一、基于目标极化特征的数据关联算法（论文文献综述）
顾为亮[1]（2021）在《基于多极化特征联合的海面目标检测》文中研究指明近年来关于雷达目标探测技术的发展蒸蒸日上,其应用更是十分广泛,在军用和民用方面都具有重要意义。由于海洋环境受多种因素影响,目标检测技术成为当前该领域研究的热门。传统的海面目标检测是基于统计理论进行建模和分析的,具有一定的局限性。因此,本文从目标极化方向角度出发,引入非相干极化目标分解,根据分解所获得检测统计量来完成目标检测,其检测性能较其他算法具有一定优势。本文的主要研究内容如下:首先阐述了极化目标分解的基础理论。通过引入雷达电磁波极化矢量形式,介绍几种极化矩阵的数学表达形式,后又介绍了极化目标分解中相干分解和非相干分解,分析了各分解的特点及应用。接着利用了目标的极化特征和非极化特征实现目标检测。选取了基于极化信息的相对体积散射功率特征和相对平均幅度特征,就目标以及杂波所提取出特征展开探究。比较两组特征的一维分布,基于二维凸包学习算法,完成两个特征融合分析。并同相对体积、二面角、表面散射功率以及相对平均幅度的单特征检测方法对比,该方法有着更为优秀的检测性能。最后利用了两种目标分解方式分别提取极化特征进行联合检测。提取了Cloude分解中相对平均散射能量、Freeman分解中两种相对散射功率这三组特征。比较各组特征的三维分布,可以看出对于目标和杂波存在比较明显的可分辨差异。利用三维凸包训练算法,实现极化三特征联合检测,同时与传统的CFAR算法展开对比,该方法有着较好检测性能。
阮一晨[2]（2021）在《基于数据驱动的杭州萧山区公共中心体系认知与优化研究》文中指出随着我国经济社会的发展由高速增长转为高质量增长,人民生活水平不断提升,社会主要矛盾发生转变,城市生活性空间的发展随之转变为引领城市建设、提升城市居民生活幸福感的主要动力之一。城市公共中心体系是承载城市居民生活性活动的主要空间,在城市公共服务与消费空间的发展中起到重要作用。近年来,城市研究数据与技术快速发展,特别是大数据与机器学习算法的引入,为城市空间结构研究提供了强有力的量化支撑。但同时也引申出公共中心体系研究中,数据表征的充分性、研究方法的适应性、表征关系的实效性等数据技术应用层面的问题。为此,本研究以杭州市萧山区为对象,针对城市公共中心体系研究,在数据技术选择与应用、影响要素与机制分析、优化布局手段等多方面文献综述基础上,结合规划研究中数据应用的特征,总结出本研究着力探索的三个主要问题:如何观察并总结公共中心的特征、公共中心体系发展类型特征与影响要素有哪些、怎样正确引导公共中心空间优化。并借鉴弱假设强表征的数据驱动范式,形成了由理论线索指导表征数据,再构建表征关系,从而推导特征规律的研究逻辑,将之应用于研究问题所对应的空间认知、空间分析与空间优化三个主要流程,以实现空间认知与优化的研究目的,解释公共中心体系空间特征与规律,完善其优化方法与流程。研究内容与结论主要包括三方面:一是公共中心体系的识别与空间特征认识。从供给与需求的角度入手,针对公共中心体系的构成要素,搭建手机信令、POI与调研数据结合的多源数据识别框架,实现杭州市萧山区公共中心体系识别,并从中心的空间布局、结构关系与功能关联认识其基本空间特征。初步认识了体系内的公共中心路径依赖与道路亲缘特征规律与“一主一副数次多基”的4级中心体系,同时发现政府主导配置的公共服务设施在中心关联中具有重要引领性作用。二是在公共中心体系的发展程度与影响要素分析。构建常态化和非常态化两大层面的分析框架:在常态化层面,遵循先扩样后收缩的思路,从浙江省扩样识别公共中心体系的初长型、增长型、成熟型、完善型四大聚类,定位出与萧山区近似的成熟型与完善型聚类样本。同时地形条件、经济规模、人口规模、城市建设、居民消费力与公共交通6类影响要素存在显着的类型性差异,其变化特征主要由发展初期政府主导的投资拉动型增长模式转变为后期由市场引领的消费主导型发展模式。各影响要素间呈现相互作用的网络机制,其中人口规模是发展程度最直接最核心的影响要素。在非常态化要素方面,萧山区公共中心体系深受G20、亚运会与新冠疫情防控等大事件中正向推动力的促进,并在后续使其持续影响。三是在公共中心体系优化分析。杭州市萧山区的研究范围,通过人口与公共中心体系具有强关联的线索,从人口的居住、就业、旅游三方面入手构建“人口—公共中心”的空间关联模型,推导出中心优化的空间基础。在此基础上借助三方面目标准则:一是通过公共中心发展的监督学习模型、满意度与亚运会大事件分析结合,总结出经验目标。二是通过人本主义价值尺度下总结出效率与公平的发展目标,三是在公共中心现状特征中总结的规律性原则。最终在空间与非空间两个层面提出了针对萧山区公共中心体系的优化指引。经三方面内容的逐层推进,实现了公共中心体系认知与优化的数据驱动研究框架搭建,通过实证案例分析与认知,总结具有时空背景的特征经验与一般性的规律,丰富了新数据环境下的城市空间结构研究。
邵夫驰[3]（2021）在《海杂波背景下小目标检测技术研究》文中研究表明海杂波是海洋表面对雷达信号的后向散射回波,由于受到海上复杂海情的影响,对检测海面小目标有巨大的阻碍。同时,小目标雷达散射截面积小,目标信号微弱,易淹没在海杂波和噪声中,导致检测虚警率上升。如何从复杂海情中实现小目标高精准、高时效的检测已成为雷达信号处理领域的热点和难点。在海杂波背景下检测小目标,需要对海杂波特征进行研究,分析海杂波信号与小目标信号的特征差异,进行小目标检测。依据海杂波具有混沌特性和分形特性,本文研究了混沌的相关基础理论及其特征。研究了混沌与噪声的区别,提出了基于改进的经验模态分解（MEEMD）算法和SG滤波的海杂波去噪算法。分析分形理论与混沌理论之间的联系,结合分数阶傅里叶变换（FRFT）分析海杂波的多重分形特性,提出了基于FRFT域的高阶多重分形海面小目标参数检测方法。具体研究如下:利用最小二乘支持向量机（LSSVM）构建海杂波单步预测模型,证实了LSSVM应用在海杂波目标检测领域的有效性。选取CEEMD与排列熵结合的改进算法MEEMD,对海杂波进行CEEMD分解,避免模态混淆。确定排列熵的阈值范围,对CEEMD分解的IMF分量进行排列熵计算。大于排列熵最大阈值,认为是异常分量,予以剔除,直到分解的IMF分量的排列熵小于排列熵最小阈值,停止分解。处在排列熵阈值范围内的IMF分量,认为是噪声占据主导地位的信号分量,对此类信号进行SG滤波。将经过滤波后的分量与小于阈值范围的第一个IMF分量和剩余信号进行信号重构,得到去噪后的海杂波数据。MEEMD对海杂波不需要完全分解结束,只要分解到IMF分量的排列熵在阈值范围以下,就可停止分解,减少了运算时间,提高了时效性。LSSVM单步预测模型,选用均方根误差作为去噪效果评判指标,以IPIX雷达#17海杂波为例,去噪前均方根误差为0.0064,去噪后均方根误差为0.000968,实验结果提升了一个数量级,同时能够检测出去噪前海杂波中未能检测出的小目标信号,提高了准确性。针对海杂波背景下复杂海情对小目标检测的影响,传统时域分形分析法未考虑海杂波信杂比（SCR）低的特性,提出了基于FRFT的高阶多重分形参数检测法。该方法选用分数布朗运动（FBM）建模,将海杂波数据代入FRFT变换,发现不再具有严格的自相似性,除了FRFT变换阶数,还与尺度系数有关。再利用多重分形去势波动法确定多重分形参数,研究海杂波实测数据在不同组合下的多重分形参数。实验结果表明,FRFT能够有效的对小目标进行能量补偿,并且拓展了多重分形参数的线性区间,HH极化提高了10%,VV极化提高了14.29%,对高尺度分形参数进行归一化,设置门限,HH极化主目标检测正确率为92.86%,VV极化主目标检测正确率为78.57%,验证了高尺度分形参数可应用于海面小目标检测。归一化负高尺度多重分形参数和尺度在-5至5区间分形参数拟合曲线的斜率,利用Logistic回归模型进行预测有无小目标,预测准确率达到83.42%。文章分析海杂波与小目标信号的特征差异,结合经验模态分解,支持向量机,分形和分数阶傅里叶变换等理论,建立海杂波背景下小目标检测模型,缓解了小目标检测对复杂海情的依赖,具有一定的应用价值。
