导读:本文包含了最小冗余论文开题报告文献综述及选题提纲参考文献，主要关键词:成像系统,有限角度计算机断层成像重建,Mojette变换,离散傅里叶切片定理
最小冗余论文文献综述
蒋敏,曲芝萍,孙怡[1]（2019）在《基于Mojette频域最小冗余覆盖的有限角度计算机层析成像重建》一文中研究指出基于Mojette投影变换的空域与频域性质,提出频域最小冗余覆盖的有限角度计算机断层成像(CT)重建算法。其中频域最小冗余覆盖即空域投影采样最少,也就是重建图像的投影数目最少、效率最高。通过研究发现了Mojette投影数据在其频域上的等效关系,将投影压缩在有限角度范围内,实现了有限角度CT图像重建。实验结果表明利用所提方法可得到较好的重建结果。(本文来源于《光学学报》期刊2019年07期）
周慧,陈澎[2]（2018）在《利用最小冗余最大相关和SVM的SAR图像海上溢油识别》一文中研究指出近年溢油事故频发,海洋污染日益严重。利用合成孔径雷达(SAR)卫星可以有效跟踪由海上溢油事故导致的油膜扩展情况。利用最大冗余最小相关-支持向量机(mRMR_SVM)算法进行SAR图像溢油识别,为溢油事故决策支持提供重要前提。首先采用mRMR提取最优特征向量集,对输入值进行降维;然后采用SVM算法解决油膜图像分类问题,同时选择径向基函数(RBF)为核函数;使用训练集训练该模型,调整模型参数;以测试集特征向量作为输入,利用训练好的模型进行溢油识别。实验结果表明,mRMR_SVM模型对SAR图像的油膜和类油膜识别有效,准确率为96.875%。(本文来源于《电讯技术》期刊2018年08期）
张俐,王枞,郭文明[3]（2018）在《利用近似马尔科夫毯的最大相关最小冗余特征选择算法》一文中研究指出针对高维数据集中冗余特征或无关特征降低机器学习模型分类准确率的问题,提出了一种基于近似马尔科夫毯的特征选择(nmRMR)算法。该算法首先利用最大相关最小冗余的准则进行特征相关性排序;采用近似马尔科夫毯算法对冗余特征或者无关特征进行删除,并最大程度地提高特征之间的相关性从而获得最优特征子集。在UCI的8个公开数据集上对比的实验结果表明:与mRMR算法相比,本文算法所选择出的特征子集数平均减少了6.875个,平均分类准确率提高了0.78%;与FullSet算法相比,本文算法所选择出的特征子集数平均减少了20.56个,平均分类准确率提高了1.88%;与FCBF算法相比,本文算法所选择出的特征子集数平均减少了3.187 5个,平均分类准确率提高了0.825%;本文算法总体优于其他算法。(本文来源于《西安交通大学学报》期刊2018年10期）
龚静,李英杰,黄欣阳[4]（2018）在《基于最大相关-最小冗余的动作识别算法》一文中研究指出为了提高动作的识别精度与鲁棒性,降低冗余特征,提高算法效率,设计了一种基于最大相关-最小冗余(Max-Correlation and Min-Redundancy,MCMR)的动作识别算法.首先,为了消除噪声影响,减少计算成本,利用符号聚集近似(SAX)技术将连续图像序列转换为离散符号;其次,为避免出现时间漂移问题,利用动态时间归整(Dynamic Time Warping,DTW)来计算符号特征的距离,提取符号序列的特征;然后,为了消除冗余的特征,定义了一个特征权重,根据权重对特征进行降序排列,引入最大相关-最小冗余技术消除相关性弱的特征,筛选出具有高相关性和低冗余的特征;最后,为了完成动作识别,根据筛选出的特征,利用k-近邻(K-Nearest Neighbor,KNN)进行分类器学习.结果表明:与当前动作识别算法相比,本文算法能够有效完成动作的识别与理解,具有较高的识别率,有效地降低了冗余特征,提高了算法的效率和鲁棒性.(本文来源于《西南大学学报(自然科学版)》期刊2018年06期）
张俐,王枞[5]（2018）在《基于最大相关最小冗余联合互信息的多标签特征选择算法》一文中研究指出在过去的几十年中,特征选择已经在机器学习和人工智能领域发挥着重要作用。许多特征选择算法都存在着选择一些冗余和不相关特征的现象,这是因为它们过分夸大某些特征重要性。同时,过多的特征会减慢机器学习的速度,并导致分类过渡拟合。因此,提出新的基于前向搜索的非线性特征选择算法,该算法使用互信息和交互信息的理论,寻找与多分类标签相关的最优子集,并降低计算复杂度。在UCI中9个数据集和4个不同的分类器对比实验中表明,该算法均优于原始特征集和其他特征选择算法选择出的特征集。(本文来源于《通信学报》期刊2018年05期）
