导读:本文包含了窗估计论文开题报告文献综述及选题提纲参考文献，主要关键词:工件姿态,不变矩,Parzen窗,视觉识别
窗估计论文文献综述
王福斌,刘贺飞,霍晓彤,李占贤,刘同乐[1]（2019）在《基于图像矩特征的工件摆放类型Parzen窗估计》一文中研究指出工件的视觉判别是实现机械手抓取工件的重要环节,如何对姿态变换后的工件进行视觉识别及分类,具有重要的理论及工程研究价值。设计了工件姿态变换实验平台,实验研究了工件姿态变换的视觉识别问题。首先,采用分水岭图像分割方法,实现了工件目标图像的分割。其次,针对工件在水平面旋转姿态变换及在叁维空间进行姿态变换两种情况,分别选取单个工件、部分遮挡工件及部分重迭工件构建图像样本,并实现了七个特征不变矩的提取。最后,将工件训练样本的五阶矩、七阶矩的平均值作为工件种类分类目标,采用Parzen窗对待识别工件类型进行概率密度估计,并用带惯性的粒子群算法对Parzen窗估计结果进行优化,克服Parzen窗估计的多峰值问题,实现了对工件摆放类型的准确判别。(本文来源于《光学技术》期刊2019年04期）
于化龙,徐克辉,席晓燕[2]（2019）在《基于Parzen窗估计的一类加权极限自编码器》一文中研究指出针对传统的一类分类器分布适应性差、数据描述不够精确等问题,提出了基于Parzen窗估计的一类加权极限自编码器.该方法首先采用Parzen窗法对数据分布的全局概率密度进行估计,进而对样本进行个性化加权操作,并训练极限学习机,从而实现对样本分布的精确描述.特别地,极限学习机以自编码器的方式实现,并通过重构误差来确定样本类属.实验结果表明:与诸多传统方法相比,其不但具有更好的数据描述能力,而且兼具时间复杂度低的优点.(本文来源于《江苏科技大学学报(自然科学版)》期刊2019年03期）
刘晗,张庆,孟理华,杨凯,徐光华[3]（2013）在《基于Parzen窗估计的设备状态综合报警方法》一文中研究指出针对现有监测报警方法难以适应工况变化和融合多元数据的缺点,提出基于Parzen窗估计的设备状态综合报警方法。该方法动态估计多元监测数据的联合概率密度函数,以局部分布边缘包络作为报警边界,随着监测数据的不断积累,逐步提高正常和故障概率分布估计的准确性,形成符合设备个性化状态发展历程的动态报警区域。通过对转子试验台和加热炉风机监测数据分析,验证了该方法的有效性。(本文来源于《振动与冲击》期刊2013年03期）
陈银超,杨伟[4]（2012）在《基于Parzen窗估计的电液伺服作动器故障检测与健康评估》一文中研究指出针对电液伺服作动器早期故障信号的微弱性和故障特征分布的未知性,提出了一种基于Parzen窗估计的故障检测和健康评估算法;采用多重判别分析提取作动器故障特征向量,利用窗函数法估计故障特征概率密度函数,通过监测作动器故障特征概率密度分布相对于正常状态的偏离,将不易检测的故障信号转化为容易观测到的距离信息评估作动器状态的健康状况;仿真结果证明了该方法的可行性和有效性。(本文来源于《计算机测量与控制》期刊2012年08期）
宛明高,李晓辉[5]（2012）在《ICA最优核窗估计的多用户检测》一文中研究指出将核估计中递归选择窗宽的ICA算法应用于DS-CDMA系统的多用户检测中,在样本总体真实密度未知时,根据给定的核密度和抽取的样本点来选择最优窗宽。采用ICA最优核窗估计算法检测器的输出初始化独立分量分析的迭代,对任意混迭信号进行盲分离。通过仿真证明了该算法在DS-CDMA多用户检测中的有效性。(本文来源于《合肥师范学院学报》期刊2012年03期）
陈华,章兢,张小刚,胡义函[6]（2012）在《一种基于Parzen窗估计的鲁棒ELM烧结温度检测方法》一文中研究指出在回转窑燃煤火焰视频模糊且干扰较大的情况下,基于火焰辐射能量和燃烧稳定程度提取多帧煤粉燃烧图像的统计特征进行烧结温度判断.为克服工业现场特征数据中的粗差干扰,将极限学习机(Extreme learning machine,ELM)与稳健估计理论相结合,用训练误差分布的Parzen窗非参数估计构造ELM权矩阵,对其输出层权值进行稳健最小二乘估计.基于上述火焰视频的统计特征,用该改进的鲁棒极限学习机(Robust-ELM)检测烧结带温度.实验结果表明,在视频图像模糊、不能用常规静态图像处理方法软测量烧结带温度时,本文方法可快速有效地检测窑内烧结温度,且检测系统不易受现场干扰,稳定性强。(本文来源于《自动化学报》期刊2012年05期）
