导读:本文包含了散乱数据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:散乱,数据,曲面,插值,正定,用电量,渐近。
散乱数据论文文献综述
张军[1]（2019）在《运用电力大数据倒查监管“散乱污”》一文中研究指出通过近些年的重拳整治，“散乱污”企业清理整治取得了显着成效，不仅改善了环境质量，也推动了地方经济的转型升级。但由于“散乱污”企业规模小、转移快、隐蔽性强，要巩固提升整治成效，仍需持续发力、久久为功。在监管能力有限的情况下，如何提升排查的针对性、提高监管实(本文来源于《中国环境报》期刊2019-11-20）
刘斌,徐秀娟,祁雯,张硕,薛昕惟[2]（2019）在《面向3D散乱点云数据的曲面拟合综合实验平台》一文中研究指出为了解决计算机图形学中曲面拟合知识点授课过程中重理论、偏抽象、不直观等问题,以课堂中的网格模型分割、3D散乱点云数据球面拟合及3D散乱点云数据椭球面拟合等关键知识点为例,开发了"基于3D散乱点云数据的球面拟合、椭球面拟合综合实验平台V1.0"。利用该平台软件可以较为直观地掌握网格模型数据提取、球面最小二乘拟合和椭球面模型拟合重构等技术原理。该平台不但可以助推课堂教学,而且还在教师科研项目、大学生科创竞赛中发挥了良好的作用。(本文来源于《实验室科学》期刊2019年05期）
陶薪竹,杨建斌[3]（2019）在《基于样条小波框架方法的散乱数据重构》一文中研究指出B样条小波框架能够有效的表示光滑和局部震荡函数,并同时提供时间和频率域局部化,因此在信号和图像处理等领域应用广泛,例如图像恢复。针对从混合或未知类型噪音的散乱数据中重构原始信号这一问题,本文提出了一个基于B样条小波框架的变分模型,并应用增广拉格朗日乘子法和加速近端梯度下降方法求解该模型,进一步给出了模型解的Lp范数(1≤p≤+∞)误差分析,最后通过对噪音数据重构进行数值实验并与其它的变分模型结果作比较,从而说明了本文方法的有效性。(本文来源于《电子设计工程》期刊2019年16期）
陆兴华,刘文林,吴宏裕,冯飞龙[4]（2019）在《海量散乱点云数据的模糊聚类挖掘方法研究》一文中研究指出物联网和云计算环境下海量散乱点云数据挖掘容易受到关联规则项的干扰,数据挖掘的模糊聚类不好。为了提高海量散乱点云数据挖掘能力,提出一种基于支持向量机的大数据分类挖掘技术。采用分段向量量化编码技术进行海量散乱点云数据空间存储结构分析,结合闭频繁项集检测方法进行海量散乱点云数据的信息融合处理,对高维融合数据进行语义特征分析和关联规则特征提取,对提取的海量散乱点云数据的关联规则采用支持向量机分类器进行模式识别,结合尺度分解方法对分类输出的海量散乱点云数据进行降维处理,采用模糊聚类方法实现对海量散乱点云数据的分类挖掘。仿真结果表明,采用该方法进行海量散乱点云数据挖掘的聚类性能较好,数据挖掘的精度较高。(本文来源于《计算机技术与发展》期刊2019年11期）
李欣[5]（2019）在《大数据赋能 精准整治“散乱污”》一文中研究指出位于天河区东圃镇与黄埔区交界的莲溪村里，曾经聚集有大量的家具制造工厂，穿村而过的左支涌旁更是密布木材、石材加工厂，打磨带来的粉尘与路旁堆积的废料一度让这里的村民避之不及，“没什么事就尽量不走河涌边，路过也要捂住口鼻。”52岁的村民梁结平说，如今村子里的工(本文来源于《南方日报》期刊2019-04-11）
张景岳,徐应祥,薛鹏翔[6]（2018）在《多元散乱数据的渐近正定径向基函数插值》一文中研究指出本文以一元B样条和径向基函数为基础,构造了一种n元渐近正定径向基函数.因这种渐近正定径向基函数兼有一元B样条和已有径向基函数的优点,将其应用于n维欧氏空间的多元散乱数据插值,得到了一种新的高维散乱数据插值函数.数值例子表明,这种插值格式对n维欧氏空间多元散乱数据具有良好的逼近效果.(本文来源于《数值计算与计算机应用》期刊2018年04期）
