导读:本文包含了随机早检测算法论文开题报告文献综述及选题提纲参考文献，主要关键词:频谱感知,特征值检测,特征值方差
随机早检测算法论文文献综述
王子力,宋晓鸥,王晓蓉[1]（2019）在《基于随机矩阵的特征值方差频谱感知检测算法》一文中研究指出传统的频谱感知能量检测易受噪声方差不确定性的影响,存在"信噪比墙"效应。频谱感知特征值检测跟能量检测一样,不需要信号任何先验信息,并且能在低信噪比下取得较好的检测性能。经典的特征值检测有最大最小特征值(maximum-minimum eigenvalues,MME)之比算法,最大最小特征值之差(maximum-minimum eigenvalues difference,DMM)算法等。这些算法只利用特征值的一阶统计量,不能充分反映全部特征值的统计特征。利用特征值二阶统计量提出一种基于特征值方差的频谱感知算法,选取能反映特征值整体波动的方差当作观测统计量,并利用矩阵迹的性质推导出该算法的理论门限。仿真证明:当噪声方差不确定性等于0 d B时,该算法的检测性始终优于MME算法。当噪声方差不确定性等于0. 2 d B时,能量检测(energy detection,ED)算法检测概率急剧下降,而特征值方差(eigenvalue variance,EV)算法检测概率仅下降10%左右,并且当信噪比(signal noise ratio,SNR)大于-17 d B时,EV算法的检测概率优于ED算法和MME算法。(本文来源于《科学技术与工程》期刊2019年28期）
包青岭,丁建丽,王敬哲,蔡亮红[2]（2019）在《基于随机森林算法的土壤有机质含量高光谱检测》一文中研究指出为了探讨既能保留光谱信息又能准确对土壤有机质含量进行快速检测。以新疆南部渭干河—库车绿洲内部73个土壤样点及其对应的高光谱数据为研究对象,采用小波变换与数学变换进行光谱数据预处理,分析各小波分解重构光谱在不同有机质含量与不同土壤类型下光谱曲线差异,通过相关分析确定最大小波分解层并筛选敏感波段,结合灰色关联分析与随机森林预测分类模型对各小波分解特征光谱进行重要性分析,最后基于最优特征光谱建立多元线性预测模型并进行分析。结果表明:(1)耕作土壤与林地土壤光谱曲线波段相较盐渍土壤和荒漠土壤光谱曲线变化较为平缓,同时在水分吸收波段处,盐渍土壤光谱曲线吸收谷最深。(2)小波变换分解光谱与土壤有机质含量的相关性随着分解层数增加呈现先减后增趋势,在第6层中,特征光谱曲线与敏感波段数量变化趋于稳定,确定为小波变换最大分解层。(3)随机森林模型相比灰色关联分析对于各小波分解层因子的筛选符合预期,按照对土壤有机质含量影响从高到低排序为L3-(1/LgR)′、L4-(1/LgR)′、L6-(1/LgR)′、L5-(1/LgR)′、L2-(1/LgR)′、L0-1/LgR、L1-1/LgR。(4)在小波分解光谱中,中频范围特征光谱对干旱区土壤有机质含量的估测能力优于高频与低频范围特征光谱,同时基于L-MC建立的模型精度最高。研究表明:基于机器学习分类方法结合小波分解的土壤光谱有机质含量监测,可以有效的减少噪声波段干扰,并提高特征波段的分类预测精度。(本文来源于《干旱区地理》期刊2019年06期）
倪广县,陈金海,王恒[3]（2019）在《滚动轴承高维随机矩阵状态异常检测算法》一文中研究指出为解决运行状态监测数据量不断增大、传统降维方法会造成部分有用信息损失的问题,提出了一种滚动轴承高维随机矩阵的状态异常检测算法。对滚动轴承健康监测数据进行多域特征提取和归一化,并通过增广、拼接、随机化等运算构造高维随机矩阵;计算高维随机矩阵的样本协方差矩阵,利用该矩阵的最大与最小特征值之比作为滚动轴承状态异常检测指标;基于随机矩阵谱理论M-P律、Tracy-Widom第一分布,给出了异常检测阈值的数学表达式和决策规则。采用美国辛辛那提大学实验中心轴承试验数据开展了应用研究,分析了高维随机矩阵行列数之比c分别取0.4、0.5、0.6、0.75,误警率分别取0、0.05、0.1、0.2等情况下对检测阈值的影响,并给出了误警率取0.05、矩阵行列数之比c为上述4种情况下滚动轴承早期异常检测结果。试验结果表明,与峭度指标检测算法相比,该算法提前11 h就能检测出滚动轴承的异常状态,可为设备预知维护提供理论指导。(本文来源于《西安交通大学学报》期刊2019年10期）
