导读:本文包含了形状学习论文开题报告文献综述及选题提纲参考文献，主要关键词:叁维形状,特征提取,深度学习,神经网络
形状学习论文文献综述
周燕,曾凡智,吴臣,罗粤,刘紫琴[1]（2019）在《基于深度学习的叁维形状特征提取方法》一文中研究指出研究具有低维、高鉴别力的叁维形状特征提取方法有助于解决叁维形状数据分类和检索等问题。随着深度学习的持续发展,结合深度学习的叁维形状特征提取方法已成为研究热点。将深度学习与传统的叁维形状特征提取方法相结合,不仅可以突破非深度学习方法的瓶颈,而且可以提高叁维形状数据分类、检索等任务的准确率,尤其是当叁维形状是非刚体时。然而,深度学习尚在发展中,仍存在需要大量训练样本的问题,因此如何运用深度学习方法来高效提取叁维形状特征成为了计算机视觉领域的研究重点和难点。目前,研究者大多从改进网络结构和训练方法等方面入手,着重提高神经网络提取特征的能力。文中结合深度学习和叁维形状特征提取方法的发展历程,首先介绍相关深度学习模型,以及网络改进、训练方法等方面的新思路;其次重点对基于深度学习的刚体与非刚体的特征提取方法做综合的阐述,描述当前深度学习方法用于叁维形状特征提取的情况;然后简述现有叁维形状检索系统的现况以及相似度计算方法;最后介绍当前叁维形状特征提取方法存在的问题,并探讨其未来的发展趋势。(本文来源于《计算机科学》期刊2019年09期）
朱彩兰[2]（2019）在《基于“六阶发现学习法”的教学设计——兼评《巧用形状》课例》一文中研究指出薛馨名师工作室的"六阶发现学习法"展示课共有叁节——《巧用形状》(薛馨)、《多媒体报告的动画效果》(李景花)、《书籍信息表的制作》(赵园园),其中《巧用形状》对这一方法的体现最为鲜明,故以此课为例做一个解读。各环节的逐一分析总体来说,《巧用形状》一课,旨在利用演示文稿中的形状工具,设计出不同的形象,如房子、树、人物等,在此过程中,掌握形状工具的应用。虽然是作品创作,看似与美术相(本文来源于《中国信息技术教育》期刊2019年01期）
马磊[3]（2018）在《基于机器学习的建筑物形状化简模型》一文中研究指出空间目标的形状化简是地图综合领域的一项重要研究课题,涉及空间认知、空间相似性度量等地理信息科学的核心问题。作为地图中广泛存在的地理要素——建筑物,对其进行形状化简一直是大比例尺地图综合的重要环节。形状化简主要有两个连续的步骤:描述和化简。其中,建筑物的几何形状复杂多变且难以描述,不同的描述方法又对应不同的化简策略,因此,建筑物的形状化简也是较为困难的环节。传统方法在度量建筑物要素的几何形状时,采用若干形状描述子分别度量形状的某一特征,或构建某种严格的数学函数和统计方法来逼近形状轮廓,这些方法未能很好地考虑人类在空间认知过程中的视觉因素,且这些视觉因素的识别方法需要人工进行设定和干预。另外,针对这些传统的形状描述方法,其化简策略同样未考虑视觉因素,具有一定的局限性。鉴于此,本文基于机器学习的相关算法,构建一种能够识别建筑物形状中视觉因素的几何描述模型,同时提出对应于这种模型的形状化简方法。论文取得的研究成果及创新点包括以下3个方面:(1)基于深度卷积神经网络的图像特征自学习特性,结合自动编码机的非监督学习能力,构建基于机器自监督学习的建筑物几何形状描述模型。其基本思路是,在自动编码机的结构上,嵌入深度卷积神经网络,使得自动编码机的编码器和解码器均能利用卷积运算探测建筑物形状特征。(2)基于(1)构建的模型,提出了基于人类空间视觉认知的建筑物形状特征描述方法。具体来说,利用形状描述模型的编码器和解码器分别对形状数据集进行特征探测和重建,从而获得编码器计算得到的形状特征集。这个特征集作为输入待化简形状的一个抽象特征描述,为化简模型提供参考。(3)根据空间视觉认知规律,提出了基于认知模板匹配的建筑物形状化简方法。基本思路是,分析视觉认知的特征要素,并按照认知分类的方法构建建筑物化简模板形状;然后,利用形状特征集之间的相似度度量匹配模板对象;最后,利用匹配模板对待化简形状进行放样化简。本文利用真实建筑物形状大数据,对机器自监督学习的形状描述模型进行了训练,然后对两个模型进行了实验与分析。实验表明,本文构建的形状描述模型能够很好地探测出任意建筑物的形状特征集,结果符合人眼视觉认知,一定程度上克服了特征定义的人工干预缺点,且该方法形状度量区分度高;基于模板的建筑物形状化简模型构建了符合空间视觉认知的模板对象,根据形状特征集度量的相似模板对象具有很好的视觉匹配度,且实验区域多数形状得到很好地化简,效果较为理想。两种模型的实验结果符合空间视觉认知习惯,这种结合以直观的方式较好地解决了大比例尺下建筑物形状的化简问题,为机器学习在地图综合中的运用提供了一定的参考价值。(本文来源于《兰州交通大学》期刊2018-06-16）
