一、关于欧几里德算法复杂性的一点注记（论文文献综述）
石统帅[1]（2015）在《指纹图像增强方法的研究与实现》文中研究表明在自动指纹识别系统中，有四个处理步骤，本文将从其第二个处理步骤，图像预处理中指纹图像增强的方法进行比较深入的研究。本文充分结合了指纹图像的细节特征，以此来保证图像增强后的质量。本文研究的主要工作有：首先，本文对指纹的基本细节特征做了简单的总结和分析，依据这些细节特征及其算法，提出一种新的指纹图像分割算法——引入极大熵的模糊均值的改进算法（SMEC）。SMEC是基于模糊聚类算法的，是对MEC算法的改进。通过与FCM算法进行试验对比，可得，该算法的聚类中心具有很高的敏感性，提高了算法的整体鲁棒性，并且算法收敛速度快。实验结果表明，用于指纹图像的分割具有较好的效果。其次，本文提出了对分割后的指纹图像区域进行边缘检测，所运用的方法是基于模糊聚类算法的方法。运用本文提出的SMEC算法提取图像边缘的细节信息，实现了对图像边缘的提取处理。使指纹图像边缘更加清晰平滑，同时实现了边缘加强。最后，对分割的图像边缘提取后，对合并后的图像做均衡化处理。从文中介绍的各种直方图均衡化算法中，做了简单的介绍和分析，选取了具有显着优势的累积分布函数直方图均衡化方法。为了使增强的图像具有更高的稳定性，先对图像的直方图进行剪切，避免增强过度。本文在提出一种改进的模糊聚类算法给指纹图像进行分割的同时，结合了图像的边缘检测和直方图均衡化方法对指纹图像进行增强处理，充分考虑了指纹图像自身具有的特征，并且实现了双重增强。本文的使用是Matlab7.0软件作为实验测试的环境，运用本文的方法与用其他增强方法进行了图像结果的比较。从最终的实验结果中就可以看出，本文的方法使指纹图像得到一定程度的增强，提高了图像质量，为后续的图像处理工作提供了高质量的指纹图像，具有一定的应用价值。
高俊杰[2]（2013）在《混沌时间序列预测研究及应用》文中进行了进一步梳理混沌时间序列在生产生活中广泛存在，这类序列外在特征和纯粹的随机运动很相似，表现出类似于随机噪声一样的混乱无序，长期不可预测，但内在的非线性动力学结构又使得系统满足短期可预测性。传统的预测方法无法取得令人满意的结果，因此将混沌理论用于解决这类序列的预测问题成为该领域的研究热点。本文围绕混沌时间序列预测，研究了预测流程中的每个环节，主要内容包括：1)混沌理论的基本定义和概念；2)混沌时序的相空间重构；3)时间序列混沌性质的判别；4)混沌时间序列的预测。主要研究成果有：（1）分析了相空间重构中延迟时间和嵌入维数两个关键参数的求解方法，并针对原有方法的不足提出了改进的G-P算法和改进的C-C算法，实现重构参数的快速、准确求解。（2）介绍了混沌时间序列预测的三类方法：全域法、局域法、自适应法。确定了具有计算复杂度低、速度快、精度高、适应性好等优点的局域法作为本文的预测方法。（3）针对目前邻近相点的选取中容易混杂伪邻近点的问题，提出了基于演化跟踪的邻点选取方法，能够有效辨别和剔除伪邻点。（4）提出基于HQ准则的邻近相点个数确定法，克服了传统的依靠主观经验或多次试验确定邻点数量的缺点。（5）最后用Sigmoid核支持向量机对混沌时间序列进行局域预测，并编制成软件。以Lorenz混沌时序和短期电力负荷预测问题为应用实例，进行了详细的分析研究，结果表明该算法比传统算法更准确，具有更好的综合性能和应用前景。
张志军[3]（2011）在《基于规则引擎的地图注记自动配置方法研究》文中认为自20世纪60年代末至今,地图制图界对地图注记自动配置的研究从未间断过,这一古老的问题一直是相关领域的难点与热门研究议题。规则引擎的思想是将可变的业务规则从具体实现代码中独立抽象出来,形成独立的规则,加上对这些规则的管理与执行。就目前的制图规范和制图经验而言,地图注记配置规则只给出了一般性的要求,如易读、不压盖、无歧义等,具有模糊性、抽象性和随意性。然而在技术领域,情况正好相反,一种地图注记配置算法只能针对一组具体的配置规则,如“注记应配置在要素的内部主骨架线上”。这个矛盾导致了目前地图注记自动化配置难以顾及地物要素个体之间的差异。规则引擎的出现为调和这一矛盾提供了契机,本文以计算机技术中的知识表达与推理、搜索匹配等技术为突破口,为实现地图注记的自动化配置提供了一条新的途径,研究成果对数字环境下地图制图综合也有一定的支持作用。地图注记配置过程是一种智能行为,在遵守制图规范的基础上,根据要标注的地物要素的实体特征和重要性级等确定地图注记的样式与布局。其中样式包括字体、字形、字号、字色、字型；布局包括字列、字顺、字向、字位、字隔。同时,地图注记的文字从形式上分为符号文字和拼写文字,这两种形式的注记配置方法有很大的差异,我国文字为符号文字,其自动化配置较欧美等使用的长条拼写文字难度更大。