一、分形图像的泛逻辑运算模型(论文文献综述)
杜流云[1](2020)在《基于变值体系在基因序列上的研究与拓展》文中认为由于测序技术的不断进步,生物信息学的快速发展,随着激增的海量数据,使全世界生物信息学领域的有关研究学者都面临严峻的挑战,尤其是此次新型冠状病毒疫情的暴发,对前沿的研究进展也是一项巨大的考验。如何对生物信息学中的海量数据进行科学的分析和处理,以便从中发现有关规律指导生物学上的实验和研究,是当前生物信息学所要研究的重要内容,其中,可视化一直是生物信息学研究领域的热点。迄今为止,基于生物基因序列的可视化方法已经产生了许多的研究成果,着名的有图形表示法中的Z曲线、图像表示法中的郝柏林方法等。但目前可视化前沿领域许多方法都存在一定程度上的局限性,对数据的包容性不强、信息易退化丢失、方法晦涩难懂、时间复杂度高、可视化效果差等。针对以上问题,提出了一种基于变值逻辑体系的可视化模型,主要研究工作有:(1)从以变值为基础的三个主要模块出发,详细介绍了包括逻辑模块、测量模块、可视化模块的运行流程,以土壤细菌、冠状病毒基因序列作为样本数据展示二维和三维上的可视化结果,从多个维度可以看到样本基因序列中的结构特征和隐藏信息。并以厚壁菌作为对象,对比了本文模型与郝柏林方法的优劣性。(2)在测量模块和可视化模块上对变值体系模型进行了拓展应用和研究。将测度值参数中的固定分段长度改变为不定步长,以及对投影组合的改变,图像化结果也变为图形化结果,并将九种冠状病毒作为典型应用与基础变值逻辑体系对比可视化结果,进一步丰富了变值逻辑体系理论方法。本文的主要工作重点在于提出了一个适合生物信息学领域中的研究基因序列的可视化模型,并对其进行拓展研究。与其他方法比较,本方法具有计算速度快、时间复杂度低、可视化效果清晰明了的特点,可以从多维度看到序列特征,直观性和理解性较强,且应用非常广泛。本文也将始终围绕基因序列可视化这一主题进行阐述,实验结果也能非常直观的体现四种碱基之间的某种联系特征以及分布规律。
龙映辉[2](2014)在《神经网络分形分析》文中认为当前,人工神经网络研究,主要集中在人工神经网络的学习算法、训练算法以及神经网络的应用上。然而,人工神经网络是一个高度复杂的非线性系统网络,其自身复杂的特性难于用一般的参数加以描述。已有学者尝试从分形角度对神经网络的内在特性进行研究,本论文尝试应用不同的分形维数计算方法对不同的人工神经网络的分形特性进行分析研究。人工神经网络的学习过程是一个不断变化复杂的认知过程,该认知过程本质上是网络存储已有的学习知识的分形进化过程。为了表征人工神经网络学习认知过程中的分形进化特性,确定其分形维数成为问题的关键。在论文中,采用了两种分形维数计算方法来分形研究神经网络的分形特征:第一种是利用对基于几何对象的分形维数的估计方法--改进型的盒子维数来研究神经网络权值矩阵的分形维数;第二种方法是采用R/S分析法和DFA分析法,构建时间序列,计算神经网络权值序列的Hurst指数。论文利用分形理论方法和理论,对人工神经网络的权值序列分形特性进行了分析比较。在不同神经网络的训练次数条件下,初步的分析了Hurst指数和权值序列的时程相关性。针对不同的神经网络结构,初步的研究了Hurst指数与神经网络泛化能力的关系。利用神经网络分形维数和MIV值的比较,实现了分形在神经网络的初步应用。论文最后,分析比较了不同的分形维数计算方法,不同的优化训练算法,不同的神经网络类型,不同的性能误差对于分形维数的影响。分析结果表明,神经网络分形维数是描述神经网络的重要参数,可以用于区分不同的网络复杂性。当然神经网络更多的分形特性,还需要进一步探索。
于瑞厚[3](2008)在《基于分形图像的隐写术研究》文中研究表明随着因特网的迅速发展,社会信息化程度越来越高。作为一种重要的资源,信息在依赖因特网进行传输时,信息安全成为首要问题。信息隐藏作为解决信息安全问题的新兴技术,已经成为信息安全领域的研究热点。隐写术是信息隐藏领域的重要分支,当前的研究主要集中于基于数字图像的高性能算法设计,而选择合适的载体图像也是提高隐写术性能的重要途径,有关载体图像选择的理论和方法研究还比较少。自然图像是最常用的隐写术载体,但在实际应用中存在一定的局限性,而基于程序生成的分形图像有很多区别于自然图像的独特特征,是一种更为理想的载体图像。针对上述问题,本文主要对基于分形图像的隐写术与面向载体图像选择的图像复杂度理论和计算方法进行了研究。论文的主要内容和贡献:1、分析了载体图像的选择对于提高隐写术性能的重要性,研究了面向隐写术载体图像选择的图像复杂度理论,探讨了基于图像复杂度进行载体图像选择的可行性。2、分析了现有的图像复杂度计算方法,提出了一种新的图像复杂度计算方法,并进行了实验与分析,实验结果表明,该方法能够更为准确地反映图像的复杂程度,适合作为载体图像的选择依据。3、研究了分形基础理论,设计了一种复杂分形图像的着色方法,构建了基于分形图像的隐写术系统框架,综合分析了分形图像相比较自然图像在隐写术应用中的优势,为基于分形图像的隐写术研究奠定了理论基础。4、设计实现了一种基于分形图像生成过程的隐写术算法,并进行了实验与分析,实验结果分析表明,该算法实现简单,具有较好的不可感知性和抗隐写分析的能力。论文的研究成果为基于分形图像的隐写术和载体图像的选择研究提供了必要的理论和方法基础。
