导读:本文包含了自适应核论文开题报告文献综述及选题提纲参考文献，主要关键词:核相关滤波,目标跟踪,尺度估计,平均差
自适应核论文文献综述
吴涤,彭力[1]（2019）在《结合学习速率调整的尺度自适应核相关滤波跟踪算法》一文中研究指出提出一种结合学习速率调整的尺度自适应核相关滤波目标跟踪算法。通过使用核相关滤波器获得目标的初步位置,使用低复杂度的尺度估计来提高算法对目标发生尺度变化的适应能力,同时也保证了跟踪速度;采用相邻两帧图像之间的平均差分析图像变化,并按平均差的大小来分段调整目标模型的学习速率,解决了目标发生严重遮挡时的跟踪失败问题。通过和5种经典的目标跟踪算法进行实验对比,结果表明:所提算法能够很好地适应目标发生尺度变化、严重遮挡、背景干扰等复杂环境,同时具有231帧/s的实时跟踪速度。(本文来源于《传感器与微系统》期刊2019年11期）
冯汉,王永雄,张孙杰[2]（2019）在《多特征融合与尺度自适应核相关滤波跟踪算法》一文中研究指出针对传统核相关滤波(Kernelized Correlation Filters,KCF)跟踪算法中利用单一特征描述目标的不完善性和目标尺度不变的局限性,论文提出了一种融合快速梯度直方图特征(Fast Histogram of Oriented Gradient,FHOG)和颜色属性特征(Color Name,CN)的尺度自适应核相关滤波算法。利用主成分分析法(Principal component analysis,PCA)获得鉴别力强的颜色属性特征减少计算量,达到颜色自适应的目的,并设计尺度自适应滤波器动态调整目标尺度。尺度滤波器与平移滤波器分别单独训练、局部优化,在保证跟踪实时性的基础上提高了算法的鲁棒性。和原KCF以及其改进算法相比,该方法在外观变形、尺度变化、光照变化、背景相似干扰等情况下有很好的适应性。(本文来源于《计算机与数字工程》期刊2019年05期）
王军升[3]（2019）在《尺度自适应核高光谱图像分类》一文中研究指出高光谱图像广泛应用于城市制图、环境管理、作物分析和矿物检测等领域.但是,在处理高分辨率的高光谱图像时,往往很难直接得到较高的分类精度.影响高光谱图像分类结果的主要有两个因素,一是光谱信息的高维性会产生休斯现象,这会显着降低分类精度.另一方面,由于空间分辨率的大幅度提高,分类精度会受到很大的影响.本文通过深入研究高光谱图像的主要特点,提出了一种基于自适应可伸缩核的高光谱图像分类新框架,该框架在去除无关纹理细节和保护关键特征方面具有良好的性能.该方法由叁个步骤组成.首先,我们提出了一种基于频带融合的算法对高维的高光谱图像进行降维.经过融合之后得到的图像具有更多的细节信息,例如边缘和结构等,而且还能够把潜在的纹理特征暴露出来,这对我们之后的结构纹理分离步骤也有有很大的促进作用.然后,我们用递归滤波器来对图像进行特征提取,但是在使用递归滤波的过程中,引导图的性能是决定滤波结果的关键因素.为了保证我们得到的引导图在细节以及角落结构具有完整性,我们提出自适应核尺度的概念.传统的引导图是由固定尺度的高斯平滑得到的,这会丢失很多类似角落的小尺度结构.而我们的算法可以很好的弥补这一缺陷,它可以很好的保护小尺度的结构,并且对远离x和y方向的区域进行很好的保护.分类步骤我们采用大间隔分布机对得到的光谱结构特征图进行分类.传统的SVM分类器是对最小间隔进行最大化,但是并没有考虑到间隔分布对分类精度的影响,而大间隔分布机对间隔分布进行优化,可以得到更好的结果.并且我们将二分类的大间隔分布机通过OAO算法将它改进为了一个多分类器.最后,我们在叁个数据集上进行了大量的实验,选取了叁个评价指标来评估算法的性能.在对比实验方面,我们选取了五种高光谱图像分类算法.结果表明,本文提出的算法在分类精度和计算效率方面均达到了相当高的水平.(本文来源于《兰州大学》期刊2019-04-01）
居超,黄影平,胡兴[4]（2018）在《一种抗遮挡尺度自适应核相关滤波器跟踪算法》一文中研究指出针对传统的核相关滤波器(KCF)算法无法很好地解决目标跟踪过程中的尺度不变性和模型漂移问题,提出了一种改进的抗遮挡尺度自适应核相关滤波器算法。使用平均峰值相关能量(APCE)和相关滤波响应峰值作为跟踪置信度指标判断目标是否受到遮挡,在未遮挡的情况下,对目标进行尺度缩放,通过滤波器之后计算相应的响应值,比较不同尺度响应值的大小,最大值即为最佳的目标尺度值。采用OTB-2013评估标准,与传统KCF对比,新算法在目标受到遮挡时,跟踪成功率与精确度有明显提高,同时适应目标尺度变化,具有较强的鲁棒性。(本文来源于《上海理工大学学报》期刊2018年05期）
