导读:本文包含了最小截论文开题报告文献综述及选题提纲参考文献，主要关键词:传感器配准,系统误差估计,非理想关联,病态性
最小截论文文献综述
田威,彭华甫,黄高明,林晓烘,王雪宝[1]（2019）在《基于岭最小截平方的传感器稳健配准方法》一文中研究指出传感器配准是多传感器数据融合系统获得性能优势的关键前提.受随机噪声、系统误差、虚警、漏报等因素的干扰,传感器配准常常工作在非理想关联环境中,依赖于理想关联假设的传统配准方法性能衰退严重.另一方面,传统传感器配准方法对目标分布场景敏感,当目标密集分布时,配准问题呈现病态性,估计结果数值不稳定.本文重点研究非理想关联及场景病态性共存时的传感器稳健配准问题,提出了系统误差的岭最小截平方(Ridge Least Trimmed Squares,RLTS)估计方法.该方法结合了岭回归(Ridge Regression,RR)与最小截平方(Least Trimmed Squares,LTS)估计的优点,能够有效应对错误关联及病态性的不良影响.仿真实验证实了所提方法的稳健性能.(本文来源于《电子学报》期刊2019年05期）
郭盼[2]（2018）在《基于最小截平方和的大坝安全监控方法研究》一文中研究指出大坝作为水库的最主要建筑物,对水库的安全运行起着决定性作用。为了有效地避免大坝的损坏带来的巨大损失,需要对大坝进行完善的安全监控。随着自动化监测仪器的发展,越来越多的新型仪器应用到大坝安全监测中。但监测资料样本中粗差的存在不能忽视,数据中粗差的存在会直接导致监测数据的可靠性降低,使得分析结果失真,为大坝安全析工作带来不便。为解决粗差带来的以上问题,本文主要研究内容如下:(1)分析了大坝安全监测数据中粗差存在的几种典型形式,提出将各粗差检验方式应用于实际工程,对比分析各检验方法的优缺点;提出用3σ准则检验监测数据过多时粗差存在的情况;通过工程实例验证了 3σ准则不具备良好的剔除粗差的能力,提出了应用优化准则的方法并结合最小截平方和(least Trimmed Squares,LTS)法,并将该方法应用于大坝安全监测数据的处理中。(2)分析比较了最小二乘(leastSquares,LS)法应用于大坝安全监测数据的处理中的优势与不足,提出建立基于LTS估计的大坝安全监控统计模型,与LS估计进行对比,并以实际工程的安全监测数据为依据,分离了各效应分量,分析了各效应分量所占比重,通过工程实例验证了该模型能够提高回归估计的鲁棒性和粗差剔除的精准性。(3)提出建立基于LTS估计的大坝安全监控混合模型,以棉花滩大坝监测数据为依据,建立该混凝土坝的有限元分析模型,应用该模型反演各典型坝段的弹性模量,与现场试验值对比,求出各典型坝段的回归系数,将数据进行拟合并与原数据进行对比,并对监测数据进行预测。通过工程实例证明该模型可以进行混合模型中监测数据粗差剔除、坝体弹性模量反演、监测数据预测,且各结果优于LS方法。该论文研究取得的相关成果,对大坝安全监测资料分析及粗差剔除具有一定的参考价值。(本文来源于《西安理工大学》期刊2018-06-30）
苏志雄,魏汉英[3]（2017）在《求解含负权弧的网络最小截问题》一文中研究指出对于经典网络最小截问题,所有弧权数非负,可运用最大流算法求解。但是对于广义最小截问题,若某些弧权数为负,则运用算法难以求解。针对含负权弧网络最小截问题,通过与经典最小截问题的对比,提出简单截集和复合截集概念,并给出广义网络最小截概念——截量最小的简单截集;引入负容量和负流量,给出求解含负权弧网络最小截问题的原理,并设计求解含负权网络最小截问题的网络流算法;最后,通过应用举例对算法进行演示。(本文来源于《南昌工程学院学报》期刊2017年06期）
纪亚宝[4]（2017）在《最大流最小截问题的算法研究与应用》一文中研究指出最大流最小截问题属于一个组合优化问题,经过多年的研究,获得了大量的的研究成果。同时最大流最小截问题在大量实际生活中的网络都取得了广泛的应用,并且很多的的工期优化、流程控制等管理学科的问题以及图像处理中图割问题都可以转化最大流最小截问题模型求解。本文主要研究两种最大流最小截问题的求解算法及其应用,做出了如下成果:1.提出了一种改进最短增广链算法。在改进算法中删除了原网络中在增广过程中达到饱和弧。从而优化了算法中的构建剩余分层网络的过程。实验结果显示:改进算法的效率优于传统算法。2.提出了最大流最小截问题的遗传算法解法。在算法中主要设计了算法中个体编码解码方法、初始群体生成方法、适应度计算方法和选择交叉变异算子。实验结果表明:该算法能够在稳定计算最大流最小截问题,并且算法效率优于传统算法。3.介绍了最大流最小截问题在图割技术中的应用。描述了图割问题与最大流最小截问题模型之间的转换。最后通过实验,对图像进行分割。(本文来源于《南京邮电大学》期刊2017-10-26）
