导读:本文包含了非线性特征提取论文开题报告文献综述及选题提纲参考文献，主要关键词:合成孔径雷达,目标识别,线性,非线性
非线性特征提取论文文献综述
刘树吉[1]（2019）在《结合线性与非线性特征提取与分类的SAR图像目标识别》一文中研究指出针对合成孔径雷达(SAR)目标识别问题,提出一种结合线性,非线性特征提取和分类器的方法。采用PCA和KPCA分别提取原始SAR图像的特征矢量。在此基础上,分别利用稀疏表示(SRC)和核稀疏表示(KSRC)对两类特征进行分类。通过线性,非线性特征,分类器的结合,可以更好地考察SAR图像的内部数据结构以及测试样本与训练样本的对应关系。实验中,基于MSTAR数据集进行性能测试,结果表明提出方法的有效性。(本文来源于《电子设计工程》期刊2019年21期）
马晓珂[2]（2019）在《基于非线性尺度空间的图像特征提取与匹配算法研究》一文中研究指出图像特征提取与匹配技术旨在通过一些特定算法,将不同条件下采集到的包含相同场景的两幅图像进行对准匹配,寻求图像间的相似性以及变换关系。图像匹配算法大致可以分为以下两类:一类是基于灰度的匹配算法,另一类是基于特征的匹配算法。基于特征的匹配算法通常使用稳定性更强的局部特征对图像进行描述和匹配,目前较为流行的局部特征匹配算法(如SIFT算法)都是基于线性尺度空间来进行特征信息的提取,在构建尺度空间的过程中,高斯模糊会造成图像边缘细节丢失导致特征检测和匹配的精度下降;而KAZE算法采用非线性扩散滤波替代高斯模糊能够有效地解决上述问题,但是KAZE算法同样也存在颜色信息缺失以及不能适应视角剧烈变化等缺陷。因此本文主要针对于KAZE算法存在的问题提出改进,具体工作有以下两个方面:(1)针对KAZE算法由于灰度化过程中产生的颜色信息缺失,造成部分特征点提取困难、正确匹配率低等问题,提出一种基于改进图像灰度化的特征提取与匹配算法。该算法首先采用加权欧氏距离计算彩色图像中像素间的对比度,其次通过优化表示颜色线性组合的多元多项式模型求得像素点的灰度值,最后利用双峰分布函数最小化像素间灰度差值与像素间对比度得到待匹配的灰度化图像,使灰度图像保留有更多原图像中的颜色对比度信息;然后在此基础上进行特征提取,并计算关键点邻域内的二阶梯度值替代原描述符中的一阶梯度值,形成新的特征描述子后再进行图像匹配。通过最终匹配效果验证该算法的可行性与有效性。(2)针对KAZE算法不能适应视角剧烈变换,匹配结果不具有仿射不变性的问题,提出一种融合仿射不变性的特征提取与匹配算法。首先依据相机成像原理得出图像局部仿射变换能够近似替代图像视角变换;其次利用该方式构造仿射变换图像集,通过对尺度、经度和纬度等变换参数的模拟,并对构造过程中产生的平移和旋转进行归一化处理,实现了对整个仿射变换空间的模拟;然后在生成的一系列模拟图像上进行特征检测,并结合马氏距离的仿射不变特性度量特征的相似性,完成最终匹配过程。最后通过实验验证该算法具有仿射不变性。(本文来源于《河南大学》期刊2019-06-01）
江诚,石雄[3]（2019）在《基于非线性特征提取的人脸识别算法研究》一文中研究指出自然场景下的人脸图像数据通常分布在非线性的高维空间中,因此,传统线性特征提取算法难以获得鲁棒的特征。针对上述问题,提出一种基于非线性提取的人脸识别算法。该算法将非线性特征提取算法引入到人脸识别的过程中,对人脸特征匹配阈值进行预处理,将模拟遗传退火算法和深度信念网络相融合,先利用模拟遗传退火算法优化深度信念的网络连接权值,在此基础上对预处理人脸特征匹配阈值进行寻优,增强了传统算法对于天气、光照、形态等多种外界因素的鲁棒性。实验仿真证明,该算法提取特征的稳定性强,能有效的识别人脸图像,精度较高。(本文来源于《武汉轻工大学学报》期刊2019年02期）
