一、判断Birkhoff插值矩阵平衡性的一些方法（论文文献综述）
宁荣健,方毅[1]（1993）在《判断Birkhoff插值矩阵平衡性的一些方法》文中研究指明 Birkhoff 插值问题可以描述为:设E=(eij)i=0,j=0k+1 n是一个0,1矩阵（或插值矩阵）,其中恰有n+1个1,设x0<x1<x2<…<xk+1是k+2个插值结点,不失一般性,设x0=-1,xk+1=1,X=（x1,x2,…,xk）。若方程组（n+1个方程）:
陈远浩[2]（2008）在《非监督的结构学习及其应用》文中进行了进一步梳理在机器学习领域中,数据的表示方式是其中的核心问题。传统的方法经常通过特征向量的方式将数据表示为高维空间中的点。特征向量的表示方式由于简单直观的特性得到广泛的研究。但是,近年来的一些研究表明,单一的特征向量表示很难描述数据的某些特性。因此,基于结构的数据表示方式已经成为研究人员关注的重点。本文的研究重点是通过非监督的结构方式学习数据的结构。由于数据结构空间的搜索是组合问题,会出现组合爆炸现象,因此如何通过近似途径快速地搜索数据的结构空间是非监督学习的重点。根据不同任务的特性,我们提出了不同非监督学习算法。在文本聚类任务中,我们提出了层次谱聚类算法来进行文本的层次聚类和语义树的生成。在图像的物体识别任务中,我们提出了结构推导算法和知识传播策略学习物体的图模型的结构和参数。论文主要研究内容与创新成果如下:1.我们提出基于概率文法和马尔可夫场的物体模型（Probabilistic Grammar-MarkovModel,PGMM）。PGMM模型的学习过程只需要极少量的监督信息,即PGMM模型的结构和参数都可以通过非监督的方式进行学习。关键点三元组被提出作为PGMM模型的基本组成单位。结构推导算法通过对关键点三元组的组合来生成复杂的模型结构。由于PGMM模型的结构采用了联合树的形式,允许动态规划算法的使用,因此PGMM模型可以快速推理和参数学习。实验结果证明,PGMM模型能处理在未知背景中的物体识别和定位。在学习和推理过程中,PGMM模型允许物体在2D范围内的任意变化（位置、旋转和尺寸）。由于概率文法模型的帮助,PGMM模型不但能够处理物体具有不同的形态,还能够处理由不同的物体类别构成的混合类数据。2.我们提出一种学习概率物体模型（Probabilistic Object Model,POM）的新方法。POM模型综合各种视觉特征,能够同时执行图像分类、图像分割和图像物体识别等多个视觉任务的能力。我们通过组合使用互补图像特征的基本的概率物体模型的方式来学习POM模型的结构。在模型的学习过程中,我们提出了知识传播策略。该策略允许一个基本概率物体模型为其它基本概率物体模型提供信息,并且指导它们的学习过程。知识传播策略显着地降低了训练过程对数据的要求,也提高了推理过程的速度。PGMM模型是POM模型中的一个组成部分。相对于PGMM模型,POM模型不仅保留了PGMM模型的所有优点,而且能够执行更多的视觉任务。同时,在图像分类任务中,POM模型也具有更高的性能。3.我们提出一种新颖的层次聚类算法,谱层次聚类算法（Spectral Hierarchi-calClustering,SHC）。SHC算法是基于谱图理论的层次聚类算法。它采用AMG（Algebraic Multi-Grid）数值计算方法,通过迭代地权重融合方式,自底向上地分层合并节点进行聚类。AMG数值计算方法的应用保证了算法能够得到近似全局最优解。实验证明了SHC算法在文本聚类算法中的性能。SHC算法最终得到的自然并且不规则的聚类结构也是其一大特性。基于博客标签的语义树生成实验证明了SHC算法的聚类结构的合理性。它使得用户浏览语义树更为方便自然。综上所述,本文提出新颖的非监督学习模型结构的算法,将它们应用于物体识别和文本聚类任务中,并通过实验证明它们的合理性和有效性。
靳华中[3]（2011）在《谱图理论支持下的高分辨率遥感影像多尺度分割研究》文中指出面向对象遥感影像分析技术在处理空间关系方面具有极大的优势,已成为遥感影像分析与处理的主要研究方向之一。面向对象的影像分割是面向对象的遥感影像分析中的关键步骤。高分辨率遥感影像具有地物种类众多、结构复杂、层次丰富等特征。利用不同层次和多尺度分割地物目标,才能更好地分析与解译地学现象。目前,已有的大部分多尺度分割算法对高分辨率遥感影像的特点针对性不够,难以沟通和利用各层信息。因此,论文将谱图理论引入到高分辨率遥感影像的面向对象分割过程中,探索一种有效的多尺度高分辨率遥感影像的分割机制。遥感影像多尺度分割过程的本质是地物层次发生变化以及对象目标增减的过程,表现为影像中的数据维数升降变化。谱图理论通过研究依据图定义的矩阵的谱,进一步研究图中包含的信息,并通过几何、分析和代数的技术在离散空间和连续空间之间建立联系。谱图理论在处理复杂问题时,利用特征分解来表达和分析问题,刻画数据对象间相似性,反映对象或层次之间结构性质与特点。论文从遥感影像所反映地物的尺度特点出发,结合谱图理论,通过分析遥感影像定义图的谱信息—特征值和特征向量,描述和分析对象与层次之间的结构关系,对高分辨遥感影像多尺度分割做出一些理论探讨、算法设计与实验分析。论文主要的研究内容和成果如下：1、在研究图像聚类任务的基础上,总结和分析了谱图理论与图像分割的内在联系,总结了基于谱图理论的图像处理与分析方法。从遥感影像数据特点出发,分析了谱信息与分割（聚类）结果的深刻关系和谱方法分割影像的特点,选择了谱图理论中的谱聚类算法—Normalized Cut来实现对高分辨率影像的面向对象的分割。2、提出两种多尺度影像方向边缘的提取方法：基于灰度和纹理特征多尺度影像分割方法和引入空间关系的谱聚类多尺度影像分割方法。基于灰度和纹理特征的方法利用方向梯度信息对灰度影像进行方向边缘提取,利用直方图差分方法提取影像的纹理区域边缘,对两者设定权重,从而获得多尺度的分割结果。在分析和比较传统边缘检测算子的基础上,提出先利用方向能量方法对图像特征进行建模；然后计算影像的方向能量来度量成对像素的相似性,并引入空间关系修正相似性；最后由谱方法进行聚类,完成影像的边缘检测。3、提出了一种方向分水岭高分辨率遥感影像层次分割方法。该方法分为两步骤：第一步,利用方向分水岭高分辨率遥感影像分割方法获得过分割影像。