本文综合考虑地图注记配置算法的合理性、整体性、系统性等因素,突破传统的地图注记按地物要素的类型分类的束缚,综合考虑地物要素的地物要素的类型、属性语义和符号图形特征,提出了地图注记配置模式的概念。配置模式在考虑地物要素的类型、属性之外还兼顾了影响地图注记位置的符号图形变量,如地物要素符号图形的大小、方向,密度等。结合我国地图特征,提出了八种地图注记配置模式：点注记配置模式、线-点注记配置模式、平行线注记配置模式、缓冲线注记配置模式、主骨架线配置模式、中轴线配置模式、凸壳配置模式和散列式配置模式。各配置模式采用相应的配置方法计算地图注记的表达形式和候选位置。格式塔心理学是兼顾认知心理学与图形学的一个领域,主要研究图形组合方式对人类认知上产生的影响。基于格式塔原理,本文提出了影响地图注记位置的五个注记质量评价因子及其度量方法,构建了地图注记质量评价模型。地图注记配置规则从地图信息传输角度出发,兼顾地图整体效果与地图注记自身的功能,包含地图注记的配置条件、配置优先级、约束条件、配置方法、处理策略等。实现地图注记自动配置的第一步就是形式化的表达地图注记配置规则,即建立注记配置规则库。本文将知识表达和推理技术与地图注记配置实际情况相结合,详细探讨了地图注记配置规则体系,研究了地图注记配置知识库的结构、建立和维护方法,实现了数字环境下注记配置规则的形式化表示。注记配置知识库包括注记事实库、配置规则库、冲突规则库、处理规则库和配置参数库。规则引擎诞生的目的在于解决复杂的业务规则解析问题,它通过规则文件来存储业务逻辑,而通过对规则文件的解析来处理业务,从而达到了业务逻辑与处理逻辑的分离。论文立足于这一功能特性,一方面研究服务于制图人员的地图注记配置知识的描述与形式化表达,通过规则语言将这些知识写入RuleML文件,进行解析；另一方面深入研究知识推理技术的基础上,提出了基于改进的Rete算法实现地图注记配置模式和配置参数推理的方法。并提出基于规则引擎的地图注记自动配置框架。在地图注记优化方面,本文从制图实践经验出发,立足于研究顾及全要素的优化策略。在数字环境下对制图专家注记配置思维形式的模拟,提出了地图中所有注记应按对地图的拓扑领域划分来控制地图注记的优化,克服了传统按层优化配置的局限性。论文对上述的算法、推理进行了实验性验证。实验建立了1：5万和l：25万地形图地图注记配置知识库库,基于NxBRE实现了地图注记自动配置原型系统。
周德玉[4]（2011）在《基于RBFNN的烧结矿氧化亚铁含量实时检测系统的研究》文中研究表明当前,随着经济建设的加快,对钢材的需求量与日俱增,这就在客观上促进了我国钢铁产业的蓬勃发展,而炼铁的原料是铁矿石,这就决定了对铁矿石的需求也在不断增加。我们知道铁矿石基本有两种,第一是天然铁矿石,第二是人工把劣质铁矿石进行烧结后所得的烧结矿。天然优质富矿铁矿石是不可再生资源,可以直接入炉炼铁,但随着开采越来越少,产量逐年降低。而品质比较低劣的铁矿石（贫铁矿）,不能直接入炉炼铁,必须先用烧结的方法造块,先炼成烧结矿,提高其品质,然后才可以入炉炼铁。所以现在用于入炉炼铁的铁矿石大部分都是烧结矿。烧结矿的质量直接影响高炉炼铁的各项指标,而决定烧结矿质量的一个重要参数就是烧结矿的氧化亚铁含量。用化学检验的方法来检测烧结矿氧化亚铁含量的方法是指在烧结矿生产完成,并冷却后对烧结矿取样进行化学分析,然后检测出氧化亚铁含量,再根据氧化亚铁含量的情况调节烧结过程参数,从而达到调节氧化亚铁含量的目的。该方法检测的氧化亚铁含量是最精确的,但是它对于烧结过程的调节具有滞后性,我们知道,从混合料烧结成烧结矿,再等烧结矿冷却加上化学分析,大概需要2到3个小时,所以某时刻检测出的氧化亚铁含量是前2到3个小时的烧结过程参数决定的。现在还有采用人工在烧结机尾处,直接观察烧结矿断面图像特征,凭借经验定性给出氧化亚铁含量,然后反馈到烧结起点,来调节烧结过程参数,达到控制氧化亚铁含量的目的。但是该方法因人的主客观因素,往往偏差较大。因此开发一套基于计算机的烧结矿氧化亚铁含量自动实时检测系统是非常有必要的。论文运用径向基函数神经网络网络（RBFNN）和模糊C均值聚类相结合的方法来实时预报烧结矿氧化亚铁含量。RBFNN网络的特点是结构简单并且收敛速度快,而C均值聚类的特点是聚类精度高。首先对烧结矿断面图像样本特征参数进行聚类,进而把氧化亚铁含量样本划分成4类,对于4个不同类别的样本集,用相应的烧结过程参数集来训练RBFNN网络,从而获得4个参数散布率相对较小的RBFNN网络模型。烧结矿氧化亚铁含量预报步骤如下：第一,运用C均值聚类初步判定该断面氧化亚铁含量等级,第二,把各烧结过程参数输进相应的RBFNN网络模型,给出氧化亚铁含量。