校松,陈辉,倪萌钰,倪柳柳,张佳佳[6]（2018）在《利用最小冗余对称阵列的近场源定位算法》一文中研究指出在阵元数目有限的情况下,针对近场源定位中的阵列孔径和阵元数损失问题,文中突破阵元间距为1/4波长的限制,提出了基于最小冗余对称阵列的协方差矩阵重构算法.该算法构建只与方位角有关的四阶累积量矩阵,通过多重信号分类算法来估计信号方位角;然后根据估计出的信号角度在距离维上进行搜索,估计出距离参数.该算法扩展了阵列的孔径,提高了阵列的自由度.仿真结果表明,该算法可以估计更多的信源数目,拥有较高的估计性能和空间分辨率,且只需进行一维搜索,避免了二维参数配对.(本文来源于《西安电子科技大学学报》期刊2018年06期）
胡力文,李启明[7]（2018）在《异构环境下非均质性最小冗余分布式云存储系统》一文中研究指出为提高分布式云存储系统构建的合理性,提出一种异构环境下考虑非均质性的最小冗余分布式云存储系统构建方法.首先,开发了异构环境中,进行数据可用性计算的分析框架.由于在存储节点增长时数据可用性计算非常复杂,提出了一种以较少计算代价的方法来估计真实值的蒙特卡洛方法.其次,由于决定在每个主机上分配的最佳冗余量是很难计算的,提出了一种基于粒子群算法(PSO)的分配方法.最后,提供了一个简单的迭代算法来确定保证不同存储应用程序的数据可用性所需的最小冗余.实验结果显示,所提方法可实现数据冗余和存储成本的降低.(本文来源于《微电子学与计算机》期刊2018年05期）
辜超,杨祎,张晓星,金淼,周思远[8]（2018）在《基于最大相关最小冗余准则的变压器故障诊断特征选择》一文中研究指出电力变压器油中溶解气体分析(DGA)技术广泛应用于变压器内典型故障诊断,其中基于DGA数据的人工智能诊断方法在变压器故障诊断领域具有较高的识别率,但该类方法在选择故障特征量时尚无统一的标准。鉴于此,本文尝试引入最大相关最小冗余算法(mRMR),以互信息理论为基础挖掘变压器故障特征量之间以及特征量与故障类型之间的关联关系,通过分析大量的DGA在线监测数据挖掘出最优的变压器故障特征量集,并采用支持向量机(SVM)分类器对比优选特征量集和传统的特征量集合在变压器故障诊断的效率。最后,通过与SVM智能分类、IEC推荐的叁比值分类方法的对比测试表明该方案的故障诊断准确率优于传统的故障诊断方案,故障识别效率高于新型的人工智能诊断方案,更适合于现场的工程应用及推广。(本文来源于《电工电能新技术》期刊2018年07期）
陈江鹏[9]（2017）在《基于最大相关最小冗余朴素贝叶斯分类器的肿瘤分类方法研究》一文中研究指出目的利用基因表达谱数据研究肿瘤的发生发展机理,有助于肿瘤的诊断与个性化治疗。然而,基因芯片检测的基因数量巨大,检测费用也较高加之样本收集的困难,造成了基因表达谱数据高维小样本的特点。此外,基因表达数据还存在高噪声、高冗余及样本分布不均衡等特点,传统分类方法已不再适用,高维数据的分类问题正面临前所未有的挑战。特征选择与分类器相结合是解决这类问题的一种思路,本文以最大相关最小冗余朴素贝叶斯分类器(Na?ve Bayes classifier based on the Maximum Relevance Minimum Redundancy feature selection method,m RMR-NBC)为例,将其应用于模拟数据、公开的基因表达谱数据以及实际临床肿瘤样本的基因表达谱数据,并与常用分类方法进行对比研究,证明该思路的优越性,以期为实际临床肿瘤样本分类提供理论依据。方法(1)进行高维数据模拟研究,将m RMR-NBC应用于高维数据分类问题中,并将其与支持向量机、极限学习机与随机森林进行比较,探讨样本量、基因数以及信噪比对分类准确率的影响;(2)应用公开的结肠癌与肺癌基因表达谱数据,分别采用m RMR-NBC、支持向量机、极限学习机与随机森林进行比较研究,验证模拟研究结果;(3)从GEO数据库下载人类非小细胞肺癌基因表达数据集(GSE10245),共获得40例肺腺癌和18例肺鳞癌组织的基因表达谱数据。进行预处理后,采用m RMR-NBC进行分析,选取特征基因;利用迪杰斯特拉算法进行最短路径分析,筛选候选基因;利用DAVID软件进行GO与KEGG富集分析。采用文献回顾法分析对分类有贡献的基因在肿瘤发生发展中的作用。结果(1)在模拟数据中,m RMR-NBC的综合分类准确率达到96.71%,与支持向量机分类准确率相当,依次高于随机森林与极限向量机。上述几种方法的分类准确率与样本量的相关系数,均具有统计学意义(P<0.05)。