导读:本文包含了全局结构信息论文开题报告文献综述及选题提纲参考文献，主要关键词:图像修复,统计方法,结构张量特征,优先权函数
全局结构信息论文文献综述
刘杰[1]（2018）在《基于全局统计信息的结构破损图像修复算法》一文中研究指出数字图像修复算法是目前计算机视觉领域的研究热点。该技术在藏壁画修复、图片的压缩、目标移除等方面有着广泛的应用需求。本文主要研究基于样本块的图像算法,以保持修复后图像的结构连贯完整以及减少算法运行复杂度为目的,从两个方面进行改进。设计一种基于全局统计信息的样本块图像修复算法。该算法计算图像已知区域中相似样本块的偏移量,使用统计的方法,选取具有全局特性的少部分偏移量,并将这些偏移量作为标签。在搜索匹配块时,只搜索这些标签指向的样本块,排除了大量干扰样本块减低时间复杂度,具有全局结构特性的候选样本块利于图像结构的连贯保持。同时结合结构张量特征与结构稀疏度共同构造优先权函数,使得图像破损区域边缘的结构部分得到优先修复,获得更加稳定的图像修复顺序。实验结果显示,改进算法修复结果的结构部分保持得更加连贯一致,证明了改进算法的有效性。设计一种基于结构张量与颜色特征的全局图像修复算法。该算法在能量方程的数据项中引入结构张量特征,与颜色特征共同衡量图像破损区域边缘信息与周围标签分配信息的特征差异,保持图像结构部分从已知区域向破损区域正确延伸。在能量方程的平滑项中引入结构张量特征,与颜色信息共同衡量破损区域内部标签分配信息的特征差异,保持图像内部信息的视觉自然。在数据项与平滑项的同作用之下提高图像的修复质量。图像修复结果实验显示,改进算法明显提高了峰值信噪比至少2~3d B,同时对破损结构保持的更为完整。(本文来源于《西南交通大学》期刊2018-05-01）
郑鑫[2]（2016）在《基于局部和全局结构信息的故障检测方法研究》一文中研究指出现代工业生产过程日益复杂,使得操作人员往往要面对高维的复杂数据,因此需要使用有效的降维技术以及相应的过程监控方法来帮助操作人员更好地监控过程的运行状态。本文在保局投影(LPP)的基础上,通过添加保持全局结构的约束条件,研究综合考虑局部和全局结构信息的故障检测方法。本文的主要研究内容如下:在LPP的基础上,通过最大化非局部数据点间的距离保持非局部结构特征,并对投影向量做正交约束,给出了一种基于正交非局部约束LPP(ONSC-LPP)的故障检测方法。ONSC-LPP在对原始数据空间降维的同时充分提取其中所包含的局部和非局部数据结构特征,通过迭代计算所得的正交投影向量更有利于保持数据分布的整体形状以及构造监控统计量。运用ONSC-LPP对原始数据空间降维后,分别在特征空间和残差空间构造T~2统计量和Q统计量进行故障检测。TE过程的仿真结果表明,与传统方法相比,ONSC-LPP能更迅速检测故障发生并降低过程监控漏报率。针对LPP没有考虑过程数据的全局信息和动态性的问题,给出一种基于动态稀疏保局投影(DSLPP)的故障检测方法。该方法首先将原始数据矩阵扩展为考虑时序相关的增广矩阵,然后通过求解最优稀疏表示(SR)问题,得到能够表示数据全局稀疏重构关系的稀疏重构权重矩阵,并将其与LPP算法结合,构建综合考虑数据局部和全局关系的目标函数进行数据降维,最后分别在特征空间和残差空间构造T~2统计量和Q统计量进行故障检测。TE过程的仿真结果验证了该方法的有效性。针对实际工业过程中变量间广泛存在非线性关系的问题,将稀疏保局投影(SLPP)利用核方法扩展到非线性领域,给出了一种非线性故障检测方法核稀疏保局投影(KSLPP)。该方法首先将原始数据利用核函数投影到高维空间,使原来线性不可分的数据变得线性可分,然后在高维空间中进行稀疏表示,构造核稀疏重构权重矩阵,并将其与核LPP算法结合进行特征提取,最后在各个子空间构造统计量进行故障检测,通过TE过程对该方法的有效性进行验证。最后,通过对GK06过程控制实验装置进行实验研究,在实际装置上验证ONSC-LPP、DSLPP和KSLPP叁种故障检测方法的有效性。(本文来源于《中国石油大学(华东)》期刊2016-05-01）
陆超,陈云霁,刘少礼[3]（2014）在《二维Mesh结构的片上网络中利用全局信息的路由算法》一文中研究指出针对目前片上网络自适应路由算法中存在的不足,对二维mesh结构进行分析和推导,提出一种基于全局信息的片上网络路由算法.首先计算路由关键区域各个节点的权重并将其存储在中央控制器中,然后由中央控制器计算各个节点的路由表,最后定时更新各个路由器节点的路由表.采用实际benchmark测试,并与传统的维序路由算法、贪心自适应算法相比的结果表明,该算法分别能平均减少32%,18%的延迟.(本文来源于《计算机辅助设计与图形学学报》期刊2014年06期）
