导读:本文包含了序列匹配论文开题报告文献综述及选题提纲参考文献，主要关键词:嫦娥叁号,降落影像,特征匹配,SIFT
序列匹配论文文献综述
徐辛超,李旭佳,马钰,刘少创,焦慧慧[1]（2019）在《一种适合降落序列影像的快速匹配方法》一文中研究指出针对嫦娥叁号降落序列影像特征匹配耗时较多的问题,提出了一种适合降落影像的快速匹配方法。首先对待匹配的降落影像进行尺度变换,将二者进行统一,然后采用9×9大小的窗口进行基于Moravec方法的特征点提取。其次,基于降落过程几何模型约束,以相关系数为匹配测度,实现降落影像间的匹配。采用真实嫦娥叁号降落影像开展了匹配实验。实验结果表明,特征点窗口大小为9×9,相关系数阈值为0.90时,提出匹配方法的性能最佳;此外,与经典SIFT匹配相比,提出的方法可以平均减少59%左右的匹配耗时,且误匹配率更小。研究成果对我国后续深空探测任务中降落影像的匹配工作具有重要的参考价值。(本文来源于《遥感信息》期刊2019年05期）
赵祥武,全厚德,崔佩璋[2]（2019）在《基于序列部分频点匹配的跳频自同步方案》一文中研究指出针对传统跳频同步中同步引导码易被敌方干扰的缺点,提出了基于序列部分频点匹配的自同步方案。该方案在不使用同步引导码的情况下,按照序列部分频点匹配的同步方案,任意设定接收频点,根据频点间隔特征信息在本地已知跳频序列中进行搜索匹配,进而计算出跳频序列收发两端的相位差,从而调整相位差实现跳频同步。理论分析与仿真实验结果表明,基于序列部分频点匹配的自同步方案在捕获时间上优于串行同步捕获方案,就复杂度而言,相较于并行同步捕获方案有了很大的降低,同时该方案不需要同步引导码,提高了抗干扰的性能。(本文来源于《探测与控制学报》期刊2019年04期）
李茹霞,朱小欢[3]（2019）在《基于KLT算法的车载序列影像匹配方法》一文中研究指出将KLT算法应用于车载序列影像匹配中,并结合金字塔分层技术和RANSAC算法剔除了错误匹配。结果表明,基于KLT的车载序列影像匹配方法是可行的,且提高了车载序列影像匹配的正确率。(本文来源于《地理空间信息》期刊2019年07期）
于浩,贾清泉,李珍国,田书娅,孙海东[4]（2019）在《基于时间序列模式匹配的电能质量区域化治理》一文中研究指出针对以往基于机理建模进行稳态电能质量污染治理的局限性,该文采用数据驱动的方式,提出一种基于时间序列模式匹配的电能质量污染区域化治理策略。依据配电网各节点指标监测数据建立较长时间尺度的电能质量时间序列,采用考虑关键趋势转折点的分段线性表示提取时间序列主要局部趋势特征及其时间特征,构建时间序列模式特征矩阵。提出一种基于动态时间弯曲的趋势–时间距离方法对各节点时间序列实施模式匹配,测量节点间电能质量的长期耦合度。定义耦合度分区判则,划分电能质量治理区域,确定各区域主导控制节点。以IEEE 14节点配电系统进行算例仿真分析,表明了所提策略的合理性和有效性,验证了所提方法的准确性和适用性。(本文来源于《中国电机工程学报》期刊2019年13期）
朱世昕,杨泽民[5]（2019）在《基于半直接方法的序列影像直线特征跟踪匹配算法》一文中研究指出针对序列影像相邻帧间相对运动较小的特点,提出了一种基于半直接方法的序列影像直线特征跟踪匹配算法。首先,选取关键帧进行点特征和直线特征的提取与匹配;然后,利用运动恢复结构算法对直线上的特征点进行重建;接着,通过反向合成图像对齐算法实现相邻帧的直线特征点的跟踪和摄像机相对位姿估的计;最后,由跟踪特征点实现对直线特征的跟踪匹配。采用两组不同的序列影像数据对算法进行了验证,实验表明所提算法能够实现序列影像直线特征的准确跟踪匹配,并能同时估计得到摄像机的位姿;摄像机的位姿估计误差随着帧数的增加而累积。文中还提出了一种新的序列影像直线特征跟踪匹配算法,该算法仅利用直线上的稀疏特征点就可实现对相邻影像间的直线特征的准确跟踪匹配,并能估计得到摄像机的运动轨迹。但是,该方法存在累积误差,需要进一步改进。(本文来源于《计算机科学》期刊2019年S1期）
