导读:本文包含了分级识别论文开题报告文献综述及选题提纲参考文献，主要关键词:露天矿,可爆性,博弈论,综合赋权
分级识别论文文献综述
丁小华,原文杰,解祯,李爱和,祁茂富[1]（2019）在《基于综合赋权云模型的露天矿岩体可爆性分级识别》一文中研究指出露天矿爆破施工要求破碎块度均匀,大块率低,高效发挥铲装、运输设备效率,而矿山岩体可爆性评价是爆破参数优化、质量提高、成本控制的重要依据。为了对岩体可爆性进行科学分级,选择岩石普氏系数、抗拉强度、岩石密度、岩石纵波速度、岩体纵波速度5个指标建立了岩体可爆分级指标体系,确定了岩体可爆性分级标准,计算出了岩体可爆性分级指标的云数字特征,生成了各指标隶属各岩体可爆性等级的云模型,提出了基于综合赋权云模型的岩体可爆性分级方法。将分级模型应用于平朔东露天煤矿,结果表明:东露天煤矿泥岩、砂质泥岩、粉砂岩的可爆性等级均为A,确定度分别为0.585 5、0.584 4、0.349 7;细粒砂岩的可爆性等级为C,确定度为0.149 4;中粒砂岩、粗粒砂岩、泥灰岩的可爆性等级均为B,确定度分别为0.253 2、0.212 9、0.328 8。确定度能够精确反映各岩体与各可爆性等级间的隶属程度,有利于更准确地计算炸药单耗,结论的可信度及实用性更高。(本文来源于《煤炭科学技术》期刊2019年10期）
董立军,赵莉弘,王建民[2]（2019）在《基于分级加载试验的预应力混凝土小箱梁刚度识别》一文中研究指出提出了一种以加载试验数据和结构有限元模型修正理论为基础的梁体刚度参数识别方法。以某国道一简支变连续桥梁预制小箱梁为对象,在分析其受力特点的基础上,进行了试验测试参数的确定及修正参数的选择,然后,以试验结果为依据进行了分析模型的参数修正;通过比较采用设计假定参数、修正后参数下理论计算结果与试验结果的差异,表明以设计假定参数计算值与试验值存在较大的偏差,而采用识别的刚度参数计算值与试验值则吻合较好,验证了所建立的方法的合理性。(本文来源于《华北科技学院学报》期刊2019年05期）
陈鸿昶,吴彦丞,李邵梅,高超[3]（2019）在《基于行人属性分级识别的行人再识别》一文中研究指出为了提高行人再识别算法的识别效果,该文提出一种基于注意力模型的行人属性分级识别神经网络模型,相对于现有算法,该模型有以下3大优点:一是在网络的特征提取部分,设计用于识别行人属性的注意力模型,提取行人属性信息和显着性程度;二是在网络的特征识别部分,针对行人属性的显着性程度和包含的信息量大小,利用注意力模型对属性进行分级识别;叁是分析属性之间的相关性,根据上一级的识别结果,调整下一级的识别策略,从而提高小目标属性的识别准确率,进而提高行人再识别的准确率。实验结果表明,该文提出的模型相较于现有方法,有效提高了行人再识别的首位准确率,其中,Market1501数据集上,首位准确率达到了93.1%,在DukeMTMC数据集上,首位准确率达到了81.7%。(本文来源于《电子与信息学报》期刊2019年09期）
乐幸福,姚军,杨哲[4]（2019）在《基于表层Q补偿法的分级提高分辨率技术在四川盆地栖霞组白云岩储层识别中的应用》一文中研究指出四川盆地下二迭系海相碳酸盐岩的天然气勘探规模正逐步扩大,其勘探潜力巨大,其中下二迭系栖霞组白云岩储层是天然气勘探的热点领域之一。栖霞组地层埋藏较深,主要以灰岩为主,在其中上部存在一套白云岩储层,厚度较薄,速度与围岩接近,振幅能量较弱,常规地震资料难以准确识别,大大影响了对该层系白云岩储层分布的预测效果。为提高栖霞组白云岩储层预测结果的准确性,本文首先通过正演模拟研究了栖霞组白云岩储层在地震资料主频、距栖霞组顶部距离及其自身孔隙度变化条件下的地震响应特征,在此基础上通过表层Q补偿法结合基于VSP资料的Q层析反演方法对地震资料进行分级提高分辨率处理,在最大程度保真的条件下提高了地震资料分辨率。运用该方法处理后的地震资料与正演模拟的栖霞组白云岩储层地震响应特征相吻合,大大提高了白云岩储层的地震识别精度,为白云岩储层的分布预测打下了坚实的基础。(本文来源于《中国石油学会2019年物探技术研讨会论文集》期刊2019-09-09）
