一、二步过程生成((ΩΩ)_0)~+机制的研究（论文文献综述）
符蕴芳[1]（2020）在《基于张量分解理论的三维人脸表情识别算法研究》文中进行了进一步梳理人脸表情是人类沟通情感、调节气氛或与他人互动的最有效、最自然、最突出的方式。人脸表情识别在计算机视觉、情感计算和多媒体研究中得到了广泛的关注和应用。传统的人脸表情识别算法借助向量这一数据表示来刻画各类表情特征,不仅会造成人脸表情数据样本的空间结构信息丢失,而且会因为维数过高而产生小样本与维数灾难问题。为解决此问题,我们引入高阶张量这一数据表示,并提出基于张量分解理论的三维人脸表情识别算法。一方面,借助张量的高阶表示,充分保留了三维人脸表情的空间结构信息;另一方面,借助张量稀疏低秩分解来刻画人脸表情特征中的相似性,实现数据有效降维;最后我们借助当前流行的大规模优化理论与方法,建立稀疏低秩张量优化模型,进而设计高效稳定的三维人脸表情识别算法。论文的主要贡献如下:1.提出了基于张量稀疏低秩分解的三维人脸表情识别理论框架。其中,张量建模思想与稀疏低秩张量分解技术,属于三维人脸表情识别方法论上的一个新技术。另外,高效求解这一稀疏低秩张量优化模型,设计快速稳健优化算法,需要深入分析相应的高阶张量优化理论,其研究结果将丰富在三维人脸表情识别中的大规模优化理论的研究内容与最优化理论;2.提出了一种基于低秩张量完备性（FERLr TC）的张量分解算法。为解决基于向量表示的特征提取导致维数过高而产生小样本与维数灾难问题,我们利用2D+3D人脸数据构造了4D张量,并通过对它的Tucker分解,利用核张量的logsum惩罚函数及对因子矩阵引入低秩约束,来保持张量投影空间的判别性。最后,利用秩降低策略以优化最小化的方式求解因子矩阵。完整的数值实验验证了该算法的有效性。这说明了Tucker分解作为一种强大的降维技术能够捕获4D张量的低秩结构,生成的低维特征在张量子空间中能较好地反映原始4D张量数据的本质;3.提出了一种基于先验信息的正交张量补全（OTDFPFER）算法。为解决4D张量表情样本通过张量分解后提取的低维特征在张量子空间中也表现相似的问题,我们将4D张量的第4模的相似矩阵导出的Laplacians图作为先验信息,对因子矩阵引入图嵌入正则化,保持低维空间的一致性。然后,设计交替方向法（ADM）与优化最小化（MM）方案来解决由此产生的张量补全问题。实验结果表明OTDFPFER对人脸表情识别有很好的效果,这说明了在算法中引入与因子矩阵相关的图嵌入框架比利用因子矩阵的低秩性结构更能表征样本间的相似性;4.提出了一种基于流形正则化（FERMROTD）的正交张量的三维人脸表情识别模型,在低维张量空间利用流形结构约束来实现三维张量表情样本局部结构（几何信息）的保持。块坐标下降算法（BCD）对此模型进行优化求解,并对模型的收敛性及复杂度进行了理论分析。同时建立了基于稳定点的一阶最优性条件。模型的有效性在BU-3DFE和Bosphorus数据库上得到了验证,实验结果也说明了利用流形正则化项比引入与因子矩阵相关的图嵌入框架,能更好地在低维张量子空间提取真实反映三维张量表情流形的低维特征。
马旭[2]（2020）在《垄行作物冠层反射率建模研究》文中研究说明冠层反射率建模研究是植被遥感的基础性研究,可为基于物理的生物物理参数反演提供核心算法。在农业研究中,作物冠层可分为连续作物冠层和垄行作物冠层,连续作物冠层结构较为简单,因此对其研究较为成熟。不同于连续作物冠层,垄行作物冠层具有垄结构特征。因此,开展垄行作物冠层反射率建模研究,建立精度可靠的反射率模拟模型,有助于更精确的反演垄行作物季节变化的生物物理参数。在植被定量遥感领域,垄行作物冠层反射率建模越来越受到重视。根据物理机制,垄行作物冠层反射率建模可分为辐射传输（Raditive Transfer,RT）方法,几何光学（Geometric Optics,GO）方法和计算机模拟三种。其中RT和GO方法有着较高的计算精度,而且运算时间更快,因此,RT和GO方法被广泛的用于遥感反演中。目前基于RT方法的垄行作物冠层反射率模型忽略水平辐射传输,进而引起模拟过程中植被辐射能量不平衡,最终导致在较大观测天顶角情况下反射率模拟结果欠佳。基于GO方法的垄行作物冠层反射率模型则忽略了多次散射贡献,从而产生了反射率被低估的现象。尽管前人研究中针对森林考虑了多次散射,但是垄行作物有其独特的几何特征,因此,针对森林的建模方法无法直接应用于垄行作物。针对上述问题,本论文开展了垄行作物冠层反射率建模研究,具体内容和研究结果如下:（1）为解决目前垄行作物辐射传输模型在大的观测天顶角下反射率模拟欠佳的问题,本研究在考虑水平辐射传输的基础上,建立了一个能够描述冠层闭包的修正四流辐射传输方程组,并针对垄间区域推导出积分形式的辐射传输方程;通过求解建立的方程（组）,构建了一个考虑单次散射和多次散射的修正四流辐射传输模型（Modified Four-Stream Radiative Transfer Model,MFS）。通过计算机模拟验证和原位测量验证,结果表明:MFS模型可用于模拟不同生长阶段的垄行作物冠层的多角度反射率,其精度可与计算机模拟相当（均方根误差,RMS<0.019）。此外,MFS模型可用于模拟连续作物（RMSE=0.012）和垄行作物冠层（RMSE<0.023）的反射率。本研究基于RT方法建立的MFS模型有效地解决了之前垄行作物模型模型中较大的观测天顶角情况下模拟欠佳的问题。（2）为了解决GO方法建立的垄行作物模型忽略多次散射造成的反射率低估问题,本研究考虑单次散射的孔隙率所涉及的覆盖关系,准确的计算出单次散射。在此基础上,引入累加法和积分形式的辐射传输方程的数学解,推导出了适用于GO方法的多次散射方程,最终建立了可描述单次散射和多次散射的垄行作物冠层反射率模型（Row模型）。计算机模拟验证和原位测量验证的结果表明:基于GO方法建立的Row模型,可用于模拟不同生长阶段作物的冠层多角度反射率,其RMSE小于0.0404。此外,Row模型可准确模拟热点附近的单次散射（RMSE<0.0057）以及多次散射（RMSE<0.0062）。本研究表明,GO方法建模中多次散射不能忽略,基于GO方法建立的Row模型可以解决热点附近单次散射模拟误差,并准确的计算出多次散射。（3）作为应用实例,本研究以OMIS-II（Operational Modular Imaging Spectrometer-II）和OLI（Operational Land Imager）的影像为数据源,将提出的垄行作物冠层反射率模型用于垄行作物植被覆盖度（Fractional Vegetation Cover Vegetation,FVC）的反演,尝试解决目前高空间分辨率影像（影像所感知的垄结构越来越显着）中依然使用连续作物冠层反射率模型反演垄行作物FVC引起的反演结果欠佳问题。通过与目前常用算法对比,结果显示:MFS模型反演垄行作物FVC的平均绝对偏差为3%,Row模型反演FVC的平均绝对偏差为17.9%,表明本研究提出的MFS模型和Row模型在垄行作物植被参数的遥感反演中具有很好的实际应用价值。
