导读:本文包含了特征空间模型论文开题报告文献综述及选题提纲参考文献，主要关键词:基于对象影像分析,建筑物,多层次模型,特征选择
特征空间模型论文文献综述
党涛,宋起,刘勇,徐安建,徐波[1]（2019）在《基于多层次分割分类模型及其特征空间优化的建筑物提取方法》一文中研究指出针对高空间分辨率遥感影像城市地物信息提取中的尺度效应、光谱多样性及分类特征优化等问题,基于面向对象影像分析方法,结合数据挖掘与机器学习技术,提出了一种多层次分割分类模型及其特征空间优化的建筑物提取方法。首先,根据遥感信息多尺度特性,针对地物特征差异设立层级关系,再结合光谱多样性特征定义地物包含的子类型,建立基于不透水面分割分类提取建筑物的层次化结构;然后,利用提出的Relief F-PSO组合特征选择方法,优化构建相应层次的影像特征空间;最后,在多尺度分割和特征优化的基础上,基于随机森林模型获取不透水面分布,进而采用J48决策树算法分类提取建筑物。实验结果表明,该方法能够利用较少数量的影像特征,获得高精度的建筑物提取成果。(本文来源于《国土资源遥感》期刊2019年03期）
党涛[2]（2018）在《基于多层次分割分类模型及其特征空间优化的高分辨率遥感影像城市建筑物提取研究》一文中研究指出建筑物作为城市地理空间的重要元素,在土地利用规划、数字城市建模、灾害评估应急响应和军事目标侦察等方面有着重要的应用价值。随着多源高分辨率遥感影像的海量获取和实用化,利用遥感技术快速、高精度识别提取建筑物信息的现实意义日渐突出。基于对象影像分析(Object-Based Image Analysis,OBIA)方法突破了传统分类以像素为基本处理单元的局限性,能够综合利用影像对象的光谱、纹理、几何和空间结构特征,实现较高层次的遥感影像专题信息分类提取。以其明显的特点和优势,成为建筑物目标提取不可或缺的重要方向和研究热点。然而,城市环境中地表情况复杂,不同类型地物都有其适宜的空间尺度,利用统一的尺度层次难以获得精确的影像信息提取成果。同时,地物目标存在高度的光谱变异性,“同物异谱”和“异物同谱”现象较为突出,地物信息提取面临很大的挑战和干扰。对于建筑物而言,屋顶构成材质不同,光谱响应也会有所区别,形成不同颜色屋顶的建筑物,使得在影像上表现为较大的光谱差异,这种建筑物类别的异质性也会对分类结果产生一定程度的影响。另外,影像分类需要综合利用地物光谱、形状和纹理等特征,数量往往较多,其中可能存在不相关或冗余信息,不进行合理的特征选择优化,容易造成“维数灾难”,分类精度不增反降。本文针对地物信息提取过程中存在的遥感数据尺度效应、地物光谱多样性以及影像分类特征优化问题,在基于对象影像分析方法的支持下,结合数据挖掘技术与机器学习分类算法,对上述问题及相关技术方法进行了研究探讨,旨在提高遥感影像城市建筑物信息提取精度。本文以中卫市WorldView 3遥感影像为数据源,首先对研究区不同类型地物的光谱特征进行统计分析,发现利用多光谱波段数据可有效区分城区水体、植被、阴影和不透水面等地物,但进一步把光谱混淆严重的不透水性地面区分为建筑物、道路和裸地等则存在困难。因而,本文从建筑物的不透水物理属性出发,结合遥感影像多尺度特性,提出了基于不透水面分割分类提取建筑物的策略。为避免地物光谱多样化带来提取误差,提出了将同一类地物依据影像色调差异继续划分子类分析处理的思路,以多元化地利用影像对象不同特征信息。同时考虑到特征选择对影像分类精度的影响,在对Relief F算法和粒子群优化算法(Particle Swarm optimization,PSO)研究的基础上,提出了Relief F-PSO二阶段组合特征选择方法。研究表明,采用多层次分割分类模型及其特征空间优化的方法,能够较完整准确地提取高分辨率遥感影像城市建筑物信息。此外,为进一步验证说明多层次影像分割分类过程中,影像层次构建的合理性,特征选择方法的有效性和顾及地物光谱差异的必要性。