毛明毅,陈志成,李文正,何华灿[4](2007)在《GB18030汉字的分形相关性研究》文中研究说明GB18030是国家标准局新近颁布的最重要的汉字编码标准。本文从分形信息学的角度对GB18030汉字库中的27538个汉字的分形特性进行了研究。基于格分维理论,给出了汉字格测度的选取原则和格分维的计算方法。计算与统计表明:96.6846%的汉字的分形维数在[1.00,1.50]之间,98.9469%汉字的分形相关性系数R2值在[0. 95,1.00]之间,这表明汉字具有显着的分形特性。
刘丽,何华灿,贾澎涛[5](2007)在《泛逻辑控制模型研究》文中研究说明提出了一种基于泛逻辑学中零级泛组合模型的泛逻辑控制器,并根据输入变量数目的不同,设计了一维到四维泛逻辑控制模型结构。由于考虑到输入量之间的广义相关性,泛逻辑控制模型具有较强的通用性和适应能力,针对不同被控对象无须单独设计,是一种具有柔性潜质的智能控制模型。对典型线性和非线性系统的控制实验,证明了模型的有效性和优越性。
罗涧辉[6](2006)在《三维物体检测与重构中图像处理的应用和研究》文中研究说明三维物体检测与重构技术是计算机图像处理技术的一个分支,是计算机视觉和计算机图像图形处理相结合的一个研究方向,它在生产自动化、机器人视觉、CAD、工业制造、虚拟现实和医学等领域都有着广泛的应用前景。如何快速而准确地获取被测物体表面的三维物体形状信息,并根据这些信息怎样运用数字图像处理的方法进行处理,从而获得较好的被测物体形状检测与重构的效果,仍然是一项重要而有难度的研究课题。本论文探讨了一种非接触式快速获取三维物体外形的检测方法——面结构光投影三角测量法。当向被测物体表面投射条纹光栅时,从与投影光轴成一定角度的方向观测到由于物体表面凹凸变化而在其表面产生的畸变条纹,这些畸变条纹就包含了物体表面形状的三维信息。畸变条纹图像由CCD摄像头拍摄并传送至计算机,对这些图像进行预处理(剪切、滤波等)、分形图像编码、阈值分割、形态学处理(腐蚀、膨胀、细化等)等一系列处理后,根据相应的数学模型和数字图像处理算法对畸变条纹进行分析,得到被测物体表面的三维外形数据信息。并在此基础上进行三维重构点云处理,读入坐标数据,再在屏幕上显示,同时也进行了旋转、平移、缩放、采样、稀释等一系列点云处理操作。在本文的最后讨论和分析了课题进一步的理论研究方向。
毛明毅[7](2006)在《面向对象的广义空间逻辑运算模型与推理研究》文中研究指明本课题的研究来源于国家自然科学基金资助项目“经验知识推理理论研究”(No.6027308)及北京市自然科学基金资助项目“不精确推理理论研究”(No.4032009)。 在广义相关性和广义自相关性的基础上,泛逻辑给出了逻辑学的一种统一理论框架,为研究复杂系统中的柔性逻辑推理奠定了理论基础。在软件工程中,面向对象技术发挥了重要作用,它大大简化了复杂问题的描述和编程。 本文在泛逻辑的基础上,利用面向对象的思想和方法,探讨了逻辑系统的组成结构、运算模型、推理规则、应用形式,提出了“面向对象的广义空间逻辑运算模型(Object-oriented Generalied Spatial Logic Operation Model,OGSLOM)”,并对其各个部分进行了系统地研究,主要的创新点有: 1.理论概念 在逻辑推理系统中引入了“面向对象”、“广义空间”等概念,分析了命题对象、连接词对象、量词对象、规则对象,给出了相关属性,讨论了研究面向对象的广义空间逻辑的必要性。 2.运算模型 在分析空间位置相关性的基础上,提出了“面向对象的广义空间逻辑运算模型OGSLOM”,其中包括多属性命题对象的封装模型、广义连接词运算的黑箱封装模型。在给出统一封装模型的基础上,定义了基础神经元和常用神经元,设计了非、与、或、蕴涵、等价、平均、组合七种连接词的广义神经元封装模型。 3.技术方法 在推理过程中引入了“真值向量”、“空间图像”、“升空变换”、“落影变换”等概念,把命题对象纳入到参考空间中进行处理,突破了传统的命题推理范式。研究了广义连接词的生成规则、面向对象的广义推理规则、信任逻辑推理规则,并给出了推理规则的面向对象表达。 4.仿真应用 设计并实现了OGSLOM模型的仿真系统,支持命题对象及其属性的管理,对
