一、WEIGHTED COMPACT SCHEME FOR SHOCK CAPTURING（论文文献综述）
孙家平[1]（2020）在《面向浮动目标的灵巧抓捕手设计分析及柔顺捕获策略研究》文中进行了进一步梳理在轨服务技术可以在空间中对卫星加注燃料、维修、载荷更换等操作,有效的延长了卫星使用寿命。在轨捕获是在轨服务的前提,空间末端执行器可以代替人力执行多种太空操作,在降低成本和提高安全方面具有较高的实际意义。目前空间末端执行器有面向载荷更换和面向捕获对接两种。由于本身的特点,末端执行器大多只能面向单一种类的任务,并且由于刚性捕获的特点,抓捕时会与目标之间产生较大的接触力。针对以上的不足之处,本文设计了一种具备大容差、机械动力输出能力、小体积质量和被动柔顺机构的灵巧抓捕手及其抓捕特征-操作把手,同时对机构进行了相关理论分析,并在所设计机械结构基础上,研究了其柔顺捕获策略。针对抓捕手的设计,本文根据任务要求和指标要求,确定了其结构应由手指机构、差动机构、驱动系统和中心动力输出机构组成。基于此方案,设计了采用连杆传动的两关节、三指类人型布置的手指机构。设计了二自由度钢丝绳-滑轮差动机构,及其预紧机构和保证平衡输出的平衡机构。设计了电机直驱滚珠丝杠式的驱动系统。设计了具有锥形引导对接和角度偏差自适应特点的中心动力输出机构。针对操作把手的设计,根据任务要求,设计了连杆传动的内部传动系统,和具有自动伸缩机构的对接接口,以减小对接时的接触力。在结构设计基础上,采用拆分杆组法分析了手指运动学。采用虚位移原理和拆分杆组法分析了抓捕手与目标之间的碰撞力和驱动力之间的关系。采用拉格朗日法分析了手指动力学参数不平衡性对手指运动同步性的影响。提出了一种全维复合偏差的捕获容差分析方法,该方法直接研究全维偏差下的目标,准确性高。并基于Adams和Simulink验证了捕获容差,研究了抓捕过程中目标的位姿变化,电机位置控制算法的轨迹跟踪性能及其驱动力变化。从约束态和漂浮态目标的抓捕、手指在自由空间中运动这三个典型工作状态研究了差动机构的性能,结果表明其具有欠驱动、被动柔顺和输出平衡的特点。针对柔顺捕获策略的研究,构建了以混合阻抗控制为外环力控制,以计算力矩法为内环位置控制的机械臂控制方案。为了减少位置控制切换为力控制时产生的接触力冲击、缩短姿态调整时间,提出了一种基于多项式规划的变阻抗参数和变期望力算法。然后分析了抓捕约束态目标的任务特点,并基于控制算法的设计,研究了相应的柔顺捕获策略。最后搭建了柔顺捕获策略的仿真研究平台。仿真结果表明,本文提出的捕获策略可以很好的实现对约束态目标的柔顺抓捕。
付茜雯[2]（2020）在《计算机科技论文摘要的机翻错误类型及译后编辑》文中研究说明科研论文在知识传播过程中作用重大,推动国际范围内的知识共享。摘要是科研论文中必不可少的一部分,既是对论文的概括性总结,也是读者发现和探寻相关领域知识的快捷途径。然而,目前英文摘要的机器翻译质量在精确性和专业性方面都不尽人意,需要通过后期编辑和人工校对才能产出高质量的中文翻译文本。本文以计算机科学论文摘要为例,对谷歌机器翻译的300篇计算机英文论文摘要的中文版本进行了翻译错误类型分析并归类,并提出相应的译后编辑策略。首先在赖斯文本类型理论翻译策略指导下,对机器翻译系统生成的译文进行译后编辑,再邀请计算机专业以及翻译专业的专业人士进行确认。之后以DQF-MQM错误类型分类框架为依据,对机器翻译系统生成的译文中的错误进行分类。研究发现,机器翻译的计算机英文论文摘要的中文版本中存在七大类翻译错误,其中不符合中文表达习惯的翻译错误占比最大,其次是术语误译、误译、欠译、漏译、过译以及赘译。本论文研究发现,由于源文本的信息型学术文本特征,长难句、被动语态以及术语翻译是造成机器翻译错误的主要原因。针对源文本的逻辑缜密、语步序固定等特征,本研究针对性地对各类错误类型提出了相应译后编辑策略。建议译者在译后编辑中通过将隐性连接转换为显性连接从而保持源文逻辑性,通过增加主语以及调整语序处理被动语态保持源文的学术精准,通过恰当选取词意处理半技术词汇等。本研究采用定性和定量分析方法,系统归类了计算机科技文本摘要中机器翻译出现的错误,并提出相应译后编辑策略,为该领域的译者提供参考建议,从而提高该领域的机器翻译质量。
岳兴[3]（2020）在《基于非负矩阵分解的有遮挡人脸识别研究》文中认为目前有许多特征提取和数据降维的方法。其中,非负矩阵分解（Non-negative Matrix Factorization,NMF）由于具有整体由部分构成的特点而引起了广泛地关注,且应用到众多领域中。其中人脸识别就是NMF应用较好的实例。目前人脸识别在现实生活应用中面临着分辨率较差、光照强度不固定、人体姿态不固定、随机物体遮挡等挑战。其中,有遮挡的人脸识别是困难的,未引起足够重视。为了解决这个问题,本文深入研究NMF后,构建了两个创新性的NMF算法用于有遮挡的人脸识别。（1）本文构建了一种鲁棒结构保护非负矩阵分解方法（Robust Structure Preservation Nonnegative Matrix Factorization,RSPNMF）。该方法首先使用相关熵诱导度量来测量分解误差,为重构误差小的元素赋予大权重,为由损坏或遮挡造成的大误差赋予小权重,抑制了遮挡和噪声的影响,提升了特征的表达能力。接下来构造了结构保护约束,令每个样本可以由它的近邻样本重构,更好地捕获了数据空间中的局部信息。实验结果表明RSPNMF是一种非常有效的方法。（2）本文提出了一种最大间隔的自适应局部学习非负矩阵分解方法（Adaptive Local Learning Nonnegative Matrix Factorization with Max-Margin,ALLNMFMM）。该方法首先在NMF中嵌入一个光滑矩阵来增强学习到的表示的稀疏性。然后通过自适应最近邻学习来学习每个样本的类内自适应近邻和类间自适应近邻。接着构造最大间隔约束使得同类内任意距离较远的一对样本在特征空间中距离达到最小化来实现类内紧凑,使得不同类间任意距离较近的一对样本在特征空间中距离达到最大化来实现类间分离。进一步对类内距离较远的样本和不同类间距离较近的样本都赋予大惩罚,使得在特征空间中不同类样本之间的边界距离最大化。最后,通过实验证明了ALLNMFMM方法的有效性。（3）本文构建了一种联合非负矩阵分解框架（Joint Nonnegative Matrix Factorization Framework,JNMF）用于有遮挡的人脸识别。首先把样本输入RSPNMF进行降维,去除冗余并提取遮挡人脸中具有鉴别性的特征,实现第一次分解。然后将提取的人脸特征输入ALLNMFMM中进行二次分解,使得在投影空间中具有相同标签的样本更聚集,具有不同标签的样本更分散,挖掘更具判别性的特征。经过大量的实验证明了JNMF的有效性。
谢文龙[4]（2020）在《基于主题保持的视频紧凑表达研究》文中提出随着互联网的普及,人们之间的交流可以通过语音视频等更为直观和更具表现力的方式实现。未来随着5G技术的推进,网络、车载视频、安防和体育录像都将出现井喷式增长,这使得视频内容理解和处理工作面临着巨大挑战。本文便是在这一研究背景下,期望对复杂视频的内容进行缩减,实现紧凑表达,以促进相关工作的进展。视频内部存在没有效力的视频帧或者片段,而传统方法对视频进行全局描述并未考虑到这种差异。视频紧凑表达的目标就是保留视频内容中的重要部分,实现保持视频类别的视频内容压缩。为了达成这一目的,需要提出挖掘视频内容中那些重要的、对于保持视频类别起到关键作用的视频主题。视频紧凑表达面临诸多挑战:如何对语义单位进行定义?如何验证所给出的语义单位的研究意义?视频内部时序段上语义单位之间是否显着性差异?如何挖掘语义单位中重要的视频主题?如何验证视频的紧凑表达的效能?针对视频紧凑表达所面临的上述问题进行研究,本文以视频语义单位作为研究的基础,确定语义单位的定义并验证其意义;验证语义单位的显着性,提出显着性语义单位的挖掘算法;结合视频主题需要具备类别保持能力这一条件,设计基于基于频繁词的视频隐模式挖掘算法来从同类视频中挖掘有判别力的主题;提出语义边缘自适应算法进一步精确视频主题以提升视频紧凑表达的性能。具体的,本文的研究内容和主要贡献分为以下四个方面:首先,本文定义视频语义单位为局部时间区间内所对应的形成完整概念的动作、场景等,以视频语义单位为基础来对视频进行分析。所提出融合视频语义单位和表观特征的角色识别方法,提升了角色识别的准确率,证明了以语义单位为基础的视频内容理解工作的研究意义。