导读:本文包含了先验模型论文开题报告文献综述及选题提纲参考文献，主要关键词:先验信息库,复杂电磁环境,雷达辐射源,模糊函数主脊切面
先验模型论文文献综述
普运伟,马蓝宇,郭媛蒲,侯文太[1]（2019）在《基于先验信息库的多源混合信号快速识别模型》一文中研究指出先验信息库识别是雷达信号分选的前置环节,可以有效提高前端处理效率并指导未知信号分选识别。随着复杂体制雷达大规模应用,信号参数空间严重交迭,传统处理方法面临严峻考验。该文提出一种结合传统脉冲描述字、瞬时频率特征及模糊函数主脊切面特征的先验信息库构建方法,首先,对信号进行多维度表征,然后,使用相像系数度量特征间相似性,最后,利用具备有效性评价的核模糊聚类算法对未知信号进行自动聚类。实验结果表明,所提方法可在传统方法几乎失效的情况下有效稀疏多源混合雷达信号,准确过滤未知信号,并为未知信号分选提供指导。(本文来源于《西北大学学报(自然科学版)》期刊2019年04期）
张秀,周巍,段哲民,魏恒璐[2]（2019）在《基于专家场先验模型的图像超分辨重建算法》一文中研究指出为了进一步提高图像超分辨率重建的质量,针对非局部集中稀疏表示算法中重建图像的噪声问题,提出了一种基于专家场先验模型的图像超分辨率重建改进算法。首先,利用专家场模型从图像训练集中学习整幅图像的先验知识建立全局先验模型;然后将学习到的先验信息用于非局部集中稀疏表示模型求解最优稀疏表示系数;最后,得到高分辨率图像估计。该算法在超分辨率重建迭代运算的同时,同步更新专家场模型参数,因此在不显着增加运算复杂度的情况下,通过选取合适的先验约束,有效地增强了图像重建的效果。实验结果表明:相比非局部集中稀疏表示算法,文中算法对无噪和有噪降质图像均能取得较好的峰值信噪比结果,并且能够进一步提高有噪图像的去噪效果。(本文来源于《红外与激光工程》期刊2019年06期）
薛建华,刘超,赵瑞[3]（2019）在《先验光压模型对Galileo卫星产品性能的影响分析》一文中研究指出光压模型的精确与否对导航卫星的定轨精度起着至关重要的影响.为了分析先验光压模型对Galileo卫星轨道和钟差解算精度的影响,本文利用Galileo/GPS联合数据处理策略对比了先验光压模型加入前后,IOV(In Orbit Validation)卫星和FOC(Full Operational Capability)卫星轨道和钟差解算精度的改善情况.结果显示,先验光压模型对IOV卫星定轨精度改善显着,尤其表现在径向方向,与COM轨道产品比较,定轨精度为1.6 cm,改善率达到68.6%;先验光压模型对FOC卫星定轨精度的改善效果不如IOV卫星,但同样提高了FOC卫星的定轨精度,与COM轨道产品比较,径向定轨精度2.6 cm,改善率为29.7%.此外,先验光压模型也显着改善了IOV卫星和FOC卫星钟差解算的STD结果,与COM钟差产品比较,改善率分别为44%和37%.(本文来源于《地球物理学进展》期刊2019年03期）
邵旭慧,裴继红,赵阳[4]（2019）在《基于边界先验双模型贝叶斯决策的红外图像海天线检测》一文中研究指出为了解决红外图像在复杂海面干扰下的海天线检测问题,本文提出了一种基于边界先验双模型贝叶斯决策的海天线检测方法。该方法首先将海空背景下的红外图像划分为子图像块,以子图像块的离散余弦变换的主余弦谱作为子图像块特征;然后,基于边界先验建立了海、天子图像块的贝叶斯决策模型,对海、天子图像块进行粗划分;之后,利用粗划分的子图像块集合建立细划分贝叶斯决策模型,利用重迭子图像块滑动细划分方法,获取海天线上候选点;最后,利用随机抽样一致性(RANSAC)算法得到海天线模型参数,实现海天线的检测。实验结果表明,该方法能有效检测出复杂海空背景下的海天线,对于海杂波、亮斑等干扰较多的复杂红外图像具有更优的检测效果,运算速度较快。(本文来源于《信号处理》期刊2019年05期）