吴盘龙[8](2006)在《防区外空面导弹制导系统关键技术研究》文中提出由于防区外空面导弹具有防区外发射、巡航飞行和精确打击等诸多优点,因此在战争中发挥着越来越重要的作用。提高防区外空面导弹作战效能的最有效手段是提高其制导精度。本文针对防区外空面导弹所采用的精确制导技术及智能化技术,研究了惯导误差补偿、组合导航和红外成像木制导的相关问题。本文的主要工作与取得的成果如下: 1、研究了基于小波变换的惯导信号滤波方法。利用小波变换这一数学工具,对惯导系统的随机漂移和重力异常信号进行去噪研究。提出了基于平稳小波变换的光纤陀螺信号滤波方法和重力异常信号滤波方法。由于平稳小波变换具有冗余性和平移不变性,因此平稳小波的滤波效果明显优于传统的正交小波。 2、研究了基于粒子滤波的惯性/地形匹配算法。对基于贝叶斯估计的粒子滤波算法进行了研究,通过采用无迹卡尔曼滤波确定粒子滤波的重要性函数来克服粒子滤波的退化现象。将粒子滤波应用到地形辅助导航系统中,提出了一种基于无迹粒子滤波的地形匹配算法,对该算法的仿真实验表明,粒子滤波可以很好的解决非线性估计问题,且具有较高的滤波精度。 3、研究了红外图像目标及背景的红外特性,对传统的红外图像预处理方法进行了研究。对于图像增强主要分析了灰度级调整和直方图均衡化两种方法。对于图像去噪,首先讨论了不同类型的噪声分布,并对传统的线性滤波和非线性滤波方法进行了分析;然后总结了基于多重分形的图像去噪方法;最后,提出了一个基于方向金字塔系数统计模型的图像滤波方法,采用高斯混合尺度模型对方向金字塔每层分解系数的邻域进行建模,该模型可以很好地解释金字塔多尺度分解系数的边缘分布和两两混合分布。试验结果表明该方法不仅可以去除高斯噪声,并且对于斑点噪声也具有很好的抑制能力。 4、研究了数学形态学在地面目标检测中的应用。在详细研究了数学形态学图像处理的方法后,提出了一种红外目标图像的自动分割方法,试验结果证明融合形态滤波技术和连接相对熵阈值方法可以有效的分离目标和背景,且不需要先验知识,因此具有一定的鲁棒性和自适应性。 5、研究了基于形态重构滤波的目标识别技术,形态重构滤波器是一种非常高效的非线性滤波器,它能够在简化图像的同时,很好地保持图像的轮廓。从机场图像的跑道目标识别出发,提出了一种基于形态重构的机场跑道识别方法,该方法能够有效的识别出多条平行不等长的主跑道和交叉跑道。仿真结果表明该方法用于识别机场等直线类图像目标具有较好的效果。
江铭炎[9](2005)在《软计算方法及其在通信信息处理中的应用研究》文中研究表明随着通信、计算机、电子学科的不断发展,其工程应用日趋广泛和深入,所采用的数学方法也随之不断地丰富,在大量的工程应用中由于信息处理的需求,软计算方法得到大量的应用,其理论也在不断的发展,其与其它方法的结合应用也在不断出现,使之在信息处理应用中显现出极大的重要性,本文主要对软计算方法(包括:小波理论、人工神经网络、优化算法、分形理论、混沌理论、数学形态学等)在信息处理中的应用进行了深入的研究,探讨了软计算方法在工程应用中出现的问题及不同数学方法的融合进行信息软计算处理方法及应用。 通信的信道是研究通信系统的重要部分,其模型及实际容量性能是重要的研究热点,论文首先研究了多径时变信道的模型,对多天线空间分集、信道编码时间分集、多载波调制频率分集三种分集技术,给出了最新技术的特点并对其性能应用和组合系统应用进行了比较,给出了相关的技术研究热点和发展趋势。 针对目前通信中多径时变信道的特点,及载波频偏的影响,对信道的估计已成为通信系统中信息处理不可缺少的重要一环,包括各种非盲、半盲、盲的信道跟踪估计方法不断涌现,尤其是多天线空间分集的大量应用,使通信系统不断加大复杂程度的同时,系统性能不断得到提高,在此情况下,提出采用自适应滤波方法完成盲的多径时变信道估计。在多天线信道情况下研究了用Kalman滤波算法的非盲的信道估计算法,提出在多天线快变信道下的Kalman跟踪估计算法并应用于图像通信传输系统,在系统存在载波频偏的情况下仍能有效地跟踪信道。研究了蒙特卡罗算法,提出的基于蒙特卡罗算法的多天线时变信道的盲估计算法,在不需导频和存在频偏的情况下能有效地跟踪快变信道。 小波理论及工程应用近年来不断得到发展,本文分析研究了小波,多进制小波和复小波的理论,将它们分别应用于通信系统、信号处理、图像处理中,在去噪的应用中,提出基于小波去噪及小波插值的OFDM信道估计,有效提高OFDM系统中的信道估计精度和插值精度,提高系统的误比特率。提出小波变尺度阈值的维纳滤波去噪方法,可提高去噪性能;采用小波的方法对语音信号功率谱进行有效估计。将多进制小波及将复小波应用在图像水印嵌入,以提高其安全性能;将多进制小波和复小波应用于直接序列扩频通信,提出了窄带干扰去除算法,可有效提高去干扰能力。提出将小波和分形方法应用于图像插值放大,可有效地解决图像放大的精度问题。 对某一问题求最优解,是工程中常见问题,优化算法理论是当前研究计算智能的重要内容,其应用遍及信息处理的各个领域,其优化方法也在不断丰富,论文主要研究了遗传算法及粒子群算法,提出了采用其对小波去噪阈值最优估计算法;研究了人工鱼群算法,并将其应用于小波的阈值最优确定及滤波器设计。 多载波调制可有效提高系统传输速率,现在研究很热的是正交频分复用OFDM技术,论文将正交小波基应用到多载波调制中,提出基于小波包的高载波数调制方法并与OFDM系统在Rayleigh复变信道下做了比较,分析了小波多载波调制技术优点,其理论及应用正成为研究的一个热点。 由于通信信道的多径效应,将会导致通信系统中出现码间干扰,而克服码间干扰的手段是采用信道均衡技术,论文研究了小波神经网络,并将其应用到信道均衡,提出一种变尺度的小波神经网络信道均衡算法,可有效减少网络神经元数目,提高均衡质量,有效降低系统的误比特率。 通信信道编码是通信领域中研究的热点,论文针对当前的TURBO码进行了