于蒙,李雄,杨海潮[5]（2019）在《基于图像识别的苹果等级分级研究》一文中研究指出针对传统的苹果人工分级方法存在检测不全面、分级效率较低等问题,以红富士苹果为对象,研究了利用机器视觉实现对苹果等级进行分级的方法。搭建了图像采集系统;运用中值滤波方法去除图像噪声,并创造性地提出分离彩色图像HSL模型中的S通道分量作为后续图像处理的源图像,结合Otsu算法实现了自动阈值分割进行轮廓提取。一方面选择色调值H通道分量的直方图数据作为苹果颜色分级的特征参数,通过支持向量机对苹果进行等级判定,判定准确率为89%。另一方面选择亮度L通道分量的能量、熵和逆差矩作为特征参数,利用神经网络对苹果进行有无缺陷判定,判定准确率为95.5%。(本文来源于《自动化与仪表》期刊2019年07期）
纪宇慧[6]（2019）在《机器视觉在苹果疤痕识别和颜色分级中的应用》一文中研究指出我国苹果种植面积广,产量巨大,种类繁多。但由于我国水果生产加工企业普遍采用人工分级与机械分级,与国外的分级技术相比较落后,分级精度偏低,同一批次的苹果质量参差不齐,使得我国苹果在国际贸易市场上成交量小,且价格较低。利用机器视觉技术对苹果品质进行自动分级检测,可有效地提高分级精度和效率,不仅能够满足各种消费人群的需求,为企业带来良好的效益,还可以提高我国苹果的出口量和出口价格,增加外汇收入。本文以烟台地区的红富士苹果为研究对象,基于机器视觉技术对苹果的果面缺陷与颜色两个特征进行研究,主要研究内容如下:(1)在图像预处理阶段,本文对RGB与HSI颜色模型进行分析,根据两种模型的特点,确定其适用情况。通过在灰度图像中加入白噪声,利用信噪比PSNR对几种常用滤波算法的去噪效果进行对比和评价,选定了有效性和实时性相对优越的快速中值滤波法。(2)在图像分割阶段,对比R、G、B、H、S、I六个分量空间下的灰度图以及灰度直方图,发现S分量空间下背景与目标的对比度较高且灰度直方图呈现标准的双峰状,最有利于采用全局阈值法进行图像分割。通过分析几种典型的全局阈值分割法,选用一种自适应的阈值分割方法——最大类间方差法。对于分割后的二值图像背景中由传送链条引起的噪声区域,采用形态学滤波中的删除小面积对象法进行处理,获得了良好的去噪效果。(3)提出基于Canny边缘检测算子的果面疤痕识别方法。对图像分割后获取的苹果果实图像,分别用一阶的Roberts算子、Sobel算子与二阶的LoG(Laplacian of Gaussian)算子、Canny算子对其进行疤痕检测,其中Canny算子提取的边缘最完整,且没有虚假边缘。为了将疤痕区域分割出来,获得疤痕区域面积所占果实面积的百分比,本文利用空洞填充法对疤痕区域进行填充,并引入形态学中的开运算将果实边缘造成的干扰去除。(4)考虑到外观品质高的苹果不仅着色率高,通常颜色分布也较均匀,所以在提取颜色特征时不仅选用色度分量,也选用了能够反映颜色分布的R、G、B分量的均值与方差作为特征参数。由于特征参数的个数较多不利于分级,提出了基于Fisher系数及K-means的颜色特征参数优化方法。通过计算每个特征参数的Fisher系数,按照其大小进行无类别的全局优化和分类别(着色率和颜色分布两类)的局部优化,并采用K-means算法对两种优化方式进行评估,聚类结果表明全局优化的效果更好。然后利用PS0(Particle Swarm Optimization)算法优化后的支持向量机对苹果的颜色等级进行自动划分,对全局优化方式下所保留的特征参数个数进行逐一分级测试,在保留Fisher系数较高的7个特征量时,分级正确率最高,达到92%。最后用Matlab软件设计了用于分级操作、模型参数与分级结果显示的GUI产品。(本文来源于《济南大学》期刊2019-06-01）
