导读:本文包含了分类特征不变量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:特征,变量,输电线,图像,步态,鼻咽癌,载荷。
分类特征不变量论文文献综述
周封,任贵新[1]（2018）在《基于颜色空间变量的输电线图像分类及特征提取》一文中研究指出针对输电线图像背景复杂多变和单一图像处理方法难以有效处理各种背景类型输电线图像的问题,提出一种基于颜色空间变量的输电线图像分类及特征提取方法。首先根据输电线图像各颜色空间的变量值与图像特征之间的关系对图像进行分类。然后根据不同类别图像特征选用适合的滤波方法通过两次滤波结合去噪,并采用自适应直方图分段均衡化增强图像对比度。通过对Otsu算法得出的阈值进行线性变换确定canny边缘检测参数,提取输电线路边缘。最后根据输电线形状特征和概率霍夫直线变换与形态学运算提出一种边缘优化方法,较好地去除非输电线边缘。结果表明:该方法可以有效处理各种背景类型图像,为输电线路图像智能化处理提供了一种新的思路和方法。(本文来源于《电力系统保护与控制》期刊2018年05期）
贾坤,李强子[2]（2013）在《农作物遥感分类特征变量选择研究现状与展望》一文中研究指出农作物遥感分类是农作物种植面积估算的重要核心问题,是提高农作物种植面积估算精度的关键研究内容。特征变量的选择是农作物遥感分类的重要步骤,有效地使用多种特征变量是提高农作物遥感分类精度的关键。随着多源数据获取的更加容易,电磁波谱特征、空间特征、时间特征以及辅助数据特征在农作物遥感分类中发挥着重要的作用。本文简要回顾和综合分析了在农作物遥感分类中所使用的各种特征变量,包括多光谱特征、微波散射特征、多源数据特征、高光谱数据特征等电磁波谱特征,以及空间特征、时间特征和辅助数据特征等,并分析了农作物遥感分类特征变量选择方面存在的问题和发展趋势。指出目前农作物遥感分类特征变量选择存在的关键问题主要包括特征变量选择的理论研究不足和综合应用存在缺陷两个方面。未来农作物遥感分类特征选择研究的核心内容主要包括生化组分特征及冠层结构特征等农作物遥感分类新特征变量的挖掘、分类特征变量的综合应用、农作物遥感分类特征变量的敏感性和不确定性研究3个方面。(本文来源于《资源科学》期刊2013年12期）
陈媛,郭艳菊[3]（2013）在《儿童长时间负重行走过程中各阶段运动学特征研究——以肥胖和性别作为分类变量》一文中研究指出儿童较长时间背负过重的书包行走会对其身体姿势及健康造成影响,这虽然已经引起社会各界的关注,但仍然没有得到有效的控制和解决。体质检测表明儿童少年的肥胖发生率在日益增多,肥胖俨然已成为困扰全民健康的一个重要问题。步态分析一直被广泛应用到临床骨科、康复工程和生物力学等领域。通过查阅大量文献发现,在以往的研究中并没有文献针对儿童长时间背重常速行走过程中,各阶段运动状态改变的运动学特征的研究,特别是把肥胖和性别作为分类变量的研究,国内更是鲜有这方面的报道。(本文来源于《第十六届全国运动生物力学学术交流大会（CABS 2013）论文集》期刊2013-10-22）
邓嘉辉,易伦朝,梁逸曾,李丹娟,肖志强[4]（2010）在《分类特征变量法用于筛选鼻咽癌代谢标记物》一文中研究指出本文提出1种新的筛选生物标记物的方法——分类特征变量法(CCV)。该法是在偏最小二乘法(PLS)的原理上,建立的统计学方法,不但包含判别函数的信息,而且兼顾分类潜变量的信息,在生物标记物筛选过程中表现出优势。本文不仅阐述了CCV法的原理和计算方法,还对实际代谢组数据体系的应用过程进行了详细描述。针对气相色谱-质谱联用仪(GC-MS)获得的鼻咽癌病人和健康人的血清代谢指纹图谱数据,采用该法筛选潜在的生物标记物。得到19个变量,分别对应13种内源性代谢物,并与载荷矢量图法筛选得到的代谢标记物的判别能力进行比较。以2种方法各自筛选出的特征变量为输入数据,用偏最小二乘-线性判别分析(PLS-DA)和交互检验(CV)分别验证其分类判别能力和预测能力。结果表明,CCV明显优于目前常用的载荷矢量图法,是1种新的快速有效的生物标记物筛选方法。(本文来源于《计算机与应用化学》期刊2010年04期）
