导读:本文包含了统计形状分析论文开题报告文献综述及选题提纲参考文献，主要关键词:Half-logistic分布,定时截尾,步加试验,步降试验
统计形状分析论文文献综述
张娜[1]（2018）在《含形状参数的Half-logistic分布下步加试验和步降试验的统计分析》一文中研究指出在工业中对产品的可靠性进行评估是一个重要的问题。实际中,为了对产品的可靠性进行评估,首先要通过寿命试验得到产品的失效时间数据,然后利用失效数据估计加速方程中的未知参数,由此得到产品的寿命分布信息,从而对产品的性能进行评价。为了用较低的成本评估产品的可靠性,学者们提出了加速寿命试验,它可以在短时间内获得产品失效数据,然后利用加速方程外推产品在正常环境下的参数估计值,以此在短时间低成本下得到产品在正常环境下工作的可靠性指标。本文假设产品寿命服从含形状参数的Half-logistic分布,分别以逆幂律模型和阿伦尼斯模型为加速模型,当样本数据为定时截尾数据时,在步进应力加速寿命试验和步降应力加速寿命试验下,利用极大似然法估计未知参数,以此对产品的寿命性能进行评估。第一章是对寿命试验发展现状以及参考文献的说明。第二章介绍了研究的理论基础,包括寿命试验和Half-logistic分布。第叁章首先假设进行简单步加试验,分别对逆幂率模型和阿伦尼斯模型两种情况进行分析,利用极大似然估计法对未知参数进行估计;然后,推广到多步步加试验,仍然在逆幂律和阿伦尼斯两模型下进行分析;最后,用Monte-Carlo法进行数值模拟,对极大似然估计效果评价。第四章对步降试验进行统计分析,先对步降试验的思路与发展现状进行整理介绍,与第叁章的研究思路一致,分别在逆幂律和阿伦尼斯模型下从两步到多步进行统计分析;最后,进行数值模拟,对步降试验的极大似然估计结果进行评价。第五章说明研究内容在实际中的应用,并且对本文的研究工作进行小结。第六章基于本文研究内容提出展望。(本文来源于《上海师范大学》期刊2018-04-01）
王蓉华,徐晓岭,方敏洁[2]（2014）在《全样本场合下具有形状—刻度参数的两参数half-logistic分布的统计分析》一文中研究指出首先提出一种具有形状一刻度参数的两参数分布,称其为具有形状参数的两参数half-logistic分布,研究了该分布的密度函数与失效率函数的图像特征,指出该分布在参数满足一定条件下失效率函数呈先减后增再减的形式,在全样本场合给出了该分布参数的极大似然估计与最佳线性无偏估计。(本文来源于《2014年全国机械行业可靠性技术学术交流会暨可靠性工程分会第五届委员会成立大会论文集》期刊2014-08-01）
李鹏[3]（2013）在《一种基于统计形状分析的运动人体识别方法》一文中研究指出运动人体识别模式识别领域的研究热点。目标在运动过程中产生的时间域和空间域的形变可提供重要的识别信息。本文提出一种基于统计形状分析的识别方法,用Kendall形状模型来描述帧间提取的人体轮廓,并应用隐马尔科夫模型(HMM)来捕捉目标时空域上的形变信息。由于传统HMM框架下,隐藏状态与训练数据相互正交,给学习过程带来很大困难。由此提出一种非参数HMM模型,用非参数核密度估计算法来学习观测概率分布,以补偿随机隐藏状态造成的不确定性,优化了HMM训练过程。最后对此方法进行了实验分析。(本文来源于《计算机光盘软件与应用》期刊2013年24期）
李树良[4]（2011）在《心电图形状分析的统计方法》一文中研究指出在现代医学中,已经有很多种方法应用到了心电图的研究领域,他们大部分都是提取一个人一段时间(如15秒钟)的心跳情况进行分析,这其实是一个抽样过程：从总体中抽出部分样本,但是,到目前为止,还很少有人从统计学的角度、用统计分析方法对心电图的形状和特性进行研究。我们先采用传统的主成分分析方法对心电图进行分析,探索心电图的共性随时间的变化特征,发现不同时间段内该病人的主要特征有共性,也有差异或者说变化；然后介绍引起学术界越来越重视的函数型数据,介绍函数型主成分分析,对多元主成分进行扩展,结合其在其它领域的良好效果,首次将其应用到心电图上,我们发现叁个波的变化特征极为相似,都体现为垂直方向上的移动、水平方向上的平移和斜率的变化,各个波的主要变化形式也有量的差异；最后我们对已有函数型数据的非线性模型进行细微的改动,把其应用从T波推广到整个心跳的P波、QRS复波和T波叁个波段,将其形状变化特征通过非线性模型分解为几个方向的变化,利用函数型数据能够抓住数据的整体特征,进行降维,函数型数据良好的解释性,能够对心电图本身所隐含的生理学信息进行解释,有助于解决QT的方法操作不方便、敏感性太强等局限性。(本文来源于《华东师范大学》期刊2011-05-01）
