导读:本文包含了双向图论文开题报告文献综述及选题提纲参考文献，主要关键词:人体姿态估计,深度学习,双向图结构信息模型,置信图
双向图论文文献综述
王菁[1]（2018）在《基于双向图结构信息模型的人体姿态估计研究》一文中研究指出近年来,基于图像的人体姿态估计一直是计算机视觉研究领域的热点和难点问题。准确高效的人体姿态估计可以协助解决各种复杂的视觉任务,如动作识别、人体跟踪和视频分析。目前,人体姿态估计已经取得了很大的进步,但在处理复杂场景下的单人或多人情况时仍面临着巨大的挑战。该问题的难点主要在于:对单人位姿估计,自遮挡或其他物体遮挡会严重影响姿态估计结果;对多人姿态估计,多目标和遮挡问题会使姿态估计更加困难,难以取得令人满意的结果。针对复杂场景下的单人姿态估计,本文中提出一个新的多阶段深度学习网络框架,每个阶段都有两个分支,用来预测图像中的人体姿态。第一个分支预测身体关节点的置信图,与特征层次相比,能够得到关节更明确的位置信息。第二个分支使用了一个新的双向图结构信息模型,可以编码更丰富的上下文信息。双向图结构信息模型充分使用了不同身体关节点之间的遮挡信息用来解决自遮挡或者其他遮挡,从而很大程度上提高关节点的预测精度。针对复杂场景下的多人姿态估计,由于人数无法确定或者不同人相同身体关节点可能重迭,人体姿态估计变得更加具有挑战性。在单人姿态估计研究的基础上,本文在处理多人位姿估计时,增加了相应的后处理过程,并在该过程中采用基于双向图结构信息模型的整数线性规划和Soft-NMS算法。整数线性规划标注和划分了身体部位的候选者,尤其是针对遮挡的关节点,同时也有助于计算一张图像中人的数目,从而避免错误连接。Soft-NMS没有完全移除非极大值检测关节点的检测分数而是对其进行衰减,从而允许分离高度重迭的关节点,并且有效地减少错误的关节连接。本文所提出的方法在单人姿态估计LSP数据集上,平均精度达到82.3%;在多人姿态估计COCO关键点挑战数据集和MPII数据集上,平均精度分别达到62.9%和77.6%。与现有的姿态估计算法相比,本文所提出的方法在LSP数据集上达到同等的性能,在COCO数据集和MPII数据集上达到最好的水平。此外,本文所提出的方法可以在没有任何额外训练的情况下,在自己挑选的高难度数据集上取得目前最好的结果。(本文来源于《郑州大学》期刊2018-05-01）
邱德红,李源,李浩,徐秀[2]（2012）在《一种面向加权双向图的聚类发掘方法》一文中研究指出加权双向图是一种表达具有连接关系的科学和工程问题中的信息的比较准确的方式,加权双向图上聚类发掘的研究具有重要意义.本文提出一种面向加权双向图的聚类发掘方法,它通过定义双向边的调整权和节点的调整度,充分利用加权双向图上边的权值信息和方向信息,比较准确地描述了节点对之间的结构相似性,从而比较好地实现了加权双向图上的聚类发掘.对比实验表明本文方法的聚类发掘结果在聚类质量评价指标上具有更好的表现.(本文来源于《小型微型计算机系统》期刊2012年07期）
李源[3]（2011）在《量化双向图的聚类方法研究及其应用》一文中研究指出图是实体关系建模的一种常用的方法。现实世界中网络图的聚类结构都十分复杂，聚类结构具有聚类内部结点之间连接紧密，而聚类间相互连接较松散的特点。充分挖掘大型复杂网络图的聚类结构有助于发掘网络图中潜在的信息、预测各个结点的行为，同时还能够从整体分析网络图的功能和构成。对网络图的聚类研究无论是从理论上还是应用上都非常有意义。目前人们已经提出了很多不同的聚类方法用于发现大型复杂网络图中的聚类结构，在互联网结构、社会结构、生物的蛋白质结构、文献的相互引用关系领域都有着广泛的运用。针对现实中网络图聚类的问题，文章给出了一般性的研究框架，概括性的比较和分析了目前较为典型的挖掘网络聚类结构的图聚类方法的主要优点和缺点。量化双向图是网络图聚类中的重要研究对象，文章提出了一种基于结点相似性的量化双向图聚类算法，并针对实际的论坛数据进行聚类分析。首先根据数据接口的要求对论坛中发帖的数据进行各种预先处理，包括建立数据库、并对论坛数据进行抓取和导入；最后在此基础上对论坛数据库进行挖掘，得到用户之间的关系，实现了大规模复杂虚拟网络上的社区发现。通过在各种真实和模拟数据集上应用和检验，验证了该量化双向图聚类算法的有效性和实用性。该算法能够对大规模复杂网络图进行聚类分析，为进一步挖掘网络图中各实体关系提供了基础。最后与其他的同类算法进行了对比，实验结果表明文章方法的社区发现结构在社区评价指标上具有更好。(本文来源于《华中科技大学》期刊2011-12-01）
