导读:本文包含了树形变换论文开题报告文献综述及选题提纲参考文献，主要关键词:组播路由,服务质量,微粒群算法,树形变换
树形变换论文文献综述
李帅,王华,王新军,石钊[1]（2009）在《树形变换的PSO组播路由算法》一文中研究指出QoS组播路由问题的目标是寻找满足带宽、延时、延时抖动等约束的最小代价组播路由树,该问题已被证明是NP完全问题.本文提出树形优化的思想,直接在组播树上进行树形优化,并引入微粒群优化(PSO)算法到此问题的求解中,有效的控制了树形变换的优化方向和进化速度.仿真试验表明新算法在寻优能力、收敛速度方面都有良好的表现.(本文来源于《小型微型计算机系统》期刊2009年08期）
张莉,黎明,杨小芹[2]（2007）在《基于树形小波变换的断口图像识别》一文中研究指出断口图像的识别是进行失效分析的一个重要组成部分,本文提出一种基于小波的断口识别方法,该方法采用树形小波对金属断口图像进行二级小波变换,剔除近似分量,对其余的各个频带输出的标准差作为断口识别的特征,并采用最小距离分类法进行分类,实验证明,此方法对细节丰富的断口的识别率很高。(本文来源于《南昌航空大学学报(自然科学版)》期刊2007年02期）
李伟[3]（2004）在《基于树形结构小波变换的虹膜纹理分类识别研究》一文中研究指出随着网络技术和信息技术的高速发展，人们的安全意识越来越高，同时对安全性提出了更高的要求。目前，常规的安全技术已经不能满足当前的要求，于是人们把目光转向生物识别领域。虹膜具有可靠性、唯一性、不可伪造性及不可侵犯性等优点，从而虹膜识别应运而生。虹膜识别技术能广泛使用在一些安全领域以及海关，它提供了比其它的如指纹，人脸识别等人类特征识别技术更有效的安全性。虹膜结构复杂，1：1035的高防伪几率足以用来作为生物签名。这就意味着在识别过程中不可能找到两个完全相同的虹膜，因此定义一种适合于从人眼图像中提取虹膜信息的表示方法就显得非常重要。一般情况下，就整幅虹膜原图像来看，所有的虹膜原图像大致上都属于一类图像。但是当仅仅考虑虹膜纹理部分的时候，不同人的虹膜纹理是不一样的，这也是虹膜识别之所以能完成人身份验证的前提。因此我们首先将虹膜图像中的虹膜环带部分分离出来，并进行规范化。虹膜的提取采用了以下方法：通过Canny边缘检测算子对图像进行边缘检测；使用法线算法进行瞳孔中心和虹膜内缘半径的初步估计；在近似认为虹膜内外缘为同心圆的情况下，使用Hough变换方法进行中心定位出虹膜纹理区域，然后通过坐标系变换和双线性插值将虹膜环带部分展开成矩形。对于提取出来的虹膜纹理图像，如果能够找到一种有效提取虹膜纹理部分特征的方法就能够完成虹膜纹理图像的分类。小波变换是一个时间和<WP=74>频率的局域变换，因而能有效的从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析，解决了Fourier变换不能解决的许多困难问题，从而小波变化被誉为“数学显微镜”。在以前采用简单的分解虹膜纹理图像低频部分来提取虹膜纹理特征的方法中，很大可能会丢失掉了中频，高频部分的特征信息。所以提取出来的特征数就相对较少，不利于后期进行有效的分类识别。也有人尝试是对所有子带进行分解的完全树形结构小波分解的方法来提取特征。但是，由于每次都要对产生的每个子带进行分解，虽说能提取出虹膜纹理图像的大部分特征信息。但是这样势必增加计算量，影响后期分类识别的速度。所以应该采用一种评价手段，对每次分解出来的子带有选择地进行分解。这样既利于提取出大部分的虹膜纹理信息，又避免了全部树形分解的大量计算。进而提出一种虹膜纹理图像分类算法。由于每一层小波分解后所产生的待选择分解子带数目不定，所以在评价过程中就得看是全局评价还是局部评价。例如经过第一层分解后的有4个子带有待被选择，第二次分解以后最大可能有16个子带有待被选择等等。首先来说一下局部评价：在分解过程中，仅仅在每一个子带所产生的四个子带中选择被分解子带。全局评价：在分解过程中，在每次分解后的所有子带中进行评价选择能量最大（包含重要的纹理信息）的子带进行下一步分解。很明显我们要用到的是全局评价，因为由评价条件产生的每一次被分解的子带数目不定。这样才能实现树形小波变换的自适应提取重要的纹理信息的特性。全局评价的小波变换算法实现起来比局部评价的树形<WP=75>小波分解算法难度要大，因为它不能通过简单的递归方法来实现，而是在每次产生的数目不确定的子带中进行评价，从而选择出含重要纹理信息的子带进行下一步分解。根据试验结果看来，被选择作进一步分解的确实不仅仅是图像的低频部分，而是大部分集中在中频带。为了有利于后期的识别，我们把虹膜特征表示为两部分：第一部分为主频率通道。我们采用1，2，3，4这几个整数来分别表示每次小波分解后的LH，HH，HL，LL子带。这样分解完以后，以评价标准得到一系列由整数表示的分解路径。大量实验验证，对于来自同一个人得虹膜规范化后纹理图像采用树形结构的小波分解路径绝大多数是一样的。对分解路径树按由叶节点到根节点的顺序得到的路径称为一条主频率通道。虹膜纹理特征第二部分就是每一条主频率通道上节点的能量和所组成的向量。以此能量向量的大小我们采用了前五个主频率通道。这两部分都反映了纹理图像的纹理特征，前五个主频率通道注意表示该虹膜纹理特征。在虹膜识别阶段，首先对来自同一个人得m幅虹膜纹理进行预处理，树形结构小波变换得到它们的主频率通道，对相同主频率通道的能量特征向量进行平均，得到该类虹膜纹理的模板特征。对于一幅未知的虹膜原图像，经过预处理后对其进行同样树形结构的小波变换。得到表征该虹膜纹理特征的主频率通道和对应该主频率通道的能量特征向量。在数据库中找出具有相同主频率通道的虹膜模板特征。在同一通道中比较它们的能量特征向量，如果差异值小于某给定的阈值，就把该纹理归为此类虹膜纹理，从而完成虹膜图像的分类识别。<WP=76>实验验证了该方法在小样本空间下有效性，今后我们工作应在较大的样本空间上继续进行理论证明和实验验证。(本文来源于《吉林大学》期刊2004-04-01）
树形变换论文开题报告
（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：
断口图像的识别是进行失效分析的一个重要组成部分,本文提出一种基于小波的断口识别方法,该方法采用树形小波对金属断口图像进行二级小波变换,剔除近似分量,对其余的各个频带输出的标准差作为断口识别的特征,并采用最小距离分类法进行分类,实验证明,此方法对细节丰富的断口的识别率很高。
（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。
树形变换论文参考文献
[1].李帅,王华,王新军,石钊.树形变换的PSO组播路由算法[J].小型微型计算机系统.2009
[2].张莉,黎明,杨小芹.基于树形小波变换的断口图像识别[J].南昌航空大学学报(自然科学版).2007
[3].李伟.基于树形结构小波变换的虹膜纹理分类识别研究[D].吉林大学.2004