李建标,司马文霞,孙廷玺,杨鸣,黄培专[4]（2019）在《实测铁磁谐振过电压相空间重构及非线性特征量提取》一文中研究指出铁磁谐振是电力系统中常见的一种非线性现象,现场实测数据表明电力系统中存在准周期铁磁谐振过电压,且某些分频铁磁谐振与准周期铁磁谐振过电压难以区分。为了能够提出一种有效的铁磁谐振过电压特征量,文中对某变电长达5年的实测铁磁谐振过电压进行了全面分析,采用相空间重构算法获得电压时间序列对应的铁磁谐振重构相空间,再以重构相空间为基础,提出二维重构吸引子的平均灰度的计算方法,用来定量表征铁磁谐振过电压非线性,结果表明不同类型铁磁谐振过电压的二维重构吸引子的平均灰度具有明显的差异,能够直接识别分频谐振和准周期谐振,亦能辅助识别其他类型的实测铁磁谐振过电压。(本文来源于《高压电器》期刊2019年03期）
王棋林[5]（2019）在《高光谱数据的非线性特征提取与分类研究》一文中研究指出高光谱遥感技术一直以来是遥感领域的一个研究热点,在很多实际场景中产生了良好的社会经济效益。因此不断改进和完善高光谱数据的处理分析方法是人们所迫切需要的。虽然传统特征提取方法在高光谱数据上的应用已初见成效,但是并没有很好地解决高光谱数据的数据冗余和人工标记样本缺乏等问题。针对高光谱数据非线性的特点,本文首先基于流形学习方法,在其基础上进行改进和优化,提出了一种新的特征提取方法。近些年深度学习方法由于其强大的特征学习能力,在高光谱数据的特征提取与分类上表现得越来越抢眼。本文针对高光谱数据存在人工标记的训练样本有限等问题,设计了一种基于多层特征融合的卷积神经网络模型,用于提取高光谱数据的非线性特征并最终实现分类。主要研究内容如下:(1)针对原始高光谱数据的噪声问题,首先对其进行降噪等预处理操作,然后将校正后的叁维高光谱数据转化成二维数据。(2)针对高光谱数据的非线性特征及“小样本”问题,本文在流形学习方法基础上提出了一种正交指数判别局部保留投影法(Orthogonal Exponential Discriminant Locality Preserving Projection,OEDLPP)。与主成分分析(PCA)、局部保留投影(LPP)、判别局部保留投影(DLPP)、指数判别局部保留投影(EDLPP)、正交判别局部保留投影(ODLPP)等对比实验的分类结果表明,该算法对样本有效信息的获取具有一定的优越性,能得到更高的分类精度。(3)利用深度学习方法,结合典型卷积神经网络框架模型和OEDLPP算法,本文设计了一种基于多层特征融合的卷积神经网络模型,用于高光谱数据的特征提取与分类中,且该模型表现优异,对解决高光谱数据训练样本有限的问题能起到一定作用。(本文来源于《杭州电子科技大学》期刊2019-03-01）
李聪,葛洪伟[6]（2019）在《非线性幂变换Gammachirp滤波器的鲁棒语音特征提取》一文中研究指出针对归一化功率倒谱系数(PNCC)在较低信噪比噪声环境下说话人识别鲁棒性不佳的问题,提出了非线性幂函数变换伽马啁啾频率倒谱系数(NPGFCC)的抗噪语音特征提取算法。相比PNCC,NPGFCC的不同之处在于其采用符合人耳听觉特性的归一化压缩Gammachirp滤波器组代替Gammatone滤波器组进行滤波,并在特征参数中融合了分段式非线性幂函数变换的方式。另外,算法中利用了均值方差归一化和时间序列滤波等技术的方法,进一步提高了其在噪声环境下的鲁棒性,并在改进的i-vector+PLDA模型下进行了测试。实验结果表明,相较于目前常用的一些说话人语音特征提取算法,在不同噪声和不同信噪比下,NPGFCC特征具有最佳抗噪性能,特别是在信噪比较低的情况下,与其他语音特征相比,NPGFCC特征具有更大的优势。(本文来源于《计算机科学与探索》期刊2019年08期）
