一、Cartan矩阵,分解数与单模的顶(论文文献综述)
陈松懋[1](2020)在《单光子探测编码技术及图像重构算法研究》文中提出得益于其良好的距离分辨力与方向性,激光雷达技术已被广泛应用于光电侦查、遥感测绘等领域,并在自动驾驶等若干新兴领域扮演着不可或缺的角色。然而激光在介质中快速衰减的特性严重限制了激光雷达的作用距离,成为了技术发展的瓶颈之一。单光子探测技术通过采用单光子探测器可以响应单光子级能量的回波,极大地提升了探测灵敏度,使得远距离高精度探测成为了可能。盖革模式雪崩光电二极管(Geiger mode Avalanche Photon Diode,Gm APD)因为具有成本低、二值化响应等优势使其成为了最常用的单光子探测器之一,但由于Gm APD不响应强度信息,故需大量累积回波信号才能恢复出回波信号。这一方面使得远距离探测的回波信号过于稀疏,难以有效重建目标信息;另一方面为了快速获取回波光子而采用高重频激光器,导致了距离模糊问题。本文围绕远距离高精度单光子探测存在的距离模糊问题与稀疏光子条件下的图像重建问题对单光子探测成像技术展开研究,取得的主要研究成果如下:(1)为了克服距离模糊提出了两种伪随机编码生成算法——多相伪随机编码快速生成算法与最优多相伪随机编码生成算法,并基于快速傅立叶变换(Fast Fourier Transform,FFT)算法实现快速解码。本文采用伪随机编码的方法大幅增加系统的探测距离,并针对传统的m序列存在的无法高速调制、不包含强度信息以及编码形式、长度固定的问题提出了新的伪随机编码生成算法。多相伪随机编码快速生成算法根据系统参数与Mersenne-Twister算法所产生的随机数对脉冲间隔调制,再通过预设的强度划分范围将调制位的幅值映射至对应的强度。最优多相伪随机编码生成算法则将编码看做是若干个码元的排列问题并通过粒子群优化(Partical Swarm Optimization,PSO)算法求解,初始化则由复杂度较低的线性同余法实现。仿真实验说明本文提出的两种伪随机编码生成算法所产生的伪随机编码自相关性均明显优于对比的双探测器伪随机编码生成算法和m序列,且易于生成;其良好的性质也使得解码算法可选用效率最高的基于FFT的解码算法。(2)针对远距离成像时回波过于稀疏的问题,本文基于Non-Local思想提出了一种稀疏光子条件下的图像重建算法框架NL3DR(Non-Local 3D Restoration)。本文通过建立相似度矩阵获取全部像素间的相关性,基于相似度矩阵构建Laplacian正则项作为约束重建目标的三维图像并交替提升空间联系与重建质量。为了避免稀疏光子条件下大量存在的“空”像素与噪点对获取Non-Local相关性的干扰,本文基于超像素原理提出了MSA(Multi-Scale Analysis)算法作为NL3DR的初始化,大幅提高了重建的鲁棒性;基于数据的泊松统计特性以及Laplacian正则项构建代价函数,其良好的分离特性使得代价函数的最小化问题可由交替方向乘子(Alternating Direction Method of Multipliers,ADMM)算法高效求解。此外还针对NL3DR算法计算复杂度较高的问题,提出了非均匀采样算法为代表的多种优化策略,将NL3DR算法进一步优化为OPN3DR(Optimized based Nonlocal 3D Restoration)算法,显着降低了重建算法对计算资源的需求。仿真数据集与实测数据集的实验结果均表明OPN3DR算法在采样点数远少于RDI-TV等算法的条件下仍具有良好的重建能力,在采样点数相同的情况下优势更为明显;并且在多个数据集中均实现了PPP(Photon-per-Pixel)小于1的图像三维重建。(3)为了利用量子器件的真随机性破解周期性照明对远距离成像的限制,本文研究了基于单光子源的三维成像系统,同时基于OPN3DR算法的变体F3DRSI(Fast 3D Restoration for Single photon source Imaging)算法实现了高精度三维成像。单光子源以其量子器件真随机的特性从原理上避免了距离模糊问题,也避免了使用额外的调制模块与伪随机编码;仅通过测量关联光子对间的时间差即可获得目标距离信息。单光子源极低的探测能量在带来了一系列优点的同时也使得回波信号更为稀疏,为了充分利用有限的回波信息,本文利用F3DRSI算法实现了PPP小于1的快速高精度三维重建,在接近理论极限的环境下实现了毫米级探测精度,重建时间仅为0.18秒至0.41秒。(4)考虑到探测环境对不同谱段有着不同的吸收与散射特性,本文研究了多光谱单光子成像系统及其重建算法MS3DR(Multispectral Sparse 3D Restoration)。多光谱单光子成像可以利用多个谱段探测目标,在获取距离信息的同时能够同时获得目标的光谱特性;而多个谱段的回波也有望增强稀疏光子条件下信息获取的鲁棒性。为了充分利用稀疏的高维回波数据,本文将OPN3DR算法进一步拓展为MS3DR算法;该算法同时利用了谱段间的相关性以及目标在空间分布上的相关性作为先验知识,并进一步基于此重建目标的多光谱图像。仿真实验结果显示MS3DR算法可以在单谱段平均像素光子数小于1的条件下较好地重建出多光谱三维图像。此外本文还研究了MS3DR算法在复杂环境下的重建能力,实现了在单谱段平均像素光子数仅为0.57且SBR(Signal-to-Background Ratio)仅为8.72的条件下的复杂场景多光谱三维重建。
唐琪[2](2020)在《基于机器学习的帕金森病早期诊断》文中研究说明作为一种常见的神经系统方面的疾病,帕金森的发病率相对较高,同时从实际的情况来看,帕金森症会导致机体运动性能的缺失,被临床医生归类为一种运动障碍。目前帕金森病的诊断主要依靠临床症状,这在很大程度上依赖于临床医生的经验。因此,有效的早期诊断方法是必要的。针对脑图像维度高数据量小等特点,研究上常采用特征筛选的方法从中选取最优特征子集达到降维效果,防止过拟合。但传统的机器学习算法在对特征降维分类过程中会筛掉很多内在相关性强的特征,从而导致分类模型性能降低。为了解决这个问题,保证降维的同时特征之间的相关性高从而达到提高分类性能的目的,本文提出了一种基于自注意力机制的循环神经网络分类模型。该模型采用自注意力机制与循环神经网络相结合的方法,对MRI与DTI图像中提取的五种脑区特征(脑灰质、脑白质、脑脊液密度等)进行分类训练。同时还对比分析了其他五种脑疾病常用的经典分类算法(支持向量机,多层感知机,极限学习机等)。本研究采取了10次交叉验证,并且对403个受试者脑图像进行了研究和分析,并且将受试者图像数据分为了三组,分别为正常组、帕金森组以及特别组,其中正常组为154组,帕金森组为165组,特别组84组。基于多模态数据的类别研究和分析可以更有效的保证实验结果和分类结果的准确性。实验结果表明:多种图像特征更有益于提高分类准确性的;极限学习机的效果多数时候不理想,多层感知机与卷积神经网络的效果较为优秀,性能最好的是基于自注意力机制的循环神经网络分类模型。因此,基于自注意力机制的循环神经网络分类模型拥有更好的分类性能。