姜乔木[3]（2020）在《大规模网络分布式估计中的错误数据注入攻击及其防御方法研究》文中提出随着信息技术的快速发展和网络规模的持续扩大,大规模的分布式网络架构在近年来受到了广泛的关注。分布式估计是大规模分布式网络最重要的应用之一,如何保证分布式估计过程的安全性已成为网络安全领域的一个研究热点。由于网络的开放特性,攻击者可以在分布式估计的执行过程中发起错误数据注入攻击（False Data Injection Attack,FDIA）。论文围绕大规模网络分布式估计中的FDIA及其防御方法展开研究。针对两种网络架构下的四种分布式估计场景,论文研究了分布式估计过程中潜在的FDIA风险、FDIA的检测与防御方法。论文的主要研究成果包括:（1）在分布式网络参数估计场景下,论文研究了分布式智能电网状态估计和分布式网络丢包层析中的FDIA及其防御方法。针对分布式智能电网状态估计,为了解决现有的实时FDIA检测机制中估计残差协方差矩阵不满秩的问题,论文采用估计残差预白化方法压缩估计残差的维度,使融合中心可以计算预白化后估计残差的概率密度函数。针对分布式网络丢包层析,论文采用不良数据处理（Bad Data Processing,BDP）机制评估测量数据的异常程度,并去除异常的测量数据,从而减轻异常测量数据对估计性能的影响,提高层析结果的可靠性。论文利用测量数据中的“非冗余测量值”设计了一种针对分布式网络丢包层析的隐秘型灰洞攻击策略,并提出了相应的防御方法,通过消除测量模型中的“非冗余测量值”,破坏灰洞攻击的隐秘性,使BDP机制可以检测并去除受到攻击的测量值。研究结果表明,所提出的FDIA防御机制可以有效对抗隐秘型灰洞攻击,同时降低网络丢包层析的误差。（2）在分布式网络拓扑估计场景下,论文研究了网络拓扑估计过程中潜在的FDIA及其防御方法。首先,从攻击者角度,论文设计了一种FDIA策略,恶意节点通过选择性地延迟转发数据包,在端到端传输时延测量值中注入预先设计的错误数据,使网络拓扑估计结果出错。研究结果表明,恶意节点可以通过调整攻击参数发起五种不同类型的FDIA,降低网络拓扑估计正确概率。然后,论文采用皮尔逊拟合优度检验技术,提出了一种FDIA检测方法,并给出了FDIA检测方法的理论性能。研究结果表明,所提出的FDIA检测方法可实现较高的FDIA检测概率,同时保证较低的虚警概率。（3）在一致性分布式参数估计场景下,论文研究了FDIA检测中的融合权重矩阵信息获取方法,并分析了融合权重矩阵信息对隐秘型FDIA及其防御方法的作用。在网络中存在多个相互合作的恶意节点的条件下,提出了一种一致性分布式参数估计的融合权重矩阵估计方法,并设计了一种利用融合权重矩阵信息的隐秘型FDIA策略。通过在发往邻居节点的信息中注入恶意数据,恶意节点可以使正常节点的估计结果收敛于一个错误值。针对存在的FDIA,论文提出了一种实时FDIA检测机制,其中的关键步骤是设计一种基于空间差分统计量的融合权重矩阵特征值估计方法,用于构建相邻节点的实时特征统计量。基于所提出的实时FDIA检测机制,论文给出了maximum-degree准则和Metropolis准则下可对抗FDIA的融合权重系数。研究结果表明,所提出的实时FDIA检测机制可以达到较高的攻击检测概率,同时保持较低的虚警概率。（4）在一致性+新息分布式滤波场景下,论文研究了大功率系统噪声的处理方法和FDIA防御方法。首先,论文利用柯西-施瓦茨不等式改进了估计误差协方差矩阵上界的推导方法,并且证明了改进后的估计误差协方差矩阵上界更紧。其次,针对由网络内部恶意节点发起的FDIA,提出了一种基于本地卡尔曼滤波的FDIA检测方法。节点利用本地卡尔曼滤波结果构建测量数据和状态参数的基准值,通过计算接收数据与相应基准值之间的归一化偏差,判断接收数据是否遭受FDIA。最后,论文给出了可对抗FDIA的次优融合权重系数设计方法,并且证明了在次优融合权重系数下滤波误差的收敛性。上述研究成果可以为大规模网络分布式估计的应用提供理论指导与技术支撑。
王博文[4]（2020）在《基于图论与匹配理论的社交物联网资源分配方法研究》文中进行了进一步梳理物联网作为互联网的应用拓展,将当前的交互形式拓展到人与物、物与物之间。物联网的理论框架以及技术路线的发展需要来自多领域,跨学科的协同创新。近年来,随着智能技术的发展,人们日常使用的设备也逐渐智能化,转化为可以情境感知、数据分析的智能设备,成为实现物联网万物互联不可或缺的元素。当设备被赋予足够的智能后,物与物能够通过交互建立社交关系,从而形成了智能物体间的社交网络——社交物联网（Social Internet of Things,SIoT）,其中社交意图驱动的资源分配方案设计至关重要。相对于传统集中式的优化方案,基于图论及匹配理论的分布式资源分配方案以其在计算复杂度、信令开销等性能上的优势成为无线通信领域的热门研究方向,并更适用于当前具有高动态性的网络拓扑结构。因此,借助图论与匹配理论,针对社交物联网应用场景中的内容共享、用户配对、任务分配等一系列资源分配问题进行研究,并将飞行物联网（Internet of Flying Things,IoFT）与社交物联网结合,在社交飞行物联网（Social Internet of Flying Things,SIoFT）场景下开展了一系列工作。相关研究内容的主要贡献和创新点如下:1.基于层次化二分图稳定匹配的社交物联网频谱资源分配针对社交物联网中频谱资源受限下用户重复下载同一内容造成基站负载过高问题,研究了用户的社交属性对物联网中内容共享的驱动作用,即具有较高兴趣相似度与信任度的相邻用户可以通过建立直连链路分享内容,从而减缓基站的负载,同时还要考虑直连链路频谱资源的分配问题,这种三维的匹配关系可以用层次化二分图建模从而将优化问题转化为了两个子问题:第一个子问题为内容提供者与内容请求者之间的匹配,第二个问题为直连用户对与蜂窝用户之间的匹配问题。该问题由于同群效应的引入不能用延迟接收算法的思想有效解决。因此,提出一种自组织的轮转交换算法,使得用户在初始不稳定的匹配状态下,以自组织的方式交换匹配对象,最终达到稳定状态。所提资源分配方案能够在传输可靠性、下载时延和算法复杂度之间达到均衡。2.基于三分图稳定匹配的社交物联网内容共享方案设计针对物联网设备存储及能量受限的问题,研究了预先缓存方案设计,用户调度方案设计,激励机制设计以及探索如何通过篡改用户偏好列表使多个用户受益。首先,由于内容协助者存储容量及传输范围的局限性,完整缓存可能会遇到无人请求而导致的缓存资源浪费问题。因此内容协助者可以通过不完整的内容缓存提升内容多样性来规避这一问题,当有用户请求内容共享时,内容协助者可以充当中继节点利用缓冲能力转发剩余内容。因此重点研究如何通过合理分配缓冲与缓存容量的比例,实现用户服务质量及能耗之间的折中。具体地,将用户调度过程用三分图建模,实现小型基站,内容协助者与内容请求者之间的三维稳定匹配。最后,提出一种带有多米诺效应的篡改机制进一步实现服务质量及能耗之间的折中。3.基于二分图动态稳定匹配的社交飞行物联网任务分配立足于社交飞行物联网,以灾害救援为应用背景,研究社交属性对于无人机任务协同的影响。针对受灾区域数据感知任务周期性到达且地面传感设备失效的问题,提出一种无人机协助群智感知系统,并研究随机动态环境下无人机的感知任务分配问题。将优化问题转化为二分图动态匹配问题,并将排队理论的思想融入匹配理论中,提出一种基于多等待队列的任务分配算法,将局限于眼前任务收益的静态稳定性拓展为关注长期收益的动态稳定性。所提方法在随机动态环境下相较传统算法具有明显的性能提升。4.基于二分图流行匹配的社交飞行物联网安全性保障频谱资源分配在社交飞行物联网中,空地信道因其良好的视距链路传输条件,容易被地面恶意用户窃听。基于此,研究如何在多个潜在窃听者的位置信息无法被完美估计的情况下,确保空地通信的安全性。遵循不劳无获的原则,复用无人机蜂窝频谱的地面用户将作为友好的干扰器,实现双赢。为此,提出了联合飞行轨迹设计、功率控制和信道分配优化问题,以最大限度地提高最坏情况下无人机的平均保密速率。首先,利用块坐标下降法和连续凸优化法迭代求解轨迹设计和功率控制问题。然后,将频谱共享问题转换为二分图流行匹配问题,并提出了两种分布式算法来保持动态环境下的流行匹配。最后,对算法的流行性、收敛性和计算复杂度进行了详细的分析,并验证了所提算法能利用33%的可达速率性能损失实现67.5%的安全性能增益。
