导读:本文包含了修补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:多目标优化,区间离散变量,遗传算法,快速二层解修补
修补算法论文文献综述
李二超,马玉泉[1]（2019）在《基于快速二层解修补策略的区间离散遗传算法》一文中研究指出以等式约束下的区间离散多目标优化问题为研究对象,提出了快速二层解修补策略,其主要思想是:首先,用初始解生成器生成一个满足等式约束条件的种群,然后,将此种群中可修补个体以其违反约束度最小为目标函数,将落在未定义区间的个体修补至定义区间内,最后,在定义子区间内微调得到满足约束条件的个体,其调整方法如下:按照当前个体中的每个变量在其所处区间内的可调节上下限在此个体总的可调节上下限值内所占的比例进行调节,使得不满足等式约束的变量得到有效修补.最后,通过实验验证了本文算法的有效性.(本文来源于《南京师大学报(自然科学版)》期刊2019年03期）
王成,崔紫薇,杜梓林,高悦尔[2]（2019）在《基于DBSCAN算法和多源数据的缺失公交到站数据修补》一文中研究指出针对缺失公交到站信息修补方法考虑因素较少、准确度低、鲁棒性差的现状,提出了基于DBSCAN算法和多源数据的缺失公交到站数据修补方法。该方法使用公交全球定位系统(GPS)、公交集成电路卡(IC)等多源数据进行缺失到站信息的修补。对于缺失的到站名称、到站经纬度数据,用已有完整到站数据和静态线路信息关联分析进行修补。对于缺失的到站时刻数据,则按以下步骤进行修补:首先,对每一个缺失数据站点与其最近的未缺失数据站点,将这两站点间历史完整到站数据的行程时间和班次时序进行基于DBSCAN算法的聚类;其次,判断研究班次的两个相邻的数据完整的班次所属簇是否为同一个簇,若为同一个簇则不作改变,否则将两个簇合并;最后,将簇中点对应最大行程时间作为缺失行程时间判断是否有乘客在该站点上车刷卡,若有则由乘客开始刷卡时刻推算到站时刻,若无则将簇中点对应最大、最小行程时间的均值作为缺失行程时间推算到站时刻。以厦门市公交到站数据为例,在缺失到站名称、经纬度修补中,基于GPS数据聚类的方法、基于极大概率估计的方法和所提方法皆可进行100%的修补;在缺失到站时刻修补中,所提方法的平均相对误差比两种对比方法分别低0.030 1%和0.000 4%,相关系数比对比方法分别高0.005和0.007 5。实验结果表明,所提算法在缺失公交到站数据修补中能有效提高修补的准确度,降低缺失站点个数变化对于准确度的影响。(本文来源于《计算机应用》期刊2019年11期）
刘征宏,林芸[3]（2018）在《一种叁角网格模型的孔洞修补算法》一文中研究指出为了有效修补逆向工程得到的叁角网格模型中缺失的复杂孔洞,提出一种基于孔洞边界边收缩的修补算法。首先提取边界边,接着计算与边界点相关的叁角面法矢夹角以确定收缩方向,再计算边界边与其相邻边距离的平均值以确定收缩距离,然后收缩边界边并细化得到一条新边界,再根据给出的方法在提取的边界边与收缩得到的边界边之间构造新叁角面片,设定终止条件,不断迭代,构造出完整的叁角片,完成孔洞的修补。实验结果表面,此算法能有效完成牙周陶叁角网格缺失的复杂孔洞修补,并且与原有网格光滑过渡,较好地保持了原产品的细节特征。(本文来源于《贵阳学院学报(自然科学版)》期刊2018年03期）
王智,王建军,王文东[4]（2018）在《基于子空间阈值追踪的矩阵修补算法》一文中研究指出低秩矩阵修补是机器学习和数据分析中的核心问题,被广泛应用于协同过滤、降维处理、多任务学习和模式识别等领域。针对ADMiRA算法存在收敛速度慢、易陷入局部最优等缺陷,通过在SP算法的每次迭代过程中引入SVP算法,提出一种基于子空间阈值追踪的矩阵修补算法。其利用SVP算法快速收敛的特性,提升了SP算法的收敛速度,且能得到更优的解。仿真实验验证了所提算法的性能。(本文来源于《计算机科学》期刊2018年06期）
