一、基于遗传算法的指纹方向图分区（论文文献综述）
贾晓玲[1]（2020）在《基于RFID技术的智能柜软件系统设计技术研究》文中进行了进一步梳理基于射频识别（RFID）技术的智能柜是一种安装有RFID读写器,对粘贴RFID标签的贵重介质进行管理的装置,主要用于党政机关、企事业单位监管涉及国家秘密或企业商业秘密贵重物品的使用情况。RFID智能柜能够对单个贵重物品的识别、取用和归还进行精准管理,受到了各行业的广泛认可。但现有RFID智能柜还存在识别效率不高、识别准确性低和网络数据安全保障缺失等问题。本文针对上述RFID智能柜存在的问题,从以下四个方面对智能柜进行优化及安全研究。首先,为降低智能柜清点总时长,本文在研究了RFID系统各影响因子对系统性能影响的基础上,提出了读写器清点时长动态控制方法。该方法根据上一次清点的数据结果,动态调整下一次清点的时长,从而在保证清点结果准确的前提下,提高了清点效率。实验结果表明了该动态控制方法的有效性,同时针对不同标签数值范围给出了首次清点时长的基准值。其次,为提高智能柜的清点准确性,本文提出了基于多目标遗传算法MOGA的读写器参数组合优化方法。对NSGA、NPGA和MOGA这三类多目标遗传算法进行仿真实验,得到读写器参数的最优Pareto解集,通过对比分析这三类算法的Pareto解集分布,验证了MOGA算法的高效性。并将Pareto最优解集应用于智能柜中,验证了MOGA算法优化的理论成果,有效地解决了读写器参数组合爆炸的问题和智能柜系统识读准确性的问题。第三,为保障智能柜和后台服务器的通信安全,本文综合使用SM4分组对称密码算法、SM3杂凑算法、SM2非对称密码算法,并引入区块链思想来确保网络传输数据包的机密性、完整性和不可否认性,以及对用户名和密码进行保护。同时分析了加密算法对网络通信速率的影响和对智能柜登录性能的影响。最后,在以上研究基础上,本文设计了一套多进程并发结构的智能柜软件架构,实现了对智能柜的打开、关闭、物品清点、上传日志、下发指令、异常报警等事件的实时处理。并将读写器清点时长动态控制和读写器参数组合优化封装为单独的模块,以使智能柜在不同的环境中可实时进行参数优化调整。
马跃欣[2]（2020）在《基于有序聚类的Wi-Fi指纹室内定位算法研究》文中提出信息技术的发展极大地促进了人们对于位置服务的需求。近年来,Wi-Fi局域网的广泛覆盖以及智能终端设备的普及,为室内定位提供了高可用的基础设施。Wi-Fi指纹定位技术因其简单有效的特性成为室内定位的主流技术之一,广泛地应用于工业生产、社会生活、商业营销等多个领域。在信息数字化与共享的时代,大多数建筑物内的Wi-Fi接入点（Access Point,AP）分布都较为密集,在提高定位精度的同时也带来了一系列问题。接收信号强度指示（Received Signal Strength Indicator,RSSI）作为一种简单且易获取的无线信号物理特征成为一种常用的位置指纹。在真实室内环境中,RSSI易受环境变化的影响而产生波动,降低指纹特征区分度。因此,充分地分析AP对定位区域进行合理划分,提取稳定且区分度大的指纹特征具有一定的研究价值。本文针对现有指纹定位算法中存在的不足,从定位区域划分、指纹特征提取、权值优化等方面展开研究。首先,构建原始离线指纹数据库。收集定位区域内各参考点（Reference Point,RP）可检测AP的RSSI值和物理地址,并采用自适应卡尔曼滤波与中值滤波处理RSSI数据,同时记录RP的位置坐标作为指纹特征向量的数据项构建原始离线指纹数据库。其次,通过分析各RP可检测到的AP序列划分定位区域。将参考点的指纹特征向量对应的AP序列按RSSI值降序排列,分析各RP间此AP序列的最长公共子序列衡量相似度。基于此相似度,通过有序聚类算法将位置相邻且指纹特征相似的RP划分为一个子区域。子区域划分后,各区域内以各自的最长公共子序列统一指纹特征向量维数,构建分区指纹数据库。再次,获取待定位节点的指纹特征以及按RSSI值降序排列后的AP序列。计算该序列与各子区域的最长公共子序列衡量相似度,进行粗定位,选取相似度最高的子区域并与该区域的指纹特征向量统一维度。最后,分析子区域指纹特征分布特性,选取最优尺度核主成分分析模型对子区域指纹及目标节点指纹进行特征变换,提取稳定且区分度大的指纹特征子集,通过遗传算法优化的加权K近邻算法预测目标节点位置。实验结果表明,本文提出的有序聚类区域划分算法可进一步降低在线阶段计算复杂度,减少平均定位时间;多尺度核主成分分析特征提取模型可有效地提取稳定且区分度大的位置指纹特征,减少噪声对定位结果的影响,提高定位精度。