宁绍芬[5]（2007）在《基于FCM聚类的算法改进》文中研究表明聚类分析是数据挖掘中的一个重要研究领域,是一种数据划分或分组处理的重要手段和方法。聚类的应用是非常广泛的,无论是在商务领域,还是在生物学、Web文档分类、图像处理等其它领域,都得到了有效的应用。目前聚类算法大体上分为基于图论的方法、基于层次的方法、基于密度的方法、基于网格的方法、基于模型的方法和基于划分的方法。模糊C-均值（FCM）聚类算法是非监督模式识别中应用最为广泛的算法之一。由于该算法是通过极小化目标函数而求得最优解的。该算法随机选取C（C为聚类数）个点作为初始聚类中心,通过一个迭代过程完成聚类。该算法也有它固有的不足:算法在进行聚类以前要求知道C值,这对于没有经验的用户来说很困难;初始聚类中心的选择对于最后的聚类结果有很大的影响,如果初始聚类中心选择不当,目标函数有可能得不到全局最优,而陷入局部极小值。此文首先对常用的几种聚类算法分别进行了介绍,并举例说明。然后重点讨论了基于FCM聚类的算法改进。试图从几个方面对FCM聚类进行改进:C的选择;初始聚类中心的选取;用类核代替类心;修改距离测度函数以及修改隶属度m的值。实验采用聚类中常用的IRIS数据集来测试改进算法,并且和标准FCM算法进行了比较,证实了该算法的有效性。最后简单讨论了FCM聚类在海雾识别中的应用。
叶海军[6]（2006）在《模糊聚类分析技术及其应用研究》文中研究指明模糊聚类分析技术是智能信息处理中的一个重要研究方向,是用模糊数学方法研究聚类问题,也是一种无监督的模糊模式识别方法,在许多领域有着较为广泛的应用。模糊C—均值聚类是模糊聚类分析技术中的主要方法之一,本文对模糊C—均值聚类方法进行了较为深入的研究,并将其应用于图像和自造样本集的聚类。论文主要完成了以下工作: 1、在介绍了传统的模糊聚类方法的基础上,详述了硬C—均值聚类算法和模糊C—均值聚类算法的基本思想和算法步骤,给出了改进约束条件的模糊C—均值聚类算法。 2、对模糊c—均值聚类算法中的参数进行了较为详细的研究,讨论了算法中的聚类中心初始化问题,模糊加权指数m的确定,距离范数的选取和目标函数的收敛性问题;提出了两种确定聚类类别数C的方法,并将算法运用于图像和自造样本集的聚类。 3、将模糊C—均值聚类算法应用于图像的二值化,将其结果与五种图像的二值化方法:最大方差法、最大交叉熵法、最小交叉熵法、最大模糊散度法、最小模糊散度法的结果进行了比较。 4、在基于gλ模糊测度模糊聚类方法的基础上,提出了基于gλ模糊测度的加权模糊聚类方法,并给出了基于统计特性的权值计算方法。分别利用图像的一维灰度特征与一维灰度直方图加权、二维灰度特征与二维灰度直方图加权两种加权模糊聚类方法应用于图像分割,并将加权前后的分割结果进行了比较。 5、针对灰度图像,将模糊C—均值聚类算法的聚类结果与基于自组织特征映射神经网络的结果进行了比较。
钟平[7]（2006）在《数据挖掘在火力发电厂中的应用研究》文中研究说明火力发电厂实时数据库系统存储了大量DCS（Distributed Control System）系统的数据,这些数据的背后隐藏着许多有益于提高火力发电厂运行效率和安全的信息。但由于没有被深刻理解和挖掘,不可避免地造成了数据资源的巨大浪费。数据挖掘技术能够从数据中自动地提取知识,本文致力于研究数据挖掘技术在火力发电厂中的应用,以充分发挥存储在数据库中大量DCS数据对电力生产的指导作用。本文围绕数据挖掘技术,考察和探讨了数据挖掘技术在火力发电厂中的应用现状,并主要研究了数据挖掘技术中的数据预处理技术、模糊C均值聚类算法和OLAP等技术及其应用。针对火力发电厂的数据特性,本文尝试将数据预处理技术应用到实时数据库的数据处理中去,使数据的有效性得到保证,为数据挖掘的进一步工作打下基础。本文在对凝汽器性能分析的基础上,尝试构建了凝汽器多维数据模型,并应用模糊C均值聚类算法对多维数据集进行处理。在此基础上,在Excel的数据透视表中进行了以凝汽器真空为主题的OLAP分析,通过切片、钻取和旋转等方法可从多角度、多侧面去观察数据,从而挖掘出数据中所隐含的规律和知识。
宋辉[8]（2004）在《聚类分析系统的设计与实现及在工业中的应用》文中认为本论文是国家863计划“冶金工业MES（制造执行系统）架构和关键技术研究与示范应用”的内容之一，所做的研究为数据挖掘的一个方法，具体内容是聚类分析系统的设计与实现及其在工业数据分析中的应用。针对工业数据中存在的数据量巨大、有噪声以及多模态性等特点，本论文提出了自组织映射神经网络和模糊C均值两种算法，从而为工业数据的分析提供了良好的数据挖掘的解决方案。 论文介绍了数据挖掘的相关知识、工业数据的特点以及数据挖掘技术在工业数据中应用的目的和意义，重点研究自组织映射神经网络和模糊C均值两种算法及其实现。 在WINDOWS平台上选用VC++6.0开发工具，并通过ADO接口与数据库进行连接，最终实现聚类分析系统，同时保证了系统的可视化和可操作性。运用实例对系统进行了分析和验证，结果表明本聚类系统对工业数据的分析达到了很好的效果。