龙燕,连雅茹,马敏娟,宋怀波,何东健[4]（2019）在《基于高光谱技术和改进型区间随机蛙跳算法的番茄硬度检测》一文中研究指出为了准确、快速的检测番茄硬度,该文提出了一种基于改进型区间随机蛙跳算法优选高光谱特征波长的番茄硬度检测模型。在获取番茄高光谱图像后,首先对光谱数据进行多元散射校正(multiplicative scatter correction,MSC)和归一化预处理。针对区间随机蛙跳算法(interval random frog,i RF)所需迭代次数大、算法收敛慢等缺点,该文提出了改进型区间随机蛙跳算法(modified interval random frog, miRF),并将其应用于特征波长选择。最后建立偏最小二乘回归模型(partial least squares regression, PLSR)预测番茄的硬度。iRF共选出特征波段100个,算法收敛时间为32.1 min,而miRF共选出特征波长47个,算法收敛仅需1.6 min。同时miRF-PLSR番茄硬度预测精度也更优,测试集相关系数达到了0.968 5,均方根误差为0.004 0 kg/mm~2。试验结果表明:结合高光谱技术和miRF算法可实现对番茄硬度的快速、无损检测。(本文来源于《农业工程学报》期刊2019年13期）
王丹,张怡凡,杜颜敏[5]（2019）在《超高速模式下随机接入前导检测算法》一文中研究指出针对超高速模式下多普勒频偏使接收端相关峰值的能量泄漏,从而导致出现多个伪峰且增加了虚警概率的问题,提出了超高速模式下随机接入前导检测算法。该算法利用相关峰值的偏移取决于初始物理根序列号和ZC序列长度的特性,通过选取特定的初始物理根序列号使相关峰值的偏移集中在单个搜索窗口内,采用单个搜索窗口进行前导检测。仿真结果表明,与传统的叁窗口联合检测算法和五窗口联合检测算法相比,文中提出的算法有效降低了前导检测的虚警概率和漏检概率,解决了多普勒频偏大于PRACH单位子载波间隔造成多个伪峰对检测性能带来的影响。(本文来源于《南京邮电大学学报(自然科学版)》期刊2019年03期）
侯成,王瑶,单航,高文泽,吴海涛[6]（2019）在《随机森林算法在入侵检测系统中的应用及优化》一文中研究指出为了提高入侵检测系统的检测精度,增加检测率及降低误报率,将随机森林算法引入到入侵检测系统中,提出了一种对随机森林的优化方法。该算法经各种降维处理及参数优化,最后应用于入侵检测模型中。经过多种数据集测试后的实验结果表明,相比于传统的入侵检测模型,引入随机森林算法后的模型,系统检测率最高提至95.2%,误报率最低降至2%以下,较好地提高了入侵检测系统的精度。(本文来源于《工业控制计算机》期刊2019年06期）
陈伟,李创,唐荣年[7]（2019）在《应用间隔随机蛙结合连续投影算法检测橡胶树叶片氮含量》一文中研究指出研究了基于可见/近红外光谱技术的橡胶树叶片氮含量无损检测方法。总共采集了176个橡胶树叶片样本,以350～2 500 nm的可见/近红外数据作为试验数据。首先,采用一种新颖的间隔随机蛙(iRF)算法选择交互验证均方根误差(RMSECV)最小的波长间隔组合;然后,采用连续投影算法(SPA)进一步选择特征波长;最后,将选出的特征波长作为输入变量,建立偏最小二乘法(PLS)模型。研究结果表明:通过两步策略进行波长选择,iRF算法粗选,从全光谱2 151个变量中筛选出714个,再采用SPA算法细选,从714个变量中进一步筛选出20个最优变量,降低了信息冗余,变量数减少了99.07%。建立的简化模型结果校正均方根误差(RMSEC)、校正相关系数(R_c)、预测均方根误差(RMSEP)、预测相关系数(R_p)分别为0.091 3%、0.956 5、0.123 8%和0.901 8,比PLS、间隔偏最小二乘法(iPLS)、iRF算法和SPA有更低的均方根误差和更高的相关系数。因此,iRF-SPA可以作为一种策略的波长选择方法用于检测橡胶树叶片氮含量。(本文来源于《河南科技大学学报(自然科学版)》期刊2019年05期）
杨扬,刘镇波,刘一星,蒋大鹏[8]（2019）在《应用随机森林算法检测琵琶共鸣板振动特性及声学品质评价》一文中研究指出以合理配置现有木质资源,实现民族乐器(琵琶)用木材由主观选材向客观评价过渡为指导思想,检测琵琶共鸣板素材主要声学振动特性。应用随机森林算法建立琵琶共鸣板素材的乐器声学品质预测模型,然后运用随机森林方法建立琵琶共鸣板素材振动特性的乐器声学品质的预测模型。模型拟合的预测结果显示:模型分类准确率为88.53%,模型分类召回率为87.46%,准确率和召回率的调和平均数为87.99%,实验所获得的结果指标良好,建立的随机森林模型能够使用琵琶共鸣板素材振动特性对乐器声学品质进行准确预测。(本文来源于《东北林业大学学报》期刊2019年08期）