余万科[3](2020)在《非平稳复杂工业过程数据解析与高性能监控方法研究》文中指出随着科学技术的发展和市场需求的增加,现代工业工厂的生产规模不断扩大、复杂程度不断提升。这最终导致对运行安全、产品质量和经济效益的需求不断增加。过程监控方法能够及时的检测出工业过程运行的异常,并对其进行诊断来提供故障信息以消除异常情况带来的负面影响。因此,工业过程监控受到了学术界和工业界的广泛关注和大量应用。基于数据驱动的方法能够从历史数据中提取过程信息,在不需要过程先验知识的情况下建立监测与诊断模型。通过数据驱动方法,一些数学物理模型难以建立的复杂工业过程同样能够安全、有效、经济的运行。在实际应用中,工业过程由于各种复杂的特性对现有基于数据驱动的状态监测与故障诊断方法提出了挑战。对于状态监测而言,复杂的非平稳特性会导致过程各个阶段处于不同的状态,从而不能用一个固有的模型进行有效的监测。具体而言,慢时变行为和操作工况切换都会使得连续过程变得非平稳;而间歇过程由于包含多个操作阶段也通常是非平稳的。对于故障诊断而言,故障的拖尾效应、历史数据不充分、故障演化信息提取和单模型精度有限等都是实际应用中需要考虑的问题。本文针对这些问题,在数据驱动的框架下,系统性的提出了一系列复杂非平稳工业过程的故障检测与诊断方法。首先,我们在第一章中分析了工业过程故障监测与诊断的研究背景与研究现状;之后,分别在第二章和第三章分别给出了我们所提出的连续过程和间歇过程的监测方法;在检测到过程异常之后,我们在第四章中对其进行变量隔离以确定引起异常事件的子系统;在第五章中,我们在第四章的基础上对过程异常进行故障诊断来确定它所属历史故障类别,方便对故障根因进行追溯;考虑到单模型的诊断精度有限,我们在第六章中给出了概率集成学习方法用来综合不同模型的诊断结果。文章的具体研究内容如下给出:(1)针对传统自适应算法存在的模型误更新问题,提出了一种递归指数慢特征分析(RESFA)算法用于精细化的自适应过程监测。首先,设计了 一种指数慢特征分析(ESFA)方法来提取工业过程的慢特征,以便更好地捕获过程变化的总体趋势。在指数慢特征分析(ESFA)模型的基础上,建立了一种精细化的自适应监测方案,以准确地捕获工业过程的正常变化,包括正常的缓慢变化和正常的工况切换。通过这种方式,可以有效地将正常过程缓慢变化与具有异常动态行为的微小故障区分开来避免错误地适应故障数据。此外,将真实过程异常与正常运行状态切换区分开来之后,可以针对新的运行工况正确的更新监控模型来实施异常检测。所提出的自适应监测方法的性能通过青霉素生产过程、卷烟生产过程和注塑过程的数据来进行验证。实验结果表明该方法可以有效识别不同的运行状态,从而决定是否更新监控模型或发出警报。(2)针对传统间歇过程监测算法在高维空间中划分时段和对微小故障检测灵敏度低的问题,提出了基于平稳子空间分析(SSA)方法的层级监测模型。所提出的方法从历史过程数据中提取全局平稳特征,并为整个间歇过程中的时不变信息建立全局监测模型。基于剩余的全局非平稳特征建立了一种时段划分方法,在低维数据空间中以动态信息来划分间歇过程。根据划分结果,使用长期均衡关系和系统动态信息为每个操作阶段构建局部监测模型。新收集的样本的运行状态由全局模型和局部模型共同确定,并且提供了物理解释来更好地理解过程状态。使用青霉素发酵过程和注塑过程对所提出方法的有效性进行验证,实验结果表明所提方法能够提取关键特征来准确地将间歇过程划分为不同的操作阶段,并能有效地检测出微小故障从而及时地采取纠正措施。(3)针对传统判别算法类内协方差矩阵奇异性和模型解释度低的问题,提出了一种稀疏指数判别分析(SEDA)算法用于同时选择关键变量和寻找判别方向。通过将Lasso或弹性网(Elastic Net)惩罚引入指数判别分析(EDA)算法中,建立了可以自动选择引起过程故障的关键变量的稀疏指数判别模型。由于所建立模型的优化目标是非凸的,因此使用最小化最大化(minorization-maximization,MM)算法将其重铸为迭代凸优化问题。之后,提出了一种可行的梯度方向方法来迭代地解决该优化问题。模型的稀疏解可以指示关键的故障信息,从而提高分类性能达到准确区分不同的故障的效果。通过田纳西-伊士曼过程和卷烟生产过程对该方法的性能进行了验证,实验结果表明所提出的算法可以通过剔除无关的变量达到简化判别模型并提高判别精度的效果。(4)针对传统的故障诊断算法忽视了过程故障演化趋势信息和需要重新训练模型以涵盖新数据的问题,设计了具有增量学习能力的宽度卷积神经网络(BCNN)。所提出的方法将几个连续的样本合并为一个数据矩阵,然后使用卷积运算从获得的数据矩阵中提取故障趋势和非线性结构。之后,利用获得的卷积特征及其相对应的故障标签来训练全连接层中的网络权重。由于BCNN的网络结构,可以通过添加新生成的额外节点来提高BCNN模型的诊断性能。最后,还设计了该方法的增量学习能力,以便BCNN模型可以更新自身网络结构来涵盖新采集的异常样本和故障类别。将该方法应用于田纳西-伊士曼过程和三相流过程,实验结果表明它可以更好地捕获故障过程的特征来进行故障诊断,并有效地更新诊断模型以涵盖新出现的异常样本和故障类别。(5)针对单一模型只能获得有限诊断效果的问题,提出了 一种基于贝叶斯网络(PEL-BN)的概率集成学习策略,用来以概率方式集成多个模型的诊断结果。首先,建立一种集成指标来评估各个候选诊断模型,从而甄选出具有更好诊断性能的诊断模型。然后,基于选定的诊断模型,使用所提出的三种基本拓扑构造贝叶斯网络的网络架构。最后,利用建立的贝叶斯网络来综合不同诊断模型的优点,从而准确地推断出所探测异常样本的故障原因。PEL-BN算法的故障诊断性能通过田纳西-伊士曼过程和火电厂过程数据进行了验证,实验结果证实了该方法能够有效整合不同分类器的优势来提高诊断效果。
张德宏[4](2019)在《基于异质数据的microRNA与疾病关联预测研究》文中研究指明microRNA(miRNA)是非编码RNA大家族中的一员,可以调控基因表达,这也就意味着它会影响细胞水平上的多种生物学过程,进而影响组织、器官、系统乃至生命体。所以,与miRNA相关的功能性障碍与包括癌症在内的众多人类疾病有着密切的联系。我们希望能较快地发现并了解更多的miRNA与人类疾病的关联,再通过miRNA检测从而帮助治疗疾病乃至于疾病预防。由于传统的“湿实验”耗时耗力,且在一定程度上缺乏方向性,所以利用已有相关数据去预测可能的miRNA-疾病关联,可以为下一步的“湿实验”提供有益的帮助。在前人相关工作的基础上,本文提出一种基于多网络的miRNA与疾病关系标签传播预测模型(Heterogeneous Label Propagation for MiRNA-Disease Association prediction,HLPMDA)。首先,收集整理有关miRNA、疾病和长非编码RNA的异质数据;其次,以已知人类miRNA-疾病相互关联、长链非编码RNA-疾病关联、长链非编码RNA-miRNA相互作用、miRNA功能相似性以及疾病语义相似性数据为基础,分别建立miRNA-疾病关联网络、长链非编码RNA-疾病关联网络、miRNA-长链非编码RNA相互作用网络、miRNA相似性网络和疾病相似性网络,并将这五个网络整合为异质网络;然后,基于此异质网络,分别由投影得到的miRNA和疾病拓扑相似性矩阵来更新miRNA相似性矩阵和疾病相似性矩阵;最后,利用标签传播算法,在异质网络上进行标签传播并预测潜在的miRNA-疾病关联。