杨倩[10](2005)在《分形图像压缩编码的算法研究及DSP实现》文中研究指明本课题来源于河南省科技攻关计划项目“分形图像压缩编码的算法研究及DSP实现”。本项目的工作包括以下四个方面: 一、图像的自相似性研究; 二、提出一种快速分形图像编码方法; 三、基于分形图像编码的数字水印技术研究; 四、分形图像编码快速算法的DSPs实现。 本文首先介绍了分形的基本概念和分形编码研究的发展,概括论述了分形与分形图像编码的数学理论基础。 在图像的自相似性研究中,本文提出了一种图像自相似系数的定义和计算方法。仿真结果表明本文定义的图像自相似系数能很好地反映图像的自相似性。 针对分形图像编码时间过长的缺点,本文利用分形理论中的解码与分辨率无关的特性,提出一种快速分形图像编码方法。此方法与传统的编码方法相比,大幅提高了编码速度,而编码的性能没有受到影响。在此基础上,将提出的快速算法以DSPs硬件实现,并对程序进行了充分优化。 在基于分形图像编码的数字水印技术研究方面,本文首先综述了基于分形图像编码的数字水印技术原理及发展状况,然后对传统的方法进行改进。改进后的算法在嵌水印图像质量和水印的鲁棒性方面均有提高。
二、分形图像的泛逻辑运算模型(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、分形图像的泛逻辑运算模型(论文提纲范文)
(1)基于变值体系在基因序列上的研究与拓展(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究现状 |
1.3 与本文相关的生物学基础知识 |
1.4 论文的研究内容和工作安排 |
1.4.1 论文的主要研究内容 |
1.4.2 论文的创新点 |
1.5 论文的文章结构 |
第二章 相关理论体系及应用 |
2.1 变值逻辑体系概述 |
2.2 逻辑模块 |
2.3 测量模块 |
2.3.1 参数介绍 |
2.4 可视化模块 |
2.4.1 厚壁菌门下细菌五组测度值可视化结果 |
2.4.2 测度值(N(AT)_i,(AG)_i)下的土壤群聚细菌2Dmaps |
2.4.3 测度值(N(AT)_i,(AG)_i)下的土壤群聚细菌3Dmaps |
2.4.4 测度值(N(AT)_i,(AG)_i)下的三类主要土壤细菌2Dmaps |
2.4.5 测度值(N(AT)_i,(AG)_i)下的冠状病毒2Dmaps |
2.5 结果分析 |
2.6 与郝柏林方法的对比实验分析 |
第三章 变值逻辑体系拓展模型 |
3.1 图形表示法概述 |
3.2 可视化拓展模型概述 |
3.3 参数介绍 |
3.4 模型介绍 |
3.4.1 数据生成模块 |
3.4.2 测量模块 |
3.4.3 可视化模块 |
3.5 模型演示 |
第四章 变值体系拓展模型的可视化结果展示与分析 |
4.1 实验数据及相关知识介绍 |
4.2 实验数据说明 |
4.3 结果图示 |
4.3.1 九种不同冠状病毒比较 |
4.3.2 不同国家新型冠状病毒比较 |
4.4 结果分析 |
第五章 总结和展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
攻读硕士学位期间完成的科研成果 |
致谢 |
(2)神经网络分形分析(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 项目背景和意义 |
1.2 神经网络与分形的研究发展 |
1.3 论文主要研究内容 |
2 神经网络与分形 |
2.1 神经网络简介 |
2.1.1 人工神经元 |
2.1.2 BP 神经网络 |
2.2 分形简介 |
2.3 分形维数算法 |
2.3.1 盒子覆盖算法简介 |
2.3.2 改进型盒子维数基本步骤 |
2.3.3 R/S 分析算法简介 |
2.3.4 DFA 分析算法简介 |
2.3.5 DFA 分析算法基本步骤 |
2.4 小结 |
3 基于时间序列的神经网络权值分析 |
3.1 神经网络权值序列简介 |
3.2 盒子维数分析 |
3.2.1 应用改进型盒子维数算法对神经网络权值分析 |
3.2.2 小结 |
3.3 R/S 分析法 |
3.3.1 应用 R/S 算法对神经网络权值分析 |
3.3.2 小结 |
3.4 DFA 分析法 |
3.4.1 应用 DFA 算法对神经网络权值分析 |
3.4.2 小结 |
3.5 HURST 指数与网络训练次数和时程相关性分析 |
3.6 HURST 指数与网络结构和泛化能力分析 |
4 MIV 分析和分形维数分析比较 |