王天[4]（2018）在《空间大型天线反射面形状调控系统的主动学习控制方法研究》一文中研究指出静止轨道运行的天线反射面因太空复杂热环境而发生变形,这对天线的指向精度会造成严重影响。本文研究了调控面板形状的主动控制方法,在天线反射面背架下安装了压电陶瓷作动器阵列,并在数学模型的基础上,针对模型不确定性、模型变化和多工况问题,设计出几种学习控制算法,并通过仿真验证实现了对天线形面的高精度控制。以下为控制器的具体设计:1、针对模型不确定扰动问题,考虑到传统LQR控制器对模型误差容错能力的限制,提出通过试错奖赏来反馈动作优劣的强化学习方法。它将扰动划分为离散状态空间,按一定策略不断拟合选定的理想参考模型,通过不断缩小实际位移与参考位移之间的误差得到价值函数,再利用价值函数得到当前扰动误差所对应的最优修正量,从而实现对扰动误差的修正。2、考虑到天线在轨运行时模型发生变化对强化学习状态转移关系的影响,提出基于RBF模糊神经网络的参考模型Q学习算法,实现了价值函数经验的动态迁移。基于模糊控制方法,搭建了从精确输入到模糊输出的整体架构,基于强化学习探索出模糊输入输出之间的逻辑关系,并通过RBF神经网络对模糊参数和强化学习经验的调整,得到了具有自适应性的动态映射函数,明显提高了算法对模型变化的鲁棒性。3、针对在轨运行时各季节、各时刻不同温度场下的形状调控,强化学习的价值函数存在探索经验不足的问题,为了优化经验探索的策略,设计出叁种改进方法:一种方法是增加训练价值函数的工况类型,以拓展其经验覆盖的广度;另一种方法是按照可控性对输入工况进行层次划分,分别进行策略迭代和经验训练;第叁种方法是用玻尔兹曼策略来替代ε贪婪策略,以最小误差为导向分配探索利用策略的概率,加强探索的深度。这叁种方法经仿真可以调控典型工况下各个时刻的温度场变形。(本文来源于《西安电子科技大学》期刊2018-06-01）
王瀚兴[5]（2018）在《基于自适应距离融合学习的形状检索方法研究》一文中研究指出随着社会的快速发展,计算机视觉在人类生产和生活的不同层面中发挥着越来越重要的作用。在计算机视觉领域的相关研究中,形状匹配和形状检索一直以来都是人们重点关注的问题,解决好此类问题将对计算机视觉在不同领域的实际应用起到重要推动作用。一般的形状检索方法通常包含形状特征提取,形状特征匹配和形状距离学习步骤。其中,前两个步骤构成了逐对形状匹配方法,第叁个步骤是对在其基础上进行重排序的过程,上述叁个步骤都对形状检索结果有直接的影响。此前很多学者从不同角度进行了大量的研究工作,本文主要从形状特征匹配和形状距离学习两个环节展开研究。对于全局形状轮廓特征而言,其形状特征匹配结果往往是通过分析不同轮廓片段间的对应关系而计算得到的。如何结合形状特征的特点,有效地分析得到准确的片段对应关系一直都是重点关注的问题。以基于轮廓点空间位置关系的形状特征为对象,本文考虑引入谱聚类算法分析不同轮廓采样点之间的对应关系。在形状特征提取的基础上,分析不同轮廓各采样点对应形状描述符之间的距离关系,在此基础上构造图。进一步通过谱聚类方法筛选保留不同轮廓采样点间正确的对应关系,删除冗余的连接。在不同数据集上进行形状匹配实验,结果能够验证方法是有效的。由于逐对形状匹配方法难以有效地挖掘上下文信息,很多学者将距离学习引入形状检索作为后处理步骤。近年来,由于不同形状特征关注的重点不同,越来越多的研究考虑引入距离融合学习作为形状检索的后处理步骤,在此基础上对逐对形状匹配结果进行重排序。考虑到不同特征在距离融合学习过程中的作用不尽相同,本文考虑采用一种自适应距离融合学习方法解决该问题。在重排序过程中,通过分析不同相似度空间的关系,进而在半监督框架下,综合分析挖掘不同相似度空间的上下文信息。在不同数据集上进行仿真实验,验证了该自适应距融合学习方法的有效性。(本文来源于《大连理工大学》期刊2018-05-31）