陈玮[5]（2020）在《新能源背景下的主动配电网故障恢复关键技术研究》文中提出随着国民经济的发展,对于电力的需求日益陡增,也导致传统电力系统的运行方式越来越复杂,从而使得大面积连锁故障的防范工作变得异常艰难。在系统安全背景下未来智能电网的建设,如果可以更多地倾向于分布式发电并网技术、智能配用电等靠近用户侧的技术,则可以保证本地负荷的用电可靠性,减小大面积停电事故的危害。配电网作为用户侧的关键电能传输系统,是国民经济和社会发展的重要基础设施,随着我国配电网供电质量和技术水平的提高,以及高级量测设备和远程遥控装置的建设,传统配电网被动分配电能的功能进一步拓展为“主动”控制电能,发展为了主动配电网。主动配电网具有全方位可观、可控的特点,能满足新能源形势下的微型分布式发电、电动汽车和主动负荷等多种能源设备接入。在主网大停电的情况下,主动配电网可通过高级量测和控制功能对分布式能源进行有效管控,从而对本地用电负荷进行快速的故障恢复,以保证本地负荷的电力供应,提高供电的可靠性,减小因主网大停电带来的经济损失。基于该背景,本博士论文就新能源背景下的主动配电网故障恢复若干关键技术开展研究,并得到如下成果:1)主动配电网中包含各种分布式发电、电动汽车、储能设备和柔性负荷,因其在时空上的不确定性给配电调度机构的运维带来了挑战。本文从故障恢复的角度出发,考虑主动配电网中风光机组出力不确定因素,将电动汽车作为应急调度资源,建立了一个形式为min-max-min的三层鲁棒孤岛恢复数学模型,使得在最恶劣的运行场景下,切负荷量最小,即尽量恢复失电负荷;在求解方法上,使用（column&constraint generation,CCG）方法将该三层鲁棒优化模型转化为min松弛主问题和max-min子问题,通过迭代和添加可行割、最优割来得到原问题的最优解;考虑到max-min子问题中Distflow潮流模型中的非凸性,利用松弛技术将子问题转换为一个MISOCP规划模型,同时利用对偶理论将max-min子问题转化为单层max问题。最后,通过PG&E 69配电网系统验证了本文模型和方法的有效性。2)提出了基于分布鲁棒优化理论和柴油发电机暂态过程中频率稳定性分析的配电网故障恢复方法。相对于传统的鲁棒优化恢复方法,在处理分布式电源出力不确定性方面改善了原方法的保守性,得到了更好的负荷恢复量。同时,将恢复过程中的频率稳约束纳入到了故障恢复模型,使得在故障顺序恢复供电的过程中保证了系统的安全可靠运行。此外,还对故障恢复模型中的拓扑约束进行了改进,使得故障重构后的网络拓扑更加灵活,使得恢复重要度较高的负荷能够优先恢复,从而更进一步地提升了故障恢复方案的灵活性。3)提出一种基于数据驱动的统一随机-鲁棒故障恢复优化方法来处理不可控分布式能源出力的不确定性,构建了一个两阶段的凸优化模型,使得其可以被高效快速求解。同时,引入了一种非参数估计的方法,对风光机组出力预测误差的历史数据进行分析,得到了对应的概率分布密度函数区间,通过在该区间内寻找最恶劣场景进行优化来应对风光机组出力的不确定性。此外,引入了电力电子软开关（Soft Open Points,SOPs）来进一步提升故障恢复的效果。SOPs作为一种电力电子器件可以安装在配电网的联络开关上,具有很强的潮流控制能力,可以有效改善网络重构后的电力潮流,从而提升故障恢复的效果。SOPs模型上的非线性约束被转化为具有凸形式的约束,从而可以利用求解器高效求解。最后,在IEEE 33节点配电网和IEEE 123节点配电网上开展了仿真分析,结果验证了本文所提方法的有效性。4)电力系统和天然气网络通过双向耦合可以实现高可靠性运行。为解决电-气综合能源系统在发生故障后的恢复问题,为解决电-气综合能源系统在发生故障后的恢复问题,本文提出了一种时序故障恢复方法。一方面,考虑燃气轮机和P2G设备的双向耦合特性,在恢复过程中通过调度其出力大小实现电力-天然气网络的互补共济;另一方面,考虑到恢复过程中大多设备具有时序特性,如储能电池容量、负荷大小、风光机组出力大小以及网络拓扑的变化,建立了一个多时序的故障恢复混合整数规划问题,并通过分段线性化的手段将模型处理得易于求解,从而得出故障恢复过程中最优的拓扑开关操作序列。最后,通过对13节点配电网和6节点配气网的联合仿真证明了本文所提方法的有效性。
赵蒙娜[6]（2020）在《基于多特征分类的目标检测算法研究》文中研究说明随着科技的发展和网络通讯的广泛应用,图像信息爆炸式的增长使人们对图像处理技术的需求日渐扩大,目标检测也随之成为当前机器视觉领域和计算机领域的研究重点。精确的目标检测是后续图像识别、跟踪、匹配、检索等智能分析处理过程顺利进行的必要条件。但在目标检测过程中往往存在检测场景复杂、阴影遮挡、光照变化以及单一特征信息利用不充分等问题。为有效避免外部干扰,提高复杂场景下目标检测的准确性,本文对基于多特征分类的目标检测算法进行了深入研究,主要研究内容如下:（1）对单一特征的提取方法进行了研究与分析,着重研究了纹理特征提取中的LBP（Local Binary Pattern）方法,边缘特征提取中的Canny算子和Sobel算子,以及颜色特征提取中的颜色直方图和颜色矩的相关概念。为方便后续图像预处理阶段的研究和分类算法的改进,对稀疏理论和支持向量机的基本理论进行了深入研究。（2）在图像预处理阶段,研究了噪声的分类、常见的几种噪声和去噪对比算法——Wiener滤波、LPG-PCA（Principal Component Analysis with Local Pixel Grouping）和K-SVD之后,针对复杂场景下噪声对目标检测产生的干扰,提出了一种基于改进SVM和稀疏理论的图像混合去噪算法。在实验阶段,将本文去噪算法与Wiener滤波去噪、LPG-PCA去噪和K-SVD去噪算法进行对比,实验结果显示,本文所提出的混合去噪方案具有更好的去噪性能和结构相似性,能够很好地保存图像边缘和纹理。（3）在分析矩的优势之后,利用Zernike矩和归一化颜色直方图来提取图像的形状特征、纹理特征以及颜色特征,在特征融合阶段选择多核学习方法来进行特征融合。在实验阶段,将单核支持向量机（Support Vector Machine,SVM）+单一描述符的识别率跟多核支持向量机+特征描述符的不同组合的识别率进行对比,并对算法时间复杂度进行分析,实验结果表明,本文算法识别率更高。（4）在粒子群算法（Particle Swarm Optimization,PSO）优化入侵杂草算法（Invasive Weed Optimization,IWO）的启发下,深入研究了烟花算法（Fireworks Algorithm,FWA）的优势并结合PSO算法的特点,提出了FWA-PSO参数优化算法,以此提高多核SVM的分类性能。并将本文分类方法与PSO-SVM、FWA-SVM进行目标检测正确率的对比,实验结果表明,本文参数优化算法的检测正确率最高。在最后的实验过程中选取具有现实意义的交通道路标志作为目标来进行检测,将所提出的算法在中国交通数据集CSUST（Chinese Traffic Sign Detection Benchmark）中进行实验。实验结果显示,本文算法在禁令标志、警告标志和指示标志的检测结果的平均正确率达到了98.77%。
赵丹萍[7]（2019）在《基于F-OFDM的联合上下行资源分配和业务接入技术研究》文中指出5G移动通信时代即将来临,这也意味着业务种类会更加丰富,对服务质量的要求也会更高,因此,如何分配有限的频谱资源以满足各个用户的业务需求,显得尤为的重要。多输入多输出（Multiple Input Multiple Output,MIMO）技术可以通过使用空域的资源来成倍地提高系统容量,并且不需要任何额外的系统带宽。但是,移动设备通常只装配极少的天线,难以构成MIMO系统。所以,我们可以将多个移动设备看成是一个装配多天线的实体,从而构成一个多用户-MIMO（Multi-User MIMO,MU-MIMO）系统。传统的正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术对系统的整个频带设置相同的参数,且带外泄露严重,难以支持5G中多样化的业务请求。基于滤波器组的正交频分复用（Fitered-OFDM,F-OFDM）技术在OFDM技术的基础上,将系统频带划分成多个子带,并在各个子带发送端和接收端增加子带滤波器,从而实现在各个子带上根据不同的业务请求来设置不同参数的目的,提高频谱利用率。此外,蜂窝网包括上下行两条链路,且上下行链路有各自的业务请求和物理资源,只对某条链路进行研究显然比较局限。所以,我们研究了基于F-OFDM的联合上下行资源分配和业务接入问题。首先,在已知一个调度时隙内初始信道状态信息（Channel State Information,CSI）的情况下,根据高斯-马尔可夫信道模型,预测出各个子帧的CSI,进而利用统计的方法计算出该调度时隙内上行子帧和下行子帧的信道容量均值。然后,引入服务质量（Quality of Service,QoS）指数的概念,在物理层,根据各个用户上下行业务的等效带宽需求,结合上下行子帧配置因子,以按需分配的原则建立资源分配模型。在介质访问控制（Media Access Control,MAC）层,借鉴经济学中单品价格与商品需求的关系,给出系统的效用函数,再结合各个用户的等效容量约束,建立业务接入模型。最后,针对物理层和MAC层的这两个模型,本文采用一种跨层交互迭代算法,对这两个模型的求解结果进行交互传递,直到趋于稳定的状态。针对物理层的资源分配模型,本文先采用Fast Unfolding社团检测算法对用户和资源构成的网络拓扑图进行社团划分,再采用迭代匈牙利算法对各个社团进行检测,最终获得本次跨层迭代中最优的资源分配策略。针对MAC层的业务接入模型,因为效用函数对于业务接入变量是凸的,而且业务接入还要受等效容量的约束,所以本文采用基于等效容量约束的梯度迭代法进行求解,得到本次跨层迭代中最优的业务接入策略。进一步地,本文利用MATLAB仿真验证了提出的算法在收敛性、接入率和复杂度等几个方面的优越性和稳定性,并且得到了本文参数设定下最优的上下行子帧配置因子。