郭强[3]（2020）在《基于三维全景视图的室内导航关键技术研究》文中研究表明随着生活质量的提高,人们对生活便利性的要求也越来越高,关于位置服务的需求也越来越多。目前,室外环境定位技术已经相对成熟,但是,受到卫星信号和复杂建筑结构的影响,室外定位技术不能很好地运用到室内环境中。随着无线通讯技术和智能终端的广泛应用,应运而生了基于红外线技术、无线局域网技术、超声波定位技术、蓝牙技术和超宽带技术等的室内定位导航方式。论文分别对常用的室内定位技进行介绍和分析,考虑到系统的需求、费用和可推广性,选择基于iBeacon的室内定位技术。为了提高室内定位系统的用户体验,将三维全景技术应用于室内定位导航系统是一个具有实用意义的研究方向。论文主要研究在医院场景内基于iBeacon的三维全景导航的关键技术和系统设计。第一,对目前主流的室内定位技术进行了分析比较,制定了本定位系统的技术指标。对基于iBeacon的室内定位技术进行了详细介绍,并对位置指纹定位法进行了仿真实验,对比了均值滤波、高斯滤波和卡尔曼滤波对原始信号的滤波效果,选择效果最好的卡尔曼滤波对系统接收的原始信号进行处理。第二,室内定位最终是为导航服务的,在室内路径规划中,常用的算法为A*算法、遗传算法和蚁群算法。论文对三种算法的概念和原理进行了详细的介绍,并在MATLAB中对其进行仿真实验,从算法的运行速度、输出结果和稳定性对实验结果进行分析比较。可知,A*算法运用到室内导航进行路径规划较为合适。第三,论文分别从全景技术的原理、全景图像的制作和全景漫游的生成对三维全景进行了详细的介绍。探讨了如何将三维全景技术和GIS技术进行结合,运用于室内导航。对三维全景导航系统的路网的生成和跨楼层路径规划问题进行了讨论,提出了一种三维全景导航数据模型,就模型的数据组成、构建、融合和表达进行了介绍。以医院导诊场景为例,设计了一个基于iBeacon的医院三维全景导航系统,并完成了前端开发。
崔建新[4]（2012）在《基于多元图表示的中药指纹图谱可视化模式分析方法研究》文中研究说明中药现代化是目前国内外医药界研究的一大热点。中药指纹图谱技术是中药现代化的有力工具，可以用来鉴别中药的真伪，控制中药质量及评价其安全性和有效性。中药指纹图谱的解析与处理通常借助于计算机，分析其化学成分测定值及相关的药理作用，快速、准确地寻找出内在规律，作为中药材质量控制的指标。由于中药是多种成分协同作用，所以图谱数据的整体性对研究至关重要。但是，在当前的研究中，有的在分析过程中打破了这一整体性，有的保证了数据的整体性却又直观性差，不易理解。因此，在中药指纹图谱的研究中，如何在保证图谱数据整体性的前提下实现分析过程的可视化是一个重要课题。本文基于多元图表示的理论基础，针对中药指纹图谱的数据处理问题，提出了一种可视化的模式分析新方法，实现了中药指纹图谱数据处理的整体性和可视性的统一，为中药的鉴别及评价提供了一种新的信息处理手段。主要研究了三个基本方面的问题：多元数据的多元图表示方法及特征提取方法；中药指纹图谱的雷达图分类模型的建立；标准指纹图谱的建立。1.研究了多元数据多元图的表示方法及基于多元图表示原理的特征提取方法。提出了多元数据的类间重叠系数矩阵以剔除方差大而分类信息差的向量；对传统散布矩阵进行了优化以区分类别均值与全局均值之间距离比较相近的向量；采用样本点与各个类别之间的距离表示样本点，再进行分类研究；对人机交互在多元图特征提取中的应用进行了研究。实验证明了这些方法的可行性及优越性。2.研究了基于雷达图表示原理的中药指纹图谱的分类。在多元数据雷达图表示及特征提取的基础上，将雷达图的重心图特征进行了拓展，并对相邻幅值比图特征进行了优化。针对中药指纹图谱的分类问题，提出了重心特征峰参数以及多层雷达图表示的分类模型。实验取得了较好的效果。3.研究了标准指纹图谱的建立。针对标准指纹图谱传统构建方法存在的问题，基于聚类原理，将多参数距离融合聚类规则作为标准指纹图谱。该方法以分类为目的，结果生成的不再是传统的有意义的特征指纹图谱或是特征库，而是一种分类标准。实验分析了该方法的可行性和优越性。4.利用近红外光谱仪分别获得了葛根（纯葛根粉及掺假葛根粉）以及不同种类的人参的指纹图谱，采用多层雷达图模型及相关技术对葛根的真伪及人参的种类进行了鉴别研究，结果验证了本文提出的可视化中药指纹图谱模式分析方法的可行性和有效性。
陈晖[5]（2011）在《结合方向场特征的扭曲指纹图像识别技术研究》文中提出生物特征识别作为信息化社会中一种颇具应用前景的身份验证手段,目前已经得到社会各界普遍的关注,其中指纹识别技术更是由于其诸多优点备受青睐。越来越多的自动指纹识别系统已经被开发并部署于港口、银行、机场等重要场所,在人们的日常生活中发挥着重要作用。尽管如此,自动指纹识别技术的进步仍然与人们的预期相去甚远,在应用中遇到了许多难题。自动指纹识别系统的识别准确率和识别效率都有待进一步提高,对低质量指纹图像,特别是存在严重非线性形变的指纹图像,识别效果往往不佳。细节点是自动指纹识别系统中最常用的指纹特征,相比其它特征更加易于检测和表示,区分能力更强。但是,在低质量指纹图像中,常常缺乏足够数量的可靠细节点。而且,细节点提取算法设计中的缺陷经常会导致提取的细节点集合中引入了许多伪细节点,或者丢失了许多有价值的真实细节点。因此,有必要在自动指纹识别系统中引入其它指纹特征与细节点特征结合使用。指纹方向场描述了指纹纹线的大致走向,真实地反映了指纹图像中最本质的纹理特征,可以作为细节点特征的有效补充。而且由于指纹方向场在指纹图像增强、指纹分类等过程中的重要作用,绝大多数自动指纹识别系统中都包含了方向场特征提取过程。本文在自动指纹识别系统设计中融合了细节点特征与指纹方向场特征,重点研究了指纹方向场在指纹图像预对齐、指纹特征提取、指纹局部匹配以及全局匹配阶段的应用技术,并且充分考虑了对于指纹图像中存在的非线性形变的处理方法。本文的主要研究成果如下:1.