导读:本文包含了鲁棒性增强论文开题报告文献综述及选题提纲参考文献，主要关键词:叁维重构,非刚性运动恢复结构,期望最大化算法,列空间拟合
鲁棒性增强论文文献综述
陈霞[1]（2019）在《非刚性运动恢复结构模型的鲁棒性增强研究》一文中研究指出利用二维图像,重构出叁维的物体或者场景的叁维重建技术,是计算机视觉领域的一个重要研究方向,广泛应用于各种应用场合。作为叁维重建的一种有效实现途径,非刚性运动恢复结构(Non-Rigid Structure From Motion,NRSFM)技术能够利用二维图像序列的特征点,同时恢复物体的叁维形状和相机的相对运动。由于非刚性形变的不确定性以及缺乏关于叁维形状变形的先验信息,已有的NRSFM模型在精准性和鲁棒性上仍有待进一步提高。本文针对NRSFM模型的鲁棒性增强问题,结合相关约束,开展了以下叁个方面的研究工作。(1)提出了一种基于局部偏差约束的列空间拟合方法,以降低部分特征点的估计结果可能显着偏离其真实值的问题。首先,在考虑了每帧的总体估计误差的基础上,设计了一个以重建误差的方差作为局部偏差的约束,以此构建一个有效的叁维形状估计模型。然后,采用增广拉格朗日乘子迭代算法将有约束的目标函数转化为无约束的目标函数,并对此目标函数进行优化。此外,通过分析模型的可行解及参数的收敛性等问题,对此估计模型的优化部分进行了分析。由于利用了总体估计误差和局部偏差,所提出的方法,可以对不同的特征点,实现良好的估计性能和相对均匀的估计误差分布。实验结果及分析,验证了此估计模型不仅能有效的提高算法的精度,而且对噪声也能起到一定的抑制作用。(2)提出了一种基于一致性约束的 Procrustean Markov Process(PMP)模型,以及加速EM优化算法。首先,在PMP模型的初始化步骤中,构造了一个基于一致性约束的模型,以降低噪声对估计误差的影响。其次,设计了加速期望最大化算法(Accelerated Expectation Maximization,AEM),来优化 PMP 估计模型,提高算法的收敛速度。在多个广泛使用的序列的实验结果,证明了该算法的有效性和可行性。(3)针对形变较大的物体,提出了一种基于局部结构的核形状轨迹(KSTA)估计方法。首先,将具有拉伸和弯曲等相对较大形变的物体,分割成大量的具有相似轨迹的轨迹组,作为弱估计器KSTA模型的输入。对于弱估计器,设计了一个基于特征向量选择算法的自适应秩选择策略,以自动选取KSTA中的近似最优的秩参数。对于弱估计器的输出,利用基于l1范数的稀疏模型,获取叁维形状的最终估计结果。实验证明,所提出的估计模型,对含有相对较大形变的物体,具有较高的精度和稳定性。通过以上叁部分工作,可以有效降低不同特征点估计结果的局部偏差,减少噪声、形变的影响,从而显着增强非刚性运动恢复结构模型的鲁棒性。(本文来源于《安徽大学》期刊2019-08-01）
慕彩红,柴文壹,刘逸,刘敬[2]（2018）在《一种改进的网络鲁棒性与有效性增强方法》一文中研究指出针对无标度网络面临恶意攻击时的脆弱性问题,提出了一种改进的网络鲁棒性与有效性增强算法.首先,在已有鲁棒性指标和有效性指标的基础上,将两者合理地融合在一起构造了新的目标函数;然后,利用高鲁棒性网络的类洋葱结构信息,构造了高效的启发式混合搜索算子,结合模拟退火算法并采用一种基于变化率的评价模型来迭代优化网络的结构,实现了对网络鲁棒性和有效性的同时优化.实验结果表明,该方法能够较好地同时提高网络的鲁棒性与有效性.(本文来源于《西安电子科技大学学报》期刊2018年04期）
文仕学[3]（2017）在《基于噪声基的语音增强方法及其鲁棒性问题的研究》一文中研究指出在语音通信过程中,由于受到背景噪声和混响的干扰,导致语音的可懂度下降和听感变差。因此在语音通信中,通常需要使用语音增强技术。传统语音增强方法中,基于无监督学习的语音增强方法存在不合理的假设限制了其性能,近年来随着语音数据规模的增大和硬件性能的提高,基于深层神经网络的语音增强方法展现了相对无监督学习方法的极大优势。首先,我们介绍了基于深层神经网络的语音增强方法。但是传统基于深层神经网络的语音增强方法在收集真实噪声的时候,无法在覆盖度方面对噪声进行度量和控制,也就是说,这类方法侧重于数据规模,并没有对数据进行细致的分析。