导读:本文包含了多特征选择论文开题报告文献综述及选题提纲参考文献，主要关键词:航拍图像,目标检测,BING算法粗定位,多特征提取
多特征选择论文文献综述
陈苏婷,牛宇宁,张闯,张艳艳[1]（2019）在《基于SFFS多特征选择的航拍图像目标检测》一文中研究指出针对航拍图像目标多变、目标角度变化丰富以及背景复杂等特点,提出基于SFFS(Sequential Floating Forward Selection)多特征选择的航拍图像目标检测方法。首先,引入BING(Binarized Normed Gradients)算法进行目标粗定位,克服航拍图像数据量大、检测效率低等问题。其次,提取航拍图像的RI-LBP (Rotation Invariant LBP)特征、FD(Fourier Descriptor)形状特征和RIFF(Rotation Invariant Fast Feature)特征对航拍图像进行描述,避免单一特征描述能力不足带来的误检测率高的问题。最后,基于SFFS贝叶斯分类算法对RI-LBP特征、FD特征和RIFF特征集合进行最优子集选择,以进一步提高特征的泛化性与鲁棒性。实验结果表明,该多特征航拍图像目标检测算法不仅对航拍角度变化具有更强的鲁棒性,且在减少特征维数的同时,提高了目标检测的平均准确率,满足实时性的需求。(本文来源于《实验室研究与探索》期刊2019年03期）
李美丽,高楠,折延宏,陆爱国[2]（2019）在《基于边缘和多特征选择的多聚焦图像融合》一文中研究指出为了有效度量多聚焦图像中的聚焦区域,提出一种基于边缘和多特征选择的多聚焦图像融合算法。利用NSCT对源图像进行分解,对得到的低频子带系数采用基于边缘的融合策略;对于高频子带系数,通过拉普拉斯能量和、区域能量和方差提取邻域窗口的显着性特征,提出一种新颖的基于多特征选择的高频融合策略,该融合策略可以综合考虑区域特征的贡献,自适应的选取显着性特征和融合方法;最后进行NSCT逆变换得到融合图像。实验结果表明,与常用的融合方法相比,在主观效果上,本文方法能够更有效保留源图像中的边缘和细节信息;在客观指标上,本文方法的融合图像在互信息、边缘保持度、熵、结构相似度以及标准差等客观评价具有明显的优势。(本文来源于《光电子·激光》期刊2019年03期）
胡昭华,徐玉伟,赵孝磊,何军,周游[3]（2015）在《基于支持向量机的多特征选择目标跟踪》一文中研究指出目标判别跟踪方法一般以单一跟踪结果(正样本)和部分负样本训练分类器,并只用单一的特征描述目标,因此在目标发生遮挡、光照变化、形变等情况下很容易导致跟踪的失败.为了克服单一正样本和单一特征训练的分类器导致跟踪不稳定的问题,提出一种基于支持向量机的多特征描述、多个正负样本进行分类器训练的目标跟踪方法,用训练分类器对所有候选粒子的不同特征进行判别和选择,并将具有最大置信概率的粒子确定为跟踪结果.在跟踪过程中,利用子空间学习的方法实现正样本的更新,并以更新后的正负样本训练分类器.实验结果表明,该方法在目标存在遮挡、光照变化、形变等情况下均可以取得较好的跟踪效果.(本文来源于《应用科学学报》期刊2015年05期）
濮永仙[4]（2014）在《基于支持向量机与多特征选择的农作物彩色病斑边缘检测》一文中研究指出为正确提取作物病害图像病斑,提出了一种基于支持向量机与多特征选择的作物彩色病斑边缘检测方法.该方法用(2d+1)×(2d+1)大小的窗口遍历图像,计算图像亮度和色度通道的方差、均值差、最大梯度,以及空间位置特征和均值色差作为特征向量,实现支持向量机对病斑边缘识别.为提高检测病斑边缘的效率,提出了在遍历过程中,若特征值都小于阈值时,则跳过d行,d列再遍历.实验表明,该方法比传统的边缘检测算子具有更好的病斑边缘识别能力.(本文来源于《计算机系统应用》期刊2014年09期）