提出了一种基于方向差异场的指纹图像粗糙对齐方法传统的指纹图像对齐方法需要用到细节点、奇异点等指纹特征,因此必须在指纹特征提取阶段之后完成,而且往往由于过于追求对齐结果的精确性而导致效率低下。本文提出基于指纹方向场特征,在指纹识别早期阶段实现指纹图像的粗糙对齐,进而分割出两幅图像之间的重叠区域,以减少后续特征提取和匹配阶段需要处理的数据量,并提高匹配准确率。为了避免方向场相关性计算过程带来的过大的时间开销,并抑制指纹图像中非线性形变对方向场可能造成的影响,本文定义了方向差异场,提出将方向场转化为方向差异场,并基于方向差异场对齐并分割指纹图像。2.提出了一种基于方向场的指纹图像分区方法指纹图像的纹线分布具有比较明显的全局拓扑特征,在人类专家识别指纹的过程中往往是区分不同细节点的重要参考依据,非常适合于作为辅助特征参与指纹图像匹配。本文提出根据指纹宏观拓扑结构将方向场图像分成若干个子区域,在各个区域内部方向场方向比较相似,而在不同区域之间则方向场方向差异比较大。在局部匹配方法中引入这种指纹分区特征约束,可以缩小局部匹配过程的搜索空间,从而有效提高匹配效率,同时还有助于更加准确地筛选和比较局部特征,能有效降低局部特征配对错误的发生几率。3.研究了基于方向的细节点局部匹配方法传统的细节点局部匹配方法由于对邻居细节点之间的相互关系进行编码,容易受细节点集合中真实细节点缺失和伪细节点生成等问题的影响。本文在分析了一种经典的基于方向的细节点局部描述子的基础上,从扩大描述子所描述的局部区域范围和提高基于该描述子的局部匹配相似度计算方法的准确性着手,改进了该细节点局部描述子,提出了更加适合扭曲指纹图像、更加准确的局部方向场描述和匹配方法。4.研究了适合扭曲指纹图像的匹配方法非线性形变现象在指纹图像中十分普遍,严重时会导致指纹识别系统的识别性能显着降低。本文提出了一种基于多参考细节点对齐修正指纹图像中部分细节点的方法,首先获取一组匹配细节点对作为基准点对,然后再以此为基础对邻域其它细节点进行修正,从而使得两幅指纹图像对应的细节点图像之间的位置关系更加可信。为了克服指纹图像中存在的全局非线性形变,本文同时还提出了扭曲指纹图像匹配时应该遵循的指导原则:“整体对齐,局部匹配;粗糙对齐,精确计算”,在此基础上,设计了一种细节点局部邻域描述子,利用该描述子对齐指纹图像,并研究了基于该描述子的指纹图像相似度计算方法。
邓如军[6]（2010）在《自动指纹识别匹配算法研究》文中提出随着电子信息技术、计算机及网络技术的快速发展,通过辨识人体生理或行为特征来进行身份认证的生物识别技术越来越多的得到广泛认同。和传统的身份鉴别方法相比,依靠生物特征进行身份鉴别可以避免伪造和窃取,因而安全性好。同时,生物特征无需携带,使用方便。指纹这一生物特征不仅具有上述生物特征的优势,和其他生物特征相比,指纹还同时具有信息量大,识别过程方便,不易随时间改变等特点,已经成为最流行、最方便、最可靠的个人身份认证技术之一。自动指纹识别系统一般包括指纹图像采集,预处理,特征提取和比对。本文重点对指纹识别的两种算法进行了研究,基于遗传算法的指纹匹配算法和基于区域特征点的匹配算法。遗传算法是一种全局搜索最优算法,在指纹识别中经常使用。本文首先利用指纹特征点的局部特征信息来产生遗传算法的初始种群,然后利用这个含有局部对准信息的种群进行遗传算法的全局搜索,根据两个指纹局部特征相似程度和全局的匹配程度来评价每个个体的适应度,比较最大适应度和判决门限的大小决定两枚指纹是否匹配。由于指纹中心点周围的特征点受噪声干扰比较小,用于指纹匹配可以达到比较可靠的效果,因此本文提出基于区域特征点的匹配算法,即利用模板和待匹配指纹的中心点和一个噪声较小的相同区域内部特征点寻找平移量和旋转量。该算法计算量小,但抗噪性能不够理想,匹配准确度稍差。而基于遗传算法的指纹匹配算法具有较好的抗噪性能。
舒展[7]（2006）在《基于遗传算法的指纹分类算法研究》文中指出指纹分类是自动指纹鉴别系统中的一个重要组成部分,一直以来都是国内外研究人员研究的热点和难点。在自动指纹识别系统的研究中,指纹分类提供了指纹数据库的一个重要索引机制,具有非常重要的意义。通过指纹分类,可以立即排除不同类别的指纹。一个准确而连贯的分类可以显着地减少大型指纹数据库的匹配时间,因此设计一个性能良好的指纹分类系统将大大提高整个指纹自动识别系统的使用效率,方便整个指纹识别的特征数据分类存储和数据库检索。模拟自然界生物进化过程的遗传算法,不受限制性条件约束,具有隐含并行性和全局解空间搜索等显着特性。遗传算法提供了一种求解复杂系统优化问题的通用框架,它不依赖于问题的具体领域,对问题的种类有很强的鲁棒性,所以广泛应用于很多学科。本文在简要介绍指纹分类和遗传算法的理论基础之上,针对遗传算法在优化过程中存在的问题,将一种改进的遗传算法与原本的遗传算法指纹分类相结合,设计出一种基于遗传算法的指纹分类算法。同时,通过构造二级指纹分类策略,显着地改善了指纹分类效率。主要内容如下:1.对国内外的指纹分类算法进行综述,并通过对各种指纹分类算法进行比较分析,提出所要研究的问题。2.在原有的基于遗传算法的指纹分类的基础上,应用一种加入BP算子的遗传算法对原本的分类算法进行改进。3.在深入分析指纹自动分类的一般原理和方法的基础上,探讨和实现了一种二级指纹自动分类算法。