蔡润龙[8]（2019）在《1-3纳米气溶胶筛分与粒径分布测量方法及应用》文中进行了进一步梳理大气气溶胶与人体健康、区域空气质量和全球气候变化紧密相关。由气态前体物通过成核过程生成新颗粒物的新粒子生成现象是大气气溶胶数浓度的主要来源之一。研究新粒子生成机制有助于深入认知该新粒子生成现象,而对1-3纳米成核粒径尺度范围内气溶胶粒径分布的有效测量是表征成核现象和研究成核机制的重要基础。现有测量仪器可以实现1-3纳米粒径分布的初步测量,但其测量性能亟待提高。由于测量仪器的限制,目前对大气新粒子生成现象的认知仍存在不足。为提高测量性能,本论文提出了量化表征1-3纳米气溶胶粒径分布测量性能的Π参数,在此基础上研发并评测了一款用于1-3纳米气溶胶选择性筛分的中流量差分电迁移率分析仪,量化并进而提高了带电颗粒物在该类装置反向电场中的通过效率。为修正仪器有限分辨率对于粒径分布测量的影响,本论文比较了不同数据反演方法对于1-3纳米气溶胶粒径分布的反演性能。应用优化后的1-3纳米气溶胶粒径谱仪,本论文研究了典型污染大气中的新粒子生成现象。新研发的1-3纳米中流量差分电迁移率分析仪可在1-3 L·min-1的气溶胶流量下和10-30 L·min-1的鞘气流量下运行。该装置对于1.48纳米颗粒物或离子的分辨率为5.7、通过效率为26%,相比于原有装置均有明显提升。在所评测的四种反演方法中,最大期望算法可有效考虑仪器分辨率的影响,且在随机误差的干扰下具有较好的稳定性,适用于如扫描式颗粒物粒径放大仪等高Π参数、低分辨率的1-3纳米分粒径粒子计数器;而忽略分辨率影响的反演方法则适用于如1-3纳米气溶胶扫描电迁移率粒径谱仪等低Π参数、高分辨率的仪器。对新仪器观测结果的气溶胶动力学分析表明,凝并损失在典型污染大气中的新粒子生成现象中占据重要地位。为量化传输的影响,本论文提出了用于估算传输对所测气溶胶粒径分布影响的方法,其结果表明传输对于北京大气中新粒子的影响小于凝并损失。为合理量化新粒子生成速率,本论文推导出了适用于新粒子生成速率计算的新公式,改进了颗粒物凝并损失的估算方法。进一步分析表明,凝并损失是决定北京大气中是否发生新粒子生成现象的主控因子。
魏晨[9]（2019）在《多测量稀疏恢复深度学习方法研究》文中研究说明多测量压缩感知作为压缩感知的延伸,在信号处理的多个实际领域都有应用。本文主要研究基于深度学习方法的多测量稀疏恢复算法,目的是借助“学习”的思想建模信号间的关联性,从多测量中更准确、高效地恢复出多维稀疏信号。论文首先介绍多测量压缩感知的研究背景与研究现状,分类梳理了现有的多测量稀疏恢复算法,并阐述了深度学习思想引入其中的意义。接着从稀疏贝叶斯学习（SBL）的基础出发,回顾了稀疏恢复贝叶斯方法的基本概念与框架,主要包括分层贝叶斯模型如何对稀疏性建模,及变分贝叶斯方法如何求解稀疏信号。基于分层贝叶斯框架,论文详细介绍了一种高效的贝叶斯稀疏恢复算法——fast-SBL算法,并在其基础上引入长短时记忆（LSTM）网络。论文利用LSTM网络强大的序列建模能力辅助fast-SBL算法的基向量选择过程,首次将SBL与LSTM网络结合,提出了多测量稀疏恢复LSTM-SBL算法。论文详细阐述了LSTM-SBL算法的框架与原理,并着重于它对信号间关联性的建模以及对fast-SBL算法的改进。对于LSTM网络的训练,论文提出了其训练数据的生成方法及训练细节。论文实验部分基于两个真实数据集——手写数字图像和自然图像数据集,分别进行实验,以评价各类多测量稀疏恢复算法在其中的表现,包括算法的准确度、速度和鲁棒性。对于手写数字图像恢复,实验表明LSTM-SBL算法在高、中信噪比,及中、低采样率的条件下能够保持优秀的算法性能,其平均NMSE值相比其他算法降低19%至48%。对于自然图像恢复,实验选取了花、建筑物和自行车三类对象作为实验数据。结果表明LSTM-SBL算法在三类数据集上都表现出了最佳的准确度,且当信源数变化时这一优势保持稳定。
马雨佳[10]（2019）在《顾及数据源、反演模型与尺度差异的区域MODIS LAI产品校正方法》文中指出MODIS LAI产品面向全球,时间分辨率较高,应用较为广泛,但当面向区域应用时会存在明显的低估或高估现象,使其应用效益和使用范围受到一定的限制,因此面向区域性高精度应用时需要利用高空间分辨率数据对其数据精度进行提升处理,然而高空间分辨率数据的低时间分辨率属性并不能满足两者所有时间上的一一对应关系,因此如何利用有限数量的高空间分辨率数据来提炼和量化两种数据之间精度差异的一般性规律显得尤为重要。本研究面向遥感卫星生物参数产品精度提升这一重要科学问题,服务于中低空间分辨率LAI产品应用,借助冠层辐射传输模型利用有限数量的Landsat数据量化MODIS LAI产品反演过程的不确定性,优化产品精度处理流程,提炼不同空间分辨率数据反演结果精度差异的一般性规律,提升无同时相高空间分辨率数据支持下的中低空间分辨率LAI产品使用精度,为完善卫星遥感产品真实性检验流程和普适性应用提供思路。本研究的主要工作与结论如下:（1）Landsat8 OLI与MODIS传感器成像参数存在较大差异,本研究主要考虑两种影像的光谱差异和成像几何差异,借助传感器的点扩散函数特性,利用非对称二维高斯函数对两种影像进行了空间响应的模拟,在保证参数归一化的前提下将30m分辨率的Landsat8 OLI反射率产品转换为480m的反射率产品,该结果与真实反射率数据具有较好的一致性。（2）利用MODIS LAI产品反演算法对480m的Landsat8 OLI反射率产品进行LAI反演,算法由主算法和备用算法两部分构成,主算法主要基于冠层辐射传输的三维辐射传输理论,并利用查找表法对反演结果进行筛选,确定唯一解,如果主算法失败,备用算法（NDVI与LAI的经验模型）启动,计算反演结果,经验证反演精度较高。（3）针对本研究采用“先平均后反演”而产生的尺度效应问题,利用二维小波变换对图像进行分解处理,证明了高频信息与尺度误差之间的相关性,并利用其与分形维数的关系对LAI结果进行相应的尺度差异校正。实验结果证明小波-分形方法对LAI的校正起到良好的效果。
二、二步过程生成((ΩΩ)_0)~+机制的研究（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、二步过程生成((ΩΩ)_0)~+机制的研究（论文提纲范文）
（1）基于张量分解理论的三维人脸表情识别算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 常用的符号 |
| 1 绪论 |
| 1.1 课题背景和意义 |
| 1.2 人脸表情识别研究的发展历史 |
| 1.3 国内外研究现状 |
| 1.3.1 三维人脸表情特征提取方法综述 |
| 1.3.2 三维人脸表情特征提取方法总结与分析 |
| 1.3.3 三维人脸表情常用分类方法 |
| 1.3.4 常用三维人脸表情数据库 |
| 1.4 论文的主要工作内容与章节安排 |
| 1.4.1 论文研究内容 |
| 1.4.2 论文章节安排 |
| 2 张量理论与流形学习 |
| 2.1 张量理论 |
| 2.1.1 张量 |