其次,本文设计了多组实验来验证语义单位的显着性,提出了基于稀疏表示的显着性语义单位挖掘算法来获取视频内部的显着的语义单位,基于语义单位显着性的加权事件表示方法增强了事件检测的分类能力;再次,本文从同类型视频出发挖掘具备类别保持能力的显着性的语义单位,即视频主题。利用基于深度特征单词的视频编码策略来描述视频,将视频主题挖掘工作与中文频繁词挖掘任务相融合,设计用于视频紧凑表达的隐模式挖掘算法,将所挖掘的视频主题作为视频内容的直观反应,实现对于视频的紧凑表达。在相关数据集上的实验说明了视频紧凑表达方法的有效性,所提出方法为事件检测和视频内容分析工作带来了意义重大的性能提升。最后,为获取更为准确有效的视频主题以提升视频紧凑表达的性能,本文提出时序分布网络来自适应的生成语义单位的边缘。实验表明,所提出时序动作区间生成方法具备优异的区间生成和动作检测能力,显着提升了视频语义分割的性能。基于语义边缘自适应分割的视频紧凑表达性能得以进一步提升。所提出方法在数字多媒体领域的应用,进一步佐证了视频紧凑表达的有效性和广阔的应用前景。通过上述研究,本文对视频紧凑表达的各个层面进行了深入的探索,为视频紧凑表达所面临的关键问题提供了切实有效的解决方案。结果表明:语义单位是视频在局部的时间区域内所形成的动作、场景等概念;视频内部语义单位存在显着性,语义单位显着性的加权事件表示方法可以增强视频表示的性能;基于深度视觉单词编码的隐模式挖掘算法能够获取与与人为认知一致的视频主题;基于主题保持的视频紧凑表达,可以为事件分析和视频理解带来更为优异的性能;基于语义边缘自适应的分割方法进一步提升了视频紧凑表达的性能。
肖清泰[5]（2019）在《直接接触换热过程中气-液两相流的气泡分布特性研究》文中认为回收和利用冶金等工业过程中的余热资源有助于减少煤炭等一次能源消耗和降低二氧化碳排放,而有机朗肯循环（Organic Rankine Cycle,简称为ORC）就可以回收冶金过程400℃以下的中低温余热进行发电。在ORC系统回收余热过程中,直接接触换热器因为较高的传热效率而备受关注,而此类换热器内部的冷热流体混合特性与由直接接触产生的传热特性存在密切关联。在这项工作中,开展了ORC直接接触换热过程的试验研究,提出了四类基于计算同调群和均匀设计理论的图像分析技术用于准确测量ORC直接接触换热器中特定情况下的流体混合状态。（1）在基于二值气泡流动图像分析气泡流动拓扑结构方面,虽然Betti数法成功实现了两相流或多相流混合均匀性和伪均匀性的定量分析,但是Betti数的计算依赖于图像分割的处理,因此提出了一种基于图像熵理论选择最佳图像阈值化算法的新思路,以实现Betti数的准确计算。随后在此基础之上,进一步分析气泡流动型态的复杂性演化规律和气泡群的局部区域特性。即:一方面,提出了新的目标函数作为ORC直接接触换热过程中气泡流动型态的复杂性演化特征;另一方面,首次引入Repley’s K函数研究气泡群混合瞬态的形状特征参数。（2）在二维空间内气泡未完全粘连的情况下,气泡群处于聚集状态（或称二维空间内局部均匀）与分散状态（或称二维空间内全局均匀）的两类图像可能具有相等的Betti数,这将导致该特殊情形下Betti数法无法对气泡群的混合均匀性实现有效判断。针对此问题,通过引入均匀设计理论中的L2-星偏差,提出了二维方形或矩形和圆形观测区域内表征气泡群混合均匀性的均匀系数（英文名称为Uniformity Coefficient,简称为UC）方法,以准确识别和比较气泡群流动过程中不同混合瞬态的均匀性。（3）为了进一步精准提取ORC直接接触换热器中气-液两相流混合过程的时空特征,将基于L2-星偏差的UC方法扩展至基于改进型星偏差（即中心化偏差和可卷偏差）的UC方法。新的UC方法以坐标形式准确定位气泡空间位置量化气泡群混合均匀性,因此新UC的计算不再依赖于局部偏差函数的选取和处理。另外,通过将气泡群的图像数据转化为数字矩阵,进一步提出利用中心化偏差和可卷定义和表征混合物的均匀性,以在三维空间视角下精准提取多相混合体系的时空均匀性特征。（4）针对气泡群的灰度级图像存在气泡难以明显辨识的问题,引入高等统计分析技术分析和处理记录气泡群流动型态的灰度级图像数据。即:一方面,引入两类假设检验工具（即Kolmogorov-Smirnov检验和χ2检验）,用以判断每对气泡群流动图像是否具有相同或接近的灰度分布;另一方面,引入多元线性回归模型,用以判断气泡群图像采集过程中的光照是否均匀分布;随后,使用非线性方法来确定固定光源的方向和位置,并基于灰度级气泡群流动图像,提出一种新的混合指标用于揭示气泡群流动型态的演变规律。本论文提出了四类基于气泡群流动图像的分析方法,可用于表征和分析ORC直接接触换热器内部气-液两相流混合过程中的流体拓扑结构和气泡群混合均匀性。该研究不仅对于ORC直接接触换热器内部气-液两相流混合过程的参数测试和流型识别具有重要意义,而且还能为提高ORC直接接触换热器的传热性能提供参考依据。
但西佐[6]（2019）在《数字图像相关测量关键技术研究》文中认为数字图像相关（Digital Image Correlation,DIC）方法是一种基于数字图像处理和数值分析的非接触式全场光学测量方法,最早在20世纪80年代提出并不断发展。与其它流行的全场光学测量方法（如光弹性,激光干涉测量,条纹投影轮廓术等）相比,DIC具有显着优点,如可用白光或单色光照明、可同时测量全场位移、轮廓、变形和应变等,具有同时在复杂场景下完成多种测量任务的普遍适用性。DIC已被广泛应用于基础制造、航空航天、国防等领域。在工业领域发挥重要作用的三维数字图像相关（3D-DIC）一般使用两个相机来获取被测物的不同视角的图像,使用传统的DIC算法与立体视觉系统相结合以实现三维位移、变形测量等。现有的3D-DIC技术存在以下问题:（1）退相关问题,退相关即在对图像子区进行相关匹配时发生的匹配失败的现象,通常出现的退相关可能由相机离焦,图像过曝光和图案质量差等因素引起;（2）测量大视场时相机的空间分辨率不足的问题,图像的分辨率与测量分辨率和精度通常呈正相关,相机的分辨率会受到成本甚至衍射效应的限制,在进行大视场的测量时难以同时保证精度达到测量需求;（3）具有复杂形貌或较大曲率的被测物的全场测量问题,只有被双视角同时覆盖的区域才能进行相关匹配,而获取图像会受到视角的限制,通常的双相机3D-DIC难以完成对大曲率或复杂形貌的被测物的完整表面图像获取。本文将计算机视觉中的多相机技术引入3D-DIC中,并针对其关键技术问题开展研究,主要研究内容和成果包括:（1）将多相机技术与数字图像相关结合,通过多相机技术获取额外视角的图像,提供冗余的匹配数据,以降低退相关的可能性,可以一定程度上消除匹配误差。搭建了实验系统进行验证实验,四个相机同时获取被测物表面的图像数据,将冗余数据计算的结果与其中两个相机的计算结果作比较,结果显示四个相机计算的结果误差更小。（2）采用图像校正法,将多相机获取图像数据投影到同一平面,来对多相机系统分块获取非冗余的大视场图像进行坐标系的统一,从而避免使用数据拼接法。进行了6相机系统的环绕测量实验,成功地测量出柱状被测物的360度形貌信息,验证了此方法的可行性。（3）提出了三种不同的基于单个彩色相机的3D-DIC系统,包含基于单个立方分光棱镜的双视角DIC系统、基于双立方分光棱镜的三视角DIC系统和基于合色棱镜的三视角DIC系统,搭建了系统并通过实验验证了这三种系统用于3D-DIC测量位移、形貌和应变的能力,并且两种三视角的系统可以提供多视角计算的冗余数据,相对双视角系统测量误差更小。（4）将3D-DIC方法的应用扩展到汽车安全测试领域,使用高速数字图像相关方法进行了人车撞击中行人头部安全测试,在获取撞击过程中线性运动变量（运动轨迹、速度、加速度等）的同时,角运动变量（角速度、角加速度）也可以计算出,并结合线性运动变量和角运动变量提出了新的头部伤害的评价指数。最后探讨了多相机系统进行此类研究的可行性和前景。
