导读:本文包含了底层特征论文开题报告文献综述及选题提纲参考文献，主要关键词:音频,底层特征,听众评价
底层特征论文文献综述
孙晓雪,魏占胜[1]（2019）在《音频几个主要底层特征与听众及评价的关系》一文中研究指出在快速发展的数字市场里,音乐产业正在进行着从实体到数字,音乐在数字市场所占的比例也在逐年增加,其所带来的经济收益也越来越可观。本文主要以音乐视频(Music Video,MV)为研究对象,概述音频几个主要底层特征与听众评价的关系。(本文来源于《科技风》期刊2019年33期）
刘禹铖,刘子洲,顾艳镇,李培良,孙利元[2]（2019）在《威海市天鹅湖海洋牧场底层海水溶解氧浓度时间变化特征》一文中研究指出依据威海市天鹅湖海洋牧场2016年7—10月海洋生态环境海底有缆在线观测系统的长期连续观测数据,研究了该牧场底层海水溶解氧浓度的时间变化特征,并探讨了其可能的影响因素。结果表明:观测期间海水溶解氧浓度平均值为6.65mg/L,呈先下降后上升的变化趋势,月平均值最小为6.36mg/L,出现在9月。溶解氧月浓度标准差呈先减小后增大的变化趋势,而溶解氧日浓度标准差总体变化趋势与月浓度标准差相反。底层海水基本上处于不饱和状态,月均溶解氧消耗量在观测期间逐月增大。海水温度是影响溶解氧浓度变化的主要因素。7月1日至8月24日期间,牧场海域存在季节性温跃层。7月1日至17日与8月11日至24日期间,溶解氧浓度下降可能受季节性温跃层和海水温度上升的共同影响;7月18日至8月1日期间,溶解氧浓度变化不受季节性温跃层控制。大风过程会增强表、底层海水交换,使溶解氧浓度上升。月均溶解氧浓度日变化均表现出双峰双谷的特征,与月均水深日变化对比, 7—8月0—13时无显着正相关性, 7—8月1—23时及9—10月相位变化基本一致,涨潮时海水溶解氧浓度升高,而落潮时降低,说明研究区域外海水溶解氧浓度很可能高于近岸,而潮流输运过程使得近岸海水溶解氧浓度随潮汐过程变化。(本文来源于《海洋科学》期刊2019年09期）
付浩[3]（2019）在《基于底层特征的图像质量评价方法研究》一文中研究指出随着数字成像和通信技术的迅速发展,使终端用户对高质量的体验提出了更高的要求.图像质量评价(Image Quality Assessment,IQA)旨在设计出客观的IQA模型,使之与人类视觉系统(Human Visual System,HVS)感知保持一致.在IQA方法中,全参考(Full Reference,FR)是其他IQA方法研究的基础,其通过比较参考图像和失真图像,并根据客观评分预测失真图像的感知质量.近年来,无参考(No Reference,NR)IQA引起了越来越多的关注,其目的是在没有任何参考图像先验信息的情况下,开发自动、准确地估计感知图像质量的量化方法.鉴于此,本文基于提取图像的底层特征以及结合机器学习方法分别构建FR和NR IQA方法.论文的主要工作如下:(1)针对四种不同类型的底层特征,提出了彩色FRIQA方法.首先提取了结构对比度指数(Structural Contrast Index,SCI),梯度,局部二值模式(Local Binary Patterns,LBP),色度特征图,它们用于刻画图像的不同特征属性;其次利用不同的特征池化策略对每个特征分别处理,将其组成一组相似特征向量作为图像质量的检测器;然后采用极限学习机(Extreme Learning Machine,ELM)建立回归模型,并将特征向量映射成客观的质量分数;最后在五个标准IQA数据库上进行大量的数值实验.结果表明,与目前流行的FRIQA方法相比,该方法能够有效地提高模型算法的预测精度,其评价结果具有一定的竞争力.(2)提出了基于两种底层特征分布(Two Low-level Feature Distributions,TLLFD)的 NR IQA 方法.不同于深度学习方法,TLLFD通过提取两类具有互补性的底层特征分布,并结合浅层机器学习作为回归模型来评价图像质量,因而参数少、模型简单、效率高.首先,通过广义LBP分别计算得到差值符号特征和幅值特征,并采用两个特征的加权直方图分布系数来刻画失真图像纹理变化;其次,利用Weibull分布拟合梯度图的参数来描述失真图像的结构变化;然后,采用经典的支持向量回归(Support Vector Regression,SVR)建立非线性回归模型;最后,在LIVE、TID2008、CSIQ、MICT四个标准数据库上,针对五种失真类型(JPEG-2000,JPEG,WN,GB,FF)分别进行大量的数值实验.实验结果表明,相较于目前流行的全参考型、无参考型以及深度学习的方法,TLLFD具有优越的评价性能和较强的泛化能力.(本文来源于《宁夏大学》期刊2019-03-01）
