导读:本文包含了滑动时间窗口论文开题报告文献综述及选题提纲参考文献，主要关键词:人脸表情识别,视频序列选取,滑动窗口动态时间规整,特征提取
滑动时间窗口论文文献综述
胡敏,张柯柯,王晓华,任福继[1]（2018）在《结合滑动窗口动态时间规整和CNN的视频人脸表情识别》一文中研究指出目的相比静态表情图片,视频序列中蕴含更多的情感信息,视频序列中的具有明显表情的序列在特征提取与识别中具有关键作用,但是视频中同时存在的中性表情也可能会对模型参数的训练造成干扰,影响最终的判别。为了减少这种干扰带来的误差,本文对动态时间规整算法进行改进,提出一种滑动窗口动态时间规整算法(SWDTW)来自动选取视频中表情表现明显的图片序列;同时,为了解决人脸图像受环境光照因素影响较大和传统特征提取过程中存在过多人为干预的问题,构建一种基于深度卷积神经网络的人脸视频序列处理方法。方法首先截取表情视频中人脸正面帧,用梯度方向直方图特征计算代价矩阵,并在代价矩阵上增加滑动窗口机制,计算所有滑动窗口的平均距离;然后通过平均距离最小值选取全局最优表情序列;最后采用深度卷积神经网络对规整后的人脸表情图像序列进行无监督学习和面部表情分类,统计视频序列图像分类概率和,进而得出视频序列的表情类别。结果在CK+与MMI数据库上进行5次交叉实验,分别取得了92.54%和74.67%的平均识别率,与随机选取视频序列相比,分别提高了19.86%和22.24%;此外,与目前一些优秀的视频表情识别方法相比,也表现出了优越性。结论本文提出的SWDTW不仅有效地实现了表情序列的选取,而且增强了卷积神经网络在视频面部表情分类中的鲁棒性,提高了视频人脸表情分析的自适应性度和识别率。(本文来源于《中国图象图形学报》期刊2018年08期）
孔亚洲,张连成,王振兴[2]（2018）在《基于滑动时间窗口的IPv6地址跳变主动防御模型》一文中研究指出针对IPv6恢复端到端通信,IPv6节点易被攻击者探测攻击等问题,提出一种基于滑动时间窗口的IPv6地址跳变(AHSTW)主动防御模型。首先通过共享密钥进行地址跳变间隔等会话参数的协商,之后引入收发时间窗口的概念,通信双方仅发送或接收处于时间窗口内的数据包,通过时间窗口自适应调整(TWAA)算法,依据网络时延的变化及时调整时间窗口大小以适应网络环境的变化。理论分析证明,该模型能够有效抵抗攻击者对目标IPv6节点的数据截获分析攻击和拒绝服务攻击(DoS)。实验结果表明,在传输相同数据包大小时,AHSTW的额外CPU开销在2~5个百分点,并无显着提高,通信效率并无显着下降;在通信过程中,通信双方地址与端口呈随机、分散、无序等特点,极大增加了攻击者的开销与攻击难度,保护了IPv6网络安全。(本文来源于《计算机应用》期刊2018年07期）
李晓菲,梁循,周小平[3]（2016）在《股价时间序列滑动窗口的流形学习实证研究》一文中研究指出运用流形学习中的Isomap算法,对股价时间序列的滑动窗口进行流形模式的发现。对纳斯达克指数、标准普尔指数和道琼斯指数叁支股票指数近6年的实际收盘价时间序列数据,设定了五种不同长度的滑动窗口,对其进行流形学习。实验发现股票时间序列在不同长度的滑动窗口下都是存在于某一个流形空间中的;并通过创造性地构造最小残差区间得到最优维数,发现了不同的股票拥有不同的嵌入维数,而最优的嵌入维数就是股价时间序列的本质维数。(本文来源于《第十八届中国管理科学学术年会论文集》期刊2016-11-12）
孙宏伟,王会青,张建辉[4]（2016）在《基于滑动窗口分段的动态时间弯曲下界算法》一文中研究指出下界算法可以简化时间序列相似性查询的计算过程.现有的基于点对累积近似表示法的下界算法,相似度计算的时间代价较小,但当时间序列振幅波动较大时,往往不能紧致地拟合时间序列.针对这一问题,在下界算法中引入滑动窗口分段表示法,提出一种基于滑动窗口分段的动态时间弯曲下界算法,构建拟合度更高的上下边界曲线,对时间序列进行过滤,筛除相似性较差的时间序列.实验结果表明,该算法能够有效地简化时间序列相似度的计算过程,降低时间复杂度,提高相似性查询效率,且当时间序列的振幅波动较大时,相似度计算的紧致度和修剪率更高.(本文来源于《小型微型计算机系统》期刊2016年04期）
