导读:本文包含了鉴别算法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,人脸识别,低秩表示,变换算法
鉴别算法论文文献综述
崔娟娟,张蕾,侯谢炼,陈才扣,张海燕[1]（2019）在《基于鉴别性低秩表示的2阶段人脸识别算法》一文中研究指出针对图像训练样本中存在噪声等情况,提出一种基于鉴别性低秩表示的2阶段人脸识别算法。该算法第1阶段是对所有训练样本进行低秩处理,筛选出M类与测试样本最相近的样本用于粗分类;第2阶段使用第1阶段筛选出来的样本做鉴别性低秩表示处理,并使用稀疏线性表示进行精细分类,决定测试样本最适合的类标签。本算法结合了低秩算法与稀疏算法的优点,在标准人脸库上的实验表明本算法表现优越。(本文来源于《计算机与现代化》期刊2019年12期）
袁哲,孙延君,陈亮[2]（2019）在《基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法》一文中研究指出针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题,提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法.该算法主要基于图像的局部纹理特征,先提取计算机生成图像和自然图像的特征向量,再将该特征利用SVM分类器进行分类.实验结果表明,该算法可有效地鉴别计算机生成图像和真实图像.(本文来源于《吉林大学学报(理学版)》期刊2019年06期）
胡梦琪,郑继明[3]（2019）在《基于量化颜色特征和SURF检测器的图像盲鉴别算法》一文中研究指出针对现有图像复制粘贴篡改检测中提取的特征对于彩色图像内容描述不全面且匹配时间过长的问题,研究了运用量化颜色特征和SURF检测器的数字图像盲鉴别算法。该算法在特征提取过程中将HSV模糊量化颜色特征和SURF检测器结合,形成全面描述彩色图像内容的FCQ-SURF特征,并在特征匹配阶段将K-Means聚类和KNN方法结合来提高匹配效率。实验结果显示,在CASIA 1.0和FAU彩色图像测试库上,所提算法能很好地检测和定位彩色图像的复制粘贴篡改,在图像的多重篡改攻击和多区域篡改方面也得到了很好的检测效果。实验数据结果说明,该算法对彩色图像复制粘贴篡改检测的正确率较高,且匹配时间较有优势。(本文来源于《计算机科学》期刊2019年S2期）
陈至坤,黄微,程朋飞,沈小伟,王福斌[4]（2019）在《叁维荧光光谱结合组合算法在环境污染监测中的应用：油种鉴别与定量分析（英文）》一文中研究指出针对油类污染物成分复杂,光谱重迭难以识别的问题,提出采用叁维荧光光谱结合组合算法对油类污染物进行了定性和定量分析。荧光光谱中存在的瑞利散射对叁维荧光光谱检测有较大影响,提出了缺损数据修复-主成分分析(MDR-PCA)方法对矿物油叁维荧光光谱的瑞利散射进行处理,原理是单个荧光光谱激发发射矩阵符合双线性,可用主成分分析(PCA)法来解析。MDR-PCA法首先将荧光数据中的散射干扰数据全部扣除,之后利用主成分分析(PCA)迭代过程对扣除数据进行重构修复后补全数据。该方法在消除散射干扰的同时充分利用了荧光物质光谱矩阵中的有效信息。利用不同浓度的矿物油的激发-发射荧光光谱构建了叁维数据。样品数据来源于柴油、汽油和煤油叁种溶质的四氯化碳溶液。常用于叁维荧光光谱数据分析的叁线性分解算法有平行因子分析(PARAFAC)、交替叁线性分解(ATLD)和自加权交替叁线性分解算法(SWATLD)等。PARAFAC基于严格意义上的最小二乘原则,具有抗噪声强、模型稳定、微小预期误差等优点,可以实现叁维数据阵列的最佳拟合,但该算法收敛速度较慢,对组分数敏感。ATLD算法通过提取对角主元和切尾奇异值求解广义逆,极大提高了收敛速度并降低了对组分数的敏感度,从而实现叁线性分解。然而,取对角元时易使ATLD方法对噪声敏感。SWATLD算法既继承了对组分数不敏感、收敛速度快等优点,又降低了噪声水平的影响。但是在抗共线程度方面, SWATLD算法在抵抗共线性程度方面的能力较ATLD略有降低。基于此,论文根据叁线性分解算法迭代过程中损失函数的变化,对迭代过程进行划分,提出了叁线性迭代方法的组合算法(algorithm combination methodology, ACM)—将ATLD, SWATLD与PARAFAC组合在一起,充分发挥各算法的优点,实现二阶校正算法的优势互补。采用ACM算法对两组分及叁组分矿物油样品的叁维荧光光谱数据进行解析,并对叁种矿物油的回收率进行了计算。柴油的回收率为97.08%,汽油的回收率为97.34%,煤油的回收率为97.25%。解析光谱和回收率表明, ACM算法能够实现油类污染物的种类识别及浓度测量。(本文来源于《光谱学与光谱分析》期刊2019年10期）