本文针对性地采用叁种分类方法进行了对比研究,得出如下结论:(1)采用单一尺度层对影像中不同类型地物目标提取,容易造成地物“过分割”与“欠分割”问题,分类出现严重的错漏分现象,成果准确率下降了12.45%;(2)根据专家经验知识和影像地物特点,人为分析选择典型特征参与影像分类,会造成建筑物目标提取的完整率和准确率分别下降9.63%和8.26%;(3)不考虑地物光谱多样性特征,将其整体上作为“一个类别”进行分析研究,容易造成光谱相似性地物之间的错分现象,成果完整率下降了11.74%;(4)本文方法能够利用最少数量的影像特征信息,获得最高精度的建筑物提取成果,完整率和准确率分别为91.77%和80.64%,对高分辨率遥感影像城市地物信息的提取研究具有重要的推广应用价值。(本文来源于《兰州大学》期刊2018-04-01）
李士进,王声特[3]（2017）在《基于混合特征空间MRF(Markov Random Filed)模型的高分辨率遥感影像水体提取》一文中研究指出水体信息提取是遥感图像在水资源调查与利用、水生态监测等应用中的关键技术之一.针对现有的水体指数法或影像分类法在水体边界处理效果不够精确、易产生误提取和漏提取等问题,提出一种基于混合特征空间与MRF模型图像分割算法的水体提取新算法.结合遥感图像颜色特征与归一化差异水体指数NDWI创建混合特征空间,将遥感图像中的像素作为MRF模型中的随机变量,构建基于混合特征的能量函数,使用迭代的图割算法(Graph Cut)最小化能量函数确定水体边界,然后根据已提取的水体主体的水体指数及颜色特征等信息对水体边界进行自适应精细化处理.对石梁河水库水体提取的实验表明,该方法能够自动对周边环境复杂的水库水体信息进行提取,并且水体边界的提取效果良好,达到较高的水体提取精度.(本文来源于《南京师大学报(自然科学版)》期刊2017年01期）
冯昌,廖士中[4]（2016）在《随机傅里叶特征空间中高斯核支持向量机模型选择》一文中研究指出模型选择是支持向量机(support vector machines,SVMs)学习的关键问题.标准支持向量机学习本质上是求解一个凸二次优化问题,求解的时间复杂度为数据规模的立方级,而经典的模型选择方法往往需要多次训练支持向量机,这种模型选择方法对于中等规模的支持向量机学习计算代价已较高,更难以扩展到大规模支持向量机学习.基于高斯核函数的随机傅里叶特征近似,提出一种新的、高效的核支持向量机模型选择方法.首先,利用随机傅里叶特征映射,将无限维隐式特征空间嵌入到一个相对低维的显式随机特征空间,并推导在2个不同的特征空间中分别训练支持向量机所得到的模型的误差上界;然后,以模型误差上界为理论保证,提出随机特征空间中核支持向量机的模型选择方法,应用随机特征空间中的线性支持向量机来逼近核支持向量机,计算模型选择准则的近似值,从而评价所对应的核支持向量机的相对优劣;最后,在标杆数据集上验证所提出方法的可行性和高效性.实验结果表明,所提出的模型选择方法与标准交叉验证方法的测试精度基本相当,但可显着地提高核支持向量机模型选择效率.(本文来源于《计算机研究与发展》期刊2016年09期）
李艳华,丁建丽,孙永猛,王刚,王璐[5]（2015）在《基于叁维特征空间的土壤盐渍化遥感模型》一文中研究指出针对目前干旱半干旱地区出现的土壤盐渍化问题,以渭干河—库车河流域绿洲为研究区,在分析修改型土壤调整植被指数(MSAVI)、湿度指数(WI)、盐分指数(SI)与土壤盐渍化之间关系的基础上,提出了MSAVI-WI-SI叁维特征空间,进而建立了土壤盐渍化监测指数(MWSI)模型。结果表明:该模型与土壤盐分实测值的相关系数R=0.896,精度高于叁个指数两两构建的特征空间(MSAVI-WI特征空间,MSAVI-SI特征空间,WI-SI特征空间)的土壤盐渍化监测指数模型(MWI,MSI,WSI),其与土壤盐分实测值的相关系数分别为:0.891,0.894,0.809,突出了叁维特征空间的优势。同时,通过MWSI的差异矩阵分析,表明该指数对土壤的盐渍化程度反映灵敏。MWSI能较好地反映盐渍化土壤地表植被、土壤水分及土壤盐分的组合变化,具有明确的生物物理学意义。并且指数简单,易于获取,操作方便,对今后干旱区土壤盐渍化的监测与分析具有重要意义。(本文来源于《水土保持研究》期刊2015年04期）
