导读:本文包含了时空兴趣点论文开题报告文献综述及选题提纲参考文献，主要关键词:无桩共享单车,兴趣点,聚类,流动网络
时空兴趣点论文文献综述
张芳,陈彬,汤杨华,董健,艾川[1]（2019）在《基于兴趣点聚类的无桩共享单车时空模式分析》一文中研究指出城市无桩共享单车发展迅猛,其方便快捷、经济高效的特点受到人们的推崇。它们产生的数字足迹揭示了城市范围内人们在时间和空间上的活动,使利用共享单车对城市中人们的活动进行定量分析成为可能。利用采集的北京市无桩共享单车数据,提出了一种基于城市兴趣点聚类的方法,对城市空间进行划分,构建城市共享单车的流动网络,并从不同的角度分析单车流动的时空模式。本文的研究有助于了解城市居民的出行特点,帮助城市相关管理人员设计和规划城市交通管理体系。(本文来源于《系统仿真学报》期刊2019年12期）
何冰倩,魏维,宋岩贝,高联欣,张斌[2]（2019）在《融合时空兴趣点和多元广义高斯混合模型的人体动作识别》一文中研究指出人体动作识别近年作为计算机视觉领域的热点研究方向,被广泛用于人机交互、虚拟现实等领域。针对传统人体动作识别算法中提取特征时冗余点过多、忽略图像数据的关联性等问题,提出一种融合时空兴趣点和结合定点估计的多元广义高斯混合模型(MGGMMs)的人体动作识别方法,通过过滤冗余特征点和利用多元广义高斯混合模型实现了特征点的有效提取以及对数据关联性的充分利用。以改进的Harris-Laplace算法和3D-SIFT描述子提取视频序列的特征点,利用BOW模型进行视觉词聚类,最后通过改进的多元广义高斯混合模型进行建模和分类。在KTH公开数据集上进行实验,实验结果表明提出的人体动作识别方法能够对视频中人体动作进行有效识别和分类。(本文来源于《成都信息工程大学学报》期刊2019年04期）
赵雪章,居华倩,席运江[3]（2018）在《时空兴趣点结合HMM的人体动作识别方法》一文中研究指出以往的时空兴趣点算法需考虑多层时空尺度计算,复杂度高,为此结合旋度的兴趣点算法和隐马尔科夫模型提出了一种新的人体动作识别算法。从光流场中获取时空兴趣点,利用光流场的旋度找出人体相邻关节的空间信息,进一步为每一类动作训练一个时空兴趣点的隐马尔科夫模型,并采用随机选择窗口尺寸避免多尺度遍历节省计算时间。将提出的算法应用到KTH和Hollywood-2运动数据集上进行实验,结果表明,相比其他几种较新的人体动作识别算法,提出的算法在计算时间和识别能力上均具有优越性。(本文来源于《微型电脑应用》期刊2018年12期）
石爱辉[4]（2018）在《基于时空兴趣点和词袋模型的人体行为识别方法研究》一文中研究指出人体行为识别技术是计算机视觉领域一个重要的研究方向,在人机交互、视频监控、虚拟现实等多个方面具有广泛的应用前景。基于时空兴趣点构建词袋模型的人体行为识别方法具有计算复杂度低、对背景噪声不敏感以及鲁棒性强等优点,近年来得到人体行为识别研究者的广泛关注,经过研究者的共同努力,尽管该算法在人体行为识别课题研究中取得了显着进步,但仍存在视觉词汇区分度不够强、特征编码硬量化误差大等问题。鉴于此,本文在深入研究词袋模型的基础上,提出了相应的改进算法,具体研究工作总结如下:1)提出了一种基于分层聚类构建视觉词典的算法,形成更具有代表性和区分度的视觉单词,使得表征视频时类内相似性高而类间差异度大,且结合视频表达级层面上的特征融合能有效地表征视频。实验结果表明所提算法在运行效率和识别率方面都有明显的提升。2)提出了一种增强型局部聚合描述子向量编码方法。该算法能有效剔除存在的异常特征描述子,并且根据局部线性约束编码系数对VLAD编码采用软量化策略,充分考虑了特征描述子与视觉词汇之间的空间分布。实验结果表明所提算法提升了视频特征编码的性能。3)提出了一种基于BP神经网络分类器的人体行为识别方法。其中对权重初始化方式以及激活函数的选择进行了研究并引入Dropout技术有效避免过拟合现象的出现,优化了BP神经网络模型,在分类识别方面表现出较好的性能。实验结果表明所提方法与常用的分类方法如KNN、贝叶斯分类器以及支持向量机相比,具有更好的识别效果。(本文来源于《南京邮电大学》期刊2018-11-14）