于美玉[6]（2018）在《基于特征学习的形状识别方法》一文中研究指出形状识别是计算机视觉领域的基本问题,可以广泛的应用于对象识别、图像配准等各个领域。但是在实际的应用中,目标形状可能发生各种几何变换,如平移变换,旋转变换,射影变换,弹性变换等。草图是一种特殊的形状,它是物体经过人脑处理后的抽象产物,每个人对事物的理解,观察角度,绘画习惯都不尽相同,所以草图的发生的变换更加复杂。如何提取在形状发生各种变换后的不变特征,成为亟待解决的问题;基本的形状描述子无法描述这种不变关系,所以如何通过特征学习的方法获得变换前后的特征不变关系成为主要研究方向。针对射影变换后形状的识别,目前的方法大多采样点间关系作为形状描述子。这类方法需要先对齐采样点,才能完成特征之间的比较和匹配。但是在实际应用中,由于观测角度的不同,形状产生各种各样的变换,所以采样点之间的严格对应关系是很难获取的。为了克服这类描述子的缺点,本文提出了一种基于曲率分级的形状编码及识别方法。本文方法的基本思想是首先使用射影不变量描述轮廓段特征,然后对轮廓段特征进行编码;这样可以获得形状的中级特征;接下来采用曲率分级的方法,在不同级别内提取特征,从而获得形状特征。实验结果表明,该方法对于射影变换下形状的识别效果明显高于其他方法。目前用于草图识别的方法使用传统的图像描述子描述草图,大部分方法都忽略了草图地时序性。因此本文提出了一种基于时序性的草图识别方法。该方法首先根据将草图的笔画分组,然后提取笔画组特征;为了进一步利用草图的时序特征,本文将笔画组特征按照时间序列依次输送给循环神经网络,最后使用联合贝叶斯将各个时间点的草图特征融合,从而完成草图的识别工作。实验结果表明,本文方法的草图识别结果明显好于其它方法。(本文来源于《大连理工大学》期刊2018-03-20）
冯爱静[7]（2018）在《依托场馆资源,促进科学学习——以《形状与结构》单元为例》一文中研究指出课程标准提出:在小学科学教学中,教师要突出学生的主体地位,基于学生的认知水平,联系学生已有的知识经验,充分利用学校、家庭、社会等各种资源,开展科学学习。在北京有着丰富的场馆资源,那么如何依托场馆资源,促进科学学习呢?接下来以六年级《形状与结构》单元为例,分析场馆资源如何更好地助力科学教学。一、精研单元教学内容,找到场馆资源与教材的连接点小学科学教材以单元为板块编排,单元内知识的综合性非常突出,前后知识互相关联,立体交(本文来源于《湖北教育(科学课)》期刊2018年01期）
马磊,闫浩文,王中辉,刘波,吕文清[8]（2017）在《机器自监督学习的建筑物面要素几何形状度量》一文中研究指出针对传统方法在度量建筑物面要素几何形状时,未能考虑形状认知的视觉特征因素且形状特征需要人为定义等问题,该文提出一种建筑物几何形状度量方法。首先,利用深度卷积神经网络的图像特征学习特性,结合自动编码机的自监督学习能力,构建基于机器自监督学习的建筑物面要素几何形状度量神经网络;其次,利用建筑物图像形状大数据对网络进行训练;最后,利用训练完成的神经网络识别并提取建筑物形状特征集并作为形状度量的结果。实验表明,该方法形状度量结果区分度高,一定程度上克服了人为定义形状特征的缺点,且与视觉感知结果基本一致。(本文来源于《测绘科学》期刊2017年12期）
范强,张善新[9]（2017）在《基于改进贝叶斯程序学习的物体形状分类》一文中研究指出为解决传统物体形状分类方法存在训练时间长以及形状描述不准确的问题,提出一种基于改进贝叶斯程序学习的图像分类方法。先将物体轮廓进行预处理并分割为长度固定的轮廓片段,使用形状描述符记录其形状信息,然后采用高斯混合模型对同一类物体的轮廓片段集训练出轮廓片段库,最后从测试图像的轮廓上均匀提取10个轮廓片段作为测试样本的解析,使用贝叶斯分类器计算样本解析与每类轮廓片段库中轮廓片段的拟合相似度,以其相似度值最高的类作为分类结果。在标准数据库Animal上的实验结果表明,本文方法具有较高的分类精度,同时大幅度缩短了训练时间。(本文来源于《激光与光电子学进展》期刊2017年12期）
