导读:本文包含了混合高斯建模论文开题报告文献综述及选题提纲参考文献，主要关键词:扶梯,越界检测,扫描线填充,高斯混合建模
混合高斯建模论文文献综述
王坚[1]（2019）在《基于高斯混合建模的扶梯扶手边界区域越界检测方法》一文中研究指出本文针对扶梯扶手边界区域越界检测提出了基于高斯混合建模的方法。该方法只对ROI(感兴趣区域)进行处理,主要通过输入的ROI四边形的四个顶点,根据本文提出的一种针对四边形的快速扫描线填充方法获取ROI四边形区域模板,然后,对ROI矩形区域图像用混合高斯模型检测运动前景,再计算ROI四边形模板内的运动前景面积占比,以及面积占比大于某一设定阈值的持续时间。最后,根据持续时间是否大于某一设定阈值来判断是否存在越界。实验证明该方法可以准确检测出扶梯扶手边界区域越界的人或物品。(本文来源于《中国设备工程》期刊2019年18期）
朱晓荣,金绘民,王羽凝[2]（2019）在《基于混合高斯模型与Copula函数结合的光伏电站功率相依结构建模》一文中研究指出考虑光伏电站输出功率概率分布特点以及光伏电站间输出功率的相关性,结合混合高斯模型(GMM)和混合Copula函数,提出一种光伏电站间输出功率相依结构模型。以青海2个光伏电站的实测数据为例进行分析,对原始数据进行清洗,基于此将提出的模型与常规基于核密度估计的Copula函数模型进行对比,验证所建模型的有效性。(本文来源于《太阳能学报》期刊2019年07期）
娄康,朱志宇[3]（2019）在《基于卷积神经网络与高斯混合建模的红外弱小目标检测方法》一文中研究指出红外弱小目标检测和跟踪广泛应用于军事预警,交通监控和空中安全等领域。本文主要从红外图像降噪和检测红外图像中目标运动信息两个方面展开研究,首先通过预训练好的卷积神经网络对红外图像降噪处理,利用带标签的红外目标训练集训练卷积神经网络,参数训练完后逐帧输入待处理的红外图像以获取更丰富的红外目标特征。其次基于高斯混合模型将图像分割为前后景,在阈值形态学运算后,通过前景检测器在每一帧中检测红外弱小目标。最终通过MATLAB仿真验证了本文算法的红外弱小目标实时检测功能。(本文来源于《第叁十八届中国控制会议论文集（7）》期刊2019-07-27）
侯雷静,郭婷婷,孙燕,齐英杰,应冬文[4]（2019）在《面向心音分割的个性化高斯混合建模方法》一文中研究指出准确的心音分割是分析和处理心音信号的基本前提。主流的心音分割算法采用监督式预先训练的方法构建统计模型,它不仅依赖于繁琐的手工标注,还存在模型与被分割数据之间的不匹配问题。提出了一种面向心音分割的个性化高斯混合建模方法,避免了手工标注和预先训练,而且在线训练获得的个性化模型能够高度匹配被分割的心音数据。由于心音信号的周期在一段短时间内很稳定,因此假设在包含若干心动周期的分析窗内,心音信号具有稳定的周期性,通过主成分分析提取本征心动周期信号,通过无监督学习构建个性化的统计模型,根据模型实现窗内每一心动周期的分割。实验表明,算法的平均分割准确率比主流的LRHSMM算法高3%。(本文来源于《声学学报》期刊2019年01期）
李辉[5]（2018）在《基于峰值特征高斯混合建模的SAR目标识别》一文中研究指出提出了基于峰值特征高斯混合建模的合成孔径雷达(SAR)自动目标识别(ATR)识别方法。该方法首先提取待识别SAR图像及与其对应模板图像的峰值特征;然后采用高斯混合模型对两组峰值特征集进行概率建模。建立的高斯混合模型描述了峰值特征集的内在结构及变化规律。采用KL散度评价高斯混合模型的距离,最后基于待识别图像的峰值特征集与各类模板图像峰值特征集的距离大小决定目标类别。为了验证提出方法的有效性,基于MSTAR叁类目标数据集进行了目标识别实验。(本文来源于《电子测量与仪器学报》期刊2018年08期）
张朋,温宏愿[6]（2018）在《基于混合高斯建模和纹理特征提取的人数统计方法研究》一文中研究指出针对密集人群环境中行人相互遮挡造成人数难以准确统计问题,提出了一种基于混合高斯模型和图像纹理特征提取的人数密度统计方法。首先通过混合高斯建模提取前景图像,其次通过线性内插权重来进行透视矫正,最后通过构造和提取能量、对比度、熵和相关性四个特征参数进行人数统计。结果表明在不同的测试环境下系统的准确率在90%以上,达到人群密度监控的基本要求。(本文来源于《价值工程》期刊2018年10期）
康杜[7]（2018）在《融合SCBP与改进混合高斯建模的运动物体检测方法》一文中研究指出研究了视频监控中的目标检测要求。比较了几种目标检测的算法。参照高斯混合建模方法本文提出了一种新的基于像素点级别的建模方法,为减小数据量,主要对灰度图进行处理。在时间域上,和高斯混合建模类似,利用连续帧的特征按权重进行判断;而在空域上,则是利用像素领域的纹理直方图来进行判断,这样把时间和空间联合起来,更多的保留了视频的有用信息,各像素点不再彼此孤立,在时空上连续。并在此基础上,利用原有彩色图对像素点进行过滤,再次减小误检率。实验证明,该建模方法满足了背景小幅度动态变化,能准确提取出背景物体轮廓,并能准确检测出运动目标。(本文来源于《电脑与信息技术》期刊2018年01期）