从实验结果部分而言,HLPMDA在全局和局部留一交叉验证中达到可靠的预测性能(AUC值分别为0.9232和0.8437)。而且,在五折交叉验证中,AUC值和标准差为0.9218和0.0004。此外,还对3种重要的人类疾病进行案例分析。基于以往的实验及文献报告,这些疾病预测的前50个结果被逐一验证。结果,94%,98%和92%的食管肿瘤,乳腺肿瘤和淋巴瘤的前50个预测结果被成功证实。本文还将HLPMDA与其他以往的预测模型进行了一系列的结果对比。综合来看,HLPMDA的预测性能全面超越了PBMDA、MCMDA、Max-Flow、HGIMDA、RLSMDA、HDMP、WBSMDA、MirAI、MIDP和RWRMDA等十种主流且经典的miRNA与疾病关系预测模型。以HLPMDA为基础,进一步开发了用于预测miRNA与疾病关联的网站,在一定程度上提高了本文成果使用的便利性。
刘周巍[5](2019)在《GPS/BDS/GALILEO三模卫星系统选星算法研究》文中研究指明随着全球导航系统的逐步发展完善,多系统间组合定位逐渐兴起,多导航系统组合导航定位的需求逐渐增加,多系统选星算法的研究已不容忽视。本文基于对已有四大卫星导航系统原理阐述,理论分析GPS、BDS和GALILEO三系统间具有更好的兼容性,最终决定针对GPS/BDS/GALILEO三模情况下多系统选星算法进行研究。文章首先对卫星导航定位理论进行阐述,并由此引出GDOP值对卫星选星的影响关系。接着讨论了最佳形状法、最大矢端四面体体积法、六星选星算法、最大行列式法、最小GDOP值法已有选星算法原理,并对已有选星算法进行总结分类为:基于卫星空间分布特性选星算法和其他算法。总结基于卫星空间分布特性选星算法过程为:顶座星的确定和底座星群的选取。通过理论分析,已有二维凸包选星算法选出的卫星具有最好的底座星群和合适的顶座星,但文章具体分析发现该选星算法具有可改进空间,故文章针对Graham扫描二维凸包选星算法做算法优化改进研究。具体针对Graham扫描二维凸包选算法的顶座星选取过程和Graham扫描过程分别进行改进,最终通过GPS/BDS/GALILEO三模系统组合数据进行论证了改进后算法具有可行性和理论研究意义。论文主要工作内容如下:(1)对四大组合导航定位系统GPS、BDS、GALIEO和GLONASS的系统组成、时间系统、空间坐标系统进行理论分析,理论说明GPS、BDS和GALILEO三系统间具有更好的兼容性。对卫星导航的基本原理及卫星位置解算方法进行理论分析,并做具体公式推导演示,与此同时文章细致分析卫星导航电文数据特点和卫星定位位置解算过程,为相关实验做理论支撑。(2)分析用户位置解算原理和阐述几何精度因子GDOP定义,对GDOP值与卫星组合导航定位精度间关系进行分析研究。首先详细论述已选星算法原理:最佳形状法、六星选星算法、基于卫星仰角和高度角选星、最大矢端四面体体积选星算法、二维凸包Graham扫描法选星算法、最小GDOP值选星算法、模糊选星算法和行列式选星算法,对已有选星算法进行理论分析对比,将已有选星算法原理详细论述后将其进行总结分类为:卫星空间特性选星算法类与其他类。卫星空间特性选星的目的为选出空间体体积最大的最佳卫星组合,通过分析对比出该类算法中二维凸包选星算法选出的底座星群将构建最大底座星群。故本文后续研究针对二维凸包选星算法进行详细分析。(3)首先对Graham扫描的二维凸包法进行详细原理阐述,对具体扫描过程进行分析,研究发现该算法的顶座星选取过程和Graham扫描过程存在可优化改进的地方。文章针对这两个方向设计改进方案有:一、针对二维凸包Graham扫描法中顶座星选取问题作为改进目标,提出综合卫星信噪比与卫星仰角综合选取顶座星的改进策略;二、基于对Graham扫描法算法实现和算法原理分析的基础上,采用对卫星进行预处理后减少Graham扫描法扫描卫星,减少算法运算量实现运算优化。文章通过GPS/BDS/GALILEO三系统组合导航数据对优化算法进行算法评估有:顶座星改进后卫星选星结果的定位性能提高10~20mm;Graham扫描过程优化后,单次Graham扫描卫星数减少2颗以上,算法解算速度提高0.004s以上。(4)文章对优化后Graham扫描二维凸包选星算法在不同系统条件下应用性能进行分析,在GPS、GSP/BDS、GPS/BDS/GALILEO三种卫星系统组合情况下对已有选星算法六星选星算法、八星最佳形状法、二维凸包Graham扫描法与优化算法进行算法实验对比,通过算法结果卫星数、GDOP值和算法定位精度对算法进行算法性能评估对比分析。实验对比结果表明:单GPS系统下,改进后选星算法提高优势不明显。GPS/BDS双系统和GPS/BDS/GALILEO三系统中,改进后选星算法的定位性能均提高10~20mm以上,证明综合信噪比与卫星仰角进行选取顶座星的优化具有可行性,且其优化算法性能优势随着组合系统的增加卫星数的增多将进一步扩大。
赵旭辉[6](2019)在《SLAM技术在视频卫星处理中的应用研究》文中研究表明随着遥感领域的不断发展,视频卫星正逐渐发展成为一种新型对地观测模式。视频卫星通过对地表某一区域连续拍摄,可以获得该区域的高分辨率动态视频。相比于传统静态遥感影像,视频卫星为实时拍摄、跟踪地面动目标提供了可能。但受限于软硬件等因素,目前相关研究较少、技术相对缺乏,视频卫星还不具备在轨定位、跟踪动目标的能力,没能充分挖掘出视频卫星的应用潜力与潜在商业价值。为使视频卫星具备在轨定位与目标跟踪能力,本文以SLAM(Simultaneous Localization And Mapping,同时定位与地图构建)技术为切入点,将SLAM与卫星视频处理进行结合,对SLAM在卫星视频上的应用进行研究。初步建立了视频卫星在轨处理与应用相关算法;构建了视频卫星在轨目标定位与跟踪流程;提出了适合于视频卫星目标检测的原形SLAM框架;形成了一套相对完整的视频卫星SLAM应用理论体系,并进行了相关实验。主要研究内容如下:快速特征提取与匹配算法。本文从视频卫星特点出发,分析了常规计算机视觉算法在卫星视频中应用存在的问题,进而研究一种适合于卫星视频的特征检测与匹配算法。为保证特征点分布尽可能均匀,采用高斯差分金字塔进行角点检测;为保证匹配效率,采用二进制描述子与暴力匹配算法进行匹配。最后对算法在特征点分布与效率两方面进行了验证。卫星位姿估计与转换。从SLAM在视频卫星中应用角度出发,研究了以视觉影像匹配为基础,采用单应矩阵恢复视频卫星相对运动的方法。在帧间相对位姿确定的前提下,推导了将相对姿态转换为世界坐标系(如WGS84)下真实姿态的方法。同时提出了一种利用星上姿轨测量数据恢复视觉里程计估计的运动绝对尺度的办法。视频动目标检测跟踪与定位。以视频动目标检测与定位为目标,首先分析了常规视频动目标检测的原理与方法,研究了适合于在星上有限计算资源以及卫星视频动目标小、纹理少的情况下提取动目标的算法与流程。同时结合视觉里程计估计的相对位姿、卫星测量的姿轨数据,采用三角化原理和刚体坐标变换,推导了动目标像素坐标与真实世界坐标(如WGS84)间的关系。