王修信,秦丽梅,罗玲,张晓朋,汤谷云[5]（2013）在《遥感图像森林林型SVM分类的多特征选择》一文中研究指出为了研究遥感图像森林林型SVM分类多特征的选择对提高分类精度的影响,选取小波变换不同尺度纹理、四种植被指数、最优波段光谱特征等不同组合构成林型分类多特征向量进行分类。结果表明,纹理与植被指数、最优波段组合多特征的森林林型分类精度最高,阔叶林、针叶林和竹林的分类精度分别为84.4%、86.5%、91.0%,比纹理单类特征分类分别提高4.1%、4.0%、1.1%,比植被指数单类特征分类分别提高9.2%、11.8%、11.9%。多特征的分类精度一般要高于单类特征,纹理能够较明显提高林型可分性,植被指数也有一定的效果,但最优波段光谱特征的效果较弱。(本文来源于《计算机工程与应用》期刊2013年20期）
孙佳瑶,詹永照,毛启容,王敏超[6]（2013）在《基于遗传算法的交通视频事件多特征选择方法》一文中研究指出为了提高交通视频事件检测的准确性和检测速率,提出了一种基于遗传算法的交通视频多特征选择方法.该方法首先提取交通视频的多种特征,尽可能多地获取各种视频事件的信息,然后将这些特征进行融合,得到一个可以表征事件的高维冗余的特征向量,再采用遗传算法对多特征进行优化筛选,最后使用SVM分类器进行训练获得低维的最优特征子集并应用于交通事件检测.实验结果表明,该方法在降低提取特征的维数的同时,可有效提高交通视频事件检测的准确率和检测速率.(本文来源于《微电子学与计算机》期刊2013年07期）
赵传敏[7]（2012）在《基于多特征选择的心电信号自动分类算法研究》一文中研究指出心电图的自动分类研究一直是近年来信号处理领域的研究热点之一，在重症监护室、可穿戴心电设备、疾病与心脏活动关系研究、评价起搏器功能等方面有着广泛应用。通过引入计算机辅助分析心电图，可以让医生专注于复杂心电图的诊断，从而提高诊断效率，缩短诊断时间，对心脏病患者的病情监护以及康复后的有效评价具有积极意义。本文主要就心电信号自动分类的关键技术做了研究，包括特征点的定位、特征数据的提取和分类算法的选择。1．在分析和诊断心电图过程中，首先遇到的是QRS波的检测问题，而R波的有效定位是前提。本文在总结前人心电图波形检测算法研究的基础上，提出了一种基于双向多点差分操作的方法用于R波检测。比起传统的检测方法，该方法简单有效，对R波识别率高；比起一般的差分操作方法，该方法具有更强的抗噪能力。2．在检测到R波的基础上，下一步的工作是心电特征向量的选取。本文对国内外提出的各种心电特征进行分析和总结，就心电信号的多种特征数据进行了有效提取，包括R-R间期、样本方差、小波系数、能量比，以及最重要的由高维数据映射后的低维映射数据。其中，本文着重研究了两种映射特征：由非负矩阵分解得到的系数特征和由核局部Fisher判别分析得到的具有很强可分离性的数据特征。3．通过选取多种心电特征，可以得到代表原心电信号的数据，最后要做的是根据不同的特征数据选取合适的分类器进行心电图的自动分类诊断。本文提出了两种分类算法：一种是基于非负矩阵分解和支持向量机的心电信号分类；另一种是基于核局部Fisher判别分析和决策树的心电信号分类。实验证明，两种方法在实现心电信号自动分类算法中识别率高，具有明显的诊断优势和研究意义。(本文来源于《苏州大学》期刊2012-05-01）
吕斌,夏利民[8]（2011）在《一种多特征选择的自适应跟踪》一文中研究指出提出利用混合Boosting算法根据目标信息和背景信息选择特征,建立特征排序分类器,并在跟踪的过程中不断自适应更新。采用卡尔曼滤波对目标区域进行粗预测,然后利用排序分类器结合mean-shift算法完成目标的精确跟踪。实验结果表明,该算法可以根据不同的目标和背景信息,自适应地进行特征选择,对于场景中存在光照、干扰、遮挡等情况,依然可以对目标进行实时有效的跟踪。(本文来源于《计算机工程与应用》期刊2011年20期）