其中,m RMR-NBC、支持向量机与极限学习机的分类准确率与样本量为负相关,而随机森林的分类准确率则与样本量呈正相关。随机森林的分类准确率还与基因数呈负相关(P<0.05),而暂未发现m RMR-NBC的分类准确率与基因数间的相关性。对m RMR-NBC的分类准确率进行析因设计的方差分析结果显示,仅样本量对分类准确率有影响(P<0.05)。(2)应用m RMR-NBC分析结肠癌与肺癌基因表达谱数据显示,当纳入基因数分别为15与12时分类准确率最高分别达到95.16%与97.26%,m RMR-NBC仅使用极少的属性参与分类就能得到非常好的分类效果,且随着纳入分析的基因增多分类效果逐渐趋于稳定。支持向量机在结肠癌与肺癌数据集上分类准确率分别达到90.32%与94.52%;极限学习机则分别为82.26%与69.86%;随机森林分别为81.98%与77.62%。(3)运用m RMR-NBC筛选特征基因8个;最短路径分析筛选候选基因21个,其中AURKA、SLC7A2基因分别在最短路径中出现3、2次。富集分析后发现,上述基因主要涉及卵母细胞减数分裂、细胞周期调控、癌症通路等信号通路。结论m RMR-NBC适用于处理高维小样本数据的分类问题;能在仅有极少属性参与分类时,得到较高的分类准确率,优于随机森林、极限学习机等方法;能较为准确地筛选肿瘤相关基因,这将有助于了解基因在肿瘤发生发展中的作用,推动精准医学与个性化治疗的发展。(本文来源于《重庆医科大学》期刊2017-05-01）
刘强,刘波,康同曦[10]（2016）在《基于全局最小冗余的多视角数据分类研究》一文中研究指出在数据挖掘研究领域,特征选择已经成为一个重要的研究课题,这是因为现实的数据集常常含有高维的特征,尽管这可以使信息更加充分,但对分类器的设计也提出了更高的要求。随着特征维数的增加,特征中的不相关信息和冗余信息也会相应增多。针对这个问题,文章采用一种基于全局最小冗余的特征选择算法并将其应用到多视角数据分类中,在实验中与传统的多视角分类算法比较,具有更高的分类准确率。(本文来源于《无线互联科技》期刊2016年18期）
最小冗余论文开题报告
（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：
近年溢油事故频发,海洋污染日益严重。利用合成孔径雷达(SAR)卫星可以有效跟踪由海上溢油事故导致的油膜扩展情况。利用最大冗余最小相关-支持向量机(mRMR_SVM)算法进行SAR图像溢油识别,为溢油事故决策支持提供重要前提。首先采用mRMR提取最优特征向量集,对输入值进行降维;然后采用SVM算法解决油膜图像分类问题,同时选择径向基函数(RBF)为核函数;使用训练集训练该模型,调整模型参数;以测试集特征向量作为输入,利用训练好的模型进行溢油识别。实验结果表明,mRMR_SVM模型对SAR图像的油膜和类油膜识别有效,准确率为96.875%。
（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。
最小冗余论文参考文献
[1].蒋敏,曲芝萍,孙怡.基于Mojette频域最小冗余覆盖的有限角度计算机层析成像重建[J].光学学报.2019
[2].周慧,陈澎.利用最小冗余最大相关和SVM的SAR图像海上溢油识别[J].电讯技术.2018
[3].张俐,王枞,郭文明.利用近似马尔科夫毯的最大相关最小冗余特征选择算法[J].西安交通大学学报.2018
[4].龚静,李英杰,黄欣阳.基于最大相关-最小冗余的动作识别算法[J].西南大学学报(自然科学版).2018
[5].张俐,王枞.基于最大相关最小冗余联合互信息的多标签特征选择算法[J].通信学报.2018
[6].校松,陈辉,倪萌钰,倪柳柳,张佳佳.利用最小冗余对称阵列的近场源定位算法[J].西安电子科技大学学报.2018
[7].胡力文,李启明.异构环境下非均质性最小冗余分布式云存储系统[J].微电子学与计算机.2018
[8].辜超,杨祎,张晓星,金淼,周思远.基于最大相关最小冗余准则的变压器故障诊断特征选择[J].电工电能新技术.2018
[9].陈江鹏.基于最大相关最小冗余朴素贝叶斯分类器的肿瘤分类方法研究[D].重庆医科大学.2017
[10].刘强,刘波,康同曦.基于全局最小冗余的多视角数据分类研究[J].无线互联科技.2016
标签：成像系统; 有限角度计算机断层成像重建; Mojette变换; 离散傅里叶切片定理;