王轩[7](2018)在《基于统计模式识别方法的主观认知下降fMRI数据分析研究》文中进行了进一步梳理主观认知下降(Subjective Cognitive Decline,SCD)是阿尔兹海默症(Alzheimer disease,AD)的最早期状态,具有不易诊断、易发展为AD的特点。已有SCD诊断方法多停留在临床检测与传统统计分析的层面。针对上述问题,本文分别提出了基于模型融合、阈值网络特征提取的功能核磁共振成像(functional Magnetic Resonance Imaging,fMRI)统计模式识别方法。主要研究内容如下。提出基于主成分分析约束的平均最优分界面距离(Principal Components Analysis constrained average optimal interface distance,PCAC-AOID)模型融合算法。首先,使用PCA降低数据维度,获得列维度之间线性无关的样本数据;其次,使用这些数据构造不同的分类器模型;然后,使用样本点到最优分界面的距离进行模型融合。本方法结合了数据降维后维度充足且线性无关的特点,解决特征选择与特征扰动中的冗余问题,避免了大量的特征选择工作。提出基于级联的全局稀疏阈值网络(Cascade-based Global Sparse Threshold,CGST)算法。通过研究样本功能连接值的平均频数直方图,发现SCD和NC样本的功能连接值频数存在差异。为了研究这一差异以及其对fMRI数据分类的影响,本文在全局稀疏阈值方法的基础上,级联不同参数下的网络特征。本方法融合了多个全局稀疏参数下的特征,以提升分类效果。本文从优化模型融合与网络特征提取角度研究SCD样本分类问题,分别提出基于PCA约束的最优分界面距离模型融合方法、基于级联的全局稀疏阈值网络算法,并通过实验验证这两个算法的有效性。
林睿[8](2018)在《数据中心无源光互联关键技术研究》文中认为近年来,随着云计算、社交网络、虚拟现实等应用兴起和普及,全球网络流量呈指数增长。而数据中心作为构建信息高速公路的关键环节,在全球范围的信息互联中担当着越来越重要的角色。快速增长的数据流量在各类数据中心内存储,处理,计算,传输,并根据用户的请求进行即时响应。根据预测,大型数据中心的带宽需求将每四年增加二十倍。传统的数据中心已无法满足容量及能耗方面的要求,日渐增大的带宽压力与可承担能耗之间的矛盾难以调和,亟需新的互联架构和传输技术来应对大容量、高能效、低时延等多重挑战。光传输技术作为一种大容量,低能耗的通信方式正逐步覆盖包括数据中心在内的短距通信场景。另一方面,数据中心的网络交换部分仍主要基于商用交换机,大量的光电光转换极大的限制了数据中心的能耗及时延性能。也亟需新的互联架构、交换技术及相应的协议来满足未来数据中心容量、能耗、时延方面的要求。针对上述挑战,本文面向低能耗的数据中心光互联进行了无源光互联技术研究;针对其本地性、突发性、并发性的流量特性,设计了多种基于光耦合器的无源光互联结构;针对光耦合器分光损耗所导致的功率预算紧张,提出了一套针对该结构的可扩展性研究方法,其中包含物理层多重因素的影响,如器件的插入损耗,接收机类型,接收机带宽,调制格式,判决电平等。在此基础上研究了引入放大器对于柜顶连接的成本、能耗、及可扩展性的影响。为实现前述基于光耦合器的无源光互联内各端口间的无冲突通信,设计了一种基于周期的集中式介质访问控制协议为各端口提供寻址机制和信道访问;提出了最大优先的波长/时间资源分配算法;根据数据中心流量特点建立流量模型,并仿真测试了无源光网络结构的平均分组时延及丢包性能。结果表明在10Gbps光网络接口速率的条件下,无源光网络结构结合所提出的资源分配算法可以实现微秒级的平均分组时延。与改良的传统电分组交换中使用的iSLIP算法相比较优势明显。同时对网络配置参数,如端口规模,传输窗口设置及收发机调谐时间对于分组时延及丢包率的影响进行了研究和探讨。在基于光耦合器的无源光互联中提出并实现了物理层网络编码(PLNC)方案,分别从物理层和网络层证明了该技术在无源光互联中应用的可行性及网络增益。物理层上利用多种调制格式实现了50 GHz栅格密集波分复用系统中的的全光PLNC;网络层上针对PLNC的特性提出了相应的资源分配算法,并对采用PLNC的无源光互联结构进行了平均分组时延和丢包率等性能分析。仿真结果表明在可用波长资源较少时,采用PLNC在高网络负载条件下可大幅降低平均分组时延约100倍,且在降低丢包率方面也有明显性能提升。尤其是在网络负载较高的情况下,波长资源不足时原结构迅速趋于饱和,使用PLNC则仍能维持较低的分组时延和丢包率。针对数据中心内部大带宽传输时延敏感的需求,利用高速收发芯片及大带宽光电器件搭建光传输系统,实现了单通道100 Gbps实时双二进制光信号传输;利用光电器件及光纤链路的低通特性进行信号整形,在收端实现双二进制信号的判决。其中电信号的产生与判决在芯片上实现,发射端采取模拟前向反馈均衡,避免了系统中的数字信号处理从而显着降低了相关时延。
王淑娟[9](2017)在《Cartan型模李超代数与交换李超代数的表示》文中提出李超代数是一类重要的非结合超代数,与众多数学分支有紧密联系,并有深刻物理背景.根据基域特征,可分为模李超代数(基域特征为素数)及非模李超代数(基域特征为0).本文主要研究Cartan型模李超代数的表示与特征零域上交换李超代数的极小忠实表示.主要工作如下:首先,利用根反射给出Cartan型模李超代数的限制Kac模不可约性的充要条件.主要方法是:将相关代数的限制不可约模转化为限制Kac模的不可约顶部(head),再利用根反射得到一系列限制Kac模,用首权之差刻画其相应的不可约顶部之间的同构.进一步用典型权的语言刻画相关代数的限制Kac模不可约性.其次,利用有理模范畴给出Cartan型模李超代数的限制不可约模的特征标公式.主要方法是:利用限制Kac模的不可约顶部之间的同构及最高权向量,给出限制Kac模的合成因子及重数,从而借助限制Kac模的相关短正合列,得到相关代数的所有限制不可约模的特征标公式以及维数公式.第三,利用p-特征标高度及χ-既约Kac模的PBW基定理,刻画Cartan型模李超代数的某些非限制表示.主要方法是:将相关代数的非限制不可约模转化为χ-既约Kac模的不可约顶部,再根据p-特征标的特点将问题转化为p-特征标矩阵的秩,将带有奇异p-特征标及?-可逆非奇异特征标的非限制不可约模的分类等理论转化为典型李超代数的非限制不可约模的相关理论.第四,利用矩阵相似变换等理论将给出特征零域上有限维交换李超代数的极小忠实表示维数.主要方法是:利用线性代数基本理论将问题转化为由上三角矩阵组成的交换子代数的极大维数,从而得到交换李超代数忠实表示的极小维数.最后,利用相似变换来计算特征零域上一般线性李超代数的极大交换子代数.主要方法是:借助两类相似变化得到一般线性李超代数的交换子代数维数达到最大的充要条件,从而给出一般线性李超代数的极大子代数在共轭意义下的分类,同时也给出Nice交换李超代数的所有极小忠实表示.
