信息检索与利用大作业

  • 格式:doc
  • 大小:894.68 KB
  • 文档页数:9

下载文档原格式

  / 9
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

信息检索作业

一、分析课题要求:

1、文献出版类型:期刊、学位论为,学位论文

2、学科围:工程科技Ⅱ辑

3、时间跨度:2005~现在

二、撰写课题检索策略式

中文检索式:智能车辆 or 交通标志and检测技术研究

外文检索式:% intelligent vehicle or traffic sign and research on detecting technique 时间围:2000至今

三选择检索工具:

中文期刊类检索工具:选择了知网cnki

(1)交通标志and检测技术研究

准确度较低,共57条结果。

(2)智能车辆 or交通标志and检测技术研究

准确度较高,共4条结果

中文图书类检索工具:

选择了超星

(1)交通标志and检测技术研究

4条,不准确

(2)智能车辆 or交通标志and检测技术研究

1条,准确

3、中文学位论文检索工具

选择了知网cnki为检索工具

(1)交通标志and检测技术研究

285条结果,不准确

(2)智能车辆 or交通标志and检测技术研究

227611结果,较准确

4、外文检索工具

选择了SCI

(1)(% intelligent vehicle or traffic sign and research on detecting technique)

共15741条结果,不准确

(2)主题:(intelligent vehicle) AND主题:(traffic sign) OR主题:(detecting technique)

共15741条,不准确

共8431条结果,准确

5、搜索引擎

采用百度

(1)交通标志and检测技术研究

共24100条结果,不准确

(2)智能车辆 or交通标志and检测技术研究

共47100条结果,准确

四、保存搜索结果

1、保存基本信息

(1)中文期刊类检索工具

题目:基于交通标志检测技术与研究

作者:林巧玉、林哲、强、圣、钟宜轩

出处:大学信息科学与工程学院

摘要:交通标志检测技术的研究,对于现代智能交通的发展具有重大意义,文中提出基于颜色检测的算法,首先,将原彩色图像转发为灰色图像,然后利用RGB颜色模型中的分割将原图转化,最后通过算法进行准确定位。

(2)中文图书类检索工具

题目:汽车安全辅助驾驶技术

作者:一兵;

出处:大学

(3)中文学位论文类数据库

题目:基于视觉导航的智能车辆目标检测关键技术研究

作者:国权;

出处:理工大学,控制理论与控制工程, 2012,博士

摘要:智能车辆是智能交通系统的重要组成部分,是智能交通系统的主体。智能车辆是一个可以自主感知环境信息并进行自主决策进而实现自动化操作控制的综合统一体,它的实现涉及模式识别、图形图像处理、自动控制、机器视觉等多个交叉学科的理论与技术,在智能车辆的各项关键技术中,导航是车辆感知外部环境进而做出下一步决策的前提。由于视觉信息尤其是彩色图像信息具有信息含量丰富、被动无污染和探测无损伤等优点而倍受关注,是智能车辆实现自主导航的主要技术。其中,对于场景环境中的目标的检测(包括道路检测、交通标志检测以及障碍物检测)又是不可缺少的功能,是预防危险、安全行驶的前提条件。但由于智能车辆所处的室外环境的复杂性和不可控性以及彩色场景图像数据量大、运算复杂度高等因素,导致视觉导航中目标检测的实时性、准确性和鲁棒性得不到满足。为了减小数据量、提高检测的实时性,提高视觉导航的效率,本文在分析现有目标检测技术特点与不足的基础上,对以下关键技术进行了深入而详实的研究。1.为了降低彩色图像处理的复杂度、提高后续目标检测的速度,本文提出了一种智能车辆视觉导航彩色图像的预处理算法。算法针对饱和度过低时H分量不稳定的不足,在饱和度分量上选择阈值T,把S分量划分为高饱和度区域和低饱和度区域,在高饱和度区域中投影H分量,在低饱和度区域中投影V分量,并且对投影后的S分量进行拉伸。这样S分量即包含了必要的颜色信息又包含了灰度信息,而且图像由原来的高维降到二维。克服了传统预处理方法中颜色信息的丢失造成的分割不准确问题,大大降低了后续处理的数据量,提高了算法实时性,同时也对因光照和阴影等不确定因素造成的影响有较好的鲁棒性。2.为了克服现有道路检测算法在道路分割时依赖于道路模型、道路区域不完整及自适应性差等缺点,本文提出了一种基于语义的多神经网络非结构化道路自适应检测算法。算法用直方图对道路图像进行多阈值粗分割,然后用多神经网络对分割区域进行高层语义映射,可有效解决当道路特征发生变化时的自适应性和道路检测过程中的实时性问题,实现非结构化道路的完整提取。3.针对现有主动交通标志检测算法中存在运算量大、复杂背景排除困难等问题,本文提出了一种被动的交通标志快速检测方法。算法对彩色图像在HSV空间中预处理的基础上,构造待检测区域通标志中可能包含的颜色的粗糙度直方图,根据颜色匹配表、背景颜色的粗糙度和前景颜色的粗糙度判断图像中是否有