李兆钦,李欣,孙利元,刘子洲,顾艳镇[4]（2019）在《刘公岛海洋牧场底层海水溶解氧浓度的变化特征》一文中研究指出由于缺乏长期观测资料,前人对山东半岛邻近海域海水溶解氧的时间变化和空间分布特征的研究较少。本文基于威海刘公岛海洋牧场于2016年7月20日至2017年3月14日期间,利用生态环境实时在线观测系统获得的底层海水的温度、盐度、水深、溶解氧数据,分析了该牧场海水溶解氧浓度的时间变化特征及其影响因素,并探讨了低氧灾害发生的可能性。结果表明在观测期间,该牧场海水溶解氧浓度以季节变化为主,冬季最大、夏季最小,其中2月份平均值最高,约为10.86mg/L,8月份平均值最低,约为5.91mg/L。同时海水溶解氧浓度也存在显着的小时变化和日变化,且变化幅度于8月份最大、3月份最小。影响海水溶解氧浓度变化的主要因素是海水温度,溶解氧浓度随着温度的季节性变化而变化。夏季,水体分层会使溶解氧浓度发生大幅度的降低,大风过程对于溶解氧浓度也有一定的影响,通过打破夏季的季节性温跃层使水体发生垂向混合从而为海底提供氧气,但大风过程之后的几天会出现溶解氧浓度降低的现象。本次研究发现刘公岛海洋牧场在观测期间不存在低氧现象。(本文来源于《海洋与湖沼》期刊2019年01期）
张吉生,伍艳红[5]（2018）在《上海手语的底层手型与特征赋值》一文中研究指出手语中最小独立表意单位是手势。像有声语言一样,最小独立表意单位手势也由更小的无意义成分构成,这些无意义的成分包括手型、掌向、位置和运动。在这些构成手势的无意义成分中,类似有声语的音段一样结构单位的是手型。因此,手语中的手型也叫"手型音段"。研究一种手语音系的最基础、最重要的任务就是确定一种手语有多少表层手型音段,其中有多少有哪些底层手型音位。但由于手语以视角通道为载体的复杂同时性结构特点,确定手语的底层手型音位远比确定有声语言的音位要难得多。文章根据Brentari(1998)的手语音系韵律模型,以音位学理论为依据,结合上海手语实际语料,阐述了上海手语中手型特征的有标记性与无标记性,主要特征与次要特征的功能与结构,提出了符合上海手语语料的被选手指底层音系特征赋值及其结构,确立了上海手语38个底层手型"音位"。(本文来源于《当代语言学》期刊2018年04期）
刘云,杨建滨,王传旭[6]（2018）在《基于底层特征建模的行为识别算法优化》一文中研究指出近年来基于时空兴趣点的视觉词袋(bag of video words,BOVW)模型被广泛用于行为识别算法研究;但是该模型忽略了每一种视觉单词的权重,另外没有考虑兴趣点时空分布信息,因而制约了其识别精度。提出了两种算法解决上述问题;其一,采用词频-逆向文件频率(term frequency-inverse document frequency,TF-IDF)方法对传统BOVW直方图进行优化处理,根据视觉单词在词袋与BOVW直方图的比例权衡其重要程度;其二,提出了基于叁维共生矩阵的时空兴趣点互信息(spatialtemporal interest points mutual information,STIPsMI)算法,刻画不同视觉单词的时空兴趣点之间的时空关系。然后将STIPsMI描述符与优化后的BOVW直方图级联,作为视频序列最终的描述符。最后在两个主流的数据集KTH与UCF sports对该算法进行评估。实验结果表明,提出的时空特征描述符在行为识别准确率上优于BOVW模型与其他主流方法。(本文来源于《科学技术与工程》期刊2018年21期）
谢冰,段哲民[7]（2018）在《基于SAE与底层视觉特征融合的无人机目标识别算法（英文）》一文中研究指出无人机在复杂战场环境下,因敌方无人机外形、颜色等特征较为相似,现有基于底层视觉特征无法快速地对其进而准确的识别,从而造成误检测甚至误打击等事件的发生。针对这一问题,文中提出基于稀疏自动编码器融合底层视觉特征的算法,对无人机目标对象进行识别。算法首先利用底层视觉特征描述子(GIST、LBP)以及稀疏自动编码器(Sparse Auto-Encoder,SAE)提取目标对象的底层视觉特征和高层视觉特征;然后,采用主成分分析(PAC)法对全局特征进行降维融合;最后,将全局特征响应送入softmax回归模型完成无人机目标对象的分类。实验表明,与传统SAE算法及传统基于底层视觉特征描述子识别算法相比,新算法具有更高的准确性及鲁棒性。(本文来源于《红外与激光工程》期刊2018年S1期）
