导读:本文包含了合并算法论文开题报告文献综述及选题提纲参考文献，主要关键词:高斯混合模型,相似分布准则,高斯聚类,扩展积分均方误差代价函数
合并算法论文文献综述
徐洋,方洋旺,伍友利,张丹旭[1]（2019）在《相似分布特性准则下的高斯混合项聚类-合并算法》一文中研究指出针对高斯混合模型估计非高斯系统时高斯混合项呈指数级增长问题,提出一种基于相似分布特性准则的聚类-合并方法。通过分析高斯混合项的分布特性,基于扩展积分均方误差代价函数搜索最优置信范围,并对混合项进行高斯聚类,进而获得具有不同分布特性的高斯簇。为防止高斯簇间对高斯子项的重复利用,引入局部最近邻思想对交叉高斯项进行重新分配。采用并行多元素合并方法对高斯簇中的混合项进行合并,在保证无偏性基础上减少下一时刻混合项数量。仿真结果表明,改进算法在保证跟踪精度的同时还可有效提高算法效率。(本文来源于《国防科技大学学报》期刊2019年04期）
樊书辰,水鹏朗[2]（2019）在《形态学边缘信息引导的区域合并合成孔径雷达图像分割算法》一文中研究指出针对基于区域合并的合成孔径雷达(SAR)图像分割中,初始分割过度碎片化影响后续区域合并效率和质量的问题,提出了利用形态学边缘信息引导的区域合并(MEI-RCBLP)SAR图像分割算法。首先利用高斯和伽马函数赋权的加权中值滤波构造各向异性形态学方向比率算子,提取图像的边缘强度映射来表征边缘响应的强弱,并对边缘强度映射进行阈值化处理和分水岭变换得到高质量的初始分割;然后利用现有的相对公共边界长度惩罚区域合并技术,迭代地合并初始分割中最相似的相邻区域,直到满足合并终止条件,输出最终的分割结果。实验结果表明,相比利用统计区域生长、MISP超像素和均值比边缘信息引导的分割算法,所提出的MEI-RCBLP算法显着改善了初始分割质量,在保证最终分割质量的前提下初始分割区域数目减少了25%以上,同时最终的分割结果在不同的性能评价指标上总体优于上述对比算法。(本文来源于《西安交通大学学报》期刊2019年10期）
戴文江,王亮,王枭[3]（2019）在《一种雷达网威力范围融合显示的区域合并算法》一文中研究指出雷达网威力范围融合显示是作战仿真的一项常见需求。GDI+及其他第叁方工具虽能高效解决区域合并问题,但存在计算过程和结果不可控的问题。对此,提出了一种基于多边形布尔运算原理的区域合并算法。首先对雷达网威力范围融合显示问题做了简要概述,指出了现有方法存在的问题,进而提出算法,并介绍了调整顺时针序、计算交叉点、抽取外包络和多区域合并四个关键步骤,最后通过两组实例验证了算法的有效性。(本文来源于《电子信息对抗技术》期刊2019年04期）
刘鹏,须雷,刘东超,李海涛,卢为[4]（2019）在《合并单元插值滤波算法研究》一文中研究指出合并单元主要用于采样数据,插值同步多源数据。本文深入分析了合并单元滤波插值算法,采用一种模拟滤波和数字滤波相结合的滤波方式,并根据滤波插值算法产生的误差,设计了一种采样频率为4/4.8kHz且满足检测规范要求的插值滤波方案。通过Matlab仿真计算表明该方案较好地解决了频率混迭问题,稳态误差满足电力系统对合并单元的要求。(本文来源于《电气技术》期刊2019年06期）
唐孝甲,陈伟,尹准生,张振中[5]（2019）在《基于区域合并的Mean Shift算法识别单木研究》一文中研究指出为准确识别森林单木,采用区域合并的Mean Shift算法对机载点云进行单木分割。首先,以点云叁维特征空间为特征向量,选择核带宽度及收敛阈值,采用Mean Shift算法对点云进行初始过分割;其次,以过分割点簇为对象,选择分割尺度、平滑度和紧凑度参数,采用基于区域邻接图的最优层次合并方法对点簇进行合并。最后,剔除3.5 m高度以下和异常点云,以点云中心点为单木位置,计算森林密度。实验结果表明,基于区域合并的Mean Shift算法能够检测到89%以上的单木,单木识别精度达91.6%,避免了生成CHM的初始误差。(本文来源于《林业调查规划》期刊2019年03期）