王传云,秦世引[8]（2018）在《动态场景红外图像的压缩感知域高斯混合背景建模》一文中研究指出针对动态场景下红外图像的背景模型构建问题,提出一种基于压缩感知(Compressed sensing,CS)域高斯混合模型(Gaussian mixture model,GMM)的背景建模方法.该方法不是对图像中的每个像素建立高斯混合模型,而是对图像局部区域的压缩感知测量值建立高斯混合模型.1)通过提取红外图像轮廓的角点特征,估计相邻帧图像间的相对运动参数以对图像进行校正与配准;2)将每帧图像网格化为适当数目的局部子图,利用序列图像构建每个局部子图的压缩感知域高斯混合背景模型;3)采用子空间学习训练稀疏字典,通过子空间追踪对可能含有目标的局部子图进行选择性稀疏重构;4)通过背景减除实现前景目标检测.以红外图像数据集CDnet2014和VIVID PETS2005进行实验验证,结果表明:该方法能建立有效的动态场景红外图像背景模型,对成像过程中所受到的场景动态变化、背景扰动等具有较强的鲁棒性,其召回率、精确率、F-measure等性能指标及处理速度较之于同类算法具有明显优势.(本文来源于《自动化学报》期刊2018年07期）
杨楠,崔家展,周峥,张善咏,侯杰[9]（2016）在《基于混合高斯分布的风功率横向时间序列概率密度建模研究》一文中研究指出鉴于风功率概率分布模型对风电场规划及运行具有重要意义,提出了一种基于混合高斯分布的风功率横向时间序列概率密度建模方法,即利用风电运行数据样本,首先构建基于混合高斯分布的风功率横向时间序列的先验模型,然后利用最小二乘法对先验模型的参数进行估计,再利用相关建模精度指标确定混合高斯模型的最优维度。基于实际算例的仿真结果表明,所构建的风功率概率密度模型具有较高的精度和泛化性能。(本文来源于《水电能源科学》期刊2016年11期）
赵博昊,薛瑞[10]（2016）在《基于高斯混合模型的北斗空间信号测距误差建模》一文中研究指出随着卫星导航系统在航空领域内不断普及与深入,飞行器适度依赖卫星导航系统,摆脱了地面设备的限制,在一定尺度内自主确定位置、速度进而在有限的航路资源内,智能优化分配飞行计划成为航空领域不断追求的目标。北斗卫星导航系统作为我国自主研发建设的导航系统,应当成为我国民航智能优化发展的中坚力量。然而卫星导航系统应用于民航领域,需要对其性能进行评估分析,判断其是否满足民航严苛的性能标准。空间信号测距误差作为直接反映卫星导航系统性能的重要指标,探究其分布规律与适当外推便成为必然。空间信号测距误差具有后尾特性,由于尾部数据量过少,其分布规律只能依赖模型外推。传统方法使用单一高斯包络方法,其结果过于保守,导致卫星导航系统性能参数,例如可用性等指标,较低,无法满足民航标准。为解决上述问题,本文提出采用高斯混合模型对空间信号测距误差所具有的厚尾特性进行建模,解决原有模型过于保守的问题。同时引入轮廓系数和赤池准则,使空间信号测距误差模型可以自适应优化,摆脱人为主观干预所导致的不准确等问题。提高定位精度的置信度,增强卫星导航系统的可用性,以满足民航发展需求。(本文来源于《第十一届中国智能交通年会大会论文集》期刊2016-11-16）
混合高斯建模论文开题报告
（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：
考虑光伏电站输出功率概率分布特点以及光伏电站间输出功率的相关性,结合混合高斯模型(GMM)和混合Copula函数,提出一种光伏电站间输出功率相依结构模型。以青海2个光伏电站的实测数据为例进行分析,对原始数据进行清洗,基于此将提出的模型与常规基于核密度估计的Copula函数模型进行对比,验证所建模型的有效性。
（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。
混合高斯建模论文参考文献
[1].王坚.基于高斯混合建模的扶梯扶手边界区域越界检测方法[J].中国设备工程.2019
[2].朱晓荣,金绘民,王羽凝.基于混合高斯模型与Copula函数结合的光伏电站功率相依结构建模[J].太阳能学报.2019
[3].娄康,朱志宇.基于卷积神经网络与高斯混合建模的红外弱小目标检测方法[C].第叁十八届中国控制会议论文集（7）.2019
[4].侯雷静,郭婷婷,孙燕,齐英杰,应冬文.面向心音分割的个性化高斯混合建模方法[J].声学学报.2019
[5].李辉.基于峰值特征高斯混合建模的SAR目标识别[J].电子测量与仪器学报.2018
[6].张朋,温宏愿.基于混合高斯建模和纹理特征提取的人数统计方法研究[J].价值工程.2018
[7].康杜.融合SCBP与改进混合高斯建模的运动物体检测方法[J].电脑与信息技术.2018
[8].王传云,秦世引.动态场景红外图像的压缩感知域高斯混合背景建模[J].自动化学报.2018
[9].杨楠,崔家展,周峥,张善咏,侯杰.基于混合高斯分布的风功率横向时间序列概率密度建模研究[J].水电能源科学.2016
[10].赵博昊,薛瑞.基于高斯混合模型的北斗空间信号测距误差建模[C].第十一届中国智能交通年会大会论文集.2016