| 2.1.2 张量代数 |
| 2.1.3 张量分解理论 |
| 2.1.4 基于Tucker分解的降维算法 |
| 2.1.5 张量子空间模型 |
| 2.1.6 张量低秩表示 |
| 2.2 流形学习与图嵌入框架 |
| 2.2.1 流形与流形学习 |
| 2.2.2 基于张量学习的图嵌入框架 |
| 2.3 本章总结 |
| 3 基于低秩张量完备性的张量分解 |
| 3.1 引言 |
| 3.2 算法背景 |
| 3.2.1 张量低秩表示 |
| 3.2.2 张量稀疏表示 |
| 3.3 算法介绍 |
| 3.4 FERLrTC算法的模型优化及求解 |
| 3.4.1 低秩张量完备性的优化模型的建立 |
| 3.4.2 低秩张量完备性的优化模型的求解 |
| 3.4.3 秩降低策略 |
| 3.5 FERLrTC算法的分析 |
| 3.5.1 FERLrTC算法的复杂度 |
| 3.5.2 FERLrTC算法的收敛性 |
| 3.6 FERLrTC算法的实验评价 |
| 3.6.1 实验环境与实验步骤 |
| 3.6.2 实施细节 |
| 3.6.3 在BU-3DF数据库上的实验结果 |
| 3.6.4 在 Bosphorus 数据库上的实验结果 |
| 3.6.5 合成数据对FERLrTC算法的验证 |
| 3.7 对FERLrTC算法的讨论 |
| 3.7.1 基于特征融合的4D张量模型的有效性 |
| 3.7.2 特征描述符的选择 |
| 3.7.3 秩降低策略的有效性 |
| 3.8 本章小结 |
| 4 基于先验信息的正交张量补全 |
| 4.1 引言 |
| 4.2 算法背景 |
| 4.2.1 正交的Tucker分解 |
| 4.2.2 图嵌入正则化框架 |
| 4.3 算法介绍 |
| 4.4 OTDFPFER算法的模型优化及求解 |
| 4.4.1 OTDFPFER算法的优化模型的建立 |
| 4.4.2 OTDFPFER算法的优化模型的求解 |
| 4.5 OTDFPFER算法的分析 |
| 4.5.1 OTDFPFER算法的复杂度 |
| 4.5.2 OTDFPFER算法的收敛性 |
| 4.6 OTDFPFER算法的实验评价 |
| 4.6.1 实验设计 |
| 4.6.2 在BU-3DFE数据库上的实验结果 |
| 4.6.3 在Bosphorus数据库上的实验结果 |
| 4.7 本章小结 |
| 5 基于流形正则化的正交张量分解 |
| 5.1 引言 |
| 5.2 算法背景 |
| 5.2.1 张量稀疏表示 |
| 5.2.2 流形正则化扩展 |
| 5.3 算法介绍 |
| 5.4 FERMROTD算法的模型优化及求解 |
| 5.4.1 FERMROTD算法的优化模型的建立 |
| 5.4.2 FERMROTD算法的优化模型的求解 |
| 5.4.3 最优性分析 |
| 5.5 FERMROTD算法的分析 |
| 5.5.1 FERMROTD算法的复杂度 |
| 5.5.2 FERMROTD算法的收敛性 |
| 5.6 FERMROTD算法的实验评价 |
| 5.6.1 实验设计 |
| 5.6.2 在BU-3DFE数据库上的实验 |
| 5.6.3 在Bosphorus数据库上的实验结果 |
| 5.7 对FERMROTD算法的讨论 |
| 5.7.1 基于特征级融合的一次排除一个特征的组合效果 |
| 5.7.2 流形的权重策略选择 |
| 5.7.3 特征描述符选择 |
| 5.8 本章小结 |
| 6 结论 |
| 6.1 论文工作总结 |
| 6.2 未来工作的展望 |
| 参考文献 |
| 附录 A 定理5-1的证明 |
| 附录 B 定理5-2的证明 |
| 附录 C 定理5-3的证明 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）垄行作物冠层反射率建模研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究进展 |
| 1.2.1 基于辐射传输方法的垄行作物冠层反射率建模 |
| 1.2.2 基于几何光学方法的垄行作物冠层反射率建模 |
| 1.2.3 基于垄行作物冠层模型的植被覆盖度遥感反演 |
| 1.3 研究目标及拟解决的关键性科学问题 |
| 1.4 技术路线和章节安排 |
| 1.4.1 技术路线 |
| 1.4.2 章节安排 |
| 第二章 植被冠层反射率建模的物理基础 |
| 2.1 引言 |
| 2.2 植被辐射传输方法的物理理论 |
| 2.2.1 植被冠层辐射传输方程 |
| 2.2.2 植被冠层辐射传输方程的解法 |
| 2.3 植被几何光学方法的物理基础 |
| 2.4 植被计算机模拟方法的物理理论 |
| 第三章 垄行作物冠层的修正四流辐射传输模型 |
| 3.1 引言 |
| 3.2 垄行作物冠层修正四流辐射传输模型的构建 |
| 3.2.1 连续作物冠层的四流辐射传输方程组分析 |
| 3.2.2 垄行作物冠层修正四流辐射传输方程组构建与相关反射率求算 |
| 3.2.3 垄行作物冠层模型的构建 |
| 3.2.4 修正四流辐射传输(MFS)模型的输入参数 |
| 3.3 实验和数据准备 |
| 3.3.1 计算机模拟数据 |
| 3.3.2 原位测量数据 |
| 3.4 结果 |
| 3.4.1 计算机模拟验证MFS模型 |
| 3.4.2 原位测量数据验证MFS模型 |
| 3.5 讨论 |
| 3.5.1 观测天顶角大于40°的系统偏差探讨 |
| 3.5.2 MFS模型和计算机模拟之间差异探讨 |
| 3.5.3 MFS模型和SAIL模型之间差异探讨 |
| 第四章 垄行作物冠层的修正几何光学模型 |
| 4.1 引言 |
| 4.2 垄行作物冠层修正几何光学模型的构建 |
| 4.2.1 垄行作物冠层修正几何光学的通式 |
| 4.2.2 冠层闭包反射率构建 |
| 4.2.3 垄间区域反射率构建 |
| 4.2.4 修正几何光学模型的输入参数 |
| 4.3 实验和数据准备 |
| 4.3.1 计算机模拟数据 |
| 4.3.2 原位测量数据 |
| 4.4 结果 |
| 4.4.1 计算机模拟验证Row模型 |
| 4.4.2 原位测量数据验证Row模型 |
| 4.5 讨论 |
| 4.5.1 几何光学方法中垄行作物冠层的多次散射问题探讨 |
| 4.5.2 单次散射的垄行作物冠层热点问题探讨 |
| 4.5.3 Row模型的进一步分析和探讨 |
| 第五章 垄行作物冠层反射率模型的应用——以植被覆盖度反演为例 |
| 5.1 引言 |
| 5.2 植被覆盖度的反演算法 |
| 5.2.1 经验回归方法反演植被覆盖度 |
| 5.2.2 光谱混合分析方法反演植被覆盖度 |
| 5.2.3 冠层反射率模型耦合人工神经网络算法反演植被覆盖度 |
| 5.3 实验和数据准备 |
| 5.3.1 原位测量数据 |
| 5.3.2 遥感影像数据 |
| 5.3.3 算法的输入输出设置 |
| 5.4 结果 |
| 5.4.1 不同算法在高光谱高空间分辨率数据的定性分析结果 |
| 5.4.2 不同算法在多光谱中空间分辨率数据的定性分析结果 |
| 5.4.3 不同算法之间的定量分析结果 |
| 5.5 讨论 |
| 5.5.1 冠层反射率模型选择对于反演精度的影响分析 |
| 5.5.2 光谱混合分析方法的局限性分析 |
| 5.5.3 经验方法的优势和劣势分析 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 附录 A 关于修正四流辐射传输模型详细的数学推导和证明 |
| 附录 A-1 修正四流运算中涉及的基本辐射度量 |
| 附录 A-2作物能量平衡组分和方向的数学物理证明 |
| 附录 A-3 水平辐射传输方程的推导 |
| 附录 A-4 二向反射率、透射率和辐射转换率的表达式 |
| 附录 A-5 垄行作物冠层各组分面积分数推导 |
| 附录 A-6 求解冠层闭包边界上的DRF |
| 附录 A-7 求解垄间的积分辐射传输方程的DRF |