洪涛[4]（2021）在《基于深度学习的知识图谱关系预测与推荐算法研究》文中研究指明对基于深度学习的知识图谱关系预测方法进行研究能够对节点间关系的推理与隐含信息挖掘产生较大现实应用价值。其可用于犯罪预测、推荐系统、自然语言推理等系统及方法中。本文对基于知识图谱的关系预测方法进行研究,并将其应用于推荐系统中以提升准确率。本文主要解决由于图谱信息挖掘不充分而导致的推荐不准确问题。首先,为了更好地利用并挖掘图谱信息,得到更加准确的图谱关系表述,本文提出了一种基于RNN网络和Rotat E策略的关系预测方法。其次,为了解决知识图谱信息表述不充分而引起的推荐不准确问题,本文提出了一种基于极化关系表述的推荐方法。最后,为了捕获图谱中的全局信息,进一步提升推荐准确率,本文提出了一种基于强化学习的自适应奖励采样方法。本文的主要工作如下:1、针对基于知识图谱的关系预测方法通常使用路径导向的策略而忽略了节点邻域关系的差异,导致过多的路径冗余信息,使得预测准确率降低的问题。本文提出了一种基于RNN网络和Rotat E策略的方法,通过对节点邻域关系进行嵌入学习和准确表述提升了关系预测的准确性。首先通过RNN网络有效学习不同节点邻域的数据关联特性,使得参数中包含邻域节点信息;然后采用Rotat E分数策略去描述节点关系的差异,使得编码端节点关系得到更加明显的区分。为了充分利用上述方法,解决图谱信息在传统推荐算法中表述不充分问题,本文进行了如下工作。2、在推荐系统中,针对传统方法对于节点间的关系表述不够准确,同时往往忽略了节点间低维数据所隐藏的关系特征的问题。为了提升推荐准确性,本文提出了一种新的基于极化关系的表述方法,将节点间的表述映射到酉空间,丰富了节点间关系表述的有效信息;此外,设计了一种对知识图谱嵌入和推荐过程低维数据进行关联学习的方法,深入挖掘其所隐藏的丰富与细致关系,从而提升了推荐的准确率。为了进一步提升推荐准确率,解决图谱全局信息在推荐过程中挖掘不充分问题,本文进行了如下工作。3、在推荐系统中,针对传统基于强化学习采样不够准确问题。本文提出了一种新的融合了采样点正负样本状态及购买行为的自适应权重分配奖励函数,解决了由于权重分配不均匀导致的目标转移不准确问题。同时,本文通过融合图聚合及图卷积的策略网络,降低采样点对邻居节点的依赖,解决了图网络中结构及属性信息未充分学习的问题,并提升了推荐准确率。在上述工作中,本文提出的基于极化关系的知识图谱表述方法是最重要的贡献。其解决了由于图谱信息表述不充分而导致的关系预测及推荐不准确问题。同时,在基于深度学习的知识图谱关系推理应用研究中,本文所提方法能够更加合理且有效地挖掘知识图谱中的有效信息,从而提升准确率。通过将向量映射到酉空间,能够在推荐应用中更加准确的对节点间关系进行表述进而提升推荐准确率。最后,本文通过引入强化学习的自适应采样方法充分挖掘图谱中的全局信息,使得图谱信息得到更好的利用,进而提升推荐准确率。
耿道双[5]（2021）在《基于微波技术的急性紧张性痛觉脑活动信号的检测与识别方法研究》文中指出探索并揭示痛觉脑活动的神经机制是获取更多的脑疾病诊断方法和治疗手段的一个具有挑战性的科学问题,尤其对神经性疼痛的早期预警和诊断非常重要。早期的痛觉脑活动检测方法如脑电图、脑磁图、血氧水平依赖功能磁共振成像技术和正电子发射断层扫描技术等。这些方法一定程度上改善了痛觉的检测和监测,为脑疾病的监控和治疗带来了发展契机。然而这些方法还存在一些技术难点,有的时间或空间分辨率低,有的设备昂贵、检测成本高或对人体有放射性伤害等,给院前预警和痛觉脑信号的精准识别带来了困难。微波检测技术因其不受时-空分辨率的限制、便携和低成本的特点,近年来逐渐受到国内外学者的关注,被广泛用于脑中风、脑肿瘤和失眠症等院前检测方面的研究。基于微波检测技术的优势,本文以急性紧张性痛觉脑活动为研究对象,从微波频率变化对痛觉神经元活动的影响、痛觉脑活动的检测和信号识别方法方面,开展了深入而广泛的研究。本文的研究内容和主要研究结果概述如下:1)利用微波能够调节脑活动功能区放电频率的特性,开展微波辐射对脑电相对功率变化影响的研究。根据微波辐射与脑动力学之间的关系,建立一种微波频率与动态痛觉脑电频带功率变化以及源定位关系的测试方法,寻找最佳微波测试频率。通过计算动态脑电频带相对功率的变化和对比源定位的影响,验证不同微波频率与痛觉脑功能区神经元放电频率的抑制/激活关系。结果表明,微波辐射能够改变脑电功率的变化,痛觉源活动会随着微波频率的变化而增强或减弱,且5GHz微波测试效果最佳。另外,对比微波传输信号与痛觉脑电信号的波形图及频谱图,利用线性相关分析方法,计算出微波传输信号与脑电信号之间的相关系数,验证了微波检测痛觉脑活动的可行性。2)提出了一种熵结合机器学习的方法识别微波传输信号中的痛觉信息。根据微波传输信号的时序变化特点,提出了基于波动的多尺度色散熵和基于频域变化的功率谱香农熵作为表征“无痛”和“痛”信号复杂度的特征。利用经验模态分解和变分模态分解提取两种疼痛类别信号的熵,采用基于互信息的最小冗余最大相关准则和主成分分析算法进行特征选择和降维,选取浅层机器学习模型对特征数据集进行训练和分类,分析特征提取算法、特征选择算法的分类性能。结果表明,熵对于区分具有不同复杂度的痛觉信号效果显着,基于变分模态分解结合最小冗余最大相关准则获取的特征数据具有更高的分类准确率、灵敏度、特异性、阳性预测值,分类策略表现更优,对于提高微波检测的识别性能具有重要价值。3)提出一种多类型复合特征的微波痛觉脑活动识别方法。在“无痛”和“痛”二分类任务的基础上,使用小波包分解、变分模态分解两种算法独立或叠加的方式,提取相对能量变化、精细复合多尺度色散熵、精细复合多尺度模糊熵和基于Burg算法的自回归模型系数作为识别无痛和痛的复合特征。采用浅层机器学习分类策略,评价复合特征的性能。结果显示,叠加的特征提取算法能够获得更大的识别能力,更有可能从信号中捕捉到的大脑非线性动态,且随机森林的分类策略更优,结果更稳定。该方法进一步优化了痛觉脑活动信号的识别率。4)提出了基于深度神经网络的疼痛强度特征表示与识别方法。借助小波包变换极佳的频带细分识别能力,利用多尺度熵、不同深度的卷积神经网络和不同层结构的长短时记忆网络的特征提取和分类模型,结合现有的浅层机器学习模型,设计了七种特征提取和识别模型。结果表明,卷积神经网络的特征提取模型,明显改善了中度疼痛和深度疼痛难以区分的情况,相比较多尺度熵特征模型,分类性能提高3%以上。而对于分类性能,卷积神经网络和长短时记忆网络要比浅层机器学习方法,分类准确率、精确率更高,尤其是双向长短时记忆网络。该方法解决了疼痛强度脑信号复杂的特征工程计算成本,同时增强了不同等级疼痛信号的识别能力。本文提出的微波检测方法依靠其不受时间分辨率和空间分辨率限制的优势,以其安全、低成本、方便快捷等优势使痛觉脑活动检测更加精确、及时和高效,对疼痛类型简单、快速、准确的检测具有重要应用价值。另外,运用先进的机器学习技术,挖掘脑活动数据中蕴含的信息,极大改善了痛觉和疼痛强度识别能力,为高精度的痛觉脑活动解析提供了科学基础和技术支持。
王武斌[6]（2021）在《超大容量铅酸电池的电化学阻抗谱预警技术研究》文中认为核电厂需要超大容量4000Ah级铅酸电池。核级电气设备分类为核安全等级（简称为1E级）与级外设备。超大容量铅酸电池与堆芯的应急冷却设备相连接,属于1E级设备。国内外核电厂内,阀控式铅酸电池的非1E级应用仍处于起步阶段。阀控式铅酸电池的1E级应用,国内外尚属首次。4000Ah级阀控式铅酸电池1E级应用的研究成果,属于填补国内外行业空白。电化学阻抗谱预警技术是材料电化学与电力电子学互相融合的研究方向。电池电化学阻抗谱的建模、检测、反向演算与警报设计是关键技术。本论文研究并开发的电化学阻抗谱预警技术综合了以下内容:第2章研究了以平均开关极化阻抗为核心的阻抗谱建模技术。该技术论证了满电态深度放电的线性内阻模型,该模型显着提高了内阻拟合值同电池剩余可用容量的关联度。平均开关极化阻抗,是将以往线性平均极化阻抗升高一阶,并为直流方向性极化阻抗的元件设置定常系数。平均开关极化阻抗的元件与以往直流开关极化阻抗的元件存在逐一对应关系。基于平均开关极化阻抗的特征电荷转移阻值是充电与放电的电荷转移电阻的并联值,也是满电态的放电电荷转移阻值。基于特征电荷转移阻值,本文论证了满电态深度放电的线性内阻模型。第3章建立了以快速锁相放大器为核心的低频微弱阻抗谱检测技术。该技术能够减少放电电阻发热量,减少检测装置体积与重量,在嵌入式单板实现低频微弱阻抗谱检测。快速锁相放大器,以线性平均定积分器替代以往的低通滤波器与定积分器,能够基于短时稳定采样信号在非整数周期的时刻输出选频结果。快速锁相放大器的离散公式消除了频率变量,其格式统一。快速锁相放大器中的参考信号相位是全局最优的。该检测技术还包括了直流脉冲放电方法,并开发了一种参考信号相位优化的自适应算法与一种阻抗谱线性补偿方法。第4章建立了以矢量目标函数与线性插值搜索算法为核心的阻抗谱反向演算技术。该技术能够简化阻抗谱反向演算的初始值准备与梯度下降方向搜索,其嵌入式编程在线结果的均方根误差显着小于专业软件的离线结果。矢量目标函数用反向演算过程中初始极化阻抗矢量的零值旋转角度,等效替代常规的均方根误差最小化。线性插值搜索算法,将梯度下降方向搜索简化为初始极化阻抗中双层电容值的一维搜索,替代常规图解法与演化算法。第5章建立了以串联阻值动态阈值为核心的电池剩余可用容量失效的警报设计技术。该技术能够抑制电池老化初期的虚警与老化末期的漏警,其嵌入式编程在线实测的误警区间同理论设计值基本吻合。串联阻值动态阈值,基于形态校正因子安全裕度来表征误警区间的设计目标。该警报技术通过比较当前测量的阻抗谱串联阻值与其动态阈值高低,直接给出容量失效警报结果。该警报技术还开发了一种深度放电末端内阻压降的定常模型,一种深度放电的内阻压降模型与一种深度放电反向演算的交互式方法。本论文开发的阻抗谱预警技术嵌入式编程在线检测系统,能够提高4000Ah级铅酸电池的运行可靠性。本论文为建立与我国核电积极有序发展规划相适应的1E级蓄电池自主创新能力提供技术保障,研究成果具有显着的经济与社会效益。