张振祥,裴定一[9]（1994）在《多重精度算术的时间复杂度分析》文中提出本文阐述并举例说明在多重精度算术中如何用实施算法所需比特运算次数来描述算法的时间复杂度。
张振祥[10]（1990）在《关于欧几里德算法复杂性的一点注记》文中研究表明让l（a,b）表示用欧几里德算法求两个正整数a>b的最大公因子时的迭代次数,文献[1]给出上界l（a,b）≤log2（ab）。本文指出这个上界估值与由Lamé定理得到的估值l（a,b）<1.441log2b1相比没有优越性。
二、关于欧几里德算法复杂性的一点注记（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、关于欧几里德算法复杂性的一点注记（论文提纲范文）
（1）指纹图像增强方法的研究与实现（论文提纲范文）
| 目录 |
| 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 本文主要工作及组织安排 |
| 第二章 指纹图像特征计算 |
| 2.1 指纹图像的特征 |
| 2.1.1 方向一致性(Coherence) |
| 2.1.2 灰度均值（Mean） |
| 2.1.3 灰度方差（Variance） |
| 2.1.4 纹线频率（Frequency） |
| 2.2 指纹图像特征计算方法 |
| 2.2.1 指纹图像的处理方向 |
| 2.2.2 指纹方向信息的提取 |
| 2.3 本章小结 |
| 第三章 一种基于模糊聚类的指纹图像分割算法 |
| 3.1 指纹图像分割算法 |
| 3.1.1 基于灰度方差的指纹图象分割 |
| 3.1.2 基于方向信息的指纹图象分割 |
| 3.1.3 基于角部灰度均值的指纹图像分割 |
| 3.2 基于模糊聚类的图像分割算法 |
| 3.2.1 传统 FMC 算法 |
| 3.2.2 模糊聚类算法的改进方向 |
| 3.3 引入极大熵的模糊均值改进算法（SMEC） |
| 3.4 实验结果 |
| 3.5 本章小结 |
| 第四章 一种指纹图像增强的算法 |
| 4.1 二值图像的边缘检测 |
| 4.1.1 图像的边缘检测方法 |
| 4.1.2 基于 SMEC 算法的指纹图像的边缘检测 |
| 4.2 直方图均衡化方法 |
| 4.3 基于累积分布直方图的均衡化算法 |
| 4.3.1 直方图剪切 |
| 4.3.2 图像均衡化处理 |
| 4.4 实验结果 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文总结 |
| 5.2 下一步的研究工作 |
| 参考文献 |
| 攻读硕士学位期间的论文发表情况 |
| 致谢 |
（2）混沌时间序列预测研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 混沌理论在序列预测中的研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 混沌理论及时间序列预测的基本介绍 |
| 2.1 混沌理论的产生及发展 |
| 2.2 混沌的定义及若干概念 |
| 2.2.1 混沌的定义 |
| 2.2.2 混沌理论的若干概念 |
| 2.3 典型的混沌时间序列 |
| 2.4 本章小结 |
| 第3章 混沌时间序列的相空间重构 |
| 3.1 相空间重构理论 PSRT |
| 3.2 重构延迟时间的确定 |
| 3.3 重构嵌入维数的确定 |
| 3.3.1 方法简介 |
| 3.3.2 基于改进的 G-P 算法的相空间嵌入维数选择 |
| 3.4 同时确定延迟时间和嵌入维数的 C-C 算法 |
| 3.4.1 C-C 算法原理 |
| 3.4.2 C-C 算法的不足及改进 |
| 3.5 本章小结 |
| 第4章 时间序列的混沌判别 |
| 4.1 混沌判别方法概述 |
| 4.2 最大 LYAPUNOV 指数的求解 |
| 4.2.1 Wolf 法求解最大 Lyapunov 指数 |
| 4.2.2 小数据量法求解最大 Lyapunov 指数 |
| 4.3 本章小结 |
| 第5章 混沌时间序列预测 |
| 5.1 全域预测法 |
| 5.2 局域预测法 |
| 5.2.1 局域平均预测法 |
| 5.2.2 加权零阶局域预测法 |
| 5.2.3 加权一阶局域预测法 |
| 5.2.4 基于 Lyapunov 指数的预测 |
| 5.3 自适应预测法 |
| 5.4 改进的混沌预测方法 |
| 5.4.1 基于演化跟踪的邻近相点选取方法 |
| 5.4.2 基于 HQ 准则的邻近相点个数确定法 |