4.1 MIV 算法 |
4.2 模型建立 |
4.3 具体实现 |
4.4 小结 |
5 对比分析 |
5.1 R/S 分析法与 DFA 分析法对比 |
5.2 不同优化训练算法对比分析 |
5.3 不同神经网络对比分析 |
5.4 分形维数与性能误差对比分析 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
(3)基于分形图像的隐写术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及课题意义 |
1.2 隐写术研究现状 |
1.3 论文的主要研究内容及章节安排 |
第二章 隐写术基础理论 |
2.1 图像信息隐藏基本原理 |
2.1.1 人类视觉掩蔽特性 |
2.1.2 图像信息本身的冗余性 |
2.2 隐写术系统模型及性能要求 |
2.2.1 隐写术系统模型 |
2.2.2 隐写术性能要求 |
2.3 隐写术算法 |
2.3.1 空间域算法 |
2.3.2 变换域算法 |
2.3.3 其他类型的算法 |
2.4 图像信息隐藏质量评价指标 |
2.4.1 主观评价 |
2.4.2 客观评价 |
2.5 隐写术系统的安全性 |
2.6 本章小结 |
第三章 面向隐写术载体图像选择的图像复杂度研究 |
3.1 隐写术载体图像选择的意义分析 |
3.2 面向隐写术载体图像选择的图像复杂度研究 |
3.2.1 彩色图像模型转换 |
3.2.2 图像复杂度理论 |
3.2.3 图像复杂度计算方法 |
3.2.4 一种新的图像复杂度计算方法 |
3.3 图像复杂度实验与分析 |
3.4 本章小结 |
第四章 基于分形图像的隐写术研究 |
4.1 分形基础 |
4.1.1 分形概述 |
4.1.2 分形图像生成方法的改进 |
4.2 基于分形图像的隐写术系统框架 |
4.3 基于分形图像的隐写术特性分析 |
4.3.1 工程实现的简便性 |
4.3.2 载体图像的安全性和不可检测性 |
4.3.3 载体图像的高复杂度特性 |
4.4 一种基于分形图像生成过程的隐写术算法 |
4.4.1 信息嵌入步骤 |
4.4.2 信息提取步骤 |
4.4.3 实验与分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
作者在学期间发表的论文 |
(4)GB18030汉字的分形相关性研究(论文提纲范文)
1 引言 |
2 汉字图像与格分维理论 |
2.1 汉字字模与字图像 |
2.2 格分维理论的基本思想 |
3 汉字图像的格分维计算方法 |
3.1 汉字图像的测度选取原则 |
3.2 字图像的格分维计算方法 |
4 汉字的分形特性研究 |
4.1 汉字格分维的计算与分析范例 |
4.2汉字分形特性相关性分析 |
(5)泛逻辑控制模型研究(论文提纲范文)
1 基于柔性逻辑的智能控制模型 |
1.1 泛组合模型 |
1.2 泛逻辑控制模型设计 |
2 泛逻辑控制模型的应用 |
2.1 对典型线性系统的控制 |
2.2 对典型非线性系统的控制 |
2.3 泛逻辑控制器与其它控制器的对比 |
3 结论 |
(6)三维物体检测与重构中图像处理的应用和研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 三维检测技术概述 |
1.2 三维检测技术的发展现状 |
1.3 三维重构技术发展 |
1.4 本课题采用的方法 |
1.5 本课题的研究目的与意义 |
第二章 基本原理与系统的总体设计 |
2.1 基本原理 |
2.2 数学模型的建立与分析 |
2.3 三维物体形状检测与重构系统的总体设计 |
2.4 本章小节 |
第三章 三维物体形状的系统检测 |
3.1 系统的图像采集 |
3.2 系统检测部分的初始设置 |
3.3 图像数据的读取及存储格式 |
3.4 本章小结 |
第四章 系统图像处理 |
4.1 数字图像处理流程分析 |
4.2 图像预处理 |
4.2.1 图像剪切 |
4.2.2 图像滤波 |
4.3 分形图像编码 |
4.3.1 分形编码的理论基础 |
4.3.2 分形图像编码的原理 |
4.3.3 分形图像编码的步骤 |
4.3.4 分形图像编码后的效果及其分析 |
4.4 图像阈值分割 |
4.4.1 图像阈值分割基础 |
4.4.2 二维最大熵阈值分割算法 |
4.4.3 阈值分割效果比较及分析 |
4.5 图像形态处理 |
4.5.1 图像形态学的基本概念 |
4.5.2 图像腐蚀 |
4.5.3 图像膨胀 |
4.5.4 图像开运算 |
4.5.5 图像闭运算 |
4.5.6 图像开运算与闭运算效果比较及分析 |
4.5.7 图像细化与粗化 |
4.6 三维坐标转换 |
4.7 本章小结 |
第五章 系统重构点云处理 |
5.1 相关图形学理论基础 |
5.1.1 齐次坐标 |
5.1.2 三维图形的显示流程图 |
5.1.3 三维图形的几何变换 |