| 附录 A-8 符号表 |
| 附录 B 关于修正几何光学模型的数学推导 |
| 附录 B-1 四分量面积分数方程的推导 |
| 附录 B-2 孔隙率和植被概率方程的推导 |
| 附录 B-3 符号表 |
| 在学期间的研究成果 |
| 致谢 |
（3）大规模网络分布式估计中的错误数据注入攻击及其防御方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写说明 |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.1.1 分布式估计分类 |
| 1.1.2 分布式估计脆弱性概述 |
| 1.1.3 分布式估计中的安全威胁应对方法 |
| 1.2 国内外研究现状 |
| 1.2.1 分布式网络参数估计中的安全问题 |
| 1.2.2 分布式网络拓扑估计 |
| 1.2.3 一致性分布式参数估计中的FDIA问题 |
| 1.2.4 一致性+新息分布式滤波中的FDIA问题 |
| 1.3 研究动机与研究内容 |
| 1.4 研究成果与创新点 |
| 1.5 篇章结构 |
| 第2章 分布式网络参数估计中的FDIA及其防御方法 |
| 2.1 研究背景与动机 |
| 2.2 分布式智能电网状态估计中的实时FDIA检测方法 |
| 2.2.1 系统模型与问题描述 |
| 2.2.2 基于残差预白化处理的实时FDIA检测方法 |
| 2.2.3 实时FDIA检测方法性能分析 |
| 2.2.4 仿真结果与分析 |
| 2.3 分布式网络丢包层析中的FDIA及其防御方法 |
| 2.3.1 系统模型与问题描述 |
| 2.3.2 改进型BDP机制及其安全问题 |
| 2.3.3 隐秘型灰洞攻击 |
| 2.3.4 针对隐秘型灰洞攻击的防御方法 |
| 2.3.5 仿真结果与分析 |
| 2.4 本章小结 |
| 附录 |
| 第3章 分布式网络拓扑估计中的FDIA及其防御方法 |
| 3.1 系统模型与问题描述 |
| 3.2 基于恶意延迟转发数据包的FDIA方法 |
| 3.2.1 第Ⅰ类FDIA |
| 3.2.2 第Ⅱ类FDIA |
| 3.2.3 第Ⅲ类FDIA |
| 3.2.4 第Ⅳ类FDIA |
| 3.2.5 第Ⅴ类FDIA |
| 3.3 基于皮尔逊拟合优度检验的FDIA检测方法 |
| 3.4 FDIA检测方法性能分析 |
| 3.4.1 虚警概率 |
| 3.4.2 检测概率 |
| 3.5 仿真结果与分析 |
| 3.5.1 FDIA对网络拓扑估计性能的影响 |
| 3.5.2 基于皮尔逊拟合优度检验的FDIA检测方法的性能 |
| 3.6 本章小结 |
| 附录 |
| 第4章 一致性分布式参数估计中的FDIA及其防御方法 |
| 4.1 系统模型与问题描述 |
| 4.2 基于学习的合作式FDIA策略 |
| 4.2.1 第一阶段:监听与学习 |
| 4.2.2 第二阶段:错误数据注入 |
| 4.2.3 实时监控与应对机制 |
| 4.3 基于实时攻击检测和恶意节点重新评估的FDIA防御方法 |
| 4.3.1 基于空间差分统计量的实时FDIA检测方法 |
| 4.3.2 可对抗FDIA的融合权重设计方法 |
| 4.3.3 带惩罚机制的恶意节点重新评估方法 |
| 4.4 仿真结果与分析 |
| 4.4.1 监听与学习过程的性能 |
| 4.4.2 基于学习的合作式FDIA的性能 |
| 4.4.3 实时FDIA检测方法的性能 |
| 4.5 本章小结 |
| 附录 |
| 第5章 一致性+新息分布式滤波中的FDIA及其防御方法 |
| 5.1 系统模型与问题描述 |
| 5.1.1 一致性+新息分布式滤波模型 |
| 5.1.2 一致性+新息分布式滤波中的FDIA |
| 5.1.3 FDIA防御机制 |
| 5.2 基于Adv-CSI算法的一致性+新息分布式滤波算法 |
| 5.2.1 Adv-CSI算法 |
| 5.2.2 滤波器增益矩阵的设计方法 |
| 5.3 基于本地卡尔曼滤波的FDIA检测与防御方法 |
| 5.3.1 针对Channel-A FDIA的检测方法 |
| 5.3.2 针对Channel-B FDIA的检测方法 |
| 5.3.3 可对抗FDIA的融合权重系数设计方法 |
| 5.4 滤波算法误差收敛性分析 |
| 5.5 仿真结果与分析 |
| 5.5.1 基于Adv-CSI算法的一致性+新息分布式滤波算法的性能 |
| 5.5.2 FDIA对一致性+新息分布式滤波性能的影响 |
| 5.5.3 基于本地卡尔曼滤波的FDIA检测方法的性能 |
| 5.5.4 可对抗FDIA的融合权重系数设计方法的性能 |
| 5.6 本章小结 |
| 附录 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 个人简历及攻读博士期间的主要研究成果 |
（4）基于图论与匹配理论的社交物联网资源分配方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究概述 |
| 1.2 研究背景 |
| 1.3 研究现状及挑战 |
| 1.4 研究方法及理论基础 |
| 1.5 主要研究内容及结构安排 |
| 2 基于层次化二分图稳定匹配的社交物联网频谱资源分配 |
| 2.1 引言 |
| 2.2 系统模型 |
| 2.3 问题描述 |
| 2.4 具有同群效应的层次化二分图稳定匹配 |
| 2.5 仿真结果与分析 |
| 2.6 本章小结 |
| 3 基于三分图稳定匹配的社交物联网内容共享方案设计 |
| 3.1 引言 |
| 3.2 系统模型与问题描述 |
| 3.3 内容放置与内容交付联合优化 |
| 3.4 具有多米尼诺效应的偏好列表篡改机制 |
| 3.5 仿真结果与分析 |
| 3.6 本章小结 |
| 4 基于二分图动态稳定匹配的社交飞行物联网任务分配方案 |
| 4.1 引言 |
| 4.2 系统模型与问题描述 |
| 4.3 基于动态稳定匹配的任务分配算法研究 |
| 4.4 仿真结果与分析 |
| 4.5 本章小结 |
| 5 基于二分图流行匹配的社交飞行物联网安全保障频谱资源分配 |
| 5.1 引言 |
| 5.2 系统模型与问题描述 |
| 5.3 轨迹设计与功率控制联合优化 |
| 5.4 基于流行匹配的信道分配 |
| 5.5 仿真结果与分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 主要贡献及创新 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（5）新能源背景下的主动配电网故障恢复关键技术研究（论文提纲范文）
| 致谢 |
| 项目致谢 |
| 摘要 |
| Abstract |
| 1 第一章绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 配电网故障恢复概述 |
| 1.3 国内外研究现状 |
| 1.3.1 网络重构 |
| 1.3.2 孤岛划分 |
| 1.3.3 动态恢复顺序生成 |
| 1.3.4 多能耦合 |
| 1.4 现有研究存在的问题 |
| 1.5 本文的主要工作与创新点 |
| 2 第二章考虑电动汽车配置的主动配电网鲁棒孤岛恢复 |
| 2.1 引言 |
| 2.2 分布式能源建模 |
| 2.2.1 储能设备 |
| 2.2.2 应急电动汽车 |
| 2.2.3 风电光伏 |
| 2.3 孤岛恢复模型 |
| 2.3.1 确定性孤岛恢复模型 |
| 2.3.2 鲁棒孤岛恢复模型 |
| 2.4 鲁棒孤岛恢复模型求解方法 |
| 2.4.1 鲁棒故障恢复模型紧凑形式 |
| 2.4.2 松弛主问题 |
| 2.4.3 子问题 |
| 2.4.4 算法迭代流程 |
| 2.5 算例分析 |
| 2.5.1 系统参数 |
| 2.5.2 鲁棒孤岛恢复结果分析 |
| 2.5.3 应急电动车优化配置对结果的影响 |
| 2.5.4 不同不确定性参数对结果的影响 |