梁莉婷[7]（2021）在《基于特殊酉群的极化合成孔径雷达信息提取与应用》文中研究说明相较于传统合成孔径雷达（Synthetic Aperture Radar,SAR）,全极化合成孔径雷达（Polarimetric SAR,PolSAR）可获得目标全部极化散射信息,从而能对其进行更全面的分析与认识。随着微波遥感技术的不断进步和发展,作为遥感领域研究热点之一,PolSAR在目标识别、地物分类、城区检测、灾害评估、地形反演等多个领域都有着重要应用。极化分解是分析、提取目标极化散射特征不可或缺的重要手段。尽管目前存在许多针对不同目标和应用场景的分解算法,然而,多数提取参数的物理解译仍不清晰,且大多数已有算法难以完全利用获取的散射信息,即提取参数数目与获取的信息自由度不匹配,导致信息遗漏或参数增殖。高效、合理地提取极化参数并利用其对目标物理特征进行解译,可以得到对目标更充分的认识、实现更准确的分类等应用。基于极化代数理论,特殊酉群能够简洁定义并表示电磁波的极化状态,而在对获得的目标极化信息进行描述时也同样可以利用特殊酉群。由于基于特殊酉群的目标极化信息分解具有唯一性、对参数的提取具有完全性、且与物理散射信息具有关联性,我们将对“基于特殊酉群的PolSAR信息提取与应用”这一课题开展研究。其中,单目标与分布式目标由于具有不同的自由度,并在极化散射信息的表示上对应不同阶的特殊酉群,因此分别进行研究。此外,由于取向变换是特殊酉群中最广泛应用的酉变换,其提取的取向角参数作为具有明确物理含义的特征参数为单目标和分布式目标所共有,由于相关内容较多我们将其单独作为一个内容进行研究。综上,本文主要工作内容和创新点如下:1.对特殊酉群中的旋转变换及据此提取的取向角参数进行研究。通过对目标无取向散射特性进行建模、并提出取向角精确几何定义,实现了众多取向角估计算法的统一。此外,在统一的估计算法模式下,基于地表的散射特性和地形取向的几何定义提出了新的地表取向估计算法,实验结果表明所提算法解决了已有算法估计范围小、估计与真值之间存在偏移或较大偏差的问题。2.对二阶特殊酉群在单目标的极化分解与参数提取中的应用开展研究。重点研究与酉分解相关的Huynen-Euler分解算法。为解决该算法提取参数存在的范围压缩、角度模糊等问题,提出了新的分解参数以提高算法对目标特征描述、进而对目标进行分类与识别的能力。进一步,提出了基于二阶特殊酉群的单目标快速分解算法,实现参数的并行、解析求解,使其能高效应用于灾害监测与城区受损估计,为迅速救援响应提供宝贵信息。3.对三阶特殊酉群在分布式目标的极化分解与参数提取中的应用展开研究。将单目标基于二阶特殊酉群的分解算法推广至分布式目标,提出了基于三阶特殊酉群的极化分解算法,实现目标的全极化信息完备提取。将所提取九参数应用于地物分类的实验进一步验证了参数对目标散射特征的有效解译,并取得了很好的分类结果。此外,对分布式目标的极化信息预处理算法进行了研究,提出了基于相关系数的可视化方法。
陈联君[8]（2021）在《基于多源数据的雪崩危险性评价 ——以北疆地区为例》文中进行了进一步梳理雪崩作为冰冻圈受全球气候变暖而引起的自然灾害之一,其相关研究可增强对冰冻圈等各个圈层的运行与相互作用机理的理解,对全球变化等研究具有重要的理论意义。雪崩会威胁人类生命财产安全,破坏交通、电力等人类生存所依赖的基础公共设施,引发泥石流等次生灾害,并对周边环境、生态系统产生深远影响。因此,开展雪崩危险性评价研究对于防灾减灾等具有重要的现实意义。当前雪崩危险性评价研究较少,且存在以下问题:（1）大多仅开展评价方法体系研究,具体实例研究较少或试验区较小;（2）评价因子不全或重要因子如积雪状态和气象要素使用较少,导致其初始表征能力不足,从而影响后续评价精度;（3）评价模型大多基于专家经验法等,且不能反映因子之间的交互关系,不够客观,导致模型泛化能力差;（4）缺乏从“预防”角度出发的长时间序列危险性分布图和相应的方法体系。因此,如何提取关键评价因子,并建立客观的因子表征模型,从而构建区域尺度、长时间序列的雪崩危险性评价方法,是提升雪崩危险性评价精度和雪崩预防能力的关键科学问题。针对该问题,本文以“一带一路”核心地带、雪崩高发的新疆北部地区为研究区,开展了三个方面的研究,取得了如下成果:（1）MODIS积雪产品去云算法提出了两种积雪产品去云算法:（1）基于高程分区和地温阈值的改进Snow L去云算法:Snow L算法采用陆地、积雪区平均高程将云划分为陆地或积雪,从而实现去云。然而,在地形变化较大的区域,积雪区平均高程可能“过高”、陆地平均高程可能“过低”,使得实际类别为积雪的云被划归为陆地、实际类别为陆地的云被划归为积雪,导致虽然去云,但实际造成了积雪产品精度损失的后果。因此,提出基于研究区实际情况采用高程进行分区,并提取分区内的平均陆地、积雪区高程;以高程分区内的平均地温为阈值,对云进行综合划分。（2）基于单月地温极值滤波的去云算法:采用单月地温区间的上限值、下限值,进一步修正云的误划分。实验结果表明:提出的去云算法提升了精度,最高可达20%。得到的每日无云积雪产品为后续雪深反演、雪崩危险性评价提供了精准的范围。（2）顾及不同高程分区和土地覆盖类型的雪深反演模型采用地面气象站雪深数据,微波亮度温度数据的不同频段、不同极化特征,及多元线性回归、随机森林（Random forest,RF）和CHANG算法,构建了顾及不同高程分区和土地覆盖类型的雪深反演模型。实验结果表明:基于RF算法、且顾及高程分区时,反演模型最佳,均方根误差（Root Mean Square Error,RMSE）为6.9cm;基于RF算法的模型次之（RMSE为8.0cm）;且优于基于多元线性回归和CHANG的算法。结合最优的反演模型及每日无云积雪产品,得到了高精度的每日雪深分布图。雪深产品作为后续雪崩危险性评价的关键因子,可以评价因子的初始表征能力。（3）顾及雪深的长时间序列雪崩危险性评价方法基于历史雪崩点数据,雪深、地形、植被和气象等因子,及层次分析法（Analytic Hierarchy Process,AHP）、网络分析法（Analytic Network Process,ANP）和二元逻辑回归算法,构建了顾及雪深的长时间序列雪崩危险性评价方法。实验结果表明:基于AHP、ANP和二元逻辑回归算法,分别有78.13%、84.38%和87.50%的雪崩点位于高危险性分区;它们的每日平均预测正确率分别为76.09%、82.61%和86.96%。本文创新点为:（1）提出了两种积雪产品去云算法:一种是基于高程分区和地温阈值的改进Snow L去云算法:基于研究区实际情况采用高程进行分区,并提取分区内的平均陆地、积雪区高程;以高程分区内的平均地温为阈值,对云进行综合划分。另一种是基于单月地温极值滤波的去云算法:采用单月地温区间的上限值、下限值,进一步修正云的误划分。（2）提出了一种基于每日无云积雪产品和雪深数据的区域尺度、长时间序列雪崩危险性评价方法,提升了雪崩危险性评价精度和雪崩预防水平。