申嫱嫱[6]（2019）在《基于改进Apriori算法的序列模式挖掘和规则匹配预测研究》一文中研究指出关联规则挖掘是数据挖掘领域重要的研究内容。本文基于采集获得的实际蜂窝无线网络流量数据,通过挖掘基站时间序列的频繁模式来预测基站的流量状态。论文以经典的Apriori算法挖掘频繁项集并构建强关联规则的思想为基础,提出了改进支持度阈值选择和匹配模式选择的频繁序列挖掘、存储与匹配策略;通过对基站聚类和对流量序列的周期性分析,挖掘周期频繁模式并压缩序列树结构,进一步改进序列挖掘和存储阶段,提高了挖掘效率和预测精度。论文的主要内容和创新点如下:挖掘流量状态的频繁模式并进行存储是精确预测基站蜂窝网流量的先决条件。论文以基站蜂窝无线网络业务量数据为基础,将其预处理为离散状态,采用滑动窗口模型通过改变窗口大小遍历得到全部不同规模的原始模式,使用支持度阈值筛选频繁模式,通过对不同时间粒度训练集的实验,得到支持度设置与训练集规模的关系,为合理设置支持度阈值筛选频繁模式提供了理论支持;采用改进的序列树结构存储频繁序列,在节点中存储指向相邻两层的双向指针,为匹配模式阶段回溯获取父节点信息和预测状态阶段向下确定子节点状态提供了路径支持。实验发现该地区基站序列挖掘支持度阈值在筛选比例为20%-25%之间设置时模型性能取得最佳。获得所有的匹配序列并从中选出最可靠的模式用于预估状态是预测的关键。完成模式匹配时,在构建的各种不同规模的频繁序列树基础上,将当前时刻状态分别匹配至不同序列树的倒数第二层,时序上向前扩展一个时刻状态对应序列树也向上回溯一层,取全部匹配路径加入候选匹配序列集合;选择模式时,本文提出了一种可靠性计算方法,对置信度、预测率和模式大小分配不同权重,计算最大加权和值从候选匹配序列集合选取匹配模式用于预测。实验表明,不同粒度训练集下当模型取得最优预测性能时的权重参数类似,即规则权值比为0.3:0.4:0.4时模型性能取得最佳;同时,一系列设置不同前溯路径长度的实验表明,当回溯至一定长度后,算法准确性趋于稳定,据此合理设置滑动窗口大小可在基本不影响算法准确率的前提下有效降低运行耗时,研究实验发现滑动窗前溯至9个时隙即可终止,明确滑动终止条件;最后,将上述所得最优参数应用于预测模型,并将其与改进马尔科夫算法对比,发现尽管不同粒度数据集下性能提升效果不同,但匹配率至少都比后者高出25%以上,均方根误差率降低至少38%,而百分误差率至少降低65%。通过对基站原始数据序列相关性分析发现,基站间互相关性有很大差异,分析序列特性并对其完成相似性度量;基于凝聚层次聚类将相关性较强的基站蜂窝流量数据划分为一类,以此重新确定训练集;通过设置最大间隔时间,定义非周期模式,发现模式的频繁性与其周期出现间关联性,因此首先完成周期性检验淘汰掉非周期模式;进一步改进序列树的结构,不同层次代表不同规模的频繁模式集合,将全部频繁模式存入更少量序列树中;以及衡量周期模式可靠性时同时考虑其最大出现间隔。为了探究基于基站聚类后,挖掘周期频繁模式对算法预测性能的影响,本文在对模型中做出上述改进后重新进行实验,发现聚类后各基站流量状态预测准确性至少高于未聚类时2.2%左右,均方根误差率前者相较后者降低3.8%,百分误差率至少降低11.2%;而淘汰非周期模式也为挖掘频繁模式阶段节省时间,实验表明至少降低算法运行耗时15.1%左右,因此在可靠性和有效性上均有进步。(本文来源于《北京邮电大学》期刊2019-05-31）
荆根强,袁鑫,段发阶,洪汉玉,彭璐[7]（2019）在《激光位移计在线校准数据序列匹配方法》一文中研究指出激光位移计常用于桥梁结构形变的在线监测,对使用中的激光位移计进行在线校准,是确保桥梁监测系统量值准确的关键。由于传感器间采样频率和时滞特征的差异,被校准传感器的测值序列与参考值序列常常存在较大的位置偏差,对传感器的在线校准结果产生较大的影响。为此,提出了一种基于特征点分段的数据序列匹配方法。以简支梁模型桥实验数据为基础,进行了激光位移计的数据匹配实验验证,通过对两组数据序列进行特征点定位、分段及量值匹配,解决了传统匹配方法中出现的数据错位问题。实验结果表明,该算法对传感器采样频率偏移有较好的适应性,针对不同场景的匹配准确率能保持在98%以上。(本文来源于《红外与激光工程》期刊2019年05期）
熊坦[8]（2019）在《DNA序列匹配算法研究与优化》一文中研究指出DNA比对是生物信息学中最基本的问题,在生物信息学中发挥了至关重要的作用。利用计算机研究DNA比对是一个热点问题。笔者讨论的实现最佳DNA序列匹配的基本方法有两种,分别是利用分置算法和动态规划算法进行DNA序列对齐匹配。利用这两种算法,可以得到最优匹配代价。改进后的动态规划算法具有更好的性能,可以得到最优的DNA匹配序列。(本文来源于《信息与电脑(理论版)》期刊2019年10期）
