导读:本文包含了前向后向算法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:算法,稀疏,前向,后向,粒子,波尔,贪婪。
前向后向算法论文文献综述
裴家正,黄勇,董云龙,陈小龙[1]（2019）在《改进的SMC-CBMeMBer前向后向平滑检测前跟踪算法》一文中研究指出针对在雷达观测下机动弱小目标的检测前跟踪(TBD)问题中,基于序贯蒙特卡洛的势均衡多伯努利检测前跟踪(SMC-CBMeMBer-TBD)算法存在目标的数目估计不准确及状态估计精度随时间下降的问题,提出了一种基于SMC-CBMeMBer前向后向平滑检测前跟踪的改进算法。该算法在预测和更新过程之间加入多目标粒子群优化算法(MOPSO),基于观测值设置适应度目标函数,使粒子集群向后验概率密度较为集中的位置分布,缓解了粒子贫乏的问题;在更新步骤之后加入平滑递归方法,利用观测值平滑滤波值,算法运算时间虽有一定延长,但获得了数目和状态估计精度的提升。仿真实验表明,与CBMeMBer-TBD方法相比,所提算法在对机动目标数目估计和目标状态估计的准确度等性能上都有所改进。(本文来源于《通信学报》期刊2019年08期）
王荣[2]（2019）在《光声图像处理中前向/后向滤波去噪算法的设计与实现》一文中研究指出光声成像(Photoacoustic Imaging,PAI)是一种近几年发展起来的成像方式,将纯光学成像高对比度和超声成像探测深度好的优势有效结合,与其他传统生物成像相比,PAI由于其波长和频率的特点,经常用于软骨,脑部以及肌肉组织部分的成像,可以对目标身体部位进行分辨率和对比度性能都可观的成像。然而,在光声成像过程中,受环境和设备等因素影响,图像中会有噪声和杂波出现,导致最终的成像结果信噪比低、分辨率不高。因此,如何消除光声成像过程中潜在的噪声干扰是提高光声成像效果的关键所在。本文分别从光声成像的前向和后向过程两个层面出发,设计了不同的去噪算法,对光声信号和最终的成像质量进行提升。具体研究内容如下:(1)提出了一种基于Renyi熵的光声图像重建算法。该重建滤波算法依据原始光声信号Renyi熵所对应的分布情况,对用于分割的阈值进行确定,进而滤除存在的杂波;随即利用上一步得到的滤除杂波后的光声信号进行光声图像重建。利用该算法对不同维度的样本进行处理,包括零维的铅笔芯横截面,一维的头发丝以及二维的老鼠大脑皮层血管,实验最终的结果表明:与利用Renyi熵滤波算法去噪之前相比,重建后的光声图像不同亮度层级差异和分辨率分别提高了32.45%和30.78%,均方误差在原有的基础上下降35.01%,信噪比比之前提高47.66%。(2)设计CS/SVM组合算法提高光声图像质量。通过小波变换对光声图像进行分解,利用测量矩阵和匹配跟踪算法对图像的高频系数进行测量和恢复。将高频分量的重构系数和低频分量的原始系数组合成新的小波系数。所有小波系数均由训练好的分类模型进行处理,分类后的小波系数分为噪声和非噪声两部分,其中噪声部分由软阈值进行处理,最后,逆小波重建用于获得去噪的图像。结果表明,通过CS/SVM组合算法处理之后,小鼠大脑皮层血管光声图像对比度提高39.19%,信噪比提高59.71%,MSE降低20.83%。同时,与传统的医学图像处理组合算法相比,设计的CS/SVM组合算法大大提高了样本的信噪比(至少提高了26.95%),进一步降低了图像的均方误差(约11.98%)。(本文来源于《太原理工大学》期刊2019-04-01）