金辉[6]（2019）在《多边形生成合并及布尔运算算法研究》一文中研究指出近些年来,随着GIS、计算机辅助设计、叁维物体表面重建、医学或卫星图像数据处理等领域的发展,多边形的相关运算越来越重要。多边形的相关运算可大致分为生成、合并及布尔运算,是计算几何中的几个重要的问题。本文对多边形相关的算法进行了深入细致的研究。大致分为四个部分:多边形合并算法、线段集生成简单多边形算法、多边形的叁角剖分以及多边形布尔运算算法。主要目的分为两个,一个是简化算法过程,降低时间复杂度,另一个是缩短连接线长度,在实际应用方面可降低成本。1.给出的多边形合并算法是将两个不相交多边形连接成一条回路。该算法通过删除多边形两侧距离较短的点,并将剩余顶点构成一个新的多边形,然后对新多边形进行Delaunay叁角剖分,以Delaunay边作为对角线构成四边形,找到四边形的边长增值最小的连接点与的对应点,删除相应边,得到具有最小长度的回路,降低了算法的时间复杂度。2.给出了线段集生成简单多边形算法,首先逐层计算线段集的凸壳,为了缩短连接线段长度和将这些凸壳根据Delaunay叁角剖分选取最近点或次最近点改变成简单多边形,然后计算多边形之间的交点并删除,最后将这些简单多边形合并成一个简单多边形。对算法进行了分析,给出了时间复杂度。3.给出了多边形布尔运算算法。本文算法先根据多边形链求交算法计算出交点,顺时针遍历多边形,不考虑交点对方向的改变,之后根据交点与端点构造出的新多边形中边的方向进行分类,根据求解并、交、差的规则计算出两个多边形的交集、并集和差集。(本文来源于《哈尔滨理工大学》期刊2019-03-01）
薛小娜,高淑萍,彭弘铭,吴会会[7]（2019）在《基于K近邻和多类合并的密度峰值聚类算法》一文中研究指出针对密度峰值聚类(DPC)算法在处理结构复杂、维数较高以及同类中存在多个密度峰值的数据集时聚类性能不佳的问题,提出一种基于K近邻和多类合并的密度峰值聚类(KM-DPC)算法.首先利用定义的密度计算方法描述样本分布,采用新的评价指标获取聚类中心;然后结合K近邻思想设计迭代分配策略,将剩余点准确归类;最后给出一种局部类合并方法,以防将包含多个密度峰值点的类分裂.仿真实验结果表明,该算法在22个不同数据集上的性能明显优于DPC算法.(本文来源于《吉林大学学报(理学版)》期刊2019年01期）
杜明洋,毕大平,王树亮,潘继飞[8]（2018）在《基于模糊聚类的群分离与合并跟踪算法》一文中研究指出针对密集杂波背景下群目标分离或合并时估计误差增大的问题,提出了基于模糊聚类的群跟踪算法。该算法首先基于多特征信息融合的思想,融合群目标的运动状态信息和电磁辐射信息,通过计算候选回波与真实目标的关联度对量测进行筛选;其次,对群内目标进行聚类,形成若干个聚类小群,通过估计各小群的运动状态实现对大群的整体跟踪,并利用最近邻(NN)算法进行航迹维持。仿真结果表明,该算法提高了杂波背景下群目标跟踪的精度,并且能够较为准确地检测出群的分离与合并,相比传统算法,性能有所提高,具备工程实用性。(本文来源于《探测与控制学报》期刊2018年06期）
