导读:本文包含了区域高斯模型论文开题报告文献综述及选题提纲参考文献，主要关键词:区域公路边坡,稳定性评估,高斯过程,协方差函数
区域高斯模型论文文献综述
徐新川,聂雪[1]（2018）在《基于高斯进程模型下区域公路边坡稳定性评估》一文中研究指出边坡失稳破坏是一种严重的自然灾害形式,其能够导致巨大的社会、经济、环境损失。为了预防边坡失稳破坏,本文提出了区域公路边坡稳定性高斯进程评估方法。方法中五种协方差函数形式被考虑,由于其是高斯进程中最重要的一部分,决定着从高斯进程中抽取的样本函数的性质。通过对比发现,应用常规平方指数协方差函数(CSE)下高斯进程评估模型和常规有理二次多项式协方差函数(CRQ)高斯进程评估模型快速评估研究区区域某些公路边坡的稳定性是较为合适的。(本文来源于《吉林水利》期刊2018年10期）
徐新川,聂雪[2]（2018）在《基于高斯进程模型的区域公路边坡稳定性评估》一文中研究指出边坡失稳破坏是一种严重的自然灾害形式,能够导致巨大的社会、经济、环境损失,为了预防边坡失稳破坏,基于人工智能领域的相关知识及理论,为边坡稳定性评估计算提出了一种新型智能计算算法——高斯进程评估算法,通过评估效果综合分析,得出合理的评估模型。(本文来源于《山西科技》期刊2018年05期）
周利琴,谷林[3]（2015）在《基于高斯肤色模型的人脸区域及下巴检测》一文中研究指出通过对正面证件照进行色彩空间的转换,建立基于YCbCr色彩空间的高斯肤色模型,并利用基于肤色相似度和二值化处理的方法对肤色区域进行检测,从而区分开人体的肤色区域和非肤色区域;继而利用人脸特征区域尺寸的比例关系以及下巴阴影部分与下巴区域的亮度差别检测出下巴,区分开人脸区域和脖颈区域,最终准确标识出人脸区域.实验结果表明,经过对下巴的检测后,检测出的人脸区域更加准确.(本文来源于《西安工程大学学报》期刊2015年06期）
叶冬芬,叶桥龙,罗玮琛[4]（2012）在《基于高斯扩散模型的化工危险品泄露区域计算及其实现》一文中研究指出化工危险品在生产储运过程中会引发泄漏扩散事故,对它的泄露扩散进行模拟,可以及时、准确、有效、直观地对事故过程的危险区域做出预测,并以此为依据制定相应的应急措施。以高斯扩散模型为核心,结合化工危险品数据库、地理信息系统GIS等现代计算机辅助技术对化工危险品扩散的短时间接触容许浓度范围、半致死浓度范围等指标进行科学的量化计算以及对泄漏事故进行技术模拟预测,并且成功的应用于实际项目中。(本文来源于《计算机与应用化学》期刊2012年02期）
胡小丹,李文,刘海博[5]（2011）在《基于高斯统计模型的快速图像区域分割方法》一文中研究指出目前很多图像分割方法不能满足图像信息生成的随机性以及面对应用的实时性.提出一种基于高斯统计模型的快速图像区域分割算法,与已有的一些图像区域分割算法相比,该方法不用图像去噪,直接利用噪声建立高斯统计模型,还采用最大最小值的方法,提出初始分割的思想.实验结果表明新方法增强了分割结果的稳定性,提高了分割速度,更加符合了图像要求精确性和实时性的要求.(本文来源于《福建师范大学学报(自然科学版)》期刊2011年02期）
雷宝权,程咏梅,杨丽华,赵春晖[6]（2010）在《高斯模型与区域生长相结合的景物识别算法》一文中研究指出研究景物图像特征提取,光照环境因素变化时,室外场景光学成像也随之发生很大变化,景物特征复杂,严重影响了景物识别的精度。为了解决上述问题,提出一种高斯模型与区域生长相结合的景物识别算法。先提取图像区域的底层视觉特征以及空间位置特征,并通过高斯分布为每类景物建立模型,然后根据模型测试图像中区域属于每一类景物的概率,把概率值较大的区域加入到模型中,更新模型参数,最后,把概率值较大的区域作为种子点进行区域生长得到景物识别的结果。采用Matlab 7.0软件对Pasadena数据库中景物进行仿真识别。结果表明识别目标景物的有效性,为复杂场景下景物识别提供了一种有效的算法。(本文来源于《计算机仿真》期刊2010年11期）
郭春生,王盼[7]（2010）在《基于自组织映射的区域高斯模型的动目标检测》一文中研究指出对于固定场景中的复杂背景图像序列的运动目标检测问题,采用单高斯模型和区域高斯模型的级联式检测方法,并在区域高斯模型的更新过程中引入了自组织映射的"竞争、合作"机制,提出一种基于自组织映射的区域高斯模型算法。该算法不仅能够在水波纹和树叶晃动等复杂背景环境中检测运动目标,并且能够保证检测运动目标的相似性。使用PETS2002和Water Surface复杂背景图像序列的仿真结果验证了算法的有效性。(本文来源于《中国图象图形学报》期刊2010年10期）