陈少利[3]（2017）在《全变分模型图像复原的一阶前向后向优化算法研究》一文中研究指出图像噪声和图像模糊往往影响了图像的后期处理,例如图像分割、特征提取、目标跟踪等。因此有效的去除图像噪声与去模糊的图像复原成为数字图像处理领域的关键问题。由于全变分模型能够很好的保留图像边缘信息从而获得更好的图像复原效果。于是本文着重研究全变分模型下的图像复原算法。根据有界变分图像处理,将全变分图像复原问题分解为两个凸函数的最小化问题,解决此类问题,可通过一阶和二阶方法,由于二阶方法迭代计算量较大,因而不适用于求解大规模数据的图像复原问题。而一阶方法的求解仅仅涉及到梯度和目标函数值信息,因此算法的计算量小、迭代效率较高,适用于求解大规模的实际问题。因此本文研究全变分图像复原的一阶方法。基于以上介绍,本文的主要研究内容为一下几点:首先,本文应用前向后向分裂算法求解全变分图像复原模型,针对该算法的固定步长限制了算法的收敛速率的不足之处,提出一种自适应步长选择的快速前向后向分裂算法。该算法将前向后向分裂算法结合了Barzilai-Borwein自适应步长选择算子。在算法进行迭代时,更新选择步长因子,从而获得更快的算法收敛效果。数值实验表明,自适应步长快速前向后向分裂算法不仅提高了算法的收敛速率,同时提高了图像复原的质量。其次,对改进的快速前向后向分裂算法做进一步研究,发现采用了Barzilai-Borwein谱步长进行更新的新算法在数值实验中并不总能保证算法的严格收敛,针对该问题,将非单调线性搜索的思想引入到改进快速前向后向分裂算法中,提出了一个非单调线性搜索快速前向后向分裂算法,避免了算法进入局部最优。从而使得算法在运算精度和时间复杂度上达到最优。数值实验表明的算法的有效性。最后,通过对快速前向后向分裂算法的深入研究,实验表明目标函数呈现一定的“震荡”现象,即目标函数值增加,因此减缓了目标函数的收敛。研究发现该算法对判定因子的选择具有很强的敏感性。据此,本文提出了自适应重启动快速前向后向分裂算法。通过加入判定因子,适时重启算法,从而使目标函数呈现单调下降现象。数值实验表明,自适应重启动前向后向改进算法加快了算法的收敛,减少了目标函数的震荡,提高了算法对于图像去噪和图像去模糊的复原质量。(本文来源于《南京邮电大学》期刊2017-10-26）
张文清,严壮志[4]（2016）在《基于格子波尔兹曼模型的荧光扩散断层成像前向算法》一文中研究指出荧光扩散断层成像是当前分子成像技术中最重要的方式之一。它使用近红外光激发组织体内的荧光团,并根据组织体边界检测到的光强值重建出荧光团浓度,从而实现在细胞或分子水平上对生物体内部生理、病理过程的动态观察。研究表明.该技术现有的正问题求解方法计算效率较低,无法满足荧光扩散断层成像技术快速成像的要求。本文提出一种基于格子波尔兹曼方法的正问题求解算法,该算法通过格子波尔兹曼方法建立光子在组织体中的扩散模型。实验表明,该算法和传统的有限元法得到的结果相比,可在保证精度的同时,大大提高计算速度。(本文来源于《仪器仪表学报》期刊2016年S1期）
张松江,周密,张传林[5]（2016）在《步长自适应的前向后向匹配追踪算法》一文中研究指出稀疏度自适应的匹配追踪算法(SAMP)是基于压缩感知理论的信号重建经典算法。针对稀疏度未知的信号重建,提出步长自适应的前向后向匹配追踪(AFBMP)算法,AFBMP算法在稀疏度自适应匹配追踪算法的框架下,前向搜索过程中采用对数型自适应变化的步长选择匹配原子,然后通过后向策略修正前向阶段造成的错误,删除支撑集中的部分错误原子,最终实现信号的精确逼近。实验表明AFBMP算法比SAMP算法能够更加高效地重建稀疏度未知的信号。(本文来源于《计算机应用与软件》期刊2016年11期）