姜美[8]（2006）在《遗传算法在指纹细节点匹配中的应用》文中提出身份识别是信息安全领域的热点问题，指纹识别作为相对成熟的身份识别技术，不断地被运用到民用领域的各个方面，显示出了广阔的应用前景。针对指纹识别目前所面临的问题，本文对其中的细节点关键算法进行了深入研究，具体包括指纹细节点提取、验证和细节点匹配算法。应用数字图像处理、模式识别、计算智能等方面的知识，在这些方面进行了探索，给出了一些改进的方法，以期提高指纹识别的性能，促进指纹识别的应用，具体工作如下： （1）提出了基于二值图像的细节点提取方法。用行程匹配方法提取出代表没有分支的局部指纹纹线段的图段，根据图段的结构形式和图段之间的连接关系用自定义的规则进行细节点判定。由于无需进行图像细化处理，因此处理速度较快，且可以避免由于细化畸变而产生很多虚假细节点。实验表明了其有效性，为细节点提取提供了一种新的途径。 （2）提出了基于模糊几何特征和纹理特征的细节点验证方法。提取细节点在原始灰度图像上的局部邻域，分析邻域中的模糊几何特征和纹理特征，以这些特征作为MLP神经网络的输入，实现细节点的真假验证。实验表明其效果比直接用局部邻域中像素点进行分类验证的方法要好。 （3）提出了综合利用遗传算法和模糊逻辑的细节点匹配方法。用改进的基于遗传算法的点匹配算法求出使对应点数目最多、匹配误差最小的细节点对应关系，根据得到的对应点数目和匹配误差大小利用自定义的模糊逻辑规则推理出匹配分值。该方法模拟了人类进行指纹匹配时的模糊性，匹配决策更加合理，实验表明具有合理的精度。 最后总结全文，分析了目前研究工作中需要进一步完善的地方，并指出了今后工作的研究方向。
张朝鸣,刘云超[9]（2001）在《指纹连续分类基于遗传算法的实现》文中进行了进一步梳理首先介绍了一种基于指纹方向图分区和遗传算法的连续分类方案。根据各种典型指纹类别的拓扑特性而引进了一组动态分区模板和代价函数用于引导方向图分区 ,并将寻找最佳匹配划分的过程转化成一个N维向量空间的函数优化问题 ,然后给出了该问题基于遗传算法的求解过程。最后 ,讨论了遗传算法的优越性。
张朝鸣,刘云超[10]（2000）在《基于遗传算法的指纹方向图分区》文中认为在本文中，我们介绍了一种基于遗传算法的指纹方向图划分方案．根据各种典型指纹类别的拓扑特性而引进了一组动态分区模板和代价函数用于引导方向图分区，并将寻找最佳匹配划分的过程转化成一个Ｎ维向量空间的函数优化问题，然后给出了该问题基于遗传算法的求解过程．最后，我们讨论了本方法在指纹分类中的应用．
二、基于遗传算法的指纹方向图分区（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、基于遗传算法的指纹方向图分区（论文提纲范文）
（1）基于RFID技术的智能柜软件系统设计技术研究（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 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 RFID技术 |
| 1.2.2 智能柜 |
| 1.3 论文主要研究内容 |
| 1.4 论文结构安排 |
| 第二章 智能柜相关技术 |
| 2.1 智能柜 |
| 2.2 智能柜硬件组成 |
| 2.3 射频识别技术 |
| 2.3.1 RFID系统组成 |
| 2.3.2 空中接口协议 |
| 2.3.3 底层读写器协议 |
| 2.4 智能柜关键技术 |
| 2.4.1 物品清点性能 |
| 2.4.2 网络通信安全 |
| 2.5 本章小结 |
| 第三章 智能柜清点性能优化 |
| 3.1 读写器清点总时长动态优化 |
| 3.1.1 读写器清点总时长动态优化理论研究 |
| 3.1.2 读写器清点总时长动态优化算法设计 |
| 3.2 读写器参数组合优化 |
| 3.2.1 遗传算法 |
| 3.2.2 读写器参数组合优化算法设计 |
| 3.3 实验设计 |
| 3.3.1 读写器清点总时长动态优化实验设计 |
| 3.3.2 读写器参数组合优化实验设计 |
| 3.4 性能分析 |
| 3.4.1 读写器清点总时长动态优化性能分析 |
| 3.4.2 读写器参数组合优化性能分析 |
| 3.5 本章小结 |
| 第四章 智能柜网络通信安全设计 |
| 4.1 智能柜网络通信安全需求 |
| 4.2 密码算法与区块链 |
| 4.2.1 SM4商密算法 |
| 4.2.2 SM3商密算法 |
| 4.2.3 SM2商密算法 |
| 4.2.4 区块链技术 |
| 4.3 智能柜网络通信安全设计 |
| 4.3.1 安全初始化 |
| 4.3.2 身份认证 |
| 4.3.3 密钥交换 |
| 4.3.4 数据交换 |
| 4.4 智能柜安全性分析 |
| 4.5 加密算法对网络通信效率的影响研究 |
| 4.5.1 实验设计 |
| 4.5.2 实验结果分析 |
| 4.6 本章小结 |
| 第五章 智能柜软件设计 |
| 5.1 软件层次结构 |
| 5.2 软件组件设计 |
| 5.2.1 系统应用进程 |
| 5.2.2 数据传输进程 |
| 5.2.3 数据存储进程 |
| 5.2.4 系统监控进程 |