| 2.6 本章小结 |
| 3 第三章考虑高阶不确定性的配电网分布鲁棒故障恢复方法 |
| 3.1 引言 |
| 3.2 基于分布鲁棒的故障恢复网络重构模型 |
| 3.2.1 改进的故障恢复网络重构方法 |
| 3.2.2 基于分布鲁棒的不确定性处理方法 |
| 3.3 恢复投入顺序决策方法 |
| 3.3.1 冷负荷启动模型 |
| 3.3.2 柴油发电机频率稳定分析模型 |
| 3.4 仿真分析 |
| 3.4.1 IEEE13 节点配电系统参数 |
| 3.4.2 配电系统自恢复流程仿真分析 |
| 3.4.3 不同预测误差下的仿真分析 |
| 3.4.4 改进拓扑结构约束的效果分析 |
| 3.5 本章小结 |
| 4 第四章基于数据驱动的配电网统一随机鲁棒故障恢复方法 |
| 4.1 引言 |
| 4.2 SOPS在故障恢复中的运行方式 |
| 4.3 基于虚拟网络的故障恢复模型 |
| 4.3.1 数据驱动的分布式电源不确定性分析方法 |
| 4.3.2 考虑不确定性的两阶段故障恢复架构 |
| 4.4 基于列-约束生成法的两阶段故障恢复模型求解方法 |
| 4.4.1 子问题求解方法 |
| 4.4.2 主问题的求解方法 |
| 4.4.3 算法迭代流程 |
| 4.5 算例分析 |
| 4.5.1 IEEE33 节点配电网系统 |
| 4.5.2 SOPS影响分析 |
| 4.5.3 风电对故障恢复的影响分析 |
| 4.5.4 风电功率注入的最恶劣场景 |
| 4.5.5 不同方法的对比分析 |
| 4.5.6 置信度对恢复结果的影响 |
| 4.5.7 IEEE123 节点配电网测试 |
| 4.6 本章小结 |
| 5 第五章考虑双向耦合的电-气综合能源系统时序故障恢复方法 |
| 5.1 引言 |
| 5.2 电-气综合能源系统恢复框架 |
| 5.3 综合能源系统时序故障恢复的数学模型 |
| 5.3.1 电力系统运行约束 |
| 5.3.2 天然气系统运行约束 |
| 5.3.3 电-气耦合约束 |
| 5.3.4 拓扑约束 |
| 5.4 算例分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
（6）基于多特征分类的目标检测算法研究（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 目标检测国内外研究现状 |
| 1.2.1 目标检测方法研究现状 |
| 1.2.2 目标检测应用领域研究现状 |
| 1.3 交通标志的相关研究 |
| 1.3.1 交通标志数据库介绍 |
| 1.3.2 主要难点和关键问题 |
| 1.4 本文的主要研究内容和章节安排 |
| 1.5 本章小结 |
| 第二章 相关理论和算法 |
| 2.1 纹理特征提取 |
| 2.1.1 原始的LBP |
| 2.1.2 圆形的LBP |
| 2.1.3 均匀模式+旋转不变模式LBP |
| 2.1.4 LBSP(Local Binary Simolarity Patterns) |
| 2.2 边缘特征提取 |
| 2.2.1 Canny算子 |
| 2.2.2 Sobel算子 |
| 2.3 颜色特征提取 |
| 2.3.1 颜色直方图 |
| 2.3.2 颜色矩 |
| 2.4 稀疏理论 |
| 2.4.1 稀疏表示的演化过程 |
| 2.4.2 稀疏字典的构建 |
| 2.5 支持向量机 |
| 2.5.1 最优分类超平面 |
| 2.5.2 线性分类问题 |
| 2.5.3 常用的核函数 |
| 2.6 本章小结 |
| 第三章 基于改进SVM和稀疏表示的图像混合去噪算法 |
| 3.1 图像噪声 |
| 3.1.1 图像噪声的分类 |
| 3.1.2 常见的几种图像噪声 |
| 3.2 对比去噪算法研究 |
| 3.2.1 Wiener滤波 |
| 3.2.2 基于LPG-PCA的图像去噪 |
| 3.2.3 K-SVD去噪 |
| 3.3 改进SVM和稀疏表示的图像混合去噪算法 |
| 3.3.1 块分类与特征提取过程 |
| 3.3.2 基于粒子群聚类的SVM决策树分类 |
| 3.3.3 基于改进SVM和稀疏表示的图像去噪 |
| 3.4 实验结果及分析 |
| 3.5 本章小结 |
| 第四章 图像多特征提取与融合 |
| 4.1 基于Zernike矩的形状和颜色描述符 |
| 4.1.1 Zernike矩(ZMs) |
| 4.1.2 多通道ZMs(MZMs) |
| 4.1.3 四元数ZMs(QZMs) |
| 4.2 图像特征提取 |
| 4.2.1 形状特征 |
| 4.2.2 纹理特征 |
| 4.2.3 颜色特征 |
| 4.3 基于多核学习的多特征融合策略 |
| 4.4 实验结果及分析 |
| 4.4.1 识别率实验 |
| 4.4.2 时间复杂度 |
| 4.5 本章小结 |
| 第五章 基于多特征分类的目标检测算法研究 |
| 5.1 支持向量机的改进优化算法 |
| 5.1.1 粒子群优化算法(PSO) |
| 5.1.2 入侵杂草优化算法(Invasive Weed Optimization,IWO) |
| 5.1.3 烟花优化算法(FWA) |
| 5.1.4 改进的参数优化算法——FWA-PSO算法 |
| 5.2 基于FWA-PSO改进的多核SVM |
| 5.2.1 多核支持向量机 |
| 5.2.2 FWA-PSO优化多核SVM参数 |
| 5.3 实验结果及分析 |
| 5.3.1 分类器的训练 |
| 5.3.2 分类器性能实验 |
| 5.3.3 目标检测效果实验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 在读期间公开发表的论文 |
| 致谢 |
（7）基于F-OFDM的联合上下行资源分配和业务接入技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 本文的研究背景及现状 |
| 1.2 本文的主要研究内容及贡献 |
| 1.3 本文的章节安排 |
| 第二章 F-OFDM技术和MU-MIMO技术研究 |
| 2.1 F-OFDM技术的研究 |
| 2.1.1 OFDM技术介绍 |
| 2.1.2 F-OFDM技术介绍 |
| 2.2 MU-MIMO技术的研究 |
| 2.2.1 MU-MIMO系统模型 |
| 2.2.2 MIMO系统容量 |
| 2.2.3 MIMO上行接收端检测方法 |
| 2.2.4 MIMO下行发射端预编码方法 |
| 2.3 本章小结 |
| 第三章 基于上下行联合的资源分配和业务接入模型研究 |
| 3.1 上下行信道矩阵预测 |
| 3.2 上下行信道统计信息求解 |
| 3.2.1 上行信道统计信息求解 |
| 3.2.2 下行信道统计信息求解 |
| 3.3 QoS指数、等效带宽和等效容量 |
| 3.3.1 QoS指数 |
| 3.3.2 等效带宽 |
| 3.3.3 等效容量 |
| 3.4 物理层资源分配模型建立 |
| 3.4.1 生成用户分组矩阵和资源模式矩阵 |
| 3.4.2 等效带宽求解 |
| 3.4.3 资源分配模型建立 |
| 3.5 MAC层业务接入模型建立 |
| 3.6 本章小结 |
| 第四章 基于社团检测的资源分配和业务接入算法研究 |
| 4.1 已有求解算法介绍 |
| 4.1.1 分支定界法 |
| 4.1.2 Fast Unfolding社团检测算法 |
| 4.2 整体的跨层交互求解算法 |
| 4.3 物理层资源分配模型的求解算法 |
| 4.3.1 社团划分 |
| 4.3.2 各个社团的资源分配问题求解 |
| 4.3.3 物理层的总体求解算法 |
| 4.4 MAC层业务接入模型的求解算法 |
| 4.5 收敛性证明 |
| 4.6 仿真参数设置与结果分析 |
| 4.6.1 仿真参数设置 |