5.2 三维重构点云处理 |
5.2.1 点云显示 |
5.2.2 点云几何变换 |
5.3 点云重构处理效果及其分析 |
5.3.1 原始点云显示效果及其分析 |
5.3.2 点云重构几何变换处理效果 |
5.3.3 点云重构采样处理分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 三维检测进一步发展的方向 |
6.2 三维重构点云处理的完善 |
6.3 结束语 |
参考文献 |
作者简介 |
鸣谢 |
(7)面向对象的广义空间逻辑运算模型与推理研究(论文提纲范文)
摘要 |
ABSTRACT |
论文导图 |
第一章 绪论 |
1.1 引言 |
1.2 逻辑学的研究与发展 |
1.2.1 逻辑学的发展状况 |
1.2.2 泛逻辑学的基本要素 |
1.2.3 信息时代的发展方向 |
1.3 面向对象的发展与应用 |
1.3.1 面向对象的基本思想 |
1.3.2 面向对象的国内外现状 |
1.3.3 面向对象的特征概念 |
1.4 本文的研究内容与创新点 |
1.4.1 课题的目的与意义 |
1.4.2 研究思路与内容组织 |
1.4.3 课题的创新性分析 |
1.5 小结 |
第二章 逻辑基础与OGSLOM模型 |
2.1 泛逻辑与相关性推理 |
2.1.1 广义相关性 |
2.1.2 广义自相关性 |
2.1.3 相关性推理与柔性控制 |
2.2 广义NT范数与运算模型 |
2.2.1 广义NT范数 |
2.2.2 广义NT性生成元 |
2.2.3 泛逻辑运算模型 |
2.3 面向对象的广义空间逻辑运算模型 |
2.3.1 复杂系统的相关性推理 |
2.3.2 OGSLOM模型的提出 |
2.3.3 OGSLOM模型的组成 |
2.4 小结 |
第三章 面向对象的广义空间逻辑分析 |
3.1 面向对象的广义空间逻辑的必要性 |
3.1.1 空间相关性推理的需要 |
3.1.2 广义基空间推理的需要 |
3.1.3 面向对象集成推理的需要 |
3.2 面向对象的广义空间逻辑概念 |
3.2.1 “广义空间”基本含义 |
3.2.2 “广义相关性”的概念 |
3.2.3 “面向对象逻辑”思想 |
3.3 面向对象的逻辑系统分析 |
3.3.1 逻辑系统中的类与对象 |
3.3.2 类描述的格式与内容 |
3.3.3 逻辑对象的属性设计 |
3.4 小结 |
第四章 面向对象的广义空间逻辑运算模型 |
4.1 逻辑推理中的相关性 |
4.1.1 泛逻辑中的相关性 |
4.1.2 顶天花板问题 |
4.1.3 空间位置相关性 |
4.2 面向对象的广义空间逻辑运算模型 |
4.2.1 面向对象的广义空间逻辑运算模型 |
4.2.2 OGSLOM连接词的统一表达 |
4.2.3 真值向量的表达方式 |
4.2.4 空间图像的区间数表达 |
4.2.5 升空变换与落影变换 |
4.2.6 基于区间数的命题逻辑运算 |
4.2.7 空间逻辑运算的形式化 |
4.3 面向对象的广义空间逻辑运算的实现方法 |
4.3.1 空间逻辑运算的实现步骤 |
4.3.2 基于区间数的命题级逻辑运算实现算法 |
4.3.3 基于象素点的空间图像的逻辑运算 |
4.3.4 基于象素点的谓词级逻辑运算实现算法 |
4.4 OGSLOM模型应用示范 |
4.4.1 顶天花板问题的求解 |
4.4.2 灰度图像的广义空间逻辑运算 |
4.4.3 OGSLOM中的DeMorgan定理 |
4.5 小结 |
第五章 面向对象的广义推理规则 |
5.1 广义连接词的生成规则 |
5.1.1 生成基规则 |
5.1.2 生成元规则 |
5.1.3 拓序规则 |
5.1.4 基空间变换规则 |
5.2 面向对象的广义推理规则 |
5.2.1 永真蕴涵规则 |
5.2.2 永真等价规则 |
5.2.3 平均组合规则 |
5.3 面向对象的信任逻辑推理规则 |
5.3.1 Kailar逻辑推理规则 |
5.3.2 BAN逻辑推理规则 |
5.3.3 信任逻辑中的相关性 |
5.4 小结 |
第六章 广义连接词的神经元封装模型 |
6.1 逻辑神经元研究现状 |
6.1.1 传统的神经元模型 |
6.1.2 模糊逻辑神经元 |
6.1.3 基于T范数的神经元 |
6.2 广义连接词的封装与神经元 |
6.2.1 多属性命题对象的封装 |
6.2.2 连接词对象的封装模型 |
6.2.3 广义空间逻辑神经元统一模型 |
6.2.4 基础神经元与常用子神经元 |
6.3 广义连接词的逻辑神经元模型 |
6.3.1 广义非运算神经元模型 |
6.3.2 广义与运算神经元模型 |
6.3.3 广义或运算神经元模型 |
6.3.4 广义蕴涵运算神经元模型 |
6.3.5 广义等价运算神经元模型 |
6.3.6 广义平均运算神经元模型 |
6.3.7 广义组合运算神经元模型 |
6.4 关于广义连接词神经元的分析 |
6.4.1 广义神经元在[0,1]上的具体形式 |
