导读:本文包含了样本生成论文开题报告文献综述及选题提纲参考文献，主要关键词:指针式仪表,虚拟样本生成,小样本,先验知识
样本生成论文文献综述
马波,蔡伟东,郑凡帆[1]（2019）在《先验知识指导生成虚拟样本在指针式仪表识别上的应用》一文中研究指出为解决现有指针式仪表识别方法依赖于预处理的有效性且泛化能力不足的问题,提出一种基于深度卷积神经网络与虚拟样本结合的识别方法.该方法利用深度卷积神经网络自适应地提取仪表图像关键特征,避免无关信息的干扰;采用先验知识构建指针式仪表虚拟样本生成模型,解决深度卷积神经网络面临的小样本难题.仿真数据、实验数据和现场实际应用结果表明,文中方法是可行有效的,且比传统的指针定位方法识别效果更好,尤其在更换仪表、局部信息缺失等复杂情况下具有很好的鲁棒性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年09期）
李思琦,刘扬[2]（2019）在《基于生成对抗网络的遥感样本生成方法》一文中研究指出针对扩充建筑垃圾遥感图像样本集问题,本文基于Wasserstein对抗生成网络,在网络整体流程中加入结合自适应直方图均衡化与图像融合的对比度调整方法,并对网络内部模型生成器与判别器模型进行调整。经原始网络与改进网络生成图像试验后,使用CS-LBP算子与颜色直方图进行评估分析。试验证明,经过改进的WGAN网络生成图像有显着的纹理特征与颜色特征,均方根误差降低22.6%,更符合原始图像的特征分布,边界明显色块鲜明,符合现实世界遥感图像特点。可生成大量样本进行后续的基于大样本的建筑垃圾识别研究。(本文来源于《测绘通报》期刊2019年S2期）
朱宝,乔俊飞[3]（2019）在《基于AANN特征缩放的虚拟样本生成方法及其过程建模应用》一文中研究指出工业大数据时代的到来推动着智能数据挖掘领域的发展。然而,大数据中的小样本问题严重影响了数据驱动建模的精度。为了解决这一问题,本文提出一种基于自联想神经网络特征缩放的虚拟样本生成方法(FSAANN-VSG)。首先,从自联想神经网络(AANN)的特征层出发,扩缩变换小样本自联想网络模型的特征层信息,从而产生新的特征信息,随后经前向计算得到虚拟样本;所提方法采用AANN模型,一方面能够生成符合原始小样本知识的虚拟样本,另一方面能够去除样本间的噪声信息;最终实现样本量增加,同时有助提高模型的精度。为验证本文方法的有效性,首先采用UCI数据库中的Concrete Slump Test (CST)数据集,随后将所提的方法应用于乙烯生产过程建模,仿真结果验证了本文所提方法的有效性,加入虚拟样本后,模型的精度更高、鲁棒性更好。(本文来源于《计算机与应用化学》期刊2019年04期）
孔祥斌,沈志忠,陈树骏[4]（2019）在《基于生成对抗网络的铁路周界行人样本生成算法》一文中研究指出提出了一种基于生成对抗网络(GAN)的铁路周界行人样本生成算法,解决了深度网络训练时候,行人样本缺乏的问题。该算法在像素转换生成对抗网络(Pix2Pix GAN)和行人生成对抗网络(PS-GAN)的基础上,根据实际的铁路周界环境,进行了叁点改进。实验说明,该算法能够生成更逼真的行人,并且和背景的融合度更高。(本文来源于《铁道通信信号》期刊2019年07期）
钱亚冠,卢红波,纪守领,周武杰,吴淑慧[5]（2019）在《基于粒子群优化的对抗样本生成算法》一文中研究指出随着机器学习被广泛的应用,其安全脆弱性问题也突显出来。该文提出一种基于粒子群优化(PSO)的对抗样本生成算法,揭示支持向量机(SVM)可能存在的安全隐患。主要采用的攻击策略是篡改测试样本,生成对抗样本,达到欺骗SVM分类器,使其性能失效的目的。为此,结合SVM在高维特征空间的线性可分的特点,采用PSO方法寻找攻击显着性特征,再利用均分方法逆映射回原始输入空间,构建对抗样本。该方法充分利用了特征空间上线性模型上易寻优的特点,同时又利用了原始输入空间篡改数据的可解释性优点,使原本难解的优化问题得到实现。该文对2个公开数据集进行实验,实验结果表明,该方法通过不超过7%的小扰动量生成的对抗样本均能使SVM分类器失效,由此证明了SVM存在明显的安全脆弱性。(本文来源于《电子与信息学报》期刊2019年07期）