张文林,牛铜,屈丹,李弼程,裴喜龙[6]（2015）在《基于声学特征空间非线性流形结构的语音识别声学模型》一文中研究指出从语音信号声学特征空间的非线性流形结构特点出发,利用流形上的压缩感知原理,构建新的语音识别声学模型.将特征空间划分为多个局部区域,对每个局部区域用一个低维的因子分析模型进行近似,从而得到混合因子分析模型.将上下文相关状态的观测矢量限定在该非线性低维流形结构上,推导得到其观测概率模型.最终,每个状态由一个服从稀疏约束的权重矢量和若干个服从标准正态分布的低维局部因子矢量所决定.文中给出了局部区域潜在维数的确定准则及模型参数的迭代估计算法.基于RM语料库的连续语音识别实验表明,相比于传统的高斯混合模型(Gaussian mixture model,GMM)和子空间高斯混合模型(Subspace Gaussian mixture model,SGMM),新声学模型在测试集上的平均词错误率(Word error rate,WER)分别相对下降了33.1%和9.2%.(本文来源于《自动化学报》期刊2015年05期）
张为泰[7]（2014）在《基于词向量模型特征空间优化的同义词扩展研究与应用》一文中研究指出近年,互联网快速发展,网络中文本信息也呈现指数级的增长。各种社交网络在交流中的使用,使得词语的含义不断变化,不断丰富。随着网络中新鲜词语、旧词新用以及语言不规范使用等现象的出现,在信息检索、自然语言处理、文本挖掘等领域中,词语相关度计算特别是同义词扩展等基础任务的重要性愈发凸显。在信息检索和自然语言处理等领域中,同义词扩展一直是一个基础而关键的任务,包括文本聚类,频繁项集挖掘,主题模型等多种方法在同义词扩展上有着良好的效果。除了基于统计的方法,基于规则的方法,人工同义词词典等也是同义词扩展重要研究成果。随着近年深度学习方法在图像处理,语音处理等方向上取得惊人的成果,如何将其优势体现在自然语言处理任务上一直是诸多研究者们研究的重点方向。本文基于深度学习和词向量在自然语言处理上的研究成果,进行同义词扩展方向的创新性研究和应用。基于目前大数据的特征和词语同义特性,本文主要研究问题是如何在给定的种子词集中,从海量文本中扩展出具有与词集中各词具有相同语义和语法信息的词语。针对前述问题,本文主要完成以下重点工作：第一,实验并对比分析了多种常用的词表示方法和词语相似度计算算法,包括稀疏向量表示方法,基于主题模型的表示方法,基于wAF的表示方法等,并针对各种方法进行实验从而判断优劣。第二,实现并改进了基于word embedding的词向量表示法,并实现了基本的同义词扩展算法。主要采用C&W提出的神经网络模型和word2vec工具包进行词向量的训练,以及词语相似度的计算实验。第叁,提出将词向量与词语语法特征结合的特征优化方法,以及基于特征空间变换的词向量空间优化算法。基于词向量学习出种子词集中各词具有的共同语义,对种子词集词向量进行特征空间变换,并由此扩展出具有相同含义的词语。本文创新地将词向量与目前先进的词语信息标注方法,如POS, NER, parser等结合,并采用负抽样等方法,加强模型的准确性和健壮性。该模型方法与word2vec和WordNet同义词词典的实验比较结果显示,本算法在同义词扩展上有着更优秀的表现。第四,将上述核心算法应用在微博短文本分类,TREC KBA评测等项目中,并取得了良好的效果。在微博分类中,由于文本过短、不规范和信息缺失等原因,导致分类效果不好；而本文可以有效地进行特征扩展,从而增加特征,提高分类准确度。本方法应用于查询扩展任务时,将有效提高信息检索的召回率等。(本文来源于《北京邮电大学》期刊2014-12-01）