具体过程是：先将多尺度灰度影像方向边缘强度、纹理区域方向边缘强度以及谱方法提取的边缘强度按照权重组合得到影像全局的边缘强度,然后由传统分水岭变换对上述的边缘影像进行区域提取,通过边缘方向的拟合并修正边缘的强弱,获取区域的初始分割结果；第二步,针对上一步的分割结果,将区域边界的强弱作为条件进行区域合并,从而获得影像多尺度的分割结果。4、提出了一种高分辨率遥感影像的谱聚类层次分割（HSSC）算法。该算法是一种基于图论的多层次多尺度分割算法,将代数多重网格技术的加权聚合规则引入到谱聚类算法中,采用合并的策略自底向上聚类,生成由细粒度图到粗粒度图的树状结构,使得在细粒度图上的影像最优分割问题逐步转化到节点数量更少的粗化图上,实现影像的快速分割。HSSC算法在影像层次分割中利用了谱聚类方法的特性,没有对数据分布做简单的假设,保证了算法能得到近似全局最优解；同时,利用构建的金字塔结构,以自上而下方式对影像进行层次分割,减少了计算时间。实验表明该算法能够较好地应用于高分辨率遥感影像分割,其分割结果表现为自然并且不规则的聚类结构,反映了层次分割的客观要求。综上所述,本文通过对航空影像、高分辨率遥感卫星IKONOS影像数据进行了分割实验,对实验结果进行分析和评价,证明本论文所采用分割方法的合理性和有效性。
李婷[4]（2008）在《基于运动捕获数据的人体运动编辑技术研究》文中进行了进一步梳理二十世纪九十年代以来,随着运动捕获技术的兴起及运动捕获设备的发展,大量的具有较强真实感的人体运动捕获数据被生成并广泛地应用于计算机动画制作的各个领域:游戏、影视、医学及军事等。但随之而起的问题是如何更方便、高效地利用运动捕获数据进行计算机人体动画的创作。在此背景下,基于运动捕获数据的人体动画研究,已经成为近年来计算机图形学领域的一大热点。研究基于运动捕获数据的人体运动编辑技术,针对当前人体运动编辑技术的研究现状,分析运动捕获数据的描述方法,对现有运动编辑方法进行研究,提出更符合人体运动特征的编辑方法,利用运动捕获数据生成真实感更强的人体动画。对人体骨架的层次关节链模型和运动进行描述,分析常用的运动捕获数据的描述方法和文件格式的结构特点。通过人体姿态间插值技术产生运动片段间的平滑过渡,达到运动片段无缝连接的目的。其关键技术为关节姿态旋转的插值,采用四元数表示每帧人体姿态中关节的旋转,利用四元数的球面线性插值方法生成关节姿态的自然过渡。将运动混合的编辑分为两种操作模式:同种类型运动的融合和不同种类型运动的动作嵌入。对传统的动态时间变形算法进行改进,通过时间序列周期的均匀缩放和下界限制来提高算法的可行性和效率。并利用时间对齐处理技术和插值技术进行运动融合和动作嵌入。提取原始人体运动数据的运动类型和周期性特征,将复杂情况下产生形状变换后的运动路径分割成数个短小周期内运动路径,每段周期内运动路径上的运动进行空间变换下的编辑操作,然后对周期内每帧的人体姿态进行方向偏移的调整,生成新运动路径下的运动。
张军[5]（2014）在《电大尺寸三维介质结构表面积分方程及其并行技术的研究》文中研究表明随着目标隐身与反隐身技术的进步以及民用微波工程的发展,各种复杂介质结构出现,加之在纳米光学频段金属本身也表现出介质特性,因此开展对于介质目标的建模与求解具有较强的理论以及工程应用价值。基于上述背景,本文开展了针对介质目标电磁散射特性的研究。本文基于积分方程法中的表面积分方程（SIE）求解,以矩量法（MOM）作为数值离散方式,重点研究了表面积分方程中常见的PMCHW和JMCFIE等形式。针对传统积分方程离散所得阻抗矩阵具有较差条件数的问题,从不同的角度提出了两种优化方法。对于矩量法求解电大尺寸目标的限制,本文引入多层快速多极子方法（MLFMA）来降低计算和存储复杂度。为了更进一步加强对于电大目标的求解能力,本文针对对称多处理器（SMP）计算机集群开发了基于MPI-OpenMP的并行MLFMA算法。本文首先从基本电磁理论出发,详细介绍了各类积分方程的建立方法,以及离散求解积分方程的矩量法的基本原理和其中一些关键性处理细节,通过对规则和非规则目标求解,验证了数值代码的可靠性。随后本文详细推导了几种常用的表面积分方程形式,针对传统方程阻抗矩阵条件数差的问题,分别从预条件和算子方程的角度提出了左右预条件方法和规范化场分量的新型积分形式。数值结果证明本文的优化方法可以有效降低阻抗矩阵条件数,并改善求解过程中迭代收敛特性。接下来引入并行MLFMA算法来增强程序对于电大尺寸目标的求解能力,首先详细介绍了MLFMA各个过程,并推导出了介质问题表面积分方程MLFMA实现的具体表达式。随后,详细介绍了并行计算的基本理论,包括并行硬件系统与软件编程模型在内的基础知识,最后详细称述了本文的MPI-OpenMP并行框架,对包括混合并行任务划分、聚合-转移-配置过程并行化以及其他一些并行细节。数值结果证明了并行MLFMA对于电大目标的高效求解。最后,作为对表面积分方程应用的扩展,本文针对金属纳米结构表面等离子体（SPP）进行了初步研究,对于等离子近场增强进行了数值模拟,考察了一些有趣的现象。
王倩[6]（2015）在《基于Delaunay的三维快速克里金插值》文中提出克里金插值作为科学计算可视化过程中一项重要的研究课题,在许多研究应用领域,如环境学、地质学、水利林业、网络和气象学等都有非常重要的应用价值。近年来,随着克里金插值技术应用的越来越广泛,对克里金插值的效率也提出了更高的要求。因此,如何提高克里金插值效率成了许多学者研究的重点。近几年来,随着GPU技术的快速发展,其强大的并行计算能力受到了科学各界的广泛关注,基于GPU的克里金插值研究出现了。这一研究为提高克里金插值效率提供了一种新的思路,但它也存在一些问题:首先,由于克里金插值研究的是空间中某一有限区域,它是一种区域性插值算法,因此在实际应用中就需要为其选取计算区域,为每一个待插值点搜索出合适的邻域点作为输入点。而已有的基于GPU的克里金插值方法将所有已知点作为输入,并没有将邻域点这一重要因素考虑在内;其次,如果将所有已知点作为输入,当采样点数据规模较大时,其方案将是不可行的,也就是说,该方法并不适用于实际工程应用。基于以上问题,本文提出一种基于Delaunay的三维快速克里金插值方法;另外,在实际地质工程项目中,为了能够准确地表达出实际的地质模型,得到更加符合地质规律的插值结果,本文提出一种基于空间曲面约束三角剖分的克里金插值方法。本文的主要工作如下:1、本文提出一种基于Delaunay的三维快速克里金插值方法。该方法分为两部分,主要从邻域点搜索和并行计算两个方面来加速克里金插值。