吴春志,冯辅周,吴守军,陈汤,江鹏程[6]（2019）在《一种有效的不均衡样本生成方法及其在行星变速箱故障诊断中的应用》一文中研究指出针对实际运行中行星变速箱故障数据较少、各个状态样本不均衡的问题,提出了由Wasserstein生成式对抗网络(WGAN)样本生成模型和卷积神经网络(CNN)分类模型组合的WGAN-CNN故障诊断分类模型。该模型对故障数据的频谱信号进行过采样,以扩展故障样本数量,从而更好地对故障状态进行分类。采用加州大学欧文分校人工数据集对WGAN生成模型以及经典过采样方法进行对比,并在行星变速箱故障试验台上进行验证。结果表明,样本不均衡会严重影响分类结果,而WGAN-CNN模型可以很好地扩充故障样本集,提高在故障样本稀少情况下的诊断准确率。(本文来源于《兵工学报》期刊2019年07期）
孙曦音,封化民,刘飚,张健毅[7]（2019）在《基于GAN的对抗样本生成研究》一文中研究指出深度卷积神经网络在图像分类、目标检测和人脸识别等任务上取得了较好性能,但其在面临对抗攻击时容易发生误判。为了提高卷积神经网络的安全性,针对图像分类中的定向对抗攻击问题,提出一种基于生成对抗网络的对抗样本生成方法。利用类别概率向量重排序函数和生成对抗网络,在待攻击神经网络内部结构未知的前提下对其作对抗攻击。实验结果显示,提出的方法在对样本的扰动不超过5%的前提下,定向对抗攻击的平均成功率较对抗变换网络提高了1.5%,生成对抗样本所需平均时间降低了20%。(本文来源于《计算机应用与软件》期刊2019年07期）
陈继林,陈勇,田芳,郭中华,李铁[8]（2019）在《基于LSTM算法的电网仿真样本生成方法》一文中研究指出为了提高电网仿真在线数据挖掘的泛化能力和快速判稳的准确率,提出一种基于长短期记忆网络(long short-term memory,LSTM)算法的电网仿真样本生成方法,搜集了电网仿真计算离线数据中的用户调整潮流行为数据,并进行处理。基于此数据利用LSTM算法搭建模型,并生成潮流调整策略,根据策略生成不同的运行方式数据,结合电网预想故障集和仿真计算生成电网仿真稳定样本,通过不同的样本数据,利用电网安全稳定快速判稳算法验证所提方法的可行性和有效性。(本文来源于《中国电机工程学报》期刊2019年14期）
韩毓[9]（2019）在《面向识别的人脸虚拟样本生成方法研究》一文中研究指出在人脸识别技术发展的二叁十年里,识别准确率日益增高,计算速率显着提升,许多问题得到了突破。但是,许多研究者都在致力于提高人脸识别率的问题上,而忽略了由于训练样本不足,导致识别率显着下降的小样本问题。特别是每个人只有一张人脸照片被注册到样本库中用于训练,一些识别算法不再适用,而另外一些算法的识别率将会大幅度下降。而在一些特殊的情景下,如刑侦执法等,单样本又是一个无法避免的问题。因此,本课题旨在对单样本人脸识别方法进行研究,通过设计生成虚拟样本的方法扩充训练集并通过设计鲁棒的特征提取方法保证识别的准确性。从单一人脸图像生成多姿态虚拟人脸图像始终是计算机视觉领域一个尚未有明确定义的综合性问题,如果生成规则制定不好,将造成虚拟样本的扭曲及伪影的出现。为了生成有效的即对识别有帮助的虚拟样本,本文提出了一种基于生成对抗网络的叁维人脸模型构建方法,以达到扩充训练样本集的目的,将单训练样本人脸识别问题转化为普通的多训练样本人脸识别问题。为了解决叁维人脸模型深度信息恢复不准确的问题,本文继而提出了一种基于流形排序的去噪平滑处理方法,用于生成真实感强烈的多姿态虚拟样本。本文在不同数据集上运用不同的算法进行了实验,验证了虚拟样本的有效性。本文提出了一种基于分块的人脸识别方法,称为基于异构图的多特征判别多流形分析。为了使图像块具有更加鲁棒的表示,本文对每个图像块提取多种特征。为了避免类内差异信息与类间差异信息的混淆问题,本文将生成的虚拟样本与单训练样本具有同一个语义的图像块的同一种表示作为一个流形进行判别特征提取。为了提高样本在子空间分布的判别能力,本文将异构图嵌入到判别准则中去,用来保留类内图像块的重建关系,抑制类间图像块的相似性关系。在最后的识别阶段,通过在每个子空间使用KNN分类器,利用融合投票方法确定最终的未知标签。本文在不同数据集上对算法进行了实验,验证了算法的优越性。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