夏成军,陈翠琼,涂亮,门锟[5]（2015）在《基于最大流最小截集定理的解列断面搜索方法》一文中研究指出如何在系统发生失稳后快速寻找最优解列断面,是实施主动解列需要解决的重要问题。为解决系统规模增大而引起求解过程中的非确定性多项式难题,提出一种基于最大流最小截集定理的最优解列断面搜索方法。首先根据系统失步后发电机的分群信息,以最大流最小截集定理为依据构造容量网络;然后利用Ford-Fulkerson标号法缩小解列断面搜索空间;最后以不平衡功率最小为约束确定最优解列断面。通过新英格兰39节点系统算例验证了该方法的有效性及快速性。(本文来源于《电网技术》期刊2015年12期）
刘荡,王岳环,白昆[6]（2015）在《基于最小截平方背景估计红外小目标检测方法》一文中研究指出提出一种新的基于最小截平方(LTS)的杂波背景估计方法,并将其运用于红外小目标检测.最小截平方方法可以识别图像中的多个奇异点,比如噪声点和目标区域,剔除这些奇异点之后就可以把杂波背景无偏地估计出来,然后通过差分就可以得到包含目标的前景图像,进而从前景图中分割出小目标.与基于最小均方(LMS)的算法进行性能比较,结果表明:该方法可以获得更好的背景估计,并且对于复杂背景中的小目标检测也是有效的.(本文来源于《华中科技大学学报(自然科学版)》期刊2015年S1期）
马国伟,张庆泉,周文亮[7]（2013）在《舌骨位置与舌后气道最小截面积及阻塞性睡眠呼吸暂停低通气综合征严重程度的相关性分析》一文中研究指出目的探讨阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者舌骨位置与舌后气道最小截面积及疾病严重程度的相关性。方法经多道睡眠监测(Polysomnography,PSG)确诊的成人OSAHS患者57例,以呼吸暂停低通气指数(AHI)作为病情严重程度的指标。取仰卧、法兰克福平面(FH)垂直于地面体位,平静呼吸时行上气道64排CT扫描。应用计算机叁维重建技术,重建矢状位及横断位图像。通过矢状位图像,测量舌骨与下颌平面的夹角α,并以其作为反映舌骨上下位置的指标;测量舌骨与下颌骨前后距离的比值R,并以其作为反映舌骨前后位置的指标。通过横断位图像,测量舌后气道截面积s。应用统计分析软件将代表舌骨位置的指标α、R与舌后气道最小截面积s以及AHI等指标分别进行相关性分析。结果 57例中,舌骨下颌平面夹角α与AHI呈正相关(R=0.305,P=0.021);舌骨与下颌骨前后距离比值R与AHI无相关。反映舌骨位置的指标α、R均与舌后气道截面积s无相关。结论随着OSAHS患者病情的加重,舌骨位置表现为下移的趋势。OSAHS患者口底区域的脂肪等软组织的堆积挤压、颏舌肌等舌骨相关肌肉的功能减退为舌骨位置下移的可能原因。但是,在自然状态下,OSAHS患者舌骨位置的改变,并不会导致舌后气道截面积的改变。(本文来源于《山东大学耳鼻喉眼学报》期刊2013年06期）
马国伟[8]（2012）在《舌骨位置、舌后气道最小截面积与阻塞性睡眠呼吸暂停低通气综合征严重程度的相关性分析》一文中研究指出目的测定阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者舌骨位置、舌后气道最小截面积数据,并分析其与OSAHS严重程度的相关性。方法(1)取2010年6月-2011年10月间,在青岛大学附属烟台毓璜项医院耳鼻咽喉头颈外科就诊,并经多导睡眠监测(polysomnography, PSG),以AHI≥5为诊断标准确诊的OSAHS的57例病人作为研究对象。(2)所有研究对象取仰卧、眶耳平面(Frankfort horizontal plane, FH)垂直于地面体位,行平静呼吸时上气道64排CT扫描。(3)通过后期图像分割叁维重建技术,以舌骨顶点H作为舌骨标志点,测算以颏下点Me为顶点的舌骨下颌平面夹角α作为舌骨上下位置的标志；以舌骨顶点H在下颌平面投影点h为标志点,测量其与颏下点Me的距离h-Me以及其反向延长至咽后壁(PW)的距离h-PW,取两者比值r作为舌骨前后位置的标志；测量舌后气道最小截面积s。(4)应用SPSS20统计分析软件将上述指标之间进行相关性分析,并与代表OSAHS严重程度的指标AHI进行相关性分析。结果在57例OSAHS病人中,代表舌骨上下位置的舌骨下颌平面夹角α与AHI呈正相关(R=0.305,P=0.021)；舌后气道最小截面积s与AHI呈负相关(R=-0.441,P=0.001)。代表舌骨前后位置的舌骨前后距离比值的r与AHI及舌后气道最小截面积s没有相关性。结论OSAHS病人舌骨位置的改变与疾病的严重程度具有相关性,而舌骨位置的改变与舌后气道最小截面积之间无相关性。OSAHS病人随着病情程度的加重,表现为舌骨位置的下移。口底区域的脂肪等软组织的堆积挤压、颏舌肌等舌(?)相关肌肉的功能减退为舌骨位置下移的可能原因。(本文来源于《青岛大学》期刊2012-04-19）