徐伟悦[7]（2019）在《自然光照下基于超像素的识别和计数系统研究》文中研究表明基于机器视觉的目标识别与计数能够有效解决人工识别计数中存在的费时费力且识别率低的问题,是全面实现农业机械自动化智能化至关重要的一步。农业领域的相关作业大多需要在室外进行,而室外多变的自然条件常常给视觉识别带来很多难题,比如作业场景复杂,室外光照随时间变化较大,从早晚的弱大气光到正午的强太阳光,光强度和光颜色都具有很大差异性;不同生长时期的植物获取的田间图像光照条件不同、颜色变化明显;视野内目标被其他物体遮挡或者目标与目标之间的重叠都会产生各种不同形式的阴影,等等。农业领域中自然场景的不确定性和模糊性使得自然环境下的图像理解具有极大的挑战性。因此在执行识别任务时必须考虑光照问题的影响,以此来提高农业领域机器视觉识别的效率,准确度和稳定性。本文以解决农业生产过程中涉及的识别计数问题为目标,将两种优势互补的超像素算法与边缘概率图进行融合生成新的超像素块,以超像素块作为基本单位进行图像处理,引入自定义的亲和度矩阵和超度量轮廓图用于阴影检测研究,构建了基于机器学习的识别分类模型,为推进基于机器视觉的自动识别和计数在农业领域的广泛应用提供了技术支撑。主要的研究内容和结论包括:（1）为了在果蔬采摘机器人视觉系统的识别任务中提高算法的效率、满足实时性要求提出了 FSLIC超像素分割算法。首先将图像转换到CIELAB颜色空间,将原始SLIC算法的距离度量方法进行范式变换得到相关参数的统一模式,在分配所有像素到聚类中心和更新聚类中心的过程（迭代步骤）中,应用基于带权值的L2-norm像素范数和Cauchy-Schwarz不等式条件从而减少了分割结果的冗余错误,优化了分割结果,同时省去了大量由距离计算和对比计算带来的聚类搜索。以苹果为目标对FSLIC算法进行了试验分析,分析指标包括欠分割误差,边界召回率和算法效率,结果验证了超像素方法在自然光照场景下图像分割的可行性,同时也证明了 FSLIC超像素算法的优越性,即FSLIC算法在较好保持图像边界命中率的同时,使超像素分割的运行速度比原始算法提高了近1.2倍。为目前图像处理领域的过时间消耗难题提供了一个很好的解决思路。（2）为了提高视觉系统的整体分割性能和整体识别准确率,提出了一种新的融合了两种超像素算法（FSLIC和SEEDS）的超像素策略,同时引入HNE边缘特征构建了 FDSE超像素算法。具体步骤为:首先对整幅图像使用HNE进行边缘标记（记为边缘概率图E）,初始化种子点;然后应用FSLIC算法和SEEDS算法给每个像素分配标签（记为EF和Es）;依据边缘概率图E优先原则强制加权EF和Es,生成了与E重合的强边界以及不重合的F软边界、S软边界;将F软边界依据能量函数重新划分,与F软边界重合则标记强边界,否则为弱边界;同理将S软边界依据颜色空间距离重新划分,与S软边界重合则标记为强边界,否则为弱边界;最后删除弱边界即生成了FDSE超像素。将基于HNE的边缘标记步骤删除时,算法生成FDS超像素。以甘蔗蚜虫作为研究对象,基于分割质量,运算效率,自然光照条件和蚜虫目标排列分布四个方面与其他七种超像素算法进行对比试验。结果显示FDS算法和FDSE算法在农田多变自然光照条件下具有较稳定的性能,为提高识别的鲁棒性提供了一种新的思路。（3）为了降低阴影对识别算法的影响,提出了一种新的基于超像素的阴影检测算法。首先定义封闭曲线和区域层次结构之间的对偶性,应用分层分割理论提取图像的关键轮廓,并结合方向分水岭算法将多层关键轮廓图转换为超度量轮廓图UCM;优化UCM各个特征信息参数,使用亲和度矩阵加权UCM的轮廓特征信息。在创建UCM图之后,训练分类器,其具体做法为:使用手动标记的已知阴影掩模,可以获得正（负）训练样本（正负样本均为UCM轮廓上的线段）。正样本是在同一个对象内的阴影边线,负样本是其他边线。分类器的输入特征是亲和度矩阵和相应的超像素块到UCM轮廓的距离;输出标签是阴影边缘线和非阴影边缘线。从而得到标记了阴影区域和非阴影区域的图像。以苹果图像为研究对象,使用受试者工作特性曲线（ROC曲线）、平衡精确度（BA）、改进的分割精确度（MSA）和相对分割区域误差值（RSAE）四个标准将本文阴影检测算法与三种经典的方法进行对比。对比实验表明:本文提出的基于UCM的阴影检测算法在识别目标表面的阴影检测中表现出了更低的相对分割误差（RSAE为10.3%）;阴影去除算法与原始图像分割算法相比,在图像分割任务中贡献了更高的分割精确度（MSA 比原始算法提高了 10.1%）。（4）设计并实现了一种新的可以应对复杂自然光照条件的识别和计数系统。首先应用SUN显着性算法找到目标感兴趣区域（ROI）,再将图像切分为若干子图像以实现并行处理;然后是训练SVM分类器:将原始图像应用FDSE超像素算法进行分割,分割后生成的超像素块划分为正样本和负样本,正样本为目标超像素块,负样本为其余超像素块,对正负样本分别提取uniform LBP特征（均匀局部二值模式特征）和颜色矩特征,并基于主成分分析理论对特征进行降维;选择合适的模型参数:核函数类型设置为RBF核,核函数中伽马取值为0.03125,惩罚函数C为32,应用LIBSVM对样本进行训练后得到模型;以超像素块为基本单位对图像进行测试,其中输入特征为各个超像素的纹理特征和颜色矩特征,输出标签为目标超像素块和其他超像素块。选用了小尺寸的甘蔗蚜虫作为研究目标进行试验。对识别计数系统的性能基于五个评价标准进行分析,包括F-score,甘蔗蚜虫正确识别精度（IRC）和计数精确度（CRC）,以及甘蔗蚜虫的识别误差（IE）和计数误差（CE）。结果表明,在七种蚜虫密度等级中,本文算法的F-score（0.82-0.97）高于逐像素算法（0.6-0.76）,识别误差IE小于0.24,计数精确度CRC高于0.84。本文设计的应对复杂自然光照条件的识别和计数系统可以为高效的害虫管理提供很重要的参考和技术支撑。
刘赣俊[8]（2019）在《基于神经网络的音频场景识别算法研究》文中研究表明音频场景识别是近年来数字音频研究的一个新领域,旨在通过分析背景声音对所处场景进行分类。智能设备可以利用当前音频中提取的背景环境信息来调整系统或应用程序的参数,以满足使用者的个性化需求。音频场景通常表现出高度的变异性,这种高变异性不仅表现在不同场景之间,在相同场景内也同样存在。因此,音频场景识别可以说是模式识别任务中最具挑战性的任务之一。目前,音频场景识别分类的准确率相比于传统的音频处理领域,如语音识别领域,依然存在差距。音频场景识别系统按照一定流程进行搭建,分别为信号预处理、信号表示、特征提取与选择和分类器设计与使用。针对目前音频场景识别中存在分类准确率较低的问题,本文按照以上流程设计一种基于神经网络的音频场景识别系统,并在实验室环境中采用合适的音频数据集对系统进行评估。具体研究工作主要体现在以下几个方面:（1）在信号处理方面,采用三种数据增强方法来增加数据量:将传统的左右双声道立体声变换为中央/边侧声道的立体声;将单声道音频分离出谐波源和冲击源;使用不同中值滤波尺寸的背景差法生成多种频谱图。（2）在特征提取方面,对梅尔倒谱系数进行提取,设计相应的帧长、帧移以及滤波器数量,从而在确保特征有效性的同时大大减少特征维数,降低计算复杂度。（3）在设计分类系统方面,根据输入信号通道数的不同,提出两种基于卷积神经网络的分类器,一种用于输入的单通道信号,另一种用于输入的双通道信号。实验表明,相比于采用高斯混合模型的分类器,新提出的两种分类器具有更好的性能。（4）在集成学习方面,经过单个分类器网络后,采用硬加权投票法对所有单个分类器的分类结果进行集成学习,设置最佳的权重参数,获得较好的分类性能。经过以上几个部分,完成音频场景识别系统的搭建。实验评估表明,数据增强部分增加了音频数据量,为特征提取和分类器训练提供了更多的实验样本;相比于传统模式识别方法GMM,提出的两种分类系统性能最高提升了5.4%;相比于单个分类器网络,基于集成学习法的分类器具有更好的分类性能。
