导读:本文包含了序列的实现论文开题报告文献综述及选题提纲参考文献，主要关键词:热红外图像,呼吸检测,滤波,小波分析
序列的实现论文文献综述
肖书明,陈骐,梁智敏,甄庆凯,刘泳庆[1]（2019）在《基于热图像序列实现人体呼吸参数的无接触式检测》一文中研究指出研究背景:目前的呼吸参数检测方法,都属于接触式检测,而设备与人体的接触导致多个问题。因此迫切需要简单易用的无接触式的方法。热红外成像在热红外光谱段工作,可以实时、全面地获得人体表面的温度信息,并且具备图像数据受光照变化影响小的优势。小波算法可以实现对于非平稳随机信号的消噪,是一种非常有前途的方法。因此本文中综合利用热红外成像与小波分析的手段,对人体的静态和动态情况的呼吸参数进行检测,以更加真实有效的获得呼吸参数。研究方法:1)原理及实现:a)物理原理当人体进行持续的周期性呼吸活动时,空气被吸入人体,继而被呼出。当在此过程中,呼吸器官与空气之间会发生持续的热量交换,呼吸道会发生周期性的温度波动。b)静态呼吸参数推算确定热红外图像中的鼻孔区域为本次实验的感兴趣区域。采用经典的Camshift算法对感兴趣区域进行追踪。对追踪到的感兴趣区域进行运算,消除噪声,增强有用信号。最后,对滤波结果进行小波包分解和重构,得到对人体呼吸频率的推算数据。c)动态呼吸参数推算与静态呼吸检测情况中类似,将鼻孔区域设定为测量区域。采用TLD(Tracking-Learning-Detection)跟踪算法,来跟踪感兴趣区域。对原始信号值进行滤波处理,消除信号中噪声的影响。处理结果用于计算呼吸频率。2)呼吸参数检测实验:a)研究对象及实验设备针对安静和运动两种状态下的受试者,进行呼吸参数检测实验。实验在室内进行,环境温度为22.3°C。采用的热图像采集设备:IRS S65-A,图像分辨率为384*288像素,红外波长范围为8-14m,测温范围在-20°C-+350°C,测温精度在±2°C或±2%。对照设备:荷兰Spirit公司的多通道生理参数采集系统Spirit-8C,以及对应的扎带式呼吸传感器。为了实现对两类数据的对照分析,自制了一个特殊的发令装置。各个设备首先启动数据记录,以确保发令装置发出的信号可以被记录在数据中。此后发令装置发出时间对准信号,在各通道的数据中留下时间同步的标记。对于数据的分析,都以时间同步标记为基准进行。b)安静状态呼吸检测在静态呼吸参数检测实验中,研究对象20人(10男10女),采集包含受试者面部的视频,每人时长2分钟,视频格式为AVI。被试者面朝上平躺在一张简易床上,保持静止姿势,同时做匀速自然呼吸。一台热像仪斜向下拍摄被试者的整个面部。调整热像仪的朝向和焦距,使得被试者的面部大约占整个热图像仪的1/4-1/3,且可以清晰地观察额头、下颌及鼻孔。呼吸扎带传感器被固定在受试者的腹部,以同步采集受试者的基准呼吸数据。c)运动状态呼吸检测运动状态实验的研究对象18人(9男9女),均为在校学生,年龄范围为22-25岁。检测设备与静态检测实验中的设备和布置方式基本相同,只是需要将热像设备的光轴改为斜向上的指向,以确保捕捉到的鼻孔区域。运动的过程如下:开始时,受试者保持静止状态一分钟,然后在跑台上走跑。跑动速度保持3km/h不变。被试者进行跑步时,面向前方,并以自然的方式做匀速呼吸。针对在运动状态下得到的受试者热图像,采用了与安静状态时相同的方法来计算呼吸频率。将得到各个受试者的呼吸频率数据与基准呼吸频率数据进行比较。d)对试验结果的讨论:将安静状态下的各个样本的检测精度与运动状态下各样本的检测精度进行了对比,发现对于相同的呼吸频率,运动状态下的呼吸频率检测精度要低于安静状态下的呼吸检测精度。推测其原因:在运动状态下,热图像的图像质量有所降低。3)总结试验结果表明,本文给出的基于热图像的呼吸频率推算方法,在安静和慢跑两种状态下,均能给出很好的估算精度。在主体处于运动的情况(慢跑)下,呼吸频率的估算值均达到了91%以上,能够满足居家监护、大众健身等场合在呼吸监测方面的要求。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01）