| 5.3 组件间数据传输设计 |
| 5.3.1 共享内存结构 |
| 5.3.2 共享内存访问 |
| 5.4 网络通信接口设计 |
| 5.4.1 通信协议 |
| 5.4.2 通信方式 |
| 5.4.3 数据报文设计 |
| 5.5 数据存储设计 |
| 5.5.1 数据库存储 |
| 5.5.2 文件信息存储 |
| 5.6 主要功能模块实现 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）基于有序聚类的Wi-Fi指纹室内定位算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 室内定位系统 |
| 1.2.2 指纹室内定位 |
| 1.3 论文主要研究内容 |
| 1.4 论文组织结构 |
| 第二章 Wi-Fi定位技术的相关理论 |
| 2.1 Wi-Fi基础理论 |
| 2.1.1 Wi-Fi技术概述 |
| 2.1.2 RSSI简介 |
| 2.2 室内定位原理 |
| 2.2.1 测距定位技术 |
| 2.2.2 指纹定位技术 |
| 2.3 经典指纹室内定位算法 |
| 2.3.1 确定型指纹定位算法 |
| 2.3.2 概率型指纹定位算法 |
| 2.3.3 神经网络定位算法 |
| 2.3.4 支持向量机定位算法 |
| 2.4 指纹定位算法评估 |
| 2.4.1 评估方法 |
| 2.4.2 性能评估指标 |
| 2.5 本章小结 |
| 第三章 基于有序聚类的区域划分算法 |
| 3.1 引言 |
| 3.2 几种常见的区域划分算法 |
| 3.2.1 几何分区算法 |
| 3.2.2 k-means聚类分区算法 |
| 3.2.3 k-medoids聚类分区算法 |
| 3.2.4 仿射传播聚类分区算法 |
| 3.3 基于有序聚类的区域划分算法 |
| 3.3.1 有序聚类 |
| 3.3.2 基于LCS的指纹相似系数 |
| 3.3.3 有序聚类区域划分算法 |
| 3.4 本章小结 |
| 第四章 基于有序聚类分区的指纹室内定位算法 |
| 4.1 引言 |
| 4.2 定位算法架构设计 |
| 4.3 有序聚类分区与粗定位 |
| 4.4 多尺度核主成分分析指纹特征提取 |
| 4.4.1 核主成分分析 |
| 4.4.2 多尺度核主成分分析特征提取模型 |
| 4.5 基于遗传算法优化的WKNN定位算法 |
| 4.5.1 遗传算法 |
| 4.5.2 遗传算法优化的WKNN定位算法 |
| 4.6 实验结果与分析 |
| 4.6.1 实验环境 |
| 4.6.2 数据采集 |
| 4.6.3 数据预处理 |
| 4.6.4 有序聚类区域划分算法的分析 |
| 4.6.5 有序聚类分区指纹室内定位算法的分析 |
| 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 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（3）基于三维全景视图的室内导航关键技术研究（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 国内外研究现状 |
| 1.2.1 室内导航系统发展现状 |
| 1.2.2 基于三维全景的室内导航发展现状 |
| 1.3 主要内容及章节安排 |
| 第二章 室内导航相关技术介绍及实验仿真 |
| 2.1 室内定位技术介绍 |
| 2.1.1 局域室内定位技术 |
| 2.1.2 广域室内定位技术 |
| 2.2 常用室内定位算法分析 |
| 2.3 基于iBeacon的位置指纹定位技术的介绍及实验仿真 |
| 2.3.1 基于iBeacon室内定位系统的设计 |
| 2.3.2 位置指纹算法数据仿真获取与预处理 |
| 2.3.3 位置指纹定位算法分析及实验仿真 |
| 2.4 室内路径规划技术介绍 |
| 2.5 路径规划算法介绍 |
| 2.5.1 A~*算法 |
| 2.5.2 遗传算法 |
| 2.5.3 蚁群算法 |
| 2.6 路径规划算法实验仿真及对比分析 |
| 2.6.1 环境建模 |
| 2.6.2 A~*算法的路径规划仿真 |
| 2.6.3 遗传算法的路径规划仿真 |
| 2.6.4 蚁群算法的路径规划仿真 |
| 2.6.5 实验结果对比分析 |
| 2.7 基于三维空间的路径规划研究与讨论 |
| 2.7.1 基于蚁群算法的三维空间路径规划 |
| 2.7.2 三维环境建模 |
| 2.7.3 实验仿真与分析 |
| 2.8 本章小结 |
| 第三章 基于三维全景的室内导航方法的研究 |
| 3.1 三维全景技术介绍 |
| 3.1.1 全景图像制作 |
| 3.1.2 全景漫游制作 |
| 3.2 基于三维全景的路径规划研究 |
| 3.2.1 室内地图的构建 |
| 3.2.2 室内路网的生成 |
| 3.2.3 室内跨楼层路径规划 |
| 3.3 室内三维全景导航数据模型的构建 |
| 3.3.1 数据类型 |
| 3.3.2 数据融合 |
| 3.3.3 模型属性 |
| 3.3.4 数据获取 |
