导读:本文包含了视角无关论文开题报告文献综述及选题提纲参考文献，主要关键词:金融结构,金融发展,创新,碳排放
视角无关论文文献综述
叶初升,叶琴[1]（2019）在《金融结构与碳排放无关吗——基于金融供给侧结构性改革的视角》一文中研究指出金融发展与碳排放的关系近年来受到较多关注,但大多数文献只是从量的角度考察金融对碳排放的影响,忽略金融结构影响碳排放问题。本文利用1990—2014年88个经济体的数据,采用系统GMM进行实证分析,以探究金融结构与碳排放的关系。研究表明,金融结构通过影响创新而发挥减排作用,偏市场的金融结构有利于增强创新减排机制,从而显着地降低碳排放强度。这是金融规模或发展水平基本相同的经济体具有不同金融减排绩效的一个重要原因。这一研究发现可以为金融供给侧结构性改革提供一个重要的政策目标维度。(本文来源于《经济理论与经济管理》期刊2019年10期）
吴培良,杨霄,毛秉毅,孔令富,侯增广[2]（2019）在《一种视角无关的时空关联深度视频行为识别方法》一文中研究指出当前行为识别方法在不同视角下的识别准确率较低,该文提出一种视角无关的时空关联深度视频行为识别方法。首先,运用深度卷积神经网络的全连接层将不同视角下的人体姿态映射到与视角无关的高维空间,以构建空间域下深度行为视频的人体姿态模型(HPM);其次,考虑视频序列帧之间的时空相关性,在每个神经元激活的时间序列中分段应用时间等级池化(RP)函数,实现对视频时间子序列的编码;然后,将傅里叶时间金字塔(FTP)算法作用于每一个池化后的时间序列,并加以连接产生最终的时空特征表示;最后,在不同数据集上,基于不同方法进行了行为识别分类测试。实验结果表明,该文方法(HPM+RP+FTP)提高了不同视角下深度视频识别准确率,在UWA3DII数据集中,比现有最好方法高出18%。此外,该文方法具有较好的泛化性能,在MSR Daily Activity3D数据集上得到82.5%的准确率。(本文来源于《电子与信息学报》期刊2019年04期）
丰艳,李鸽,原春锋,王传旭[3]（2018）在《基于时空注意力深度网络的视角无关性骨架行为识别》一文中研究指出针对单视角骨架数据包含噪声且其特征完全依赖于该视角的问题,提出一种基于时空注意力的深度网络模型进行角度无关性骨架行为识别,该模型主要由特定视角子网和公共子网串联组成.首先通过特定视角子网学习每个视角序列的判别性特征,同时利用空域注意力和时域注意力模块分别重点关注关键关节点和关键帧;然后特定视角子网的输出特征作为公共子网的输入,通过公共子网进一步学习角度无关性特征;最后输出行为分类结果.为了保证网络的有效训练,提出一个正则化交叉熵损失函数来推动网络多模块共同学习.实验结果表明,该模型在目前最大的骨架数据集NTU数据集上识别准确率为76.3%.(本文来源于《计算机辅助设计与图形学学报》期刊2018年12期）
杜春梅,代长明,颜庭煜[4]（2018）在《视角无关的动作识别研究》一文中研究指出采用位置不同的多台摄像机对固定场景条件下的动作进行拍摄,再根据图像质量确定摄像机最佳位置,将其拍摄的运动图像进行序列化,生成二维数据,再对数据进行识别,判定视角无关的动作行为.(本文来源于《河北建筑工程学院学报》期刊2018年02期）
于强[5]（2018）在《国民参政会冲突与虚构的“汪派分子”——政治视角下的“与抗战无关”论争》一文中研究指出1938年12月1日,梁实秋在《中央日报·平明》副刊发表《编者的话》。此后,罗荪等作家将梁视为鼓吹文学"与抗战无关"论者加以批判,发表多篇批评文章。面对批评,梁实秋始终认为自己并没有"说错话",强调其主编期间发表的"与抗战有关"的文章占了十之八九,"与抗战无关"文章只有十之一二~①。之所以众多批评者判定梁实秋主张文学"与抗战无关",与当时的政治环境和对时局的判断紧密相(本文来源于《新文学史料》期刊2018年02期）
Jia-geng,FENG,Jun,XIAO[6]（2015）在《基于鲁棒局部自适应多视角学习的视点无关人体行为识别(英文)》一文中研究指出目的:基于视觉的人体行为识别是一个非常活跃的研究领域。它在智能监控、感知接口和基于内容的视频检索等领域具有广泛的应用前景。然而,一些现实应用场景仍然阻碍行为识别技术的发展,比如现实场景中的动作往往是从任意角度拍摄的。因此与视点无关的行为识别显得十分重要。大量研究者开始致力于行为识别的视点无关性。本文提出一种基于多视角学习的视点无关人体行为识别方法。创新点:针对现有多视角学习算法在构建近邻图时缺乏数据自适应性的问题,本文提出一种自适应多视角学习算法。此外,还提出一种迭代优化求解方法对所构建的目标函数进行优化求解。