冯云[9]（2021）在《海杂波背景下的目标检测技术研究》文中研究指明海杂波抑制及其背景下的目标检测技术一直是当前雷达信号处理领域研究的热点和难点。由于海杂波产生的机理极其复杂,对于海面慢速微弱目标以及漂浮目标而言,其多普勒谱与海杂波的多普勒谱相混叠,目标被强海杂波所淹没,传统的基于频域滤波的方法很难将目标提取出来。为了适应现代雷达目标检测的高要求,在海面回波实测数据的基础上,深入研究分析海杂波和海面目标的特性,根据二者的特性差异,设计具有良好性能的目标检测算法是一个非常有意义的研究方向。本文在IPIX对海雷达实测海面回波数据的基础上围绕着海杂波背景下的目标检测技术进行研究。首先基于实测海杂波数据深入研究分析了海杂波的性质,在此基础上本文开展了基于海杂波和目标振荡特性差异及混沌特性差异的海面慢速微弱目标及漂浮目标的检测研究,并且通过仿真实验验证了相关算法的有效性及优势。本文的主要内容及创新如下:1、在IPIX对海雷达实测海面回波数据集的基础上,以理论分析结合实测数据验证的方式,深入研究、分析了海杂波的幅度分布统计特性、混沌特性、时间相关性、空间相关性以及振荡特性。2、根据海杂波和目标回波振荡特性的差异,引入稀疏表示思想,形态分量分析方法（Morphological Component Analysis,MCA）对海面回波建立了约束优化模型;设计了自适应可调Q小波变换（Adoptive Tunable Q Wavelet Transform,A-TQWT）算法。在此基础上提出了基于A-TQWT的海面慢速微弱运动目标检测算法,通过仿真证明了该算法可以有效检测出落入海杂波多普勒通道中的慢速微弱目标,并且海杂波的抑制是自适应的,不需要任何杂波和目标的先验信息,具有良好的工程实用价值。3、基于实测海面回波数据证明了海面回波时间序列具有混沌特性。研究了海面回波时间序列的排列熵（Permutation Entropy,PE）和加权排列熵（WPE）特征,并以此来对海杂波和目标的复杂度及随机性信息进行定量刻画。证明了海面回波时间序列的PE和WPE特征对海杂波和目标进行区分的可行性,并且相比PE特征,WPE特征具有更好的区分度。在此基础上提出了基于海面回波时间序列的WPE特征的目标检测算法,并在高、中、低三种不同海况条件下基于实测数据对算法的性能进行了验证。4、引入变分模态分解（Variational Mode Decomposition,VMD）思想,基于相关性指标设计了自适应变分模态分解（Adoptive Variational Mode Decomposition,A-VMD）算法。对海面回波信号进行自适应分解后选取对海杂波和目标区分度较好的固有模态函数（Intrinsic Mode Function,IMF）分量进行重构。在此基础上证明了经A-VMD分解后的重构信号的WPE特征相比原始信号的WPE特征具有更好的区分目标和海杂波的能力,进而提出了基于A-VMD和WPE特征联合的海面目标检测算法。经实测数据验证,该算法的特征区分能力更强,可以在高、中、低三种不同海况条件下有效检测出海面漂浮微弱目标。
李冠男[10]（2020）在《基于星载极化SAR图像的海上溢油检测与分析研究》文中认为随着世界航运的快速发展,载油船舶碰撞、非法排污和输油管道破裂等溢油事故频繁发生,增加了海上通航环境的溢油事故风险。海洋溢油的快速有效识别和检测,对保障海上交通安全、溢油事故应急指挥、海上搜救以及海洋环境灾后修复都具有重要意义。合成孔径雷达遥感技术打破了传统监测方法的局限性,因具备全天时和全天候的宏观成像能力,已被广泛应用于海洋溢油检测研究。随着SAR系统的不断发展和完善,逐渐由单极化向多极化拓展,极化 SAR（Polarimetric Synthetic Aperture Radar,Pol-SAR）系统通过测量目标复散射矩阵进而获取目标的“全息”信息,有助于对油膜的散射机理进行分析、解译,进而实现油膜的提取和检测。但是,极化SAR溢油检测仍然存在一些重、难点问题,如不同模式极化SAR系统溢油识别性能差异尚待研究,极化特征空间有待进一步拓展,极化信息没有得到充分的利用等。本文针对极化SAR溢油检测中存在的问题开展研究,以极化理论为基础,对不同模式极化SAR溢油散射机制的识别性能进行分析与比较,分别对获取部分极化信息的双极化SAR和获取完整极化信息的全极化SAR开展海洋油膜的识别与检测研究。本文开展的主要创新性工作如下:（1）针对多时相双极化SAR溢油检测中时间维度造成的计算冗余以及缺乏对不同油水边界条件综合分析的问题,本文首先提出了基于多时相潜在暗区域发生频率的溢油感兴趣区域提取方法,实现了时间序列下宽幅影像溢油感兴趣区域的快速提取,有效降低了空间维度的运算量。在此基础上,扩展信息丰度的同时综合考虑不同边界条件下的优势特征的利用,基于随机森林模块提出一种兼顾不同油水边界条件的极化-纹理优势特征的溢油检测方法,实现了不同油水边界条件下溢油的有效提取。此外,依托本文提出的方法,以Sentinel-1A卫星在里海中部相同观测条件下的多时相影像为例,分析了溢油的空间分布和年内月际动态变化趋势。（2）针对全极化SAR溢油检测的极化特征扩展问题,提出了新的组合极化特征参数。为提高油膜与类油膜、背景海水之间的区分度,进一步拓展极化特征空间,本文基于极化散射熵H和改进的各向异性A12提出了一组新的组合极化特征——HA12组合,实验结果表明HA12组合的溢油检测能力整体优于传统的HA组合,可作为后者在溢油检测中的替代方案;其中,H（1-A12）形式的组合参数表现最佳,在油水分离度和分类贡献度方面整体优于其他四种类型的极化特征,能够凸显油膜目标信息的同时有效抑制海杂波和类油膜信息,在不同溢油场景中保持优势性和鲁棒性。（3）针对目前全极化SAR溢油检测方法缺乏对极化特征谱的构建、描述及充分利用的问题,提出一种基于多维极化特征强度模型匹配的溢油检测方法。本文构建了油膜目标的多维极化特征强度模型,引入光谱泛相似性测度SPM（Spectral Pan-similarity Measure,SPM）对模型和待测样本之间特征谱的相似性进行度量,进而搜寻并匹配同质像素进行归类,实现了极化空间下对油膜相对厚度信息的描述和有效分类。实验结果表明本文方法在兼顾分类精度和时间复杂度条件下整体优于传统的相似性测度和分类器算法。本文基于星载极化SAR图像对海洋溢油检测开展了系统性研究,在溢油散射机理分析研究的基础上,分别构建了双极化SAR和全极化SAR系统下的溢油检测方法,取得的溢油检测结果验证了所提出极化SAR溢油检测方法的有效性和鲁棒性。该研究对保障海上交通安全和提高海事应急管理能力具有重要意义,为实现极化SAR对不同场景海上溢油的识别与检测奠定了理论基础。
二、基于目标极化特征的数据关联算法（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、基于目标极化特征的数据关联算法（论文提纲范文）
（1）基于多极化特征联合的海面目标检测（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究历史及现状 |
| 1.2.1 基于统计理论的研究 |
| 1.2.2 基于特征理论的研究 |
| 1.2.3 基于极化信息的研究 |
| 1.3 本文结构安排 |
| 第二章 海杂波特性和目标极化分解基础理论 |
| 2.1 IPIX雷达实测数据 |
| 2.2 电磁波的极化表征 |
| 2.2.1 极化椭圆 |
| 2.2.2 Jones矢量 |
| 2.2.3 Stokes矢量 |
| 2.3 极化特征矩阵 |
| 2.3.1 极化散射矩阵 |
| 2.3.2 极化协方差矩阵和极化相干矩阵 |
| 2.3.3 Mueller矩阵 |
| 2.4 极化分解理论 |
| 2.4.1 相干极化目标分解 |
| 2.4.2 非相干极化目标分解 |
| 2.5 本章小结 |
| 第三章 单极化特征和幅度特征联合检测器 |
| 3.1 联合特征提取及检测能力分析 |
| 3.1.1 基于极化信息的相对散射功率特征 |
| 3.1.2 相对平均幅度特征RAA |
| 3.2 基于特征联合分析 |
| 3.3 检测器性能比较分析 |
| 3.3.1 单个特征实验性能分析 |
| 3.3.2 两特征联合检测实验性能分析 |
| 3.4 本章小结 |
| 第四章 极化信息三特征检测器 |
| 4.1 基于目标分解理论的极化特征提取 |
| 4.1.1 Cloude分解 |
| 4.1.2 Freeman分解 |
| 4.2 杂波和目标在三维特征空间的可分性 |
| 4.3 基于三特征的快速凸包学习算法 |
| 4.4 实验结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（2）基于数据驱动的杭州萧山区公共中心体系认知与优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 社会主要矛盾发生转变带来的新需求 |
| 1.1.2 公共服务规划地位提升形成的新定位 |
| 1.1.3 数据科学革命引领的新视野 |
| 1.1.4 国土空间规划体系下的新要求 |