| 4.6.2 仿真结果分析 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）1-3纳米气溶胶筛分与粒径分布测量方法及应用（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 新粒子生成现象及其影响 |
| 1.1.2 新粒子生成机制 |
| 1.1.3 成核关键粒径尺度气溶胶粒径分布测量的挑战性 |
| 1.2 国内外研究进展 |
| 1.2.1 大气新粒子测量 |
| 1.2.2 1-3纳米气溶胶粒径谱仪 |
| 1.2.3 1-3纳米差分电迁移率分析仪 |
| 1.2.4 1-3纳米气溶胶粒径分布测量的不确定性 |
| 1.3 研究目的、内容和技术路线 |
| 1.3.1 研究目的和意义 |
| 1.3.2 研究内容及技术路线 |
| 第2章 1-3纳米气溶胶粒径分布测量性能评价指标 |
| 2.1 Π参数 |
| 2.2 分辨率 |
| 2.3 1-3纳米粒径谱仪的性能评价 |
| 2.3.1 基于气溶胶计数器的电迁移率粒径谱仪 |
| 2.3.2 基于气溶胶静电计的电迁移率粒径谱仪 |
| 2.3.3 颗粒物粒径放大仪 |
| 2.4 小结 |
| 第3章 1-3纳米气溶胶筛分装置的开发与评测 |
| 3.1 一种中流量差分电迁移率分析仪的开发与评测 |
| 3.1.1 仪器开发 |
| 3.1.2 仪器评测 |
| 3.2 一种高流量差分电迁移率分析仪的评测 |
| 3.3 气溶胶在差分电迁移率分析仪反向电场中通过效率的优化 |
| 3.3.1 带电气溶胶在反向静电场中损失的模拟 |
| 3.3.2 带电气溶胶在反向静电场中损失的近似解析解 |
| 3.3.3 气溶胶在差分电迁移率分析仪出口通过效率的优化 |
| 3.4 小结 |
| 第4章 1-3纳米气溶胶粒径谱仪数据反演方法的优化 |
| 4.1 颗粒物粒径放大仪的测量原理 |
| 4.2 颗粒物粒径放大仪的反演方法 |
| 4.2.1 逐步反演方法 |
| 4.2.2 核函数法和H-A法 |
| 4.2.3 最大期望算法 |
| 4.3 颗粒物粒径放大仪反演方法的评测 |
| 4.3.1 评测方法 |
| 4.3.2 评测结果 |
| 4.4 1-3纳米电迁移率粒径谱仪的反演方法 |
| 4.5 小结 |
| 第5章 典型大气中新粒子生成的规律和其量化表征 |
| 5.1 典型大气中新粒子生成现象观测 |
| 5.2 气象传输对于新粒子生成过程中粒径分布影响的量化 |
| 5.2.1 量化方法 |
| 5.2.2 传输对于新粒子粒径分布的影响 |
| 5.3 新粒子生成速率计算公式 |
| 5.3.1 生成速率计算公式及其推导 |
| 5.3.2 新公式与原有公式的对比 |
| 5.4 凝并损失对于污染大气中新粒子生成的抑制作用 |
| 5.5 小结 |
| 第6章 结论与建议 |
| 6.1 结论 |
| 6.2 建议 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（9）多测量稀疏恢复深度学习方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 多测量压缩感知的背景与意义 |
| 1.1.1 压缩感知概述 |
| 1.1.2 单测量与多测量压缩感知 |
| 1.1.3 多测量压缩感知的应用 |
| 1.2 国内外研究现状 |
| 1.2.1 多测量稀疏恢复经典算法 |
| 1.2.2 深度学习方法的引入 |
| 1.3 论文研究内容及结构 |
| 1.4 本章小结 |
| 2 稀疏贝叶斯学习 |
| 2.1 压缩感知模型描述 |
| 2.2 分层贝叶斯模型 |
| 2.2.1 似然概率 |
| 2.2.2 先验概率 |
| 2.3 变分贝叶斯方法 |
| 2.3.1 VB-E推导 |
| 2.3.2 VB-M推导 |
| 2.4 本章小结 |
| 3 基于SBL的快速稀疏恢复算法 |
| 3.1 极大边缘似然估计 |
| 3.1.1 MacKay方法 |
| 3.1.2 EM算法 |
| 3.2 fast-SBL算法 |
| 3.2.1 算法推导 |
| 3.2.2 算法流程 |
| 3.3 本章小结 |
| 4 基于LSTM的多测量稀疏恢复算法 |
| 4.1 LSTM概述 |
| 4.2 LSTM-SBL算法 |
| 4.3 训练数据生成方法 |
| 4.4 LSTM训练 |
| 4.5 本章小结 |
| 5 实验与分析 |
| 5.1 MNIST手写数字恢复 |
| 5.1.1 实验数据与参数设置 |
| 5.1.2 算法准确度测试 |
| 5.1.3 信噪比的影响 |
| 5.1.4 采样率的影响 |
| 5.2 自然图像恢复 |
| 5.2.1 实验数据与参数设置 |
| 5.2.2 算法准确度测试 |
| 5.2.3 算法速度分析 |
| 5.2.4 信源数的影响 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻硕期间科研成果 |
（10）顾及数据源、反演模型与尺度差异的区域MODIS LAI产品校正方法（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 MODIS LAI产品校验 |
| 1.2.2 尺度转换 |
| 1.2.3 尺度效应 |
| 1.3 研究内容 |
| 1.4 研究思路与技术路线 |
| 第2章 研究区概况与数据处理 |
| 2.1 研究区概况 |
| 2.2 数据准备 |
| 2.2.1 Landsat8 OLI数据 |
| 2.2.2 MODIS数据 |
| 2.2.3 分类数据 |
| 第3章 基于等效点扩散函数模型的遥感影像尺度转换 |
| 3.1 空间响应模拟与敏感参数选择 |
| 3.2 进化算法 |
| 3.3 遥感影像的空间尺度转换 |
| 3.3.1 成像参数差异校正 |
| 3.3.2 尺度转换效果评估 |
| 第4章 基于LUT和辐射传输模型的水稻LAI反演 |
| 4.1 水稻冠层的辐射传输模型构建 |
| 4.1.1 辐射模型参数化 |
| 4.1.2 植被媒介的辐射传输问题 |
| 4.1.3 水稻冠层的理想模型 |
| 4.2 辐射传输方程求解 |
| 4.2.1 辐射传输问题中的假设 |
| 4.2.2 方程求解数学基础 |
| 4.3 水稻叶面积指数反演 |
| 4.3.1 LAI反演 |
| 4.3.2 反演结果分析 |
| 第5章 基于小波-分形原理的LAI尺度差异校正 |
| 5.1 小波变换原理 |
| 5.2 分形理论研究 |
| 5.3 LAI尺度差异校正 |
| 5.4 MODIS LAI产品校正结果分析 |
| 第6章 结论与展望 |
| 6.1 主要工作与结论 |
| 6.2 创新点 |
| 6.3 讨论与展望 |
| 参考文献 |
| 致谢 |
| 附录 |
四、二步过程生成((ΩΩ)_0)~+机制的研究（论文参考文献）
- [1]基于张量分解理论的三维人脸表情识别算法研究[D]. 符蕴芳. 北京交通大学, 2020(02)
- [2]垄行作物冠层反射率建模研究[D]. 马旭. 兰州大学, 2020(04)
- [3]大规模网络分布式估计中的错误数据注入攻击及其防御方法研究[D]. 姜乔木. 浙江大学, 2020(01)
- [4]基于图论与匹配理论的社交物联网资源分配方法研究[D]. 王博文. 中国矿业大学, 2020(01)
- [5]新能源背景下的主动配电网故障恢复关键技术研究[D]. 陈玮. 浙江大学, 2020
- [6]基于多特征分类的目标检测算法研究[D]. 赵蒙娜. 山东理工大学, 2020(02)
- [7]基于F-OFDM的联合上下行资源分配和业务接入技术研究[D]. 赵丹萍. 西安电子科技大学, 2019(02)
- [8]1-3纳米气溶胶筛分与粒径分布测量方法及应用[D]. 蔡润龙. 清华大学, 2019(02)
- [9]多测量稀疏恢复深度学习方法研究[D]. 魏晨. 武汉大学, 2019(06)
- [10]顾及数据源、反演模型与尺度差异的区域MODIS LAI产品校正方法[D]. 马雨佳. 中国地质大学(北京), 2019(02)