王荔霞,谢维信,裴继红[8]（2014）在《多高斯模型特征空间覆盖学习的海洋航摄图像分割》一文中研究指出本文提出了一种新的基于多高斯特征空间覆盖学习的航摄海洋图像分割方法.通过分析,发现在RGB叁维色空间中,海水背景像素点的分布尽管在不同成像条件下具有不同的分布特性,但其具有的共同特性是具有集聚性,可以被一个或多个椭球所覆盖.因此,本文在色空间中基于贝叶斯最大后验概率和3δ准则对海水背景进行多高斯分布模型覆盖建模,自学习得到其高斯分布个数并建立相对应的多高斯分布模型.最后,根据上述学习结果,从航拍海洋的图像中分离出海水背景,实现航拍海洋图像中背景和目标的分割.实验证明,该方法具有良好的背景学习性能,能够准确有效地得到海水背景多高斯分布覆盖模型.基于该背景学习模型的海洋图像分割,具有较高的正确率和较低的误差,且算法花费的时间较少,具有较好的稳定性和实时性.(本文来源于《电子学报》期刊2014年10期）
董健[9]（2014）在《基于加权特征空间信息视觉词典的图像检索模型》一文中研究指出针对传统的视觉词袋模型中视觉词典对底层特征量化时容易引入量化误差,以及视觉单词的适用性不足等问题,提出了基于加权特征空间信息视觉词典的图像检索模型。从产生视觉词典的常用聚类算法入手,分析和探讨了聚类算法的特点,考虑聚类过程中特征空间的特征分布统计信息,通过实验对不同的加权方式进行对比,得出效果较好的均值加权方案,据此对视觉单词的重要程度加权,提高视觉词典的描述能力。对比实验表明,在ImageNet图像数据集上,相对于同源视觉词典,非同源视觉词典对视觉空间的划分影响较小,且基于加权特征空间信息视觉词典在大数据集上更加有效。(本文来源于《计算机应用》期刊2014年04期）
梅元刚,何玉庆[10]（2014）在《低维特征空间中基于旋转图像的叁维环境模型配准方法》一文中研究指出近年来,异类机器人之间(如飞行机器人和地面机器人)的协作成为机器人学研究发展的一个新的领域.异类机器人协作的难点之一是协作环境建模,而由于所获得的环境模型具有不同的观测视角和尺度,其环境建模中的模型配准是一个难点和关键.目前,能够适用于大视角差、大尺度差场景配准的方法并不多,基于旋转图像的配准方法被认为是一种可行方案,但其中存在的计算负担大和在野外环境中的鲁棒性差使得其也很难在实际系统中应用.基于此,面向叁维点云环境模型,以旋转图像为基础,提出了一种新的基于低维特征空间的模型配准方法.首先,通过引入模型曲率、旋转图像熵值和激光反射强度3个特征构建了一个叁维特征空间,得到候选对应点集合.然后,在候选对应点集合中利用旋转图像的方法查找正确的对应关系,实现模型配准.由于低维特征空间的引入,基于旋转图像特征的对应点搜索区域大大减小,因此算法计算效率得到了极大改善.同时由于引入的新特征与场景旋转图像特征的互补性,算法的鲁棒性和精确性也得到了提升.这些性能改进最后通过实验得到了验证.(本文来源于《中国科学:技术科学》期刊2014年01期）
特征空间模型论文开题报告
（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：
建筑物作为城市地理空间的重要元素,在土地利用规划、数字城市建模、灾害评估应急响应和军事目标侦察等方面有着重要的应用价值。随着多源高分辨率遥感影像的海量获取和实用化,利用遥感技术快速、高精度识别提取建筑物信息的现实意义日渐突出。基于对象影像分析(Object-Based Image Analysis,OBIA)方法突破了传统分类以像素为基本处理单元的局限性,能够综合利用影像对象的光谱、纹理、几何和空间结构特征,实现较高层次的遥感影像专题信息分类提取。以其明显的特点和优势,成为建筑物目标提取不可或缺的重要方向和研究热点。然而,城市环境中地表情况复杂,不同类型地物都有其适宜的空间尺度,利用统一的尺度层次难以获得精确的影像信息提取成果。同时,地物目标存在高度的光谱变异性,“同物异谱”和“异物同谱”现象较为突出,地物信息提取面临很大的挑战和干扰。