冀晓慧[5]（2019）在《结合生物信息先验的贝叶斯压缩模型在遗传关联研究中的应用》一文中研究指出背景随着高通量测序技术的快速发展,产生了大量外显子测序(whole exome sequencing,WES)和全基因组测序(whole genome sequencing,WGS)数据,为研究者们探索与复杂疾病/性状关联的常见变异(common variance,CV)或稀有变异(rare variance,RV)提供了更多机会。但面对快速涌现的遗传数据,虽然已有很多遗传关联研究的方法被提出,但由于检验功效的缺乏,从海量变异中发现与复杂疾病关联的致病变异依然是有限的,统计方法依然面临巨大挑战。近年来有研究者提出,提高遗传变异检验效能的一种方法是将SNPs(Single Nucleotide Polymorphisms)的生物学信息以先验形式结合到统计模型中并用于遗传关联研究中。而且,随着生物信息学技术的发展,大量公共生物信息功能数据库的出现,为遗传变异提供了多种生物信息先验。因此,本研究鉴于目前遗传关联研究效能低的问题,将生物信息先验评分结合到贝叶斯压缩模型来识别SNPs,并应用于遗传关联研究中,与常规统计方法比较,为提高复杂疾病关联SNPs的发现率提供方法学支持。方法本研究采用结合生物信息先验的贝叶斯压缩模型进行遗传关联研究。在无压缩(即采用大尺度参数,相当于没有压缩的情景)、对所有SNPs给予固定压缩以及包含生物信息先验评分的变异特异性压缩叁种情景下,探索结合先验信息的贝叶斯压缩模型的性能,并与线性模型或Logistic回归模型比较。其中每个SNP的变异特异性压缩参数值由SIFT、Regulome DB和CADD(Combined Annotation Dependent Depletion)3个生物信息数据库预测,并且将预测评分以线性方式插入到压缩参数范围内。所有情景被应用到遗传分析工作组19(Genetic Analysis Workshop 19,GAW19),包括一个连续型模拟表型数据和一个二分类真实表型数据。GAW19来自德克萨斯州医学研究中心。本研究选取的连续型表型数据为200个模拟表型数据之一,共包含1943个观测,表型为模拟的收缩压,且与真实收缩压相关。遗传变异数据来自3号染色体,剔除最小等位基因频率(Minor Allele Frequency,MAF)小于0.01和哈迪温伯格平衡(Hardy-Weinberg Equilibrium,HWE)小于0.05的SNPs后共获得4907个SNPs,选取与模拟收缩压(systolic blood pressure,SBP)表型关联最强的4个SNPs,并随机选取了6个无关联SNPs,映射到所在连锁不平衡(linkage disequilibrium,LD)区域后,共得到2个“True block”和6个无关联LD区域上的115个SNPs。研究以“True block”的平均排名作为模型评价指标,并探索“Top block”的方差比与“True block”的平均排名作为模型评价指标的一致性。理论上,“True block”的平均排名越靠前,模型的性能越好。“Top block”的方差比越大,模型的性能越好。本研究选取的二分类表型数据是来自GAW19中的一个真实测序数据,表型为真实的高血压(有/无)。排除92例表型缺失者后余1851条观测,其中病例427人,对照1424人。基于通路策略,选取肾素-血管紧张素-醛固酮系统(renin-angiotensin-aldosterone system,RAAS)中的96个基因,映射到GAW19的奇数染色体后共获取12251个SNPs,剔除MAF<0.01和HWE<0.05的SNPs后最终得到249个LD区域上的318个SNPs。由于真实二分类表型数据事先未知真关联的SNPs,因此,只将“Top block”的方差比作为二分类表型数据的模型评价指标。结果1.连续型模拟表型数据集中,在无压缩情景下,贝叶斯压缩模型和线性模型中“True block”的最佳平均排名均为5.00;对所有SNPs给予固定压缩时,随着压缩参数等级的变化,贝叶斯压缩模型中的平均排名大于5.00。但对贝叶斯压缩模型中的每个SNP应用由CADD评分定义的变异特异性压缩时,“True block”的最佳平均排名为4.50,线性模型的平均排名为5.00。但贝叶斯压缩模型结合SIFT评分和RegulomeDB评分时,最佳平均排名分别为5.50和14.50;2.在变异特异性压缩情景下,当“True block”的平均排名最优时,压缩上界均为0.001,下限从0.0001到0.000001,并且达到最优压缩范围时,“Top block”的方差比也均达到最大值5557.50。3.