一是基于空间Delaunay三角剖分的快速邻域点搜索方法,该方法的目的是实现快速搜索邻域点。具体实现为:在克里金插值处理前,先将已知点构建三维Delaunay三角网,通过为Delaunay三角网建立空间索引,快速的定位待插值点所在的四面体,然后将插值点所在四面体及其周围四面体的顶点作为输入点进行插值计算。二是针对已有的GPU加速的克里金插值方法存在的第二个问题,本文提出了一种基于CUDA的并行克里金插值方法。该方法首先根据克里金插值数学模型,对其运算过程中较费时的部分进行分析,再借助CUDA平台提出一种合理、有效的并行计算策略来加速克里金插值。该方法不受已知点数据大小的限制,更符合实际工程应用。通过对真实数据的测试,验证了本文提出的基于Delaunay的三维快速克里金插值方法有效提高了克里金插值效率。2、本文提出一种基于空间曲面约束三角剖分的克里金插值方法。为了加速克里金插值算法,将已知点构建空间Delaunay三角网来用于邻域点的快速搜索。但是在实际地质工程项目中,还会存在层位这样的特殊约束关系,然而生成的Delaunay三角网并没有考虑这些约束条件,会出现穿越层位的四面体。这种情况下生成出来的Delaunay三角网模型并不能准确地表达出实际的地质模型,并且得到的插值结果也不符合实际的地质规律,难以满足实际地质应用的需求。基于此,本文提出一种基于空间曲面约束三角剖分的克里金插值方法,这一方法具有重要的实际应用意义。
贾旸[7]（2003）在《支持协同工作的广域网群组通讯研究》文中指出协同工作系统支持地域分散的用户以协作方式完成共同的任务。同其他分布式系统相似，它需要在用户范围内实现消息的可靠有序传输。由于现有网络通信协议不能有效支持这种通信方式，因此引发出群组通讯的研究。最早的研究始于局域网环境，管理用户间的消息传输和动态组成关系。近年来涌现出一些面向广域网的群组通讯系统，由于它们在系统架构及管理策略方面均存在不足，因此本文对若干关键问题进行了研究，并提出新的群组通讯系统CSCWGROUP。首先本文对现有群组通讯系统体系结构进行了改进。由于目前的广域网系统研究多是针对由局域网互联而成的环境，因此它们的架构设计与局域网用户分布有关，限制了系统的适用范围。为此本文提出了直接面向广域网环境的设计方案，通过引入客户/服务器簇架构，使系统能够向分散在网内的任意节点用户提供管理服务，具有良好的扩展性和广泛的适用性。基于新的系统架构，文中设计了实现消息可靠有序传输的管理机制和控制算法，并提出新的容错算法，避免了K级容错算法在消息排序过程中增加的延时，系统的及时响应能力和容错能力得到有效保证。在用户组成管理方面，本文根据广域网传输延时差异大、变化多的特点，提出检测用户故障的超时时间预测算法，并建立径向基神经网络预测模型，克服了传统算法不能同时兼顾故障检测准确性和及时性的弱点。在此基础上，本文改进了基于终止属性的故障判断算法，提出确定用户故障状态的多周期判断算法，避免在不稳定用户状态和网络状态下对用户故障作出错误判断。另外，双通道事件通知机制使系统能够及时提供用户状态变化信息，增强了协作用户间的状态变化感知能力。为平衡服务器簇的负载量，本文针对现有负载评价指标的不准确性和瞬时性，提出基于分类算法的负载评价方法，在改进概率神经网络算法基础上建立了适用于消息服务器负载状态的分类模型，并制定了用于平衡负载的调度策略。最后本文基于组件化模式开发了系统的各项功能组件以及用户端的适配层接口，实现了群组通讯系统和协作应用系统之间的无缝连接。CSCWGROUP系统是完全面向广域网设计的群组通讯系统，它克服了现有系统因延用局域网算法而不能很好适应广域网内复杂传输环境的不足，为广域网中的协同工作提供了良好的群组通讯环境。
张乐[8]（2014）在《基于AdaBoost集成PSO-RBF的高速公路交通事件检测算法研究》文中研究指明高速公路,作为引领现代文化交流,促进经济快速发展的纽带,在我国已得到迅速蓬勃的发展,给人们的生产生活带来了极大的方便和快捷。与此同时其安全、畅通、效率等问题也同样引起了人们的普遍关注。由于现代高速公路的复杂性和特殊性,道路一旦发生任何形式的交通事件,其通行能力都会严重受阻,甚至会威胁到人们的生命财产安全。如果不及时采取措施,其后果不堪设想。因此,如何准确快速的检测出交通事件,进而采取合理有效的措施,把损失降到最低点,是人们一直研究探讨的课题。交通事件检测算法作为交通事件检测的核心,其综合性能的好坏直接关系到整个检测系统的稳定性。因此,对交通事件检测算法的研究具有十分重要的意义。交通事件检测模型的建立是以交通事件发生点上下游交通流参数变化为依据。本文也遵循这种思路,根据交通流参数突变原理,设计了基于RBF交通事件检测模型。鉴于RBF网络参数的确定过分依赖人为经验等因素,这里采用了PSO算法对RBF网络参数进行改进优化；针对基本粒子群算法优化精度不高等问题,本文运用不同方式对标准PSO算法进行优化改进,建立了基于IPSO-RBF的事件检测模型,并取得了较好的检测效果。最后根据弱分类器差异越大,其集成效果越好的原则,采用AdaBoost算法集成不同模型结构的IPSO-RBF弱分类器,利用该模型实现对交通事件的检测。本文对比分析了交通数据信息采集的不同方式,最终设计实现了基于视频图像采集交通流数据信息的方法。以I-880交通数据为依托,运用MATLAB R2013a平台进行仿真。通过分析实验仿真结果可知,采用基于AdaBoost方法集成IPSO-RBF的事件检测模型具有收敛速度快、分类精度高等优点,并在高速公路交通事件检测中取得不错的效果。
