导读:本文包含了递阶辨识论文开题报告文献综述及选题提纲参考文献，主要关键词:彩色引导,深度图像增强,全局优化,非凸函数
递阶辨识论文文献综述
张跃,朱启兵,黄敏,李浩[1]（2019）在《基于递阶辨识与交替方向乘子法的深度图像增强》一文中研究指出针对主流传感器采集的深度图像存在深度信息区域缺失、噪声等图像质量问题,提出一种基于SD全局优化模型的深度图像增强算法。采用非凸函数对SD全局优化模型平滑项进行建模,使其对异常值具有较强的鲁棒性。使用基于递阶辨识(HI)的交替方向乘子法求解SD全局优化模型,将目标函数分解成多个子目标函数,并对每个子目标函数通过HI思想进行逐个求解,降低求解复杂度。实验结果表明,该算法在加快收敛速度的同时,能有效去除图像噪声及抑制深度伪影。(本文来源于《计算机工程》期刊2019年04期）
丁锋[2]（2012）在《系统辨识(7):递阶辨识原理与方法》一文中研究指出递阶辨识是系统辨识的一个重要分支.递阶辨识原理是在大系统递阶控制的"分解-协调原理"基础上发展起来的,它不仅能够解决参数数目多、维数高、大规模系统辨识算法计算量大的问题,而且能够解决结构复杂的双线性参数系统、多线性参数系统以及非线性系统的辨识问题.首先介绍递阶辨识原理和线性方程组Ax=b的着名雅可比迭代和高斯-赛德尔迭代,给出了线性方程组的迭代方法族;其次将雅可比迭代思想和递阶辨识原理用于研究一般矩阵方程和耦合矩阵方程的递阶梯度迭代求解方法和递阶最小二乘迭代求解方法;再次介绍了方程误差模型的两阶段最小二乘辨识方法(一个简单的递阶辨识方法)和线性回归模型的递阶最小二乘辨识方法;最后研究了类多变量CARMA系统的递阶辨识方法.(本文来源于《南京信息工程大学学报(自然科学版)》期刊2012年02期）
向丽丽[3]（2011）在《输出误差类单输入多输出系统的辅助模型递阶辨识》一文中研究指出在工业控制、航空航天、天文学、海洋等众多领域中,研究的对象一般比较复杂,例如单输入多输出系统,通常很难应用已有的理论直接获得相应的数学模型,只有利用观测数据来确定研究对象的数学模型及其参数。本文以国家自然科学基金项目为背景,提出了输出误差类单输入多输出系统的递阶辨识课题。本文基于递阶辨识原理,辅助模型辨识思想,最小二乘辨识原理和随机梯度辨识原理研究了单输入多输出系统的辨识问题,论文的主要工作有如下几个方面：1.论文首先由多输入多输出系统状态空间描述模型引出单输入多输出系统状态空间描述模型,并由状态空间描述的多输入多输出系统转变成传递函数描述的输出误差多输入多输出系统模型。进一步得到了单输入多输出白噪声干扰下的输出误差系统模型。为本文接下来进一步的研究奠定了理论基础。2.针对白噪声干扰的单输入多输出输出误差模型,提出了其相应的基于辅助模型的递阶最小二乘算法和基于辅助模型的递阶随机梯度算法。其基本思想是：首先根据递阶辨识原理,将待辨识的模型分解为两个虚拟子系统,一个包含参数向量,另一个包含参数矩阵。然后根据最小二乘原理和随机梯度辨识原理辨识虚拟子系统,针对信息矩阵中含有的不可测噪声项用其估计值代替,而噪声估计值可用前一次的参数估计进行计算。与递推最小二乘等算法相比,所提出的算法计算量大大减小。仿真例子验证了所提出算法的有效性。3.针对滑动平均噪声干扰的单输入多输出系统,根据递阶辨识原理与辅助模型的思想,提出了基于辅助模型的递阶增广最小二乘算法和基于辅助模型的递阶增广随机梯度算法。其基本的算法推导原理与相应的白噪声干扰的单输入多输出模型相似,仿真例子验证了所提出算法的有效性。4.针对自回归滑动平均噪声干扰的单输入多输出系统,根据递阶辨识原理与辅助模型的思想,提出了基于辅助模型的递阶广义增广最小二乘辨识算法和基于辅助模型的递阶广义增广随机梯度辨识算法。滑动平均噪声干扰的单输入多输出模型可以看作是该模型的特殊情况,因而自回归滑动平均噪声干扰的单输入多输出系统的算法推导更具一般性。并给出了相应的仿真例子。最后给出了该模型扩展为多输入多输出系统的辨识算法。论文推导和研究输出误差类单输入多输出系统的几种辨识算法,算法的可行性采用计算机仿真例子来验证。但本课题的研究所面临的一些困难和有待深入研究的方向在最后做了简单介绍。(本文来源于《江南大学》期刊2011-03-01）
丁锋,黎明,代冀阳[4]（2006）在《递阶辨识原理与迭代方法族》一文中研究指出本文推广了雅可比和高斯-赛德尔迭代算法,提出了一大类迭代方法族,并借助于递阶辨识原理,将提出的迭代方法族应用于矩阵方程AXB=C和广义西尔维斯特矩阵方程AXB+CXD=F,推导了相应的迭代算法。分析表明:在任意有限初始条件下,迭代解收敛于精确解,提出的算法需要较小的计算量和存储空间。(本文来源于《第25届中国控制会议论文集（上册）》期刊2006-08-01）