| 1.2 研究目的与意义 |
| 1.2.1 主要研究目的 |
| 1.2.2 研究意义 |
| 1.3 相关概念界定 |
| 1.3.1 数据驱动 |
| 1.3.2 公共中心体系 |
| 1.4 研究内容与范围 |
| 1.4.1 研究主要内容 |
| 1.4.2 研究范围 |
| 1.5 研究方法 |
| 1.5.1 定性研究方法 |
| 1.5.2 定量分析方法 |
| 1.6 技术路线与章节安排 |
| 1.6.1 研究技术路线 |
| 1.6.2 章节组织 |
| 2 相关研究综述 |
| 2.1 研究的理论基础 |
| 2.1.1 城市形态发展与演化理论中的城市中心 |
| 2.1.2 城市空间组织理论中的城市中心 |
| 2.2 城市公共中心体系的识别 |
| 2.2.1 城市中心识别数据源 |
| 2.2.2 城市中心及其体系识别方法 |
| 2.3 城市公共中心体系的演变趋势与影响要素 |
| 2.3.1 城市多中心结构的实践与效能 |
| 2.3.2 公共中心体系的发展趋势 |
| 2.3.3 公共中心的形成机制与影响要素 |
| 2.4 公共中心与城市服务的空间布局优化 |
| 2.4.1 公共中心的布局优化 |
| 2.4.2 各类城市服务的布局优化 |
| 2.5 借鉴与启示 |
| 2.5.1 研究借鉴 |
| 2.5.2 研究启示 |
| 3 研究框架 |
| 3.1 数据驱动的发展脉络 |
| 3.1.1 大数据的发展及利用 |
| 3.1.2 机器学习发展历程 |
| 3.1.3 数据驱动在城乡规划中的应用 |
| 3.2 表征学习与城市空间科学互动的研究理念 |
| 3.2.1 表征学习的应用难点 |
| 3.2.2 分析框架的基本流程 |
| 3.2.3 数据分析的基本逻辑 |
| 3.2.4 数据获取的基本原则 |
| 3.3 数据驱动的公共中心体系研究框架 |
| 3.3.1 研究主要问题难点 |
| 3.3.2 测度识别的理论先验 |
| 3.3.3 影响要素分析的理论先验 |
| 3.3.4 优化策略的理论先验 |
| 3.4 本章小结 |
| 4 萧山区公共中心体系识别与空间特征 |
| 4.1 供需视角下的中心度评级体系与数据基础 |
| 4.1.1 中心度的评价 |
| 4.1.2 中心度计算的数据基础 |
| 4.2 中心度计算结果与空间特征 |
| 4.2.1 指标权重计算 |
| 4.2.2 设施聚合度:多中心结构展现 |
| 4.2.3 设施规模度:中心集聚特征显着 |
| 4.2.4 设施使用度:就近满足的网络结构 |
| 4.2.5 中心度:内聚外散,北密南疏的整体格局 |
| 4.3 识别与特征分析 |
| 4.3.1 基于密度阈值的公共中心识别流程设计 |
| 4.3.2 公共中心的空间分布特征 |
| 4.3.3 公共中心的体系结构特征 |
| 4.3.4 功能关联特征 |
| 4.4 本章小结 |
| 5 萧山区公共中心体系的发展程度与影响要素 |
| 5.1 公共中心体系发展程度的表征 |
| 5.1.1 公共中心体系的总能级 |
| 5.1.2 公共中心体系的总数量 |
| 5.1.3 公共中心体系的均衡度 |
| 5.2 基于集成学习的中心度表征模型 |
| 5.2.1 特征构造与模型设计 |
| 5.2.2 模型精度检验方法 |
| 5.2.3 模型训练与精度表现 |
| 5.3 基于集成模型省域区县中心度拟合 |
| 5.3.1 中心度的分块拟合 |
| 5.3.2 中心体系的采样结果 |
| 5.3.3 省域区县公共中心体系表征 |
| 5.4 常态化影响要素分析 |
| 5.4.1 公共中心体系常态化影响要素的选择 |
| 5.4.2 中心度的多元线性回归 |
| 5.4.3 公共中心发展程度的聚类及其特征 |
| 5.4.4 公共中心体系的演化趋势分析 |
| 5.4.5 常态化影响要素构成与影响机制构建 |
| 5.5 萧山区公共中心体系的非常态化影响要素 |
| 5.5.1 公共服务设施配置 |
| 5.5.2 基础设施建设 |
| 5.5.3 城市空间调整 |
| 5.5.4 经济发展 |
| 5.5.5 城市品牌价值提升 |
| 5.5.6 城市治理能力提升 |
| 5.6 本章小结 |
| 6 萧山区公共中心体系布局优化 |
| 6.1 人口与公共中心体系布局的空间关联 |
| 6.1.1 基于人口的公共中心体系布局先验 |
| 6.1.2 人口分布的空间特征与空间关联 |
| 6.1.3 人口与公共中心的空间关联模型构造 |
| 6.1.4 模型结果与分析 |
| 6.1.5 人口与公共中心体系关联中的主要特征 |
| 6.2 公共中心优化目标 |
| 6.2.1 经验目标 |
| 6.2.2 价值目标 |
| 6.2.3 规律原则 |
| 6.3 公共中心体系布局优化指引 |
| 6.3.1 空间优化指引 |
| 6.3.2 服务优化策略 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 研究主要结论 |
| 7.1.1 公共中心识别与空间特征分析 |
| 7.1.2 公共中心的影响要素与机制分析 |
| 7.1.3 公共中心的优化指引 |
| 7.2 主要创新之处 |
| 7.2.1 引入了多源数据与算法适应的公共中心识别系统 |
| 7.2.2 尝试了表征数据与理论结合的影响要素解释机制 |
| 7.2.3 构建了集成框架与机制协同的目标估计监督模型 |
| 7.3 研究不足与展望 |
| 7.3.1 研究内容的深入挖掘 |
| 7.3.2 研究理论的深化演绎 |
| 7.3.3 数据技术的更新适应 |
| 参考文献 |
| 附录 |
| 附录1 浙江省区县中心体系发展程度影响要素 |
| 附录2 集成树分类规则 |
| 附录3 网络调查问卷中公共中心体系相关问题 |
| 个人简介 |
（3）海杂波背景下小目标检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文组织结构 |
| 第二章 混沌理论与相空间重构理论 |
| 2.1 混沌相关基础概念 |
| 2.1.1 混沌定义 |
| 2.1.2 相空间 |
| 2.1.3 混沌吸引子 |
| 2.1.4 初值敏感性 |
| 2.2 混沌识别 |
| 2.2.1 Lyapunov指数 |
| 2.2.2 Kolmogorov熵 |
| 2.3 相空间重构 |
| 2.3.1 嵌入维与延迟时间独立确定方法 |
| 2.3.2 嵌入维与延迟时间相关联确定方法 |
| 2.4 基于平均轨道周期性改进C-C法的相空间重构研究 |
| 2.5 本章小结 |
| 第三章 基于MEEMD的海杂波去噪小目标检测 |
| 3.1 混沌与噪声 |
| 3.2 经验模态分解理论 |
| 3.2.1 EMD |
| 3.2.2 MEEMD |
| 3.3 最小二乘支持向量机 |
| 3.4 基于MEEMD与 SG滤波的海杂波去噪研究 |
| 3.4.1 海杂波去噪流程 |
| 3.4.2 实验仿真与分析 |
| 3.5 本章小结 |
| 第四章 基于FRFT和分形的海杂波小目标检测 |
| 4.1 混沌与分形 |
| 4.2 分形建模理论 |
| 4.2.1 分形维数 |
| 4.2.2 分数布朗运动 |
| 4.3 基于FRFT域的多重分形海面小目标检测 |
| 4.3.1 自相似过程FRFT的自相似特性分析 |
| 4.3.2 计算多重分形参数 |
| 4.3.3 最佳FRFT阶数确定 |
| 4.3.4 Logistic回归 |
| 4.3.5 实验仿真与分析 |
| 4.4 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 |
（4）基于深度学习的知识图谱关系预测与推荐算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 研究背景及意义 |
| §1.2 国内外研究现状 |
| §1.2.1 链接预测及知识图谱推理 |
| §1.2.2 基于知识图谱的推荐方法 |
| §1.2.3 强化学习网络在推荐中的优势 |
| §1.3 目前存在的问题 |
| §1.4 本文研究内容与目标 |
| §1.5 论文的结构及各章间的关联 |
| §1.6 本章小结 |
| 第二章 RNN网络与RotatE策略嵌入学习的关系预测方法 |
| §2.1 基于知识图谱的关系预测方法概述 |
| §2.2 基于RNN网络和RotatE策略嵌入学习的关系预测方法的设计 |