甘津瑞[9]（2019）在《轨道表面缺陷的视觉检测模型与算法研究》文中进行了进一步梳理高速铁路目前已发展成我国最主要的交通运输方式之一。随着高速铁路的大力发展与普及,线路安全服役问题越发突出,其有效养护维修是保障整个系统高效运行、安全运营、使用寿命延长等的基本保障。近年来,基于视觉技术的轨道检测由于自动、快速、非破坏和客观的特性引起了广泛关注。然而,视觉检测,尤其轨道表面缺陷检测领域,往往面临着各式复杂敏感的视觉表观等带来的挑战。因此,本论文针对在复杂轨道运营环境下的轨道检测技术所面临的成像环境多变性、线路状态演变复杂性以及铁路系统中微弱病害如轨道表面缺陷呈现出的多样性、尺度差异性和稀疏性等诸多挑战,采用模型构建、结构分析、理论分析及性能评估等手段,围绕检测系统的准确性、通用性、安全性、稳定性、客观性和智能性展开研究,同时丰富计算机视觉检测理论和框架,具有重要意义。本文创新工作主要包括如下三个方面:1)考虑到缺陷图像可表示为图像背景、缺陷目标和噪声3种成分的叠加,本文建立了融合背景线性动态正则项和缺陷结构化稀疏正则项的动态背景和结构稀疏的分解模型。具体而言,使用线性动态刻画矩阵来约束背景重构而不是采用通用的低秩约束,不仅能重构出动态的背景还能解决当低秩和稀疏成分之间存在高相干性时带来的分离困扰。而在结构稀疏范数约束中,利用超像素分割的树形结构来规范稀疏成分,使缺陷区域更加紧凑而完整。最终的实验结果所提模型相较其它典型的分解模型,能取得更好的分解性能。2)基于像素强度总体上呈相对一致性而在灰度特征空间中形成主要簇的先验信息,本文通过探索与挖掘这些主要分布在密集区域背景点的信息来找出期望的缺陷点,进一步将轨道表面缺陷检测问题转化为背景分布建模问题。基于此,提出了一种包含粗提取器和细提取器的层次提取器检测框架。具体地说,粗提取器通过探索轨道背景的特性,并专注于寻找背景模点;而细提取器集成了纵向上下文信息和横向先验信息,以有效抑制噪声等其它异常的影响。实验结果表明所提方法能达到很好的检测性能。3)基于轨道的时空连续性,本文对缺陷检测问题进行重新形式化描述并提出了一种背景导向的缺陷检测器。具体而言,启发于选取少量但接近背景观测值来估计背景分布往往比使用大多数观测值来估计背景分布更可靠的基本思想,本文采用随机策略来获得背景模型以降低计算开销;并采用多次随机抽样以保证足够和多样化的背景统计;结合缺陷决策和集成策略以确定当前像素是否属于背景;.最后,采用背景模型的更新机制和并行计算以确保检测的适应性和实时性。实验结果表明它在满足准确率检测的同时也实现了实时性检测的需求。
刘明欣[10]（2019）在《城市超大型绿色空间规划研究》文中研究说明城市的高密度集聚建设往往导致环境污染、公共健康和社会分异等多重矛盾的叠加,寻找密集建成环境空间品质优化的应对之策成为关键。城市绿色空间作为环境品质、公众健康、景观美化等战略性空间资源已获得广泛认可,在密集建成环境中城市绿色空间的品质提升和效能供应是学界持续的关注热点。一般认为,在建成区内出于对土地利用经济性的考虑所形成的绿色空间面积相对有限,若非依存大型山体或水域难以形成超规模的绿色空间;然而,从欧美大城市实践经验可知,以结构化的超规模绿色空间为特征的城市超大型绿色空间往往成为城市环境品质保障的重要对策之一。在密集的建成环境中,城市超大型绿色空间具有显着的异质性优势,发挥着极为重要的生态、环境、社会和经济等多元作用。在中国目前若干城市已拥有或在建超大型的城市绿色空间,受到时代背景、价值观、社会经济发展条件等多方因素影响和制约,在产生大量积极效益的同时,呈现割裂、低效、侧重特定目标而漠视广泛需求等矛盾。而当前涉及这一空间类型的理论认知和实践应对则具有显着的局限性,现行的城市绿地规划制度和技术工具也难以提供足够的支撑。据此,本研究尝试弥补此空白,透过密集建成环境内形成超大型绿色空间的现象和表征探索其内在的本质和规律,构建城市超大型绿色空间类型研究的理论基础,并在此基础上提出以城市超大型绿色空间作为应对高聚集建设的结构性空间类型,为城市超大型绿色空间的规划实践提供理论支撑和技术对策,以期作为对我国现行城市绿地系统理论与实践的重要补充。本研究主要分为三部分:第一部分为研究基础,包括绪论和第二章。从综述前人相关研究基础和对城市超大型绿色空间的现象观察入手,辨析城市绿色空间和城市绿地定义,并提出城市超大型绿色空间的基本概念,探讨其“规模”界定值以厘清研究对象;进而在辨析城市超大型绿色空间特殊性的基础上,结合绿色空间基础理论、认知模型和比较研究构成的理论基础,搭建城市超大型绿色空间的实证比较分析框架。第二部分为案例研究、实证调查与综合比较,包括第三、第四和第五章。基于“形成、定位、特征和价值”的实证分析框架,对不同形成时期不同地域的13个国内外案例加以剖析,其中广州海珠湿地案例作深入调查;继而从城市超大型绿色空间的“形成、定位、特征、价值”四个方面阐释国内外案例的共性和差异,从中发现在密集建成环境中供应城市超大型绿色空间的价值和必要性,归纳其形成、定位、特征及价值之间存在的内在规律性和影响机制,并从认知、制度和技术三个维度探究其深层原因。第三部分为规划对策研究,即第六章。基于对城市超大型绿色空间这一空间类型的理论认识,提出了由捕获契机、定位目标、明确要素、设定原则和实施规划5项组成的城市超大型绿色空间规划对策。
二、WEIGHTED COMPACT SCHEME FOR SHOCK CAPTURING（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、WEIGHTED COMPACT SCHEME FOR SHOCK CAPTURING（论文提纲范文）
（1）面向浮动目标的灵巧抓捕手设计分析及柔顺捕获策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 空间末端执行器国内外研究现状及分析 |
| 1.2.1 面向空间载荷更换的末端执行器 |
| 1.2.2 面向空间捕获对接的末端执行器 |
| 1.2.3 末端执行器研究现状简析 |
| 1.3 柔顺控制算法综述 |
| 1.4 本文主要研究内容 |
| 第2章 抓捕手与操作把手的结构设计 |
| 2.1 引言 |
| 2.2 设计要求 |
| 2.3 抓捕手整体方案设计 |
| 2.3.1 手指的数量与布置方式 |
| 2.3.2 手指的自由度与传动方式 |
| 2.3.3 差动机构设计 |
| 2.3.4 驱动系统设计 |
| 2.3.5 中心动力输出机构设计 |
| 2.4 抓捕手详细设计 |
| 2.4.1 弹簧参数的计算与选择 |
| 2.4.2 驱动组件的计算与选择 |
| 2.4.3 绳材料和传感器的选择 |
| 2.4.4 关键部件强度校核 |
| 2.5 操作把手设计 |
| 2.5.1 把手内部传动系统设计 |
| 2.5.2 对接接口设计 |
| 2.5.3 关键部件强度校核 |
| 2.6 本章小结 |
| 第3章 机构性能与捕获容差分析 |
| 3.1 引言 |
| 3.2 手指运动学研究 |
| 3.2.1 运动学分析 |
| 3.2.2 理论分析与仿真验证 |
| 3.3 手指静力学研究 |
| 3.3.1 静力学正解 |
| 3.3.2 静力学逆解 |
| 3.3.3 理论分析与验证 |
| 3.4 手指动力学研究 |
| 3.4.1 动力学分析 |
| 3.4.2 理论分析与仿真验证 |
| 3.5 捕获容差研究 |
| 3.5.1 捕获容差分析 |
| 3.5.2 漂浮态目标抓捕仿真 |
| 3.6 差动机构性能研究 |
| 3.7 本章小结 |
| 第4章 柔顺捕获策略研究 |
| 4.1 引言 |
| 4.2 力柔顺控制算法 |
| 4.2.1 混合阻抗控制原理 |
| 4.2.2 六自由度混合阻抗控制器 |
| 4.3 变期望力与变阻抗参数算法 |
| 4.4 机械臂位置控制算法 |
| 4.5 任务分析与规划 |
| 4.5.1 手指合拢抓捕阶段 |
| 4.5.2 轴-孔对接阶段 |
| 4.6 柔顺捕获策略仿真研究 |
| 4.6.1 机械臂模型的建立与分析 |
| 4.6.2 仿真分析 |
| 4.7 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（2）计算机科技论文摘要的机翻错误类型及译后编辑（论文提纲范文）
| 摘要 |
| Abstract |
| CHAPTER1 INTRODUCTION |
| 1.1 Research Background and Significance |
| 1.2 Aims of the Study |
| 1.3 Organization of the Thesis |
| CHAPTER2 LITERATURE REVIEW AND FRAMEWORK |
| 2.1 Overview on Machine Translation and Post-editing |
| 2.2 Previous Studies on MT Error Types and Post-Editing Strategies |
| 2.3 DQF-MQM Error Classification Framework |
| 2.4 Previous Studies on MT Error Types of Paper Abstracts |