王彩云,黄盼盼,胡允侃[5]（2019）在《一种基于自适应核字典学习的SAR目标识别方法》一文中研究指出提出一种基于自适应核字典学习的合成孔径雷达(synthetic aperture radar,SAR)目标识别方法.该方法首先将SAR图像的特征信息通过核函数映射到高维度的核空间中并进行字典学习;然后根据更新后的字典动态计算稀疏度;最后依据最小重构误差准则实现SAR目标识别.在公开数据集MSTAR上的仿真实验结果表明,该方法提取到的特征信息可分度高,对SAR目标的识别具有较好的性能.(本文来源于《电波科学学报》期刊2019年01期）
何雪东,周盛宗[6]（2018）在《快速尺度自适应核相关滤波目标跟踪算法》一文中研究指出针对大多数跟踪算法无法解决尺度变化问题和现有尺度解决方案存在冗余、固定的问题,提出一种基于核相关滤波框架的由粗到细快速和新颖地解决尺度估计的方法,考虑到仅利用响应图峰值进行比较存在不稳定性,以检测响应图与期望输出图的欧氏距离作为峰值的可靠程度,以两者的乘积作为最终比较结果;该方法首先使用3个尺度因子确定目标尺度变化方向,然后在尺度变化方向求解最优尺度;在OTB-100的26个带有尺度变化属性的基准序列上进行实验,并与现有其他先进跟踪算法进行定量和定性比较。结果表明:提出的方法能够很好地解决尺度变化问题;与核相关滤波相比,所提出算法的平均距离精度提高了18.8%,曲线下面积提高了19.6%,跟踪速度是稳健视觉跟踪的精确尺度估计的2.5倍,是特征整合尺度自适应核相关滤波跟踪算法的6倍。(本文来源于《激光与光电子学进展》期刊2018年12期）
徐兵,项顺伯,吴宪君,胡婧[7]（2018）在《基于尺度自适应核相关滤波的专利数据挖掘方法》一文中研究指出针对当前专利数据量庞大且难以分析的问题,基于尺度自适应核相关滤波提出一种专利数据挖掘方法。该方法在传统核相关滤波跟踪方法基础上,引入尺度自适应法进行关键词检索,给出了最佳目标尺度索引的计算方法,建立了专利数据挖掘算法,进而实现对目标关键信息的有效定位和提取,最后,通过仿真实验进行性能评价。和现有方法 KFC、K-Means进行对比,结果表明该方法在准确率、召回率和虚警率方面具有较大优势,能够有效保证专利数据挖掘精确度,并且挖掘速度也存在明显优势。(本文来源于《南京邮电大学学报(自然科学版)》期刊2018年02期）
张会敏,杨明,吕静[8]（2018）在《基于自适应核联合稀疏表示的多特征高光谱图像分类》一文中研究指出稀疏表示已被证明是高光谱图像(HSI)分类中的有力工具,同时利用多种特征信息进行联合分类的优点在HSI图像分类领域受到关注,但多特征数据的稀疏策略以及数据的非线性是两个棘手的问题.为此提出了自适应稀疏模式的核联合稀疏模型对高光谱图像进行分类.对于几个互补特征(梯度,文理和形状),该模型同时获取每种特征的表示向量,并且通过施加自适应稀疏策略ladaptive,0来有效利用多特征信息.自适应稀疏策略,不仅限制不同特征空间的像素通过来自特定类的原子表示,而且允许这些像素选定的原子不同,从而提供更好的表示方法.此外,提出的核联合稀疏表示模型用于处理数据的非线性问题.核模型将数据投影到高维空间以提高可分离性,实现比线性模型更好的性能.在数据集Indian Pines和University of Pavia的实验结果表明,所提出的算法表现出更高的分类精度.(本文来源于《中国科学技术大学学报》期刊2018年04期）
任佳,马仕强[9]（2018）在《时序局部加权自适应核PLS软测量建模及其应用》一文中研究指出针对工业现场数据的强非线性、时序性特点,提出了一种结合移动窗口的局部加权自适应核偏最小二乘(LW-AKPLS)算法。在建模阶段,通过移动窗口法对数据集进行动态时序划分后,利用自适应核PLS(AKPLS)进行建模;与固定核函数的核PLS(KPLS)不同,AKPLS对于不同子数据集能自适应地选出各自的最优核函数,使模型结构与子数据集充分匹配,有效提高了子模型的预测精度;在预测阶段,利用集成学习进行子模型加权预测,获得的全局模型实用性高、泛化能力强。最后将所提算法在某焦化系统历史数据集上进行了测试应用,预测结果进一步证明了所提算法的有效性。(本文来源于《仪器仪表学报》期刊2018年01期）
