导读:本文包含了数据重建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:数据,神经网络,卷积,舱室,余弦,叶绿素,颅骨。
数据重建论文文献综述
徐军,叶靖[1]（2019）在《利用MSCT原始数据的图像重建在颅骨细小骨折诊断中的应用》一文中研究指出目的:研究MSCT原始数据重建在颅骨细小骨折诊断中的应用。方法:收集了外伤后常规头颅CT诊断结果存在"可疑骨折"的病例资料共43例,所有颅骨可疑骨折病例的原始数据对兴趣区进行优化重建,包括调整图像组织算法、缩小重建的层厚及层间距、缩小重建的兴趣区范围,总结分析MSCT原始数据重建在颅骨细小骨折诊断中的应用价值。结果:经过优化重建后的图像可见显示颅骨骨折直接征像的达31例,额骨骨折5例,颞骨骨折10例、顶骨骨折8例,枕骨骨折5例,颅底骨折1例,眶尖骨折2例。仅可显示颅骨骨折间接征像的有5例,其中位于颞部的3例、顶部1例,额部1例。剩余全部7例均未见颅骨骨折的直接征像以及间接征像。结论:利用MSCT的Raw～Data重建技术,对颅骨的可疑骨折区进行多参数优化重建,所获得的优化重建图像对细小骨折结构的显示能力有了明显提高,明显增高的诊断正确率。(本文来源于《包头医学》期刊2019年04期）
李冰[2]（2019）在《舱室主控系统的差分故障数据重建算法研究》一文中研究指出传统的差分故障数据重建算法得到的数据在经过多次迭代后出现误差,导致利用重建后数据构建的图形发生偏移,因此提出一种舱室主控系统的差分故障数据重建算法。分析差分故障数据结构,建立差分故障数据的目标函数模型,在迭代过程中利用故障数据最少的一批数据作为原始样本,优化迭代过程,根据故障数据与矩阵常数的大小,选择局部傅里叶矩阵作为观测矩阵,并通过傅里叶矩阵的变换完成了差分故障数据的重建。仿真实验结果表明,经过3次数据迭代,本文算法得到的数据重建图无明显偏移,验证了提出的舱室主控系统的差分故障数据重建算法的有效性。(本文来源于《舰船科学技术》期刊2019年22期）
徐光禹,杜宁,王莉,裴书玉,李丰旭[3]（2019）在《多源数据融合技术在古建筑叁维重建中的应用》一文中研究指出针对单一点云数据建模时自动化程度低、模型不够完整等问题,提出了一种基于多源数据融合技术的叁维重建方法。其基本思路是将地面激光点云与空地影像相结合,在对多源数据进行预处理、坐标系统一、数据融合配准、目标特征提取与识别的基础上,实现模型重建。试验结果表明:采用地面激光点云+空地影像融合建模能得到更加精确、完整和美观的实景叁维模型。(本文来源于《测绘通报》期刊2019年10期）
张凯,张医奎,李振春,田鑫,欧阳义[4]（2019）在《MCA框架下Shearlet和DCT字典组合地震数据重建》一文中研究指出相比于单一变换,形态分量分析(MCA)是信号稀疏表示的一种更有效的手段。在MCA框架下,提出了一种Shearlet字典和DCT字典组合的地震数据重建方法。首先,基于MCA框架,分别选取DCT字典和Shearlet字典稀疏表示地震数据中的局部奇异分量与平滑线状分量;随后,通过加入指数阈值模型和指数阈值函数的块坐标松弛(BCR)算法重建各个分量;最后,合并各个分量得到重建结果。合成数据实验和真实数据实验均表明,该方法能够有效地重建缺失地震数据,且重建精度高于单一Shearlet字典、Curvelet+DCT字典组合和Shearlet+Curvelet字典组合。(本文来源于《石油地球物理勘探》期刊2019年05期）
