导读:本文包含了高维空间映射论文开题报告文献综述及选题提纲参考文献，主要关键词:机器视觉,点云配准,正交子空间,仿射配准
高维空间映射论文文献综述
蒋悦,黄宏光,舒勤,宋昭,唐志荣[1]（2019）在《高维正交子空间映射的尺度点云配准算法》一文中研究指出为了解决叁维点云在无序、数据被遮挡以及噪声干扰情况下的配准问题,提出了一种高维正交子空间映射的尺度点云配准算法。根据能量-功率的比值,对待配准点云进行等比例放大,完成仿射配准。在点云无序、数据被遮挡、尺寸放缩以及噪声干扰的情况下,所提算法与经典ICP(Iterative Closest Point)算法的配准精度相当。与经典ICP算法相比,所提算法对Bunny点云数据的配准效率提高了98%,对Dragon点云数据的配准速度至少提高了20倍,且在对大尺度Dragon点云数据的配准中,所提算法的配准时间比经典ICP算法短6210.4 s,配准精度也高于其他算法。所提算法不会陷入局部最小值,在快速精确配准和稳定性方面有明显的优势。(本文来源于《光学学报》期刊2019年03期）
胡正平,杜立翠,赵淑欢[2]（2015）在《基于局部和全局映射函数的流形降维空间球形覆盖分类算法》一文中研究指出为探索高维数据本质结构和低维表示,并避免一般流形学习中测试数据不能显式降维的不足,提出基于局部和全局映射函数的流形降维空间球形覆盖分类算法.该算法首先抽象融合局部和全局信息映射模型,分别优化局部拉普拉斯矩阵和全局拉普拉斯矩阵,通过对局部和全局拉普拉斯矩阵进行特征值分解,得到训练样本的低维表示.然后借助核映射获取测试样本的低维表示.最后在低维空间建立球形覆盖分类模型,实现目标分类.在MNIST手写体数据集、Yale B和AR人脸数据集上的实验表明文中算法的有效性,证明其在实际应用领域具有一定价值.(本文来源于《模式识别与人工智能》期刊2015年04期）
辛海凤[3]（2014）在《有限维空间中有关正则法锥映射图导的探究》一文中研究指出讨论了有限维空间中的含参锥规划问题,利用严格约束品性、非退化性以及可约性给出了有关正则法锥映射图导的一种表述形式.(本文来源于《哈尔滨师范大学自然科学学报》期刊2014年03期）
郭伟,李辉,许敏强,刘青松[4]（2010）在《基于高维空间映射失配补偿方法的说话人确认》一文中研究指出针对电话手机语音的文本无关说话人确认中,训练集语音和测试集语音来自不同信道所产生失配而导致系统性能下降的问题,采用一种基于高维空间映射的方法对系统进行补偿.在分析了已有的说话人确认系统的基础上,提出了一种基于特征参数映射支持向量机模型(PSVM)的说话人确认系统.首先用大量已知信道类型的语音训练出信道空间及映射矩阵,然后训练语音和测试语音都通过映射,消除因信道不同而导致的失配影响.在NIST数据库上的实验结果表明,这种方法弥补了训练语音和测试语音的失配,说话人确认系统的性能有了明显的提高.(本文来源于《中国科学技术大学学报》期刊2010年02期）
李关民,吴会江[5]（2007）在《高维Riemann流形到齐次空间弱调和映射的Euler方程》一文中研究指出随着现代分析工具的不断完善和发展,有关方程弱解的正则性问题取得了一系列突破性进展,得到了许多完美的证明和结论.借助于几何上与分析上的精细刻画,利用卡坦方法,得到高维Riemann流形到齐次空间弱调和映射体现的具体Euler方程形式.(本文来源于《沈阳工程学院学报(自然科学版)》期刊2007年02期）
黄丽云,孔维丽,何青海[6]（2006）在《有限维空间中集值映射及其导数的连续选择》一文中研究指出以Michael选择定理为基础,证明了有限维空间中集值映射及其相邻导数存在连续选择的充分条件,并指出在此条件下,可得到相应的连续选择,使2个连续选择之间也具有相同的导数关系.(本文来源于《云南大学学报(自然科学版)》期刊2006年04期）