杨建滨[8]（2018）在《基于底层特征优化建模的行为识别算法研究》一文中研究指出行为识别是计算机视觉中一个十分热门的研究领域。随着视频监控应用需求的大量上升和互联网技术的不断发展与成熟,越来越多的应用场景涉及到视频内容的自动识别。然而人体行为复杂多样并且缺少明确的分类模式,目前还没有一种通用的描述模型。近年来基于底层特征的视觉词袋(BoVW:Bag of Visual Words)模型被广泛用于行为识别算法研究,但是该模型建立的描述符忽略了每一种视觉单词的权重,其二没有考虑时空兴趣点的帧内位置和帧间时序信息,因而制约了其识别精度。本文提出了叁种算法解决上述问题,主要研究内容包括:(1)提出了采用词频-逆向文件频率(TF-IDF:Term Frequency-Inverse Document Frequency)方法确定传统BOVW直方图中每一种视觉单词的权重。计算机视觉中的BOVW模型是由文本分类的词包模型(BOW:Bag of Words)进化而来,所以将文本数据分析的TF-IDF用于视觉词袋模型具有理论可行性。由于传统BOVW模型生成视觉词典时,词典中的单词并非均匀分布,因此单词的类别区分能力是不同的。该算法根据视觉单词在视觉字典与BOVW直方图的比例确定其重要程度。(2)提出了基于叁维共生矩阵的时空兴趣点互信息(STIPsMI:spatial-temporal interest points mutual information)描述符算法,刻画不同视觉单词之间局部时空兴趣点的时空相关关系。该算法首先将成图像中二维兴趣点共生矩阵的概念扩展到叁维的时空兴趣点中,生成描述不同兴趣点之间相关关系的共生矩阵;然后提出时空兴趣点互信息的概念,在保持不同兴趣点之间的时空信息的同时对共生矩阵进行降维,生成时空兴趣点互信息描述符。(3)提出了环形时空兴趣点直方图与时空分布熵(STDE:spatial-temporal distribution entropy)的概念统筹时空兴趣点的全局时空分布,用以挖掘每个单词内部各兴趣点的时空信息。该算法首先借鉴环形颜色直方图的思想构建每一类视觉单词的环形时空兴趣点直方图,然后采用时空分布熵刻画每一类视觉单词的全局时空分布情况。最后融合TF-IDF优化直方图、空兴趣点互信息与时空分布熵叁种信息作为一个视频序列的描述符,采用支持向量机作为分类器。本文受到国家自然科学基金(61472196、61672305)的资助,实验在Matlab平台上完成;在两个比较流行的行为数据集KTH与UCF sports对该算法进行评估。实验结果表明,本文提出的时空特征描述符在行为识别准确率上优于BOVW模型与其它主流方法。(本文来源于《青岛科技大学》期刊2018-04-20）
鞠成恩[9]（2018）在《基于图像底层特征的图像聚类与检索研究》一文中研究指出当前计算机与互联网中各种新技术的发展日新月异,这些技术极大的方便了我们的生活同时,也带来了许多新的问题。数码相机产生了海量的数码图像,而手机照相技术更使得数字图像数量激增。如何存储与管理这些数字图像,如何在需要时能够准确而快速找到符合我们要求的图像,这些问题逐渐引起人们的重视。早在20世纪的90年代便产生了一些解决这些问题的方法,基于内容的图像检索技术(Content Based Image Retrieval,CBIR)就是这些方法中被广泛关注的一种,随着这项技术的成熟与发展,使得此技术成了解决图像检索问题的热点。在早期的图像检索中,没有很好的利用图像的内容特征,而图像在视觉角度和图像语义之间的存在着主观性,这就是所谓的语义鸿沟问题,这是图像检索研究与应用过程中需要解决的问题。运用的相关反馈技术,可以在用户与系统的交互中分析用户需求,逐渐使不符合条件的检索结果被淘汰,最终留下符合条件的图片从而得到相对满意的结果,是一种缩小语义鸿沟行之有效的方法。本文所做工作主要包括以下几个方面:1、提取图像的低层特征与图像间相似度匹配。提取图像的低层特征是实现基于内容的图像检索技术的基础,本文论述了图像的颜色特征、形状特征和纹理特征的基本概念及提取方法,对通用标准图像库中的图像进行底层特征提取,对提取的数据进行量化形成数据库。在提取了图像基本特征后,又对图像特征相似度匹配问题进行了论述。2、论述K-means在图像聚类中的应用原理,在传统K-means算法的基础之上引入正反馈策略对聚类中心进行调整,克服传统K-means算法中存在的问题,提高图像聚类的准确度。3、在图像检索中运用正反馈策略,根据用户反馈对图像的某些特征进行加权以突出这些特征,使得具有相同特点的图片从大量的图像集合中突显出来,最终获得符合用户要求的图像。(本文来源于《昆明理工大学》期刊2018-03-01）