交通标志出现,如果有可能出现交通标志则根据粗糙度统计提取标志区域,如果没有则不进行后续的分割,这样减少了检测中的盲目分割和重复判断,大大提高了检测算法的效率和实时性。4.在障碍物检测方面,针对现有算法在颜色和边缘检测中障碍物提取不准确以及提取的信息不全面等问题,提出一种基于可疑区域二次匹配的立体视觉障碍检测算法。该算法首先分割出可疑障碍区域,然后对可疑区域进行初次匹配,对匹配成功的区域进行二次立体匹配。这样既减少了匹配的样本空间,提高了算法的效率,同时检测出的障碍物又能提供全面的导航信息。

(4)外文三大检索工具

题目:Dynamical mechanism in aero-engine gas path system using minimum spanning tree and detrended cross-correlation analysis

作者::Dong, KQ (Dong, Keqiang); Zhang, H (Zhang, Hong) ; Gao, Y (Gao, You)

出处:PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS

摘要:Identifying the mutual interaction in aero-engine gas path system is a crucial problem that facilitates the understanding of emerging structures in complex system. By employing the multiscale multifractal detrended cross-correlation analysis method to aero-engine gas path system, the cross-correlation characteristics between gas path system parameters are established. Further, we apply multiscale multifractal detrended cross-correlation distance matrix and minimum spanning tree to investigate the mutual interactions of gas path variables. The results can infer that the low-spool rotor speed (N1) and engine pressure ratio (EPR) are main gas path parameters. The application of proposed method contributes to promote our understanding of the internal mechanisms and structures of aero-engine dynamics.

(C) 2016 Elsevier B.V. All rights reserved.

2、批量下载、

[1]佘云峰,黄金泉,鲁峰. 基于卡尔曼滤波器的涡轴发动机气路部件性能估计[J]. 理工大学学报(自然科学版),2010,03:33-36+58.

[2]鲁峰,黄金泉,吕怡秋,仇小杰. 基于非线性自适应滤波的发动机气路部件健康诊断方法[J]. 航空学报,2013,11:2529-2538.

[3]郝英,健国,白杰. 航空燃气涡轮发动机气路故障诊断现状与展望[J]. 航空动力学报,2003,06:753-760.

[4]见忠,左洪福,詹志娟,鹏鹏. 涡轴发动机尾气静电监测信号影响因素分析[J]. 航空学报,2012,03:412-420.

[5]占生,智选,勇,欧阳运芳,广辉. 某型涡轴发动机气路故障数值仿真[J]. 振动.测试与诊断,2014,05:844-850+974.

3、统计信息

文献最多的

(1)年份:2014(284)

(1)学科:汽车工业

(2)作者:左洪福

(3)机构:航空航天大学

(4)期刊:航空学报