二分类真实表型数据集中,当采用CADD先验评分作为变异特异性压缩时,由“Top block”的方差比确定的最优压缩参数上限也为0.001。且在最优压缩范围下,贝叶斯压缩模型识别出15个高血压关联SNPs,而Logistic回归模型识别出11个,两种方法的结果中共有9个SNPs重迭,提示贝叶斯压缩模型可能有更大的检验效能。结论1.采用变异特异性压缩的贝叶斯压缩模型在检出关联SNPs的能力方面优于线性模型和Logistic回归模型。而对所有SNPs执行固定压缩或不压缩时,贝叶斯压缩模型并不会比常规统计方法有更好的效果。2.结合CADD评分的贝叶斯压缩模型在应用于遗传关联研究时表现出良好的性能,提示在遗传关联研究中,采用CADD数据库对遗传变异进行生物功能评分预测,并将该评分作为遗传变异的生物信息先验是恰当的。3.“Top block”的方差比和“True block”的平均排名相关,“Top block”的方差比最大时,模型也达到最优压缩范围。因此,实际研究中,“Top block”的方差比可替代“True block”的平均排名作为寻找最优压缩参数的良好指标。(本文来源于《广东药科大学》期刊2019-05-19）
瞿锡垚,刘学军,张礼[6]（2019）在《一种增加先验知识库的贝叶斯网络推理模型》一文中研究指出贝叶斯网络作为一种不确定知识表示网络,由网络结构和各节点的条件概率表组成,在解决系统决策问题方面具有先天的理论优势。目前在大多数贝叶斯网络的应用中,各节点条件概率表的产生均是以人工输入的方式完成,这在一些拥有较多网络节点的复杂背景中,需要巨大的人工消耗,效率低下。针对这一问题,提出一种增加先验知识库的贝叶斯网络推理模型。根据具体的建模问题创建先验知识库,在该先验知识库下对网络节点进行类别标记,然后根据局部马尔可夫性自动生成各节点的条件概率表。在贝叶斯网络推理任务中,使用在精确推理任务中处理速度快、应用最为广泛的联结树算法,并使用Hugin算法完成消息的传递。最后通过一个贝叶斯网络实例验证了整个模型的处理流程。(本文来源于《计算机技术与发展》期刊2019年08期）
瞿庆亮,常晓涛,于胜文,朱广彬[7]（2019）在《利用先验重力场模型求定GOCE卫星重力梯度仪校准参数》一文中研究指出重力梯度仪校准参数的确定是GOCE重力梯度观测数据处理的关键环节。本文对GOCE卫星重力梯度观测值中的时变信号与粗差进行了分析,利用高精度全球重力场模型,确定了GOCE重力梯度观测值各分量的尺度因子与偏差,并对校准结果进行了精度评定。结果表明,在测量带宽内,海潮对重力梯度观测值影响在mE量级,与重力梯度仪的精度水平相当,陆地水等非潮汐重力场时变信号略小于海潮,量级约为10~(-4)E;各分量重力梯度观测值的粗差比例均大于0.2%;除EGM96模型外的其他模型对GOCE重力梯度仪进行校准后,V_(xx)、V_(yy)、V_(zz)、V_(yz)分量上尺度因子的稳定性均在10~(-4)量级,V_(xz)分量能达到10~(-5)量级,V_(xy)分量为10~(-2)量级,这与梯度观测值各分量的精度水平一致。(本文来源于《测绘学报》期刊2019年02期）
兰传琳,方佩章,何楚[8]（2019）在《基于先验模型优化的无人机遥感图像中几何轮廓目标检测方法》一文中研究指出无人机拍摄的低空遥感图像比普通遥感图像有更高的分辨率和更多细节,但它们也容易受到各种降质因素,尤其是光照的影响,给提取目标轮廓的任务带来了巨大的挑战。较强的降质因子可导致低空遥感图像部分轮廓信息的丢失,导致传统轮廓检测方法无法检测到完整的轮廓。为解决这一问题,以光伏板边缘检测为例,提出了一种基于先验模型优化的轮廓目标提取算法。该算法根据目标轮廓的几何形状先验生成轮廓模板,然后匹配初步检测到的不完整轮廓的和轮廓模板的关键点,最后根据相应的关键点的坐标对轮廓模板进行优化,得到完整的轮廓。实验结果表明,本算法相较于Canny边缘检测算法和基于深度学习的HED算法能更好地克服降质因素的影响,检测到完整的轮廓。(本文来源于《电视技术》期刊2019年01期）