张超[9]（2019）在《基于序列匹配的地磁/PDR融合定位算法研究》一文中研究指出目前,现存基于单一定位方式的导航系统基本能够满足位置估计和寻径择路的需求,但是需要额外布设大量定位信标,对设备的依赖性强、难以惠及到基础设施匮乏的室内场景。在缺乏定位设施的环境中,基于移动智能终端实现室内高精度定位是值得研究的问题。纵观所有室内定位技术,能够在移动终端实现行人位置估计的方法有视觉定位、地磁定位和行人航迹推算。由于视觉定位的处理过程复杂难以实现实时性,行人航迹推算技术在短时间定位准确却存在累积误差,地磁定位精度高而耗时较长,因此设计了基于粒子滤波的地磁/行人航迹推算(Pedestrian Dead Reckoning,PDR)融合定位算法,实现室内行人高精度导航定位。本文的研究内容主要包括:(1)探讨了室内磁场位置差异性和稳定性,并针对智能手机复杂的内部电磁环境和用户行为多样性难以精确获得室内地磁信号的问题,在对磁力计进行校准的基础上采用滑动平均、小波去噪、Savit Ky-Golay和巴特沃兹滤波算法对原始地磁信号进行优化处理。(2)阐述了路径连续和网格单点地磁信号采集方式的优劣,利用连续采集方式基于最近邻点、反距离加权、普通克里金插值方法完成了二维地磁信号地图构建。针对动态时间规整算法计算成本高的缺陷,提出了一种Fast DTW匹配准则结合滑动窗口的优化算法,定位时间降低了40%。(3)分析了行人运动特点,基于改进的SVD-DT算法实现行人运动模式的正确率为86.3%。针对行人的速度变化会导致步态检测和步长估计出现偏差的问题,提出了一种自适应阈值更新的波峰检测算法,改进了Kim步长模型,设计了四元数无迹卡尔曼滤波航向更新算法,通过室内环境下进行测试,实验结果表明航向估计精度明显改善。(4)基于智能手机平台在真实室内场景测试了地磁定位以及改进的PDR算法的精度,分析了两种算法的优劣,提出了一种基于粒子滤波的地磁/PDR融合定位算法,通过在室内场景下实际测试,实验结果表明该算法的鲁棒性增强,平均定位精度至少提高0.3m。(本文来源于《中国矿业大学》期刊2019-05-01）
田增山,王阳,周牧,未平[10]（2019）在《基于自适应渐消记忆的蓝牙序列匹配定位算法》一文中研究指出针对传统指纹定位算法建库耗时长和定位精度低的问题,该文提出一种基于自适应渐消记忆的蓝牙序列匹配定位算法。首先,利用行人航迹推算(PDR)和最近邻算法(NNA)对运动序列进行位置标定和接收信号强度(RSS)映射;然后,根据邻近位置的相关性,采用序列递归搜索算法构建指纹序列数据库;最后,通过自适应渐消记忆算法,并结合初始序列匹配度实现位置估计。实验结果表明,该算法在室内环境下能够获得较低的建库时间开销以及较高的定位精度。(本文来源于《电子与信息学报》期刊2019年06期）
序列匹配论文开题报告
（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：
针对传统跳频同步中同步引导码易被敌方干扰的缺点,提出了基于序列部分频点匹配的自同步方案。该方案在不使用同步引导码的情况下,按照序列部分频点匹配的同步方案,任意设定接收频点,根据频点间隔特征信息在本地已知跳频序列中进行搜索匹配,进而计算出跳频序列收发两端的相位差,从而调整相位差实现跳频同步。理论分析与仿真实验结果表明,基于序列部分频点匹配的自同步方案在捕获时间上优于串行同步捕获方案,就复杂度而言,相较于并行同步捕获方案有了很大的降低,同时该方案不需要同步引导码,提高了抗干扰的性能。
（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。
序列匹配论文参考文献
[1].徐辛超,李旭佳,马钰,刘少创,焦慧慧.一种适合降落序列影像的快速匹配方法[J].遥感信息.2019
[2].赵祥武,全厚德,崔佩璋.基于序列部分频点匹配的跳频自同步方案[J].探测与控制学报.2019
[3].李茹霞,朱小欢.基于KLT算法的车载序列影像匹配方法[J].地理空间信息.2019
[4].于浩,贾清泉,李珍国,田书娅,孙海东.基于时间序列模式匹配的电能质量区域化治理[J].中国电机工程学报.2019
[5].朱世昕,杨泽民.基于半直接方法的序列影像直线特征跟踪匹配算法[J].计算机科学.2019
[6].申嫱嫱.基于改进Apriori算法的序列模式挖掘和规则匹配预测研究[D].北京邮电大学.2019
[7].荆根强,袁鑫,段发阶,洪汉玉,彭璐.激光位移计在线校准数据序列匹配方法[J].红外与激光工程.2019
[8].熊坦.DNA序列匹配算法研究与优化[J].信息与电脑(理论版).2019
[9].张超.基于序列匹配的地磁/PDR融合定位算法研究[D].中国矿业大学.2019
[10].田增山,王阳,周牧,未平.基于自适应渐消记忆的蓝牙序列匹配定位算法[J].电子与信息学报.2019