郭子豪[9]（2020）在《面向城市固废焚烧过程的二恶英排放浓度软测量》文中指出城市固废（MSW）是指人类因日常生活需求而无可避免所产生的固态废弃物,即“生活垃圾”。城市固废焚烧（MSWI）在生活垃圾的无害化、减量化和资源化处理等方面具有显着优势。但是,MSW过程会产生具有极强化学和热稳定性的剧毒持久性有机污染物----二恶英（DXN）,其直接从基因层面去破坏生物体进而引发细胞癌变,并在生物体内具有积聚效应,对人类健康和生态环境造成巨大潜在危害。此外,DXN也是造成MSWI建厂存在“邻避效应”的主要原因。研究表明,进行DXN排放浓度的实时检测是实现以降低污染排放为直接目标的MSWI过程运行优化的关键因素之一。目前,工业现场只能以月/季为周期或更长不确定周期对DXN采用离线化验方式进行直接检测,这种方式虽然精度高但仍然存在滞后时间尺度大、检测费用昂贵等缺点。另外一种基于指示物/关联物的在线间接检测法,虽然在滞后时间尺度上缩短至小时但依然存在检测设备组成复杂、难以维护以及映射模型稳定性不足等缺点。此外,DXN的排放机理复杂,难以构建精确的数学模型。与DXN排放浓度相关的过程变量高达数百维,相互之间存在较强的冗余性和非线性关系;现场采集和存储的过程数据虽然数量大但能够标记的用于构建DXN排放浓度模型的样本却极为稀少,这导致现有数据驱动软测量模型的泛化能力差。因此,DXN排放浓度软测量可归结为一类面向稀疏标记数据的高维小样本建模问题。目前,基于真实工业数据进行的DXN排放软测量的研究未见报道。基于上述原因,本文针对利用工业现场的大量无标记和少量有标记样本进行研究,以便为MSWI过程的运行优化提供关键支撑。论文的主要研究工作和创新点如下:1.针对DXN机理知识难以获取的问题,提出了基于商业流程模拟软件的MSWI过程DXN排放浓度数值仿真策略。基于热量与物质平衡工艺设计标准对焚烧炉内的DXN排放过程进行数值仿真,并与原热质平衡设计数据进行了初步比较与分析,更为深入的仿真与分析将为DXN排放浓度软测量提供机理支撑。2.针对模型输入变量高维且相互之间存在较强共线性的问题,提出了面向MSWI过程DXN排放浓度软测量的多层特征选择方法。首先,从单特征与DXN相关性视角,结合相关系数和互信息构建综合评价值指标,实现MSWI多个子系统过程变量的第1层特征选择;接着,从多特征冗余性和特征选择鲁棒性视角,多次运行基于遗传算法-偏最小二乘法（GA-PLS）的特征选择算法,实现第2层特征选择;最后,结合上层选择特征的统计频次、模型预测性能及机理知识进行第3层特征选择。结合某MSWI过程的多年DXN数据验证了所提方法的有效性。3.针对建模数据的有标记样本稀缺问题,提出了基于大趋势扩散虚拟样本生成技术的DXN排放浓度软测量方法。首先,采用基于真实样本子区域欧氏距离的大趋势扩散技术（MTD）技术对输入/输出样本空间进行扩展;接着,采用等间隔插值方式生成虚拟样本输入,结合映射模型和删减机制生成虚拟样本输出;然后,采用改进的随机权神经网络隐含层插值得到虚拟样本输出,并反推获得虚拟样本输入,并结合扩展后的输入/输出空间对虚拟样本进行删减;最后,将上述具有互补性的输入/输出虚拟样本与原始真实样本进行混合,实现样本容量的扩充。结合某MSWI过程的多年DXN数据验证了该VSG技术的有效性和合理性。4.针对工业现场大量无标记样本蕴含知识未获得有效利用的问题,提出了基于非监督无标记样本学习的DXN排放浓度软测量方法。首先,基于大量无标记样本进行模型预训练以提取其所蕴含的特征知识;接着,基于有标记建模样本,提出采用自适应学习率误差反向传播算法对预训练模型权值进行迭代微调,提出采用神经元随机失活（dropout）机制提高模型鲁棒性;最后通过某MSWI过程的DXN数据集验证了所提方法的有效性和合理性。
栗朝军[10]（2006）在《基于神经网络的欠平衡钻井井底压力预测方法研究》文中进行了进一步梳理欠平衡钻井技术是油田钻井行业上的重要研究课题,尽快掌握和推广欠平衡技术是更好地发现油气藏和保护油气藏的战略措施。在石油勘探及钻井过程中,对井底压力预测显得十分重要,它可为欠平衡钻井的安全和有效实施提供保证。本文旨在寻求一种利用人工神经网络理论与技术,预测欠平衡钻井井底压力的方法。论文首先阐述了神经网络的基本理论,包括神经元模型,神经网络的基本结构和神经网络的学习方法;分析了具有函数逼近能力的BP网络和径向基函数（RBF）网络实质、技术实现问题,并研究了BP和RBF网络学习算法。较详细地论述了欠平衡钻井技术的发展概况,基本概念和井底压力的数学模型。研究了欠平衡钻井数据采集和压力测量方法,为神经网络获取训练样本奠定了基础。在此基础上,建立了欠平衡钻井井底压力的神经网络模型,包括用经验方法确定网络结构,用学习算法调整网络的权值。用C语言编制了神经网络预测软件,并且对欠平衡钻井的井底压力进行了实际预测,结果表明该方法具有较高的预测精度。这为实际应用中使用人工神经网络方法预测欠平衡钻井系统井底压力开辟了一个新途径。
二、判断Birkhoff插值矩阵平衡性的一些方法（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、判断Birkhoff插值矩阵平衡性的一些方法（论文提纲范文）
（2）非监督的结构学习及其应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 物体识别 |
| 1.2.1 物体识别的研究意义 |
| 1.2.2 物体识别的主要难点 |
| 1.2.3 物体识别的主要任务 |
| 1.2.4 本文的贡献 |
| 1.2.5 物体识别的研究现状 |
| 1.3 文本聚类 |
| 1.3.1 文本聚类的研究意义 |
| 1.3.2 文本聚类的难点 |
| 1.3.3 本文的贡献 |
| 1.3.4 文本聚类的研究现状 |
| 1.4 论文的结构安排 |
| 参考文献 |
| 第2章 基于概率文法和马尔可夫场的物体模型 |
| 2.1 绪论 |
| 2.2 研究背景 |
| 2.3 图像的表示:关键点和三元组 |
| 2.3.1 图像特征 |
| 2.3.2 关键点三元组 |
| 2.4 基于概率文法和马尔可夫场的物体模型(PGMM) |
| 2.5 PGMM模型中的概率分布 |
| 2.5.1 生成叶节点:P(y|Ω) |
| 2.5.2 生成可观测的叶节点:P(u|y,ω~g) |
| 2.5.3 生成叶节点的位置和方向:P(z,θ|y,ω~g) |
| 2.5.4 生成叶节点的外观的分布:P(A|y,ω~A) |
| 2.5.5 先验分布:P(Ω),P(ω~A),P(ω~g) |
| 2.5.6 匹配问题 |
| 2.6 模型的推理和学习 |
| 2.6.1 动态规划算法在PGMM模型中的使用 |
| 2.6.2 参数学习中的EM算法 |
| 2.6.3 结构推导 |
| 2.7 实验结果 |
| 2.7.1 图像分类任务中的性能 |
| 2.7.2 尺寸无关性和旋转无关性 |
| 2.7.3 可变化的图结构 |
| 2.8 讨论 |
| 2.9 申明 |
| 参考文献 |
| 第3章 基于知识传播的概率物体模型 |
| 3.1 简介 |
| 3.2 基于知识传播策略的模型学习方法 |