| 5.4.3 基于支持向量机的混沌时间序列局域预测法 |
| 5.5 算法的性能分析 |
| 5.6 混沌预测在短期电力负荷中的应用 |
| 5.6.1 背景介绍 |
| 5.6.2 预测及结果分析 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文 |
（3）基于规则引擎的地图注记自动配置方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 第一章 绪论 |
| 1.1 地图注记自动配置问题的提出与发展 |
| 1.1.1 地图学科发展使得地图注记配置自动化走向必然 |
| 1.1.2 GIS平台为地图注记配置研究提供了技术支持 |
| 1.2 国内外相关研究与进展 |
| 1.2.1 地图注记配置规则的研究进展 |
| 1.2.2 地图注记配置顺序的研究进展 |
| 1.2.3 地图注记配置过程的研究进展 |
| 1.2.4 地图注记定位模型的研究进展 |
| 1.2.5 地图注记位置质量评价的研究进展 |
| 1.2.6 地图注记优化方法的研究进展 |
| 1.2.7 规则引擎的研究进展 |
| 1.3 论文的主要研究内容与目标 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究目标 |
| 1.4 论文的主线与章节安排 |
| 第二章 支持地图注记自动配置的相关模型 |
| 2.1 地图注记 |
| 2.1.1 地图注记的功能 |
| 2.1.2 地图注记的分类 |
| 2.1.3 地图注记的设计 |
| 2.2 地图注记配置方法 |
| 2.2.1 传统的地图注记方法 |
| 2.2.2 数字环境下地图注记配置方法 |
| 2.2.3 基于规则引擎的地图注记自动配置方法 |
| 2.3 地图注记模型 |
| 2.3.1 地图注记表达模型 |
| 2.3.2 地图注记配置模型 |
| 2.3.3 地图注记对象模型 |
| 2.4 本章小结 |
| 第三章 基于格式塔原理的地图注记评价模型 |
| 3.1 格式塔心理学概述 |
| 3.1.1 背景介绍 |
| 3.1.2 格式塔心理学简介 |
| 3.1.3 格式塔视知觉组织原则 |
| 3.2 地图注记配置的总体原则 |
| 3.3 影响注记位置质量的因素 |
| 3.4 单项评价指标的评价模型 |
| 3.5 地图注记质量综合评价模型 |
| 3.6 本章小结 |
| 第四章 地图注记配置模式 |
| 4.1 影响地图注记位置的要素符号图形变量 |
| 4.2 注记配置模式 |
| 4.2.1 点注记配置模式 |
| 4.2.2 线-点注记配置模式 |
| 4.2.3 平行线注记配置模式 |
| 4.2.4 缓冲线注记配置模式 |
| 4.2.5 中轴线注记配置模式 |
| 4.2.6 主骨架线配置模式 |
| 4.2.7 凸壳注记配置模式 |
| 4.2.8 散列式注记配置模式 |
| 4.3 地图注记配置模式选择 |
| 4.3.1 基于要素类型特征的地图注记配置模式选择 |
| 4.3.2 基于要素语义的地图注记配置模式选择 |
| 4.3.3 基于符号图形特征的地图注记配置模式选择 |
| 4.4 本章小结 |
| 第五章 地图注记配置知识形式化表达及其推理技术 |
| 5.1 知识的形式化表达 |
| 5.1.1 知识的定义 |
| 5.1.2 知识的特征 |
| 5.1.3 知识表示 |
| 5.2 基于RuleML的地图注记配置知识的表示 |
| 5.2.1 RuleML概述 |
| 5.2.2 地图注记配置知识 |
| 5.2.3 基于RuleML的地图注记配置知识的表示 |
| 5.3 知识推理技术 |
| 5.3.1 知识推理方法与分类 |
| 5.3.2 知识推理的控制策略 |
| 5.3.3 基本的推理技术 |
| 5.3.4 模式匹配 |
| 5.4 Rete概述 |
| 5.4.1 Rete算法简介 |
| 5.4.2 Rete匹配网络及其建立 |
| 5.4.3 Rete算法匹配过程 |
| 5.5 一种改进的Rete推理算法 |
| 5.5.1 Rete算法的不足之处 |
| 5.5.2 Rete算法的改进 |
| 5.6 本章小结 |
| 第六章 基于规则引擎的地图注记自动配置框架 |
| 6.1 规则引擎 |
| 6.1.1 规则引擎产生的背景 |
| 6.1.2 规则引擎的概念 |
| 6.1.3 规则引擎的应用与发展 |
| 6.2 NxBRE概述 |
| 6.2.1 NxBRE简介 |
| 6.2.2 推理引擎Inference Engine |
| 6.2.3 NxBRE运行模式 |