胡仁飞[2]（2019）在《基于嵌入维的时间序列预测方法的实现与应用》一文中研究指出时间序列预测是一种常用的预测方法。时间序列分析的一个关键步骤是重构相空间,嵌入维是相空间重构中的一个重要参数,确定时间序列的最小嵌入维对时间序列的预测非常重要。本文实现了CAO提出的求取最小嵌入维的算法,基于最小嵌入维重构了样本空间,利用支持向量机对零售额进行了学习和预测,取得了一定的效果。(本文来源于《数字通信世界》期刊2019年10期）
石海鹤,周卫星[3]（2019）在《基于动态规划的双序列比对算法构件设计与实现》一文中研究指出双序列比对算法是生物信息学中的一个关键算法,广泛应用于序列相似性分析以及基因组序列数据库搜索.现有研究主要针对特定应用问题优化和使用相对应比对算法,缺乏高抽象层算法框架的细致研究,在一定程度上导致了序列比对算法的冗余性以及人为选择算法可能造成的误差等问题,也使得人们难以有效地了解算法结构.通过深入分析基于动态规划的双序列比对算法(dynamic programming-based pairwise sequence alignment algorithm, DPPSAA)领域,在建立该算法领域的特征模型以及对应算法构件交互模型基础上,利用PAR平台形式化实现双序列比对算法构件库,并装配生成具体算法,保证了形式化装配算法的可靠性,为序列相似性分析算法应用提供了一条有价值的参考途径.最后,利用PAR平台C++程序生成系统将组装的比对算法转换为C++程序,运行结果表明DPPSAA算法构件库具有一定的实用性.(本文来源于《计算机研究与发展》期刊2019年09期）
刘天,姚梦雷,黄继贵,陈红缨,黄淑琼[4]（2019）在《BP神经网络在传染病时间序列预测中的应用及其MATLAB实现》一文中研究指出目的利用MATLAB软件,建立基于BP神经网络的传染病时间序列预测模型。方法以荆州市2005-01/2017-12和2018-01/05乙类传染病发病数作为拟合样本和预测样本,建立12-10-5叁层BP神经网络模型并预测2018-01/05的逐月发病数。以最小均方差(MSE)、R2、平均相对误差百分比(MAPE)、平均绝对误差(MAE)4个指标评价BP神经网络的拟合和预测效果。结果 BP神经网络拟合和预测的MSE、R2、MAPE、MAE依次分别为11 662.74,0.85,5.19%,85.87和32 729.59,0.22,12.20%,140.31。结论 BP神经网络对传染病时间序列拟合及预测效果较好;MATLAB软件能用于BP神经网络模型的建立。(本文来源于《预防医学情报杂志》期刊2019年08期）
田六方[5]（2019）在《基于DirectShow的多节目片段序列的无缝播放系统设计与实现》一文中研究指出为了在LED大屏的前台播放端按照节目单中的节目片段序列自动组合进行视频播放,本文设计并实现了基于DirectShow框架的多线程节目缓存播放序列,实现相邻节目片段之间的无缝拼接。(本文来源于《电视工程》期刊2019年02期）