何勇,郑启帅,张初,岑海燕[5]（2019）在《基于中红外光谱和化学计量学算法鉴别核桃产地及品种》一文中研究指出为探究中红外光谱快速检测核桃产地和品质的可行性,基于中红外光谱分析技术,并将化学计量学的算法应用于中红外光谱判别分析之中,对中国四大核桃主产区的10类主要核桃品种进行检测,取得较好效果。通过提取核桃粉末的光谱透射率,去除原始光谱首尾部分的明显噪声,对保留的700～3 450 cm~(-1)范围的光谱采用小波分析(wavelet transform, WT)算法进行去噪预处理,并采用无信息变量消除结合连续投影算法(UVE-SPA)提取光谱特征波数,采用主成分分析法(PCA)对光谱定性分析,基于反向传播神经网络(BPNN)、极限学习机(ELM)、随机森林(RF)、径向基函数神经网络(RBFNN)及偏最小二乘判别分析(PLS-DA)对全谱和特征波数建模对比。在4类不同产地核桃判别中,得到12个特征波数:803, 1 355, 1 418, 1 541, 1 580, 1 727, 1 747, 1 868, 2 338, 2 462, 2 824和3 166 cm~(-1),基于特征波数分类的正确率高于全谱的分类结果, BPNN算法结合特征波数建模得到的识别正确率高达97%, RF算法分类判别效果最差,正确率仅69.70%;在10类不同品种判别中,得到10个特征波数:903, 1 275, 1 507, 1 541, 1 563, 1 671, 1 868, 2 311, 2 845和3 437 cm~(-1),基于特征波数分类的正确率依然高于全谱的分类结果, BPNN算法结合特征波数建模得到的识别正确率高达83.3%。在特征波数通用性方面,两组特征波数范围中有2个特征波数相同:1 541和1 868 cm~(-1),其他大多特征波数也都相近,将10类品种特征波数作为输入变量对4类不同产地的核桃进行分类,分类结果较差,因此,在10类品种监督值下选取的特征波数无法适用于4类产地的判别问题,由此推断,即使是同一原始数据,基于不同判别问题得到的特征波数在建模时通用性较差。结果表明,经UVE-SPA算法提取特征波数后,变量数可减少99%以上,有效地简化了模型,减少计算量,提高预测的稳定性;总体上,每个分类器的表现为:BPNN>RBFNN>ELM>PLS-DA>RF;基于小波变换结合特征波数选取和反向传播神经网络算法能有效地实现核桃的产地和品种识别。(本文来源于《光谱学与光谱分析》期刊2019年09期）
邵琦,陈云浩,杨淑婷,赵逸飞,李京[6]（2019）在《基于随机森林算法的玉米品种高光谱图像鉴别》一文中研究指出玉米品种直接影响到玉米的产量和品质,事关农业收入和食品安全,因此,如何准确、高效、无损地鉴别玉米品种具有重要意义。该文基于高光谱成像系统采集3个品种共600粒玉米在533～893.4 nm波段(共146个波段)范围的高光谱图像,对其进行校正和预处理,利用Boruta算法筛选有效波段。在全波段、全波段和纹理信息、有效波段以及有效波段和纹理信息4种特征组合下,利用随机森林算法进行玉米品种识别研究。结果表明:4种特征组合下,随机森林的平均分类准确率达76.25%,Kappa系数均在0.6以上,分类效果均优于传统的偏最小二乘判别分析方法;从4种特征组合的分类结果看,融合纹理信息的随机森林判别模型识别精度显着提升,分类准确率达77.20%,Kappa系数在0.64以上;基于有效波段和纹理信息判别模型的分类准确率达78.30%,Kappa系数为0.675。由此可见,有效波段和纹理信息特征组合下的随机森林算法能充分利用高光谱图像的光谱和纹理信息,准确地鉴别玉米品种,为玉米品种的自动识别提供了一种新方法。(本文来源于《地理与地理信息科学》期刊2019年05期）