| 6.3 基于规则引擎的地图注记自动配置 |
| 6.3.1 基于规则引擎的地图注记自动配置框架 |
| 6.3.2 注记对象绑定 |
| 6.3.3 地图注记配置模式推理 |
| 6.3.4 地图注记配置参数的推理 |
| 6.3.5 地图注记优化组合 |
| 6.4 本章小结 |
| 第七章 原型系统实现与应用研究 |
| 7.1 原型系统开发环境 |
| 7.2 原型系统功能构架 |
| 7.3 原型系统的实施路线 |
| 7.4 原型系统模块实现 |
| 7.4.1 注记知识库管理模块 |
| 7.4.2 注记配置执行模块 |
| 7.4.3 注记知识推理模块 |
| 7.4.4 注记优化模块 |
| 7.4.5 注记配置主模块 |
| 7.5 地图注记自动配置实验与结果分析 |
| 7.5.1 实验设计 |
| 7.5.2 推理实验 |
| 7.5.3 注记效果实验 |
| 7.6 实验总结 |
| 第八章 总结与展望 |
| 8.1 论文总结 |
| 8.2 主要创新点 |
| 8.3 研究展望 |
| 参考文献 |
| 攻博期间主要科研成果 |
| 致谢 |
（4）基于RBFNN的烧结矿氧化亚铁含量实时检测系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 选题研究背景 |
| 1.2 当前研究现状 |
| 1.3 论文创新点 |
| 1.4 论文研究的基本思路 |
| 第2章 最佳机尾断面的获取 |
| 2.1 烧结过程介绍 |
| 2.2 最佳机尾断面图像 |
| 2.3 基于差分的最佳机尾断面图像选取算法 |
| 2.3.1 断面图像序列的差分研究 |
| 2.3.2 基于差分的最佳机尾断面选取算法实现 |
| 2.4 本章小结 |
| 第3章 机尾断面图像特征参数的提取 |
| 3.1 数字图像处理 |
| 3.1.1 数字图像处理简介 |
| 3.1.2 图像的采样和灰度分级 |
| 3.1.3 烧结机尾断面图像灰度化处理 |
| 3.1.4 数字图像增强方法 |
| 3.1.5 数字图像的分割 |
| 3.2 提取断面图像特征参数 |
| 3.2.1 提取红火率 |
| 3.2.2 提取气孔率 |
| 3.3 本章小结 |
| 第4章 氧化亚铁含量实时预测模型设计 |
| 4.1 实时预测原理介绍 |
| 4.2 FCM算法简介 |
| 4.2.1 数据样本集的C划分 |
| 4.2.2 目标函数的聚类 |
| 4.2.3 聚类准则 |
| 4.2.4 FCM算法 |
| 4.2.5 确定最佳分类数 |
| 4.2.6 FCM算法分级结果 |
| 4.3 径向基函数神经网络 |
| 4.3.1 径向基函数神经网络原理 |
| 4.3.2 选择数据样本 |
| 4.3.3 数据样本归一化处理 |
| 4.3.4 网络的建立 |
| 4.3.5 RBF网络模型更新 |
| 4.4 本章小节 |
| 第5章 系统设计及实验数据分析 |
| 5.1 硬件设计 |
| 5.1.1 CCD工业摄像机的选择 |
| 5.1.2 选取相机镜头 |
| 5.1.3 选择图像采集卡 |
| 5.1.4 确定图像传送方式 |
| 5.1.5 其它系统硬件配置 |
| 5.2 系统软件设计 |
| 5.2.1 程序组件化设计 |
| 5.2.2 组件接口和功能说明 |
| 5.3 系统试验 |
| 5.4 系统实验数据分析 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（5）基于FCM聚类的算法改进（论文提纲范文）
| 摘要 |
| Abstract |
| 1 前言 |
| 1.1 聚类和聚类分析 |
| 1.2 研究内容及意义 |
| 1.3 论文内容的组织 |
| 2 聚类的基本概念和聚类算法概述 |
| 2.1 聚类分析的概念 |
| 2.2 聚类算法概述 |
| 2.2.1 谱系聚类算法 |
| 2.2.2 图论聚类算法 |
| 2.2.3 基于密度的聚类算法 |
| 2.2.4 基于网格的聚类方法 |
| 2.2.5 基于模型的聚类算法 |
| 2.2.6 基于划分的聚类算法 |
| 3 基于FCM 聚类的算法改进 |
| 3.1 HCM 算法和FCM 算法 |
| 3.1.1 HCM 算法 |
| 3.1.2 FCM 算法 |
| 3.2 基于FCM 聚类的算法改进 |
| 3.2.1 C 的调整 |
| 3.2.2 初始聚类中心选取 |
| 3.2.3 用类核代替类心 |
| 3.2.4 修改距离测度函数 |
| 3.2.5 隶属度m 的修正 |
| 3.3 FCM 聚类算法存在的问题 |
| 4 实验结果与分析 |
| 4.1 标准FCM 算法 |