葛慧晗[6]（2019）在《基于频繁序列挖掘的银行风险用户检测的研究与实现》一文中研究指出随着现代经济的高速发展,银行不断创新,电子银行已成为银行业务中最重要的板块之一。然而近年来,利用电子银行业务漏洞获取用户信息从而进行资金盗取的案件越来越多,使得大量用户处于危险之中,这危害了银行与用户的财产安全,破坏社会稳定。而银行目前针对此类处于风险中的用户仍使用规则和验证的迭加方式进行检测,效率低,效果差。如何及时发现此类风险用户,即用户信息可能存在泄露,其账户内资金有被窃取风险的用户成为了一个重要课题。本文对银行用户风险检测的相关研究进行了总结,并对数据挖掘、异常发现等理论进行了深入研究,以此为理论基础,对此类风险用户特征进行分析,提出一种基于频繁序列挖掘的银行风险用户检测模型,即首先对已有风险用户进行频繁序列挖掘,再将挖掘结果作为风险用户特征序列与待检测用户相匹配以实现风险用户检测。通过对风险用户银行流水数据进行分析发现,风险用户具有高度相似行为序列的同时,时间间隔对用户风险程度影响极大。因此,本文在银行风险用户检测模型中引入时间间隔属性,通过对时间间隔进行聚类处理改进了带有时间间隔的频繁序列挖掘算法,并且在传统序列模式匹配算法中加入时间间隔约束,以提升检测准确率。并根据上述算法,对提出的银行风险用户检测模型进行了设计与Hadoop环境上的并行化实现。最后,本文对提出的银行风险用户检测模型进行了实验与分析。实验结果表明,本文所述的风险用户检测方法具有一定的有效性与准确性。可以有效地提升银行风险用户检测的准确率与效率,从而使银行可以及时对风险用户进行处理,保障账户内资金安全。同时可以将风险用户信息提供给相关法律或监管部门,对犯罪行为进行追踪与调查,维护国家安全与社会安定。(本文来源于《北京邮电大学》期刊2019-06-10）
郭景怡[7]（2019）在《iOS应用场景API序列模式挖掘技术的研究与实现》一文中研究指出随着移动信息化的普及,人们生活运转越发依赖于移动终端,而iOS作为当前移动端主流操作系统之一,其搭载的iOS应用不可避免成为了用户数据的集中地。为了保护用户信息安全,安全分析人员需要识别应用的运行时行为,并判断行为是否符合应用的自我描述及用户预期。但随着应用复杂度提升,人工分析难度增大,如何自动化识别应用行为来对iOS应用进行理解已然成为亟待解决的问题。自动化识别应用行为的前提是存在行为特征库,然而iOS作为闭源系统,其相关研究与技术尚未成熟,目前也没有合适的特征库。考虑到程序执行路径作为应用行为的直接表现能提供大量行为信息,且通过分析路径来识别功能场景已经是一个相对成熟的程序理解方法,本文对Mach-O二进制分析与功能场景特征挖掘展开研究,提出一种iOS应用场景API序列模式挖掘方法。该方法使用符号执行技术从Mach-O二进制中提取出iOS应用的执行路径,从路径中提取出场景实例集合并对其进行模式挖掘,最终获得场景的API序列模式。本文的主要成果包括:1.提出面向Mach-O二进制的分析框架MachOA。该分析框架基于angr框架实现并弥补了 angr对Mach-O二进制支持上的不足,通过模拟iOS应用的运行时环境来维护符号执行的完整性,经实验验证该框架能良好支持Mach-O二进制的符号执行。2.基于上述MachOA框架提出一种基于符号执行技术的Mach-O二进制执行路径生成方法。该方法可以有效避免动态监测所得路径覆盖率低、静态分析所得路径不合理的问题,并通过限制符号执行的代码区域来避免无意义分析,同时缓解路径爆炸的可能性。3.设计并实现iOS应用场景API序列模式挖掘系统,并选取设备标识符生成、设备定位服务初始化两个场景进行实验以验证系统的可行性与有效性。实验结果表明,给定实现一个功能的核心API或ADT作为场景种子,该系统可以挖掘出应用在不同系统状态下实现该功能的API序列模式。后续可以使用挖掘所得API序列模式构建场景特征库,结合模式匹配技术,从iOS应用的执行路径中自动识别出场景进而帮助程序理解。(本文来源于《北京邮电大学》期刊2019-06-05）