刘群,付丽华,张婉娟[5]（2019）在《非凸L_p范数叁维地震数据重建》一文中研究指出多道奇异谱分析(MSSA)是叁维地震数据重建的经典方法之一。通过随机奇异值分解,MSSA方法对地震数据频率切片构造的块Hankel矩阵直接降秩以达到重建的目的,但得到的解往往不是最优解。L_p范数是介于L_0范数和L_1范数之间的非凸函数,比凸核范数更接近秩函数。本文提出基于非凸L_p范数Hankel重建方法对叁维地震数据进行降秩重建。由于该问题是非凸优化问题,在求解时通过设置权重约束奇异值,进行迭代求解,保证了重建数据的低秩性。数值实验结果表明,本文方法优于MSSA方法和正交矩阵匹配追踪Hankel重建方法,恢复的数据信噪比更高。(本文来源于《石油地球物理勘探》期刊2019年05期）
李晓峰,李东[6]（2019）在《基于改进全卷积神经网络的医疗数据表面重建算法》一文中研究指出为了实现对医疗数据的快速检测和分类识别,需要对医疗数据进行表面重建设计,首先,提出一种基于改进全卷积神经网络的医疗数据表面重建算法.采用无线射频识别技术进行医疗数据的大数据采样,对RFID采集的医疗数据进行信息融合处理,采用多元回归分析方法提取医疗数据的相关性统计特征量,然后,针对医疗数据中的冗余特征采用匹配滤波检测器进行冗余滤波处理,对提纯后的医疗数据采用相空间重构技术实现医疗数据重构,最后,对重构数据采用改进全卷积神经网络分类器进行分类识别,实现医疗数据的表面重建和自动识别.仿真结果表明,所提方法的医疗数据冗余特征处理效果较好,数据分类精度可高达90%以上,且医疗数据重建误差小,耗时少.(本文来源于《计算机系统应用》期刊2019年10期）
武加文,李光辉[7]（2019）在《基于KM-FNN的无线传感器网络缺失数据重建算法》一文中研究指出在环境监测领域,无线传感器网络节点受恶劣环境或软硬件故障的影响,在数据传输的过程中不可避免地发生数据丢失的现象,这将严重影响监测数据流的可靠性和用户的科学决策。提出了一种基于自适应的K-均值算法和模糊神经网络相结合的分簇式无线传感器网络缺失数据重建算法(KM-FNN)。该算法使用模糊神经网络模型重建缺失数据,并引入自适应机制适时更新训练模型。针对不同数据集的仿真结果表明,与以往同类算法相比,KM-FNN具有更好的缺失数据重建准确性。(本文来源于《传感技术学报》期刊2019年08期）
于龙龙,罗泽,阎保平[8]（2019）在《兴趣区域高分辨率叶绿素荧光遥感数据集重建框架》一文中研究指出太阳诱导叶绿素荧光数据是反映全球植被总初级生产力的关键指标,对于监测全球或地区性的植被生产力变化和气候变化的影响具有重大意义.然而,目前为止仍没有高分辨率和全球覆盖的可用原始数据集.虽然存在一些全球性的重建数据集,但一般存在区域特异性不够明显等问题,从而一定程度上限制了该数据在特定的兴趣区域上的可用性.为了探索重建基于兴趣区域的叶绿素荧光数据的方法,本研究以华北平原为例,综合遥感数据处理技术,机器学习方法和生态学原理,对原始轨道碳观测者二号卫星所提供的叶绿素荧光数据集和MODIS地表反照率数据建模.重建数据集基于兴趣区域内原始数据的时空特征而建,具有连续的空间覆盖和更高的空间分辨率,经过验证,该框架可以为特定区域提供有效的有针对性的的叶绿素荧光数据,可为兴趣区域的与叶绿素荧光数据有关的研究提供数据支持.(本文来源于《计算机系统应用》期刊2019年09期）
