导读:本文包含了特征提取和分类论文开题报告文献综述及选题提纲参考文献，主要关键词:合成孔径雷达,目标识别,线性,非线性
特征提取和分类论文文献综述
刘树吉[1]（2019）在《结合线性与非线性特征提取与分类的SAR图像目标识别》一文中研究指出针对合成孔径雷达(SAR)目标识别问题,提出一种结合线性,非线性特征提取和分类器的方法。采用PCA和KPCA分别提取原始SAR图像的特征矢量。在此基础上,分别利用稀疏表示(SRC)和核稀疏表示(KSRC)对两类特征进行分类。通过线性,非线性特征,分类器的结合,可以更好地考察SAR图像的内部数据结构以及测试样本与训练样本的对应关系。实验中,基于MSTAR数据集进行性能测试,结果表明提出方法的有效性。(本文来源于《电子设计工程》期刊2019年21期）
陈敏,王娆芬[2]（2019）在《基于总体局部均值分解方法的心律失常特征提取与分类》一文中研究指出针对心电信号自动分类技术中的特征提取,提出一种新的特征提取方法—总体局部均值分解(ELMD)方法。该方法首先对心电信号加入不同的高斯白噪声,然后进行局部均值分解得到若干乘积函数(PF)分量,求取多次分解后的PF分量均值。多次加入噪声及分量平均的过程可以克服基本局部均值分解方法存在的模态混迭问题。选取较优的前4个PF分量进行特征计算,将得到的特征向量矩阵送入支持向量机对正常心电信号和4种常见的心律失常信号进行分类。从MIT-BIH心律失常数据库的分类结果来看,ELMD总体分类准确率达到99.61%,高于一般方法,证明了ELMD方法的有效性。(本文来源于《中国医学物理学杂志》期刊2019年10期）
刘明军,张涵,熊浩,张煌竟,陈铁[3]（2019）在《基于稀疏自编码的过电压特征提取与分类方法》一文中研究指出随着智能电网的发展,识别和处理各种类型的过电压和故障具有越来越重要的意义。文中提出了一种基于稀疏自编码的过电压智能分类识别框架,依靠多层自编码器,实现了电力系统中实测铁磁谐振过电压波形的特征自提取,然后利用Softmax分类器完成精确分类,调节模型参数实现最优分类结果。该框架可应用到实际应用中,为建立过电压智能分类识别系统提供了一个全新的思路与方法。(本文来源于《高压电器》期刊2019年10期）
卓燕芬,蒋桢滢[4]（2019）在《心电信号特征提取及其分类研究》一文中研究指出心电信号(简称ECG)是一种生物医学信号,根据ECG的波形可初步判断人体是否存在相关疾病,养老院等老年人集中区域如何及时判别人群中是否存在突发性心血管疾病对于管理者来说至关重要。文章对ECG的特征提取及其分类进行研究,通过提取被监测者ECG,先对被监测者的ECG进行预处理,再应用EMD分解等方法实现特征值的提取,最后构建支持SVM分类器对采集的ECG进行判断和分类。为人群异常ECG的快速定位及人体健康管理提供基础。(本文来源于《福建农机》期刊2019年03期）
宋海峰,杨巍巍[5]（2019）在《基于Multi-CNN空间特征提取的高光谱遥感影像分类》一文中研究指出在遥感影像处理领域,对高光谱遥感影像分类处理的需求日益增长,由于大量的高光谱遥感影像训练样本获得较难,使得卷积神经网络不适合应用到高光谱遥感影像分类中。针对此问题,文中提出一种基于Multi-CNN空间特征提取的高光谱遥感影像分类模型,该模型将原始高光谱遥感影像作为输入,最终的分类结果作为输出;自动从不同的尺度提取输入数据的空间特征;解决获得大量有标记高光谱遥感影像训练样本的棘手问题;通过伊春凉水林场数据集上的实验结果表明,文中建立的分类模型,在分类正确率上优于其他分类模型,分类正确率达到92.31%。(本文来源于《测绘工程》期刊2019年06期）