陈佳[8]（2019）在《基于Spark的闭合序列模式手机病毒挖掘系统的设计与实现》一文中研究指出随着网络的发展和智能手机的普及,手机病毒日益增多,种类也更加丰富。手机病毒不仅破坏用户数据还盗取用户隐私,对用户造成了极大的伤害,如何有效地对手机病毒进行监测并防范成为了社会各界广泛关注的问题。由于病毒会造成手机用户的行为具有异常性,并且隐藏着一定的规律性,所以使用数据挖掘技术可以挖掘出具有代表性的手机病毒行为特征,从而能够准确且主动地检测出手机病毒。目前将数据挖掘技术应用到手机病毒挖掘中存在的问题有:(1)单机版的手机病毒挖掘系统在处理海量数据时运行效率低;(2)目前己有的应用在手机病毒挖掘中的技术大多没有考虑到病毒行为之间的时序关系;(3)大多数手机病毒挖掘系统功能单一,用户不能自主快捷地使用系统,也不能直观的对手机病毒挖掘结果和检测结果进行有效性分析。针对以上问题,本文重点研究基于分布式计算框架Spark的闭合序列模式挖掘技术,并在此基础上设计并实现了手机病毒挖掘系统。本文的主要工作为:(1)分析Spark框架的核心工作原理。并基于叁台Ubuntu系统的计算机搭建了分布式的Hadoop集群和Spark集群;(2)分析单机版闭合序列模式挖掘算法CloTSP的实现原理。结合该算法和大数据处理量的特点,设计基于Spark平台的并行化闭合序列模式挖掘算法S-CloTSP,并使用Scala语言进行实现。通过实验验证了算法的有效性,并分析了并行化改进效果;(3)将并行化闭合序列模式挖掘算法S-CloTSP应用到手机病毒挖掘中,设计与实现了手机病毒挖掘系统。一方面,系统对具有时序性的病毒行为进行闭合序列模式挖掘,不仅考虑到了行为之间的时序关系,而且有效的解决了频繁序列集中含有大量冗余的问题,基于Spark的后台业务运算更使系统适用于海量的数据挖掘,提高了挖掘效率。另一方面,系统为用户提供可视化Web界面,用户通过简易的点击拖拽等操作便可自主挖掘潜在的手机病毒行为特征,并根据特征集对未知数据进行检测。系统将检测结果以丰富的图形进行迅速直观的表达,可以帮助用户快速的在数据中自主发现结论;(4)最后对系统进行了性能测试和功能测试,实验证明该系统具有有效性和可用性,在手机病毒挖掘领域具有重要价值。(本文来源于《北京邮电大学》期刊2019-06-01）
吴亚彬[9]（2019）在《基于情感时间序列的P2P网贷企业舆情态势研判技术研究与实现》一文中研究指出当今信息化时代,热点事件的发展在强大的互联网作用下传播及时且迅速,微博等网络社交媒体在舆情传播过程中起到了重要作用。对社交网络文本进行情感分析能够有效反映舆情的发展和变化,对舆情发展的预测和研判能够更好地起到辅助决策和有效处理的作用,因此本论文课题具有重要的研究意义和应用价值。目前对文本的情感分析主要针对单个文本进行,通过挖掘文本情感特征进行情感极性判断,缺乏对多用户、多文档的情感进行整体融合分析,并且,已有方法大多关注于文本自身所挖掘出的信息,主要包括情感词、词性等传统文本特征,对文本所在领域、场景关联特征的考虑较少,例如对社交平台上不同用户的身份差异以及时间先后序列等特征的研究较少。因此,本文从微博类社交网络平台上面向P2P网贷企业领域的舆情文本信息出发,结合情感分析与时间序列研究,实现了一种包含情感特征以及时序信息的文本表征,探讨了多用户、多文档情感融合分析,并且结合社交网络特定场景,考虑不同社交用户身份和时间先后序列等关联特征,提出并实现了一种时间+用户双注意力机制模型,对时间维度的影响力以及用户重要性表示等社交网络关联特征加以利用,实现了P2P网贷企业社交网络舆情文本信息的情感态势预测和分析,并通过真实数据进行实验,结果表明在叁系不同数据中F1值分别达到0.837、0.756和0.850,均高于LSTM等其他5种深度学习算法,验证了其有效性。同时,为了能够科学的量化反映舆情态势的发展演化和未来趋势,本文构建了一个适用于P2P网贷企业领域的社交网络舆情指标体系,对舆情热度趋势实现量化计算,通过实验与真实值对比,结果表明准确率达到98%以上,有效刻画了舆情不同阶段的发展特点。在此基础上,综合所有研究工作,设计实现了一个舆情态势研判原型系统。(本文来源于《北京邮电大学》期刊2019-05-30）
