导读:本文包含了识别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,步态,神经网络,梯度,卷积,深度,多项式。
识别算法论文文献综述
郑旦[1]（2019）在《基于前向神经网络的音乐情感识别分类算法》一文中研究指出为解决单模态数据在音乐情感分类上的局限性,并同时提高对音乐情感分类的准确性,文中提出了一种基于前向神经网络的多特征融合音乐分类算法。在传统的前向神经网络模型中融入切比雪夫正交多项式簇作为隐藏层各神经元的激励函数,使每一层神经元的激励函数各不相同。利用梯度下降学习算法来进行网络参数的有监督训练;同时利用音频、歌词中不同模态的数据,使其形成多模态数据,来进行音乐情感分类模型的训练。实验测试结果表明,该算法对音乐情感的分类具有较好的效果,平均准确率为78. 37%,具有良好的有效性与可行性。(本文来源于《信息技术》期刊2019年12期）
卢虹竹[2]（2019）在《基于深度学习算法的人脸识别管理系统》一文中研究指出针对学生管理中人脸认证智能安防的需求,文中首先基于深度学习理论对人脸识别的相关算法进行了研究,在卷积神经网络的基础上,以提高人脸识别的准确率为目的,重新设计了包含11个卷积层和4个池化层的网络结构。网络使用标准人脸数据集CASIA-WebFace进行训练,在LTW库上的人脸识别准确率可以达到97. 8%以上。基于该深度学习网络,设计人脸识别管理系统,系统实现了1∶1的人脸认证和1∶N的人脸识别。由于深度学习算法的引入,人脸搜索系统的搜索时间小于0. 7s,大幅提高人脸识别技术的效率和实用性。(本文来源于《信息技术》期刊2019年12期）
王博,李亚文[3]（2019）在《一种改进的CNN交通标志识别算法》一文中研究指出为了提高交通标志在不同训练数据量下的分类准确率,在现有卷积神经网络(CNN)的基础上,使用数据预处理,结合Inception思想和跳跃连接思想,提出了改进的CNN算法1和改进的CNN算法2。将德国交通标志数据集(GTSRB)、德国交通标志数据集截取10%和比利时交通标志数据集(BTSC),构造出数据集1,2,3,并将数据集进行数据扩增,归一化等预处理,将改进的算法使用TPE算法进行超参数优化,并分别应用于3种不同数据集,测试算法的表现。结果表明:改进的CNN算法1,2在德国交通标志数据集上准确率为99.78%和99.82%,超出了德国交通标志数据benchmark上的最好结果,同时在小数据集上改进的CNN算法1,2也得到了较好的结果。(本文来源于《计算机与数字工程》期刊2019年12期）
皮寿熹,李富合,缪磊,马辰[4]（2019）在《基于分类算法的网络设备识别方法》一文中研究指出网络设备识别对于网络安全和管理具有重要意义,针对现有网络设备识别技术不成熟、准确率低的问题,通过网络空间搜索引擎获取网络设备数据作为样本数据,使用特征提取技术将样本数据转化为特征数据。在特征数据的基础上,使用3种分类算法分别构建分类模型。通过对3个分类模型进行评估分析,获得了一个精确度较高的设备类型分类模型。(本文来源于《舰船电子工程》期刊2019年12期）
杨丰嘉[5]（2019）在《基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法的优化与改进》一文中研究指出人体行为识别作为计算机视觉研究热点,在智能监控、人机交互、运动分析等领域具有广泛的应用前景。文章运用时空特征协方差矩阵表征视频中人体行为,分别研究并改进了基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法。(本文来源于《科技创新与应用》期刊2019年35期）
时梦丽,李健,沈添润,张备伟[6]（2019）在《基于超像素的手势识别算法》一文中研究指出针对基于视觉的手势识别技术对环境要求较高和计算量大的问题,探讨一种基于超像素的手势识别算法。根据手势图像的特点把手部区域分割出来,利用SLIC算法获得手部区域的超像素表示,进行超像素的规范化和有序化处理,采用动态规整算法实现不同手势的识别。实验结果表明,该方法能够在复杂背景、肤色干扰等变化条件下获得较高的识别率和计算效率,具有很好的抗干扰性和稳定性。(本文来源于《计算机工程与设计》期刊2019年12期）