胡枫[7]（2018）在《基于散乱数据预给极点的两类二元有理插值对比研究》一文中研究指出文章给定被插值函数的极点信息,每个对应插值节点的函数值乘以一个确定的数使得变成一个无预给极点的二元插值问题,分别通过计算基于倒差商的对角逐步有理插值和基于逆差商的二元非张量积型连分式插值求解关于散乱数据预给极点的二元有理插值问题,最终通过除以一个带有原极点信息的函数得到散乱数据预给极点的二元有理插值。该方法具有预给的极点且保持极点原有的重数,数值例子给出了两类插值算法的相对误差比较。(本文来源于《太原学院学报(自然科学版)》期刊2018年03期）
陈思环[8]（2018）在《基于散乱点云数据的表面重建关键技术研究》一文中研究指出随着叁维重建在逆向工程、工业设计和虚拟现实等领域中的广泛应用,叁维重建技术已经成为快速获得实物数字模型的重要手段。在叁维重建的数据采集过程中,因点云具有简洁、采集方便、易存储的特点,所以往往使用点云表示物体的模型信息,因此如何从由海量散乱点云数据表示的点云模型高效、准确地重建其叁维几何模型,依然是需要深入研究的问题。本文是对散乱点云数据的表面重建关键技术的研究,是在已有点云数据的基础上还原点的几何拓扑结构,恢复物体模型的表面形状,使得重建的表面尽可能地反应实物表面的形状特征。本文围绕从空间散乱点云到叁维网格模型这一过程进行研究,对其中的点云空间剖分、点云精简、点云网格化等关键技术进行深入研究,取得了如下研究成果:1、研究了点云空间剖分算法,针对k-d树剖分时的回溯和八叉树剖分时空间的放大而产生的效率低下问题,采用一种混合剖分策略,该方法既可以缩小剖分空间,还可以针对点云密度分布特点自动调整剖分深度。2、研究了点云精简算法。针对已有点云精简算法中忽视点云特征和计算效率低下等问题,提出了一种基于混合剖分的点云自适应精简方法,该方法改进了点云密度的估算方式,且可以有效地控制精简程度,其精简结果能在保持局部特征的同时最大限度地使点云分布均匀。3、研究了点云网格化方法,提出了一种基于Delaunay准则和生长法的空间直接网格化方法。该方法制定了网格化时的各种限制规则,设计了顶点评价函数来选择最优点,并可以人为控制网格化的效果。该方法可直接在空间对点云进行网格化,避免了其他方法中出现的复杂计算,极大地提高了网格化的效率。4、实现了点云表面重建平台。该平台主要用于对实验结果进行显示,平台内部实现了本文提出的各种算法。最后将平台重建的结果与其他算法的结果进行了对比分析。(本文来源于《中国科学院大学(中国科学院沈阳计算技术研究所)》期刊2018-06-01）
殷志峰[9]（2018）在《散乱点云数据的叁维重建方法研究》一文中研究指出叁维重建技术是计算机图形学、工业制造、科学计算可视化、医学仿生等多个学科交叉的一个研究领域,其主要研究内容是如何将某种数据结构下叁维模型的几何信息恢复成叁维图形、图像,由计算机存储识别,最终能够实现对重建后模型进行定量分析、多角度显示和简单处理等。由于其学科跨度大、实用性较强等特点,使得这一领域得到了长足的发展,而如何更好的对叁维模型进行识别,一直是国内外学者的研究热点。叁维模型重建技术可以对多种数据结构的模型进行重建,包括点云数据、图片、叁维轮廓线等,点云数据记录了点在空间中的位置信息,可以由叁维坐标扫描仪等仪器快速扫描获取,随着近年来3D感测技术的发展,点云数据已经成为许多应用中叁维对象和周围环境的重要载体,由于在重建时不掺杂其他附加信息,因而是一种较为通用的数据形式。传统的基于图像的叁维重建方法丢失了立体空间内的位置信息,在精确度上、重建速度上、算法适用性上都有着不可避免的缺陷,已很难满足人们对高精度、真实感叁维模型建模和绘制的要求。