刘杰[7]（2019）在《基于深度差异网络模型的面瘫识别与分级评估方法研究》一文中研究指出面瘫是一种常见的面部表情肌功能障碍疾病,发病率较高,然而面瘫诊断治疗的专业医生却相对较少,且医生在诊断过程中很大程度上受主观因素的影响,从而导致面瘫患者难以得到及时准确的诊断,不利于患者后续的治疗。基于计算机视觉技术的面瘫自动化识别与分级评估方法是一种快速有效的面瘫辅助诊断手段,较大程度上帮助医生对患者病情进行诊断,以给出较为合理的治疗方案。因此,利用计算机视觉技术进行面瘫的自动识别与评估对面瘫的诊断与治疗具有重要意义。目前,尽管已有较多的面瘫识别与评估方法,但这些方法均基于面部不对称进行判断,而正常人的面部在呈现某种表情或静止时也可能存在不对称性;其次,现有方法大多使用浅层模型,且主要关注图像的浅层特征,难以对面瘫进行全面有效的识别与评估,方法有待进一步改进或提出新方法。本文基于现有面瘫识别与评估方法,针对上述存在的问题,利用深度学习的方法和理论,主要开展以下新的研究内容:1.针对面瘫的识别问题,依据疑似患者进行重复临床诊断性面部动作时,存在面部异常或不对称的正常人常比面瘫患者表现出更大的差异,据此,本文提出了一种基于深度差异网络(Deep Differentiated Network,DDN)的面瘫识别方法,该方法对面部状态的高层特征提取和差异特征计算进行联合优化。首先,利用two-stream CNN提取疑似患者同一动作不同时刻的面部状态特征的差异信息;然后通过卷积网络提差异信息的深层特征信息,并基于差异性特征进行面瘫识别。实验结果表明,DDN能够有效识别疑似患者是否患有面瘫,识别准确率达到89.67%。2.针对面瘫严重程度的评估问题,现有方法常忽略面部运动信息,且浅层结构的机器学习模型难以提取有效的面部状态深层特征。为此,本文提出了基于DDN与长短期记忆(Long Short-Term Memory,LSTM)网络相结合的面瘫分级评估方法,其设计原理是依据诊断结果依赖于患者进行面部诊断动作时面部的不对称和肌肉运动能力。通过利用DDN来分析患者面部两侧的差异,然后利用LSTM来提取运动特征。最后,利用提取的高水平特征进行面瘫分级评估。实验结果表明,DDN-LSTM在评价面瘫方面的性能优于其他先进的方法。(本文来源于《西北大学》期刊2019-06-01）
方海超,黄朋,孙家文,于永海,李安春[8]（2019）在《鸭绿江端元粒度分级样品常量元素控制因素分析及物源识别》一文中研究指出对鸭绿江河口表层沉积物陆源组分进行了水动力敏感粒度分级,以消弱"粒度效应"对沉积物地球化学组成的影响。通过多元统计方法,对不同粒级样品内常量元素含量特征、控制因素、源区特征等内容进行了探讨,并与全样测试结果进行对比分析。结果表明:源区化学风化程度是控制常量元素分布的主要因素,"粒度效应"和表生环境下的自生作用对常量元素的分布也有一定的控制作用,但"粒度效应"主要控制8μm以下样品内元素分布;源区目前处于以斜长石风化为主的中等化学风化程度阶段,风化产物未遭受钾交代影响;Al_2O_3、Fe_2O_3、MgO、MnO、TiO_2、P_2O_5六种元素在>63μm、32～63μm和8～32μm 3个粒级内含量相近,8μm以下样品随粒级减小元素含量显着增加,CaO、Na_2O两种元素在各粒级内含量分布特征与上述6种元素相反,高K_2O含量且未受"粒度效应"控制,可作为鸭绿江端元的指示性元素。根据流域岩性特征分析,>2μm粒级样品可能主要来自鸭绿江中下游地区变质基底和花岗质侵入体的风化产物;而<2μm粒级样品则可能主要来自鸭绿江上游地区基性侵入体的风化产物。此外,对比分析还表明,全样测试结果仅相当于分粒级样品的均值水平,极大地掩盖了不同粒级内元素地球化学特征的差异性和规律性。因此,在利用全样地球化学特征进行物源示踪时需综合考虑。(本文来源于《海洋地质与第四纪地质》期刊2019年03期）