秦亮,张文广,周绍磊,史贤俊[7]（2011）在《基于Parzen窗估计的核k-means聚类方法》一文中研究指出在核k-means聚类中随机选取的初始聚类中心容易造成算法失效。为此,提出一种基于密度估计的聚类中心确定方法。通过kd-tree的思想选择概率密度较大且相互分离的点作为初始聚类中心,使用小波核函数描述非线性映射。在人工数据集和真实数据集上进行实验,结果表明,该方法错误率较低。(本文来源于《计算机工程》期刊2011年S1期）
[8]（2011）在《一种基于磨光函数与Parzen窗估计的ICA盲信号分离方法及其系统》一文中研究指出一种基于磨光函数与Parzen窗估计的ICA盲信号分离方法及其系统,本发明基于Parzen窗估计技术,辅以新构建的磨光函数,提出一种新的ICA盲信号分离方法,以估算出源信号的概率密度函数与混合矩阵,继而有效分离(本文来源于《现代化工》期刊2011年S1期）
范波,晋欣桥,杜志敏,杨学宾,杨臣[9]（2009）在《基于Parzen窗估计概率法的空调系统能耗研究》一文中研究指出本文采用Energyplus仿真软件建立了某航站楼空调系统的仿真模型,基于Parzen窗估计概率法描述了该航站楼空调系统冷负荷率概率密度的分布情况,并结合冷负荷率概率密度分布图研究了被不同额定制冷量的冷水机组组成的空调系统在冷负荷变化情况下的启停控制模式,提出了一种优化的控制方式,在此基础上对研究了冷水机组冷冻水出口温度对空调系统能耗的影响。(本文来源于《上海市制冷学会2009年学术年会论文集》期刊2009-12-18）
成孝刚,姜华,刘国庆,陈启美[10]（2009）在《基于参数Parzen窗估计的独立分量分析》一文中研究指出在对盲源信号进行独立分量分析时,往往需要已知源信号的概率密度函数(PDF)。然而,由于源信号是未知的,一般事先很难知道其PDF。通常的做法是采用非参数的Parzen窗估计源信号的PDF。但是因为不同的信号具有不同的PDF,本文引入窗宽作为参数的Parzen窗来估计源信号PDF。用信息熵最小原则进行独立分量分析。模拟结果表明信号干扰比(SIR)明显提高。(本文来源于《信号处理》期刊2009年03期）
窗估计论文开题报告
（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：
针对传统的一类分类器分布适应性差、数据描述不够精确等问题,提出了基于Parzen窗估计的一类加权极限自编码器.该方法首先采用Parzen窗法对数据分布的全局概率密度进行估计,进而对样本进行个性化加权操作,并训练极限学习机,从而实现对样本分布的精确描述.特别地,极限学习机以自编码器的方式实现,并通过重构误差来确定样本类属.实验结果表明:与诸多传统方法相比,其不但具有更好的数据描述能力,而且兼具时间复杂度低的优点.
（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。
窗估计论文参考文献
[1].王福斌,刘贺飞,霍晓彤,李占贤,刘同乐.基于图像矩特征的工件摆放类型Parzen窗估计[J].光学技术.2019
[2].于化龙,徐克辉,席晓燕.基于Parzen窗估计的一类加权极限自编码器[J].江苏科技大学学报(自然科学版).2019
[3].刘晗,张庆,孟理华,杨凯,徐光华.基于Parzen窗估计的设备状态综合报警方法[J].振动与冲击.2013
[4].陈银超,杨伟.基于Parzen窗估计的电液伺服作动器故障检测与健康评估[J].计算机测量与控制.2012
[5].宛明高,李晓辉.ICA最优核窗估计的多用户检测[J].合肥师范学院学报.2012
[6].陈华,章兢,张小刚,胡义函.一种基于Parzen窗估计的鲁棒ELM烧结温度检测方法[J].自动化学报.2012
[7].秦亮,张文广,周绍磊,史贤俊.基于Parzen窗估计的核k-means聚类方法[J].计算机工程.2011
[8]..一种基于磨光函数与Parzen窗估计的ICA盲信号分离方法及其系统[J].现代化工.2011
[9].范波,晋欣桥,杜志敏,杨学宾,杨臣.基于Parzen窗估计概率法的空调系统能耗研究[C].上海市制冷学会2009年学术年会论文集.2009
[10].成孝刚,姜华,刘国庆,陈启美.基于参数Parzen窗估计的独立分量分析[J].信号处理.2009