| 3.3.5 数据表达 |
| 第四章 医院三维全景导航系统的设计与实现 |
| 4.1 系统设计 |
| 4.1.1 总体设计 |
| 4.1.2 技术框架设计 |
| 4.1.3 数据库设计 |
| 4.1.4 功能设计 |
| 4.2 系统功能实现 |
| 4.2.1 平面底图构建 |
| 4.2.2 全景影像获取 |
| 4.2.3 定位设备部署 |
| 4.2.4 系统功能开发 |
| 4.3 系统展示 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录A (攻读学位期间发表的论文目录) |
| 附录B |
（4）基于多元图表示的中药指纹图谱可视化模式分析方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 中药指纹图谱技术概述 |
| 1.2.1 中药指纹图谱的定义和特点 |
| 1.2.2 中药指纹图谱的分类 |
| 1.2.3 中药指纹图谱的数据处理 |
| 1.2.4 中药指纹图谱在中药质量控制中的作用 |
| 1.3 模式识别研究现状 |
| 1.3.1 模式识别的分类 |
| 1.3.2 模式识别研究现状 |
| 1.4 中药指纹图谱模式识别研究现状 |
| 1.5 本文的主要研究内容 |
| 第2章 多元图表示理论基础 |
| 2.1 引言 |
| 2.2 多元图表示理论 |
| 2.2.1 多维数据多元图表示的数学理论基础 |
| 2.2.2 多维数据到多元图表示的一般化映射模型 |
| 2.2.3 多元图的图形特征提取 |
| 2.3 基于多元图表示的特征提取方法研究 |
| 2.3.1 类间重叠系数矩阵 |
| 2.3.2 散布矩阵 |
| 2.4 基于多元图表示的样本特征距离表示方法 |
| 2.4.1 方法及原理 |
| 2.4.2 数据实验 |
| 2.5 人机交互在多元图特征提取中的应用 |
| 2.6 本章小结 |
| 第3章 中药指纹图谱的雷达图表示及特征提取方法研究 |
| 3.1 引言 |
| 3.2 雷达图 |
| 3.2.1 雷达图的表示原理 |
| 3.2.2 雷达图的特征参数 |
| 3.2.3 雷达图图形特征提取的优化方法 |
| 3.2.4 数据实验 |
| 3.3 中药指纹图谱的数据处理及可视化表达 |
| 3.3.1 数字化中药指纹图谱 |
| 3.3.2 中药指纹图谱的雷达图表示 |
| 3.3.3 中药指纹图谱的重心特征峰表示 |
| 3.4 基于雷达图表示的中药指纹图谱特征提取方法研究 |
| 3.4.1 基于多层雷达图表示的特征提取方法研究 |
| 3.4.2 雷达图表示与相似度特征相结合的特征提取方法研究 |
| 3.5 本章小结 |
| 第4章 基于多参数距离融合聚类原理的标准指纹图谱的构建 |
| 4.1 引言 |
| 4.2 传统标准指纹图谱构建方法 |
| 4.3 聚类分析 |
| 4.3.1 聚类的定义 |
| 4.3.2 聚类分析的主要方法 |
| 4.4 基于多参数距离融合聚类原理的标准指纹图谱的建立 |
| 4.4.1 标准指纹图谱建立的原理 |
| 4.4.2 标准指纹图谱建立的步骤 |
| 4.4.3 数据实验 |
| 4.5 本章小结 |
| 第5章 基于多元图表示的近红外光谱中草药鉴别研究 |
| 5.1 引言 |
| 5.2 实验仪器与研究方法 |
| 5.2.1 实验仪器 |
| 5.2.2 研究方法 |
| 5.3 近红外光谱的中药葛根粉真假鉴别研究 |
| 5.3.1 中药葛根 |
| 5.3.2 近红外光谱中药葛根粉真假鉴别 |
| 5.3.3 结果及讨论 |
| 5.4 近红外光谱中药人参的种类鉴别研究 |
| 5.4.1 样品来源及光谱测量 |
| 5.4.2 各种人参样本的近红外光谱曲线的峰值检测和特征表示 |
| 5.4.3 近红外人参样本的多层雷达图特征融合 |
| 5.4.4 结果及讨论 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间承担的科研任务与主要成果 |
| 致谢 |
| 作者简介 |
（5）结合方向场特征的扭曲指纹图像识别技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 指纹识别概述 |
| 1.1.1 指纹的形成与特点 |
| 1.1.2 指纹识别研究的历史 |
| 1.1.3 指纹识别与生物特征识别 |
| 1.1.4 指纹识别的应用 |
| 1.2 自动指纹识别技术概述 |
| 1.2.1 自动指纹识别技术的研究背景 |
| 1.2.2 自动指纹识别技术的研究现状 |
| 1.2.3 自动指纹识别技术面临的挑战 |
| 1.3 研究内容 |
| 1.3.1 指纹图像预对齐 |
| 1.3.2 指纹特征提取 |
| 1.3.3 指纹局部匹配 |
| 1.3.4 扭曲指纹图像匹配 |
| 1.4 研究成果 |
| 1.5 论文组织结构 |
| 第二章 基于方向差异场的指纹图像粗糙对齐 |
| 2.1 引言 |
| 2.1.1 指纹图像重叠区域分割 |
| 2.1.2 指纹图像对齐 |
| 2.1.3 基于方向场的指纹图像对齐 |