高荣武[9]（2019）在《挂灰烟叶的产生原因及在分级中的识别》一文中研究指出目前,随着烟叶生产与烘烤技术的提高,杂色烟的数量有所减少,但仍占有5%左右的比例,这部分烟叶质量差、单价低,既严重影响了种烟效益和种烟积极性,又浪费了资源,影响了工业用烟。基于此,找出挂灰烟产生的原因,并通过挂灰烟的外在表现分析挂灰烟的综合质量,以减少挂灰烟混级现象的发生,进而保证烟叶等级的合格率。(本文来源于《南方农业》期刊2019年11期）
丁潇蕾[10]（2019）在《基于水体吸收系数的城市黑臭水体遥感识别与分级方法研究》一文中研究指出城市黑臭水体是指颜色为黑色或深灰色,气味刺鼻、恶心,基本丧失生态功能的城市水体。近年来,我国城市化步伐加快,产业发展迅速,人民生活水平提高。但随之而来的生活废水、工业污水的过量排放,严重影响了河流生态系统,为人民生活带来不便。当前开展的关于遥感监测黑臭水体的研究多从水色指标变化的角度,利用遥感反射率识别黑臭水体。由于水面遥感反射率受水体吸收、散射等固有光学特性影响,因此,水体固有光学特性的变化更加能够直接反映水色的差异。本研究以水体吸收系数为主要指标,探索水色差异的最佳表征参数,构建黑臭水体识别和分级模型。以南京、无锡、扬州和长沙市的城市河道水体为研究对象,利用野外实测水体数据分析了城市河道黑臭水体的光学特征,构建了基于吸收系数的黑臭水体识别、分级算法。建立了基于高光谱数据的总颗粒物、CDOM吸收系数估算模型,并将模型应用于南京市无人机高光谱影像,对城市河段进行黑臭程度分级。论文主要得出以下结论:(1)不同黑臭程度的水体光学特性差异分析重度黑臭水体的遥感反射率值低于0.03sr-1,其平均值在各类水体最小,一般水体(即非黑臭水体)遥感反射率值总体最高。在400～550nm,重度黑臭水体的遥感反射率斜率值最低,轻度黑臭水体次之。在550～580nm,重度黑臭水体的波峰宽度大于其他类型水体,且峰值最低。不同黑臭程度的城市水体,其吸收系数存在差异。重度黑臭水体的非色素颗粒物吸收系数、色素颗粒物吸收系数与CDOM吸收系数均不同程度地高于轻度黑臭水体和一般水体。在440nm处,重度黑臭水体的色素吸收系数大致为轻度黑臭水体的1.1倍、一般水体的1.3倍;重度黑臭水体的非色素平均吸收系数大致为轻度黑臭的1.4倍、一般水体的1.8倍;重度黑臭水体的CDOM平均吸收系数大致为轻度黑臭的1.0倍,一般水体的1.4倍。(2)黑臭水体识别及分级指数黑臭水体的高CDOM吸收特性在黑臭水体的识别与监测方面具有应用潜力。CDOM吸收系数参数化模型在不同波段范围内拟合得到的斜率值S对黑臭水体与一般水体具有一定的区分性。不同波段范围拟合的斜率值对黑臭水体和一般水体的区分度随着波长的增加而降低:斜率S1值(拟合范围为275～295nm)、斜率S2值(拟合范围为350～400nm)的精度分别为79.39%、72.12%。而ag(440)区分黑臭水体的精度也较高,达到76.36%。重度黑臭水体的总颗粒物吸收与轻度黑臭水体差异显着,重度黑臭水体的高颗粒物吸收特性对黑臭水体的分级起着重要作用。总颗粒物吸收系数在400～500nm波段范围内的下降速率K400-500、在400～500nm波段范围内的曲线面积积分SA(400-500)和总颗粒物在440nm处的吸收系数ap(440)对不同黑臭程度的水体的区分度均大于80%,其中曲线面积积分SA(400-500)和总颗粒物吸收系数ap(440)的分级效果最好,均达到87.65%。