郝树宏[10](2016)在《连续变量量子逻辑门序列和量子误差修正》文中认为量子信息科学是量子力学、信息科学和计算机科学等学科相结合而发展起来的的一门新兴学科,是国际研究的前沿领域。量子信息基于量子特性而具有独特的信息功能,在提高运算速度、确保信息安全、增大信息容量和提高检测精度等方面可以突破现有的经典信息系统的极限。量子信息主要包括量子通信与量子计算两大研究方向。量子计算在解决某些计算难题方面具有经典计算无法替代的优势。最初,量子计算研究主要集中在基于量子比特的分离变量领域。然后,随着以光场正交分量为基础的连续变量量子信息处理系统的快速发展,连续变量量子计算也从理论探讨进入实验研究阶段。连续变量量子计算在某些方面具有一些优势,可以比较有效的模拟连续变化的量子系统。连续变量多组份纠缠态光场是量子计算和量子通信网络的重要资源之一。基于多组份纠缠态的单向量子计算是一种重要的量子计算方式。量子逻辑门和量子误差修正是量子计算中的重要环节。我们研究组以连续变量多组份纠缠态光场为量子资源,开展了量子逻辑门序列和量子误差修正方面的研究工作。本文的主要研究内容如下:1.单模压缩操作和傅立叶变换操作是连续变量量子计算领域中的两个基本逻辑操作。我们利用Einstein-Podolsky-Rosen (EPR)双模纠缠态光场,以一种更简单,更有效的方案实现了这些基本量子逻辑操作。理论计算和实验结果都表明,我们所提出的方案不仅在数量上最大程度地降低了对量子资源态的要求,而且在相同的资源条件下增强了输出模式的压缩度和保真度。这种利用双模纠缠态光场实现逻辑操作的方法可以作为基本计算单元应用在以后的大规模量子计算中。2.利用cluster纠缠态作为量子资源的单向量子计算是一种高效的量子计算模式。我们以连续变量六模cluster纠缠态作为量子资源,第一个完成了连续变量量子逻辑门序列的实验演示,它是由一个单模压缩操作和一个双模受控位相门组成的门序列。这个门序列的输出模式保真度和两个输出模式之间的纠缠度等量子特性在实验上得到了验证,输出模式之间的纠缠既依赖于压缩门也依赖于受控位相门,其序列作用得到证实。我们提出的门序列方案可以扩展至更多逻辑门组合,用以执行通用高斯计算。3.量子误差修正能够保护量子态在量子通信和量子计算过程中不受噪声和退相干作用的影响,这使得我们能够执行容错的量子信息处理。我们实验实现了一种针对单一随机误差的五波包结构编码方式的量子误差修正。我们采用的五编码通道是五模连续变量的纠缠态光场。特别是,在我们的编码方案中,输入态的信息仅仅被编码在五个传输通道的其中三个上,因此在剩余的两个通道上引入的任何错误将不会影响输出态的结果,即输出量子态对来自这两个信道上的错误有免疫功能。我们分别采用真空态和压缩态光场作为输入信号,验证了任意的单通道误差的量子误差修正过程,输出态的保真度超过了相应的经典极限。所完成的研究工作创新之处如下:1.利用光学模的EPR纠缠源实现了连续变量单模高斯操作——单模压缩操作和傅立叶变换,简化了操作方案,节省了量子资源。2.利用六模cluster纠缠态实现了包含一个压缩门和一个受控位相门的量子逻辑门序列,为实现包含多个逻辑门组合的复杂量子计算系统提供了实验基础。3.基于五模纠缠态光场,采用部分编码方式,实现了紧凑高效的连续变量五波包编码量子误差修正方案。
二、Cartan矩阵,分解数与单模的顶(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、Cartan矩阵,分解数与单模的顶(论文提纲范文)
(1)单光子探测编码技术及图像重构算法研究(论文提纲范文)
摘要 |
abstract |
符号列表 |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 成像原理 |
1.1.3 研究意义 |
1.2 国内外研究现状 |
1.2.1 单光子探测器研究现状 |
1.2.2 单光子成像系统研究现状 |
1.2.3 单光子成像算法研究现状 |
1.2.4 单光子成像技术发展趋势 |
1.3 本文主要研究内容 |
第2章 基于单光子探测的伪随机编码技术研究 |
2.1 引言 |
2.2 编码式单光子探测原理 |
2.3 伪随机编码 |
2.3.1 m序列 |
2.3.2 多相伪随机编码快速生成算法 |
2.3.3 最优多相伪随机编码生成算法 |
2.4 多相伪随机编码快速解码算法 |
2.5 实验结果与分析 |
2.6 本章小结 |
第3章 基于Non-Local的单光子图像重建算法框架 |
3.1 引言 |
3.2 算法框架结构与参数 |
3.2.1 Non-Local重建算法结构 |
3.2.2 信号观测模型 |
3.3 多尺度分析 |
3.4 空间相似性 |
3.4.1 相似度矩阵 |
3.4.2 像素特征提取 |
3.5 图像重建 |
3.5.1 代价函数 |
3.5.2 Laplacian矩阵 |
3.6 交替方向乘子法 |
3.6.1 增广拉格朗日方程 |
3.6.2 ADMM算法 |
3.7 重建算法框架 |
3.8 本章小结 |
第4章 基于Non-Local的重建算法优化与结果分析 |
4.1 引言 |
4.2 优化策略 |
4.2.1 非均匀采样 |
4.2.2 聚类分割 |
4.2.3 优化代价函数 |
4.2.4 其他优化策略 |
4.2.5 OPN3DR算法 |
4.3 实验结果 |
4.3.1 仿真原理及评价准则 |
4.3.2 对比算法简介 |
4.3.3 实验环境与参数 |
4.3.4 仿真数据实验结果 |
4.3.5 实测数据实验结果 |
4.4 本章小结 |
第5章 基于单光子源的三维成像技术研究 |
5.1 引言 |
5.2 成像原理与系统 |
5.2.1 成像系统结构 |
5.2.2 成像原理 |
5.2.3 目标特性分析 |
5.3 重建算法 |
5.4 实验结果 |
5.5 本章小结 |
第6章 基于多光谱的单光子图像重建算法研究 |
6.1 引言 |
6.2 成像原理与系统 |
6.3 重建算法 |
6.3.1 观测模型 |
6.3.2 互相关算法 |
6.3.3 MS3DR算法 |
6.4 实验结果 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 本文总结 |
7.2 未来展望 |
参考文献 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
致谢 |
(2)基于机器学习的帕金森病早期诊断(论文提纲范文)
摘要 |
abstract |
注释表 |
第1章 引言 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 帕金森病的神经影像特征MRI形态学研究 |
1.2.2 帕金森病的神经影像MRI量化研究 |
1.2.3 帕金森病的检测和分类算法研究 |
1.3 本文概述 |
1.3.1 研究内容 |
1.3.2 论文结构 |
第2章 MRI和 DTI图像预处理和特征提取 |
2.1 数据获取 |
2.2 数据预处理 |
2.2.1 MRI预处理 |
2.2.2 DTI预处理 |
2.3 脑区特征提取 |
2.4 多模特征融合 |
2.5 本章小结 |
第3章 帕金森病特征分类机器学习算法研究 |