郭云香,陈龙,李晓瑾,王果平,蒋益萍[7]（2019）在《基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花》一文中研究指出目的利用近红外漫反射光谱(near-infrared reflectance spectroscopy,NIRS)法,结合主成分分析(principal component analysis,PCA)和支持向量机(support vector machine,SVM)联用算法,建立PCA-SVM的NIR模式识别模型,用于国产和进口啤酒花的快速鉴别。方法收集上述不同产地的啤酒花样品,制备成均匀粉末,在4 000～12 500 cm~(-1)光谱区,采集各样品粉末的NIR光谱,选取特征谱段9 000～4 100 cm~(-1)为建模谱段,分别采用不同光谱预处理方法进行预处理并分别进行PCA降维。根据2维主成分平面散点图,优选最佳预处理方法。利用最佳预处理方法处理后的光谱PCA降维数据,建立SVM模式识别模型,SVM模型参数采用网格搜索法、遗传算法(GA)、粒子群优化法(PSO)进行寻优。对比不同主成分数所建PCA-SVM模型的预测准确率,确定最佳的主成分数,最终建立PCA-SVM的NIR快速鉴别模型。结果在6500～5400 cm~(-1)谱段,以一阶导数法(first derivative,FD)为最佳光谱预处理方法,PCA提取的光谱前8个主成分为最佳主成分,并经网格搜索法确定最佳SVM内部参数:惩罚因子c=2,核函数参数g=1,建立啤酒花PCA-SVM鉴别模型,该模型五折交叉验证准确率达97.37%,对校正集和测试集样品预测准确率均分别为97.37%和97.44%。结论啤酒花NIRS光谱,进行PCA-SVM算法建模,模型预测准确率高、性能佳,可用于啤酒花样品的快速、无损鉴别。(本文来源于《药学实践杂志》期刊2019年04期）
荆栎菊[8]（2019）在《面向自然图像和计算机生成图像鉴别的机器学习算法研究》一文中研究指出随着数字媒体技术快速发展,人们可以利用复杂数学模型生成高度逼真的计算机合成图像,这极大地促进了虚拟现实技术的发展,但同时也带来了数字图像的真实性鉴别等安全问题。如何区分采集自真实场景的自然图像和计算机生成的强真实感虚拟图像是目前数字图像真实性鉴别中的重要课题之一。已有方法中大多采用传感器模式噪声作为图像取证特征,但其中滤波降噪算子和描述模式噪声的纹理特征表达能力不足。本文结合双树复小波(Dual-Tree Complex Wavelet Transform,DT-CWT)与机器学习中的支持向量机(Support Vector Machine,SVM)和深度卷积神经网络(Deep Convolutional Neural Network,DCNN)等理论和方法,提出了一套解决方案。具体研究工作如下:1·提出了一种基于双树复小波域与支持向量机的自然图像和计算机生成图像区分算法。该算法首先利用降噪算子得到图像的传感器模式噪音,并使用奇异值分解(Singular Value Decomposition,SVD)进行增强处理。然后在双树复小波变换基础上,提取每个子带的能量和偏差作为特征。最后利用SVM进行分类。实验结果表明,该方法不但提取的特征维度较低,而且精确度较高。2.提出了一种基于深度卷积神经网络的自然图像和计算机生成图像鉴别算法。在预处理阶段,运用算法1中的降噪算子生成模式噪声图像。在特征提取阶段,利用本文设计的8层深度卷积神经网络对模式噪音图像进行特征提取。最后选用SVM和SoftMax作为分类器。实验结果表明,相比现有文献,本算法具有网络结构简单和训练速度快等优点,且取得较高精确度。3.提出了一种基于迁移学习的自然图像和计算机生成图像识别算法。本算法首先运用1中的降噪算子生成模式噪声图像,然后以微调的方式将AlexNet、VGG16、ResNetl8叁个预训练模型在小规模的图像集上进行参数移植再训练。通过实验验证,利用训练好的深度神经网络进行参数微调后解决本文的图像识别问题,不但能够适应小样本数据的需求,而且可以达到更高的准确率。(本文来源于《西安理工大学》期刊2019-06-30）