肖茂发[5]（2011）在《非线性统计形状分析与复杂医学图像分割研究》一文中研究指出医学图像分割是医学图像处理领域的研究热点和难点，它是计算机辅助诊断的一个重要组成部分，在临床诊断、病理分析以及治疗方面具重要意义，其目标是标识医学图像中感兴趣的对象。视网膜视神经病(如青光眼)是由多种原因引起的视网膜及视神经组织病变，最终可能致盲的眼科疾病。此类疾病在世界范围内发病率高，且大多早期无临床征兆，因此早期诊断至关重要。研究表明，彩色眼底照片中视乳头的分割、度量和评估在青光眼疾病的临床诊断和普查中起着非常重要的作用。然而，眼底照片往往质量不好，对比度低，以至部分视盘边缘难以识别，再加上存在血管的遮挡、病人之间的差异等情况，使得病人视乳头图像的分割十分困难，仅仅利用图像本身的信息难以准确分割出视乳头。因此，有必要将视乳头的形状先验知识有效地集成到分割模型，而寻找有效的目标形状先验知识表达方法和集成方法成为解决此类问题的关键。传统的线性统计分析方法只考虑了图像数据中的二阶统计信息，未能利用数据中的高阶统计信息，忽略了多个像素间的非线性相关性，这在一定程度上影响了其效果。本文提出了一种集成非线性统计形状先验的医学图像分割模型，并将其应用于视乳头图像视盘分割中。首先对青光眼专家在青光眼病人眼底照片上描绘的视盘形状用窄带水平集表达，然后在其核空间进行主成分分析，获得核空间的基向量（即形变模式），并定义一个形状先验的约束项（即形状部分的能量函数），将先验知识集成到向量值Mumford Shah模型，得到集成非线性统计形状先验知识的Mumford Shah向量值分割模型。最后，将该模型应用于各时期青光眼病人的视乳头图像的分割。不同时期青光眼病人的视乳头图像分割实验结果表明，该方法能够有效地分割噪声大，对比度小且部分被血管遮挡的各阶段的青光眼病人视乳头图像。(本文来源于《湖南大学》期刊2011-04-20）
朴林植,赵杰煜[6]（2009）在《基于统计形状分析的人脸基本表情分析》一文中研究指出人脸的表情识别分析在虚拟交互和情感计算中具有重要意义,为得到一个精确的表情分析模型,采用统计形状分析方法对人脸表情进行建模分析,可将人脸表情的形状看作随机变量并在高维空间中服从一定的概率分布的.首先使用统计形状分析方法对表情形状进行归一化后,采用PCA方法对表情的变化建立点分布模型;在表情的分析阶段采用高斯分布模型估计表情空间的统计参数,并采用贝叶斯分类实验验证分类效果.实验结果表明:统计形状分析方法可以有效地对人脸的基本表情进行分析分类.(本文来源于《宁波大学学报(理工版)》期刊2009年02期）
刘涛,黄高明,王雪松,肖顺平[7]（2009）在《Weibull分布随机波的瞬态极化统计分析——相同形状参数情形》一文中研究指出Weibull分布的雷达极化回波特征由叁个分布参数来描述:波的强度、极化椭圆率角以及椭圆倾角.在瞬态极化理论的基础上,推导了叁个分布参数的联合概率密度函数,标准Stokes矢量统计分布的联合概率密度函数及其边缘概率密度函数,并通过蒙塔卡罗方法进行了计算机仿真,结果验证了理论推导的正确性.Weibull分布随机极化电磁波瞬态极化统计特性的研究对高分辨条件下雷达目标的检测、识别和跟踪领域都有一定的理论指导意义.(本文来源于《物理学报》期刊2009年05期）
张春燕[8]（2007）在《统计形状分析及混合建模理论研究》一文中研究指出模式识别是一门以应用数学为理论基础，利用计算机应用技术，解决实际分类及识别问题的学问。统计和微分几何规范理论和技术在模式识别中有着广泛的应用，尤其是在形状分析以及混合模型的无监督学习问题中。本文以统计理论和微分几何为理论基础，重点研究两方面的内容：(a)对基于微分流形的形状分析相关问题进行了较为系统的研究；(b)对于混合模型的无监督学习的理论和方法进行研究，尤其是模型分支数目的选择问题。在基于微分流形的形状分析方面，以平面上的简单闭合形状为研究对象，深入研究基于该理论框架下的形状分析。在传统的方法中，统计形状分析主要是使用地标点(landmark)来建立形状特征关键点的数学模型，通过主成分分析来学习其关键点的参数，或水平集的方法来建立形状模型。但是这些方法都存在需要人工干预、不能实现拓扑变形等缺陷。因而，针对这些缺陷，我们需要构建一个统一的、具有拓扑不变性的形状空间。在此空间下，借助合适的概率模型，通过从训练集中学习到的关键参数，推导和演绎出其他未知形状，进而对形状进行识别。