3.1 特征筛选 |
3.2 特征分类 |
3.2.1 逻辑回归 |
3.2.2 支持向量机 |
3.2.3 多层感知器 |
3.2.4 极限学习机 |
3.2.5 CNN |
3.3 有无特征筛选性能对比 |
3.3.1 MRI图像特征分类 |
3.3.2 DTI类特征分类 |
3.3.3 多模态特征分类 |
3.4 分类算法总结 |
3.5 本章小结 |
第4章 基于自注意力机制的神经网络分类算法研究 |
4.1 RNN |
4.2 自注意力机制 |
4.3 算法设计 |
4.4 算法性能评估 |
4.5 本章小结 |
第5章 实验结果对比分析 |
5.1 单类特征分类性能研究 |
5.1.1 MRI图像特征分类 |
5.1.2 DTI图像特征分类 |
5.2 多模态特征分类性能研究 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 工作总结与创新点 |
6.2 课题展望 |
参考文献 |
附录A AAL-116脑区模板划分表 |
致谢 |
攻读硕士学位期间从事的科研工作及取得的成果 |
(3)非平稳复杂工业过程数据解析与高性能监控方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题背景及意义 |
1.2 工业过程描述与特性分析 |
1.2.1 连续过程的特性 |
1.2.2 间歇过程的特性 |
1.3 过程监测与故障诊断的研究现状 |
1.3.1 连续过程过程监测研究现状 |
1.3.2 间歇过程过程监测研究现状 |
1.3.3 故障变量隔离研究现状 |
1.3.4 故障诊断研究现状 |
1.4 本文的主要工作 |
第二章 基于递归指数慢特征分析的精细化自适应过程监测 |
2.1 引言 |
2.2 慢特征分析(SFA)回顾 |
2.3 递归指数慢特征分析 |
2.3.1 问题陈述与动机分析 |
2.3.2 递归指数慢特征分析 |
2.3.3 基于RESFA的精细化自适应过程监测策略 |
2.4 实验验证与结果分析 |
2.4.1 案例一、青霉素发酵过程 |
2.4.2 案例二、卷烟生产过程 |
2.4.3 案例三、注塑过程 |
2.5 本章小结 |
第三章 基于平稳子空间分析的间歇过程层级监测模型 |
3.1 引言 |
3.2 平稳子空间分析(SSA)回顾 |
3.3 基于平稳子空间的间歇过程层级监测方案 |
3.3.1 问题陈述与动机分析 |
3.3.2 非平稳子空间时段划分 |
3.3.3 基于SSA的层级监测模型 |
3.3.4 在线层级监测 |
3.3.5 讨论与分析 |
3.4 实验验证与结果分析 |
3.4.1 案例一、青霉素生产过程 |
3.4.2 案例二、注塑过程 |
3.5 本章小结 |
第四章 稀疏指数判别分析及其在故障变量隔离中的应用 |
4.1 引言 |
4.2 指数判别分析回顾 |
4.3 稀疏指数判别分析 |
4.3.1 稀疏指数判别分析算法的公式化表述 |
4.3.2 稀疏指数判别分析算法的求解 |
4.3.3 利用可行梯度方向法求解稀疏判别优化 |
4.3.4 进一步的讨论和评价 |
4.4 实验验证与结果分析 |
4.4.1 案例一、田纳西-伊斯曼过程 |
4.4.2 案例二、卷烟生产过程 |
4.5 本章小结 |
第五章 基于宽度卷积神经网络的工业过程故障诊断 |
5.1 引言 |
5.2 卷积神经网络回顾 |
5.3 宽度卷积神经网络 |
5.3.1 问题陈述与动机分析 |
5.3.2 宽度卷积神经网络 |
5.3.3 对新样本和新类别的增量学习能力 |
5.3.4 关于BCNN的一些讨论 |
5.4 实验验证与结果分析 |
5.4.1 案例一、田纳西-伊士曼过程 |
5.4.2 案例二、三相流过程 |
5.5 本章小结 |
第六章 基于贝叶斯网络的概率集成学习 |
6.1 引言 |
6.2 基于贝叶斯网络的概率集成学习 |
6.2.1 基于贝叶斯网络的概率集成学习概述 |
6.2.2 基础拓扑结构的条件概率表 |
6.2.3 候选分类器选择和贝叶斯网络搭建 |
6.2.4 在线概率故障诊断 |
6.3 实验验证与结果分析 |
6.3.1 案例一、田纳西-伊士曼过程 |
6.3.2 案例二、火电厂过程 |
6.4 本章小结 |
第七章 结论与展望 |
7.1 研究工作总结 |
7.2 研究工作展望 |
参考文献 |
致谢 |
攻读博士学位期间完成的学术论文 |
(4)基于异质数据的microRNA与疾病关联预测研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 本课题研究背景与意义 |
1.2 研究现状及发展趋势 |
1.3 本文的研究内容 |
1.4 本文结构 |
2 miRNA及其功能相似性 |
2.1 miRNA简介 |
2.2 miRNA功能相似性 |
2.3 长链非编码RNA及其与miRNA的相互作用 |
2.4 本章小结 |
3 疾病及其相似性 |
3.1 有向无环图 |
3.2 疾病语义相似性 |
3.3 本章小结 |
4 数据集与数据预处理 |
4.1 人类miRNA与疾病关联 |
4.2 长链非编码RNA与疾病关联 |
4.3 长链非编码RNA-miRNA相互作用 |
4.4 miRNA功能相似性 |
4.5 高斯相互作用谱核相似性 |
4.6 疾病和miRNA相似性的结合 |
4.7 本章小结 |
5 预测模型 |
5.1 投影 |
5.2 标签传播 |
5.3 迭代的收敛与极限 |
5.4 网络在线服务 |
5.5 本章小结 |
6 模型评估 |
6.1 交叉验证评估 |
6.2 案例评估 |
6.3 本章小结 |
7 讨论 |
7.1 总体讨论 |
7.2 与随机游走算法的比较 |
7.3 本章小结 |
8 结论 |
8.1 本文工作总结 |
8.2 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(5)GPS/BDS/GALILEO三模卫星系统选星算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 论文研究背景及意义 |
1.1.1 论文研究背景 |
1.1.2 论文研究意义 |
1.2 国内外研究及发展现状 |
1.2.1 几何精度因子研究现状 |
1.2.2 选星算法研究现状 |
1.3 论文内容安排和章节分布 |
第二章 卫星导航系统简介和卫星定位解算原理分析 |
2.1 GNSS系统简介 |
2.1.1 GPS系统 |
2.1.2 北斗导航定位系统 |
2.1.3 GALILEO |
2.1.4 GLONASS |
2.2 系统兼容性和可操作性分析 |
2.2.1 坐标系统兼容性分析 |
2.2.2 时间系统统一性分析 |
2.3 卫星导航定位原理 |
2.3.1 二维定位原理 |
2.3.2 卫星位置的解算 |
2.3.3 用户位置解算 |
2.4 本章小结 |
第三章 选星算法研究 |
3.1 引言 |
3.2 几何精度因子GDOP |
3.3 卫星空间特性选星算法 |
3.3.1 最佳形状法 |
3.3.2 基于卫星仰角和方位角的快速选星算法 |
3.3.3 最大矢端四面体体积法 |
