导读:本文包含了局部识别论文开题报告文献综述及选题提纲参考文献，主要关键词:随机森林,CART算法,变压器,局部放电
局部识别论文文献综述
王仕俊,平常,薛国斌[1]（2019）在《基于随机森林的变压器局部放电模式识别》一文中研究指出针对目前在局部放电模式识别领域中常用的分类器算法的缺陷,本文研究随机森林(random forest,RF)算法在局部电放模式识别领域的应用。首先对局部放电试验数据提取统计特征量,构建放电的学习样本。利用十折法对算法分类性能进行评判,并比较常见分类算法BP神经网络、支持向量机(support vector machine,SVM))、KNN、分类回归树算法(classification and regression tree,CART)以及RF算法的识别准确率。结果表明:利用RF算法构建放电模式分类器的识别准确率最高。此外,利用组成RF的基分类算法CART可分析不同放电模式间的主要区别。(本文来源于《科技通报》期刊2019年11期）
马翠红,王毅,毛志强[2]（2019）在《基于时空双流与局部融合网络的行为识别》一文中研究指出针对视频中部分行为时间跨度长,可能由于行为模糊或视频散焦导致信息受损的问题,提出一种具有残差连接的多级局部融合网络,以提高视频人体行为识别的准确率。通过传统的双流卷积神经网络分别提取视频的表观运动特征和长时运动特征。通过局部融合模块捕获相邻帧的信息来增强每帧特征信息。局部融合以多级方式执行,在时间维度上对不同的邻域进行特征融合。融合模块采用残差连接,能进行有效的梯度传播,实现端到端的训练。在人体行为KTH数据集上进行了测试,识别准确率高达98.9%。(本文来源于《工业控制计算机》期刊2019年11期）
刘彩玲,岳荷荷[3]（2019）在《基于局部金字塔描述算子的杂草种子识别》一文中研究指出基于P-SIFT和P-SURF描述算子来研究杂草种子图像的自动识别性能,其中每个图像分片均使用多层次的描述算子细节表示,这些层次依据局部空间合并分辨率定义。在特征提取部分采用叁种编码技术,即BOW模型,Locality-Constrained Linear Coding算法和Fisher Vector模型来提高分类性能;在分类部分采用Sparse Representation Classifier (SRC),Label Consistent K-SVD (LC-KSVD)和SVM分类器,其中SVM使用RBF和Histogram Intersection Kernel核函数。P-SIFT和P-SURF描述算子在使用叁层空间金字塔和叁层特征金字塔时取得了最高89.7%和86.2%的识别率,与SIFT和SURF描述算子相比较识别率有了很大提高。实验结果表明,在传统的局部描述算子基础上,基于特征金字塔描述算子来提取特征和基于空间金字塔来合并特征可以提高分类性能。(本文来源于《物联网技术》期刊2019年11期）
陈亮雨,李卫疆[4]（2019）在《多形状局部区域神经网络结构的行人再识别》一文中研究指出目的目前,行人再识别领域将行人图像的全局和局部特征相结合的方法已经成为基本的解决方法。现有的基于局部特征的方法更多的是侧重于定位具有特定的语义区域,这样增加了学习难度,并且对于差异较大的图像场景不具有鲁棒性。为了解决上述问题,通过对网络结构进行改进提出一种多形状局部区域网络(MSPN)结构,它具有多分支并将横向和纵向条状的特征作为局部特征,能够端到端进行训练。方法网络的多个分支设计可以同时获得多粒度和多形状的局部特征,其中一个分支表示全局特征的学习,两个分支表示横条状不同粒度的局部特征学习,最后一个分支表示竖条状局部特征学习。网络不再学习定位具有特定语义的区域,而是将图像提取的特征切分成横向和竖向的若干条作为局部特征。不同分支条的形状和数量不一致,最后获得不同粒度或不同形状的局部特征信息。因为切分方向的不同,多粒度多形状的局部特征缓解了行人在不同图像中无法对齐的问题。结果在包括Market-1501、Duke MTMC-ReID和CUHK03在内的主流评估数据集上的综合实验表明,多形状局部区域神经网络和现有的主要方法相比具有更好的表现。其中在数据集Market-1501上达到84. 57%的平均准确率(m AP)和94. 51%的rank-1准确率。结论多形状局部区域网络能够学习得到判别能力更强的深度学习模型,从而有效地提升行人再识别的准确率。(本文来源于《中国图象图形学报》期刊2019年11期）
