导读:本文包含了高斯变换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:高斯,快速,密度,粒子,小二,模糊,载波。
高斯变换论文文献综述
刘德宝,王献忠,刘明敏[1]（2019）在《基于拉格朗日高斯变换的奥运会视频分类机制研究》一文中研究指出随着现代体育不断发展,奥运会承办比赛种类越来越繁杂,对赛事视频分类提出了一个新的挑战。现有的人工分类方法无法有效地区分团体竞技类比赛(球类)和个人竞技类比赛(田径类)视频,从而进行大规模自动分类存储。然而,为了有效地重复使用这些视频文件,需要对其进行分类存储,主要目的在于提高资源的利用率。针对人工分类手段太过于低效的现状,本文对奥运会运动视屏内容分类问题进行研究,并提出了一种基于关键帧特征提取和支持向量机(Supported Vector Machine,SVM)的视频分类方法。以第31届奥运会的体育视频作为数据集,对每个视频进行关键帧提取和总结,并借由拉格朗日-高斯变换来计算视频对应的特征向量,将特征向量作为SVM分类器的输入进行体育视频分类。实验结果表明,对于任意奥运视频,提出的方法平均能够取得70%以上的正确分类率,而错误分类的比例始终低于10%。特别地,对于奥运中的射击类视频,平均正确分类率接近90%左右,说明了提出方法的有效性。(本文来源于《光电子·激光》期刊2019年10期）
卢立果,鲁铁定,吴汤婷,刘万科[2]（2017）在《下叁角Cholesky分解的整数高斯变换算法》一文中研究指出针对全球导航卫星系统(GNSS)载波相位测量中,基于整数最小二乘估计准则解算整周模糊度问题。目前以LAMBDA降相关算法和Lenstra-Lenstra-Lovász(LLL)为代表的规约算法应用最为广泛。由于不同算法采用的模糊度方差-协方差阵的分解方式不同,导致难以合理地进行不同算法性能的比较。该文通过分析LAMBDA算法的降相关特点,从理论上推出基于下叁角Cholesky分解多维情形下的整数高斯变换的降相关条件及相应公式,并与分解方式不同的LAMBDA和LLL算法作了对比。实验结果表明,降相关采用的分解方式将会直接影响计算复杂度和解算性能,因此该文推导的整数高斯变换算法便于今后基于下叁角Cholesky分解的降相关算法间的合理比较。(本文来源于《测绘科学》期刊2017年12期）
迟荣华,程媛,朱素霞,黄少滨,陈德运[3]（2017）在《基于快速高斯变换的不确定数据聚类算法》一文中研究指出数据中不确定性的存在使对其聚类分析时要充分考虑不确定性的影响。针对现有不确定数据聚类算法中构建不确定数据模型以及距离度量时存在的影响结果准确性与聚类性能等问题,提出一种基于快速高斯变换的不确定数据聚类算法。首先在不假设数据分布的前提下,构建符合不确定性分布特征的数据模型;然后结合不确定对象的2个重要特征:属性特征与表示不确定数据分布特征的概率密度函数,度量不确定数据对象间的相似性;并以此为基础提出不确定数据聚类算法;最后在UCI以及真实数据集上的实验结果表明,所提算法在运行效率和聚类准确性方面均能取得较好效果。(本文来源于《通信学报》期刊2017年03期）
王冠群,马苗,张艳宁,周涛[4]（2016）在《基于高斯变换的多尺度SUSAN角点检测方法》一文中研究指出针对传统SUSAN算子只能在单一尺度下检测图像中角点的不足,提出一种基于高斯变换的多尺度SUSAN角点检测方法。该方法利用高斯变换获得待检测图像的多尺度分层图像,以构建高斯金字塔,结合自适应阈值的SUSAN算子检测出不同尺度下的角点作为候选角点,将其还原到原始图像中的相应位置构成候选角点集,在候选角点集中经小邻域信息筛选获得最终角点。实验结果表明,该方法不仅能够在不同尺度下有效获取有用的角点信息,而且提高SUSAN算子正确率的同时,降低了角点的伪检率。(本文来源于《计算机工程与应用》期刊2016年12期）
李海君,赵国荣[5]（2014）在《基于快速高斯变换的辅助边缘粒子滤波算法》一文中研究指出针对辅助粒子滤波算法计算量大,滤波效率较低的问题,提出了一种基于快速高斯变换(Fast Gaussian transform,FGT)的辅助边缘粒子滤波算法。该算法假设状态噪声是加性的,并且是高斯的,这样非线性滤波的Chapman-Kolmogorov方程的求解近似于执行了核密度估计(Kerner density estimation,KDE),从而可将KDE中的快速算法FGT引入,以提高算法的计算效率和实时性。仿真结果表明,该算法利用少数粒子就可以获得与常规粒子滤波相似的误差,大大提高了计算效率。(本文来源于《数据采集与处理》期刊2014年06期）