吴泓邵[10]（2019）在《基于Xeon Phi的超长序列比对算法设计与实现》一文中研究指出基因是指控制生物性状的遗传信息,通常由DNA序列承载,可以视作基本遗传单位。基因的产物可以是蛋白质和RNA,从而控制生物个体的性状差异表现。而两个基因的相似度有多高,演化上是否可能同源。归结到计算上,就是如何找到两个序列的最优或近似最优的比对。随着人类基因组计划的测序工作的完成,生物信息科学的研究重点放在了探明基因序列的功用上。而在高通量测序技术快速进展的背景之下,生物数据呈现指数型增长。因此产生了对大量生物信息数据进行高效准确分析的需求。基因序列决定了生物的性状,查找出基因差异性对于人类克服疾病具有深远的意义。本文在Xeon Phi众核架构上,设计并实现了一个全新的超长序列比对算法SLPal。该算法的计算核心是基于位并行的BitPAI算法。在粗粒度上,为了实现多线程并行,我们将超大规模的矩阵进行了划分。在垂直和水平方向上分别进行划分,将矩阵分成了网格。然后通过Intel TBB并行编程库构建了有向无环图模型来实现该网格中矩阵块之间的并行。在细粒度上,我们用Xeon Phi上的指令集编写了 Intrinsic指令。SLPal中的一些操作没有对应的向量化实现,我们采用手动编写函数来实现了相关的功能。实验表明,相较于已有的超长序列比对算法,SLPal的计算效率更高。在单块KNC和KNL平台上,分别取得了172和482GCUPS的计算性能。相较于Swaphi-ls并行超长序列比对算法,SLPal在KNC和KNL上分别取得了5.8倍和16倍的加速比。(本文来源于《山东大学》期刊2019-05-20）
序列的实现论文开题报告
（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：
时间序列预测是一种常用的预测方法。时间序列分析的一个关键步骤是重构相空间,嵌入维是相空间重构中的一个重要参数,确定时间序列的最小嵌入维对时间序列的预测非常重要。本文实现了CAO提出的求取最小嵌入维的算法,基于最小嵌入维重构了样本空间,利用支持向量机对零售额进行了学习和预测,取得了一定的效果。
（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。
序列的实现论文参考文献
[1].肖书明,陈骐,梁智敏,甄庆凯,刘泳庆.基于热图像序列实现人体呼吸参数的无接触式检测[C].第十一届全国体育科学大会论文摘要汇编.2019
[2].胡仁飞.基于嵌入维的时间序列预测方法的实现与应用[J].数字通信世界.2019
[3].石海鹤,周卫星.基于动态规划的双序列比对算法构件设计与实现[J].计算机研究与发展.2019
[4].刘天,姚梦雷,黄继贵,陈红缨,黄淑琼.BP神经网络在传染病时间序列预测中的应用及其MATLAB实现[J].预防医学情报杂志.2019
[5].田六方.基于DirectShow的多节目片段序列的无缝播放系统设计与实现[J].电视工程.2019
[6].葛慧晗.基于频繁序列挖掘的银行风险用户检测的研究与实现[D].北京邮电大学.2019
[7].郭景怡.iOS应用场景API序列模式挖掘技术的研究与实现[D].北京邮电大学.2019
[8].陈佳.基于Spark的闭合序列模式手机病毒挖掘系统的设计与实现[D].北京邮电大学.2019
[9].吴亚彬.基于情感时间序列的P2P网贷企业舆情态势研判技术研究与实现[D].北京邮电大学.2019
[10].吴泓邵.基于XeonPhi的超长序列比对算法设计与实现[D].山东大学.2019