对于建筑物而言,屋顶构成材质不同,光谱响应也会有所区别,形成不同颜色屋顶的建筑物,使得在影像上表现为较大的光谱差异,这种建筑物类别的异质性也会对分类结果产生一定程度的影响。另外,影像分类需要综合利用地物光谱、形状和纹理等特征,数量往往较多,其中可能存在不相关或冗余信息,不进行合理的特征选择优化,容易造成“维数灾难”,分类精度不增反降。本文针对地物信息提取过程中存在的遥感数据尺度效应、地物光谱多样性以及影像分类特征优化问题,在基于对象影像分析方法的支持下,结合数据挖掘技术与机器学习分类算法,对上述问题及相关技术方法进行了研究探讨,旨在提高遥感影像城市建筑物信息提取精度。本文以中卫市WorldView 3遥感影像为数据源,首先对研究区不同类型地物的光谱特征进行统计分析,发现利用多光谱波段数据可有效区分城区水体、植被、阴影和不透水面等地物,但进一步把光谱混淆严重的不透水性地面区分为建筑物、道路和裸地等则存在困难。因而,本文从建筑物的不透水物理属性出发,结合遥感影像多尺度特性,提出了基于不透水面分割分类提取建筑物的策略。为避免地物光谱多样化带来提取误差,提出了将同一类地物依据影像色调差异继续划分子类分析处理的思路,以多元化地利用影像对象不同特征信息。同时考虑到特征选择对影像分类精度的影响,在对Relief F算法和粒子群优化算法(Particle Swarm optimization,PSO)研究的基础上,提出了Relief F-PSO二阶段组合特征选择方法。研究表明,采用多层次分割分类模型及其特征空间优化的方法,能够较完整准确地提取高分辨率遥感影像城市建筑物信息。此外,为进一步验证说明多层次影像分割分类过程中,影像层次构建的合理性,特征选择方法的有效性和顾及地物光谱差异的必要性。本文针对性地采用叁种分类方法进行了对比研究,得出如下结论:(1)采用单一尺度层对影像中不同类型地物目标提取,容易造成地物“过分割”与“欠分割”问题,分类出现严重的错漏分现象,成果准确率下降了12.45%;(2)根据专家经验知识和影像地物特点,人为分析选择典型特征参与影像分类,会造成建筑物目标提取的完整率和准确率分别下降9.63%和8.26%;(3)不考虑地物光谱多样性特征,将其整体上作为“一个类别”进行分析研究,容易造成光谱相似性地物之间的错分现象,成果完整率下降了11.74%;(4)本文方法能够利用最少数量的影像特征信息,获得最高精度的建筑物提取成果,完整率和准确率分别为91.77%和80.64%,对高分辨率遥感影像城市地物信息的提取研究具有重要的推广应用价值。
（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。
特征空间模型论文参考文献
[1].党涛,宋起,刘勇,徐安建,徐波.基于多层次分割分类模型及其特征空间优化的建筑物提取方法[J].国土资源遥感.2019
[2].党涛.基于多层次分割分类模型及其特征空间优化的高分辨率遥感影像城市建筑物提取研究[D].兰州大学.2018
[3].李士进,王声特.基于混合特征空间MRF(MarkovRandomFiled)模型的高分辨率遥感影像水体提取[J].南京师大学报(自然科学版).2017
[4].冯昌,廖士中.随机傅里叶特征空间中高斯核支持向量机模型选择[J].计算机研究与发展.2016
[5].李艳华,丁建丽,孙永猛,王刚,王璐.基于叁维特征空间的土壤盐渍化遥感模型[J].水土保持研究.2015
[6].张文林,牛铜,屈丹,李弼程,裴喜龙.基于声学特征空间非线性流形结构的语音识别声学模型[J].自动化学报.2015
[7].张为泰.基于词向量模型特征空间优化的同义词扩展研究与应用[D].北京邮电大学.2014
[8].王荔霞,谢维信,裴继红.多高斯模型特征空间覆盖学习的海洋航摄图像分割[J].电子学报.2014
[9].董健.基于加权特征空间信息视觉词典的图像检索模型[J].计算机应用.2014
[10].梅元刚,何玉庆.低维特征空间中基于旋转图像的叁维环境模型配准方法[J].中国科学:技术科学.2014