李博,王钢,杨洪娟,魏民[4]（2010）在《一种LDPC码双向图环路检测新算法》一文中研究指出对一种计算通信网节点间全部路由的逻辑代数化算法进行改进,提出一种LDPC码双向图环路检测新算法.算法遵循逻辑代数运算规则,由LDPC码校验矩阵构造双向图的邻接矩阵,并对邻接矩阵中行与行之间进行整合与删除运算以及部分元素的修正运算,对于码长为n,信息位为k的LDPC码只需(n-1)×k次整合和删除运算及k次元素修正运算,就能得到该双向图中所有的环路.通过算例详细说明算法的计算过程,并验证其正确性和合理性.(本文来源于《哈尔滨工业大学学报》期刊2010年07期）
鄂大伟[5]（2005）在《基于输入交换队列的双向图匹配调度算法的协议模型表示》一文中研究指出针对基于定长分组(信元)双向图匹配的输入队列交换机调度算法,提出了算法的统一符号表示与描述方法及其实例.(本文来源于《集美大学学报(自然科学版)》期刊2005年04期）
叶丹瑾,黄萱菁,吴立德[6]（1997）在《基于双向图算法的快速部分汉语语法分析器》一文中研究指出本文给出了一个用双向图算法实现的快速部分汉语语法分析器．为了实现真实文本的快速部分语法分析，分析器使用ＦＩＲＳＴ分析表和ＬＡＳＴ分析表来更大程度地避免创建不必要的活动弧，并且引进了弧的竞争机制和对于一些情况的处理方法．使用了各种分析策略的分析器的准确率达到８７．２％，在主频６６ＭＨｚ的４８６机型上运行速度是３２句／分(本文来源于《计算机研究与发展》期刊1997年07期）
车文刚,王宏祥[7]（1997）在《双向图覆盖的启发式离散度求解》一文中研究指出为了解决大容量存贮器制造过程中因各种原因造成的成品率低的问题，或并行阵列中的容错重组问题，一般采用冗余修复的方法．该问题一般被归结为双向图的覆盖问题，且其复杂度被证明为ＮＰ．为加快求解速度，可以采用启发式算法求解．本文提出一种新的启发式算法求解，可以降低该问题的复杂度，提高修复效率．(本文来源于《云南工业大学学报》期刊1997年01期）
双向图论文开题报告
（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：
加权双向图是一种表达具有连接关系的科学和工程问题中的信息的比较准确的方式,加权双向图上聚类发掘的研究具有重要意义.本文提出一种面向加权双向图的聚类发掘方法,它通过定义双向边的调整权和节点的调整度,充分利用加权双向图上边的权值信息和方向信息,比较准确地描述了节点对之间的结构相似性,从而比较好地实现了加权双向图上的聚类发掘.对比实验表明本文方法的聚类发掘结果在聚类质量评价指标上具有更好的表现.
（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。
双向图论文参考文献
[1].王菁.基于双向图结构信息模型的人体姿态估计研究[D].郑州大学.2018
[2].邱德红,李源,李浩,徐秀.一种面向加权双向图的聚类发掘方法[J].小型微型计算机系统.2012
[3].李源.量化双向图的聚类方法研究及其应用[D].华中科技大学.2011
[4].李博,王钢,杨洪娟,魏民.一种LDPC码双向图环路检测新算法[J].哈尔滨工业大学学报.2010
[5].鄂大伟.基于输入交换队列的双向图匹配调度算法的协议模型表示[J].集美大学学报(自然科学版).2005
[6].叶丹瑾,黄萱菁,吴立德.基于双向图算法的快速部分汉语语法分析器[J].计算机研究与发展.1997
[7].车文刚,王宏祥.双向图覆盖的启发式离散度求解[J].云南工业大学学报.1997