李阳[10]（2019）在《基于人体行走轨迹的双足机器人步行样本生成与跟随研究》一文中研究指出在机械、控制、人工智能等关键科学技术领域飞跃发展的推动下,越来越多的服务型机器人出现在日常的生活场景中,实际情况中往往需要机器人能够跟随行走从而为人类提供服务,这就对机器人行走过程中适应环境的能力、行走低能耗等提出了更高的要求。人类所采用的双足步行方式,在经过长期的自然进化后具有良好的稳定性、协调性,本文通过运动捕捉系统捕捉到人体步行数据,分析人体步行运动轨迹,生成机器人步行样本,提取人体步行参数,实现双足机器人跟随行走。本文在通过人体步行捕捉实验得到步行数据后,利用线性插值以及几何求解方法补齐了缺失的数据,利用噪声点处单调性突变的性质除去了噪声数据,并通过踝关节轨迹提取到人体步行参数。从处理后的步行数据中,获得了平地步行、上楼梯、下楼梯路况下人体质心与踝关节的行走轨迹,分析得出其速度、加速度均符合正弦函数的规律,并进行了数据拟合验证。在行走步态时间对称参数的基础上利用左右踝关节行走轨迹定义了空间对称性参数,判断人体行走状态。利用质心与踝关节的连线,将人体简化作单质心倒立摆模型,该模型下的人体ZMP轨迹在行走过程中始终处于支撑区域内。同样将机器人简化作单质心倒立摆,规划ZMP轨迹,利用正弦函数对其质心与踝关节的速度或加速度进行规划,通过逆运动学解算得到机器人步行样本。在通过分析人体行走轨迹变化规律生成双足机器人步行样本的基础上,提出了跟随过程中机器人变速、变步态的平滑切换样本生成方法,在机器人变步长以及平地至上楼梯切换过程中,关节角位移、角速度以及角加速度均没有发生突变。为保证机器人稳定性和减少能量消耗提出了步行样本优化方法,选择行走过程中质心下降高度以及可变ZMP区域系数作为优化参数,利用一组步行样本验证了参数优化的有效性。针对机器人跟随样本的生成,提取到人体步行参数后,采用检索机器人步行样本库与在线生成步行样本组合的方法来实现。最后,建立双足机器人的虚拟样机模型,分别验证了双足机器人平地变步长以及平地至上楼梯的切换步态行走。根据采集的人体步行数据,提取步行参数,生成双足机器人跟随行走样本,进行了仿真。仿真结果表明基于人体行走轨迹的生成的跟随步行样本,可以实现双足机器人的跟随行走。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
样本生成论文开题报告
（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：
针对扩充建筑垃圾遥感图像样本集问题,本文基于Wasserstein对抗生成网络,在网络整体流程中加入结合自适应直方图均衡化与图像融合的对比度调整方法,并对网络内部模型生成器与判别器模型进行调整。经原始网络与改进网络生成图像试验后,使用CS-LBP算子与颜色直方图进行评估分析。试验证明,经过改进的WGAN网络生成图像有显着的纹理特征与颜色特征,均方根误差降低22.6%,更符合原始图像的特征分布,边界明显色块鲜明,符合现实世界遥感图像特点。可生成大量样本进行后续的基于大样本的建筑垃圾识别研究。
（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。
样本生成论文参考文献
[1].马波,蔡伟东,郑凡帆.先验知识指导生成虚拟样本在指针式仪表识别上的应用[J].计算机辅助设计与图形学学报.2019
[2].李思琦,刘扬.基于生成对抗网络的遥感样本生成方法[J].测绘通报.2019
[3].朱宝,乔俊飞.基于AANN特征缩放的虚拟样本生成方法及其过程建模应用[J].计算机与应用化学.2019
[4].孔祥斌,沈志忠,陈树骏.基于生成对抗网络的铁路周界行人样本生成算法[J].铁道通信信号.2019
[5].钱亚冠,卢红波,纪守领,周武杰,吴淑慧.基于粒子群优化的对抗样本生成算法[J].电子与信息学报.2019
[6].吴春志,冯辅周,吴守军,陈汤,江鹏程.一种有效的不均衡样本生成方法及其在行星变速箱故障诊断中的应用[J].兵工学报.2019
[7].孙曦音,封化民,刘飚,张健毅.基于GAN的对抗样本生成研究[J].计算机应用与软件.2019
[8].陈继林,陈勇,田芳,郭中华,李铁.基于LSTM算法的电网仿真样本生成方法[J].中国电机工程学报.2019
[9].韩毓.面向识别的人脸虚拟样本生成方法研究[D].哈尔滨工业大学.2019
[10].李阳.基于人体行走轨迹的双足机器人步行样本生成与跟随研究[D].哈尔滨工业大学.2019