| 2.5 Text Typology Theory |
| 2.5.1 Text Typology Theory of Reiss |
| 2.5.2 Previous Studies on Informative Texts and Translation Principles |
| CHAPTER3 METHODOLOGY |
| 3.1 Source Text and Text Analysis |
| 3.1.1 Source Text |
| 3.1.2 Text Analysis |
| 3.2 Research Method |
| 3.3 Translation Process |
| 3.3.1 Translating300 computer science abstracts with MT system |
| 3.3.2 Post-editing the MT-generated translation based on Text Typology Theory |
| 3.3.3 Conducting a semi-structured interview for ensuring post-editing quality |
| 3.3.4 Analyzing and summarizing the errors in300 abstracts |
| 3.3.5 Preliminary error classifications based on DQF-MQM Framework |
| 3.3.6 Conducting the2nd semi-structured interview to confirm error classifications |
| 3.3.7 Quantitative analysis of all MT errors in the300 abstracts |
| CHAPTER4 RESULTS AND DISCUSSION |
| 4.1 Error Types of Machine Translated English Abstracts |
| 4.1.1 Unidiomatic Translation Errors in MT output |
| 4.1.2 Terminology Mistranslation Errors in MT Output |
| 4.1.3 Mistranslation Errors in MT Output |
| 4.1.4 Under-translation Errors in MT Output |
| 4.1.5 Omission Translation Errors in MT Output |
| 4.1.6 Over-translation Errors in MT Output |
| 4.1.7 Errors of Addition in MT Output |
| 4.2 Post-editing Strategies for Machine Translated Abstracts |
| 4.2.1 Post-editing Strategies for Long and Complex Sentences |
| 4.2.2 Post-editing Strategies for Passive Voice Sentences |
| 4.2.3 Post-editing Strategies for Technical Terms |
| CHAPTER5 CONCLUSION |
| 5.1 Major Findings |
| 5.2 Limitations and Suggestions |
| References |
| Appendix Source Texts and Target Texts of300 Abstracts |
| 1-20 Abstracts |
| 21-40 Abstracts |
| 41-60 Abstracts |
| 61-80 Abstracts |
| 81-100 Abstracts |
| 101-120 Abstracts |
| 121-140 Abstracts |
| 141-160 Abstracts |
| 161-180 Abstracts |
| 181-200 Abstracts |
| 201-220 Abstracts |
| 221-240 Abstracts |
| 241-260 Abstracts |
| 261-280 Abstracts |
| 281-300 Abstracts |
| ACKNOWLEDGEMENTS |
（3）基于非负矩阵分解的有遮挡人脸识别研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 有遮挡人脸识别的国内外研究现状 |
| 1.2.2 非负矩阵分解的国内外研究现状 |
| 1.3 论文主要工作及章节安排 |
| 第二章 非负矩阵分解方法基本理论 |
| 2.1 引言 |
| 2.2 基本NMF方法理论 |
| 2.2.1 问题描述 |
| 2.2.2 目标函数 |
| 2.2.3 迭代规则求解 |
| 2.3 NMF家族的经典算法 |
| 2.4 本章小结 |
| 第三章 鲁棒结构保护非负矩阵分解方法 |
| 3.1 引言 |
| 3.2 构建目标函数 |
| 3.2.1 构建加权NMF |
| 3.2.2 结构保护约束 |
| 3.3 迭代更新规则 |
| 3.4 人脸识别步骤 |
| 3.5 实验与分析 |
| 3.5.1 数据库介绍 |
| 3.5.2 实验设置 |
| 3.5.3 参数敏感性分析 |
| 3.5.4 收敛性实验 |
| 3.5.6 消融实验 |
| 3.6 本章小结 |
| 第四章 最大间隔的自适应局部学习非负矩阵分解方法 |
| 4.1 引言 |
| 4.2 构建目标函数 |
| 4.2.1 NMF中嵌入光滑矩阵S |
| 4.2.2 自适应最近邻学习 |
| 4.2.3 构造最大间隔约束项 |
| 4.3 迭代更新规则 |
| 4.4 人脸识别框架JNMF |
| 4.5 实验与分析 |
| 4.5.1 数据库介绍 |
| 4.5.2 实验设置 |
| 4.5.3 参数敏感性分析 |
| 4.5.4 收敛性实验 |
| 4.5.5 消融实验 |
| 4.5.6 人脸识别实验 |
| 4.5.7 有遮挡人脸识别实验 |
| 4.5.8 计算消耗实验 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 附录 A |
| 附录 B |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）基于主题保持的视频紧凑表达研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 视频紧凑表达的研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 视频紧凑表达的问题描述 |
| 1.1.3 研究意义 |
| 1.2 视频紧凑表达的研究现状与分析 |
| 1.2.1 用于视频表达的特征及其使用策略 |
| 1.2.2 语义、时序信息与视频紧凑表达 |
| 1.2.3 认知心理学中的视频主题特性分析 |
| 1.2.4 具有代表性的视频内容分析数据集 |
| 1.2.5 现有方法存在的主要问题及可能的解决方案 |
| 1.3 本文的主要研究内容与组织结构 |
| 1.3.1 本文的研究内容 |
| 1.3.2 本文的组织结构 |
| 第2章 视频语义单位的提取与验证 |
| 2.1 引言 |
| 2.2 相关工作 |
| 2.3 构造的Big Bang Actions数据集 |
| 2.3.1 数据集的构造过程 |
| 2.3.2 数据集统计 |
| 2.4 基于原型理论的代表性动作挖掘方法 |
| 2.4.1 基于时空兴趣点的视频语义段表示 |
| 2.4.2 基于迭代支持向量机模型的代表性动作挖掘算法 |
| 2.4.3 基于判别力概率模型的代表性动作挖掘算法 |
| 2.5 基于语义单位的视频角色识别方法 |
| 2.6 实验结果与分析 |