杨宇,李鑫,潘海洋,程军圣[7]（2018）在《基于非线性模式分解的旋转机械复合故障特征提取方法》一文中研究指出针对旋转机械复合故障振动信号的非平稳特征,提出了一种基于非线性模式分解(NMD)的故障特征提取方法。该方法首先通过NMD将振动信号分解为若干个具有实际物理意义的非线性模态(NM)分量和一个残余分量之和,然后对各NM分量采用包络谱分析提取故障特征。仿真信号的分析结果验证了NMD方法的优越性,在此基础上将NMD方法应用于旋转机械复合故障诊断中,实验数据的分析结果表明,该方法能有效提取出旋转机械复合故障的特征。(本文来源于《中国机械工程》期刊2018年24期）
张量,刘洋,王飞,王天庭,吴先良[8]（2019）在《基于电磁散射特征参数提取与数据分布分析的非线性目标识别》一文中研究指出非线性目标的探测与识别在国防、反恐、安保、救援、交通安全等领域均具有重要意义.为提高上述场景下对非线性目标的探测识别能力,文中以典型的非线性器件——肖特基二极管为例,构建了非线性目标的谐波散射模型,并在此基础上利用不同类型非线性目标散射的各次谐波强度与变化趋势不同的特性,提出了一种利用数理方法提取分析目标散射特征参数进而实现对非线性目标探测识别的方法.实验结果显示,本次提出的方法在小样本下对未知非线性目标的识别率在81%左右,证明了该方法对非线性器件有较好的探测与识别能力.(本文来源于《电波科学学报》期刊2019年01期）
丁闯,张兵志,冯辅周,吴守军[9]（2018）在《非线性量子信息熵及其在行星变速箱特征提取中应用》一文中研究指出针对行星齿轮箱在运行时产生的非线性非平稳振动,且故障特征信号微弱等问题,将量子理论引入到信息熵的计算中,提出一种全新的特征提取方法-非线性量子信息熵。根据量子理论的基本概念,建立了振动信号的多量子位系统;分析了将量子理论引入到信息熵中的可行性,进而提出了非线性量子信息熵基本原理,并对行星齿轮箱叁种运行状态振动仿真信号的非线性量子信息熵进行了分析,说明了量子信息熵作为行星齿轮箱特征的可行性;最后以行星变速箱故障试验台采集到的五种状态信号为例,计算其非线性量子信息熵,并与时频熵和样本熵计算结果对比。结果表明,非线性线性量子信息熵能够有效的提取行星变速箱运行状态特征。(本文来源于《振动与冲击》期刊2018年23期）
白静,史燕燕,薛佩芸,郭倩岩[10]（2019）在《融合非线性幂函数和谱减法的CFCC特征提取》一文中研究指出为提高噪声环境下的语音识别准确率,提出一种改进的语音特征提取算法。该算法采用模拟人耳听觉特性的非线性幂函数提取一种新的耳蜗滤波倒谱系数,并在特征提取前端引入谱减法对信号进行增强,将提取到的新的特征及其一阶差分组成一种混合特征参数;再联合主成分分析对该混合特征进行降维,将最终得到的特征用于一个非特定人、孤立词、小词汇量的语音识别系统。实验结果表明:采用非线性幂函数提取的耳蜗滤波倒谱系数特征与传统的耳蜗滤波倒谱系数特征相比,明显提高了语音识别准确率;混合特征参数相比单一特征能达到更佳的语音识别性能;结合主成分分析后的特征集在信噪比为0dB时的识别正确率可达到88.10%。(本文来源于《西安电子科技大学学报》期刊2019年01期）
非线性特征提取论文开题报告