3.3.4 六星选星法 |
3.3.5 模糊选星法 |
3.3.6 多系统快速选星算法 |
3.3.7 二维凸包法 |
3.4 其他选星算法 |
3.4.1 最小GDOP值算法 |
3.4.2 最大行列式法 |
3.4.3 基于卫星对几何精度因子贡献的选星法 |
3.5 算法对比总结 |
3.6 本章小结 |
第四章 基于凸包Graham扫描法快速选星算法改进 |
4.1 引言 |
4.2 二维凸包选星算法原理 |
4.2.1 凸包的定义 |
4.2.2 基于Graham扫描法的选星算法原理 |
4.3 基于Graham扫描二维凸包选星算法改进设计 |
4.3.1 基于Graham扫描二维凸包优化方案设计 |
4.3.2 综合信噪比和高度角改进顶座星选取 |
4.3.3 优化Graham扫描二维凸包过程 |
4.4 本章小结 |
第五章 改进后二维凸包Graham扫描法的应用分析 |
5.1 引言 |
5.2 GPS/BDS/GALILEO的卫星可见性分析 |
5.3 GPS单系统选星算法应用分析 |
5.3.1 卫星空间特性分析 |
5.3.2 算法定位性能分析 |
5.4 GPS/BDS双系统选星算法应用分析 |
5.4.1 卫星空间特性分析 |
5.4.2 算法定位性能分析 |
5.5 GPS/BDS/GALILEO三系统选星算法应用分析 |
5.5.1 算法空间特性分析 |
5.5.2 算法定位性能分析 |
5.6 本章小结 |
第六章 结论与展望 |
6.1 回顾与总结 |
6.2 未来的工作展望 |
致谢 |
参考文献 |
附录 A |
(6)SLAM技术在视频卫星处理中的应用研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.3 研究目的 |
1.4 研究内容 |
1.4.1 快速特征提取与匹配算法 |
1.4.2 视频卫星实时位姿估计算法 |
1.4.3 卫星视频目标实时检测及轨迹跟踪算法 |
1.4.4 技术路线 |
1.5 论文组织结构 |
2 快速特征提取与匹配算法研究 |
2.1 现有代表性算法研究 |
2.1.1 ORB特征算子 |
2.1.2 SIFT特征算子 |
2.2 现有算法在卫星视频中应用存在的问题 |
2.2.1 ORB存在的问题 |
2.2.2 SIFT存在的问题 |
2.3 适合于卫星视频的算法研究 |
2.3.1 特征提取算法与策略 |
2.3.2 特征描述与匹配算法 |
2.4 算法测试 |
2.4.1 精度与分布对比 |
2.4.2 效率对比 |
2.5 本章小结 |
3 视频卫星实时位姿估计研究 |
3.1 相关坐标系介绍与定义 |
3.2 基于视觉的卫星位姿估计 |
3.2.1 相机成像模型 |
3.2.2 卫星姿态估计与转换 |
3.3 位姿优化 |
3.3.1 优化原理 |
3.3.2 双视图Bundle Adjustment |
3.3.3 位姿图优化 |
3.4 算法测试 |
3.4.1 相对位姿估计准确性验证 |
3.4.2 位姿估计效率 |
3.4.3 真实位姿计算 |
3.5 本章小结 |
4 卫星视频动目标即时定位算法研究 |
4.1 卫星视频动目标检测与跟踪算法 |
4.1.1 卫星视频特点 |
4.1.2 常规视频动目标检测与跟踪算法 |
4.1.3 卫星视频动目标检测跟踪算法 |
4.2 地理定位计算模型 |
4.2.1 像素坐标到相机坐标 |
4.2.2 相机坐标到WGS84 坐标 |
4.2.3 WGS84 坐标到经纬度 |
4.3 算法测试 |
4.3.1 提取轨迹精度验证 |
4.3.2 计算量对比 |
4.3.3 定位算法测试 |
4.4 本章小结 |
5 总结与展望 |
5.1 动目标定位流程总结 |
5.2 总体框架总结 |
5.3 进一步研究方向 |
5.3.1 回环检测的设计 |
5.3.2 星载测量数据可信度 |
5.4 远景与展望 |
致谢 |
参考文献 |
(7)基于统计模式识别方法的主观认知下降fMRI数据分析研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 SCD样本诊断与识别研究现状 |
1.2.2 模型融合在大脑神经疾病诊断中的研究现状 |
1.2.3 认知障碍功能连接网络的研究现状 |
1.3 本文研究内容 |
1.4 论文结构 |
第2章 相关知识 |
2.1 模型融合概述 |
2.2 主成分分析原理 |
2.3 支持向量机 |
2.4 功能连接网络与阈值网络方法 |
2.4.1 中值阈值 |
2.4.2 稀疏阈值 |
2.5 本章小结 |
第3章 基于模型融合的主观认知下降f MRI数据分类研究 |
3.1 引言 |
3.2 f MRI功能连接矩阵的特点 |
3.3 线性无关对模型融合的影响 |
3.4 使用最优分界面距离进行模型融合 |
3.5 基于PCA约束的最优分界面距离模型融合方法 |
3.5.1 算法思想 |
3.5.2 算法设计 |
3.6 本章小结 |
第4章 基于阈值网络特征提取的f MRI数据分析研究 |
4.1 全局阈值与局部阈值 |
4.1.1 功能连接矩阵的全局阈值 |
4.1.2 功能连接矩阵的局部阈值 |
4.1.3 全局阈值与局部阈值差异分析 |
4.1.4 网络特征提取与分类 |
4.2 基于级联的全局稀疏阈值网络特征提取算法 |
4.2.1 算法原理 |
4.2.2 算法设计 |
4.2.3 算法复杂度分析 |
4.3 本章小结 |
第5章 实验与结果分析 |
5.1 实验数据集说明 |
5.2 实验评价指标 |
5.3 基于PCAC-AOID算法的SCD分类研究实验 |
5.3.1 实验设置 |
5.3.2 SVM基分类器参数设置 |
5.3.3 实验结果 |
5.3.4 实验结果分析 |
5.4 基于CGST算法的SCD分类研究实验 |
5.4.1 实验内容 |
5.4.2 全局阈值与局部阈值对比实验结果与分析 |
5.4.3 CGST算法实验结果 |
5.4.4 实验结果分析 |
5.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(8)数据中心无源光互联关键技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 引言 |
1.2 数据中心网络中的光互联 |
1.3 本文主要研究内容和组织结构 |
2 数据中心无源光互联 |
2.1 低成本低能耗的无源光互联 |
2.2 基于AWG的无源光互联 |
2.3 基于光耦合器的无源光互联 |
2.4 可扩展性研究 |
2.5 本章小结 |
3 数据中心无源光互联的控制协议 |
3.1 数据链路层协议(MAC) |
3.2 无源光互联的MAC协议 |
3.3 资源调度算法 |
3.4 性能分析 |
3.5 本章小结 |
4 无源光互联中的物理层网络编码 |
4.1 物理层网络编码(PLNC)理论 |
4.2 全光网络编码 |
4.3 PLNC在无源光互联中的应用 |
4.4 无源光互联中PLNC的传输性能 |
4.5 PLNC的网络增益 |
4.6 本章小结 |
5 数据中心无源光互联中的实时高速传输系统 |
5.1 EDB的基本原理 |
5.2 用于NRZ及EDB收发机的预均衡技术 |