黄祥钟,黄志刚[5]（2016）在《基于MCS和滑动时间窗口的金融市场长期风险度量》一文中研究指出文章运用风险度量常用的VaR和ES指标,采用蒙特卡洛模拟方法和滑动时间窗口对上证综指1~24个月期限长度的风险进行度量。结果表明,长期风险具有叁个主要特征,即风险随时间增加而增大、风险期限结构与"初始波动率大小"及"资产是否提供部分稳定回报"这两个因素密切相关,以及不同时点测算的风险期限结构间的大小关系具有稳定性。风险度量结果对长期风险的累积性暴发有预测作用。(本文来源于《统计与决策》期刊2016年07期）
熊腾飞[6]（2015）在《基于滑动窗口的多元时间序列数据动态关联规则挖掘》一文中研究指出随着经济的快速发展,在工业生产,金融服务,电子商务,卫星遥感,传感器网络等领域中都会产生大量的数据,这些数据往往都带有时间标签,即时间序列流。挖掘某一个领域多个时间序列流的关联关系是其中一个重要的研究方向。由于时间序列流具有海量性、实时性和连续性等特点,其中的数据和知识都会随着时间的推移而发生变化,传统的关联规则挖掘方法难以对其进行有效挖掘。目前已有一些数据流关联规则挖掘的研究,但是很多都是数据流已经符号化了,或者说数据本身已经代表了一种模式,不需要预处理提取模式。针对多元时间序列的关联规则挖掘的深入研究较少,且很多挖掘都是采用等长的时间长度来提取模式,挖掘出来的规则的每个元模式含有相同的时间长度,也没有考虑到新数据中的规则更令人感兴趣的情况。本课题使用滑动窗口来对时间序列数据进行限制,挖掘其中的动态关联规则即规则随滑动窗口的移动动态变化。由于时间序列数据是连续性的,在挖掘前需要对其进行预处理来提取元模式形成事务集,预处理的过程首先对序列进行线性化近似,对线性化后的序列切割使在同一时间段内每个序列只有一条线段也即一种变化模式,然后将相似的线段增量地聚类,为每一类分配一个符号,这样多元时间序列数据就被符号化了,将同一时间段内的符号组成事务集就可以对其进行关联规则挖掘了。本课题关联挖掘的算法同样是基于滑动窗口的。在滑动窗口维护一个全局的SWIU-tree(Incremental Updating tree based on Sliding Window)来存储已经扫描的事务集的概要结构,通过剪枝策略以去掉SWIU-tree中的不频繁模式和过期的模式。同时,对滑动窗口中不同的基本窗口采取计数衰减的策略,减少历史事务的影响。在实际热电厂的数据和股票数据集上通过将已有算法与本课题SWIU-tree算法对比,显示了本课题所提算法的有效性,可以快速准确地挖掘多元时间序列的关联规则。(本文来源于《哈尔滨工业大学》期刊2015-12-01）
李旭芳,段春林,张冬波,韩迎春,苟茹君[7]（2015）在《遥测数据时间序列滑动窗口动态分割技术》一文中研究指出经由传感器采集的航天器遥测数据是产品验证、算法检验、数据挖掘等学科和方向重要的数据来源之一。由于原始测量数据采集密度高、信息量大,通常采用滑动窗口技术进行逐段处理和算法应用。但当滑动窗口的宽度固定时,数据的局部信息不能被充分提取出来;为此,提出遥测时序滑动窗口的动态分割流程。仿真结果表明:提出的时序分割和窗口宽度计算方法,可以根据数据自身的特点得到更加准确合理的非等长窗口集合;在保持曲线线段曲率的基础上,滑动窗口动态计算方法可以极大地提取拐点信息,合理地给出窗口宽度,对数据进行了简化与提纯,降低了建模难度,为下一步聚类分析、曲线匹配等工作提供了技术支持,提高了遥测数据的诊断与分析效率。(本文来源于《飞行器测控学报》期刊2015年04期）
于涛,李和平,王建林,赵利强[8]（2015）在《基于滑动时间窗口加权MPCA的间歇过程监测方法》一文中研究指出针对间歇过程的时段划分问题,提出了一种滑动时间窗加权MPCA方法,利用了相邻观测数据所蕴含过程信息的相关性,降低了过程扰动、观测噪声以及多阶段间过渡过程等不确定性因素对时段划分的影响,进而改善了间歇过程的监测效果。将所提出的方法应用于青霉素发酵过程阶段划分和监测,实验结果表明,所提出方法与常规MPCA相比,能够得到更好的效果。(本文来源于《北京化工大学学报(自然科学版)》期刊2015年04期）