马仕强[10]（2017）在《集成自适应核PLS软测量建模方法及应用研究》一文中研究指出随着工业生产的不断进步,常规的检测技术已无法满足所有的控制要求,因此软测量技术受到越来越多的关注。软测量建模是软测量技术的核心,各种建模方法层出不穷,各有侧重。其中,偏最小二乘算法(Partial Least Squares,PLS)凭借其在有效处理小样本、多噪声、变量严重共线等方面的优势,在工业软测量建模领域得到了广泛的应用。然而作为一种传统的线性建模方法,PLS拟合非线性数据效果欠佳,而现实工业过程中处理的数据往往呈现较强的非线性。因此,改进PLS的非线性建模能力已成为当今学者们研究的热点之一,本文也将针对此问题展开研究。本文的研究得到了国家自然科学基金、浙江省自然科学基金的资助,主要的研究工作和成果如下:(1)将核函数的使用与局部加权算法相结合,使在对非线性数据进行拟合时拥有双重保障。同时,在核PLS算法基础上,结合粒子群算法,提出核函数的自适应选择机制,使核函数与训练样本的映射关系更加符合数据分布特征,从而进一步提高模型的预测精度。(2)针对非时序非线性的数据,本文提出了基于K-means聚类算法的集成自适应核PLS算法。在模型训练过程中,首先利用K-means算法将数据进行空间聚类,然后通过自适应核PLS选择算法分别为各个子数据集选择最优核函数并建立相应的子模型。在预测过程中,提出先计算权值再判断各个子模型是否对输出作预测估计的思路,从而避免匹配度低的子模型进行无用的预测估计,减少模型计算量。在权值计算步骤中,提出了绝对邻域的概念,进一步提高了预测精度和运算效率。(3)针对时序非线性数据,本文提出了基于移动窗口技术的集成自适应核PLS算法。充分利用在线连续数据的时序特征:相邻数据特征相似,通过移动窗口判断数据在各时刻是否发生状态突变,从而对数据集进行划分,建立子模型。引用剪枝技术,删除冗余子模型,简化模型结构。在集成学习中,权值的计算同时考虑时域和空间域两个因素的影响,提高了模型的泛化能力。(4)将提出的上述两种集成非线性PLS算法应用到某焦化系统,建立了开工线温度预测软测量模型。并与传统线性PLS、全局核PLS、集成PLS的预测结果进行比较,应用结果表明:本文提出的两种改进算法对非线性数据拥有更高的预测精度、更优的泛化性能,同时也证明了此两种集成算法在实际工业中应用的可行性和有效性。(本文来源于《浙江理工大学》期刊2017-12-22）
自适应核论文开题报告
（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：
针对传统核相关滤波(Kernelized Correlation Filters,KCF)跟踪算法中利用单一特征描述目标的不完善性和目标尺度不变的局限性,论文提出了一种融合快速梯度直方图特征(Fast Histogram of Oriented Gradient,FHOG)和颜色属性特征(Color Name,CN)的尺度自适应核相关滤波算法。利用主成分分析法(Principal component analysis,PCA)获得鉴别力强的颜色属性特征减少计算量,达到颜色自适应的目的,并设计尺度自适应滤波器动态调整目标尺度。尺度滤波器与平移滤波器分别单独训练、局部优化,在保证跟踪实时性的基础上提高了算法的鲁棒性。和原KCF以及其改进算法相比,该方法在外观变形、尺度变化、光照变化、背景相似干扰等情况下有很好的适应性。
（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。
自适应核论文参考文献
[1].吴涤,彭力.结合学习速率调整的尺度自适应核相关滤波跟踪算法[J].传感器与微系统.2019
[2].冯汉,王永雄,张孙杰.多特征融合与尺度自适应核相关滤波跟踪算法[J].计算机与数字工程.2019
[3].王军升.尺度自适应核高光谱图像分类[D].兰州大学.2019
[4].居超,黄影平,胡兴.一种抗遮挡尺度自适应核相关滤波器跟踪算法[J].上海理工大学学报.2018
[5].王彩云,黄盼盼,胡允侃.一种基于自适应核字典学习的SAR目标识别方法[J].电波科学学报.2019
[6].何雪东,周盛宗.快速尺度自适应核相关滤波目标跟踪算法[J].激光与光电子学进展.2018
[7].徐兵,项顺伯,吴宪君,胡婧.基于尺度自适应核相关滤波的专利数据挖掘方法[J].南京邮电大学学报(自然科学版).2018
[8].张会敏,杨明,吕静.基于自适应核联合稀疏表示的多特征高光谱图像分类[J].中国科学技术大学学报.2018
[9].任佳,马仕强.时序局部加权自适应核PLS软测量建模及其应用[J].仪器仪表学报.2018
[10].马仕强.集成自适应核PLS软测量建模方法及应用研究[D].浙江理工大学.2017