柏钦玺,李志军,冯恩民,李国玉,Lauri,Arvola[10]（2018）在《封冻期高纬度湖泊底层溶解氧浓度的变化特征分析》一文中研究指出溶解氧是评价水质好坏的重要参数,对水中生物的生存状况影响很大,而封冻后的湖泊,水中溶解氧的变化更加值得关注.对于高纬度地区的湖泊冬季封冻时间比较长,光照时间比较短,湖泊中的溶解氧与水温相对封冻前变化比较大,通过对2013-2014冬季芬兰Valkea-Kotinen湖封冻期底层水中的溶解氧浓度与水温数据的研究,讨论了在整个封冻期该湖3-6 m深度溶解氧浓度的时空变化情况,其随着封冻时间持续下降,在融化前有比较大的跃升.得到了不同深度的溶解氧浓度与水温变化的回归方程,在最底层溶解氧浓度与水温的拟合优度最差,因此在最底层影响溶解氧浓度的变化因素更为复杂一些,不仅仅受水温变化的影响.通过对溶解氧的功率谱分析,可见在3m深度的周期是24 h,但是4-6 m深度日变化周期并不明显.通过对底部无氧层的分析,发现在封冻后的第36天,底部6 m深度的溶解氧耗尽,得到了底部无氧层厚度随冰封持续时间变化的对数表达式.(本文来源于《数学的实践与认识》期刊2018年01期）
底层特征论文开题报告
（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：
依据威海市天鹅湖海洋牧场2016年7—10月海洋生态环境海底有缆在线观测系统的长期连续观测数据,研究了该牧场底层海水溶解氧浓度的时间变化特征,并探讨了其可能的影响因素。结果表明:观测期间海水溶解氧浓度平均值为6.65mg/L,呈先下降后上升的变化趋势,月平均值最小为6.36mg/L,出现在9月。溶解氧月浓度标准差呈先减小后增大的变化趋势,而溶解氧日浓度标准差总体变化趋势与月浓度标准差相反。底层海水基本上处于不饱和状态,月均溶解氧消耗量在观测期间逐月增大。海水温度是影响溶解氧浓度变化的主要因素。7月1日至8月24日期间,牧场海域存在季节性温跃层。7月1日至17日与8月11日至24日期间,溶解氧浓度下降可能受季节性温跃层和海水温度上升的共同影响;7月18日至8月1日期间,溶解氧浓度变化不受季节性温跃层控制。大风过程会增强表、底层海水交换,使溶解氧浓度上升。月均溶解氧浓度日变化均表现出双峰双谷的特征,与月均水深日变化对比, 7—8月0—13时无显着正相关性, 7—8月1—23时及9—10月相位变化基本一致,涨潮时海水溶解氧浓度升高,而落潮时降低,说明研究区域外海水溶解氧浓度很可能高于近岸,而潮流输运过程使得近岸海水溶解氧浓度随潮汐过程变化。
（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。
底层特征论文参考文献
[1].孙晓雪,魏占胜.音频几个主要底层特征与听众及评价的关系[J].科技风.2019
[2].刘禹铖,刘子洲,顾艳镇,李培良,孙利元.威海市天鹅湖海洋牧场底层海水溶解氧浓度时间变化特征[J].海洋科学.2019
[3].付浩.基于底层特征的图像质量评价方法研究[D].宁夏大学.2019
[4].李兆钦,李欣,孙利元,刘子洲,顾艳镇.刘公岛海洋牧场底层海水溶解氧浓度的变化特征[J].海洋与湖沼.2019
[5].张吉生,伍艳红.上海手语的底层手型与特征赋值[J].当代语言学.2018
[6].刘云,杨建滨,王传旭.基于底层特征建模的行为识别算法优化[J].科学技术与工程.2018
[7].谢冰,段哲民.基于SAE与底层视觉特征融合的无人机目标识别算法（英文）[J].红外与激光工程.2018
[8].杨建滨.基于底层特征优化建模的行为识别算法研究[D].青岛科技大学.2018
[9].鞠成恩.基于图像底层特征的图像聚类与检索研究[D].昆明理工大学.2018
[10].柏钦玺,李志军,冯恩民,李国玉,Lauri,Arvola.封冻期高纬度湖泊底层溶解氧浓度的变化特征分析[J].数学的实践与认识.2018