王昱[5]（2009）在《考虑特征变量异质性的分类方法及其在风险决策中的应用研究》一文中研究指出风险决策中广泛存在着具有如下特征的一类问题,即风险决策者首先需要建立历史数据样本与自然状态之间的依赖关系,然后根据该依赖关系估计一个新的数据样本所对应自然状态的出现概率,最后建立风险决策模型,以最大化收益函数(或最小化风险损失函数)为目标选择最优行动方案。从建立历史数据样本与自然状态的依赖关系这一意义上,可以将这类风险决策问题归纳为数据挖掘中的分类问题,因而数据挖掘中的各种分类方法可以应用于该类风险决策问题。由于分类的高效性和准确性对于风险决策具有关键性影响,因此分类方法及其在风险决策中的应用研究具有重要的理论和现实意义。已有的相关研究主要从分类方法及其应用的角度考虑风险决策问题。事实上,在应用各种数据挖掘技术前,探索了解数据的特性将对挖掘结果有重要甚至关键性的影响。在分类问题中,特征变量异质性是一种重要的数据特性,对于分类方法的应用结果具有显着影响。因此,本文主要研究考虑特征变量异质性的分类方法及其在风险决策问题中的应用。研究目的在于探索数据中存在的特征异质性这一数据特性,并提出相应的解决方法以提高分类的准确性,使分类方法能够更好地为风险决策提供支持。本文从第一章到第六章的内容安排如下:第一章概述了本文的研究背景,回顾了分类方法及其在风险决策问题中的相关研究和分类问题中特征变量异质性的研究现状,说明了本文的研究内容和研究意义。第二章首先对分类问题进行简要介绍,然后概述分类问题中的特征变量相关性和特征变量选择问题。在此基础上,根据一系列理论和实际应用研究对特征变量异质性的概念进行描述。由于特征变量异质性无法从数据样本集合中直接观察和测度,本章基于荟萃分析的基本思想,提出了一种利用全局特征变量选择和数据样本集合随机划分的方法来测度特征变量异质性的方法。在一系列基准数据集和人工构造的混合数据集上的实验计算结果说明了该测度方法的有效性。第叁章主要考察特征变量异质性对分类方法效果的影响。本章首先对特征变量异质性的影响进行简要分析,然后通过实证研究说明分类问题中存在的特征变量异质性对分类方法的准确率具有较为显着的影响。本章采用的分类方法为一种将logistic回归与支持向量机集成的分类方法,该方法的主要思想是应用logistic回归的输出概率为支持向量机提供支持信息,以提高分类判别准确性。实证研究以企业财务困境预测这一风险管理和决策问题为背景,通过比较考虑特征变量异质性前后的分类预测准确率,说明了在存在特征变量异质性的分类问题中,考虑特征变量异质性有利于提高分类方法的准确率。第四章提出了一种基于因子分析和聚类分析的分类策略,该策略的基本思想是首先将原始的特征变量转化为新的特征变量,使得新的特征变量能够体现出原始特征变量在数据样本空间中的异质性,然后通过聚类分析得到各个具有特征变量同质性的样本子集,并在每个样本子集中分别建立相应的分类模型,从而减小特征变量异质性对分类方法准确率的影响。对于一个未知类标记样本,该分类策略首先将其转化为因子得分向量,然后将该因子得分向量按照最近邻规则划分到与之最近的样本子集合中,最后利用该样本子集合中的分类模型进行分类。在一系列基准数据集上的实验计算结果说明了该分类策略的有效性。第五章提出了一种考虑特征变量异质性且具有增量式学习特性的分类方法,可有效应用于一类具有特征变量异质性且需要决策者利用分类方法进行在线实时风险决策的问题。该方法首先利用基于网格的有指导聚类对数据样本集合进行划分,从而得到若干数据簇,且每个数据簇中数据样本点的类标记相同。在去除异常数据点后,该方法计算各个数据簇的特征变量相关性,并将该相关性作为距离测度中各特征变量的权重,应用最近邻方法进行分类。本章最后将该分类方法应用于一系列基准数据集和市场营销中的顾客确定问题,实证结果说明了该方法的有效性。第六章总结本文的工作,归纳本文的主要创新点,指出目前本文研究的局限,并根据已取得的研究结果对未来进一步研究的问题进行思考。本文工作的主要创新点如下:(1)提出了一种有效的特征变量异质性的测度方法,该方法可用于探索分类问题中存在的特征变量异质性,为解决分类问题提供策略性的信息。(2)提出了一种基于logistic回归与支持向量机集成的分类方法,该方法利用logistic回归得到的后验概率信息对支持向量机的输出结果进行修正,能够有效提高传统支持向量机的分类准确性。(3)提出了一种有效的考虑特征变量异质性的分类策略,该策略将具有特征变量异质性的数据样本集合划分为若干同质性的子集合,然后通过在各个子集合中分别建立分类模型来提高分类的准确性。(4)提出了一种具有增量式学习特性的分类方法,该方法能够以增量学习的方式处理由于数据样本频繁更新而导致的特征变量异质性模式变化,可以在存在特征变量异质性且需要实时在线决策的风险决策问题中得到有效的应用。(本文来源于《中国科学技术大学》期刊2009-05-08）