在数据量较大之后,噪声数据通常存在较大的冗余。此外,对于一般实验者来说,获取真实噪声通常需要支付较高的成本。针对以上问题,我们提出了基于噪声基的深层神经网络语音增强方法,并针对噪声鲁棒性问题开展了系统性的研究。其次,考虑到噪声的多样性和紧凑性,我们提出了一种基于噪声基的深层神经网络语音增强方法。因为神经网络的输入和输出及学习均是在帧这一级别进行,这给我们在更小的单元上深入分析噪声的语谱结构带来了可能。因此,首先我们验证了基于深层神经网络的语音增强方法的对噪声学习的原理。通过合理地构造一组完备的具有表征性和区分性的噪声基,在不使用任何真实噪声训练的条件下,基于噪声基的深层神经网络语音增强的方法能够获得与传统使用真实噪声的方法相当的性能,同时证明了这组噪声基和真实噪声存在互补性。再次,为了在有限的训练数据规模的条件下,让每句语音组合到更多的噪声基,同时为了让噪声基覆盖到类型更丰富的真实噪声,我们提出了一种基于噪声基并结合线性组合的噪声信号的构造方法。首先,我们介绍了通过噪声基的线性组合可以覆盖到更多噪声类型的原理。其次,根据这一原理,通过将基于噪声基并结合线性组合的噪声信号直接作为训练噪声,可以进一步提升噪声基的性能。然后,针对窄带噪声这一细分类型进行定制,可以获得比50种真实噪声更好的性能。此外,噪声基比真实噪声训练效率提高了一倍。最后,使用基于渐进学习的语音增强方法和基于多信息源融合的语音增强方法这两种新的框架,在丰富的训练集外的窄带/宽带噪声类型和训练集外的语音上验证了我们的结论,即在不使用任何真实噪声训练的条件下,噪声基在新的框架下仍然能够获得与传统使用真实噪声的方法相当的性能,展现了噪声基对丰富类型集外噪声的泛化能力。(本文来源于《中国科学技术大学》期刊2017-05-08）
李晓枫,王亚刚[4]（2016）在《采用IMC-PID增强超临界机组功率控制的鲁棒性》一文中研究指出介绍了一种机组协调控制系统,其在汽轮机主控回路中采用基于闭环辨识模型的IMC-PID方法,采用该方法解决火电机组功率振荡的问题。该方法首先通过闭环回路的设定值阶跃扰动试验,对测取的试验数据进行频率响应特性辨识,估计闭环控制过程中的频率响应矩阵和变换函数矩阵,用最小二乘法计算得出被控对象的模型。然后基于辨识出的模型,通过使用内部模型控制(IMC)方法,设计出汽轮机主控回路的鲁棒PID控制器。火力发电厂现场实际应用表明:汽轮机主控采用IMC-PID控制器后,具有较好的鲁棒性,能够较好地抵御各种电网的外扰及发电过程内扰的影响,避免机组功率振荡。(本文来源于《中国电力》期刊2016年06期）
李晓枫,王亚刚[5]（2016）在《采用IMC-PID增强超临界机组功率控制的鲁棒性》一文中研究指出本文介绍了一个在机组协调控制的汽机主控回路采用基于闭环辨识模型的IMC-PID方法,并介绍了采用该方法解决火电机组功率振荡的应用情况。该方法首先是通过闭环回路的设定值阶跃扰动试验,通过对测取的试验数据进行频率响应特性辨识,估计闭环控制过程的频率响应矩阵和变换函数矩阵,然后用最小二乘法计算得出被控对象的模型。然后基于辨识出的模型,通过使用内部模型控制(IMC)方法,设计出汽机主控回路的鲁棒PID控制器。火力发电厂现场实际应用表明汽机主控采用IMC-PID控制器后,具有较高的鲁棒性,能够较好地抵御各种电网的外扰及发电过程的内扰的影响,避免机组功率振荡。(本文来源于《2016年中国发电自动化技术论坛论文集 第一册（获奖论文）》期刊2016-05-31）