刘洋[10]（2017）在《视觉感知对中文母语者形状语义内隐学习的影响》一文中研究指出内隐学习是语言学习的默认机制,已有研究发展了不同的研究范式和测量方法,然而内隐学习研究在学习对象、学习方式、以及学习时使用语言的影响方面,均存在深入探索的空间。本研究以形状语义的内隐学习为核心,考察形状语义内隐学习的可行性;探索视觉感知学习方式促成内隐学习的有效性;并探讨视觉感知学习方式在二语条件下的适用性。本研究设计了叁项实验,回答以下叁个问题:一、在使用母语学习的条件下,中文母语者是否可以通过内隐方式学习形状语义区分?二、在使用母语学习的条件下,视觉感知学习方式是否可以促进中文母语者内隐学习形状语义区分?叁、在使用二语学习的条件下,视觉感知学习方式是否可以促进中文母语者内隐学习形状语义区分?实验一以"长条"和"平面"形状语义区分为内隐学习的目标语义,改进Leung and Williams(2014)的实验设计,使用新测试项目,排除分布概率信息的干扰,并考察学习对象的概括性。结果未能证明学习者以内隐方式习得了基本层面的"长条"和"平面"形状语义区分,说明形状语义内隐学习具有一定的难度。实验二和实验叁验证本研究提出的语义内隐学习感知体验假设。该假设基于具身语义观和知觉符号理论,认为学习过程中激活人对目标语义的感知体验,可以帮助建立语言符号和感知经验之间的联系,从而促进目标语义的内隐学习。结合形状语义的感知互动特点,实验二和叁设计了视觉感知学习方式,促使学习者在在建立新词符号和形状意义联系的同时,实现对形状特征的感知体验。实验二结合搭配启动任务和词图匹配任务,在内隐学习的同时,激活形状语义的视觉感知。结果发现使用视觉感知学习方式的学习者内隐习得了形状语义区分,而使用非视觉感知学习方式的学习者未能获得内隐学习效果,说明视觉感知学习方式对形状语义内隐学习有促进作用。实验叁将视觉感知内隐学习方式延伸至二语条件,并在内隐学习之前分别以英汉翻译对应、英语和图片对应两种不同的方式,训练被试识别内隐学习任务中英语词汇。结果发现在二语条件下,视觉感知学习方式未能帮助学习者通过内隐方式习得形状语义区分。可能受到英语中形状语义未被语法编码的限制和输入量不足等因素的影响,视觉感知学习方式在二语条件下未能发挥作用,未来可对此深入研究。本研究表明,在使用母语学习的条件下,视觉感知学习方式对内隐学习形状语义具有促进作用,学习的知识可以迁移到新的项目,具有一定的概括性。研究结合了形状语义的感知互动特点,提出并初步验证了语义内隐学习的感知体验假设,拓展了对内隐学习方式的认识。(本文来源于《北京外国语大学》期刊2017-05-25）
形状学习论文开题报告
（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：
薛馨名师工作室的"六阶发现学习法"展示课共有叁节——《巧用形状》(薛馨)、《多媒体报告的动画效果》(李景花)、《书籍信息表的制作》(赵园园),其中《巧用形状》对这一方法的体现最为鲜明,故以此课为例做一个解读。各环节的逐一分析总体来说,《巧用形状》一课,旨在利用演示文稿中的形状工具,设计出不同的形象,如房子、树、人物等,在此过程中,掌握形状工具的应用。虽然是作品创作,看似与美术相
（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。
形状学习论文参考文献
[1].周燕,曾凡智,吴臣,罗粤,刘紫琴.基于深度学习的叁维形状特征提取方法[J].计算机科学.2019
[2].朱彩兰.基于“六阶发现学习法”的教学设计——兼评《巧用形状》课例[J].中国信息技术教育.2019
[3].马磊.基于机器学习的建筑物形状化简模型[D].兰州交通大学.2018
[4].王天.空间大型天线反射面形状调控系统的主动学习控制方法研究[D].西安电子科技大学.2018
[5].王瀚兴.基于自适应距离融合学习的形状检索方法研究[D].大连理工大学.2018
[6].于美玉.基于特征学习的形状识别方法[D].大连理工大学.2018
[7].冯爱静.依托场馆资源,促进科学学习——以《形状与结构》单元为例[J].湖北教育(科学课).2018
[8].马磊,闫浩文,王中辉,刘波,吕文清.机器自监督学习的建筑物面要素几何形状度量[J].测绘科学.2017
[9].范强,张善新.基于改进贝叶斯程序学习的物体形状分类[J].激光与光电子学进展.2017
[10].刘洋.视觉感知对中文母语者形状语义内隐学习的影响[D].北京外国语大学.2017