| 2.6.1 实验设置 |
| 2.6.2 实验结果 |
| 2.7 本章小结 |
| 第3章 视频语义单位的显着性 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 基于不同分割策略及聚合次序下的语义单位表示研究 |
| 3.3.1 基于深度特征和VLAD的语义单位表示方法 |
| 3.3.2 不同聚合次序下的基于语义单位的视频表示 |
| 3.3.3 不同分割策略下的基于语义单位的视频表示 |
| 3.4 基于稀疏表示的显着性语义单位挖掘算法 |
| 3.4.1 语义单位的判别能力 |
| 3.4.2 语义单位的代表能力 |
| 3.4.3 语义单位的显着性 |
| 3.5 基于语义单位显着性的加权事件表示 |
| 3.6 实验结果与分析 |
| 3.6.1 数据集 |
| 3.6.2 实验结果 |
| 3.7 本章小结 |
| 第4章 主题挖掘和保持的视频紧凑表达 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 事件隐含模式挖掘算法 |
| 4.3.1 基于深度视觉单词的视频编码方法 |
| 4.3.2 基于主题保持的隐模式挖掘算法 |
| 4.4 多主题事件表达方法 |
| 4.5 实验结果与分析 |
| 4.5.1 实验数据集以及实现细节 |
| 4.5.2 代表性事件语义片段挖掘 |
| 4.5.3 视频紧凑表达的性能评估 |
| 4.5.4 复杂事件检测 |
| 4.5.5 完备视频主题获取的可行性方案分析 |
| 4.6 本章小结 |
| 第5章 语义边缘自适应分割的视频紧凑表达 |
| 5.1 引言 |
| 5.2 动作区间生成的相关工作 |
| 5.3 时序分布网络TDN的构建及训练 |
| 5.3.1 时序分布网络模型框架 |
| 5.3.2 时序分布网络训练 |
| 5.4 实验结果与分析 |
| 5.4.1 数据集和实验细节 |
| 5.4.2 时序动作区间生成 |
| 5.4.3 基于TDN动作区间生成的动作检测 |
| 5.4.4 基于TDN动作区间生成的视频紧凑表达 |
| 5.5 基于TDN的视频紧凑表达在数字多媒体中的应用 |
| 5.5.1 基于精彩片段挖掘的视频集锦生成 |
| 5.5.2 基于主题匹配的大规模视频特定素材检索 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（5）直接接触换热过程中气-液两相流的气泡分布特性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题来源与研究背景 |
| 1.1.1 选题来源 |
| 1.1.2 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 余热利用与ORC |
| 1.2.2 ORC系统中的直接接触换热器 |
| 1.2.3 多相流体混合的均匀性表征 |
| 1.3 研究意义及内容 |
| 1.3.1 研究意义 |
| 1.3.2 研究内容 |
| 1.3.3 创新点 |
| 第二章 ORC直接接触换热试验与建模 |
| 2.1 ORC原理介绍 |
| 2.2 试验装置与设计 |
| 2.2.1 材料与仪器 |
| 2.2.2 试验设计 |
| 2.3 试验方法 |
| 2.3.1 DCHE模型的性能评价 |
| 2.3.2 直接接触式强化换热效果分析 |
| 2.3.3 ORC直接接触蒸发器的传热性能建模 |
| 2.4 气泡的产生与数字图像处理 |
| 2.4.1 分散相液滴的汽化过程 |
| 2.4.2 气-液两相流的图像分析 |
| 2.4.3 数据获取与数字图像处理技术 |
| 2.5 本章小结 |
| 第三章 DCHE内气-液两相流中气泡群的拓扑结构和形状特征 |
| 3.1 气泡流型图像阈值化对Betti数测量的影响 |
| 3.1.1 计算同调群与Betti数 |
| 3.1.2 气泡群图像压缩与EPP |
| 3.1.3 局部含气率验证和Betti数值评价 |
| 3.2 基于Betti数的气泡流型复杂性演化测度模型 |
| 3.2.1 气泡群RGB图像压缩与新目标函数 |
| 3.2.2 阈值、操作变量对混合效果的影响 |
| 3.3 气泡形状特征参数的量化方法 |
| 3.3.1 气泡群的局部区域特性 |
| 3.3.2 Ripley’s K函数及其应用分析 |
| 3.4 气泡形状特征参数与传热性能的耦合分析 |
| 3.4.1 气泡形状特征参数的演化 |
| 3.4.2 流动与传热的协同关系分析 |
| 3.5 本章小结 |
| 第四章 基于偏差测度DCHE内气泡分布均匀性与混合效率 |
| 4.1 矩形观测区域内的气泡均匀性度量 |
| 4.1.1 Betti数法分析 |
| 4.1.2 新提出的UC法 |
| 4.2 气泡混合时空特征量化 |
| 4.2.1 混合过程演化特征的量化 |
| 4.2.2 气泡局部与全局均匀性的辨识 |
| 4.3 圆形测量区域内的气泡均匀性 |
| 4.4 不同观测区域下的气泡群均匀性度量 |
| 4.4.1 模拟数据与气泡均匀性识别 |
| 4.4.3 敏感性分析 |
| 4.5 本章小结 |
| 第五章 基于二维质心的DCHE内气泡时空均匀性测量方法 |
| 5.1 基于气泡坐标位置量化气泡时空均匀性 |
| 5.1.1 改进型L_2-星偏差(CD和 WD) |
| 5.1.2 基于改进型偏差的均匀性系数 |
| 5.2 直接接触式气-液换热过程气泡时空均匀性量化 |
| 5.2.1 试验案例的视频图像序列 |
| 5.2.2 性质验证与时间复杂度 |
| 5.2.3 数值仿真与试验实例 |
| 5.3 基于坐标位置的混合物三维均匀性度量 |
| 5.3.1 改进型L2-星偏差与模拟验证 |
| 5.3.2 流体混合的图像分析 |
| 5.4 多组份混合物的三维均匀性测度 |
| 5.4.1 CD(t)和WD(t)非线性曲线拟合 |
| 5.4.2 操作条件对模型的影响 |
| 5.5 本章小结 |
| 第六章 基于假设检验与图像统计分布特性的气泡演化评价 |
| 6.1 假设检验与图像分析结合用于气泡演变量化 |
| 6.1.1 统计假设检验工具 |
| 6.1.2 试验结果与讨论 |
| 6.2 基于统计检验和图像分析来量化气泡演化过程 |
| 6.2.1 理论与方法 |
| 6.2.2 试验结果与讨论 |
| 6.3 本章小结 |
| 第七章 研究结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录A.攻读博士学位期间发表的主要成果 |
| 附录B.攻读博士学位期间参与的科研活动 |
| 附录C.攻读博士学位期间发表的发明/实用新型专利 |
| 附录D.攻读博士学位期间所获的主要科技奖励 |
| 附录E.攻读博士学位期间主持或参与的基金项目 |
| 附录F.媒体报道 |
（6）数字图像相关测量关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 数字图像相关法研究概况 |
| 1.2.1 二维DIC方法的发展及应用 |
| 1.2.2 三维DIC方法的发展及应用 |
| 1.3 多相机立体DIC的研究现状 |
| 1.4 单相机立体DIC技术简介 |
| 1.5 论文的主要研究内容 |
| 1.5.1 课题来源 |
| 1.5.2 论文的主要研究内容 |
| 第二章 数字图像相关方法的基本理论 |
| 2.1 相关计算准则 |
| 2.2 形函数 |
| 2.3 整像素搜索 |
| 2.4 亚像素匹配 |
| 2.4.1 牛顿拉夫森算法 |
| 2.4.2 反向组合算法 |
| 2.4.3 曲面拟合法 |
| 2.4.4 三种亚像素匹配方法的对比 |
| 2.5 单相机数字图像相关对象重建 |
| 2.6 立体视觉系统 |
| 2.6.1 极线约束 |
| 2.6.2 三维目标重建 |
| 2.7 3D标定 |
| 2.8 双目DIC匹配的流程和一些问题 |
| 2.9 本章小结 |
| 第三章 多相机DIC系统 |
| 3.1 多相机DIC简介 |
| 3.2 重叠视场多相机DIC |
| 3.2.1 重叠视场多相机DIC理论 |
| 3.2.2 重叠视场多相机DIC系统组建和位移实验 |