孙瑜亮,缪永伟,鲍陈,夏海浜,张旭东[9]（2019）在《基于全局配准累积误差极小的人体RGB-D数据叁维重建》一文中研究指出针对RGB-D扫描数据获取和人体叁维重建过程中存在扫描数据分辨率不高、噪声干扰影响较大、配准误差较大等问题,提出一种基于累积误差极小的RGB-D扫描数据全局配准的人体模型叁维重建方法.首先采集人体扫描数据并进行预处理,去除噪声和背景;然后利用基于叁维点特征描述符匹配求解局部扫描数据的粗略配准,并通过最近点迭代的方法进行精细配准;再构建局部配准数据加权图,通过最小生成树方法合并局部相邻帧数据来减少全局误差传播的影响,利用环闭合的方法解决累积误差问题并得到全局刚体配准结果;通过对全局刚体配准后的数据依次进行非刚体变换并不断融合配准后数据,解决扫描过程中的移动问题,进一步减少全局累积误差;最后利用全局配准结果和扫描数据中的颜色信息生成融合颜色信息的人体叁维重建模型.利用2台Kinect设备扫描获取的人体全方位扫描数据进行实验的结果表明,该方法能够方便、高效地重建具有高度真实感的叁维人体,而且重建生成的叁维人体测量尺寸与真实人体尺寸之间的误差较小.(本文来源于《计算机辅助设计与图形学学报》期刊2019年09期）
唐瑞尹,乔世光,何鸿鲲[10]（2019）在《基于线结构光点云数据微小型物体的叁维重建》一文中研究指出针对微小型物体的叁维重建,采用线结构光点云数据叁维重建的方法,首先采用线结构光叁维扫描技术来获取物体的原始叁维点云数据,并使用八叉树来存储物体的原始点云数据,然后通过对原始点云数据进行配准、去噪以及简化等处理得到高质量的物体叁维点云数据,最后在高质量叁维点云数据的基础之上采用叁角剖分对物体进行网格的生成与网格优化,最终得到高精度的物体叁维几何模型。实验结果表明,线结构光点云数据叁维重建的方法与其它方法相比能够快速准确的重建出硬盘外壳的叁维几何模型,并且误差小于其它重建方法。(本文来源于《计算机仿真》期刊2019年09期）
数据重建论文开题报告
（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：
传统的差分故障数据重建算法得到的数据在经过多次迭代后出现误差,导致利用重建后数据构建的图形发生偏移,因此提出一种舱室主控系统的差分故障数据重建算法。分析差分故障数据结构,建立差分故障数据的目标函数模型,在迭代过程中利用故障数据最少的一批数据作为原始样本,优化迭代过程,根据故障数据与矩阵常数的大小,选择局部傅里叶矩阵作为观测矩阵,并通过傅里叶矩阵的变换完成了差分故障数据的重建。仿真实验结果表明,经过3次数据迭代,本文算法得到的数据重建图无明显偏移,验证了提出的舱室主控系统的差分故障数据重建算法的有效性。
（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。
数据重建论文参考文献
[1].徐军,叶靖.利用MSCT原始数据的图像重建在颅骨细小骨折诊断中的应用[J].包头医学.2019
[2].李冰.舱室主控系统的差分故障数据重建算法研究[J].舰船科学技术.2019
[3].徐光禹,杜宁,王莉,裴书玉,李丰旭.多源数据融合技术在古建筑叁维重建中的应用[J].测绘通报.2019
[4].张凯,张医奎,李振春,田鑫,欧阳义.MCA框架下Shearlet和DCT字典组合地震数据重建[J].石油地球物理勘探.2019
[5].刘群,付丽华,张婉娟.非凸L_p范数叁维地震数据重建[J].石油地球物理勘探.2019
[6].李晓峰,李东.基于改进全卷积神经网络的医疗数据表面重建算法[J].计算机系统应用.2019
[7].武加文,李光辉.基于KM-FNN的无线传感器网络缺失数据重建算法[J].传感技术学报.2019
[8].于龙龙,罗泽,阎保平.兴趣区域高分辨率叶绿素荧光遥感数据集重建框架[J].计算机系统应用.2019
[9].孙瑜亮,缪永伟,鲍陈,夏海浜,张旭东.基于全局配准累积误差极小的人体RGB-D数据叁维重建[J].计算机辅助设计与图形学学报.2019
[10].唐瑞尹,乔世光,何鸿鲲.基于线结构光点云数据微小型物体的叁维重建[J].计算机仿真.2019
论文知识图