孟犇,胡暾,杨杰[9]（2011）在《基于多特征选择及粒子滤波的目标稳健跟踪》一文中研究指出研究机器人视觉问题,目标跟踪是当前计算机视觉及图像处理领域研究的热点问题,具有广泛的应用价值。目标建模是目标跟踪中的关键技术,目标模型的好坏直接影响到跟踪算法的性能。在复杂的场景中,尤其是背景与目标区分度较低的情况下采用图像单一特征建模往往无法取得理想的跟踪效果。提出一种多特征选择及粒子滤波的目标跟踪方法,以粒子滤波为跟踪框架,采用颜色和纹理特征对目标进行建模以减弱复杂背景的影响;跟踪过程中,通过对数似然比方法在线选择能区分目标和背景的最佳特征来描述目标,并更新目标模型以适应目标周围背景的变化,并进行仿真。结果表明方法在复杂背景的情况下具有鲁棒性和快速性。(本文来源于《计算机仿真》期刊2011年01期）
李慧,李存华,王霞[10]（2009）在《文本分类中基于差值思想的多特征选择算法研究》一文中研究指出随着网络的发展,大量的文档数据涌现在网上,自动文本分类已经成为处理和组织大量文档数据的关键技术。其困难之一是特征空间的高维性,因此寻求一种有效的特征选择方法,降低特征空间的维数,成为文本分类中的重要问题。本文结合了多种特征选择方法,提出一种基于差值思想的多特征选择算法,并应用于KNN文本分类算法,实验表明,本文提出的特征选择算法能进一步提高分类性能。(本文来源于《微计算机应用》期刊2009年10期）
多特征选择论文开题报告
（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：
为了有效度量多聚焦图像中的聚焦区域,提出一种基于边缘和多特征选择的多聚焦图像融合算法。利用NSCT对源图像进行分解,对得到的低频子带系数采用基于边缘的融合策略;对于高频子带系数,通过拉普拉斯能量和、区域能量和方差提取邻域窗口的显着性特征,提出一种新颖的基于多特征选择的高频融合策略,该融合策略可以综合考虑区域特征的贡献,自适应的选取显着性特征和融合方法;最后进行NSCT逆变换得到融合图像。实验结果表明,与常用的融合方法相比,在主观效果上,本文方法能够更有效保留源图像中的边缘和细节信息;在客观指标上,本文方法的融合图像在互信息、边缘保持度、熵、结构相似度以及标准差等客观评价具有明显的优势。
（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。
多特征选择论文参考文献
[1].陈苏婷,牛宇宁,张闯,张艳艳.基于SFFS多特征选择的航拍图像目标检测[J].实验室研究与探索.2019
[2].李美丽,高楠,折延宏,陆爱国.基于边缘和多特征选择的多聚焦图像融合[J].光电子·激光.2019
[3].胡昭华,徐玉伟,赵孝磊,何军,周游.基于支持向量机的多特征选择目标跟踪[J].应用科学学报.2015
[4].濮永仙.基于支持向量机与多特征选择的农作物彩色病斑边缘检测[J].计算机系统应用.2014
[5].王修信,秦丽梅,罗玲,张晓朋,汤谷云.遥感图像森林林型SVM分类的多特征选择[J].计算机工程与应用.2013
[6].孙佳瑶,詹永照,毛启容,王敏超.基于遗传算法的交通视频事件多特征选择方法[J].微电子学与计算机.2013
[7].赵传敏.基于多特征选择的心电信号自动分类算法研究[D].苏州大学.2012
[8].吕斌,夏利民.一种多特征选择的自适应跟踪[J].计算机工程与应用.2011
[9].孟犇,胡暾,杨杰.基于多特征选择及粒子滤波的目标稳健跟踪[J].计算机仿真.2011
[10].李慧,李存华,王霞.文本分类中基于差值思想的多特征选择算法研究[J].微计算机应用.2009