张子丹[8]（2010）在《基于MRF高斯混合模型的海浪纹理背景目标区域分割》一文中研究指出为进行海洋图像处理,根据海面背景的特点,提出1种基于马尔科夫随机场(MakovRan-domField,MRF)高斯混合模型的海浪纹理背景目标区域分割方法.通过对海平面特征的分析,建立MRF先验模型;运用MRF和Gibbs分布理论,建立海浪纹理的MRF高斯混合模型;用期望极大化方法获取海浪纹理的参数;根据最小后验能量准则实现海浪纹理背景目标区域的分割.与采用经典分割方法进行对比表明,该方法可行.(本文来源于《上海海事大学学报》期刊2010年01期）
王晓利[9]（2007）在《一种基于高斯混合模型的区域优化时频分布研究》一文中研究指出本文研究了一种区域优化时频分布,在抑制多成分信号时频分布交叉项的同时也提高了时频分辨率。此分布是建立在一个信号的时频能量分布模型的基础上的,这个模型在合理的描述了信号的时频能量结构的同时还能够鉴别出近似的信号成分数和信号各个成分在时频平面内所占据的区域。本文选用了高斯混合模型来构建此能量模型。在确定了模型的结构之后,还需要对模型的参数进行进一步的估计和优化。整个参数优化过程分成两步,首先将初始的能量时频描述看作是信号真实能量结构的一个抽样,以此为基础运用最大期望算法对成分数固定的模型中的高斯函数的参数进行优化。然后利用函数合并算法确定模型中高斯成分的近似数目。参数确定后的模型能够近似的鉴别出信号中所含的成分数和每个信号成分所占据的时频区域。用这些信息来对原信号进行分解,然后对每个信号成分进行分析之后再加和,就生成了最终的分布。(本文来源于《吉林大学》期刊2007-04-23）
向遥,李宏,谢政,张卫[10]（2006）在《基于高斯混合模型的区域颜色迁移》一文中研究指出针对具有多种颜色区域图像以及灰度图像的颜色迁移合成问题,提出了一种基于高斯混合模型的区域颜色迁移算法,以用于将一幅源图像的颜色迁移到一幅目标图像中。该算法首先在lαβ颜色空间中,采用高斯混合模型对源图像的颜色样本空间进行聚类拟合来得到具有源图像颜色信息的参考色彩模型;然后利用该参考色彩模型对目标图像的颜色样本集进行分类决策,以确定目标图像与源图像各区域的色彩匹配关系;最后,提出了一组新的基于区域的颜色迁移公式,用于完成对目标图像的颜色迁移。实验结果表明,该算法不仅能实现两幅彩色图像之间的颜色迁移,而且能实现对灰度图像的上色处理,并均取得了较好的迁移效果。(本文来源于《中国图象图形学报》期刊2006年11期）
区域高斯模型论文开题报告
（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：
边坡失稳破坏是一种严重的自然灾害形式,能够导致巨大的社会、经济、环境损失,为了预防边坡失稳破坏,基于人工智能领域的相关知识及理论,为边坡稳定性评估计算提出了一种新型智能计算算法——高斯进程评估算法,通过评估效果综合分析,得出合理的评估模型。
（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。
区域高斯模型论文参考文献
[1].徐新川,聂雪.基于高斯进程模型下区域公路边坡稳定性评估[J].吉林水利.2018
[2].徐新川,聂雪.基于高斯进程模型的区域公路边坡稳定性评估[J].山西科技.2018
[3].周利琴,谷林.基于高斯肤色模型的人脸区域及下巴检测[J].西安工程大学学报.2015
[4].叶冬芬,叶桥龙,罗玮琛.基于高斯扩散模型的化工危险品泄露区域计算及其实现[J].计算机与应用化学.2012
[5].胡小丹,李文,刘海博.基于高斯统计模型的快速图像区域分割方法[J].福建师范大学学报(自然科学版).2011
[6].雷宝权,程咏梅,杨丽华,赵春晖.高斯模型与区域生长相结合的景物识别算法[J].计算机仿真.2010
[7].郭春生,王盼.基于自组织映射的区域高斯模型的动目标检测[J].中国图象图形学报.2010
[8].张子丹.基于MRF高斯混合模型的海浪纹理背景目标区域分割[J].上海海事大学学报.2010
[9].王晓利.一种基于高斯混合模型的区域优化时频分布研究[D].吉林大学.2007
[10].向遥,李宏,谢政,张卫.基于高斯混合模型的区域颜色迁移[J].中国图象图形学报.2006