戴慧,阚建飞,李伟仁,周卫东[9]（2014）在《多变量时间序列滑动窗口异常点的检测》一文中研究指出针对多变量时间序列(MTS)的异常点的探测问题,提出了采用由粗到细的二次探测方案.基于滑动窗口数据的置信区间,构造了变化趋势值特征和相对变化趋势值特征分别用于二次探测,同时研究了特征的快速提取算法.通过对OPEN3000数据监测系统采集的事故发生前后某市城南变电站各设备表的数据集进行异常点探测,结果表明提出的算法能够快速准确地探测出异常点的位置.(本文来源于《南京信息工程大学学报(自然科学版)》期刊2014年06期）
郑贵林,陈曦[10]（2014）在《基于滑动窗口法的智能开关动作时间动态预测》一文中研究指出电气设备投切过程中开关触头间会拉弧,导致触点碳化,也给电网带来一定冲击并影响电气负载的使用寿命。在交流过零点实现电气开关的合闸与分断,是克服传统电气开关存在合闸时对负载的电压冲击,分断时接触器被电弧烧灼的最佳手段,其技术的关键是保证电气开关过零点动作时间的精准性。该文在充分研究交流过零点检测和开关动作规律的基础上,介绍了电气开关交流过零点智能开关技术,提出基于滑动窗口法的开关精密动作时间动态检测算法。实验证明,该方法能可靠保证开关精准过零点合闸和分断,是智能机械开关交流过零点动态检测的理想解决方法。(本文来源于《自动化与仪表》期刊2014年08期）
滑动时间窗口论文开题报告
（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IPv6恢复端到端通信,IPv6节点易被攻击者探测攻击等问题,提出一种基于滑动时间窗口的IPv6地址跳变(AHSTW)主动防御模型。首先通过共享密钥进行地址跳变间隔等会话参数的协商,之后引入收发时间窗口的概念,通信双方仅发送或接收处于时间窗口内的数据包,通过时间窗口自适应调整(TWAA)算法,依据网络时延的变化及时调整时间窗口大小以适应网络环境的变化。理论分析证明,该模型能够有效抵抗攻击者对目标IPv6节点的数据截获分析攻击和拒绝服务攻击(DoS)。实验结果表明,在传输相同数据包大小时,AHSTW的额外CPU开销在2~5个百分点,并无显着提高,通信效率并无显着下降;在通信过程中,通信双方地址与端口呈随机、分散、无序等特点,极大增加了攻击者的开销与攻击难度,保护了IPv6网络安全。
（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。
滑动时间窗口论文参考文献
[1].胡敏,张柯柯,王晓华,任福继.结合滑动窗口动态时间规整和CNN的视频人脸表情识别[J].中国图象图形学报.2018
[2].孔亚洲,张连成,王振兴.基于滑动时间窗口的IPv6地址跳变主动防御模型[J].计算机应用.2018
[3].李晓菲,梁循,周小平.股价时间序列滑动窗口的流形学习实证研究[C].第十八届中国管理科学学术年会论文集.2016
[4].孙宏伟,王会青,张建辉.基于滑动窗口分段的动态时间弯曲下界算法[J].小型微型计算机系统.2016
[5].黄祥钟,黄志刚.基于MCS和滑动时间窗口的金融市场长期风险度量[J].统计与决策.2016
[6].熊腾飞.基于滑动窗口的多元时间序列数据动态关联规则挖掘[D].哈尔滨工业大学.2015
[7].李旭芳,段春林,张冬波,韩迎春,苟茹君.遥测数据时间序列滑动窗口动态分割技术[J].飞行器测控学报.2015
[8].于涛,李和平,王建林,赵利强.基于滑动时间窗口加权MPCA的间歇过程监测方法[J].北京化工大学学报(自然科学版).2015
[9].戴慧,阚建飞,李伟仁,周卫东.多变量时间序列滑动窗口异常点的检测[J].南京信息工程大学学报(自然科学版).2014
[10].郑贵林,陈曦.基于滑动窗口法的智能开关动作时间动态预测[J].自动化与仪表.2014
标签：人脸表情识别; 视频序列选取; 滑动窗口动态时间规整; 特征提取;