魏玮,戴唯[9]（2012）在《最大流—最小截原理在实际工期优化中的运用》一文中研究指出本文研究了网络计划中用于解决建筑工程的工期问题的新方法:最大流—最小截的方法.通过分析各项工作之间错综复杂的逻辑关系,对网络计划时间参数进行计算,找出关键路线和关键工作.在此基础上,对原网络逐步化简、逐步压缩,并运用它对工程网络图实例进行了工期—费用优化分析[1]。(本文来源于《中外企业家》期刊2012年06期）
范长海,徐扬帆[10]（2011）在《飞机风洞模型进气道喉道最小截面积算法》一文中研究指出介绍利用Solidworks软件提供的VBA开发环境,通过二次开发技术,实现自动、精确地求出飞机风洞模型喉道最小截面积的大小和位置,并对该算法的应用前景进行分析。(本文来源于《硅谷》期刊2011年04期）
最小截论文开题报告
（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：
大坝作为水库的最主要建筑物,对水库的安全运行起着决定性作用。为了有效地避免大坝的损坏带来的巨大损失,需要对大坝进行完善的安全监控。随着自动化监测仪器的发展,越来越多的新型仪器应用到大坝安全监测中。但监测资料样本中粗差的存在不能忽视,数据中粗差的存在会直接导致监测数据的可靠性降低,使得分析结果失真,为大坝安全析工作带来不便。为解决粗差带来的以上问题,本文主要研究内容如下:(1)分析了大坝安全监测数据中粗差存在的几种典型形式,提出将各粗差检验方式应用于实际工程,对比分析各检验方法的优缺点;提出用3σ准则检验监测数据过多时粗差存在的情况;通过工程实例验证了 3σ准则不具备良好的剔除粗差的能力,提出了应用优化准则的方法并结合最小截平方和(least Trimmed Squares,LTS)法,并将该方法应用于大坝安全监测数据的处理中。(2)分析比较了最小二乘(leastSquares,LS)法应用于大坝安全监测数据的处理中的优势与不足,提出建立基于LTS估计的大坝安全监控统计模型,与LS估计进行对比,并以实际工程的安全监测数据为依据,分离了各效应分量,分析了各效应分量所占比重,通过工程实例验证了该模型能够提高回归估计的鲁棒性和粗差剔除的精准性。(3)提出建立基于LTS估计的大坝安全监控混合模型,以棉花滩大坝监测数据为依据,建立该混凝土坝的有限元分析模型,应用该模型反演各典型坝段的弹性模量,与现场试验值对比,求出各典型坝段的回归系数,将数据进行拟合并与原数据进行对比,并对监测数据进行预测。通过工程实例证明该模型可以进行混合模型中监测数据粗差剔除、坝体弹性模量反演、监测数据预测,且各结果优于LS方法。该论文研究取得的相关成果,对大坝安全监测资料分析及粗差剔除具有一定的参考价值。
（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。
最小截论文参考文献
[1].田威,彭华甫,黄高明,林晓烘,王雪宝.基于岭最小截平方的传感器稳健配准方法[J].电子学报.2019
[2].郭盼.基于最小截平方和的大坝安全监控方法研究[D].西安理工大学.2018
[3].苏志雄,魏汉英.求解含负权弧的网络最小截问题[J].南昌工程学院学报.2017
[4].纪亚宝.最大流最小截问题的算法研究与应用[D].南京邮电大学.2017
[5].夏成军,陈翠琼,涂亮,门锟.基于最大流最小截集定理的解列断面搜索方法[J].电网技术.2015
[6].刘荡,王岳环,白昆.基于最小截平方背景估计红外小目标检测方法[J].华中科技大学学报(自然科学版).2015
[7].马国伟,张庆泉,周文亮.舌骨位置与舌后气道最小截面积及阻塞性睡眠呼吸暂停低通气综合征严重程度的相关性分析[J].山东大学耳鼻喉眼学报.2013
[8].马国伟.舌骨位置、舌后气道最小截面积与阻塞性睡眠呼吸暂停低通气综合征严重程度的相关性分析[D].青岛大学.2012
[9].魏玮,戴唯.最大流—最小截原理在实际工期优化中的运用[J].中外企业家.2012
[10].范长海,徐扬帆.飞机风洞模型进气道喉道最小截面积算法[J].硅谷.2011