5.3 高速实时双二进制光传输系统 |
5.4 本章小结 |
6 总结与展望 |
6.1 全文工作总结 |
6.2 论文主要创新点 |
6.3 工作展望 |
致谢 |
参考文献 |
附录1 攻读博士期间发表论文目录 |
(9)Cartan型模李超代数与交换李超代数的表示(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题的背景及意义 |
1.2 课题的研究现状及所涉及的主要问题 |
1.2.1 Cartan型模李超代数的表示 |
1.2.2 交换李超代数的极小忠实表示 |
1.2.3 主要研究内容及结构 |
第2章 预备知识 |
2.1 基本概念 |
2.1.1 超空间与超代数 |
2.1.2 结合超代数及其表示 |
2.1.3 李超代数及其表示 |
2.2 Cartan型模李超代数 |
2.3 本章小结 |
第3章 Cartan型模李超代数的限制表示 |
3.1 限制Kac模不可约性的充要条件 |
3.1.1 奇型切触李超代数 |
3.1.2 特殊奇型Hamilton李超代数 |
3.1.3 特殊奇型切触李超代数 |
3.2 限制不可约模的特征标公式 |
3.2.1 奇型Hamilton李超代数 |
3.2.2 奇型切触李超代数 |
3.2.3 特殊奇型Hamilton李超代数 |
3.3 本章小结 |
第4章 Cartan型模李超代数的非限制表示 |
4.1 带有非奇异p-特征标的不可约模 |
4.2 带有奇异p-特征标的不可约模 |
4.3 带有高度为1的正则半单p-特征标的不可约模 |
4.4 本章小结 |
第5章 交换李超代数的极小忠实表示 |
5.1 一般线性李超代数 |
5.2 交换李超代数忠实表示的极小维数 |
5.2.1 gl(m, n) 的交换子代数的极大维数 |
5.2.2 主要结果 |
5.3 gl(m, n)的极大交换子代数 |
5.4 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其他成果 |
致谢 |
个人简历 |
(10)连续变量量子逻辑门序列和量子误差修正(论文提纲范文)
中文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 量子信息学科简介 |
1.2 连续变量量子通信和量子计算研究进展简介 |
1.3 我们的研究工作简介 |
参考文献 |
第二章 基础知识简介 |
2.1 经典光场到量子光场 |
2.2 非线性光学过程的量子化处理 |
2.2.1 利用非线性光学效应产生量子光场 |
2.2.2 三阶非线性效应的应用简介 |
2.2.3 NOPA腔的具体分析 |
2.3 光学腔的应用 |
2.3.1 光学腔的模式匹配 |
2.3.2 光学腔的滤波功能 |
2.3.3 利用光学腔测量位相起伏 |
2.4 光学分束器的应用 |
2.4.1 光学分束器的量子化处理 |
2.4.2 光学网络变换矩阵的分解 |
2.4.3 平衡零拍探测 |
2.5 激光调制及其在光学锁定中的应用 |
2.5.1 利用电光效应实现电光调制技术 |
2.5.2 利用位相调制技术的光学锁定技术 |
2.5.3 光束间任意位相差的锁定 |
2.6 多组份cluster纠缠态介绍 |
2.6.1 多组份cluster纠缠态 |
2.6.2 多组份cluster纠缠态的制备 |
2.6.3 多组份cluster纠缠态的判别 |
2.7 多组份纠缠态光场的应用——单向量子计算 |
2.7.1 量子逻辑操作介绍 |
2.7.2 利用cluster纠缠态实现单向量子计算 |
2.8 激光调制在量子信息反馈中的应用 |
2.8.1 利用激光调制实现量子信息的线性反馈 |
2.8.2 激光调制的非线性反馈方法 |
2.8.3 经典增益因子的调节 |
2.9 小结 |
参考文献 |
第三章 利用EPR纠缠态实现单模高斯操作 |
3.1 引言 |
3.2 单模高斯操作背景介绍 |
3.3 基于EPR纠缠态实现单模高斯操作的理论分析 |
3.4 常见的基于EPR方案的单模高斯操作汇总及应用简介 |
3.4.1 压缩操作 |
3.4.2 旋转操作 |
3.4.3 Shear变换操作 |
3.5 基于EPR纠缠态实现单模高斯操作的实验装置和实验结果 |
3.5.1 实验装置 |
3.5.2 实验结果 |
3.6 小结与展望 |
参考文献 |
第四章 连续变量量子逻辑门序列 |
4.1 引言 |
4.2 背景介绍:通用单模高斯操作的研究进展 |
4.3 制备辅助资源六组份CV cluster纠缠态 |
4.3.1 制备六组份CV cluster纠缠态的理论分析 |
4.3.2 六组份CV cluster的实验装置及实验结果 |
4.4 基于六组份纠缠态的逻辑门序列 |
4.4.1 基于六组份纠缠态逻辑门序列的计算及实验分析 |
4.4.2 逻辑门序列输出结果的纠缠分析 |
4.4.3 逻辑门序列的实验结果 |
4.5 逻辑门序列的进一步探讨 |
4.6 小结与展望 |
参考文献 |
第五章 连续变量五波包量子误差修正 |
5.1 引言 |
5.2 连续变量量子误差修正的背景介绍 |
5.3 基于五波包部分编码方式的量子误差修正方案 |
5.3.1 编码过程 |
5.3.2 误差引入过程 |
5.3.3 解码过程 |
5.3.4 特征值判别过程 |
5.3.5 误差修正过程 |
5.4 误差修正实验结果 |
5.4.1 真空态作为输入态 |
5.4.2 压缩态作为输入态 |
5.4.3 修正结果的保真度分析 |
5.4.4 误差类型的讨论 |
5.5 高斯噪声的处理方法简介 |
5.5.1 高斯噪声分析 |
5.5.2 无噪声放大操作介绍 |
5.5.3 基于测量的虚拟无噪声放大方法 |
5.6 小结与展望 |
参考文献 |
第六章 总结与展望 |
博士期间已发表的期刊论文 |
致谢 |
个人简况及联系方式 |
四、Cartan矩阵,分解数与单模的顶(论文参考文献)
- [1]单光子探测编码技术及图像重构算法研究[D]. 陈松懋. 中国科学院大学(中国科学院西安光学精密机械研究所), 2020(06)
- [2]基于机器学习的帕金森病早期诊断[D]. 唐琪. 重庆邮电大学, 2020(02)
- [3]非平稳复杂工业过程数据解析与高性能监控方法研究[D]. 余万科. 浙江大学, 2020(01)
- [4]基于异质数据的microRNA与疾病关联预测研究[D]. 张德宏. 中国矿业大学, 2019(09)
- [5]GPS/BDS/GALILEO三模卫星系统选星算法研究[D]. 刘周巍. 昆明理工大学, 2019(04)
- [6]SLAM技术在视频卫星处理中的应用研究[D]. 赵旭辉. 武汉大学, 2019(06)
- [7]基于统计模式识别方法的主观认知下降fMRI数据分析研究[D]. 王轩. 燕山大学, 2018(09)
- [8]数据中心无源光互联关键技术研究[D]. 林睿. 华中科技大学, 2018(05)
- [9]Cartan型模李超代数与交换李超代数的表示[D]. 王淑娟. 哈尔滨工业大学, 2017(01)
- [10]连续变量量子逻辑门序列和量子误差修正[D]. 郝树宏. 山西大学, 2016(05)