| 3.3 图像的表示 |
| 3.4 POM-Full模型 |
| 3.5 POM-IP模型 |
| 3.5.1 POM-IP模型简介 |
| 3.5.2 POM-IP模型的学习和推理过程 |
| 3.6 POM-Mask模型 |
| 3.6.1 POM-Mask模型简介 |
| 3.6.2 POM-Mask模型的数学描述 |
| 3.6.3 POM-Mask模型的学习和推理过程 |
| 3.7 POM-Edgelet模型 |
| 3.8 实验结果 |
| 3.8.1 实验任务及其衡量准则 |
| 3.8.2 场景1:单物体类别图像的图像分类任务 |
| 3.8.3 场景2:单物体类别下的图像分割任务 |
| 3.8.4 关于POM-Full模型在不同类物体上的性能分析 |
| 3.8.5 场景3:尺寸和旋转有明显差异的物体类别 |
| 3.8.6 场景4:混合物体模型 |
| 3.8.7 场景5:匹配与识别 |
| 3.9 讨论 |
| 参考文献 |
| 第4章 层次谱聚类算法 |
| 4.1 简介 |
| 4.2 相关工作 |
| 4.3 层次谱聚类算法(SHC算法) |
| 4.3.1 数学描述 |
| 4.3.2 方法描述 |
| 4.3.3 谱分析 |
| 4.3.4 聚类结构分析 |
| 4.3.5 参数设定 |
| 4.4 实验结果:文本聚类 |
| 4.4.1 数据集 |
| 4.4.2 文档的相似性 |
| 4.4.3 评价准则 |
| 4.4.4 实验结果 |
| 4.5 实验结果:基于博客标签的语义树的生成 |
| 4.5.1 数据集 |
| 4.5.2 博客标签的相似性 |
| 4.5.3 数据标注说明 |
| 4.5.4 性能评估 |
| 4.5.5 语义树的结构分析 |
| 4.6 讨论 |
| 参考文献 |
| 第5章 工作总结和未来展望 |
| 5.1 工作总结 |
| 5.2 未来展望 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（3）谱图理论支持下的高分辨率遥感影像多尺度分割研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 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 影像分割方法综述 |
| 1.2.2 面向对象遥感影像分割的研究现状 |
| 1.2.3 谱图理论下影像分割的研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文组织结构 |
| 第二章 谱图理论下的图像聚类分析 |
| 2.1 图论基础知识 |
| 2.1.1 图的基本概念 |
| 2.1.2 图的矩阵表示 |
| 2.2 从谱图理论认识图像分割 |
| 2.2.1 图像分割概念 |
| 2.2.2 流形学习与谱图理论 |
| 2.2.3 谱聚类与图像分割 |
| 2.3 基于谱图理论的聚类分析方法 |
| 2.3.1 规范化分割 |
| 2.3.2 等度规映射 |
| 2.3.3 局部线性嵌入 |
| 2.3.4 Laplacian特征映射 |
| 2.4 算法分析 |
| 2.5 本章小结 |
| 第三章 多尺度的影像方向边缘提取 |
| 3.1 边缘的概念 |
| 3.2 边缘检测 |
| 3.2.1 基于梯度信息的边缘检测 |
| 3.2.2 基于相位信息的边缘检测 |
| 3.3 基于方向梯度直方图的多尺度灰度影像的边缘提取 |
| 3.3.1 方向梯度直方图 |
| 3.3.2 基于方向梯度直方图的多尺度灰度影像的边缘提取 |
| 3.4 基于直方图差分的多尺度纹理影像边缘提取 |
| 3.4.1 遥感影像的纹理特征 |
| 3.4.2 遥感影像的纹理分析方法 |
| 3.4.3 基于直方图差分的纹理影像边缘检测方法 |
| 3.5 谱聚类方法的影像边缘提取 |
| 3.5.1 谱聚类提取边缘的改进方法 |
| 3.5.2 引入空间关系的谱方法影像边缘提取过程 |
| 3.6 实验与分析 |
| 3.6.1 多尺度的方向灰度图像的边缘提取 |
| 3.6.2 多尺度的方向纹理图像的边缘提取 |
| 3.6.3 引入谱聚类方法的影像边缘提取 |
| 3.6.4 结合灰度和纹理特征的遥感影像边缘提取 |
| 3.7 本章小结 |
| 第四章 多尺度的方向分水岭遥感影像分割 |
| 4.1 分水岭算法的概念和原理 |
| 4.1.1 连续域分水岭变换 |
| 4.1.2 离散域分水岭变换 |
| 4.2 多尺度的方向分水岭影像分割 |
| 4.2.1 方向分水岭影像分割 |
| 4.2.2 多尺度的方向分水岭分割算法 |
| 4.3 实验与分析 |
| 4.4 本章小结 |
| 第五章 谱图理论支持下的遥感影像多尺度分割 |
| 5.1 影像的多尺度表达 |
| 5.1.1 地理现象的尺度性 |
| 5.1.2 图像金字塔 |
| 5.2 基元特征表达与相似性度量 |
| 5.2.1 基元特征表达 |
| 5.2.2 相似性度量 |
| 5.3 基于谱聚类的遥感影像多层次分割 |
| 5.3.1 传统层次聚类算法的局限性 |
| 5.3.2 代数多重网格法 |
| 5.3.3 基于谱聚类的影像层次分割算法 |
| 5.4 实验与分析 |
| 5.5 本章小结 |
| 第六章 总结和展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读博士学位期间论文发表与科研情况 |
| 致谢 |
（4）基于运动捕获数据的人体运动编辑技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究的目的及意义 |
| 1.2 国内外研究概况 |
| 1.3 本文的内容和组织结构 |
| 2 人体运动编辑技术的基本理论 |
| 2.1 人体骨架模型和运动的描述 |
| 2.1.1 人体骨架模型的建立与描述 |
| 2.1.2 人体关节运动的描述 |
| 2.1.3 人体关节运动的控制方法 |
| 2.2 运动捕获数据的描述方法 |
| 2.3 运动编辑技术的基本操作 |
| 2.4 本章小结 |
| 3 基于姿态插值技术的运动连接 |
| 3.1 人体空间位置的插值 |
| 3.2 人体关节姿态的插值 |