王锋,孙桂玲,张健平,何静飞[6]（2016）在《基于压缩感知的加速前向后向匹配追踪算法》一文中研究指出前向后向匹配追踪(FBP)算法作为一个新颖的两阶段贪婪逼近算法,因为较高的重构精度和不需要稀疏度作为先验信息的特点,受到了人们的广泛关注。然而,FBP算法必须运行更多的时间才能得到更高的精度。鉴于此,该文提出加速前向后向匹配追踪(AFBP)算法。该算法利用每次迭代中候选支撑集的信息,实现对已删除原子的再次加入,以此减少算法迭代次数。通过不同非零项分布的稀疏信号和稀疏图像的仿真结果表明,相对于FBP算法,该文提出的方案在不降低重构精度的同时,大幅降低了算法运行时间。(本文来源于《电子与信息学报》期刊2016年10期）
蔡旭,谢正光,蒋小燕,黄宏伟[7]（2014）在《基于压缩感知的步长自适应前向后向追踪重建算法》一文中研究指出压缩感知(CS)是一种新的信号采样、处理和恢复理论,能够显着地降低高频窄带信号的采样频率。针对稀疏度未知信号的重建,提出了步长自适应前向后向追踪(AFBP)算法。不同于固定步长前向后向追踪(FBP)算法,AFBP的步长可变。它利用一种自适应阈值的方法选取前向步长,然后对候选支撑集进行正则化处理以保证其可靠性,接着用自适应阈值与变步长双向控制的方法选取后向步长以减少重建时间。AFBP能够自适应后向删除估计支撑集中部分错误索引以提高信号准确重建概率。在稀疏信号非零值服从常见分布条件下,用AFBP、FBP等算法进行重建的结果表明,AFBP的准确重建概率、重建精度与FBP相当,重建时间明显少于FBP,能够更高效地重建稀疏度未知信号。(本文来源于《计算机科学》期刊2014年11期）
陈海洋,高晓光,梅军峰[8]（2012）在《广义隐马尔可夫模型的快速前向后向算法》一文中研究指出动态贝叶斯网络是解决非线性动态系统不确定性推理问题的一个重要工具。通过对改进前向后向算法计算方式的改变,提出了一种快速前向后向算法。不仅从理论上推导了快速前向算法、快速后向算法,并且将这两种算法结合推导出快速前向后向算法。由复杂度分析可知,提出算法的复杂度较低,仿真实验验证了快速推理算法的正确性和推理的高效性。(本文来源于《系统工程与电子技术》期刊2012年10期）
王旭,何子述[9]（2012）在《目标运动分析的前向与后向测距测速算法》一文中研究指出目标运动分析中测距测速的精度与目标在空间的距离以及运动方式有关,为了提高目标在相向运动和相背运动下的距离和速度的估值精度,提出了前向和后向测距测速的概念,在此基础上给出了前向后向混合算法,对距离和速度的估计精度进行了理论分析。该算法利用目标航迹上前面的M个到达时间(TOA)和后面的N个TOA对当前位置的距离和速度进行估计,兼顾了算法性能和估值的时间延时特性。仿真结果验证了前向后向混合算法的性能总是好于同样数据量的前向或后向算法的性能。(本文来源于《计算机工程与应用》期刊2012年33期）
孙玉宝,费选,韦志辉,肖亮[10]（2010）在《基于前向后向算子分裂的稀疏性正则化图像超分辨率算法》一文中研究指出提出了一种新的基于稀疏表示正则化的多帧图像超分辨凸变分模型,模型中的正则项刻画了理想图像在框架系统下的稀疏性先验,保真项度量其在退化模型下与观测信号的一致性,同时分析了最优解条件.进一步,基于前向后向算子分裂法提出了求解该模型的不动点迭代数值算法,每一次迭代分解为仅对保真项的前向(显式)步与仅对正则项的后向(隐式)步,从而大幅度降低了计算复杂性;分析了算法的收敛性,并采取序贯策略提高收敛速度.针对可见光与红外图像序列进行了数值仿真,实验结果验证了本文模型与数值算法的有效性.(本文来源于《自动化学报》期刊2010年09期）
前向后向算法论文开题报告