陈建辉[6]（2016）在《ART网络的鲁棒性增强方法研究》一文中研究指出人工神经网络(Artificial Neural Networks,ANN)是一种模仿人脑对信号处理处理过程的人工信号处理系统。其记录和处理信息的能力是通过连接成人工神经网络的神经元之间的权值变化来实现的。人工神经网络是一种高度非线性信号处理系统,具有良好的并行处理能力和抗噪性能。人工神经网络主要应用在学习、分类和预测等领域,并已经开发出适用于各种应用环境的人工神经网络。其中自适应共振理论模型(Adaptive Resonance Theory,ART)因为稳定性-可塑性问题上有良好的表现而得到广大研究者的青睐。自适应共振理论模型2(Adaptive Resonance Theory 2,ART2)是ART网络家族中最具代表性的一个网络,是目前ART网络应用和研究的重点,因此文章在研究ART网络鲁棒性增强时将具体的研究集中在ART2网络上。ART2网络在继承了ART网络的所有优点的同时也存在着输入幅度信息丢失、模式漂移、类别分割、噪声等影响网络鲁棒性的问题。本文主要针对ART网络的鲁棒性增强研究,研究对象是ART网络的模式漂移、类别分割和噪声等叁个方面的问题。并提出了延迟修正算法减缓模式漂移现象;引入聚类思想解决类别分割问题;引入艾宾浩斯记忆-遗忘曲线解决噪声问题。本文首先从互联网时代的大数据分析入手,分析了ART网络对大数据分析的重要意义,从而论证的ART网络的具有良好的实际研究意义。然后进一步研究传统ART网络的结构和算法原理,分析其优缺点和该理论目前的研究现状。在此基础上重点研究了模式漂移对网络结果的稳定性影响、输入顺序对网络结果准确性影响和噪声对网络结果的影响叁个问题。并提出了“预防为主,治理为辅,防治结合”的改进策略解决ART2网络的模式漂移和输入顺序问题;引入艾宾浩斯记忆-遗忘曲线增强了ART2的抗噪信息的算法改进,通过MATLAB仿真实验对改进结果进行了论证。最后在文章的末尾对本文工作内容和创新做了总结,并指出了后续研究方向。(本文来源于《电子科技大学》期刊2016-05-03）
张艳玲,王允锋[7]（2015）在《混沌序列增强LSB图像隐藏算法的鲁棒性分析》一文中研究指出为消除最不显着位(LSB)图像隐藏算法隐藏图像易被还原的缺陷,基于图像的高保密要求,提出了一种混沌和LSB相结合的图像隐藏算法.利用人眼视觉冗余特性,根据混沌序列的随机性,生成了6个整数随机序列.依次对应载体图像嵌入点R、G、B叁个分量的行列坐标,通过秘密图像随机地嵌入到载体图像嵌入点的最低位中,实现了秘密图像信息的隐藏.实验结果表明:混沌增强LSB数字图像隐藏算法增强了图像隐藏的抗干扰能力,其鲁棒性和不可见性优于传统LSB算法,对噪声攻击和剪切攻击具有良好的鲁棒性.(本文来源于《西安工业大学学报》期刊2015年10期）
滕达,宋晓,龚光红,韩亮,王义[8]（2015）在《深度神经网络图像识别鲁棒性增强方法研究》一文中研究指出深度神经网络在图像识别、语音识别和机器翻译等许多模式识别领域中取得了突破性的进展。但同时由于深度网络的高维度特性,也使其产生了优化困难及易于过拟合等问题。最近发现神经网络易于受到对抗性干扰的影响~([1]),本文将从鲁棒优化的方面对于该现象进行分析,并提出一种差分规范化训练方法提高神经网络对于对抗性干扰的鲁棒性。在图像识别抗对抗实例中的应用表明该方法优于dropout方法和Goodfellow等提出的对抗训练方法。(本文来源于《第十四届中国体视学与图像分析学术会议论文集》期刊2015-09-16）
潘冬华,阮新波,王学华,鲍陈磊,李巍巍[9]（2015）在《增强LCL型并网逆变器对电网阻抗鲁棒性的控制参数设计》一文中研究指出电容电流反馈有源阻尼是抑制并网逆变器中LCL滤波器谐振的有效方式。然而,由于实际电网存在变化的电网阻抗,LCL滤波器的谐振频率会在宽范围内变化,使得电容电流反馈系数的选取变得困难。特别地,当谐振频率等于1/6的采样频率(fs/6)时,无论选取多大的电容电流反馈系数,系统都无法稳定。研究适应电网阻抗宽范围变化的电容电流反馈系数的设计方法,针对不同的谐振频率,推导出系统稳定时的幅值裕度要求,通过分析电网阻抗对幅值裕度的影响,得到最优的电容电流反馈系数。采用这个反馈系数时,除了谐振频率等于fs/6之外,系统都能保持稳定。进一步地,为了提高谐振频率等于fs/6时系统的稳定性,提出环路增益的相位滞后补偿方法。最后,在一台6 k W的原理样机进行实验验证,实验结果证明了理论分析的正确性。(本文来源于《中国电机工程学报》期刊2015年10期）