| 3.2.1 四元数的定义与运算规则 |
| 3.2.2 四元数与旋转 |
| 3.2.3 四元数的插值 |
| 3.2.4 四元数与欧拉角之间的转换 |
| 3.3 运动连接的编辑方法 |
| 3.4 实验仿真与结果分析 |
| 3.4.1 AMC 文件与矩阵数据之间的转换 |
| 3.4.2 人体姿态插值的矩阵处理过程 |
| 3.4.3 实验结果及其分析 |
| 3.5 本章小结 |
| 4 基于时间对齐处理的运动混合 |
| 4.1 时间对齐处理 |
| 4.1.1 时间对齐的距离函数 |
| 4.1.2 约束条件和下界限制 |
| 4.1.3 均匀缩放的时间对齐 |
| 4.2 运动融合的编辑方法 |
| 4.3 动作嵌入的编辑方法 |
| 4.4 实验仿真与结果分析 |
| 4.5 本章小结 |
| 5 基于特征提取的运动路径变换 |
| 5.1 运动路径曲线的抛物拟合 |
| 5.2 运动数据的特征提取方法 |
| 5.3 特征周期运动片段的路径变换 |
| 5.3.1 新运动路径的分割 |
| 5.3.2 运动路径段的空间变换 |
| 5.3.3 周期运动方向偏移的调整 |
| 5.4 运动姿态的约束化调整 |
| 5.5 实验仿真与结果分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 本文的主要工作总结 |
| 6.2 未来研究展望 |
| 致谢 |
| 参考文献 |
（5）电大尺寸三维介质结构表面积分方程及其并行技术的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究历史和现状 |
| 1.3 本文研究的主要内容和创新点 |
| 1.4 本文内容安排 |
| 第二章 积分方程与矩量法 |
| 2.1 引言 |
| 2.2 积分方程方法 |
| 2.2.1 等效原理 |
| 2.2.2 表面积分方程 |
| 2.2.3 体积分方程 |
| 2.3 求解积分方程的矩量法 |
| 2.3.1 矩量法的数学表达 |
| 2.3.2 目标几何建模与离散 |
| 2.3.3 基函数与测试函数 |
| 2.3.4 阻抗矩阵计算 |
| 2.4 数值算例 |
| 2.5 本章小结 |
| 第三章 介质目标表面积分方程法 |
| 3.1 引言 |
| 3.2 表面积分方程 |
| 3.2.1 介质内外表面积分方程 |
| 3.2.2 混合场积分方程 |
| 3.2.3 方程性态分析 |
| 3.3 优化形式的积分方程 |
| 3.3.1 积分方程左右预条件技术 |
| 3.3.2 规范化场分量积分方程 |
| 3.4 数值算例 |
| 3.5 本章小结 |
| 第四章 积分方程快速算法及其并行技术 |
| 4.1 引言 |
| 4.2 积分方程快速算法 |
| 4.2.1 快速多极子算法(FMM) |
| 4.2.2 多层快速多极子算法(MLFMA) |
| 4.2.3 介质问题表面积分方程中的MLFMA |
| 4.3 并行计算基础 |
| 4.3.1 并行计算系统硬件基础 |
| 4.3.2 并行计算编程模型 |
| 4.3.3 并行算法评判标准与设计方法 |
| 4.4 MLFMA并行算法 |
| 4.4.1 并行MLFMA的聚合配置过程 |
| 4.4.2 并行MLFMA转移过程 |
| 4.4.3 并行MLFMA的一些其他细节 |
| 4.5 数值算例 |
| 4.6 本章小结 |
| 第五章 表面等离子体分析 |
| 5.1 引言 |
| 5.2 表面等离子体基本概念 |
| 5.3 数值结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 攻硕期间取得的研究成果 |
（6）基于Delaunay的三维快速克里金插值（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 三维邻域搜索方法研究现状 |
| 1.2.2 GPU加速的克里金插值研究现状 |
| 1.2.3 三维约束Delaunay三角剖分研究现状 |
| 1.3 本文的主要工作与贡献 |
| 1.4 论文章节安排 |
| 第二章 相关技术简介 |
| 2.1 引言 |
| 2.2 克里金插值理论基础 |
| 2.2.1 克里金插值算法综述 |
| 2.2.2 Kriging插值数学模型 |
| 2.3 空间Delaunay三角剖分简介 |
| 2.3.1 Delaunay三角剖分相关理论基础 |
| 2.3.2 空间Delaunay三角剖分算法 |
| 2.4 CUDA平台简介 |
| 2.4.1 GPU通用计算 |
| 2.4.2 CUDA语言及其编程模型 |
| 2.5 本章小结 |
| 第三章 基于空间Delaunay的克里金插值在CUDA上的并行实现 |
| 3.1 引言 |
| 3.2 总体思路 |
| 3.3 空间Delaunay三角剖分快速算法 |
| 3.3.1 Lawson算法的局限性 |
| 3.3.2 基于CGAL改进的Lawson算法 |
| 3.4 基于空间Delaunay三角剖分的邻域点搜索方法 |
| 3.4.1 基于八叉树的插值点定位 |
| 3.4.2 基于空间索引的插值点定位 |
| 3.5 基于CUDA的并行实现 |
| 3.5.1 问题分析 |
| 3.5.2 并行实现 |
| 3.6 仿真结果与分析 |
| 3.7 本章小结 |
| 第四章 基于空间曲面约束三角剖分的克里金插值 |
| 4.1 引言 |
| 4.2 空间约束Delaunay三角剖分 |
| 4.3 基于空间曲面约束Delaunay三角剖分的克里金插值 |
| 4.3.1 数据预处理与构建约束曲面 |
| 4.3.2 曲面约束Delaunay四面体剖分 |
| 4.4 仿真结果与分析 |
| 4.5 本章小结 |
| 第五章 结论 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
（7）支持协同工作的广域网群组通讯研究（论文提纲范文）
| 第一章 绪 论 |
| 1.1 研究的目的和意义 |
| 1.2 相关工作回顾 |
| 1.3 现有群组通讯系统存在的问题和不足 |
| 1.4 本论文的主要研究工作和创新之处 |
| 1.5 本文结构 |
| 第二章 协同工作系统中的群组通讯 |