考虑到实际反演过程的简洁性与可操作性,选取440nm处的CDOM吸收系数(阈值为1.25 m-1)作为黑臭水体与非黑臭水体的识别指数,440nm处的总颗粒物吸收系数(阈值为7m-1)作为轻度黑臭与重度黑臭水体的分级指数。(3)黑臭水体吸收系数的遥感反演选取720nm与560nm的遥感反射率比值,建立一元线性经验模型估算总颗粒吸收系数,估算值与实测值均方根误差为2.14m-1,平均绝对百分比误差为27.26%。选取665nm/720nm、560nm/665nm的遥感反射率比值与440nm处的CDOM吸收系数建立起的多元回归方法,估算的CDOM吸收系数的均方根误差为0.30m-1,平均绝对误差百分比为45.27%。采用改进后的QAA-640算法反演吸收系数,得到总颗粒物吸收系数均方根误差2.67m-1,平均绝对百分比误差为54.34%,CDOM吸收系数的均方根误差0.73m-1,平均绝对百分比误差为51.81%。因此,对于城市黑臭水体而言,经验算法的效果优于QAA半分析算法。(4)基于无人机高光谱数据的黑臭水体识别与分级基于2017年12月22日、2018年9月27日无人机遥感影像,利用经验算法对吸收系数进行反演,根据识别与分级指数的阈值对河道的水体进行分级,在所识别的4段河流中,金川河、龙园西路河、玄武湖仅为一般水体。屯粮河被分为叁段,这叁段河流的水质情况差异较大。最南部为轻度黑臭与重度黑臭混合的类型;中部水质较好,为一般水体;北部河段水质最差,基本为重度黑臭水体。(本文来源于《南京师范大学》期刊2019-04-08）
分级识别论文开题报告
（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：
提出了一种以加载试验数据和结构有限元模型修正理论为基础的梁体刚度参数识别方法。以某国道一简支变连续桥梁预制小箱梁为对象,在分析其受力特点的基础上,进行了试验测试参数的确定及修正参数的选择,然后,以试验结果为依据进行了分析模型的参数修正;通过比较采用设计假定参数、修正后参数下理论计算结果与试验结果的差异,表明以设计假定参数计算值与试验值存在较大的偏差,而采用识别的刚度参数计算值与试验值则吻合较好,验证了所建立的方法的合理性。
（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。
分级识别论文参考文献
[1].丁小华,原文杰,解祯,李爱和,祁茂富.基于综合赋权云模型的露天矿岩体可爆性分级识别[J].煤炭科学技术.2019
[2].董立军,赵莉弘,王建民.基于分级加载试验的预应力混凝土小箱梁刚度识别[J].华北科技学院学报.2019
[3].陈鸿昶,吴彦丞,李邵梅,高超.基于行人属性分级识别的行人再识别[J].电子与信息学报.2019
[4].乐幸福,姚军,杨哲.基于表层Q补偿法的分级提高分辨率技术在四川盆地栖霞组白云岩储层识别中的应用[C].中国石油学会2019年物探技术研讨会论文集.2019
[5].于蒙,李雄,杨海潮.基于图像识别的苹果等级分级研究[J].自动化与仪表.2019
[6].纪宇慧.机器视觉在苹果疤痕识别和颜色分级中的应用[D].济南大学.2019
[7].刘杰.基于深度差异网络模型的面瘫识别与分级评估方法研究[D].西北大学.2019
[8].方海超,黄朋,孙家文,于永海,李安春.鸭绿江端元粒度分级样品常量元素控制因素分析及物源识别[J].海洋地质与第四纪地质.2019
[9].高荣武.挂灰烟叶的产生原因及在分级中的识别[J].南方农业.2019
[10].丁潇蕾.基于水体吸收系数的城市黑臭水体遥感识别与分级方法研究[D].南京师范大学.2019