6.4.2 广义神经元中h,k的影响情况 |
6.5 小结 |
第七章 OGSLOM系统仿真与应用研究 |
7.1 仿真系统的设计与开发 |
7.1.1 仿真界面与功能设计 |
7.1.2 命题对象及属性管理 |
7.1.3 广义神经元模型仿真 |
7.2 分形图像的空间逻辑运算 |
7.2.1 分形图像及分形维数 |
7.2.2 分形图像的空间逻辑运算仿真 |
7.2.3 分形图像的空间逻辑运算步骤 |
7.3 分形图像中OGSLOM应用研究 |
7.3.1 分形图像的空间逻辑连接词 |
7.3.2 图像的空间逻辑运算示范 |
7.3.3 复杂图像的逻辑运算应用 |
7.4 小结 |
第八章 总结与展望 |
8.1 本文的工作总结 |
8.2 今后的研究方向 |
参考文献 |
博士期间发表的文章与科研实践 |
致谢 |
(8)防区外空面导弹制导系统关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
第一章 绪论 |
1.1 引言 |
1.1.1 发展防区外空面导弹的意义 |
1.1.2 防区外空面导弹的特点及发展概况 |
1.2 导航系统中的非线性滤波方法 |
1.2.1 信号的非线性滤波方法 |
1.2.2 状态的非线性滤波方法 |
1.3 成像末制导图像处理技术的研究 |
1.3.1 红外图像预处理方法研究 |
1.3.2 自动目标识别技术的研究 |
1.4 本文主要工作与结构安排 |
1.4.1 本文的主要研究内容 |
1.4.2 论文的章节安排 |
第二章 惯导系统误差处理技术的研究 |
2.1 引言 |
2.2 小波变换的数学基础 |
2.2.1 小波变换及其性质 |
2.2.2 多分辨率分析 |
2.2.3 正交小波变换的分解与重构 |
2.2.4 平稳小波变换 |
2.3 基于小波变换的陀螺漂移信号滤波 |
2.3.1 陀螺漂移的数学模型 |
2.3.2 陀螺漂移信号的小波去噪 |
2.3.3 试验结果与分析 |
2.4 基于小波变换的重力仪信号滤波 |
2.4.1 重力异常状态方程 |
2.4.2 重力仪信号的小波去噪 |
2.4.3 试验结果与分析 |
2.5 小结 |
第三章 粒子滤波及其在地形辅助导航系统中的应用 |
3.1 引言 |
3.2 贝叶斯估计与无迹卡尔曼滤波 |
3.2.1 贝叶斯估计 |
3.2.2 无迹卡尔曼滤波 |
3.3 粒子滤波算法 |
3.3.1 蒙特卡罗近似方法 |
3.3.2 重要性采样及退化现象 |
3.3.3 粒子滤波及无迹粒子滤波 |
3.3.4 粒子滤波仿真 |
3.4 粒子滤波在地形辅助导航系统的应用 |
3.4.1 地形辅助导航系统 |
3.4.2 基于粒子滤波的地形匹配算法 |
3.4.3 试验结果与分析 |
3.5 小结 |
第四章 末制导红外图像预处理方法的研究 |
4.1 引言 |
4.2 红外图像特点分析 |
4.3 常用的红外图像预处理方法 |
4.3.1 图像增强 |
4.3.2 图像复原 |
4.3.3 噪声滤波算法 |
4.4 基于多重分形去噪方法的研究 |
4.4.1 多重分形理论 |
4.4.2 基于多重分形的图像去噪 |
4.4.3 试验结果与分析 |
4.5 基于高斯混合尺度模型的图像去噪 |
4.5.1 方向金子塔 |
4.5.2 金字塔分解系数的GSM模型 |
4.5.3 试验结果与分析 |
4.6 小结 |
第五章 基于数学形态学的地面目标检测 |
5.1 数学形态学的基本运算 |
5.1.1 二值形态学基本运算 |
5.1.2 灰度形态学基本运算 |
5.2 形态滤波方法 |
5.2.1 形态学滤波 |
5.2.2 灰值形态学梯度 |
5.2.3 Top-Hat变换 |
5.3 基于形态学和连接相对熵的目标检测 |
5.3.1 自适应阈值分割 |
5.3.2 连接相对熵阈值的选取 |
5.3.3 基于形态学增强的连接相对熵的目标检测 |
5.3.4 实验结果与分析 |
5.4 基于重构滤波的目标检测 |
5.4.1 形态重构理论 |
5.4.2 重构滤波器的结构及分类 |
5.4.3 试验结果与分析 |
5.5 小结 |
第六章 末制导目标识别技术的研究 |
6.1 引言 |
6.2 自动目标识别技术 |
6.2.1 ATR技术的发展状况 |
6.2.2 目标特征提取 |
6.3 机场跑道目标识别方法 |
6.3.1 机场目标特点 |
6.3.2 基于重构滤波的跑道检测 |
6.3.3 实验结果与分析 |
6.4 基于非均匀映射变换的目标识别技术 |
6.4.1 非均匀映射变换技术 |
6.4.2 奇异值分解及性质 |
6.4.3 映射变换图的目标识别方法 |
6.4.4 试验结果与分析 |
6.5 小结 |
第七章 结束语 |
参考文献 |
致谢 |
博士期间发表的论文和获得的奖励 |
(9)软计算方法及其在通信信息处理中的应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 引言 |