曾露露,盖绍彦,达飞鹏,黄源[5]（2018）在《基于从运动中恢复结构的叁维点云孔洞修补算法研究》一文中研究指出通过光栅投影法可以获取物体的叁维点云数据,但是对于形貌复杂的被测物体,由于测量方式本身含有的一定缺陷,会导致所获取的点云数据出现孔洞区域,从而对后续处理造成影响。结合已有的从运动中恢复结构(SFM)算法,提出一种新的点云孔洞修补方法。首先,利用光栅投影法中得到的二维相位信息来提取叁维点云孔洞区域的边界点;接着,将SFM获取的点云数据集与光栅投影法所采集的点云数据集进行配准,并提取出信息补充点;最后,在添加了补充点的点云数据集上,利用径向基函数计算曲面方程,修补孔洞。实验结果证明了该算法的稳健性,能较为有效地恢复复杂物体的表面信息。(本文来源于《光学学报》期刊2018年06期）
邱一芳[6]（2018）在《基于低秩和光滑先验的图像修补算法研究》一文中研究指出随着多媒体技术、现代传感器、计算机通信及网络技术等的飞速发展和广泛应用,人们经常需要存储、处理与分析规模更大、结构更复杂的图像数据。作为图像处理领域的一个研究热点问题,图像修补问题在最近几年引起了学者和产业界的广泛关注。本文针对图像修补这一应用问题,分别从矩阵和张量视角进行了深入研究。不同于以往基于图像单一低秩先验的修补方法,本文将图像的低秩和光滑先验加以联合,并将其引入到图像修补问题的算法研究。在与以往经典修补算法的对比中,所提算法取得了更为理想的修补结果。全文结构以及内容安排如下:第1章为绪论,简述了图像修补的研究背景和意义,并给出了与图像修补相关的研究现状,最后总结了本文的主要工作和全文的组织结构.第2章是相关理论及基础,简要介绍了与本文相关的矩阵和张量基础知识,最后对本文涉及的交替方向乘子法做了简单介绍。第3章在矩阵视角下研究了图像修补问题,提出了同时考虑图像矩阵低秩和光滑先验的新修补算法。该算法通过最小化图像矩阵的Schatten-p范数与一类改进的二阶全变差来实现图像的修补。所作数值实验结果表明:当缺失率越大时,p越小效果越好;而当缺失率越小时,p越大效果越好。通过选择适当的p值,本节所提算法优于当前许多算法。第4章通过张量视角研究了图像修补问题,改良了一类新近提出的SPC(Smooth PARAFAC tensor Completion)算法。具体地,我们将基于一类改进的二阶全变差约束引入到SPC算法,用以替换SPC算法中的一阶全变差约束。与SPC算法相比,相应数值实验结果表明:与SPC算法相比ssim和psnr两项指标上均优于原SPC算法。第5章总结了本文的工作,并对后续潜在研究工作进行了展望。(本文来源于《西南大学》期刊2018-06-05）
杨永强,李淑红[7]（2018）在《最小二乘支持向量机的点云数据孔洞修补算法》一文中研究指出为了获得理想的点云数据孔洞修补结果,针对当前算法存在的缺陷,提出一种基于最小二乘支持向量机(LSSVM)的点云数据孔洞修补算法.首先根据散乱点云边界估计孔洞修补范围,然后根据孔洞及周围点的信息,采用最小二乘支持向量机建立一个曲面,并对曲面点云数据的孔洞进行修补,最后采用C++语言编程实现仿真实验.实验结果表明,最小二乘支持向量机能有效修补各种复杂的孔洞,且修补效果优于其他算法.(本文来源于《吉林大学学报(理学版)》期刊2018年03期）