方法:对于单个视角下的所有样本特征数据,构建一个该视角下的L1图。在获得数据的稀疏图结构后,对于单视角下的数据,希望学习一种最优的降维方法,在对原始数据进行降维的同时,最大程度地保持数据内在的局部结构信息;对于不同的视角,取一个非负的权重向量来衡量不同视角的重要程度。对于全部的视角可以统一起来得到目标函数。最后利用迭代优化求解,用支持向量机(SVM)分类。结论:将本文所提算法应用到视点无关的行为识别中,实验结果表明:该算法能够自适应地选择近邻数与不同特征的权重;与其他几种对比算法相比,本文所提算法的分类准确率更高。(本文来源于《Frontiers of Information Technology & Electronic Engineering》期刊2015年11期）
王传旭,邓海刚[7]（2015）在《基于时间序列无关性的视角无关行为识别》一文中研究指出在对动作运动过程探索中发现动作具有时间序列不变的特性,并利用这一特性提出了一种新的视角无关行为识别的方法。论文利用了时空特征,特征融合和时间顺序一致性约束来确保匹配过程中的时间顺序。首先从视频序列中提取时空特征点,并运用基于PCA和LPP算法特征融合技术将视角相同的相似点封装到一个类内。对于每一个动作类,构造一个特征融合表以便于在不同的视角进行特征匹配。匹配度是通过基于全局时间顺序约束条件和匹配特征的数量计算出来的。最后拥有最大匹配度的行为标签分配给要查询的动作。通过在IXMAS多视角数据库和西弗吉尼亚大学的行为数据库大量实验评估了该算法,实验结果表明,该方法在视角无关行为识别方面具有较高的准确性。(本文来源于《计算机与数字工程》期刊2015年10期）
陈小辉[8]（2015）在《PDV分解结合叁元组的视角无关动作识别》一文中研究指出人体动作识别是计算机图像处理领域一个非常重要的研究课题,但是由于视角的多变性以及摄像机内部参数的多样性,给动作识别造成了诸多困难。提出了一种基于投影深度向量(Projective Depth Volume,PDV)分解结合叁元组的视角无关人体动作识别算法,该算法合理地结合了叁元组策略,是引入特征向量视角无关动作识别算法的有效扩展。其核心是对每个帧平面使用身体叁元组提取每个点的投影深度,通过标识人体为一组点将身体姿势分解为一组投影深度,用于识别各种视角的身体点运动,并通过投影深度来度量2个动作之间的相似度。在包括CMU Mo Cap数据集、IXMAS数据集和MSR Action3D数据集上的大量实验表明,即使在视角和摄像参数未知的情况下,也能准确识别人体动作,识别率分别达到96.0%,87.3%和90.2%,高于其他几种优秀算法。(本文来源于《控制工程》期刊2015年05期）
王子晨,戚巍,吴丹丹[9]（2015）在《我国区域企业技术创新绩效研究——基于标度无关性指标视角》一文中研究指出文章从经济规模、创新投入和创新产出叁者间关联的角度构建若干标度无关性指标,对我国30个省市、自治区2001-2010年企业技术创新的相对绩效进行评价,充分考虑并验证了非线性规模因素对企业技术创新绩效的影响。结果表明,经济规模对于企业技术创新绩效具有显着的非线性作用,企业研发经费与GDP和主营业务收入间均存在标度关系且由GDP增长带来的规模效应更强;绝大多数省份企业专利申请数、新产品销售收入与GDP存在不同程度的"马太效应";传统的研发强度指标由于未考虑规模效应带来的非线性影响,对于各区域企业研发投入水平的评价有失偏颇。(本文来源于《技术经济与管理研究》期刊2015年07期）
刘萍[10]（2015）在《与服饰、携带物无关的多视角下的步态识别》一文中研究指出近年来,信息化日程的日益加快使得信息安全和公共安全越来越凸显出其重要性,尤其对于部队等对安全要求较高的场合,如何准确认定一个人的身份、保护信息安全已经成为一个必须解决的关键性问题。生物特征识别技术以简洁、快速,对身份认定可靠、准确,易于与安全、监控、管理系统整合等诸多优势越来越受到人们的青睐。步态识别就是在这种大背景下引起了人们的关注。与传统生物特征识别相比,步态识别具有以下叁个优势:一是隐蔽性,无需被识别人的配合,可不经发觉完成采集;二是远距离性,无需近距离接触即可获取并识别;叁是真实性,步态难以掩饰。目前,大多数步态识别算法都是基于正面视角或侧面视角且运动人体不被服饰、携带物等遮挡的情况下进行识别的。视角、服饰、携带物等影响因素使步态识别的实用性受到了限制。本文结合武警部队处突反恐、执勤警卫、协助公安机关抓捕犯罪嫌疑人等工作实际需求,旨在寻找一种不受视角、服饰、携带物影响的鲁棒性步态识别算法,使步态识别能够应用于武警部队的日常工作。本文所做的主要工作和取得的成果有:(一)步态预处理部分。