| 4.2 将模式随机地分成C 类并计算的每类中心作为初始类心 |
| 4.3 通过选举机制产生初始聚类中心 |
| 5 FCM 算法应用举例－海雾识别 |
| 参考文献 |
| 作者硕士期间发表论文 |
| 致谢 |
（6）模糊聚类分析技术及其应用研究（论文提纲范文）
| 第一章 绪论 |
| 1.1 模糊聚类分析简介 |
| 1.1.1 模糊聚类与模式识别 |
| 1.1.2 模糊聚类研究的目的和意义 |
| 1.1.3 模糊聚类技术的特点与难点 |
| 1.2 模糊聚类分析的发展概况与研究现状 |
| 1.2.1 模糊聚类分析理论的发展概况 |
| 1.2.2 模糊聚类分析理论的研究现状 |
| 1.3 模糊聚类分析技术的应用 |
| 1.3.1 在图像处理方面的应用 |
| 1.3.2 在模式识别方面的应用 |
| 1.4 本文的主要工作 |
| 第二章 模糊聚类理论基础 |
| 2.1 模糊集合理论基础 |
| 2.1.1 模糊集合的定义 |
| 2.1.2 模糊性度量 |
| 2.2 模糊聚类方法基础 |
| 2.2.1 模糊聚类的定义 |
| 2.2.2 模糊聚类方法的分类 |
| 2.2.3 四类聚类方法的特性比较 |
| 2.2.4 模糊聚类算法的实用性 |
| 第三章 模糊C—均值聚类算法及其应用研究 |
| 3.1 模糊C—均值聚类算法简介 |
| 3.2 模糊C—均值聚类算法的实现原理 |
| 3.2.1 目标函数的演化过程 |
| 3.2.2 基于目标函数聚类算法的分析求解过程 |
| 3.2.3 硬C—均值聚类算法的实现步骤 |
| 3.2.4 模糊C—均值聚类算法的实现步骤 |
| 3.2.5 硬C—均值算法和模糊C—均值算法的比较 |
| 3.3 模糊C—均值聚类算法的改进 |
| 3.4 模糊C—均值聚类算法中的参数 |
| 3.4.1 聚类中心的初始化 |
| 3.4.2 模糊加权指数m |
| 3.4.3 模糊聚类的类别数C |
| 3.4.4 距离范数 |
| 3.4.5 目标函数J的收敛性 |
| 3.5 实验结果与分析 |
| 3.5.1 在自造样本集中的应用与结果分析 |
| 3.5.2 在图像中的应用与结果分析 |
| 3.5.2.1 灰度图像聚类 |
| 3.5.2.2 灰度图像的二值化 |
| 3.5.2.3 彩色图像聚类 |
| 3.6 结论 |
| 第四章 基于g_λ模糊测度的加权模糊聚类方法及其应用研究 |
| 4.1 基于g_λ模糊测度的模糊聚类方法 |
| 4.2 基于g_λ模糊测度的加权模糊聚类方法 |
| 4.2.1 加权的模糊聚类方法 |
| 4.2.2 基于统计特性的权值计算方法 |
| 4.3 模糊聚类方法在图像分割中的应用 |
| 4.3.1 利用一维灰度特征的一维灰度直方图加权的模糊聚类方法应用 |
| 4.3.2 利用二维灰度特征的二维灰度直方图加权的模糊聚类方法应用 |
| 4.4 结论 |
| 第五章 模糊C—均值聚类方法与基于自组织特征映射网络的聚类方法比较 |
| 5.1 自组织特征映射网络的结构和算法原理介绍 |
| 5.2 实验结果与分析 |
| 第六章 结论与建议 |
| 6.1 结论 |
| 6.2 建议 |
| 参考文献 |
（7）数据挖掘在火力发电厂中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 数据挖掘技术的产生及现状 |
| 1.3 数据挖掘技术在火力发电厂的应用 |
| 1.4 课题的主要内容及结构 |
| 第二章 数据挖掘的概念、功能与方法 |
| 2.1 数据挖掘的基本概念 |
| 2.1.1 数据挖掘的定义 |
| 2.1.2 数据挖掘的处理过程 |
| 2.2 数据挖掘的功能 |
| 2.2.1 概念/类描述:数据特征化与数据比较 |
| 2.2.2 关联分析 |
| 2.2.3 分类与预测 |
| 2.2.4 聚类分析 |
| 2.2.5 偏差检测 |
| 2.2.6 其他功能 |
| 2.3 数据挖掘常用方法 |
| 2.3.1 决策树 |
| 2.3.2 神经网络 |
| 2.3.3 粗糙集 |
| 2.3.4 概率论与数理统计 |
| 2.3.5 其他方法 |
| 2.4 本章小结 |
| 第三章 数据预处理技术及其应用 |
| 3.1 数据预处理技术 |
| 3.1.1 数据清洗 |
| 3.1.2 数据的集成 |
| 3.1.3 数据的变换 |
| 3.1.4 数据归约 |
| 3.1.5 离散化和概念层次树的生成 |
| 3.2 数据预处理技术在电厂中的应用 |
| 3.2.1 火力发电厂数据状况 |
| 3.2.2 火力发电厂数据的预处理层次模型的建立 |
| 3.2.3 火力发电厂数据的预处理的应用实例 |