薛建中,郑崇勋,闫相国[6]（2003）在《快速多变量自回归模型的意识任务的特征提取与分类》一文中研究指出给出了一种有效的多变量自回归(MultivariateAutoregressive,MVAR)模型参数和阶数估计的快速算法,通过QR分解技术减少了多维矩阵求逆的运算量,提高了模型估计的速度.利用该算法对4个实验对象的3种不同意识任务的脑电(EEG)信号进行特征提取,并将得到的特征向量作为径向基函数神经网络的输入进行训练和分类测试.分类结果表明,利用该方法进行EEG信号的特征提取,分类的正确率明显高于单变量自回归模型,而且算法运算速度快,可以用于不同意识任务EEG信号的在线特征提取与分类系统.(本文来源于《西安交通大学学报》期刊2003年08期）
金伯寿,付桂鹏,夏良正[7]（1996）在《基于组合矩不变量特征的BP神经网络分类器》一文中研究指出本文通过研究矩特征的性质，在传统的７个矩不变量的基础上，提出了５个组合矩不变量来完成对目标特征的描述．为完成对叁维物体的识别，这里采用叁层的ＢＰ神经网作为分类器，其输入特征为上述组合矩不变量．文中对叁类目标在各种姿态下的矩特征分布的情况进行了研究，并将神经网分类器与最小距离分类器的分类性能作了比较．实验证明，神经网分类器能够完成对叁维目标的识别，并且在实时性和鲁棒性方面表现了良好的特性(本文来源于《东南大学学报》期刊1996年S1期）
分类特征不变量论文开题报告
（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：
农作物遥感分类是农作物种植面积估算的重要核心问题,是提高农作物种植面积估算精度的关键研究内容。特征变量的选择是农作物遥感分类的重要步骤,有效地使用多种特征变量是提高农作物遥感分类精度的关键。随着多源数据获取的更加容易,电磁波谱特征、空间特征、时间特征以及辅助数据特征在农作物遥感分类中发挥着重要的作用。本文简要回顾和综合分析了在农作物遥感分类中所使用的各种特征变量,包括多光谱特征、微波散射特征、多源数据特征、高光谱数据特征等电磁波谱特征,以及空间特征、时间特征和辅助数据特征等,并分析了农作物遥感分类特征变量选择方面存在的问题和发展趋势。指出目前农作物遥感分类特征变量选择存在的关键问题主要包括特征变量选择的理论研究不足和综合应用存在缺陷两个方面。未来农作物遥感分类特征选择研究的核心内容主要包括生化组分特征及冠层结构特征等农作物遥感分类新特征变量的挖掘、分类特征变量的综合应用、农作物遥感分类特征变量的敏感性和不确定性研究3个方面。
（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。
分类特征不变量论文参考文献
[1].周封,任贵新.基于颜色空间变量的输电线图像分类及特征提取[J].电力系统保护与控制.2018
[2].贾坤,李强子.农作物遥感分类特征变量选择研究现状与展望[J].资源科学.2013
[3].陈媛,郭艳菊.儿童长时间负重行走过程中各阶段运动学特征研究——以肥胖和性别作为分类变量[C].第十六届全国运动生物力学学术交流大会（CABS2013）论文集.2013
[4].邓嘉辉,易伦朝,梁逸曾,李丹娟,肖志强.分类特征变量法用于筛选鼻咽癌代谢标记物[J].计算机与应用化学.2010
[5].王昱.考虑特征变量异质性的分类方法及其在风险决策中的应用研究[D].中国科学技术大学.2009
[6].薛建中,郑崇勋,闫相国.快速多变量自回归模型的意识任务的特征提取与分类[J].西安交通大学学报.2003
[7].金伯寿,付桂鹏,夏良正.基于组合矩不变量特征的BP神经网络分类器[J].东南大学学报.1996
论文知识图