李丹霞,马乐荣,何景[5]（2019）在《LBSN中融合时空信息的连续兴趣点推荐》一文中研究指出针对位置社交网络(location-based social networks,LBSN)中连续兴趣点(point-of-interest,POI)推荐系统面临的数据稀疏性、签到数据的隐式反馈属性、用户的个性化偏好等挑战,提出一种融合时空信息的连续兴趣点推荐算法。该算法将用户的签到行为建模为用户—当前兴趣点—下一个兴趣点—时间段的四阶张量,并利用LBSN中的地理信息定义用户访问兴趣点的地理距离偏好,最后采用BPR(Bayesian personalized ranking)标准优化目标函数。实验结果表明该算法相比其他先进的连续兴趣点推荐算法具有更好的推荐效果。(本文来源于《计算机应用研究》期刊2019年12期）
徐薛艳,龙涛[6]（2018）在《上海中心城区海外游客兴趣点(POI)时空分布特征研究》一文中研究指出上海中心城区有着丰富的旅游资源及众多的商业区、历史文化街区等,吸引了大量的海内外游客造访。本文通过网络爬虫方式,从社交网络Panoramio获取海外游客相关兴趣点(POI)数据,在地理学第一定律的理论基础上,运用ArcGIS空间热点分析、空间趋势面建模等方法,探索上海中心城区海外游客兴趣点(POI)的时空分布特征。研究发现,上海中心城区各区POI的数量和密度分布极不均衡,高级别的旅游区、大型商业区、娱乐区、历史街区等区域POI集聚度较高,密集住宅区、城市公园、商业设施、娱乐设施的区域密集度很低。随着月份与每日时段变化,游客POI数量分布也发生很大变化。研究旨在探索海外游客偏好空间行为特征,以期为上海世界着名旅游城市建设中目的地营销、公共服务布局、大游客疏导提供借鉴。(本文来源于《世界地理研究》期刊2018年05期）
吴燕,章韵,陈双双[7]（2018）在《混合时空和流行度特征的兴趣点推荐算法》一文中研究指出兴趣点推荐有助于用户发现所需位置,但现有推荐算法的精确率较低。为此,提出一种融合时空与流行度特征的个性化兴趣点推荐算法。在基于用户的协同过滤算法中融入时间特征,将基于时间因素的兴趣点流行度估算与空间特征相结合,分别给出相应的估算方法并进行线性组合,从而得到基于联合框架的兴趣点推荐算法。实验结果表明,相比U、UTF、U+SB算法,该推荐算法能够有效提升推荐精确率和召回率。(本文来源于《计算机工程》期刊2018年09期）
吴亮,何毅,梅雪,刘欢[8]（2018）在《基于时空兴趣点和概率潜动态条件随机场模型的在线行为识别方法》一文中研究指出针对在线行为连续序列的识别问题以及行为识别模型的稳定性问题,提出一种监控视频中基于概率潜动态条件随机场(PLDCRF)的在线行为识别方法。首先,应用时空兴趣点(STIP)对行为特征进行提取;再利用PLDCRF模型识别室内人体的活动状态。PLDCRF模型融合了隐含状态变量,能够构建姿态序列子结构,可以选取姿态之间的动态特征,并且直接标记出未分割序列;同时也可以正确地标记出行为间的转换过程,从而明显改善了行为识别的效果。隐含条件随机场(HCRF)、潜动态条件随机场(LDCRF)、潜动态条件神经场(LDCNF)以及PLDCRF模型对10种不同动作的识别率比较结果表明,所提PLDCRF模型对连续的行为序列的综合识别能力更强,并且有更好的稳定性。(本文来源于《计算机应用》期刊2018年06期）