（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：
图像特征提取与匹配技术旨在通过一些特定算法,将不同条件下采集到的包含相同场景的两幅图像进行对准匹配,寻求图像间的相似性以及变换关系。图像匹配算法大致可以分为以下两类:一类是基于灰度的匹配算法,另一类是基于特征的匹配算法。基于特征的匹配算法通常使用稳定性更强的局部特征对图像进行描述和匹配,目前较为流行的局部特征匹配算法(如SIFT算法)都是基于线性尺度空间来进行特征信息的提取,在构建尺度空间的过程中,高斯模糊会造成图像边缘细节丢失导致特征检测和匹配的精度下降;而KAZE算法采用非线性扩散滤波替代高斯模糊能够有效地解决上述问题,但是KAZE算法同样也存在颜色信息缺失以及不能适应视角剧烈变化等缺陷。因此本文主要针对于KAZE算法存在的问题提出改进,具体工作有以下两个方面:(1)针对KAZE算法由于灰度化过程中产生的颜色信息缺失,造成部分特征点提取困难、正确匹配率低等问题,提出一种基于改进图像灰度化的特征提取与匹配算法。该算法首先采用加权欧氏距离计算彩色图像中像素间的对比度,其次通过优化表示颜色线性组合的多元多项式模型求得像素点的灰度值,最后利用双峰分布函数最小化像素间灰度差值与像素间对比度得到待匹配的灰度化图像,使灰度图像保留有更多原图像中的颜色对比度信息;然后在此基础上进行特征提取,并计算关键点邻域内的二阶梯度值替代原描述符中的一阶梯度值,形成新的特征描述子后再进行图像匹配。通过最终匹配效果验证该算法的可行性与有效性。(2)针对KAZE算法不能适应视角剧烈变换,匹配结果不具有仿射不变性的问题,提出一种融合仿射不变性的特征提取与匹配算法。首先依据相机成像原理得出图像局部仿射变换能够近似替代图像视角变换;其次利用该方式构造仿射变换图像集,通过对尺度、经度和纬度等变换参数的模拟,并对构造过程中产生的平移和旋转进行归一化处理,实现了对整个仿射变换空间的模拟;然后在生成的一系列模拟图像上进行特征检测,并结合马氏距离的仿射不变特性度量特征的相似性,完成最终匹配过程。最后通过实验验证该算法具有仿射不变性。
（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。
非线性特征提取论文参考文献
[1].刘树吉.结合线性与非线性特征提取与分类的SAR图像目标识别[J].电子设计工程.2019
[2].马晓珂.基于非线性尺度空间的图像特征提取与匹配算法研究[D].河南大学.2019
[3].江诚,石雄.基于非线性特征提取的人脸识别算法研究[J].武汉轻工大学学报.2019
[4].李建标,司马文霞,孙廷玺,杨鸣,黄培专.实测铁磁谐振过电压相空间重构及非线性特征量提取[J].高压电器.2019
[5].王棋林.高光谱数据的非线性特征提取与分类研究[D].杭州电子科技大学.2019
[6].李聪,葛洪伟.非线性幂变换Gammachirp滤波器的鲁棒语音特征提取[J].计算机科学与探索.2019
[7].杨宇,李鑫,潘海洋,程军圣.基于非线性模式分解的旋转机械复合故障特征提取方法[J].中国机械工程.2018
[8].张量,刘洋,王飞,王天庭,吴先良.基于电磁散射特征参数提取与数据分布分析的非线性目标识别[J].电波科学学报.2019
[9].丁闯,张兵志,冯辅周,吴守军.非线性量子信息熵及其在行星变速箱特征提取中应用[J].振动与冲击.2018
[10].白静,史燕燕,薛佩芸,郭倩岩.融合非线性幂函数和谱减法的CFCC特征提取[J].西安电子科技大学学报.2019