| §2.2.1 多头图注意力RNN网络 |
| §2.2.2 基于Rotat E的分数策略 |
| §2.2.3 解码过程 |
| §2.3 实验数据与结果分析 |
| §2.3.1 实验数据及参数设置 |
| §2.3.2 实验结果及分析 |
| §2.4 本章小结 |
| 第三章 基于极化表述与数据间关联学习的推荐模型 |
| §3.1 基于知识图谱的推荐模型研究概况 |
| §3.2 基于极化关系表述与数据间关联学习的推荐方法设计 |
| §3.2.1 极化关系表述 |
| §3.2.2 低维数据间的关联学习方法设计 |
| §3.3 实验结果及分析 |
| §3.3.1 实验数据及参数设置 |
| §3.3.2 实验结果及分析 |
| §3.4 本章小结 |
| 第四章 基于自适应奖励的图卷积策略学习推荐方法 |
| §4.1 基于强化学习采样推荐的背景介绍 |
| §4.2 基于自适应奖励的图卷积策略学习推荐方法设计 |
| §4.2.1 基于强化学习的采样方法设计 |
| §4.2.2 基于图卷积网络的策略网络设计 |
| §4.2.3 推荐过程 |
| §4.2.4 损失函数及优化器的设计 |
| §4.3 实验结果及分析 |
| §4.3.1 实验数据及参数设置 |
| §4.3.2 实验结果及分析 |
| §4.4 本章小结 |
| 第五章 总结与展望 |
| §5.1 本文工作总结 |
| §5.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 作者在攻读硕士期间的主要研究成果 |
（5）基于微波技术的急性紧张性痛觉脑活动信号的检测与识别方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词对照表 |
| 第一章 绪论 |
| §1.1 背景及意义 |
| §1.2 研究现状 |
| §1.2.1 痛觉脑神经活动研究现状 |
| §1.2.2 微波检测技术国内外研究现状 |
| §1.3 本文主要研究内容及主要思路 |
| §1.3.1 课题研究内容与研究思路 |
| §1.3.2 论文结构 |
| §1.3.3 课题研究主要创新点 |
| §1.4 本章小结 |
| 第二章 微波检测脑活动的基本理论 |
| §2.1 微波的特点 |
| §2.2 微波检测大脑神经活动的原理 |
| §2.2.1 电磁波传输与脑功能部位激活的关系 |
| §2.2.2 脑功能区异常活动的微波检测原理 |
| §2.3 基于脑组织的微波散射原理 |
| §2.3.1 麦克斯韦方程组 |
| §2.3.2 脑组织介电性能 |
| §2.3.3 微波传输理论 |
| §2.4 微波检测方法 |
| §2.4.1 常见的微波检测技术 |
| §2.4.2 神经接口 |
| §2.4.3 微波传输信号的采集 |
| §2.5 信号处理方法 |
| §2.5.1 特征处理 |
| §2.5.2 模式识别与评价 |
| §2.6 本章小结 |
| 第三章 微波对痛觉脑节律的影响及对痛觉的检测 |
| §3.1 引言 |
| §3.2 痛觉脑活动的微波辐射试验 |
| §3.2.1 微波辐射试验 |
| §3.2.2 数据采集及预处理 |
| §3.2.3 痛觉脑活动的微波检测试验 |
| §3.3 信号处理模型 |
| §3.3.1 痛觉EEG相对功率变化的计算 |
| §3.3.2 痛觉EEG源定位的成像方法 |
| §3.3.3 统计分析 |
| §3.4 试验结果 |
| §3.4.1 痛觉EEG相对功率变化结果 |
| §3.4.2 痛觉EEG的源成像结果 |
| §3.4.3 痛觉脑活动的微波检测结果 |
| §3.5 讨论 |
| §3.6 本章小结 |
| 第四章 熵特征表示的痛觉脑活动识别方法 |
| §4.1 引言 |
| §4.2 试验设计 |
| §4.2.1 试验设计方案 |
| §4.2.2 数据采集与预处理 |
| §4.3 特征处理及分类 |
| §4.3.1 特征提取方法 |
| §4.3.2 熵特征的提取 |
| §4.3.3 特征选择与降维 |
| §4.3.4 分类性能的评价 |
| §4.4 试验结果 |
| §4.4.1 熵特征提取结果 |
| §4.4.2 痛觉的分类评价 |
| §4.4.3 特征处理性能的对比 |
| §4.5 讨论 |
| §4.6 本章小结 |
| 第五章 多类型复合特征表示的痛觉脑活动识别方法 |
| §5.1 引言 |
| §5.2 试验设计 |
| §5.2.1 试验设计方案 |
| §5.2.2 数据采集 |
| §5.2.3 数据预处理 |
| §5.3 信号处理方法 |
| §5.3.1 多类型复合特征的计算 |
| §5.3.2 分类性能的评价 |
| §5.4 试验结果 |
| §5.4.1 平均相对能量变化提取结果 |
| §5.4.2 复合多尺度熵提取结果 |
| §5.4.3 基于Burg算法的AR系数提取结果 |
| §5.4.4 痛觉脑活动的分类结果 |
| 5.5 讨论 |
| 5.6 本章小结 |
| 第六章 深度特征表示的疼痛强度识别方法 |
| §6.1 引言 |
| §6.2 疼痛强度的试验设计 |
| §6.2.1 试验设计流程 |
| §6.2.2 数据获取与预处理 |
| §6.3 基于WPT-RF模型的疼痛强度识别方法 |
| §6.3.1 基于WPT的熵测量特征提取 |
| §6.3.2 RF分类器的设计、训练与分类 |
| §6.4 基于WPT-CNN模型的疼痛强度识别方法 |
| §6.4.1 CNN构架的设计 |
| §6.4.2 CNN模型训练 |
| §6.5 基于WPT-LSTM模型的疼痛强度识别方法 |
| §6.5.1 LSTM网络结构 |
| §6.5.2 LSTM模型训练 |
| §6.6 性能的评价 |
| §6.7 特征提取与分类结果 |
| §6.7.1 WPT-RF模型的分类结果 |
| §6.7.2 WPT-CNN模型的特征提取以及分类 |
| §6.7.3 WPT-LSTM模型的分类结果 |
| §6.8 讨论 |
| §6.9 本章小结 |
| 第七章 总结与展望 |
| §7.1 工作总结 |
| §7.2 未来展望 |
| 主要参考文献 |
| 致谢 |
| 攻读博士期间的主要研究成果 |
（6）超大容量铅酸电池的电化学阻抗谱预警技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 术语表 |
| 第1章 绪论 |
| 1.1 超大容量铅酸电池1E级应用的基本特点 |
| 1.2 超大容量铅酸电池的研究现状 |
| 1.3 阻抗谱预警技术的1E级工程应用难点 |
| 1.4 阻抗谱建模的研究现状 |
| 1.5 低频微弱阻抗谱检测的研究现状 |
| 1.6 阻抗谱反向演算的研究现状 |
| 1.7 容量失效警报设计的研究现状 |
| 1.8 本文主要研究内容 |
| 第2章 阻抗谱的平均开关建模技术研究 |
| 2.1 阻抗谱平均开关模型的原理研究 |
| 2.1.1 极化阻抗平均开关模型的矢量分析 |
| 2.1.2 极化阻抗平均开关模型的时域仿真 |
| 2.1.3 电池阻抗谱的平均开关模型 |
| 2.1.4 特征电荷转移阻值模型 |
| 2.2 阻抗谱平均开关模型的应用研究 |
| 2.2.1 阻抗谱平均开关模型的实验结果 |
| 2.2.2 满电态深度放电的线性内阻模型研究与实验结果 |
| 2.3 本章小结 |
| 第3章 阻抗谱的快速选频放大检测技术研究 |
| 3.1 快速选频放大技术的原理研究 |
| 3.1.1 直流脉冲放电与有源滤波的电路分析 |
| 3.1.2 快速锁相放大的数学分析 |
| 3.2 快速选频放大技术的嵌入式应用研究 |
| 3.2.1 快速锁相放大的离散公式 |
| 3.2.2 参考信号相位优化的自适应验证算法 |
| 3.2.3 阻抗谱的线性补偿方法 |
| 3.2.4 嵌入式编程快速选频放大技术的程序流程图 |
| 3.2.5 嵌入式编程阻抗谱检测在线实验结果 |
| 3.3 本章小结 |
| 第4章 阻抗谱反向演算的目标函数优化技术研究 |
| 4.1 反向演算矢量目标函数的原理研究 |
| 4.1.1 目标函数的矢量分析 |
| 4.1.2 目标函数的线性插值搜索算法 |
| 4.1.3 反向演算初始值的理论边界 |
| 4.2 反向演算矢量目标函数的嵌入式应用研究 |