王喆,杨辰龙,周晓军,滕国阳[5]（2019）在《基于超声背散射信号递归定量分析的CFRP局部孔隙缺陷识别方法》一文中研究指出以碳纤维复合材料(Carbon Fiber Reinforced Plastics, CFRP)的超声背散射信号为研究对象,创新性地提出运用递归定量分析(Recursive Quantitative Analysis,RQA)方法获得其信号特征,实现对材料局部孔隙缺陷的识别及评估。首先,对含有孔隙率为0.2%～5.92%的标准试块的超声背散射信号分别进行递归图分析和递归定量分析。结果表明,不同孔隙率试块所对应的递归图特征表现出明显差异,同时,RQA的特征量参数——递归率与递归熵均随孔隙率的增大而增大。然后,运用RQA方法对某未知孔隙率试块进行局部孔隙缺陷评估,基于上述结论,识别得到该试块中最有可能含有局部孔隙缺陷的区域。最后,剖开该未知孔隙率试块作微观形貌观察实验,实验发现该试块实际孔隙缺陷区域与RQA识别得到的结果相同,从而验证了递归定量分析方法用于CFRP局部孔隙缺陷识别的有效性。(本文来源于《振动与冲击》期刊2019年21期）
刘婷[6]（2019）在《基于局部特征分析的人脸识别方法》一文中研究指出对于人脸识别,人们在日常生活中并不陌生,在日常考勤、信用卡申请、信贷验证、房屋交易等场景都需要人脸识别的应用。而其他领域,比如罪犯识别、档案管理、信用验证等,人脸识别更是必不可少的辅助手段。但是人脸识别会受到很多因素影响如环境因素、相貌变化、技术差异等的影响,从而导致人脸识别结果的不同。所以如何区分不同面部差异、提取面部特征是人脸识别精确度的重要环节。(本文来源于《信息与电脑(理论版)》期刊2019年21期）
王军敏,李宁,王艳辉[7]（2019）在《基于Gabor特征和局部二值模式融合的纹理图像识别》一文中研究指出传统的Gabor滤波方法和局部二值模式(Local Binary Pattern,LBP)算法提取的纹理特征鉴别能力不足,导致纹理识别精度不够理想.为了解决上述问题,提出一种将全局Gabor特征和局部LBP特征进行融合的纹理图像识别方法.该方法利用Gabor滤波方法提取纹理图像的全局特征,利用LBP算法提取纹理图像的局部特征,然后在最近子空间分类器的框架下实现全局和局部特征的融合以及纹理图像识别.在CURe T和KTH-TIPS基准纹理库上的实验结果表明,笔者提出的方法显着超越了传统Gabor滤波方法和LBP算法的纹理识别精度.(本文来源于《平顶山学院学报》期刊2019年05期）
张悦,刘德山,王姗姗,闫德勤,楚永贺[8]（2019）在《应用于人脸识别的改进局部保持投影算法》一文中研究指出局部保持投影算法(locality preserving projections,LPP)作为降维算法,在机器学习和模式识别中有着广泛应用;在识别分类中,为了更好地利用类别信息,在保持样本点的局部特征外,有效地从高维数据中提取出低维的人脸图像信息并提高人脸图像的识别率和识别速度,使分类达到一定优化,基于LPP算法结合流形学习思想,通过构造一种吸引向量的方法提出一种改进的局部保持投影算法(reformation locality preserve projections,RLPP);将数据集利用极端学习机分类器进行分类后,在标准人脸数据库上的进行试验,实验结果证明,改进后算法的识别率优于LPP算法、局部保持平均邻域边际最大化算法和鲁棒线性降维算法,具有较强的泛化能力和较高的识别率。(本文来源于《计算机测量与控制》期刊2019年10期）