戴维[8]（2018）在《叁维封闭叁角网格模型中的孔洞修补算法研究与实现》一文中研究指出如今,随着3D打印、虚拟现实、增强现实、数字城市等新兴领域的蓬勃发展,叁维模型得到了日益广泛的传播和应用。无人机搭载的倾斜摄影技术的发展和应用,使得快速构建城市规模的叁维实景模型越来越便捷,互联网上也出现了很多共享的实景建模项目。但是,由于倾斜摄影过程可能会存在影像采集死角、或匹配截面过小,从而造成构建出的叁维实景模型存在缺失和孔洞,因而需要进行修补以形成完整的网格模型。本文对叁维封闭叁角网格模型中的孔洞修补问题进行了研究。主要工作如下:1.针对非封闭的叁角网格模型中平面上和曲面上的孔洞,改进了已有的孔洞修补算法,能够处理岛屿状的或者多环的孔洞。算法使用波前法来构造新增叁角形,保证新增叁角形总是能够填满孔洞区域,并且新增叁角形总是和原有叁角形的法矢一致指向模型外侧。对于曲面上的孔洞,剖析了基于泊松变形的修正新增顶点位置的方法。该方法可以使得新增叁角网格区域和孔洞周围区域的平滑过渡,让新增叁角网格更精确地拟合缺失部分的形状。2.研究了叁维封闭的叁角网格模型中孔洞和缺失的修补问题。提出了一种简易有效的孔洞的修补方法。因为往往残缺部分的叁角网格与实物模型表面的叁角网格存在明显的界线,所以使用了分水岭算法先对网格进行面分割,然后结合快速凸包算法,筛选出原模型表面的叁角网格。接下来问题就转化为对非封闭的表面叁角网格上的孔洞进行修补。对于存在大量小型岛屿的模型,先从叁角形数目最多的部分开始,利用凸包上各个岛屿部分间的拓扑关系,估计孔洞边界的生长方向,调整根据波前法生成的新增叁角形的方向,以确保各个岛屿都能够连接起来,获得一个完整的、无自交的叁角网格模型。之后,对网格模型进行光顺处理,保持新增顶点的拓扑结构不变,调整新增顶点位置,使得新增叁角形区域内部以及新增叁角形区域和周围区域之间的过渡更加平滑。3.利用开源叁维图形处理库,开发了叁维模型处理软件模块,用于加载和处理上游输出的叁维场景模型,并实现和验证上述非叁维封闭和叁维封闭的叁维网格模型中的孔洞修补算法。(本文来源于《南京大学》期刊2018-05-23）
郝艳妮[9]（2018）在《基于多隐层神经网络的点云孔洞修补算法的并行化研究》一文中研究指出逆向工程中的点云孔洞修补作为计算机视觉中叁维重建领域重要的研究方向之一,近些年呈快速发展趋势,受到人们的广泛关注。一般情况下,利用激光扫描仪可快速并准确地获取物体模型的点云数据,获得的点云数据密度和精度较高。但是在获取物体模型的点云数据时,物体模型因为遮挡、模型本身的不完整等因素,造成点云数据的缺失,对物体的叁维重建过程造成一定的影响。在物体模型的修复过程中,国内外学者也尝试过多种修补方法,均有较好的效果。鉴于近些年深度学习在图像的识别、目标的检测等方面的良好效果和广泛应用,本文引入深度学习的图像目标检测方法。本文针对采集的散乱点云数据采用八叉树的数据结构对点云数据完成从整体到局部的分解,进而完成点云模型的分层运算。通过空间映射获得3个方向的二维坐标,采用CNN卷积神经网络提取点云模型的孔洞特征,根据提取的孔洞特征,构造相应的稀疏表示分类模型,并计算各类别的残差,生成点云孔洞的边界,获得纯净的孔洞区域,进而完成多边形孔洞的填充。当使用多隐层CNN卷积神经网络对点云孔洞修补时,由于网络规模较大、运算过程复杂等因素造成算法的运行效率较低。针对大量散乱点云数据的计算问题,结合现今常用的并行计算技术,如CPU加速、GPU加速和CPU+GPU混合并行技术对点云孔洞修补算法进行优化,从而快速降低算法的运行时间,提高算法的运行效率。论文的主要工作如下:1、针对散乱点云模型,采用基于八叉树的数据结构,将散乱点云数据模型的空间进行划分并存储到八叉树数据结构中。2、针对一般的点云孔洞修补算法,本文给出一种基于八叉树结构的CNN卷积神经网络的点云孔洞修补算法,该点云孔洞修补算法可有效提取模型特征,采用多边形孔洞填补算法对提取的点云孔洞进行相应地填充。3、针对基于CNN卷积神经网络的点云孔洞修补算法中存在的热点部分,结合多核CPU和GPU技术进行优化,本文主要采用叁种优化方法:基于OpenMP的算法优化、基于CUDA的算法优化和基于OpenMP+CUDA的混合并行算法优化。4、分析比较算法优化前和优化后的性能变化,本文主要分析比较算法的运行时间,算法的运行效率、算法的加速比和算法的准确性。实验表明,本文给出的基于多隐层CNN卷积神经网络的点云孔洞修补算法能很好地修补点云模型表面残缺的孔洞,采用基于OpenMP和CUDA的并行计算技术,优化后算法性能有了明显地提升。(本文来源于《宁夏大学》期刊2018-04-01）