李雪莹,范萍萍,刘岩,王茜,吕美蓉[6]（2019）在《多分类器融合提取土壤养分特征波长》一文中研究指出光谱已经应用于土壤养分速测的分析,但是如何寻找土壤光谱特征波段,尽最大可能避免无用信息干扰、保留有用信息,建立准确度高、预测效果好的模型仍是一个亟需解决的问题。以青岛叁个不同地区土壤样品为例,测定土壤样品的紫外-可见-近红外光谱及其总碳(TC)、总氮(TN)、总磷(TP)含量;分别采用连续投影算法(SPA)、无信息变量消除法(UVE)、遗传算法(GA)、相关系数法(CC)四种算法(四种单分类器)对土壤光谱提取特征波长;再引入投票法和加权投票法的多分类器融合方法将四种算法融合得到特征波长;以偏最小二乘回归(PLSR)建立各土壤养分含量的模型,通过对模型效果的评价标准(建模集绝对系数R■、校正均方根误差RMSEC、检验集绝对系数R■、预测均方根误差RMSEP和相对分析误差RPD值)来判别各单分类器算法和多分类器融合算法对土壤养分含量特征波长的提取效果。分别对四种算法、筛选其中叁种算法、最优二种算法进行融合,分析融合后模型效果和特征波长个数,结果表明:将四种单分类器经投票法融合后,其模型效果大部分不如单分类器,且相对好的模型特征波长个数较多;相较于投票法多分类器融合,四种单分类器经加权投票法融合模型效果有了一定的提高, TC和TN都能够在较少的波长中获得较好的预测效果,但仅TN经融合后,模型效果优于每个单分类器; TC, TN, TP分别在取SPA+UVE+GA, SPA+UVE+GA(或SPA+GA+CC)、 SPA+UVE+GA叁种单分类器进行加权投票法融合后,均能获得最优模型效果,且明显优于每个单分类器,模型效果有了显着提高;各土壤养分含量经两个最优单分类器加权投票法融合后,仍能得到好于最优单分类器的建模效果, TC和TP建模效果略差于叁个单分类器融合结果, TN建模效果与叁个单分类器融合结果相同。因此,在筛选叁种算法融合,且其中包含最优两种算法的情况下,能够以较少的特征波长个数获得明显高于单分类器的建模效果。该方法为寻找土壤养分以及其他复杂物质成分的光谱特征波段提供了新方法,也为多种算法的综合运用提供了新思路。(本文来源于《光谱学与光谱分析》期刊2019年09期）
孙京文,闫士举,韩勇森,宋成利[7]（2019）在《基于脑部磁共振图像叁维局部模式变换特征提取进行阿尔茨海默病病程预测分类》一文中研究指出本文提出一种叁维局部模式变换提取进行纹理特征并与常规特征相融合的方法,基于脑部磁共振图像,对认知功能正常的健康人体(CN)、轻度认知障碍(MCI)患者和阿尔茨海默病(AD)患者进行预测分类.首先对46例CN对照组、61例MCI患者和25例AD患者的脑部磁共振图像提取感兴趣区域,然后提取双侧海马体组织、灰质和白质的叁维局部模式变换纹理特征和常规特征,并将两类特征融合,使用支持向量机分类算法进行分类.结果显示利用本方法,基于双侧海马体组织对AD组和CN组进行分类的准确率为88.73%、敏感度为78.00%、特异度为95.7%、受试者工作特征(ROC)曲线下面积(AUC)为0.886 5;基于灰质的准确率为85.92%、敏感度为80.00%、特异度为86.6%、AUC为0.854 3.这证明基于海马体磁共振图像,利用本文提出的改进叁维局部模式变换提取的纹理特征进行阿尔茨海默病病程分类效果较好,融合常规特征后更可提高分类预测的精度.(本文来源于《波谱学杂志》期刊2019年03期）
叶敏,王斌,王思远,刘长征,李艳霞[8]（2019）在《多特征分量结合的WorldView-3影像建筑容积率分类提取》一文中研究指出城市现状建筑容积率的分类提取对于有效把握城市用地开发强度以及制定科学合理的控制性详细规划具有重要参考意义。提出了一种主成分分量、主方向、边界指数以及矩形拟合度等多特征分量相结合的超高分辨率卫星影像建筑容积率贝叶斯分类提取方法。基于分类结果,采用阴影面积法与阴影长度法计算容积率并进行精度对比验证。利用WorldView-3卫星影像进行提取实验,并对实验区建筑逐一进行实地调查,结果表明,在容积率计算中,阴影面积法总体精度为93.90%,阴影长度法总体精度为85.19%,阴影面积法较阴影长度法在容积率分类提取精度上优势更突出。(本文来源于《武汉大学学报(信息科学版)》期刊2019年11期）