聂栋栋,马勤勇[4]（2011）在《基于全局图像结构信息的Seam Carving算法》一文中研究指出提出了一种基于全局图像结构信息的Seam Carving算法,它根据像素的重要性修改图像尺寸和比例。通过从图像提取特定方向的边缘结构信息,再利用每个像素的梯度信息,从全局和局部两方面定义新的像素能量计算函数,以此来阻止seam通路与特定方向图像边缘的交叉,避免边缘像素的不一致位移,以此保持图像的边缘结构。实验结果证明,算法减少了处理后图像的结构形变,有效改进了Seam Carving算法的处理效果。(本文来源于《计算机应用研究》期刊2011年03期）
陈德锟,阮备军,方明伦[5]（1999）在《基于PDM技术的企业全局信息管理的一种体系结构》一文中研究指出本文针对处于信息化起步阶段的企业 ,提出一种符合中国国情的、面向整个企业信息集成的系统框架及实施方案 ,使企业信息化发展绕过“信息孤岛”阶段 ,从以往的无序化变成有序化、合理化 ,减少了由于缺乏规划而产生的投资浪费 .(本文来源于《上海大学学报(自然科学版)》期刊1999年03期）
吴胜利,黄涛[6]（1998）在《CIMS 环境中全局信息系统的总体结构与设计》一文中研究指出给出了ＣＩＭＳ环境中全局信息系统的总体结构与主要设计方案。在综合考虑现有应用的基础上，提出了具有唯一全局模式的关系型多数据库系统作为全局信息系统的主体。它能与面向对象数据库进行存贮级的信息共享，并具有开放数据库互联（ＯＤＢＣ）接口，可使用户像使用单库系统那样方便地使用多数据库系统。(本文来源于《清华大学学报(自然科学版)》期刊1998年03期）
全局结构信息论文开题报告
（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：
现代工业生产过程日益复杂,使得操作人员往往要面对高维的复杂数据,因此需要使用有效的降维技术以及相应的过程监控方法来帮助操作人员更好地监控过程的运行状态。本文在保局投影(LPP)的基础上,通过添加保持全局结构的约束条件,研究综合考虑局部和全局结构信息的故障检测方法。本文的主要研究内容如下:在LPP的基础上,通过最大化非局部数据点间的距离保持非局部结构特征,并对投影向量做正交约束,给出了一种基于正交非局部约束LPP(ONSC-LPP)的故障检测方法。ONSC-LPP在对原始数据空间降维的同时充分提取其中所包含的局部和非局部数据结构特征,通过迭代计算所得的正交投影向量更有利于保持数据分布的整体形状以及构造监控统计量。运用ONSC-LPP对原始数据空间降维后,分别在特征空间和残差空间构造T~2统计量和Q统计量进行故障检测。TE过程的仿真结果表明,与传统方法相比,ONSC-LPP能更迅速检测故障发生并降低过程监控漏报率。针对LPP没有考虑过程数据的全局信息和动态性的问题,给出一种基于动态稀疏保局投影(DSLPP)的故障检测方法。该方法首先将原始数据矩阵扩展为考虑时序相关的增广矩阵,然后通过求解最优稀疏表示(SR)问题,得到能够表示数据全局稀疏重构关系的稀疏重构权重矩阵,并将其与LPP算法结合,构建综合考虑数据局部和全局关系的目标函数进行数据降维,最后分别在特征空间和残差空间构造T~2统计量和Q统计量进行故障检测。TE过程的仿真结果验证了该方法的有效性。针对实际工业过程中变量间广泛存在非线性关系的问题,将稀疏保局投影(SLPP)利用核方法扩展到非线性领域,给出了一种非线性故障检测方法核稀疏保局投影(KSLPP)。该方法首先将原始数据利用核函数投影到高维空间,使原来线性不可分的数据变得线性可分,然后在高维空间中进行稀疏表示,构造核稀疏重构权重矩阵,并将其与核LPP算法结合进行特征提取,最后在各个子空间构造统计量进行故障检测,通过TE过程对该方法的有效性进行验证。最后,通过对GK06过程控制实验装置进行实验研究,在实际装置上验证ONSC-LPP、DSLPP和KSLPP叁种故障检测方法的有效性。
（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。
全局结构信息论文参考文献
[1].刘杰.基于全局统计信息的结构破损图像修复算法[D].西南交通大学.2018
[2].郑鑫.基于局部和全局结构信息的故障检测方法研究[D].中国石油大学(华东).2016
[3].陆超,陈云霁,刘少礼.二维Mesh结构的片上网络中利用全局信息的路由算法[J].计算机辅助设计与图形学学报.2014
[4].聂栋栋,马勤勇.基于全局图像结构信息的SeamCarving算法[J].计算机应用研究.2011
[5].陈德锟,阮备军,方明伦.基于PDM技术的企业全局信息管理的一种体系结构[J].上海大学学报(自然科学版).1999
[6].吴胜利,黄涛.CIMS环境中全局信息系统的总体结构与设计[J].清华大学学报(自然科学版).1998