| 4.2.1 嵌入式编程的梯度下降回归方法 |
| 4.2.2 反向演算初始值的工程边界 |
| 4.2.3 嵌入式编程目标函数优化技术的程序流程图 |
| 4.2.4 嵌入式编程反向演算在线实验结果 |
| 4.3 本章小结 |
| 第5章 容量失效警报的设计技术研究 |
| 5.1 容量失效警报设计的原理研究 |
| 5.1.1 深度放电末端内阻压降的定常模型 |
| 5.1.2 深度放电的内阻压降模型 |
| 5.1.3 深度放电的交互式反向演算方法 |
| 5.1.4 串联阻值的动态阈值模型 |
| 5.1.5 内阻仪串联阻值预警的实验结果 |
| 5.2 容量失效警报设计的嵌入式应用研究 |
| 5.2.1 交互式反向演算的梯度下降回归方法 |
| 5.2.2 嵌入式编程容量失效警报设计技术的程序流程图 |
| 5.2.3 阻抗谱预警技术嵌入式编程在线检测系统 |
| 5.2.4 阻抗谱预警技术嵌入式编程在线实验结果 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文主要工作总结 |
| 6.2 未来研究展望 |
| 参考文献 |
| 附录1:装置实物图 |
| 作者简历及在学期间所取得的科研成果 |
| (一)作者简历 |
| (二)攻读博士学位期间已发表与录用的学术论文 |
| (三)攻读博士学位期间参与的科研项目 |
（7）基于特殊酉群的极化合成孔径雷达信息提取与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 研究背景及意义 |
| 1.3 PolSAR信息提取研究现状及问题 |
| 1.4 特殊酉群与极化分解 |
| 1.4.1 特殊酉群及其在理论物理中的应用 |
| 1.4.2 特殊酉群在极化中的应用 |
| 1.5 论文主要研究内容及贡献 |
| 第2章 特殊酉群与雷达极化基本理论 |
| 2.1 引言 |
| 2.2 特殊酉群SU(2)与SU(3) |
| 2.2.1 群与特殊酉群 |
| 2.2.2 二阶特殊酉群SU(2) |
| 2.2.3 三阶特殊酉群SU(3) |
| 2.3 电磁波的极化属性与表征 |
| 2.3.1 麦克斯韦方程组与平面波 |
| 2.3.2 电磁波极化属性 |
| 2.3.3 基于特殊酉群的波的极化态表征 |
| 2.3.4 完全极化波与部分极化波 |
| 2.4 目标的极化散射特性描述 |
| 2.4.1 极化散射矩阵[S]与Kennaugh矩阵[K] |
| 2.4.2 相干矩阵[T]与协方差矩阵[C] |
| 2.5 小结 |
| 第3章 极化取向角理论及应用 |
| 3.1 引言 |
| 3.2 取向角与去取向 |
| 3.3 已有取向角估计算法及统一 |
| 3.3.1 目标的特征极化态与极化基变换 |
| 3.3.2 极化基变换类取向角估计算法 |
| 3.3.3 极化分解类取向角估计算法 |
| 3.4 取向角定义 |
| 3.4.1 取向角几何定义 |
| 3.4.2 已有算法取向角定义分析 |
| 3.4.3 小结 |
| 3.5 极化取向角无缠绕求解及应用 |
| 3.5.1 雷达成像几何与角度范围 |
| 3.5.2 模糊取向角估计 |
| 3.5.3 无模糊取向角估计 |
| 3.5.4 实验分析 |
| 3.5.5 小结 |
| 3.6 小结 |
| 第4章 单目标极化SU(2)分解及应用 |
| 4.1 引言 |
| 4.2 单目标的极化SU(2)分解——H-E分解 |
| 4.3 单目标SU(2)快速分解 |
| 4.3.1 特征分解法提取H-E参数 |
| 4.3.2 级联酉变换法提取H-E参数 |
| 4.3.3 解析法提取H-E参数 |
| 4.3.4 实验分析 |
| 4.4 改进的H-E分解与H-E参数 |
| 4.4.1 改进的极化度角参数 |
| 4.4.2 改进的跳跃角参数 |
| 4.5 H-E分解应用于灾害监测与损坏评估 |
| 4.5.1 灾害情况与使用数据介绍 |
| 4.5.2 拓展FHED至分布式目标 |
| 4.5.3 整体结果分析 |
| 4.5.4 城区损坏程度估计 |
| 4.6 小结 |
| 第5章 分布式目标极化SU(3)分解及应用 |
| 5.1 引言 |
| 5.2 特征分解与单目标提取 |
| 5.2.1 H/A/(?)分解 |
| 5.2.2 Touzi分解 |
| 5.2.3 小结 |
| 5.3 已有的SU(3)分解算法 |
| 5.3.1 Paladini圆极化基SU(3)分解算法 |
| 5.3.2 朱Pauli线极化基SU(3)分解算法 |
| 5.3.3 已有算法存在问题分析 |
| 5.4 基于单目标SU(2)分解拓展的分布式目标SU(3)分解算法 |
| 5.4.1 分布式目标极化SU(3)分解算法——完全H-E分解 |
| 5.4.2 H-E分解与TSVM模型比较 |
| 5.5 完全H-E分解应用 |
| 5.5.1 极化数据可视化 |
| 5.5.2 完全H-E分解实验分析 |
| 5.6 小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（8）基于多源数据的雪崩危险性评价 ——以北疆地区为例（论文提纲范文）
| 作者简历 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 雪盖范围获取研究现状 |
| 1.2.2 雪深获取研究现状 |
| 1.2.3 雪崩危险评价研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文章节安排 |
| 第二章 研究区与数据源 |
| 2.1 研究区概况 |
| 2.2 数据源介绍 |
| 2.2.1 MODIS积雪产品去云研究相关的数据介绍 |
| 2.2.2 雪深反演研究相关的数据介绍 |
| 2.2.3 雪崩危险性评价相关的数据 |
| 第三章 MODIS积雪产品去云算法研究 |
| 3.1 基础数据 |
| 3.2 研究方法 |
| 3.2.1 数据预处理 |
| 3.2.2 两种MODIS积雪产品去云算法 |
| 3.2.3 常规去云方法 |
| 3.2.4 其他去云产品 |
| 3.2.5 精度评价方法 |
| 3.3 结果与讨论 |
| 3.3.1 研究区云覆盖量、雪覆盖量统计 |
| 3.3.2 生成的无云积雪覆盖产品精度验证 |
| 3.4 小结 |
| 第四章 顾及不同高程分区和土地覆盖类型的雪深反演 |
| 4.1 研究方法 |
| 4.1.1 数据预处理 |
| 4.1.2 建模因子的选择 |
| 4.1.3 反演模型构建 |
| 4.1.4 精度评价方法 |
| 4.2 结果与讨论 |
| 4.2.1 建模因子选择结果 |
| 4.2.2 多元线性回归模型精度评价结果 |
| 4.2.3 随机森林模型精度评价结果 |
| 4.2.4 顾及不同高程分区的回归模型精度评价结果 |
| 4.2.5 顾及不同土地覆盖类型的回归模型精度评价结果 |
| 4.2.6 不同模型精度对比 |
| 4.2.7 北疆地区雪深反演结果图 |
| 4.3 小结 |
| 第五章 顾及雪深的北疆地区长时间序列雪崩危险性评价 |
| 5.1 雪崩危险性评价因子体系 |
| 5.1.1 积雪条件 |
| 5.1.2 地形因子 |
| 5.1.3 下垫面因素 |
| 5.1.4 气象条件 |
| 5.1.5 其他因素 |
| 5.1.6 因子体系 |
| 5.2 研究方法 |
| 5.2.1 评价因子提取 |
| 5.2.2 因子分级赋值体系 |
| 5.2.3 AHP中评价因子权重确定 |
| 5.2.4 ANP中评价因子权重确定 |
| 5.2.5 LR模型构建 |
| 5.2.6 各模型雪崩危险性指数计算 |
| 5.2.7 各模型的危险性等级划分 |
| 5.3 实验结果 |
| 5.3.1 评价因子提取结果 |
| 5.3.2 评价因子分级赋值结果 |
| 5.3.3 AHP因子权重结果 |
| 5.3.4 ANP因子权重结果 |
| 5.3.5 LR模型结果 |
| 5.3.6 北疆地区各模型危险性评价等级图与定性评价 |
| 5.3.7 雪崩危险性评价结果定量比较 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 论文主要创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 附图 |
