导读:本文包含了特征提取与分析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,小波,海星,成分,光谱分析,扇贝,城市。
特征提取与分析论文文献综述写法
肖力伟[1]（2019）在《一种基于小波包和主成分分析的超声信号特征提取方法》一文中研究指出为了有效识别不同类型的超声缺陷信号,提出了一种基于小波包分解和主成分分析(Principal Component Analysis,PCA)的信号特征提取方法。首先,提取缺陷信号小波包分解后的能量系数组成多维特征向量集;然后,使用PCA方法对多维特征向量进行降维得到融合特征量;最后,输入BP神经网络对不同类型的缺陷信号进行分类测试,并与未经PCA处理的特征量分类测试结果进行对比。试验结果证明,该特征量提取的方法能够有效地对缺陷进行分类,且测试速度明显得到提高。(本文来源于《无损检测》期刊2019年12期）
彭跃辉,车辚辚[2]（2019）在《基于t-SNE的PQD特征提取可视化仿真分析》一文中研究指出针对电能质量扰动(power quality disturbance,PQD)的复杂性,提出了一种基于t分布随机近邻嵌入(t-distributed stochastic neighbor embedding,t-SNE)流行学习算法的PQD特征提取方法。首先,建立了常见的PQD信号数学模型,并考虑了扰动参数和噪声的影响;其次,采用小波分解得到信号的小波能量向量构造原始特征集;最后,通过t-SNE算法进行二次特征提取,得到保持样本高维空间结构的,敏感度高且聚类性好的低维特征。仿真实验结果证明了提出的基于t-SNE的特征提取方法在PQD分析中的有效性。(本文来源于《华北电力大学学报(自然科学版)》期刊2019年06期）
侯春光,高玉东,高有华,曹云东[3]（2019）在《开关柜放电声音特征提取的仿真分析》一文中研究指出绝缘性能是开关柜工作状态的重要参考因素,对于开关柜所在的整个电力系统的稳定运行来说是非常必要的。为了提高效率,实时在线监测,对局部放电发出的声音进行采集和特征分析,并作为基于声音的绝缘状态识别方法的基础。为了研究不同绝缘状态的声音特征,采用SB1550声卡在企业现场采集了1 000余组开关柜工作的声音和人为产生的噪声,用GoldWave对声音进行截取。然后,用短时能量、小波变换等特征分析方法对电气柜中的声音进行特征提取,在MATLAB软件中实现,获得多组小波能量特征数据。对比放电声音、正常工作电流声音以及噪声的能量分布契合度,得到声音特征分辨的有效方法。(本文来源于《电器与能效管理技术》期刊2019年21期）
牛少杰[4]（2019）在《基于特征提取模式的脑电信号分析方式》一文中研究指出脑机接口是脑电信号识别的重要研究方向,正确区分脑电信号是将思维意识转化为外围设备具体动作的根本前提。现重点分析了一种基于特征提取模式的脑电信号分类识别方法,致力于有效提升分类的精度。首先利用功率谱模型提取脑电信号的时频特征,并将其作为人工神经网络的样本集及测试集,然后搭建多层反向传播网络,再利用LMS改进算法进行训练,最终得到分类识别结果。经实验证明,该脑电信号识别方法的分类效果良好。(本文来源于《机电信息》期刊2019年32期）
邵文静,孙伟伟,杨刚,孟祥超[5]（2019）在《高光谱遥感纹理特征提取的对比分析》一文中研究指出高光谱遥感相对于传统的多光谱遥感具有光谱通道窄、光谱分辨率高的优势,能够用以区分不同亚类地物的细微光谱差异。以往单纯利用光谱信息分类难以达到理想的效果,于是提出了利用纹理特征分类以弥补光谱分类的不足。纹理特征是光谱空间到二维空间的投影,通过度量像素点及其周围空间邻域的灰度差异以区分地物。当前高光谱纹理特征提取大致分为四类,数学变换法、模型法、统计法和结构分析法。这些方法均对于分类效果均有所提升,但却缺乏一个完整全面的对比分析。本文选取ri LBP、SLIC、EMP、DMP、AP、EP、3D-abor、JBF和GF等9种当前高光谱领域的纹理特征提取方法,对其做出了简要介绍,并在统一的标准下进行对比分析。实验选用Indian Pines数据集、Pavia University数据集和雄安数据集等叁个标准数据集,经过主成分分析后提取其纹理特征,最后利用支持向量机(SVM)对纹理特征进行分类。用分类精度、计算时间、标准差等指标进行评价。实验结果表明,EP综合表现优于其它8种纹理特征方法;其次是EMP也达到了很好的分类效果;ri LBP精度高,但特征计算时间长;JBF与GF总体精度上略低,但二者特征计算时间短,可以当作分类后处理的方式与其他纹理特征相结合。(本文来源于《浙江省地理学会2019年学术年会暨乡村振兴高峰论坛论文摘要集》期刊2019-10-25）
樊舒迪,刘振华,胡月明[6]（2019）在《基于光谱特征分析的城市建设用地信息提取》一文中研究指出以广州市为例,基于Landsat8 OLI影像光谱特征分析和归一化指数构建,研究快速、准确地提取城市建设用地信息的原理以及方法。对研究区进行目视解译和光谱分析,并选取合适的归一化指数SAVI(Soil Adjusted Vegetation Index)、NDBI(Normalized Built-up Index)、MNDWI(Modified Normalized Difference Water Index)用于区分研究区简化分类的地物(植被、水体和建筑物),通过NDBI与NDVI(Normalized Difference Vegetation Index)的差值进行波段组合,并用基于栅格的逻辑计算提取稀疏植被背景下的建筑物信息。在抽取的样本中,建筑物信息分类的用户精度为90.32%,非建筑信息分类的用户精度为86.36%,实验的总体精度为89.29%。研究结果表明,归一化指数的波谱间差异分析和逻辑判断的栅格计算,可以简化光谱分析过程,并快速、准确地获取建筑物信息,为土地科学的后需研究提供有效的数据支撑和城市信息分析结果。(本文来源于《数字通信世界》期刊2019年10期）