丁锋,萧德云[5]（2005）在《多变量系统状态空间模型的递阶辨识》一文中研究指出研究多变量系统状态空间模型的递阶辨识问题,推广了作者提出的标量系统状态和参数联合辨识算法.当状态可量测时,利用最小二乘原理直接辨识状态空间模型的参数矩阵;当状态不可测时,利用递阶辨识原理提出了状态空间模型递阶辨识方法,使用系统输入输出数据来估计系统的未知状态和参数.状态空间模型递阶辨识方法分为两步:首先假设系统状态是已知的(即参数估计算法中的未知系统状态用其估计代替),基于状态估计和系统输入输出数据递归计算系统参数估计;然后基于系统输入输出数据和获得的参数估计,递归计算系统的状态估计.(本文来源于《控制与决策》期刊2005年08期）
赵霞,姚郁,方强[6]（2002）在《递阶辨识方法在转台伺服系统调试中的应用研究》一文中研究指出针对转台伺服系统中机械谐振对系统产生的影响 ,对包含有机械谐振的被控对象 ,采用计算量较小的参数递阶辨识方法辨识被控对象 ,并对机械谐振进行有效抑制 ,从而大大提高系统的动态响应指标 .该方法不但克服了原有系统辨识过程中计算量和存储量大的缺点 ,还克服了以往用试凑法抑制谐振的繁琐、低精度等缺点 ,从而提高了系统调试的自动化水平 ,并使系统性能得到了较充分的发挥(本文来源于《控制理论与应用》期刊2002年02期）
丁锋,杨家本[7]（1999）在《大系统的递阶辨识》一文中研究指出大系统的特点是维数高、待估计的参数数目多，使得辨识方法的计算量和存储量急剧增加，以致常规辨识算法难以实现．为了减少大系统辨识的计算量，提出了计算量较小的递阶辨识算法，并用鞅超收敛定理证明了它的收敛性．结果说明该算法可以给出大系统参数的一致估计．(本文来源于《自动化学报》期刊1999年05期）
胡峰[8]（1994）在《自回归模型参数的递阶辨识》一文中研究指出本文给出了自回归模型系数与误差方差的递阶估计算法，导出了ＡＩＣ（ｐ）定阶准则在工程中易于实现的数学关系式，并进行了仿真计算．(本文来源于《自动化学报》期刊1994年04期）
何建敏,达庆利[9]（1989）在《广义指数模型的递阶辨识算法》一文中研究指出针对生态和社会经济系统常用的一类广义指数模型,本文提出了一种新的递阶辨识算法。文中首先利用等价辨识问题最优Lagrange乘子的零特性导出了这一算法的两级结构。它的协调级十分简单而第一级又可利用现有的高效算法求解。而后证明了这一算法的收敛性和它与一般非线性方法的等价性。仿真和应用结果表明,它的收敛速度大大高于通用的求解一般非线性最小二乘辨识问题的L-M法。(本文来源于《东南大学学报》期刊1989年06期）
韩志刚[10]（1988）在《多层递阶辨识方法》一文中研究指出本文提出了作为多层递阶预报方法的基础的多层建模的方法,称为多层递阶辨识方法,并指出这种方法可能是解决非线性系统辨识问题的一种有效的途径.(本文来源于《自动化学报》期刊1988年05期）
递阶辨识论文开题报告
（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：
递阶辨识是系统辨识的一个重要分支.递阶辨识原理是在大系统递阶控制的"分解-协调原理"基础上发展起来的,它不仅能够解决参数数目多、维数高、大规模系统辨识算法计算量大的问题,而且能够解决结构复杂的双线性参数系统、多线性参数系统以及非线性系统的辨识问题.首先介绍递阶辨识原理和线性方程组Ax=b的着名雅可比迭代和高斯-赛德尔迭代,给出了线性方程组的迭代方法族;其次将雅可比迭代思想和递阶辨识原理用于研究一般矩阵方程和耦合矩阵方程的递阶梯度迭代求解方法和递阶最小二乘迭代求解方法;再次介绍了方程误差模型的两阶段最小二乘辨识方法(一个简单的递阶辨识方法)和线性回归模型的递阶最小二乘辨识方法;最后研究了类多变量CARMA系统的递阶辨识方法.
（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。
递阶辨识论文参考文献
[1].张跃,朱启兵,黄敏,李浩.基于递阶辨识与交替方向乘子法的深度图像增强[J].计算机工程.2019
[2].丁锋.系统辨识(7):递阶辨识原理与方法[J].南京信息工程大学学报(自然科学版).2012
[3].向丽丽.输出误差类单输入多输出系统的辅助模型递阶辨识[D].江南大学.2011
[4].丁锋,黎明,代冀阳.递阶辨识原理与迭代方法族[C].第25届中国控制会议论文集（上册）.2006
[5].丁锋,萧德云.多变量系统状态空间模型的递阶辨识[J].控制与决策.2005
[6].赵霞,姚郁,方强.递阶辨识方法在转台伺服系统调试中的应用研究[J].控制理论与应用.2002
[7].丁锋,杨家本.大系统的递阶辨识[J].自动化学报.1999
[8].胡峰.自回归模型参数的递阶辨识[J].自动化学报.1994
[9].何建敏,达庆利.广义指数模型的递阶辨识算法[J].东南大学学报.1989
[10].韩志刚.多层递阶辨识方法[J].自动化学报.1988