原峰山,朱思铭[7]（2006）在《有限维空间映射下SVM分类机的半正定核函数》一文中研究指出本文针对支持向量分类机的特点,分析了在有限维空间中满足特征空间映射的条件和结果。提出了有限维空间映射下满足半正定条件的核函数确定方法。指出,只要存在对称函数 K,如果这个函数形成的 Gram 矩阵是半正定的,就必然能够将原输入空间映射成有限维的特征空间,从而在映射空间的内积可以用这个核函数 K 表示。(本文来源于《计算机科学》期刊2006年01期）
杨泽恒,熊明,王绍荣[8]（2003）在《无穷维空间上伪重线性映射的微分性质》一文中研究指出在具有Schauder基的无穷维Banach空间引入偏导数及两类伪重线性映射 ,讨论伪重线性映射与重线性映射的关系 ,进而得到伪重线性映射的微分性质 .(本文来源于《云南民族学院学报(自然科学版)》期刊2003年01期）
李晓军[9]（2001）在《有限维空间中Ray Avoiding映射的不动点定理》一文中研究指出在Hilbert空间中引入RayAvoiding映射 ,证明了在一定条件下 ,Hilbert空间的有界闭凸集D中RayAvoiding映射至少存在 3个不动点 .(本文来源于《西北师范大学学报(自然科学版)》期刊2001年03期）
唐玉萍,王林山[10]（2000）在《高维空间上的一类自映射嵌入n周期轨的构造方法》一文中研究指出将王林山 (数学的实践与认识 ,1989,(4) :41～ 44 )给出的一维自映射嵌入n周期轨的构造方法 ,推广到了高维空间 ,并给出了一类具有n周期轨n×n维自映射的构造方法 .(本文来源于《四川师范大学学报(自然科学版)》期刊2000年05期）
高维空间映射论文开题报告
（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：
为探索高维数据本质结构和低维表示,并避免一般流形学习中测试数据不能显式降维的不足,提出基于局部和全局映射函数的流形降维空间球形覆盖分类算法.该算法首先抽象融合局部和全局信息映射模型,分别优化局部拉普拉斯矩阵和全局拉普拉斯矩阵,通过对局部和全局拉普拉斯矩阵进行特征值分解,得到训练样本的低维表示.然后借助核映射获取测试样本的低维表示.最后在低维空间建立球形覆盖分类模型,实现目标分类.在MNIST手写体数据集、Yale B和AR人脸数据集上的实验表明文中算法的有效性,证明其在实际应用领域具有一定价值.
（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。
高维空间映射论文参考文献
[1].蒋悦,黄宏光,舒勤,宋昭,唐志荣.高维正交子空间映射的尺度点云配准算法[J].光学学报.2019
[2].胡正平,杜立翠,赵淑欢.基于局部和全局映射函数的流形降维空间球形覆盖分类算法[J].模式识别与人工智能.2015
[3].辛海凤.有限维空间中有关正则法锥映射图导的探究[J].哈尔滨师范大学自然科学学报.2014
[4].郭伟,李辉,许敏强,刘青松.基于高维空间映射失配补偿方法的说话人确认[J].中国科学技术大学学报.2010
[5].李关民,吴会江.高维Riemann流形到齐次空间弱调和映射的Euler方程[J].沈阳工程学院学报(自然科学版).2007
[6].黄丽云,孔维丽,何青海.有限维空间中集值映射及其导数的连续选择[J].云南大学学报(自然科学版).2006
[7].原峰山,朱思铭.有限维空间映射下SVM分类机的半正定核函数[J].计算机科学.2006
[8].杨泽恒,熊明,王绍荣.无穷维空间上伪重线性映射的微分性质[J].云南民族学院学报(自然科学版).2003
[9].李晓军.有限维空间中RayAvoiding映射的不动点定理[J].西北师范大学学报(自然科学版).2001
[10].唐玉萍,王林山.高维空间上的一类自映射嵌入n周期轨的构造方法[J].四川师范大学学报(自然科学版).2000