王鑫,朱行成,宁晨,王慧斌[10]（2018）在《基于冗余字典学习的图像修补算法》一文中研究指出在稀疏表示理论研究的基础上,提出了基于不同冗余字典的图像修补算法。首先设计采用离散余弦变换或K-SVD算法获得冗余DCT字典、KSVDG全局字典及KSVDA自适应字典等叁种不同的字典;然后分别基于上述叁种不同的冗余字典,稀疏表示待处理图像;最终图像中缺损的部分将通过冗余字典和稀疏系数有效地表示出来。实验结果表明,提出的算法修补后的图像视觉效果好,并在峰值信噪比、特征相似度等主要图像质量评价指标上优于现有几种经典的图像修补方法。(本文来源于《计算机工程与应用》期刊2018年06期）
修补算法论文开题报告
（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：
针对缺失公交到站信息修补方法考虑因素较少、准确度低、鲁棒性差的现状,提出了基于DBSCAN算法和多源数据的缺失公交到站数据修补方法。该方法使用公交全球定位系统(GPS)、公交集成电路卡(IC)等多源数据进行缺失到站信息的修补。对于缺失的到站名称、到站经纬度数据,用已有完整到站数据和静态线路信息关联分析进行修补。对于缺失的到站时刻数据,则按以下步骤进行修补:首先,对每一个缺失数据站点与其最近的未缺失数据站点,将这两站点间历史完整到站数据的行程时间和班次时序进行基于DBSCAN算法的聚类;其次,判断研究班次的两个相邻的数据完整的班次所属簇是否为同一个簇,若为同一个簇则不作改变,否则将两个簇合并;最后,将簇中点对应最大行程时间作为缺失行程时间判断是否有乘客在该站点上车刷卡,若有则由乘客开始刷卡时刻推算到站时刻,若无则将簇中点对应最大、最小行程时间的均值作为缺失行程时间推算到站时刻。以厦门市公交到站数据为例,在缺失到站名称、经纬度修补中,基于GPS数据聚类的方法、基于极大概率估计的方法和所提方法皆可进行100%的修补;在缺失到站时刻修补中,所提方法的平均相对误差比两种对比方法分别低0.030 1%和0.000 4%,相关系数比对比方法分别高0.005和0.007 5。实验结果表明,所提算法在缺失公交到站数据修补中能有效提高修补的准确度,降低缺失站点个数变化对于准确度的影响。
（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。
修补算法论文参考文献
[1].李二超,马玉泉.基于快速二层解修补策略的区间离散遗传算法[J].南京师大学报(自然科学版).2019
[2].王成,崔紫薇,杜梓林,高悦尔.基于DBSCAN算法和多源数据的缺失公交到站数据修补[J].计算机应用.2019
[3].刘征宏,林芸.一种叁角网格模型的孔洞修补算法[J].贵阳学院学报(自然科学版).2018
[4].王智,王建军,王文东.基于子空间阈值追踪的矩阵修补算法[J].计算机科学.2018
[5].曾露露,盖绍彦,达飞鹏,黄源.基于从运动中恢复结构的叁维点云孔洞修补算法研究[J].光学学报.2018
[6].邱一芳.基于低秩和光滑先验的图像修补算法研究[D].西南大学.2018
[7].杨永强,李淑红.最小二乘支持向量机的点云数据孔洞修补算法[J].吉林大学学报(理学版).2018
[8].戴维.叁维封闭叁角网格模型中的孔洞修补算法研究与实现[D].南京大学.2018
[9].郝艳妮.基于多隐层神经网络的点云孔洞修补算法的并行化研究[D].宁夏大学.2018
[10].王鑫,朱行成,宁晨,王慧斌.基于冗余字典学习的图像修补算法[J].计算机工程与应用.2018