仁青诺布,王佳君,翟东海[9]（2018）在《先验置信传播模型的图像修复改进算法》一文中研究指出先验置信传播(priority-BP)算法很难在实际中达到实时处理的要求,计算效率也有很大的提升空间。针对先验BP算法在图像修复上的应用,改进算法主要在信息传递方面,提出改进措施。即在算法迭代过程中快速更新目标区域图像信息的同时,加入对各节点相似程度的比较,对相似程度高的节点完成聚类合并,使节点在后续迭代过程中,节点所能代表的范围增加。相应地节点在组建更新标签集时,所用标签的尺寸也会增加。取得提高标签裁剪效率,加快信息传递收敛速度的目的。将改进算法用于实例验证,其结果表明该算法在不损失图像修复精度同时,提高了图像修复的效率。(本文来源于《高原科学研究》期刊2018年04期）
李安迪,刘祎,张权,桂志国[10]（2018）在《各向异性加权先验模型MAP投影域降噪》一文中研究指出低剂量计算机断层扫描技术(Low-Dose Computed Tomography,LDCT)降低了X射线对人体的辐射,但射线剂量降低造成重建图像中存在严重的伪影和噪声,对临床医学诊断有很大干扰。针对此问题,提出一种改进的各向异性加权先验模型的最大后验(Maximum A Posteriori,MAP)投影域降噪算法。该算法考虑到直觉模糊熵能够有效区分平滑区域和边缘细节区域,将其与传统的各向异性扩散系数相结合,构造了一种新的扩散系数,并采用局部方差实现其自适应调节;最后将该扩散系数融合于基于Huber先验的MAP优化估计算法框架中,实现对投影数据不同区域进行不同强度的降噪处理。该算法分别采用数字骨盆模型、Shepp-Logan头模型和数字胸腔模型叁种体模进行验证,并与滤波反投影重建算法(Filter Back Projection,FBP)、惩罚重加权最小二乘法(Penalized Reweighted Least-Squares,PRWLS)、各向异性加权先验正弦图平滑算法进行对比。实验结果表明,利用所提算法重建出的图像中伪影明显减少,同时较好地保持了图像的边缘和细节信息。叁种体模的信噪比分别为20.502 0 dB、23.294 8 dB、21.018 4 dB,所需时间分别为49.50 s、49.60 s、8.59 s。(本文来源于《计算机工程与应用》期刊2018年22期）
先验模型论文开题报告
（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：
为了进一步提高图像超分辨率重建的质量,针对非局部集中稀疏表示算法中重建图像的噪声问题,提出了一种基于专家场先验模型的图像超分辨率重建改进算法。首先,利用专家场模型从图像训练集中学习整幅图像的先验知识建立全局先验模型;然后将学习到的先验信息用于非局部集中稀疏表示模型求解最优稀疏表示系数;最后,得到高分辨率图像估计。该算法在超分辨率重建迭代运算的同时,同步更新专家场模型参数,因此在不显着增加运算复杂度的情况下,通过选取合适的先验约束,有效地增强了图像重建的效果。实验结果表明:相比非局部集中稀疏表示算法,文中算法对无噪和有噪降质图像均能取得较好的峰值信噪比结果,并且能够进一步提高有噪图像的去噪效果。
（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。
先验模型论文参考文献
[1].普运伟,马蓝宇,郭媛蒲,侯文太.基于先验信息库的多源混合信号快速识别模型[J].西北大学学报(自然科学版).2019
[2].张秀,周巍,段哲民,魏恒璐.基于专家场先验模型的图像超分辨重建算法[J].红外与激光工程.2019
[3].薛建华,刘超,赵瑞.先验光压模型对Galileo卫星产品性能的影响分析[J].地球物理学进展.2019
[4].邵旭慧,裴继红,赵阳.基于边界先验双模型贝叶斯决策的红外图像海天线检测[J].信号处理.2019
[5].冀晓慧.结合生物信息先验的贝叶斯压缩模型在遗传关联研究中的应用[D].广东药科大学.2019
[6].瞿锡垚,刘学军,张礼.一种增加先验知识库的贝叶斯网络推理模型[J].计算机技术与发展.2019
[7].瞿庆亮,常晓涛,于胜文,朱广彬.利用先验重力场模型求定GOCE卫星重力梯度仪校准参数[J].测绘学报.2019
[8].兰传琳,方佩章,何楚.基于先验模型优化的无人机遥感图像中几何轮廓目标检测方法[J].电视技术.2019
[9].仁青诺布,王佳君,翟东海.先验置信传播模型的图像修复改进算法[J].高原科学研究.2018
[10].李安迪,刘祎,张权,桂志国.各向异性加权先验模型MAP投影域降噪[J].计算机工程与应用.2018