| 3.3 本章小结 |
| 第四章 聚类算法及其应用 |
| 4.1 主要聚类方法 |
| 4.1.1 划分方法 |
| 4.1.2 层次方法 |
| 4.1.3 基于密度方法 |
| 4.1.4 基于网格方法 |
| 4.1.5 基于模型方法 |
| 4.1.6 模糊聚类方法 |
| 4.2 模糊C均值聚类算法 |
| 4.2.1 模糊C均值聚类算法原理 |
| 4.2.2 MATLAB中的fcm函数 |
| 4.3 应用 FCM算法对凝汽器数据集进行聚类处理 |
| 4.3.1 火力发电厂凝汽器真空性能分析 |
| 4.3.2 应用MATLAB的fcm函数对凝汽器数据集进行聚类处理 |
| 4.4 本章小结 |
| 第五章 OLAP技术及其应用 |
| 5.1 OLAP技术 |
| 5.1.1 OLAP的概念及特征 |
| 5.1.2 OLAP基本术语 |
| 5.1.3 OLAP的多维数据分析方法 |
| 5.2 凝汽器多维数据模型的构建 |
| 5.2.1 多维数据模型的分类 |
| 5.2.2 多维数据模型的分析、建模与应用 |
| 5.2.3 凝汽器多维数据模型的构建 |
| 5.3 以凝汽器真空为主题的OLAP分析 |
| 5.3.1 数据透视表 |
| 5.3.2 利用数据透视表对凝汽器真空进行OLAP分析 |
| 5.3.3 通过数据透视图对凝汽器进行数据挖掘 |
| 5.4 本章小结 |
| 结束语 |
| 1. 总结 |
| 2. 进一步研究工作 |
| 致谢 |
| 附录: 攻读硕士学位期间学术论文情况 |
| 参考文献 |
（8）聚类分析系统的设计与实现及在工业中的应用（论文提纲范文）
| 1 引言 |
| 1.1 论文背景介绍 |
| 1.2 选题的目的和意义 |
| 2 数据挖掘技术 |
| 2.1 数据挖掘的概念 |
| 2.1.1 定义 |
| 2.1.2 特征 |
| 2.1.3 发现的知识种类 |
| 2.1.4 数据挖掘过程 |
| 2.2 研究发展状况及发展趋势 |
| 2.3 数据挖掘方法 |
| 2.3.1 关联规则 |
| 2.3.2 分类 |
| 2.3.3 序列模式分析 |
| 2.3.4 决策树 |
| 2.3.5 聚类分析 |
| 2.4 数据挖掘在工业数据分析中的应用 |
| 2.4.1 工业数据的特点 |
| 2.4.2 数据挖掘在工业应用中的目的和意义 |
| 3 聚类分析算法的研究 |
| 3.1 聚类分析的概念 |
| 3.1.1 定义 |
| 3.1.2 应用 |
| 3.2 聚类分析算法综述 |
| 3.2.1 划分方法 |
| 3.2.2 层次方法 |
| 3.2.3 基于密度的方法 |
| 3.2.4 基于网格的方法 |
| 3.2.5 基于模型的方法 |
| 3.3 数据挖掘对聚类分析的典型要求 |
| 3.4 聚类系统中算法的分析研究 |
| 3.4.1 自组织映射神经网络 |
| 3.4.2 模糊C均值聚类算法介绍 |
| 3.4.3 两种算法的比较 |
| 4 聚类分析系统的应用与实现 |
| 4.1 系统的体系结构 |
| 4.2 技术实现 |
| 4.3 系统框架 |
| 4.4 系统特点 |
| 4.5 各子模块的实现 |
| 4.5.1 自组织映射神经网络聚类 |
| 4.5.2 模糊C均值聚类 |
| 5 聚类分析系统在工业数据分析中的应用 |
| 5.1 案例 |
| 5.2 案例 |
| 6 更进一步的研究 |
| 7 结束语 |
| 参考文献 |
| 致谢 |
四、关于欧几里德算法复杂性的一点注记（论文参考文献）
- [1]指纹图像增强方法的研究与实现[D]. 石统帅. 山东师范大学, 2015(09)
- [2]混沌时间序列预测研究及应用[D]. 高俊杰. 上海交通大学, 2013(07)
- [3]基于规则引擎的地图注记自动配置方法研究[D]. 张志军. 武汉大学, 2011(05)
- [4]基于RBFNN的烧结矿氧化亚铁含量实时检测系统的研究[D]. 周德玉. 安徽大学, 2011(04)
- [5]基于FCM聚类的算法改进[D]. 宁绍芬. 中国海洋大学, 2007(03)
- [6]模糊聚类分析技术及其应用研究[D]. 叶海军. 合肥工业大学, 2006(08)
- [7]数据挖掘在火力发电厂中的应用研究[D]. 钟平. 国防科学技术大学, 2006(07)
- [8]聚类分析系统的设计与实现及在工业中的应用[D]. 宋辉. 天津科技大学, 2004(04)
- [9]多重精度算术的时间复杂度分析[J]. 张振祥,裴定一. 数学的实践与认识, 1994(03)
- [10]关于欧几里德算法复杂性的一点注记[J]. 张振祥. 计算机研究与发展, 1990(12)