| 2.2 基于方向差异场的指纹图像对齐 |
| 2.2.1 方向差异场定义 |
| 2.2.2 基于方向差异场的指纹图像对齐过程 |
| 2.3 实验结果与分析 |
| 2.4 本章小结 |
| 第三章 基于方向场的指纹图像区域分割 |
| 3.1 引言 |
| 3.1.1 指纹匹配特征分析 |
| 3.1.2 指纹图像分区的主要思想 |
| 3.1.3 指纹图像分区的实现思路 |
| 3.2 方向场分区过程 |
| 3.2.1 方向场计算 |
| 3.2.2 奇异点检测 |
| 3.2.3 图像旋转校正 |
| 3.2.4 区域分割 |
| 3.2.5 后处理 |
| 3.2.6 针对查询图像和模板图像的分区策略 |
| 3.3 实验结果 |
| 3.4 本章小结 |
| 第四章 基于方向的细节点局部匹配方法 |
| 4.1 引言 |
| 4.1.1 基于细节点的指纹匹配方法 |
| 4.1.2 局部细节点匹配方法 |
| 4.1.3 基于方向场的指纹局部细节点匹配方法 |
| 4.2 基于方向的局部细节点描述子 |
| 4.3 改进一：增加细节点描述子的覆盖区域 |
| 4.3.1 主要思想 |
| 4.3.2 细节点所在的脊线描述子 |
| 4.3.3 指纹匹配 |
| 4.3.4 实验结果 |
| 4.4 改进二：提高局部匹配时相似度计算方法的准确性 |
| 4.4.1 问题的提出 |
| 4.4.2 局部方向场对齐 |
| 4.4.3 局部方向场匹配 |
| 4.4.4 实验结果 |
| 4.5 本章小结 |
| 第五章 适合扭曲指纹图像的指纹匹配方法 |
| 5.1 引言 |
| 5.1.1 指纹图像扭曲的产生 |
| 5.1.2 指纹图像扭曲的模型 |
| 5.1.3 扭曲指纹图像匹配方法 |
| 5.2 基于局部匹配的扭曲指纹图像细节点调整 |
| 5.2.1 引言 |
| 5.2.2 局部形变模型 |
| 5.2.3 全局细节点调整 |
| 5.2.4 实验结果 |
| 5.3 基于局部描述子的细节点匹配方法 |
| 5.3.1 引言 |
| 5.3.2 局部描述子定义 |
| 5.3.3 指纹图像匹配 |
| 5.3.4 实验结果 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 作者在学期间参加的主要科研工作 |
（6）自动指纹识别匹配算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 问题背景 |
| 1.2 指纹识别发展历史 |
| 1.3 自动指纹识别系统发展现状 |
| 1.4 本文工作及论文组成 |
| 2 自动指纹识别系统及匹配方法概述 |
| 2.1 指纹识别的基本概念 |
| 2.2 自动指纹识别系统(AFIS) |
| 2.2.1 指纹图像采集 |
| 2.2.2 指纹图像预处理 |
| 2.2.3 特征点提取 |
| 2.2.4 去除虚假特征点 |
| 2.2.5 指纹比对 |
| 2.3 指纹匹配算法简介 |
| 2.3.1 基于点模式的匹配算法 |
| 2.3.2 基于纹理特征的匹配算法 |
| 2.3.3 基于结构特征的匹配算法 |
| 2.3.4 中心点的选择 |
| 3 基于遗传算法的指纹匹配算法 |
| 3.1 遗传算法产生的生物学基础 |
| 3.2 遗传算法的发展历史 |
| 3.3 遗传算法的应用领域 |
| 3.4 简单遗传算法的基本原理 |
| 3.5 遗传算法的具体实现步骤 |
| 3.5.1 编码方法 |
| 3.5.2 适应度函数 |
| 3.5.3 选择算子 |
| 3.5.4 交叉算子 |
| 3.5.5 变异算子 |
| 3.5.6 基本遗传算法的运行参数 |
| 3.6 基于遗传算法的指纹匹配算法 |
| 3.6.1 基于特征点指纹匹配算法模型 |
| 3.6.2 算法基本思想 |
| 3.6.3 入口参数 |
| 3.6.4 模板库的建立 |
| 3.6.5 算法对于待匹配指纹的处理 |
| 3.6.6 函数出口 |
| 3.6.7 参数设置 |
| 4 基于区域特征点的指纹匹配算法 |
| 4.1 算法基本思想 |
| 4.2 算法流程 |
| 4.2.1 对于模板的算法流程 |
| 4.2.2 待匹配指纹的算法流程 |
| 4.3 入口参数 |
| 4.3.1 块方向场 |
| 4.3.2 特征点的坐标 |
| 4.3.3 中心点位置 |
| 4.4 算法相关说明 |
| 4.5 函数出口 |
| 4.6 参数设置 |
| 5 实验仿真结果及分析 |
| 5.1 基于遗传算法的指纹匹配算法的实验结果 |
| 5.2 基于遗传算法的指纹匹配算法实验结果分析 |
| 5.2.1 误匹配情况分析 |
| 5.2.2 误拒情况分析 |
| 5.2.3 算法所需进化代数分析 |
| 5.2.4 误拒率和误判率结合分析 |
| 5.3 基于区域特征点的指纹匹配算法的实验结果 |
| 5.4 基于区域特征点的指纹匹配算法实验结果分析 |
| 5.4.1 误匹配情况分析 |
| 5.4.2 误拒情况分析 |
| 5.5 算法对比及分析 |
| 5.5.1 准确度比对及分析 |
