据不同的时间段,将用户的用电数据进行划分,在分析每段时间内用户用电数据的基础上,采用KL-divergence(KL-散度)方法衡量用户差异,并结合基于密度改进的K-means算法,给出了一种新的用户特征提取算法,用以描述电网用户的特征差异,从而实现针对不同类别用户制定不同电力营销策略,这在一定程度上能够提高企业经济效益;最后,算例仿真结果表明,所给出的用户特征提取算法在计算的时间效率和准确性上,较传统方法都有了明显的提升。(本文来源于《计算机测量与控制》期刊2016年08期）
张逸石[7]（2016）在《基于冗余—互补散度及特征包络前沿的数据驱动特征选择方法研究》一文中研究指出随着社会的不断发展,数据的构成呈现复杂化与高维化的趋势,大数据降维研究中应用广泛的特征选择算法已经成为大数据和数据驱动背景下社会经济决策和企业商务决策重要的研究方向。特征选择方法中的参数选择问题对所选特征质量以及数据的再表达有着重要的影响。特征集合S=F1,...,Fk和类C的联合互信息可以展开为不同维度(阶)上特征与类的交互信息的和,于是,特征集合与类之间的联合互信息可以表现为交互信息的展开形式。从(2012)的视角来看,参数的确定问题也即选择特征选择方法的方法问题,但在这些经典特征选择方法中,存在先验性的参数选择问题,例如MIFS中冗余性权重口等。因此,如何从弥补高阶交互项缺失的视角来寻找合适的、非先验性的权重是特征选择的一个重大问题。给出了两个如何解决特征选择参数问题的框架。其一,从数据驱动的视角,将参数的衍生视为对高阶交互信息的省略所造成的偏差的修正。在给出了数据驱动的基于互信息的特征评价框架的基础上,深入分析了由高阶信息缺失所带来的冗余-互补分散现象,在冗余-互补维度上引入高阶信息驱动的修正因子对低阶冗余-互补项进行修正(参数的确定),进而对特征进行准确地评价与排序。其二,结合特征选择中多指标评价及指标权重的多样性及其不同领域不同时段的偏向性,构建了一种基于DEA的特征选择框架,该框架充分利用了DEA框架的数据驱动特性,使其在进行特征评价和选择时能够充分考虑到特征间关系多样性以及特征评价准则多样性特点,同时还能应对不同数据环境所带来的变化。依据第一个框架,从省略高阶交互信息所造成的冗余-互补分散现象出发实现特征选择参数的确定。对由高阶信息缺失所带来的冗余-互补分散现象进行了深入探讨,基于高阶互信息在低阶的“投影”视角,从高阶互信息缺失在低阶上的“投影”所造成的低阶上特征间的冗余-互补分散现象进行判断,并据此进行低阶项参数的确定;进而提出了基于冗余-互补散度的数据驱动特征选择方法(Redundancy-Complementariness Dispersion-based Feature Selection method, RCDFS),该算法考虑到现有统计方法对高阶项的估计存在不可预料的错误,通过数据驱动的方式为2阶近似特征冗余-互补关系给出一个系数(权重),对该项因高阶项缺失所带来的偏差给予了恰当的弥补。证明了采用“求平均”方法的特征评价准则可以保证获取高阶冗余性和互补性的下界,为有效的数据驱动特征评价准则整合方法打下了基础。鉴于不同背景所对应的评价准则及特征关联偏向的“先验知识”蕴藏于该背景下的具体数据之中,于是根据给出的第二个框架,构建了用于特征选择的基于DEA的超效率特征评价模型。该模型可面向不同领域的具体数据,通过超效率DEA对这些评价准则选择合适的参数并构造出相应的超效率包络前沿,进而实现对特征的评价和排序。同时还给出了相应的求解MCSD算法,讨论了算法的复杂性。实验结果表明,所提MCSD算法所对应的分类结果在绝大多数情况下显着优于IG、ReliefF、CMIM和JMI的结果。快速发展的公路运输业带来了交通事故的持续增长。驾驶员的不良驾驶行为是一些重大交通事故的诱因,因此通过动态监控数据进行驾驶员异常驾驶行为的辨识与分析,特别是对于一些需要重点监控的异常驾驶行为的识别与分析,意义十分重大。根据Wright等(2009)和Mo等(2014)的理论,任何一条新的车辆运动轨迹都可以近似的用训练车辆运动轨迹线性组合而成,因此,稀疏重构技术可以被应用于轨迹识别与行为分类中。考虑到大量冗余车辆轨迹特征的存在会对轨迹学习模型的准确性造成严重的影响,同时基于稀疏重构轨迹学习模型在求解速率上的短板更是彰显了特征选择在建模和处理过程中的重要性。鉴于此,在l2-lp稀疏重构方法的轨迹识别模型中嵌入了特征选择方法,并采用前面所提出的数据驱动特征选择算法予以实现：提出了求解基于lp(0<p<1)范数的稀疏重构系数向量的方法Orthogonal Matching Pursuit-quasi-Newton (OMPN),该方法首先采用正交匹配贪婪算法(Orthogonal Matching Pursuit, OMP)搜索出一个初始可行解,然后采用拟牛顿法进一步搜索稀疏解。最后,根据lp(0<p<1)范数稀疏问题的局部最优解在一定的条件下与其精确解的关系来最终获取更加稀疏的解。实验结果表明了所提出的框架和方法效果的优越性。同时,实验结果也显示了嵌入特征选择后的结果要优于没有嵌入特征选择方法时的结果,表明了所提数据驱动的特征选择方法在交通安全管理领域中有着重要的理论意义和广阔的应用空间。(本文来源于《华中科技大学》期刊2016-06-01）