（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：
光声成像(Photoacoustic Imaging,PAI)是一种近几年发展起来的成像方式,将纯光学成像高对比度和超声成像探测深度好的优势有效结合,与其他传统生物成像相比,PAI由于其波长和频率的特点,经常用于软骨,脑部以及肌肉组织部分的成像,可以对目标身体部位进行分辨率和对比度性能都可观的成像。然而,在光声成像过程中,受环境和设备等因素影响,图像中会有噪声和杂波出现,导致最终的成像结果信噪比低、分辨率不高。因此,如何消除光声成像过程中潜在的噪声干扰是提高光声成像效果的关键所在。本文分别从光声成像的前向和后向过程两个层面出发,设计了不同的去噪算法,对光声信号和最终的成像质量进行提升。具体研究内容如下:(1)提出了一种基于Renyi熵的光声图像重建算法。该重建滤波算法依据原始光声信号Renyi熵所对应的分布情况,对用于分割的阈值进行确定,进而滤除存在的杂波;随即利用上一步得到的滤除杂波后的光声信号进行光声图像重建。利用该算法对不同维度的样本进行处理,包括零维的铅笔芯横截面,一维的头发丝以及二维的老鼠大脑皮层血管,实验最终的结果表明:与利用Renyi熵滤波算法去噪之前相比,重建后的光声图像不同亮度层级差异和分辨率分别提高了32.45%和30.78%,均方误差在原有的基础上下降35.01%,信噪比比之前提高47.66%。(2)设计CS/SVM组合算法提高光声图像质量。通过小波变换对光声图像进行分解,利用测量矩阵和匹配跟踪算法对图像的高频系数进行测量和恢复。将高频分量的重构系数和低频分量的原始系数组合成新的小波系数。所有小波系数均由训练好的分类模型进行处理,分类后的小波系数分为噪声和非噪声两部分,其中噪声部分由软阈值进行处理,最后,逆小波重建用于获得去噪的图像。结果表明,通过CS/SVM组合算法处理之后,小鼠大脑皮层血管光声图像对比度提高39.19%,信噪比提高59.71%,MSE降低20.83%。同时,与传统的医学图像处理组合算法相比,设计的CS/SVM组合算法大大提高了样本的信噪比(至少提高了26.95%),进一步降低了图像的均方误差(约11.98%)。
（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。
前向后向算法论文参考文献
[1].裴家正,黄勇,董云龙,陈小龙.改进的SMC-CBMeMBer前向后向平滑检测前跟踪算法[J].通信学报.2019
[2].王荣.光声图像处理中前向/后向滤波去噪算法的设计与实现[D].太原理工大学.2019
[3].陈少利.全变分模型图像复原的一阶前向后向优化算法研究[D].南京邮电大学.2017
[4].张文清,严壮志.基于格子波尔兹曼模型的荧光扩散断层成像前向算法[J].仪器仪表学报.2016
[5].张松江,周密,张传林.步长自适应的前向后向匹配追踪算法[J].计算机应用与软件.2016
[6].王锋,孙桂玲,张健平,何静飞.基于压缩感知的加速前向后向匹配追踪算法[J].电子与信息学报.2016
[7].蔡旭,谢正光,蒋小燕,黄宏伟.基于压缩感知的步长自适应前向后向追踪重建算法[J].计算机科学.2014
[8].陈海洋,高晓光,梅军峰.广义隐马尔可夫模型的快速前向后向算法[J].系统工程与电子技术.2012
[9].王旭,何子述.目标运动分析的前向与后向测距测速算法[J].计算机工程与应用.2012
[10].孙玉宝,费选,韦志辉,肖亮.基于前向后向算子分裂的稀疏性正则化图像超分辨率算法[J].自动化学报.2010
论文知识图