| 5.5.2 算法复杂度比较及分析 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（7）基于遗传算法的指纹分类算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究指纹分类算法具有重大意义 |
| 1.3 国内外关于该邻域的研究现状和趋势 |
| 1.4 本文的内容安排 |
| 2 指纹分类的基本原理和方法 |
| 2.1 指纹分类的基础 |
| 2.2 指纹分类的基本原理 |
| 2.3 几种不同的分类特征分析 |
| 2.4 国内外指纹分类方法现状 |
| 3 遗传算法理论 |
| 3.1 遗传算法简述 |
| 3.2 标准遗传算法 |
| 3.3 改进的遗传算法研究 |
| 4 基于遗传算法的指纹分类 |
| 4.1 基于基本遗传算法的指纹分类 |
| 4.2 基于改进遗传算法的指纹分类 |
| 4.3 二级指纹分类算法 |
| 4.4 二级分类算法的结果分析与评价 |
| 5 结束语 |
| 5.1 全文工作总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读硕士学位期间发表的论文 |
（8）遗传算法在指纹细节点匹配中的应用（论文提纲范文）
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 指纹细节点提取的研究 |
| 1.2.2 指纹细节点验证的研究 |
| 1.2.3 指纹细节点匹配的研究 |
| 1.3 本文的主要工作 |
| 1.3.1 主要内容 |
| 1.3.2 创新性 |
| 1.4 本文的组织 |
| 第二章 基于二值图像的指纹细节点提取 |
| 2.1 指纹细节点提取概述 |
| 2.2 基本概念定义 |
| 2.3 图段提取 |
| 2.4 细节点提取 |
| 2.4.1 图段结构分析 |
| 2.4.2 端点位置判定 |
| 2.4.3 端点方向判定 |
| 2.4.4 简单后处理 |
| 2.5 实验结果 |
| 2.6 本章小节 |
| 第三章 基于模糊几何和纹理特征的指纹细节点验证 |
| 3.1 指纹细节点验证概述 |
| 3.2 算法的基本思想 |
| 3.3 细节点邻域预处理 |
| 3.4 细节点邻域特征分析 |
| 3.4.1 模糊几何特征 |
| 3.4.2 纹理特征 |
| 3.5 神经网络设计 |
| 3.6 本章小结 |
| 第四章 遗传算法 |
| 4.1 遗传算法概述 |
| 4.2 遗传算法的理论基础 |
| 4.3 实施步骤 |
| 4.3.1 编码 |
| 4.3.2 适应度函数 |
| 4.3.3 适应度函数设计对遗传算法的影响 |
| 4.3.4 遗传操作 |
| 4.4 参数选择 |
| 第五章 遗传算法和模糊几何在指纹细节点匹配中的应用 |
| 5.1 指纹细节点匹配概述 |
| 5.2 算法的基本思想 |
| 5.3 匹配误差定义 |
| 5.4 基于遗传算法的细节点匹配 |
| 5.4.1 个体编码方式 |
| 5.4.2 适应度函数 |
| 5.4.3 遗传操作 |
| 5.4.4 控制参数 |
| 5.5 模糊评分 |
| 5.5.1 模糊集合定义 |
| 5.5.2 模糊推理规则定义 |
| 5.6 实验结果 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 今后工作展望 |
| 参考文献 |
| 作者在硕士期间发表的学术论文 |
| 致谢 |
（9）指纹连续分类基于遗传算法的实现（论文提纲范文）
| 1 引言 |
| 2 方向图的划分 |
| 2.1 方向图计算 |
| 2.2 动态模板设计 |
| 2.3 分区代价函数和最佳匹配模板搜索 |
| 3 基于遗传算法的搜索 |
| 4 代价函数规范化与指纹分类检索 |
| 5 结论 |
四、基于遗传算法的指纹方向图分区（论文参考文献）
- [1]基于RFID技术的智能柜软件系统设计技术研究[D]. 贾晓玲. 西安电子科技大学, 2020(05)
- [2]基于有序聚类的Wi-Fi指纹室内定位算法研究[D]. 马跃欣. 太原理工大学, 2020(07)
- [3]基于三维全景视图的室内导航关键技术研究[D]. 郭强. 昆明理工大学, 2020(05)
- [4]基于多元图表示的中药指纹图谱可视化模式分析方法研究[D]. 崔建新. 燕山大学, 2012(08)
- [5]结合方向场特征的扭曲指纹图像识别技术研究[D]. 陈晖. 国防科学技术大学, 2011(03)
- [6]自动指纹识别匹配算法研究[D]. 邓如军. 大连理工大学, 2010(09)
- [7]基于遗传算法的指纹分类算法研究[D]. 舒展. 华中科技大学, 2006(03)
- [8]遗传算法在指纹细节点匹配中的应用[D]. 姜美. 北京邮电大学, 2006(11)
- [9]指纹连续分类基于遗传算法的实现[J]. 张朝鸣,刘云超. 计算机应用, 2001(03)
- [10]基于遗传算法的指纹方向图分区[J]. 张朝鸣,刘云超. Journal of Shanghai University, 2000(S1)