曹洁,解博江,李伟,王进花[9]（2019）在《基于特征鉴别性分析的变尺度核相关滤波跟踪算法》一文中研究指出针对核相关滤波跟踪算法对场景依赖及无法适应目标尺寸变化问题,提出了一种特征鉴别性选择分析的变尺度核相关滤波跟踪算法。在核相关滤波跟踪框架内,提取目标的颜色、纹理、梯度特征,建立样本集合,以最小均方损失函数设定各特征样本权重,鉴别性地选择出最优和次优的两种特征进行自适应融合。在此基础上,利用高斯金字塔构建一维尺度相关响应滤波器,对目标的尺度变化进行估计;通过主旁瓣均值比对融合后的跟踪结果进行评判,实现模板的差异化更新。理论分析和实验表明:所提算法在遮挡及光照变化场景具有较高的跟踪精度并对目标的尺度变化具有一定的估计能力。(本文来源于《传感器与微系统》期刊2019年06期）
杨俊川,蒋同,张国庆[10]（2019）在《基于协同表示标签传播的半监督正交鉴别分析算法》一文中研究指出近年来由于其表示的有效性,基于表示的分类方法,例如稀疏表示分类器(SRC)或者协同表示分类器(CRC)被广泛的应用于各种各样的识别任务.但是,SRC或者CRC的性能严重依赖于每类带标签训练样本的个数,当每类带标签的训练样本不够充分,SRC或者CRC的识别性能将会显着地下降.为了解决这个问题,文章[34]把协同表示技术引入到半监督学习方法中,提出了一种基于协同表示的标签传播算法,有效的利用了大量未标记样本的信息来进行标签传播.受此启发,把这种标签传播算法与正交鉴别分析算法相结合,提出了一种基于协同表示标签传播的半监督正交鉴别分析算法,目的是为了学习一个更好的鉴别子空间.不同于传统的半监督降维方法,所提算法首先利用这种标签传播算法将部分有标签数据的标签信息传递给不带标签的数据,之后利用传播后获得的全体软标签信息构造离散度矩阵实现鉴别分析,其次对鉴别投影施加正交约束,采用一种更加有效快速的迹比优化算法进行鉴别分析.大量的实验结果验证了所提算法的有效性.尤其在只存有少量标签样本的情况下,算法仍能保持良好的分类性能.(本文来源于《聊城大学学报(自然科学版)》期刊2019年03期）
鉴别算法论文开题报告
（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：
针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题,提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法.该算法主要基于图像的局部纹理特征,先提取计算机生成图像和自然图像的特征向量,再将该特征利用SVM分类器进行分类.实验结果表明,该算法可有效地鉴别计算机生成图像和真实图像.
（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。
鉴别算法论文参考文献
[1].崔娟娟,张蕾,侯谢炼,陈才扣,张海燕.基于鉴别性低秩表示的2阶段人脸识别算法[J].计算机与现代化.2019
[2].袁哲,孙延君,陈亮.基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法[J].吉林大学学报(理学版).2019
[3].胡梦琪,郑继明.基于量化颜色特征和SURF检测器的图像盲鉴别算法[J].计算机科学.2019
[4].陈至坤,黄微,程朋飞,沈小伟,王福斌.叁维荧光光谱结合组合算法在环境污染监测中的应用：油种鉴别与定量分析（英文）[J].光谱学与光谱分析.2019
[5].何勇,郑启帅,张初,岑海燕.基于中红外光谱和化学计量学算法鉴别核桃产地及品种[J].光谱学与光谱分析.2019
[6].邵琦,陈云浩,杨淑婷,赵逸飞,李京.基于随机森林算法的玉米品种高光谱图像鉴别[J].地理与地理信息科学.2019
[7].郭云香,陈龙,李晓瑾,王果平,蒋益萍.基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花[J].药学实践杂志.2019
[8].荆栎菊.面向自然图像和计算机生成图像鉴别的机器学习算法研究[D].西安理工大学.2019
[9].曹洁,解博江,李伟,王进花.基于特征鉴别性分析的变尺度核相关滤波跟踪算法[J].传感器与微系统.2019
[10].杨俊川,蒋同,张国庆.基于协同表示标签传播的半监督正交鉴别分析算法[J].聊城大学学报(自然科学版).2019