党涛,宋起,刘勇,徐安建,徐波[9]（2019）在《基于多层次分割分类模型及其特征空间优化的建筑物提取方法》一文中研究指出针对高空间分辨率遥感影像城市地物信息提取中的尺度效应、光谱多样性及分类特征优化等问题,基于面向对象影像分析方法,结合数据挖掘与机器学习技术,提出了一种多层次分割分类模型及其特征空间优化的建筑物提取方法。首先,根据遥感信息多尺度特性,针对地物特征差异设立层级关系,再结合光谱多样性特征定义地物包含的子类型,建立基于不透水面分割分类提取建筑物的层次化结构;然后,利用提出的Relief F-PSO组合特征选择方法,优化构建相应层次的影像特征空间;最后,在多尺度分割和特征优化的基础上,基于随机森林模型获取不透水面分布,进而采用J48决策树算法分类提取建筑物。实验结果表明,该方法能够利用较少数量的影像特征,获得高精度的建筑物提取成果。(本文来源于《国土资源遥感》期刊2019年03期）
廖小露,刘嘉,周兴霞[10]（2019）在《地空同步试验高光谱影像特征提取与分类》一文中研究指出针对地空同步的高光谱特征提取与反演理论研究匮乏的现状,结合"类内密度最大,类间距离最大"原则,探索不同谱段对不同地物识别的可分性和重要性选择方法,并提出改进的投影寻踪分类方法,实现不同地物在特征波谱的加权投影寻踪。以山西省临汾市某苗圃为实验区,同步采集实验区不同地物光谱与PHI高光谱影像,依托实测光谱,围绕先整体最优后局部最优策略,构建不同分类规则,并将其应用于PHI高光谱影像分类,实现植被与非植被的信息提取,并细分为10余种不同地类。结果表明,420 nm,520 nm,570 nm,610 nm,660 nm,690 nm,715 nm及810 nm等8个谱段为不同植被的重要可分性谱段,分类结果具有层次感强、植被轮廓清晰、避免阴影影响等优点。(本文来源于《国土资源遥感》期刊2019年03期）
特征提取和分类论文开题报告
（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：
针对心电信号自动分类技术中的特征提取,提出一种新的特征提取方法—总体局部均值分解(ELMD)方法。该方法首先对心电信号加入不同的高斯白噪声,然后进行局部均值分解得到若干乘积函数(PF)分量,求取多次分解后的PF分量均值。多次加入噪声及分量平均的过程可以克服基本局部均值分解方法存在的模态混迭问题。选取较优的前4个PF分量进行特征计算,将得到的特征向量矩阵送入支持向量机对正常心电信号和4种常见的心律失常信号进行分类。从MIT-BIH心律失常数据库的分类结果来看,ELMD总体分类准确率达到99.61%,高于一般方法,证明了ELMD方法的有效性。
（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。
特征提取和分类论文参考文献
[1].刘树吉.结合线性与非线性特征提取与分类的SAR图像目标识别[J].电子设计工程.2019
[2].陈敏,王娆芬.基于总体局部均值分解方法的心律失常特征提取与分类[J].中国医学物理学杂志.2019
[3].刘明军,张涵,熊浩,张煌竟,陈铁.基于稀疏自编码的过电压特征提取与分类方法[J].高压电器.2019
[4].卓燕芬,蒋桢滢.心电信号特征提取及其分类研究[J].福建农机.2019
[5].宋海峰,杨巍巍.基于Multi-CNN空间特征提取的高光谱遥感影像分类[J].测绘工程.2019
[6].李雪莹,范萍萍,刘岩,王茜,吕美蓉.多分类器融合提取土壤养分特征波长[J].光谱学与光谱分析.2019
[7].孙京文,闫士举,韩勇森,宋成利.基于脑部磁共振图像叁维局部模式变换特征提取进行阿尔茨海默病病程预测分类[J].波谱学杂志.2019
[8].叶敏,王斌,王思远,刘长征,李艳霞.多特征分量结合的WorldView-3影像建筑容积率分类提取[J].武汉大学学报(信息科学版).2019
[9].党涛,宋起,刘勇,徐安建,徐波.基于多层次分割分类模型及其特征空间优化的建筑物提取方法[J].国土资源遥感.2019
[10].廖小露,刘嘉,周兴霞.地空同步试验高光谱影像特征提取与分类[J].国土资源遥感.2019