刘仲民,王阳,李战明,胡文瑾[9]（2018）在《基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法》一文中研究指出针对传统区域邻接图在描述数据结构时,搜索全局最优解难的问题,提出了一种基于简单线性迭代聚类(SLIC)和快速最近邻区域合并的图像分割算法。该方法在区域邻接图基础上引入了最近邻接图来优化全局搜索,首先用SLIC超像素算法将图像分割成小区域,利用区域邻接图(RAG)和最近邻接图(NNG)的邻接表数据结构来描述区域之间的关系,然后计算每个待合并区域与其所有邻接区域之间的不相似度函数值,最后合并不相似度值最小的区域。实验结果表明:本文方法能较好地将最相似的区域进行合并,与传统的区域合并算法相比,降低了合并计算的复杂度,大幅度提高了区域合并的准确性。(本文来源于《吉林大学学报(工学版)》期刊2018年06期）
胡学刚,段瑶,严思奇[10]（2018）在《基于区域合并的FCM图像分割改进算法》一文中研究指出针对现有模糊C均值聚类(FCM)算法易出现过分割现象,分割效果不够理想等问题,本文提出了一种基于区域合并的FCM改进算法.该算法首先使用快速广义模糊C均值聚类算法(FGFCM)获得初始分割;然后综合考虑各区域间的邻接关系、颜色差异和边缘信息,计算各邻接区域间的距离;最后依据区域间距离和区域面积对初始分割区域进行合并,得到最终分割结果.实验证明,所提出的算法有更好的分割性能,有效解决了现有FCM分割算法中的过分割问题.(本文来源于《小型微型计算机系统》期刊2018年09期）
合并算法论文开题报告
（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：
针对基于区域合并的合成孔径雷达(SAR)图像分割中,初始分割过度碎片化影响后续区域合并效率和质量的问题,提出了利用形态学边缘信息引导的区域合并(MEI-RCBLP)SAR图像分割算法。首先利用高斯和伽马函数赋权的加权中值滤波构造各向异性形态学方向比率算子,提取图像的边缘强度映射来表征边缘响应的强弱,并对边缘强度映射进行阈值化处理和分水岭变换得到高质量的初始分割;然后利用现有的相对公共边界长度惩罚区域合并技术,迭代地合并初始分割中最相似的相邻区域,直到满足合并终止条件,输出最终的分割结果。实验结果表明,相比利用统计区域生长、MISP超像素和均值比边缘信息引导的分割算法,所提出的MEI-RCBLP算法显着改善了初始分割质量,在保证最终分割质量的前提下初始分割区域数目减少了25%以上,同时最终的分割结果在不同的性能评价指标上总体优于上述对比算法。
（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。
合并算法论文参考文献
[1].徐洋,方洋旺,伍友利,张丹旭.相似分布特性准则下的高斯混合项聚类-合并算法[J].国防科技大学学报.2019
[2].樊书辰,水鹏朗.形态学边缘信息引导的区域合并合成孔径雷达图像分割算法[J].西安交通大学学报.2019
[3].戴文江,王亮,王枭.一种雷达网威力范围融合显示的区域合并算法[J].电子信息对抗技术.2019
[4].刘鹏,须雷,刘东超,李海涛,卢为.合并单元插值滤波算法研究[J].电气技术.2019
[5].唐孝甲,陈伟,尹准生,张振中.基于区域合并的MeanShift算法识别单木研究[J].林业调查规划.2019
[6].金辉.多边形生成合并及布尔运算算法研究[D].哈尔滨理工大学.2019
[7].薛小娜,高淑萍,彭弘铭,吴会会.基于K近邻和多类合并的密度峰值聚类算法[J].吉林大学学报(理学版).2019
[8].杜明洋,毕大平,王树亮,潘继飞.基于模糊聚类的群分离与合并跟踪算法[J].探测与控制学报.2018
[9].刘仲民,王阳,李战明,胡文瑾.基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J].吉林大学学报(工学版).2018
[10].胡学刚,段瑶,严思奇.基于区域合并的FCM图像分割改进算法[J].小型微型计算机系统.2018
标签：高斯混合模型; 相似分布准则; 高斯聚类; 扩展积分均方误差代价函数;