本文以微分几何为分析工具，利用弧长为参数的函数去描述平面简单闭合形状，建立了一个无限维的微分流形。形状之间的变化被表示为这些流形上的李群作用。旋转，平移，缩放的不变性通过低维的群作用实现；形状平滑的连续变化模型可以通过高维的微分同胚群来建立，即借用微分几何中直线沿曲面上的曲线平行移动的方法，在形状空间中给出两个形状连续变化的测地线路径。混合模型作为统计形状分析有力工具而备受关注，本文对混合模型的无监督学习理论和方法进行了深入研究。混合模型中一个关键的问题是模型中分支数目k的估计，一些经典的混合模型拟合方法(比如极大似然方法、Bayes方法)都是在固定k的情况下进行的。而实际应用中k的值多数是未知的，一般从数据集对其进行估计。估计k的值是期望最大化算法拟合有限混合模型的主要困难，只有获得正确的k后才能对模型其它参数进行估计。传统的模型选择方法是在原有的参数估计算法后加入一个准则函数，尝试多个可能的k(kmin—kmax)，并比较不同k下基于似然函数的某种准则函数的值，再根据某一检验准则对它们进行检验，选择检验结论好的那一个k作为最优分支数。这种方法需要估计多个k值下的参数，当混合模型的密度函数为t分布时，计算复杂度会变得异常的高。为了解决这个问题，本文提出了t混合模型的次胜者受罚的期望值最大化(RPEM)算法，其思路是在期望最大化算法中加入惩罚项，在似然函数里设计出特殊的加权项，使EM算法在初始类中心的位置参数更新时，分成获胜点和次胜点分别更新，获胜者取正的学习率，次胜者取负的学习率，将初始的部分种子点逐渐收敛到数据集的实际类中心，其余的种子点则被“推到”远离数据集的位置。该算法能够在一次参数估计中就实现对t混合模型的分支数的估计，具有良好的性能。(本文来源于《安徽大学》期刊2007-04-01）
赵恩广,李先卉,陈生忠,王潍潍[9]（1988）在《相互作用对统计谱分析的影响——~(20)Ne原子核的形状因子》一文中研究指出我们曾经应用统计谱理论,在平均场近似下,讨论了部分s-d壳原子核的形状因子。在不引入任何自由参数的条件下,较好地再现了低动量区的实验结果;对高动量区,理论结果在数量级和峰谷结构上也与实验定性符合。在某种意义下似乎表明,统计谱理论在描述原子核某些基态性质上,也是很有希望的。这一看法,与不久前的研究结果一致。同时,它也启示我们进一步去分析统计谱方法的固有优点。实际上,正是由于它既能不太困难地处理全部有关核子的贡献,又能尽可能多地考虑各种组态的贡献,使得统计谱理论更适于描述原子核的整体性质,如讨论形状因子。同时,也使得它在分析相互作用性质时,能减少“等效”成分,使结论更接近真实情况。(本文来源于《科学通报》期刊1988年06期）
统计形状分析论文开题报告
（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：
首先提出一种具有形状一刻度参数的两参数分布,称其为具有形状参数的两参数half-logistic分布,研究了该分布的密度函数与失效率函数的图像特征,指出该分布在参数满足一定条件下失效率函数呈先减后增再减的形式,在全样本场合给出了该分布参数的极大似然估计与最佳线性无偏估计。
（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。
统计形状分析论文参考文献
[1].张娜.含形状参数的Half-logistic分布下步加试验和步降试验的统计分析[D].上海师范大学.2018
[2].王蓉华,徐晓岭,方敏洁.全样本场合下具有形状—刻度参数的两参数half-logistic分布的统计分析[C].2014年全国机械行业可靠性技术学术交流会暨可靠性工程分会第五届委员会成立大会论文集.2014
[3].李鹏.一种基于统计形状分析的运动人体识别方法[J].计算机光盘软件与应用.2013
[4].李树良.心电图形状分析的统计方法[D].华东师范大学.2011
[5].肖茂发.非线性统计形状分析与复杂医学图像分割研究[D].湖南大学.2011
[6].朴林植,赵杰煜.基于统计形状分析的人脸基本表情分析[J].宁波大学学报(理工版).2009
[7].刘涛,黄高明,王雪松,肖顺平.Weibull分布随机波的瞬态极化统计分析——相同形状参数情形[J].物理学报.2009
[8].张春燕.统计形状分析及混合建模理论研究[D].安徽大学.2007
[9].赵恩广,李先卉,陈生忠,王潍潍.相互作用对统计谱分析的影响——~(20)Ne原子核的形状因子[J].科学通报.1988
标签：Half-logistic分布; 定时截尾; 步加试验; 步降试验;