张虓芊[10]（2013）在《面向互联网的相继故障分析及鲁棒性增强研究》一文中研究指出信息技术飞速发展和Internet自身规模不断扩大的今天，其作为典型的复杂网络系统，其安全性更显得尤为重要。尽管人们做出了很多的努力，但是互联网大规模的相继故障仍时有发生。互联网的相继故障，就是指一个或少数几个节点或边发生的故障会通过节点之间的耦合关系引起其他节点发生故障，这样就会产生连锁效应，最终导致相当一部分节点甚至整个网络的崩溃，产生类似“雪崩”一样的后果。本文主要做了以下叁个方面的工作：1.对复杂网络结构分类作简要介绍，并对复杂网络及其鲁棒性做了详细分析。其中，对复杂网络上相继故障研究存在的问题以及复杂网络相继故障模型上的袭击策略进行了研究。通过对复杂网络的研究对Internet的拓扑特征及鲁棒性有了一定的了解。2.详细分析了面向Internet的相继故障及Internet遭到攻击时表现出来的鲁棒性。通过分析Internet的拓扑特征和脆弱性表现，对Internet进行了区域测量，并且运用Matlab仿真软件，设定了3个有针对性的仿真实验来对Internet遭到攻击时表现出的鲁棒性进行了评估。3个实验针对不同的网络环境以及不同的攻击手段对实验参数进行科学性调整。实验所示，Internet的鲁棒性在一定程度上和无标度（scale-free）网络相同：面对随机攻击时高度的鲁棒性以及面对确定性攻击时极端的脆弱性。同时，实验研究中也发现Internet中负荷较高时，即使面对相同的攻击，鲁棒性也会显着减弱。3.对Internet遭到攻击时表现出来的鲁棒性增强的研究进行了分析。提出了几种增强鲁棒性的方案：在加强网络冗余的实验研究中，分别从不同攻击标度攻击固定负载网络，和运用固定攻击标度攻击不同负载网络两个方面全面入手，探讨了给Internet中节点与边增加冗余量的对网络鲁棒性加强的可行性。同时分析了负载重分策略对鲁棒性增强的效果，实验中发现提升网络中关键节点容量可以有效抑制相继故障的发生或发展。并且对社团结构的网络的相继故障进行了简单分析，发现网络具有不同的社团结构数时，相继故障的最终结果也会变得不同的。社团的数量越多，它的相继故障规模相对而言就会比较小。这些手段都能有效增强Internet的鲁棒性。(本文来源于《沈阳理工大学》期刊2013-12-10）
鲁棒性增强论文开题报告
（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：
针对无标度网络面临恶意攻击时的脆弱性问题,提出了一种改进的网络鲁棒性与有效性增强算法.首先,在已有鲁棒性指标和有效性指标的基础上,将两者合理地融合在一起构造了新的目标函数;然后,利用高鲁棒性网络的类洋葱结构信息,构造了高效的启发式混合搜索算子,结合模拟退火算法并采用一种基于变化率的评价模型来迭代优化网络的结构,实现了对网络鲁棒性和有效性的同时优化.实验结果表明,该方法能够较好地同时提高网络的鲁棒性与有效性.
（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。
鲁棒性增强论文参考文献
[1].陈霞.非刚性运动恢复结构模型的鲁棒性增强研究[D].安徽大学.2019
[2].慕彩红,柴文壹,刘逸,刘敬.一种改进的网络鲁棒性与有效性增强方法[J].西安电子科技大学学报.2018
[3].文仕学.基于噪声基的语音增强方法及其鲁棒性问题的研究[D].中国科学技术大学.2017
[4].李晓枫,王亚刚.采用IMC-PID增强超临界机组功率控制的鲁棒性[J].中国电力.2016
[5].李晓枫,王亚刚.采用IMC-PID增强超临界机组功率控制的鲁棒性[C].2016年中国发电自动化技术论坛论文集第一册（获奖论文）.2016
[6].陈建辉.ART网络的鲁棒性增强方法研究[D].电子科技大学.2016
[7].张艳玲,王允锋.混沌序列增强LSB图像隐藏算法的鲁棒性分析[J].西安工业大学学报.2015
[8].滕达,宋晓,龚光红,韩亮,王义.深度神经网络图像识别鲁棒性增强方法研究[C].第十四届中国体视学与图像分析学术会议论文集.2015
[9].潘冬华,阮新波,王学华,鲍陈磊,李巍巍.增强LCL型并网逆变器对电网阻抗鲁棒性的控制参数设计[J].中国电机工程学报.2015
[10].张虓芊.面向互联网的相继故障分析及鲁棒性增强研究[D].沈阳理工大学.2013