随着科学技术的不断发展,基于点云的叁维重建技术由于其能够直接通过物体表面离散点简单快捷地重构出高度真实的叁维模型,因此逐渐凸显出来,并成为了叁维模型重建领域的主流技术。本文在研究人员相关文献的基础上,对基于点云数据的叁维模型重建方法进行了探究,并提出了一种新的点云叁维重建方法。该方法将点云叁维曲面重建领域中的区域增长法和映射法进行了结合,首先利用区域增长法对点云数据进行分片,并对生成叁角片进行夹角约束,增强了所生成叁角网格的质量。之后对分片后的数据采取映射法,从而能够快速生成相应的Delaunay叁角网,并增加连接规则,对不同分片的后的边界区域进行相连。最后,对重建曲面进行了优化以确保不会出现空洞和重迭面片。本文的方法主要贡献有以下几点:1.对点云叁维曲面重建领域中的区域增长法和映射法进行了结合,2.利用区域增长法对点云数据进行快速分片,根据相邻叁角网格面片的空间法向量夹角判定曲度,从而避免了计算点云数据的法向量。3.利用简单映射法对分片后的点云数据进行二维映射,在Delaunay叁角化时大大降低了所需时间,提升了整体效率。本文实验结果表明,该算法能够构建质量较好的叁角网格从而有效避免失真。通过对比本算法与其他算法效果发现,本文算法能够较为快速地构建出接近于规则化的叁角面片。生成综合质量较强的重建结果。(本文来源于《太原理工大学》期刊2018-06-01）
徐应祥[10]（2018）在《球面散乱数据的带自然边界条件样条插值》一文中研究指出考虑将球面散乱数据点变换到平面矩形区域的散乱数据,以平面二元带自然边界条件样条为基础,构造了一种新的球面上散乱数据插值法。这种插值法的优点是将球面散乱数据的插值降维为平面散乱数据插值法,且插值基函数是多项式。数值实验表明,这种方法是一种非常有效的方法。(本文来源于《科技通报》期刊2018年04期）
散乱数据论文开题报告
（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：
为了解决计算机图形学中曲面拟合知识点授课过程中重理论、偏抽象、不直观等问题,以课堂中的网格模型分割、3D散乱点云数据球面拟合及3D散乱点云数据椭球面拟合等关键知识点为例,开发了"基于3D散乱点云数据的球面拟合、椭球面拟合综合实验平台V1.0"。利用该平台软件可以较为直观地掌握网格模型数据提取、球面最小二乘拟合和椭球面模型拟合重构等技术原理。该平台不但可以助推课堂教学,而且还在教师科研项目、大学生科创竞赛中发挥了良好的作用。
（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。
散乱数据论文参考文献
[1].张军.运用电力大数据倒查监管“散乱污”[N].中国环境报.2019
[2].刘斌,徐秀娟,祁雯,张硕,薛昕惟.面向3D散乱点云数据的曲面拟合综合实验平台[J].实验室科学.2019
[3].陶薪竹,杨建斌.基于样条小波框架方法的散乱数据重构[J].电子设计工程.2019
[4].陆兴华,刘文林,吴宏裕,冯飞龙.海量散乱点云数据的模糊聚类挖掘方法研究[J].计算机技术与发展.2019
[5].李欣.大数据赋能精准整治“散乱污”[N].南方日报.2019
[6].张景岳,徐应祥,薛鹏翔.多元散乱数据的渐近正定径向基函数插值[J].数值计算与计算机应用.2018
[7].胡枫.基于散乱数据预给极点的两类二元有理插值对比研究[J].太原学院学报(自然科学版).2018
[8].陈思环.基于散乱点云数据的表面重建关键技术研究[D].中国科学院大学(中国科学院沈阳计算技术研究所).2018
[9].殷志峰.散乱点云数据的叁维重建方法研究[D].太原理工大学.2018
[10].徐应祥.球面散乱数据的带自然边界条件样条插值[J].科技通报.2018
论文知识图