（9）海杂波背景下的目标检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 基于时频分析的海杂波背景下的目标检测技术 |
| 1.2.2 基于分形理论的海杂波背景下的目标检测技术 |
| 1.2.3 基于稀疏表示的海杂波背景下的目标检测技术 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本文的结构安排 |
| 第二章 海杂波的特性研究 |
| 2.1 引言 |
| 2.2 对海雷达实测海面回波数据集介绍 |
| 2.3 海杂波的幅度统计特性 |
| 2.3.1 瑞利分布 |
| 2.3.2 对数正态分布 |
| 2.3.3 韦布尔分布 |
| 2.3.4 复合K分布 |
| 2.3.5 实测海杂波数据幅度拟合 |
| 2.4 海杂波的混沌特性 |
| 2.4.1 混沌理论简介 |
| 2.4.2 混沌特征量 |
| 2.4.3 实测海面回波数据混沌特性验证 |
| 2.5 海杂波的相关性 |
| 2.5.1 时间相关性 |
| 2.5.2 空间相关性 |
| 2.6 海杂波的振荡特性 |
| 2.7 本章小结 |
| 第三章 基于自适应可调Q小波变换的海面慢速目标检测算法 |
| 3.1 引言 |
| 3.2 可调Q小波变换及海面回波振荡特性分析 |
| 3.3 海面回波模型及优化模型的建立 |
| 3.4 算法实现原理 |
| 3.4.1 自适应可调Q小波变换算法 |
| 3.4.2 算法实现流程及结构框图 |
| 3.5 仿真与结果分析 |
| 3.5.1 仿真条件简介 |
| 3.5.2 目标检测及结果分析 |
| 3.6 本章小结 |
| 第四章 基于加权排列熵特征的海面目标检测算法 |
| 4.1 引言 |
| 4.2 海面回波时间序列的复杂度和随机性刻画 |
| 4.2.1 海面回波时间序列的排列熵特征 |
| 4.2.2 海面回波时间序列的加权排列熵特征 |
| 4.3 基于海面回波时间序列加权排列熵特征的目标检测算法 |
| 4.3.1 海面回波时间序列混沌特性验证 |
| 4.3.2 算法实现流程及结构框图 |
| 4.3.3 仿真及结果分析 |
| 4.4 基于自适应变分模态分解和加权排列熵特征联合的目标检测算法 |
| 4.4.1 变分模态分解原理及自适应变分模态分解的构建 |
| 4.4.2 自适应变分模态分解后的重构信号的混沌特性验证 |
| 4.4.3 算法实现流程及结构框图 |
| 4.4.4 仿真及结果分析 |
| 4.5 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（10）基于星载极化SAR图像的海上溢油检测与分析研究（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和研究意义 |
| 1.2 星载SAR系统发展状况 |
| 1.2.1 单极化系统 |
| 1.2.2 双极化系统 |
| 1.2.3 全极化系统 |
| 1.3 国内外极化SAR海洋溢油检测研究现状及进展 |
| 1.3.1 双极化SAR溢油检测研究进展 |
| 1.3.2 全极化SAR溢油检测研究进展 |
| 1.4 本研究领域存在的问题 |
| 1.5 本文主要研究内容及章节安排 |
| 1.6 技术路线图 |
| 2 极化SAR溢油检测的基本理论 |
| 2.1 极化SAR的基本工作原理 |
| 2.1.1 SAR的成像概述 |
| 2.1.2 极化SAR溢油探测机理 |
| 2.2 波的极化状态及其表征形式 |
| 2.2.1 极化波和极化基 |
| 2.2.2 Jones矢量与Jones相干矩阵 |
| 2.2.3 Stokes矢量 |
| 2.3 目标极化散射的描述和表征 |
| 2.3.1 散射目标描述 |
| 2.3.2 散射坐标系 |
| 2.3.3 散射目标雷达方程 |
| 2.3.4 极化散射矩阵与散射矢量 |
| 2.3.5 极化协方差矩阵与极化相干矩阵 |
| 2.4 极化分解 |
| 2.5 本章小结 |
| 3 基于多模式极化SAR海洋溢油散射机制与特性研究 |
| 3.1 实验区与数据源介绍 |
| 3.2 多模式极化SAR溢油散射机制研究 |
| 3.2.1 不同极化通道信噪水平对比 |
| 3.2.2 全极化SAR溢油散射机制研究 |
| 3.2.3 多模式双极化SAR溢油散射机制研究 |
| 3.3 结果与分析 |
| 3.3.1 不同极化通道的信噪水平结果 |
| 3.3.2 多模式极化SAR下油膜相对厚度的H/α对比结果 |
| 3.3.3 多模式极化SAR下油膜和类油膜的H/α对比结果 |
| 3.3.4 多模式极化SAR下不同种类油膜的H/α对比结果 |
| 3.4 本章小结 |
| 4 基于多时相感兴趣区边界优势特征的双极化SAR溢油检测 |
| 4.1 实验区与数据源介绍 |
| 4.2 基于多时相感兴趣区边界优势特征的溢油检测算法 |
| 4.2.1 基于CMOD5模型的风场信息反演 |
| 4.2.2 基于潜在暗区域频率的感兴趣区提取方法 |
| 4.2.3 兼顾不同复杂度边界优势特征的溢油检测算法 |
| 4.3 结果与分析 |
| 4.3.1 不同海面风速条件下油膜的雷达信号特征 |
| 4.3.2 基于潜在暗区域频率的感兴趣区提取结果与分析 |
| 4.3.3 兼顾不同复杂度边界优势特征的溢油检测结果 |
| 4.3.4 基于多时相双极化SAR图像的溢油空间分布和时序变化结果 |
| 4.4 本章小节 |
| 5 基于改进的全极化SAR组合特征的海洋溢油检测 |
| 5.1 实验区与数据源介绍 |
| 5.2 改进的组合极化特征参数提取 |
| 5.2.1 H~*(1-A_(12))组合极化特征理论基础 |
| 5.2.2 H_A_(12)和H_A组合特征溢油检测能力对比 |
| 5.3 H~*(1-A12)组合特征参数溢油检测能力评估 |
| 5.3.1 Michelson对比度 |
| 5.3.2 Jeffreys-Matusita距离 |
| 5.3.3 随机森林分类及重要性评估 |
| 5.4 溢油检测能力评估结果 |
| 5.4.1 特征参数对不同油膜检测的MC测度结果 |
| 5.4.2 特征参数对不同油膜检测的JM测度结果 |
| 5.4.3 特征参数对不同油膜检测的分类结果及重要性评估 |
| 5.5 本章小结 |
| 6 基于多维极化特征强度模型匹配算法的海洋溢油检测 |
| 6.1 实验区与数据源介绍 |
| 6.2 基于多维极化特征强度模型匹配的溢油检测算法 |
| 6.2.1 优势极化特征筛选 |
| 6.2.2 多维极化特征强度模型建立 |
| 6.2.3 多维极化特征模型匹配算法 |
| 6.3 结果与分析 |
| 6.3.1 优势极化特征筛选结果 |
| 6.3.2 多维极化特征强度模型构建结果 |
| 6.3.3 多维极化特征强度模型匹配结果 |
| 6.3.4 时间复杂度分析结果 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间的科研成果 |
| 致谢 |
四、基于目标极化特征的数据关联算法（论文参考文献）
- [1]基于多极化特征联合的海面目标检测[D]. 顾为亮. 南京邮电大学, 2021
- [2]基于数据驱动的杭州萧山区公共中心体系认知与优化研究[D]. 阮一晨. 浙江大学, 2021(01)
- [3]海杂波背景下小目标检测技术研究[D]. 邵夫驰. 南京信息工程大学, 2021(01)
- [4]基于深度学习的知识图谱关系预测与推荐算法研究[D]. 洪涛. 桂林电子科技大学, 2021(02)
- [5]基于微波技术的急性紧张性痛觉脑活动信号的检测与识别方法研究[D]. 耿道双. 桂林电子科技大学, 2021(02)
- [6]超大容量铅酸电池的电化学阻抗谱预警技术研究[D]. 王武斌. 浙江大学, 2021(09)
- [7]基于特殊酉群的极化合成孔径雷达信息提取与应用[D]. 梁莉婷. 中国科学院大学(中国科学院国家空间科学中心), 2021(01)
- [8]基于多源数据的雪崩危险性评价 ——以北疆地区为例[D]. 陈联君. 中国地质大学, 2021(02)
- [9]海杂波背景下的目标检测技术研究[D]. 冯云. 电子科技大学, 2021(01)
- [10]基于星载极化SAR图像的海上溢油检测与分析研究[D]. 李冠男. 大连海事大学, 2020(04)