| 3.2.3 重叠视场多相机DIC应变实验 |
| 3.3 环绕型多相机数字图像相关系统 |
| 3.3.1 环绕型多相机DIC相关系统的原理 |
| 3.3.2 环绕型多相机DIC系统实验 |
| 3.4 实验误差分析 |
| 3.5 本章小结 |
| 第四章 单相机立体DIC技术 |
| 4.1 基于单个彩色相机的双视角DIC方法 |
| 4.1.1 基于3CCD彩色相机的双视角DIC测量系统 |
| 4.1.2 实验验证与结论 |
| 4.2 基于立方分光棱镜的单个彩色相机的多视角DIC系统 |
| 4.2.1 系统原理 |
| 4.2.2 实验及结论 |
| 4.3 基于合色棱镜的单相机多视角DIC系统 |
| 4.3.1 系统原理 |
| 4.3.2 实验及结论 |
| 4.4 本章小结 |
| 第五章 数字图像相关在人车碰撞测试中的应用 |
| 5.1 人车碰撞技术简介 |
| 5.2 基于高速数字图像相关法的人头损伤评估方法 |
| 5.3 实验和结果 |
| 5.4 多相机DIC技术的应用展望 |
| 5.5 本章小结 |
| 第六章 总结和展望 |
| 6.1 论文工作总结 |
| 6.2 今后工作展望 |
| 参考文献 |
| 攻读博士学位期间的学术活动及成果情况 |
（7）自然光照下基于超像素的识别和计数系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 视觉识别和计数系统在农业应用领域的研究现状 |
| 1.2.1 基于种子识别和计数的国内外研究现状 |
| 1.2.2 基于害虫识别和计数的国内外研究现状 |
| 1.2.3 果蔬识别和计数的国内外研究现状 |
| 1.3 农业智能识别领域的光照问题研究现状 |
| 1.3.1 农田害虫识别的光照问题研究现状 |
| 1.3.2 果蔬识别的光照问题研究现状 |
| 1.4 课题研究内容与技术路线 |
| 1.5 文章结构与思路 |
| 2 基于机器视觉的光照问题分析 |
| 2.1 室外光照特点 |
| 2.1.1 太阳光 |
| 2.1.2 天空光 |
| 2.2 图像形成过程 |
| 2.3 光照问题的解决思路 |
| 2.3.1 解决光照问题的方法分类 |
| 2.3.2 针对农业领域光照问题的解决思路 |
| 2.4 本章小结 |
| 3 图像超像素生成算法 |
| 3.1 超像素算法的提出 |
| 3.2 超像素分割的评价标准 |
| 3.2.1 整体分割性能 |
| 3.2.2 分割效率 |
| 3.2.3 分割质量的定性评价标准 |
| 3.2.4 分割质量的定量评价标准 |
| 3.3 改进的基于CAUCHY-SCHWARZ不等式的FSLIC超像素算法 |
| 3.3.1 FSLIC超像素的生成 |
| 3.3.2 算法分割试验和分析 |
| 3.4 改进的基于HNE边缘项的FDSE算法 |
| 3.4.1 FDSE超像素的生成 |
| 3.4.2 算法分割试验和分析 |
| 3.5 本章小结 |
| 4 基于FDSE超像素的阴影检测与去除研究 |
| 4.1 UCM概述 |
| 4.2 基于亲和度矩阵的UCM阴影检测算法 |
| 4.3 基于重新点亮的阴影去除算法 |
| 4.4 经典的阴影检测与去除算法 |
| 4.5 结果与分析 |
| 4.5.1 算法的评价指标 |
| 4.5.2 阴影检测的结果分析 |
| 4.5.3 阴影去除和算法分割的结果分析 |
| 4.6 本章小结 |
| 5 基于FDSE超像素的识别和计数系统 |
| 5.1 图像采集和图像预处理 |
| 5.2 图像特征提取 |
| 5.3 基于支持向量机的模型建立 |
| 5.4 识别计数系统人机交互界面 |
| 5.5 基于支持向量机的分类结果和分析 |
| 5.5.1 系统性能评价指标 |
| 5.5.2 基于超像素和基于逐像素的SVM识别结果比较分析 |
| 5.5.3 基于不同龄期的害虫SVM识别结果比较分析 |
| 5.5.4 基于重叠粘连的害虫SVM识别结果分析 |
| 5.5.5 基于不同自然光照条件下的SVM识别结果分析 |
| 5.5.6 基于机器学习的识别和计数系统讨论 |
| 5.6 本章小结 |
| 6 研究结论与建议 |
| 6.1 研究结论 |
| 6.2 主要创新内容 |
| 6.3 后续研究建议 |
| 参考文献 |
| 攻读博士学位期间的科研成果 |
| 致谢 |
（8）基于神经网络的音频场景识别算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 音频场景识别的研究进展 |
| 1.2.2 现阶段研究面临的挑战 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 第2章 音频场景识别系统概述 |
| 2.1 引言 |
| 2.2 数据采集 |
| 2.3 音频处理 |
| 2.3.1 预处理 |
| 2.3.2 信号表示 |
| 2.3.3 特征提取 |
| 2.4 音频场景识别 |
| 2.4.1 监督学习方法 |
| 2.4.2 泛化能力 |
| 2.5 本章小结 |
| 第3章 音频数据增强 |
| 3.1 引言 |
| 3.2 基于立体声处理的数据增强方法 |
| 3.2.1 左右声道表示 |
| 3.2.2 中央/边侧声道表示 |
| 3.3 基于声源分离技术的数据增强方法 |
| 3.3.1 谐波源和冲击源特性 |
| 3.3.2 谐波/冲击源分离算法 |
| 3.4 基于背景差法的数据增强方法 |
| 3.4.1 基于高斯均值法的背景去除 |
| 3.4.2 基于高斯混合法的背景去除 |
| 3.4.3 基于中值滤波法的背景去除 |
| 3.5 本章小结 |
| 第4章 音频场景识别系统建模 |
| 4.1 引言 |
| 4.2 基线系统的设计 |
| 4.2.1 高斯混合模型 |
| 4.2.2 EM算法参数估计 |
| 4.2.3 基于GMM的音频场景分类 |
| 4.3 基于神经网络的音频场景识别 |
| 4.3.1 CNN拓扑结构与工作原理 |
| 4.3.2 分类器网络设计 |
| 4.4 基于融合技术的分类模型集成方法 |
| 4.5 本章小结 |
| 第5章 实验环境搭建与结果分析 |
| 5.1 引言 |
| 5.2 实验环境搭建 |
| 5.2.1 实验数据 |
| 5.2.2 实验平台 |
| 5.3 实验与结果分析 |
| 5.3.1 数据增强 |
| 5.3.2 音频场景识别系统 |
| 5.3.3 实验结果与分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 发表论文及参加科研情况说明 |
| 致谢 |
（9）轨道表面缺陷的视觉检测模型与算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 缩略语 |
| 常用数学符号 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 相关检测方法 |
| 1.2.2 铁路运行环境下视觉检测技术 |
| 1.2.3 显着性检测 |
| 1.2.4 异常检测 |
| 1.3 主要挑战 |
| 1.4 主要研究内容和章节安排 |
| 1.4.1 研究思路 |
| 1.4.2 主要创新工作 |
| 1.4.3 章节安排 |
| 2 轨道表面缺陷自动检测系统 |
| 2.1 引言 |
| 2.2 采集系统 |
| 2.3 数据集 |
| 2.4 预处理技术 |
| 3 基于矩阵分解的缺陷检测 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.2.1 稀疏信号恢复理论 |
| 3.2.2 低秩矩阵恢复理论 |
| 3.3 结合动态背景和结构稀疏的分解模型 |
| 3.3.1 所提方法 |
| 3.3.2 优化 |
| 3.4 实验结果与分析 |
| 3.4.1 基于DSD的缺陷检测 |
| 3.4.2 性能评估 |
| 3.4.3 模型比较 |
| 3.4.4 讨论 |
| 3.5 本章小结 |
| 4 基于层次提取器的缺陷检测 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 层次提取器 |