刘凌波,吴昊,彭正洪[9]（2019）在《基于局部空间熵的亚洲城市扩张模式识别》一文中研究指出城市扩张对城市的经济、社会、健康和产生重要的影响,城市的过度扩张所导致的城市蔓延更会影响城市的可持续发展系统,城市蔓延区的识别是城市空间结构研究的重要内容。随着大数据环境的发展,越来越多的研究倾向于使用更为复杂和多样的变量来识别城市蔓延,但其结果仍然存在不确定性。本研究立足于芝加哥学派城市空间结构模式和城市经济学密度衰减模式的解读,归纳出基于栅格人口密度分布的四种城市扩张模式,总结不同城市区域在人口密度和局部空间密度均衡性的聚类特征,提出以人口密度和局部均衡性对城市空间单元聚类以识别城市扩张模式和蔓延区域的设想。研究基于移动搜索法、摩尔邻域和香农熵构造了局部空间熵方法以计算局部空间均衡性,通过K-means聚类对案例城市栅格人口数据和局部空间熵进行聚类。实验结果验证了以单一栅格人口密度识别城市扩张模式的设想,城市蔓延可由人口密度和其局部的均衡度进行识别。(本文来源于《活力城乡 美好人居——2019中国城市规划年会论文集（05城市规划新技术应用）》期刊2019-10-19）
韩冬,黄攀峰,齐志刚[10]（2019）在《局部自主遥操作中的抓取构型识别研究》一文中研究指出针对局部自主遥操作过程中识别目标准确率低的问题,提出了一种基于改进快速区域卷积神经网络的抓取构型识别方法,通过对其区域生成网络中锚点尺度、前景特征区域、候选框的线性回归和分类网络分别进行改进,以提高抓取构型识别的准确率。首先将抓取构型参数化,然后在目标区域中利用锚点法对抓取构型参数进行识别,结合视觉传感器采集到的深度信息确定目标高度,并通过线性回归方法对抓取区域进行修正。通过搭建机器人试验平台,利用Cornell Grasp Dataset进行训练与测试进行验证。试验结果表明,提出的方法在简单网络识别准确率为96.4%,并成功实现机器人对目标的抓取。(本文来源于《载人航天》期刊2019年05期）
局部识别论文开题报告
（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：
针对视频中部分行为时间跨度长,可能由于行为模糊或视频散焦导致信息受损的问题,提出一种具有残差连接的多级局部融合网络,以提高视频人体行为识别的准确率。通过传统的双流卷积神经网络分别提取视频的表观运动特征和长时运动特征。通过局部融合模块捕获相邻帧的信息来增强每帧特征信息。局部融合以多级方式执行,在时间维度上对不同的邻域进行特征融合。融合模块采用残差连接,能进行有效的梯度传播,实现端到端的训练。在人体行为KTH数据集上进行了测试,识别准确率高达98.9%。
（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。
局部识别论文参考文献
[1].王仕俊,平常,薛国斌.基于随机森林的变压器局部放电模式识别[J].科技通报.2019
[2].马翠红,王毅,毛志强.基于时空双流与局部融合网络的行为识别[J].工业控制计算机.2019
[3].刘彩玲,岳荷荷.基于局部金字塔描述算子的杂草种子识别[J].物联网技术.2019
[4].陈亮雨,李卫疆.多形状局部区域神经网络结构的行人再识别[J].中国图象图形学报.2019
[5].王喆,杨辰龙,周晓军,滕国阳.基于超声背散射信号递归定量分析的CFRP局部孔隙缺陷识别方法[J].振动与冲击.2019
[6].刘婷.基于局部特征分析的人脸识别方法[J].信息与电脑(理论版).2019
[7].王军敏,李宁,王艳辉.基于Gabor特征和局部二值模式融合的纹理图像识别[J].平顶山学院学报.2019
[8].张悦,刘德山,王姗姗,闫德勤,楚永贺.应用于人脸识别的改进局部保持投影算法[J].计算机测量与控制.2019
[9].刘凌波,吴昊,彭正洪.基于局部空间熵的亚洲城市扩张模式识别[C].活力城乡美好人居——2019中国城市规划年会论文集（05城市规划新技术应用）.2019
[10].韩冬,黄攀峰,齐志刚.局部自主遥操作中的抓取构型识别研究[J].载人航天.2019