1.1 信息科学中的软计算方法及应用状况 |
1.2 小波、神经网络、优化算法、混沌理论、分形、数学形态学的理论概述 |
1.3 主要研究工作和论文贡献 |
参考文献 |
第二章 多径信道下的空时频分集技术 |
2.1 时变多径信道 |
2.2 空时频分集 |
2.3 空时码在频率选择性衰落信道下的应用 |
参考文献 |
第三章 多天线空时分集信道跟踪与估计 |
3.1 基于自适应滤波算法的多径信道估计 |
3.2 基于KALMAN滤波多天线系统信道跟踪 |
3.3 基于序贯蒙特卡罗算法多天线通信信道盲估计 |
参考文献 |
第四章 小波及其在信息处理中的应用 |
4.1 小波包多载波调制 WOFDM |
4.2 多进制小波和复小波在直接序列扩频通信窄带干扰去除中的应用 |
4.3 基于小波去噪及小波插值的OFDM信道估计 |
4.4 小波多尺度阅值的维纳滤波去噪方法 |
4.5 基于小波的信号功率谱估计方法 |
4.6 多进制小波在图像水印中的应用 |
4.7 复小波在图像水印中的应用 |
4.8 图像小波分形插值放大方法 |
参考文献 |
第五章 优化算法及其应用 |
5.1 基于遗传算法及粒子群算法的小波最优阅值估计 |
5.2 基于人工鱼群算法的小波阅值及滤波器设计 |
参考文献 |
第六章 混沌及其应用 |
6.1 混沌TURBO码 |
6.2 混沌交织器的性能研究 |
参考文献 |
第七章 小波神经网络及其应用 |
7.1 小波神经网络 |
7.2 基于变尺度小波神经网络的信道均衡 |
参考文献 |
第八章 数学形态学及其应用 |
8.1 数学形态学基本运算 |
8.2 基于数学形态学的多级平均图像边缘检测 |
参考文献 |
第九章 总结 |
致谢 |
攻读博士期间发表的文章、着作、专利申请及获奖 |
(10)分形图像压缩编码的算法研究及DSP实现(论文提纲范文)
摘要 |
Abstract |
第一章 概论 |
1.1 课题背景 |
1.2 选题意义 |
1.3 课题来源及本文研究的主要内容 |
第二章 分形图像编码的理论基础 |
2.1 分形概念的提出 |
2.2 分形图像压缩方法 |
2.3 分形图像压缩的数学基础 |
2.3.1 基本概念 |
2.3.2 迭代函数系统 |
2.3.3 局部迭代函数系统 |
2.4 小结 |
第三章 图像的自相似性研究 |
3.1 局部相似系数 |
3.2 全局自相似系数 |
3.3 仿真结果 |
3.4 小结 |
第四章 分形图像编码的快速算法 |
4.1 传统分形图像编码算法 |
4.2 快速分形图像编码算法的研究现状 |
4.3 快速分形图像编码算法 |
4.4 仿真结果 |
4.5 小结 |
第五章 基于分形理论的数字水印技术 |
5.1 数字水印概述 |
5.2 基于分形图像编码的数字水印技术原理 |
5.3 基于分形图像编码的数字水印的研究进展 |
5.4 基于分形图像编码的数字水印的改进算法 |
5.5 仿真结果 |
5.6 小结 |
第六章 快速分形图像编码方法的 DSP实现 |
6.1 TMS320C6711DSPs结构及特点 |
6.1.1 TMS320C6711DSPs芯片简介 |
6.1.2 TMS320C6711DSPs的结构 |
6.2 CCS集成开发环境 |
6.3 分形图像编码在 TMS320C6711DSPs上的实现 |
6.3.1 基于TMS320C6711DSPs图像处理系统的介绍 |
6.3.2 TMS320CC6711DSPs上的软件开发过程 |
6.4 实验结果 |
6.5 小结 |
第七章 结束语 |
致谢 |
参考文献 |
附录 |
四、分形图像的泛逻辑运算模型(论文参考文献)
- [1]基于变值体系在基因序列上的研究与拓展[D]. 杜流云. 云南大学, 2020(08)
- [2]神经网络分形分析[D]. 龙映辉. 江西农业大学, 2014(03)
- [3]基于分形图像的隐写术研究[D]. 于瑞厚. 国防科学技术大学, 2008(05)
- [4]GB18030汉字的分形相关性研究[J]. 毛明毅,陈志成,李文正,何华灿. 计算机科学, 2007(11)
- [5]泛逻辑控制模型研究[J]. 刘丽,何华灿,贾澎涛. 计算机工程, 2007(19)
- [6]三维物体检测与重构中图像处理的应用和研究[D]. 罗涧辉. 东南大学, 2006(04)
- [7]面向对象的广义空间逻辑运算模型与推理研究[D]. 毛明毅. 西北工业大学, 2006(04)
- [8]防区外空面导弹制导系统关键技术研究[D]. 吴盘龙. 西北工业大学, 2006(05)
- [9]软计算方法及其在通信信息处理中的应用研究[D]. 江铭炎. 山东大学, 2005(07)
- [10]分形图像压缩编码的算法研究及DSP实现[D]. 杨倩. 郑州大学, 2005(08)
标签:隐写术论文; 分形图论文; 逻辑运算论文; 面向对象分析与设计论文; 图像编码论文;