| 4.3.1 概述 |
| 4.3.2 粗提取器 |
| 4.3.3 细提取器 |
| 4.4 实验结果与分析 |
| 4.4.1 缺陷级评测指标 |
| 4.4.2 参数的影响 |
| 4.4.3 鲁棒性检验 |
| 4.4.4 重载钢轨 |
| 4.4.5 普通钢轨 |
| 4.4.6 实际线路测试 |
| 4.5 本章小结 |
| 5 基于背景导向的在线实时性缺陷检测 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.3 背景导向检测器 |
| 5.3.1 问题的形式化 |
| 5.3.2 BODI |
| 5.3.3 实时性处理 |
| 5.4 实验结果与分析 |
| 5.4.1 性能评估 |
| 5.4.2 实验结果对比 |
| 5.4.3 时间复杂度对比 |
| 5.4.4 讨论 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 研究工作展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的学术论文与其他成果 |
| 学位论文数据集 |
（10）城市超大型绿色空间规划研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究缘起 |
| 1.1.1 城市绿色空间作为战略性空间资源 |
| 1.1.2 城市超大型绿色空间的价值凸显 |
| 1.1.3 传统城市绿地规划控制存在不足 |
| 1.1.4 小结 |
| 1.2 研究综述 |
| 1.2.1 城市绿色空间的研究趋势和需求 |
| 1.2.2 应对高聚集建设的城市绿色空间规划对策 |
| 1.2.3 国外城市超大型绿色空间的研究综述 |
| 1.2.4 国内城市超大型绿色空间的研究综述 |
| 1.2.5 小结 |
| 1.3 研究意义 |
| 1.4 研究方法与研究思路 |
| 1.4.1 研究方法 |
| 1.4.2 研究思路 |
| 1.5 研究内容与研究框架 |
| 1.5.1 研究内容 |
| 1.5.2 研究框架 |
| 第二章 城市超大型绿色空间的概念建立与实证比较 |
| 2.1 城市超大型绿色空间的概念和类型 |
| 2.1.1 城市超大型绿色空间的概念 |
| 2.1.2 城市超大型绿色空间的分类 |
| 2.2 城市超大型绿色空间的特殊性 |
| 2.2.1 城市超大型绿色空间的一般特征 |
| 2.2.2 四种大规模城市绿色空间的比较 |
| 2.3 城市超大型绿色空间实证比较的理论基础 |
| 2.3.1 城市超大型绿色空间相关理论 |
| 2.3.2 认知模型What-Why-How |
| 2.3.3 比较研究 |
| 2.4 城市超大型绿色空间实证比较框架的构建 |
| 2.4.1 城市超大型绿色空间实证比较框架 |
| 2.4.2 城市超大型绿色空间实证分析的内容 |
| 2.4.3 城市超大型绿色空间实证分析的素材来源 |
| 2.5 小结 |
| 第三章 国外城市超大型绿色空间案例研究 |
| 3.1 19世纪60年代以前 |
| 3.1.1 伦敦内城皇家公园群 |
| 3.1.2 柏林大蒂尔加滕公园 |
| 3.1.3 巴黎圃龙林苑 |
| 3.1.4 纽约中央公园 |
| 3.2 20世纪 |
| 3.2.1 荷兰阿姆斯特丹森林 |
| 3.3 21世纪 |
| 3.3.1 美国纽约清泉公园 |
| 3.4 小结 |
| 第四章 中国城市超大型绿色空间实证调查 |
| 4.1 中国城市超大型绿色空间类型及案例研究 |
| 4.1.1 历史保护型:以北京天坛公园为例 |
| 4.1.2 休憩供应型:以北京朝阳公园为例 |
| 4.1.3 生态保育型:以杭州西溪湿地为例 |
| 4.1.4 重大节事型:以北京奥林匹克森林公园为例 |
| 4.1.5 棕地再生型:以唐山南湖中央公园为例 |
| 4.1.6 新区开发型:以重庆中央公园为例 |
| 4.2 中国城市超大型绿色空间的实证调查:以海珠湿地为例 |
| 4.2.1 海珠湿地选例的典型性 |
| 4.2.2 海珠湿地的形成 |
| 4.2.3 海珠湿地的定位 |
| 4.2.4 海珠湿地的特征 |
| 4.2.5 海珠湿地的价值 |
| 4.3 小结 |
| 第五章 国内外城市超大型绿色空间的综合比较 |
| 5.1 国内外城市超大型绿色空间的比较与分析 |
| 5.1.1 形成的共性与差异 |
| 5.1.2 定位的共性与差异 |
| 5.1.3 特征的共性与差异 |
| 5.1.4 价值的共性和差异 |
| 5.2 国内外城市超大型绿色空间差异性的原因探究 |
| 5.2.1 认知层面 |
| 5.2.2 制度层面 |
| 5.2.3 技术层面 |
| 5.3 小结 |
| 第六章 城市超大型绿色空间的规划对策 |
| 6.1 规划对策一:捕获城市超大型绿色空间的发展契机 |
| 6.1.1 国内城市超大型绿色空间发展的现实制约 |
| 6.1.2 识别与捕获城市超大型绿色空间的发展机遇 |
| 6.2 规划对策二:定位城市超大型绿色空间的发展目标 |
| 6.3 规划对策三:明确城市超大型绿色空间的构成要素 |
| 6.3.1 城市绿色空间网络化的发展趋势 |
| 6.3.2 城市超大型绿色空间的构成要素 |
| 6.4 规划对策四:设定城市超大型绿色空间的规划原则 |
| 6.4.1 优先规划原则 |
| 6.4.2 区域协同原则 |
| 6.4.3 生态主导原则 |
| 6.4.4 功能复合原则 |
| 6.4.5 边缘激活原则 |
| 6.4.6 连通辐射原则 |
| 6.5 规划对策五:规划并实施城市超大型绿色空间 |
| 6.5.1 规划内容 |
| 6.5.2 规划过程 |
| 6.6 小结 |
| 第七章 结论与展望 |
| 7.1 主要研究结论 |
| 7.2 创新点与特色 |
| 7.3 研究不足 |
| 7.4 研究展望 |
| 参考文献 |
| 1. 中文参考文献 |
| (1) 学术期刊文献 |
| (2) 学术着作 |
| (3) 学位论文 |
| (4) 技术标准 |
| (5) 报纸文章 |
| (6) 报告 |
| (7) 电子文献 |
| (8) 其他文献 |
| 2. 外文参考文献 |
| (1) 学术期刊文献 |
| (2) 学术着作 |
| (3) 电子文献 |
| (4) 其他文献 |
| 附录目录 |
| 附录1 国内外城市超大型绿色空间案例基本信息表 |
| 附录2 国内外城市超大型绿色空间案例资料集 |
| 附录3 国内外城市超大型绿色空间景点与设施汇总表 |
| 附录4 海珠湿地公众认知与使用调查问卷与结果分析 |
| 附录5 海珠湿地案例调查访谈记录 |
| 附录6 海珠湿地鸟类名录2012年与2016年对比 |
| 附录7 海珠湿地各类图表汇编 |
| 附录8 广州海珠区“万亩果林”参考资料 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
四、WEIGHTED COMPACT SCHEME FOR SHOCK CAPTURING（论文参考文献）
- [1]面向浮动目标的灵巧抓捕手设计分析及柔顺捕获策略研究[D]. 孙家平. 哈尔滨工业大学, 2020(01)
- [2]计算机科技论文摘要的机翻错误类型及译后编辑[D]. 付茜雯. 大连理工大学, 2020(06)
- [3]基于非负矩阵分解的有遮挡人脸识别研究[D]. 岳兴. 西安电子科技大学, 2020(05)
- [4]基于主题保持的视频紧凑表达研究[D]. 谢文龙. 哈尔滨工业大学, 2020(01)
- [5]直接接触换热过程中气-液两相流的气泡分布特性研究[D]. 肖清泰. 昆明理工大学, 2019(06)
- [6]数字图像相关测量关键技术研究[D]. 但西佐. 合肥工业大学, 2019(01)
- [7]自然光照下基于超像素的识别和计数系统研究[D]. 徐伟悦. 南京农业大学, 2019(08)
- [8]基于神经网络的音频场景识别算法研究[D]. 刘赣俊. 天津大学, 2019(06)
- [9]轨道表面缺陷的视觉检测模型与算法研究[D]. 甘津瑞. 北京交通大学, 2019(01)
- [10]城市超大型绿色空间规划研究[D]. 刘明欣. 华南理工大学, 2019(01)