唐肖芳,周金治[8]（2015）在《基于散度分析的脑电信号特征选择》一文中研究指出为准确选择脑电信号的频率与通道参数,提高样本的分类识别率,提出一种基于散度的脑电信号特征选择方法。利用散度分析算法从样本数据的原始特征中选取散度值较大的k个特征,并对其进行基于共空间模型的特征提取与线性判别分类器的分类识别。使用2005年BCI竞赛提供的IVa数据集5位样本数据进行实验,结果表明,采用散度分析算法得到的测试样本与训练样本平均识别率为95.54%和84.57%,均高于相关系数和互信息选择算法。(本文来源于《计算机工程》期刊2015年05期）
王学忠,胡邦辉,王举,黄泓,邹勋[9]（2015）在《探空气球漂移特征及对叁角形法计算散度的影响》一文中研究指出利用2006—2013年南京站、安庆站和杭州站探空资料,讨论华东地区探空气球的漂移特征。设计不考虑气球漂移、考虑全部气球漂移和考虑部分气球漂移3个试验,比较3种情况下叁角形法计算的散度差异。结果表明:气球漂移主要受大气环流及其变化影响,纬向上7月和8月气球随高度增加,先向东漂移、后向西漂移,其他月份以向东漂移为主,冬季漂移距离大;经向上受季风影响明显。考虑全部和部分气球漂移与不考虑气球漂移的散度对比表明,平均绝对偏差各月在对流层顶附近均有极大值;相对偏差季节分布明显,前者在6—9月较大,极大值略大于7%,后者冬季大,1月在200 hPa达到25%,在50 hPa超过50%。因此,利用叁角形法计算散度所在层次较高或所使用资料中传统探空和特种探空并存时,均需考虑气球漂移影响。(本文来源于《应用气象学报》期刊2015年03期）
张军丽[10]（2015）在《基于散度分析的模拟图像信号特征选择》一文中研究指出在对模拟图像信号进行特征选择的过程中,容易出现各类别与模拟图像信号特征之间的关系考察不充分的情况,导致传统的基于优化蚁群算法的模拟图像信号特征选择方法,由于只在整个类标签集的角度上进行特征选择,无法有效实现模拟图像信号特征的选择,提出一种基于散度分析的模拟图像信号选择方法,建立特征选择问题的数学模型,依据Fisher准则的分类思想,将散度差作为模拟图像信号特征选择的准则,获取一种基于散度差的模拟图像信号特征分类选择方法,将加权矩阵散度差的迹看作是投影鉴别规则,通过获取一组最优投影方向,使得各种类别的原始向量经投影后可最大程度的被分离,对模拟图像信号特征值对应的特征向量进行标准正交化操作,从而实现模拟图像信号的特征选择。仿真实验结果表明,所提方法具有很高的准确性。(本文来源于《计算机仿真》期刊2015年01期）
特征散度论文开题报告范文
（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：
使用湖北新一代天气雷达平均散度反演产品,结合高空、地面和雷达观测资料,统计分析了短时强降水发生发展过程中大气低层辐合的演变特征,检验低层辐合的预警指示意义,并解释其天气意义。结果表明:低层辐合演变一般具有单波谷或双波谷特征,且中尺度特征明显。在强降水前期低层散度为辐合或由辐散转为辐合,强降水集中期低层辐合发展至最强,之后逐渐减弱,强降水后期低层转为辐散。低层辐合且明显增强可能具有预警指示意义。雷暴冷出流和低空急流加强对低层辐合有重要贡献。
（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。
特征散度论文参考文献
[1].李晖照,王雪,郭莹.基于KL变换和KL散度的电网数据特征提取与分类[J].电测与仪表.2019
[2].吴涛,牛奔,许冠宇,管振宇.利用天气雷达平均散度产品分析短时强降水大气低层辐合特征[J].暴雨灾害.2018
[3].王小龙,彭国华.基于Rényi散度最大化的多特征闭环检测[J].模式识别与人工智能.2018
[4].魏碧剑.基于KL散度的无监督特征选择方法[J].温州大学学报(自然科学版).2017
[5].许娈,崔晓鹏,高守亭,任晨平.登陆台风“凡亚比”(1011)合力散度特征诊断研究——垂直分布特征[J].大气科学.2016
[6].赵文清,杨璐,李刚.基于KL-散度的智能电网用户特征提取方法[J].计算机测量与控制.2016
[7].张逸石.基于冗余—互补散度及特征包络前沿的数据驱动特征选择方法研究[D].华中科技大学.2016
[8].唐肖芳,周金治.基于散度分析的脑电信号特征选择[J].计算机工程.2015
[9].王学忠,胡邦辉,王举,黄泓,邹勋.探空气球漂移特征及对叁角形法计算散度的影响[J].应用气象学报.2015
[10].张军丽.基于散度分析的模拟图像信号特征选择[J].计算机仿真.2015