杨维,孙德艳,张晓慧,李子乾,李承桓[7]（2019）在《面向电力智能问答系统的命名实体识别算法》一文中研究指出针对现有电力系统中智能客服机器人语义理解能力不足、关键词定位不准等问题,提出基于条件随机场(conditional random field,CRF)的命名实体识别(named entity recognition,NER)算法。根据实际的电力服务问答数据集,构建领域专用知识库,对语料进行分词与自动标注,并提取出"(地点,故障,解决方案)"的命名实体叁元组。在标注后的问答语料数据集上对识别模型进行训练,可以对语料中与3类命名实体关联的关键词进行定位,实现对3类实体的识别并自动构建叁元组。在测试语料上的实验结果表明,该算法相对现有方法有效提高了对位置、故障和解决方案3类实体的识别准确率,分别达到了96.44%、92.04%和95.12%。(本文来源于《计算机工程与设计》期刊2019年12期）
刘畅,魏忠诚,张春华,王巍,赵继军[8]（2019）在《基于隐马尔可夫模型的步态识别算法》一文中研究指出为降低数据噪声的干扰,提高步态识别的有效性,提出一种基于隐马尔可夫模型的步态识别算法(GR-HMM)。利用滑动平均滤波模型对步态数据进行去噪预处理,建立观测序列;基于GR-HMM算法计算观测序列概率,重估迭代至观测序列概率收敛,得到GR-HMM算法的参数模型;对步态数据进行步态阶段识别及步态关键事件定位。基于Shimmer IMU采集的数据对算法进行训练和分析评估,实验结果表明,GR-HMM算法的步态阶段识别灵敏度和特异性分别可达93.1%和96.9%。(本文来源于《计算机工程与设计》期刊2019年12期）
杨昌熙,张着洪[9]（2019）在《基于粒子群优化的车牌识别算法研究》一文中研究指出针对环境噪声严重影响车牌的识别问题,基于字符特征向量和粒子群优化设计一种车牌识别算法。借助垂直投影法、自适应阈值方案、方向梯度直方图法等,对车牌字符进行分割和提取字符的特征向量。依据字符特征向量样本和支持向量机建立字符识别准确率模型,并基于粒子群优化算法建立求解该模型的车牌识别算法。比较性的数值实验显示,该算法能有效提升车牌识别的准确率,且字符特征向量对车牌识别有极大影响。(本文来源于《贵州大学学报(自然科学版)》期刊2019年06期）
崔娟娟,张蕾,侯谢炼,陈才扣,张海燕[10]（2019）在《基于鉴别性低秩表示的2阶段人脸识别算法》一文中研究指出针对图像训练样本中存在噪声等情况,提出一种基于鉴别性低秩表示的2阶段人脸识别算法。该算法第1阶段是对所有训练样本进行低秩处理,筛选出M类与测试样本最相近的样本用于粗分类;第2阶段使用第1阶段筛选出来的样本做鉴别性低秩表示处理,并使用稀疏线性表示进行精细分类,决定测试样本最适合的类标签。本算法结合了低秩算法与稀疏算法的优点,在标准人脸库上的实验表明本算法表现优越。(本文来源于《计算机与现代化》期刊2019年12期）
识别算法论文开题报告
（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：
针对学生管理中人脸认证智能安防的需求,文中首先基于深度学习理论对人脸识别的相关算法进行了研究,在卷积神经网络的基础上,以提高人脸识别的准确率为目的,重新设计了包含11个卷积层和4个池化层的网络结构。网络使用标准人脸数据集CASIA-WebFace进行训练,在LTW库上的人脸识别准确率可以达到97. 8%以上。基于该深度学习网络,设计人脸识别管理系统,系统实现了1∶1的人脸认证和1∶N的人脸识别。由于深度学习算法的引入,人脸搜索系统的搜索时间小于0. 7s,大幅提高人脸识别技术的效率和实用性。
（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。
识别算法论文参考文献
[1].郑旦.基于前向神经网络的音乐情感识别分类算法[J].信息技术.2019
[2].卢虹竹.基于深度学习算法的人脸识别管理系统[J].信息技术.2019
[3].王博,李亚文.一种改进的CNN交通标志识别算法[J].计算机与数字工程.2019
[4].皮寿熹,李富合,缪磊,马辰.基于分类算法的网络设备识别方法[J].舰船电子工程.2019
[5].杨丰嘉.基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法的优化与改进[J].科技创新与应用.2019
[6].时梦丽,李健,沈添润,张备伟.基于超像素的手势识别算法[J].计算机工程与设计.2019
[7].杨维,孙德艳,张晓慧,李子乾,李承桓.面向电力智能问答系统的命名实体识别算法[J].计算机工程与设计.2019
[8].刘畅,魏忠诚,张春华,王巍,赵继军.基于隐马尔可夫模型的步态识别算法[J].计算机工程与设计.2019
[9].杨昌熙,张着洪.基于粒子群优化的车牌识别算法研究[J].贵州大学学报(自然科学版).2019
[10].崔娟娟,张蕾,侯谢炼,陈才扣,张海燕.基于鉴别性低秩表示的2阶段人脸识别算法[J].计算机与现代化.2019
论文知识图