| 2.1 CSCW系统的起源、发展与分类 |
| 2.2 支持协同工作的群组通讯 |
| 2.2.1 群组通讯研究对CSCW系统的重要意义 |
| 2.2.2 群组通讯管理内容 |
| 2.2.2.1 基于开放系统互联环境的网络通讯 |
| 2.2.2.2 可靠有序的组内消息传送管理 |
| 2.2.2.3 协作组成员关系管理 |
| 第三章 CSCWGROUP群组通讯管理模型 |
| 3.1 系统设计环境 |
| 3.2 系统模型的体系架构 |
| 3.2.1 现有的群组通讯架构和不足 |
| 3.2.2 客户/服务器簇的设计特点 |
| 3.3 CSCWGROUP系统的分层管理模式 |
| 第四章 基于CORBA规范的消息传输管理 |
| 4.1 消息全局排序TOMP协议 |
| 4.1.1 工作组消息的全局排序算法 |
| 4.1.2 协议中的容错服务 |
| 4.1.3 同相关协议的性能比较 |
| 4.2 消息可靠传输MRTP协议 |
| 4.2.1 消息可靠传输算法 |
| 4.2.2 缓冲资源回收算法 |
| 4.3 仿真测试 |
| 第五章 工作组成员的动态关系维护 |
| 5.1 成员关系管理模型 |
| 5.2 基于预测的故障检测算法 |
| 5.2.1 当前的Internet网络传输状况 |
| 5.2.2 超时时间预测模型 |
| 5.2.2.1 径向基函数神经网络 |
| 5.2.2.2 构造预测模型 |
| 5.2.2.3 预测性能评价 |
| 5.3 基于多周期故障判断算法的关系事件触发服务 |
| 5.3.1 与用户状态变化相关的成员关系事件 |
| 5.3.2 多周期故障判断算法 |
| 5.4 双通道事件传输机制 |
| 5.5 关系服务器故障容错服务 |
| 5.6 成员关系算法性能评述 |
| 第六章 服务器簇中的负载平衡 |
| 6.1 现有负载评价指标的不足 |
| 6.2 基于概率神经网络分类算法的负载状态评价 |
| 6.2.1 概率神经网络模型 |
| 6.2.2 改进的概率神经网络模型 |
| 6.2.3 分类模型的建立 |
| 6.2.4 分类性能评价 |
| 6.3 负载平衡策略 |
| 第七章 CSCWGROUP系统的组件设计 |
| 7.1 系统的类库结构 |
| 7.2 用户端的适配层设计 |
| 7.3 一个简单的实例设计 |
| 第八章 全文总结及展望 |
| 参考文献 |
| 发表论文情况与参加科研情况说明 |
| 致谢 |
（8）基于AdaBoost集成PSO-RBF的高速公路交通事件检测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 国外交通事件检测算法研究 |
| 1.2.2 国内交通事件检测研究及发展趋势 |
| 1.3 论文主要研究内容与结构框架分布 |
| 第2章 高速公路交通事件检测原理及算法分析 |
| 2.1 交通事件基本概念 |
| 2.2 交通事件检测原理分析 |
| 2.2.1 交通流特征参数 |
| 2.2.2 交通事件与交通流参数变化的关系 |
| 2.3 交通事件检测技术及交通流数据采集分析 |
| 2.3.1 交通事件自动检测技术分类 |
| 2.3.2 基于视频图像的事件检测系统分析 |
| 2.3.3 基于视频图像的交通数据信息采集 |
| 2.4 AID算法 |
| 2.4.1 AID算法介绍 |
| 2.4.2 AID算法的评价指标 |
| 2.5 本章小结 |
| 第3章 基于RBF神经网络模型算法的交通事件检测分析 |
| 3.1 RBF神经网络原理及理论分析 |
| 3.1.1 RBF神经网络基本原理 |
| 3.1.2 RBF神经网络数学分析 |
| 3.1.3 RBF网络模型用于交通事件检测的优势 |
| 3.2 RBF神经网络设计 |
| 3.2.1 RBF网络隐结点函数的选择 |
| 3.2.2 RBF神经网络隐层中心的确定 |
| 3.3 基于RBF模型的交通事件检测仿真 |
| 3.3.1 数据来源 |
| 3.3.2 数据规范化及仿真 |
| 3.4 本章小结 |
| 第4章 基于IPSO_RBF模型算法的交通事件检测研究 |
| 4.1 基本粒子群算法分析 |
| 4.1.1 基本PSO算法概念和原理 |
| 4.1.2 基本PSO算法流程 |
| 4.2 改进的PSO算法分析研究 |
| 4.2.1 惯性权重取值分析 |
| 4.2.2 学习因子的选择分析 |
| 4.2.3 综合优化粒子群 |
| 4.2.4 综合改进的PSO算法仿真对比 |
| 4.3 基于IPSO_RBF模型的交通事件检测算法分析设计 |
| 4.3.1 基于IPSO模型的交通事件检测关键点 |
| 4.3.2 基于IPSO算法的流程设计 |
| 4.4 实验仿真及其分析 |
| 4.4.1 基于PSO_RBF算法的交通事件检测实验仿真 |
| 4.4.2 仿真实验比较 |
| 4.5 本章小结 |
| 第5章 集成IPSO_RBF模型的交通事件检测 |
| 5.1 集成学习思想原理分析 |
| 5.1.1 集成学习基本概念 |
| 5.1.2 集成学习的优势 |
| 5.2 AdaBoost集成IPSO_RBF的交通事件检测 |
| 5.2.1 AdaBoost算法基本原理 |
| 5.2.2 弱分类器解析 |
| 5.2.3 AdaBoost集成IPSO_RBF模型的交通事件检测 |
| 5.3 改进集成弱分类器 |
| 5.3.1 弱分类器集成改进方式 |
| 5.3.2 各种检测算法综合性能比较 |
| 5.4 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
（9）面向城市固废焚烧过程的二恶英排放浓度软测量（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 研究现状 |
| 1.2.1 离线直接检测法 |
| 1.2.2 指示物/关联物在线间接检测法 |
| 1.2.3 软测量法 |
| 1.3 研究内容及论文安排 |
| 第2章 面向二恶英检测的城市固废焚烧过程特性分析 |
| 2.1 MSWI过程DXN的生成与排放特性描述 |
| 2.1.1 DXN描述 |
| 2.1.2 面向DXN排放的MSWI工艺特性 |