王颖[9]（2019）在《基于随机Fourier有监督特征变换降维算法的人脸检测方法》一文中研究指出针对传统人脸检测方法采用空间向量对复杂环境下的高维度人脸特征进行辨识时,存在检测效率低、检测精度差的问题,提出一种基于随机Fourier有监督特征变换降维算法的人脸检测方法.首先,通过随机Fourier映射随机形成大规模多维候选集合,采用特征选择算法获取特征集内的最佳子集;其次,基于l_(2,1)范数的极限学习机,产生高斯核拟合效果的随机映射,利用l_(2,1)正规则化过滤掉人脸随机特征中的无价值及冗余特征,并对该过程进行优化,提高人脸特征降维的精度;最后,采用基于降维特征与Adaboost算法的人脸检测方法获取的降维特征,通过Boosted级联算法获取级联分类器,实现人脸特征的准确检测.实验结果表明,该方法的漏检率和误检率均为8%,平均检测时间为118ms,运行效率和检测精度均较高.(本文来源于《吉林大学学报(理学版)》期刊2019年03期）
徐少平,张贵珍,李崇禧,刘婷云,唐祎玲[10]（2019）在《基于深度置信网络的随机脉冲噪声快速检测算法》一文中研究指出为提高现有随机脉冲噪声(RVIN)检测算法的检测准确率和执行效率,该文试图从构建描述能力更强的特征矢量和训练非线性映射更为准确的预测模型两个方面入手,实现一种基于训练策略的快速RVIN检测算法。一方面,提取多个不同阶的对数绝对差值排序统计值并结合一个能够反映图像边缘特性的统计值作为刻画图块中心像素点是否为噪声的特征矢量。在计算量增加极少的情况下,显着提升了特征矢量的描述能力。另一方面,基于深度置信网络(DBN)训练RVIN预测模型(RVIN检测器)将特征矢量映射为噪声类型标签,实现了比浅层预测模型更为准确的映射。大量实验数据表明:与现有的RVIN检测算法相比,所提算法在检测准确率和执行效率两个方面都更有优势。(本文来源于《电子与信息学报》期刊2019年05期）
随机早检测算法论文开题报告
（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：
为了探讨既能保留光谱信息又能准确对土壤有机质含量进行快速检测。以新疆南部渭干河—库车绿洲内部73个土壤样点及其对应的高光谱数据为研究对象,采用小波变换与数学变换进行光谱数据预处理,分析各小波分解重构光谱在不同有机质含量与不同土壤类型下光谱曲线差异,通过相关分析确定最大小波分解层并筛选敏感波段,结合灰色关联分析与随机森林预测分类模型对各小波分解特征光谱进行重要性分析,最后基于最优特征光谱建立多元线性预测模型并进行分析。结果表明:(1)耕作土壤与林地土壤光谱曲线波段相较盐渍土壤和荒漠土壤光谱曲线变化较为平缓,同时在水分吸收波段处,盐渍土壤光谱曲线吸收谷最深。(2)小波变换分解光谱与土壤有机质含量的相关性随着分解层数增加呈现先减后增趋势,在第6层中,特征光谱曲线与敏感波段数量变化趋于稳定,确定为小波变换最大分解层。(3)随机森林模型相比灰色关联分析对于各小波分解层因子的筛选符合预期,按照对土壤有机质含量影响从高到低排序为L3-(1/LgR)′、L4-(1/LgR)′、L6-(1/LgR)′、L5-(1/LgR)′、L2-(1/LgR)′、L0-1/LgR、L1-1/LgR。(4)在小波分解光谱中,中频范围特征光谱对干旱区土壤有机质含量的估测能力优于高频与低频范围特征光谱,同时基于L-MC建立的模型精度最高。研究表明:基于机器学习分类方法结合小波分解的土壤光谱有机质含量监测,可以有效的减少噪声波段干扰,并提高特征波段的分类预测精度。
（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。
随机早检测算法论文参考文献
[1].王子力,宋晓鸥,王晓蓉.基于随机矩阵的特征值方差频谱感知检测算法[J].科学技术与工程.2019
[2].包青岭,丁建丽,王敬哲,蔡亮红.基于随机森林算法的土壤有机质含量高光谱检测[J].干旱区地理.2019
[3].倪广县,陈金海,王恒.滚动轴承高维随机矩阵状态异常检测算法[J].西安交通大学学报.2019
[4].龙燕,连雅茹,马敏娟,宋怀波,何东健.基于高光谱技术和改进型区间随机蛙跳算法的番茄硬度检测[J].农业工程学报.2019
[5].王丹,张怡凡,杜颜敏.超高速模式下随机接入前导检测算法[J].南京邮电大学学报(自然科学版).2019
[6].侯成,王瑶,单航,高文泽,吴海涛.随机森林算法在入侵检测系统中的应用及优化[J].工业控制计算机.2019
[7].陈伟,李创,唐荣年.应用间隔随机蛙结合连续投影算法检测橡胶树叶片氮含量[J].河南科技大学学报(自然科学版).2019
[8].杨扬,刘镇波,刘一星,蒋大鹏.应用随机森林算法检测琵琶共鸣板振动特性及声学品质评价[J].东北林业大学学报.2019
[9].王颖.基于随机Fourier有监督特征变换降维算法的人脸检测方法[J].吉林大学学报(理学版).2019
[10].徐少平,张贵珍,李崇禧,刘婷云,唐祎玲.基于深度置信网络的随机脉冲噪声快速检测算法[J].电子与信息学报.2019