本文步态预处理部分主要针对步态检测、图像归一化和步态周期的确定进行研究。重点针对用于步态检测的背景减除法进行创新,针对传统背景减除法得到的运动人体二值图像容易出现大面积空洞和阴影的问题,提出了一种改进的基于图像分割的背景减除法。通过对运动人体灰度图像进行分割,对不同部分分别设定阈值二值化后再拼接为完整图像的方法获得运动人体二值图像。与传统背景减除法相比,基于图像分割的背景减除法提取到的运动人体二值图像更精确。(二)步态特征提取部分。重点针对传统步态特征提取算法对视角和服饰、携带物鲁棒性差的问题进行创新,提出了基于运动人体重心轨迹的步态特征提取算法和基于泊松方程的步态特征提取算法。基于运动人体重心轨迹的步态特征提取算法计算一个步态周期内的运动人体重心,得到重心轨迹,通过对重心轨迹进行FFT变换消除服饰、携带物的影响,提取傅立叶系数作为重心轨迹特征。基于泊松方程的步态特征提取算法提出了一种基于泊松方程的步态特征图G_F,在任意视角下均可对难以被服饰、携带物影响的运动人体凸出部位(如头部、小腿、脚部等)进行有效提取,利用Gabor小波和2D-PCA对步态特征图进行特征描述并降维,得到G_F特征。实验结果表明,两种算法均可在多视角下有效消除服饰和携带物的影响。(叁)步态识别部分。为利用特征融合进一步增强本文算法在多视角下对服饰、携带物的鲁棒性,提高识别率,分别对重心轨迹特征和G_F特征进行特征层融合和匹配层加权加法融合。重点针对特征层融合进行创新,针对传统特征层串行融合后特征维数大幅提高的问题,提出了一种特征层并行融合策略,通过引入复向量使重心轨迹特征和G_F特征之间形成一种并行结构,将融合后的特征转换到复空间内进行研究。与传统特征层串行融合策略相比,并行融合后特征向量的维数降低,识别速度提高。最终,选择支持向量机(SVM)进行决策,通过在中科院自动化所的CASIA Gait Database B数据库和自建立数据库上进行验证,取得了良好的效果,证明了融合方法的有效性。(本文来源于《国防科学技术大学》期刊2015-05-01）
视角无关论文开题报告
（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：
当前行为识别方法在不同视角下的识别准确率较低,该文提出一种视角无关的时空关联深度视频行为识别方法。首先,运用深度卷积神经网络的全连接层将不同视角下的人体姿态映射到与视角无关的高维空间,以构建空间域下深度行为视频的人体姿态模型(HPM);其次,考虑视频序列帧之间的时空相关性,在每个神经元激活的时间序列中分段应用时间等级池化(RP)函数,实现对视频时间子序列的编码;然后,将傅里叶时间金字塔(FTP)算法作用于每一个池化后的时间序列,并加以连接产生最终的时空特征表示;最后,在不同数据集上,基于不同方法进行了行为识别分类测试。实验结果表明,该文方法(HPM+RP+FTP)提高了不同视角下深度视频识别准确率,在UWA3DII数据集中,比现有最好方法高出18%。此外,该文方法具有较好的泛化性能,在MSR Daily Activity3D数据集上得到82.5%的准确率。
（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。
视角无关论文参考文献
[1].叶初升,叶琴.金融结构与碳排放无关吗——基于金融供给侧结构性改革的视角[J].经济理论与经济管理.2019
[2].吴培良,杨霄,毛秉毅,孔令富,侯增广.一种视角无关的时空关联深度视频行为识别方法[J].电子与信息学报.2019
[3].丰艳,李鸽,原春锋,王传旭.基于时空注意力深度网络的视角无关性骨架行为识别[J].计算机辅助设计与图形学学报.2018
[4].杜春梅,代长明,颜庭煜.视角无关的动作识别研究[J].河北建筑工程学院学报.2018
[5].于强.国民参政会冲突与虚构的“汪派分子”——政治视角下的“与抗战无关”论争[J].新文学史料.2018
[6].Jia-geng,FENG,Jun,XIAO.基于鲁棒局部自适应多视角学习的视点无关人体行为识别(英文)[J].FrontiersofInformationTechnology&ElectronicEngineering.2015
[7].王传旭,邓海刚.基于时间序列无关性的视角无关行为识别[J].计算机与数字工程.2015
[8].陈小辉.PDV分解结合叁元组的视角无关动作识别[J].控制工程.2015
[9].王子晨,戚巍,吴丹丹.我国区域企业技术创新绩效研究——基于标度无关性指标视角[J].技术经济与管理研究.2015
[10].刘萍.与服饰、携带物无关的多视角下的步态识别[D].国防科学技术大学.2015