| 2.1.3 MSWI过程的DXN生成与排放描述 |
| 2.2 DXN软测量的难点分析 |
| 2.2.1 基于MSWI数值仿真模型的机理知识提取 |
| 2.2.2 面向MSWI高维过程数据的输入特征选择 |
| 2.2.3 基于MSWI机理认知的虚拟样本生成 |
| 2.2.4 面向海量无标记样本的非监督学习 |
| 2.3 本章小结 |
| 第3章 基于Aspen Plus的 DXN排放浓度数值仿真模型 |
| 3.1 问题描述 |
| 3.2 预备知识 |
| 3.2.1 商业化流程模拟软件 |
| 3.2.2 MSWI过程的典型热质平衡描述 |
| 3.3 数值仿真模型搭建 |
| 3.4 数值仿真研究 |
| 3.4.1 全局参数设定 |
| 3.4.2 仿真结果 |
| 3.5 本章小结 |
| 第4章 面向MSWI过程DXN排放浓度软测量的多层特征选择方法 |
| 4.1 问题描述 |
| 4.2 特征选择策略 |
| 4.3 特征选择算法实现 |
| 4.3.1 基于单特征相关性的第1层特征选择 |
| 4.3.2 基于多特征冗余性的第2层特征选择 |
| 4.3.3 基于模型预测性能的第3层特征选择 |
| 4.4 实验研究 |
| 4.4.1 建模数据描述 |
| 4.4.2 建模结果 |
| 4.4.3 比较与讨论 |
| 4.5 本章小结 |
| 第5章 基于大趋势扩散虚拟样本生成技术的DXN排放浓度软测量 |
| 5.1 问题描述 |
| 5.2 预备知识 |
| 5.2.1 基于VSG技术的样本生成 |
| 5.2.2 基于MTD技术的区域扩展 |
| 5.2.3 基于随机权神经网络(RWNN)隐含层插值的VSG技术 |
| 5.3 算法策略与实现 |
| 5.3.1 基于改进MTD技术的区域扩展 |
| 5.3.2 基于等间隔插值的VSG |
| 5.3.3 基于RWNN多组隐含层插值法的VSG |
| 5.3.4 虚拟样本的混合 |
| 5.4 实验研究 |
| 5.4.1 基准数据集验证 |
| 5.4.2 DXN数据验证 |
| 5.5 本章小结 |
| 第6章 基于非监督无标记样本学习的DXN排放浓度软测量 |
| 6.1 问题描述 |
| 6.2 预备知识 |
| 6.2.1 非监督学习 |
| 6.2.2 深度信念网络(DBN) |
| 6.3 建模策略及算法实现 |
| 6.3.1 针对DXN软测量模型的非监督预训练 |
| 6.3.2 针对DXN模型的有监督微调 |
| 6.3.3 算法伪代码 |
| 6.4 实验研究 |
| 6.4.1 数据描述 |
| 6.4.2 实验结果 |
| 6.4.3 方法比较 |
| 6.5 本章小结 |
| 结论与展望 |
| 附录 本文英文简写及其含义 |
| 参考文献 |
| 攻读硕士学位期间的成果 |
| 攻读硕士学位期间所获奖励 |
| 致谢 |
（10）基于神经网络的欠平衡钻井井底压力预测方法研究（论文提纲范文）
| 第一章 绪论 |
| 1.1 研究的目的与意义 |
| 1.2 神经网络技术的发展与现状 |
| 1.3 欠平衡钻井井底压力预测方法的概述 |
| 1.4 论文主要解决问题和研究途径 |
| 第二章 人工神经网络理论基础 |
| 2.1 人工神经元模型 |
| 2.2 人工神经网络的构成 |
| 2.3 人工神经网络的学习算法 |
| 2.4 多层前向网络和 RBF 网络 |
| 第三章 欠平衡钻井简述 |
| 3.1 欠平衡钻井的概况 |
| 3.2 欠平衡钻井井底压力数学模型 |
| 3.2.1 基本概念 |
| 3.2.2 数学模型 |
| 3.3 欠平衡钻井数据采集和压力测量 |
| 3.3.1 综合录井仪概述 |
| 3.3.2 综合录井仪测量参数 |
| 3.3.3 欠平衡钻井井底压力测量仪器 |
| 第四章 多层前馈神经网络与 RBF 神经网络 |
| 4.1 多层前馈网络的函数逼近 |
| 4.2 多层前馈神经网络作用分析 |
| 4.3 径向基函（RBF）神经网络 |
| 4.3.1 引言 |
| 4.3.2 插值问题 |
| 4.3.3 正规化问题 |
| 4.3.4 正规化问题的逼近解及 GRBFNN |
| 4.3.5 RBF 神经网络的学习算法 |
| 4.3.6 带混合算法的 RBFNN |
| 4.4 RBF 网络的推广能力 |
| 4.5 BP 网络与 RBF 网络的比较 |
| 第五章 基于神经网络的欠平衡钻井井底压力预测 |
| 5.1 网络模型的确定和预测 |
| 5.1.1 输入层节点确定 |
| 5.1.2 输入层参数对预测值影响的仿真分析 |
| 5.2 学习样本的选取和预处理 |
| 5.2.1 学习样本的选取 |
| 5.2.2 资料预处理 |
| 5.3 网络的泛化能力和学习的精度 |
| 5.4 仿真实验结果 |
| 第六章 软件实现及实际预测效果分析 |
| 6.1 软件实现 |
| 6.2 欠平衡钻井井底压力预测的实际应用 |
| 结论 |
| 致谢 |
| 参考文献 |
| 中文详细摘要 |
四、判断Birkhoff插值矩阵平衡性的一些方法（论文参考文献）
- [1]判断Birkhoff插值矩阵平衡性的一些方法[J]. 宁荣健,方毅. 工科数学, 1993(04)
- [2]非监督的结构学习及其应用[D]. 陈远浩. 中国科学技术大学, 2008(10)
- [3]谱图理论支持下的高分辨率遥感影像多尺度分割研究[D]. 靳华中. 武汉大学, 2011(05)
- [4]基于运动捕获数据的人体运动编辑技术研究[D]. 李婷. 华中科技大学, 2008(05)
- [5]电大尺寸三维介质结构表面积分方程及其并行技术的研究[D]. 张军. 电子科技大学, 2014(03)
- [6]基于Delaunay的三维快速克里金插值[D]. 王倩. 电子科技大学, 2015(03)
- [7]支持协同工作的广域网群组通讯研究[D]. 贾旸. 天津大学, 2003(04)
- [8]基于AdaBoost集成PSO-RBF的高速公路交通事件检测算法研究[D]. 张乐. 西南交通大学, 2014(09)
- [9]面向城市固废焚烧过程的二恶英排放浓度软测量[D]. 郭子豪. 北京工业大学, 2020(06)
- [10]基于神经网络的欠平衡钻井井底压力预测方法研究[D]. 栗朝军. 大庆石油大学, 2006(12)