靳海岗[7]（2019）在《应用变分模态分解和独立分量分析的变压器局部放电信号特征提取研究》一文中研究指出针对现有局部放电信号特征提取方法存在的不足以及变压器局部放电信号中存在大量的电磁干扰,提出了一种利用变分模态分解法将被测信号分解成围绕若干中心频率波动的模态,同时去除白噪声。再进行含变压器局部放电信息的模态重构,用独立分量分析法滤除周期干扰噪声,实现了信号的特征提取。仿真结果验证了该方法的有效性,保证原始信号能量损失较小,局部放电特征保留较好,是局部放电信号去噪的一种新方法。(本文来源于《电测与仪表》期刊2019年21期）
刘海,张广秀,陈勇,冷智鑫,刘茜[8]（2019）在《运用核主成分分析提取内燃机声品质客观特征》一文中研究指出开展发动机辐射噪声品质的客观评价特征提取研究,可以有效地降低客观评价特征维数,简化发动机声品质评价模型结构维度.以国产典型发动机为例,在消声室内测试获得稳态辐射噪声信号;选择适宜于描述发动机辐射噪声的11个物理与心理声学评价变量作为声品质评价特征,同时运用基于多类型核函数的主成分分析方法提取主要客观评价特征,确定了目标核函数,实现发动机声品质客观评价特征由11维到4维的简化模型目标,解决了输入数据集的非线性问题,简化发动机辐射噪声品质预测模型的结构.(本文来源于《内燃机学报》期刊2019年05期）
赵蔷,惠燕,张忠,刘咪[9]（2019）在《基于二维主成分分析的图像特征提取研究》一文中研究指出特征提取是图像目标处理分类和识别的关键。将像素信息表示的图像数据信息转换为特征向量,在减少数据量的同时保留图像中包含的原始信息。对主成分分析与二维主成分分析两种特征提取算法对比研究,提出一种改善的二维主成分分析图像特征提取算法。算法是基于二维度的图像矩阵,使用标准ORL人像数据库。实验结果表明该算法在效率、准确率上均优于主成分分析方法。(本文来源于《航空计算技术》期刊2019年05期）
高强,鲁建华[10]（2019）在《基于声呐图像的海洋目标矩特征提取方法性能分析》一文中研究指出使用基于图像声呐的声学方法对养殖过程进行监测,所需解决的关键问题是海星与扇贝这两种水下目标声学图像的分类识别。结合水声图像预处理后的图像特点,选取小波矩作为特征量用于描述目标特征。通过进行水声图像特征提取试验,该文研究了目标种类、空间变换种类、计算特征量所用数据范围叁种因素的变化对所提取矩特征量各阶矩值的影响,并对比了不同方法的计算耗时。试验结果验证了小波矩对平移、尺度、旋转变换能够保持良好的不变性,并具有一定抗噪性。将小波矩运用于图像声呐扫描实验所采集得的海星和扇贝声学图像的分类识别,获得85.3%的识别准确率。得出结论,使用小波矩进行水声图像识别具备实际应用可行性和进一步研究价值。(本文来源于《第十七届船舶水下噪声学术讨论会论文集》期刊2019-08-21）
特征提取与分析论文开题报告范文
（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：
针对电能质量扰动(power quality disturbance,PQD)的复杂性,提出了一种基于t分布随机近邻嵌入(t-distributed stochastic neighbor embedding,t-SNE)流行学习算法的PQD特征提取方法。首先,建立了常见的PQD信号数学模型,并考虑了扰动参数和噪声的影响;其次,采用小波分解得到信号的小波能量向量构造原始特征集;最后,通过t-SNE算法进行二次特征提取,得到保持样本高维空间结构的,敏感度高且聚类性好的低维特征。仿真实验结果证明了提出的基于t-SNE的特征提取方法在PQD分析中的有效性。
（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。
特征提取与分析论文参考文献
[1].肖力伟.一种基于小波包和主成分分析的超声信号特征提取方法[J].无损检测.2019
[2].彭跃辉,车辚辚.基于t-SNE的PQD特征提取可视化仿真分析[J].华北电力大学学报(自然科学版).2019
[3].侯春光,高玉东,高有华,曹云东.开关柜放电声音特征提取的仿真分析[J].电器与能效管理技术.2019
[4].牛少杰.基于特征提取模式的脑电信号分析方式[J].机电信息.2019
[5].邵文静,孙伟伟,杨刚,孟祥超.高光谱遥感纹理特征提取的对比分析[C].浙江省地理学会2019年学术年会暨乡村振兴高峰论坛论文摘要集.2019
[6].樊舒迪,刘振华,胡月明.基于光谱特征分析的城市建设用地信息提取[J].数字通信世界.2019
[7].靳海岗.应用变分模态分解和独立分量分析的变压器局部放电信号特征提取研究[J].电测与仪表.2019
[8].刘海,张广秀,陈勇,冷智鑫,刘茜.运用核主成分分析提取内燃机声品质客观特征[J].内燃机学报.2019
[9].赵蔷,惠燕,张忠,刘咪.基于二维主成分分析的图像特征提取研究[J].航空计算技术.2019
[10].高强,鲁建华.基于声呐图像的海洋目标矩特征提取方法性能分析[C].第十七届船舶水下噪声学术讨论会论文集.2019