费景洲,赵冬来,冯永明[6]（2012）在《压气机特性的高斯变换多层感知器预测方法》一文中研究指出使用BP(back propagation)神经网络进行压气机特性预测时,容易出现外插精度低和系统稳定性差的问题.根据压气机特性图中等转速线线形分布特点,提出一种新型的多层感知器神经网络,利用高斯函数对数据样本进行变换,提取特性图中各条等转速线间的相似度关系.分析结果表明,该神经网络在预测精度、网络稳定性和逼近能力等方面优于BP神经网络.利用该神经网络对某型压气机特性进行预测,结果表明该神经网络对于样本数据内插值和外插值预测都有比较理想的精度.(本文来源于《哈尔滨工程大学学报》期刊2012年08期）
杨水根[7]（2009）在《GPS定位信息处理及高斯变换》一文中研究指出介绍直接将GPS定位信息输入计算机进行高斯变换,以快速准确获取炮兵所需的定位信息的原理和方法。(本文来源于《硅谷》期刊2009年01期）
蒋鸿,朱文球,胡永祥[8]（2008）在《快速高斯变换的截断误差估计》一文中研究指出利用Stirling公式证明了快速高斯变换的一个新的截断误差,并将新误差与X.Wan和G.E.Karniadakis提出的误差进行了比较分析。结果表明,新误差是一个具有更小下界的、更加精确的误差估计。(本文来源于《计算机工程与应用》期刊2008年25期）
蒋鸿,胡永祥,朱文球[9]（2008）在《应用快速高斯变换估计图像互信息》一文中研究指出针对基于核密度估计的图像互信息估计法运算量很大的问题,提出了一种快速互信息估计算法。该算法选用高斯函数作为核密度估计法的核函数,然后用快速高斯变换加快运算速度,并用k中心聚类算法改进了原快速高斯变换中数据分类方法。新算法能在线性时间复杂度内估计出图像互信息,采用医学图像的实验证实了算法的性能。(本文来源于《计算机应用》期刊2008年03期）
范胜林,袁信[10]（2003）在《基于整数高斯变换的整周模糊度快速求解算法》一文中研究指出提出了一种基于整数高斯变换的整周模糊度快速解算方法。该方法结合了最小二乘分组搜索方法和整数高斯变换方法,大大减少了备选整周模糊度的组合数,然后通过采用5种检验方法剔除不正确的模糊度组合,使得整周模糊度的解算具有较高的可靠性和较短的时间。该方法无论在动态还是静态的情况下,整周模糊度解算时间均比较小。(本文来源于《弹箭与制导学报》期刊2003年S4期）
高斯变换论文开题报告
（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：
针对全球导航卫星系统(GNSS)载波相位测量中,基于整数最小二乘估计准则解算整周模糊度问题。目前以LAMBDA降相关算法和Lenstra-Lenstra-Lovász(LLL)为代表的规约算法应用最为广泛。由于不同算法采用的模糊度方差-协方差阵的分解方式不同,导致难以合理地进行不同算法性能的比较。该文通过分析LAMBDA算法的降相关特点,从理论上推出基于下叁角Cholesky分解多维情形下的整数高斯变换的降相关条件及相应公式,并与分解方式不同的LAMBDA和LLL算法作了对比。实验结果表明,降相关采用的分解方式将会直接影响计算复杂度和解算性能,因此该文推导的整数高斯变换算法便于今后基于下叁角Cholesky分解的降相关算法间的合理比较。
（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。
高斯变换论文参考文献
[1].刘德宝,王献忠,刘明敏.基于拉格朗日高斯变换的奥运会视频分类机制研究[J].光电子·激光.2019
[2].卢立果,鲁铁定,吴汤婷,刘万科.下叁角Cholesky分解的整数高斯变换算法[J].测绘科学.2017
[3].迟荣华,程媛,朱素霞,黄少滨,陈德运.基于快速高斯变换的不确定数据聚类算法[J].通信学报.2017
[4].王冠群,马苗,张艳宁,周涛.基于高斯变换的多尺度SUSAN角点检测方法[J].计算机工程与应用.2016
[5].李海君,赵国荣.基于快速高斯变换的辅助边缘粒子滤波算法[J].数据采集与处理.2014
[6].费景洲,赵冬来,冯永明.压气机特性的高斯变换多层感知器预测方法[J].哈尔滨工程大学学报.2012
[7].杨水根.GPS定位信息处理及高斯变换[J].硅谷.2009
[8].蒋鸿,朱文球,胡永祥.快速高斯变换的截断误差估计[J].计算机工程与应用.2008
[9].蒋鸿,胡永祥,朱文球.应用快速高斯变换估计图像互信息[J].计算机应用.2008
[10].范胜林,袁信.基于整数高斯变换的整周模糊度快速求解算法[J].弹箭与制导学报.2003
论文知识图