陈胜娣,何冰倩,陈思宇,刘基缘[9]（2018）在《基于时空兴趣点的人体动作识别》一文中研究指出人体动作识别在计算机视觉研究和模式识别领域中逐渐成为一个研究热点。提出一种基于Harris-Laplace时空兴趣点结合3D-SIFT描述子,通过Bag-of-feature构建词袋的方法,并应于用人体动作识别。针对传统Harris算法提取出的兴趣点冗余,所以采用Harris-Laplace算法提取时空兴趣点。3D-SIFT描述子能更好地描述视频序列的本质特征,并且比传统的描述子更有效,Bag-of-feature词袋法表征特征,采用改进的K均值(K-Means)聚类算法进行聚类,最后采用多分类支持向量机(SVM)进行一对一、一对多的分类策略并进行比较。在KTH公开运动数据集上进行实验测试,实验结果证明提出的人体动作识别方法的有效性和鲁棒性。(本文来源于《成都信息工程大学学报》期刊2018年02期）
陈冬林,夏琪,代四广[10]（2018）在《基于客户Web时空行为轨迹的兴趣点预测方法》一文中研究指出客户兴趣点预测是大数据环境下提高电子商务推荐精度的关键,针对现有客户兴趣预测未综合考虑客户多种行为和时序时间的影响问题。为研究一种基于客户Web时空行为轨迹的兴趣点预测方法,构建了包含客户、时间、行为和兴趣点四层子网的客户Web时空行为超网络模型,并引入行为影响因子,提出基于超边相似性的兴趣点预测算法,在建立连通矩阵的基础上,通过邻接矩阵计算、超叁角形判定和超边相似度计算,得到相似度最高的超边,该超边对应的兴趣点即为预测结果。实验结果表明,该方法在时间误差允许范围内,兴趣点预测准确度随时间精度的减小而增加,与传统的标签预测方法相比,预测准确度由56.2%提高至74%。(本文来源于《科技导报》期刊2018年07期）
时空兴趣点论文开题报告
（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：
人体动作识别近年作为计算机视觉领域的热点研究方向,被广泛用于人机交互、虚拟现实等领域。针对传统人体动作识别算法中提取特征时冗余点过多、忽略图像数据的关联性等问题,提出一种融合时空兴趣点和结合定点估计的多元广义高斯混合模型(MGGMMs)的人体动作识别方法,通过过滤冗余特征点和利用多元广义高斯混合模型实现了特征点的有效提取以及对数据关联性的充分利用。以改进的Harris-Laplace算法和3D-SIFT描述子提取视频序列的特征点,利用BOW模型进行视觉词聚类,最后通过改进的多元广义高斯混合模型进行建模和分类。在KTH公开数据集上进行实验,实验结果表明提出的人体动作识别方法能够对视频中人体动作进行有效识别和分类。
（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。
时空兴趣点论文参考文献
[1].张芳,陈彬,汤杨华,董健,艾川.基于兴趣点聚类的无桩共享单车时空模式分析[J].系统仿真学报.2019
[2].何冰倩,魏维,宋岩贝,高联欣,张斌.融合时空兴趣点和多元广义高斯混合模型的人体动作识别[J].成都信息工程大学学报.2019
[3].赵雪章,居华倩,席运江.时空兴趣点结合HMM的人体动作识别方法[J].微型电脑应用.2018
[4].石爱辉.基于时空兴趣点和词袋模型的人体行为识别方法研究[D].南京邮电大学.2018
[5].李丹霞,马乐荣,何景.LBSN中融合时空信息的连续兴趣点推荐[J].计算机应用研究.2019
[6].徐薛艳,龙涛.上海中心城区海外游客兴趣点(POI)时空分布特征研究[J].世界地理研究.2018
[7].吴燕,章韵,陈双双.混合时空和流行度特征的兴趣点推荐算法[J].计算机工程.2018
[8].吴亮,何毅,梅雪,刘欢.基于时空兴趣点和概率潜动态条件随机场模型的在线行为识别方法[J].计算机应用.2018
[9].陈胜娣,何冰倩,陈思宇,刘基缘.基于时空兴趣点的人体动作识别[J].成都信息工程大学学报.2018
[10].陈冬林,夏琪,代四广.基于客户Web时空行为轨迹的兴趣点预测方法[J].科技导报.2018