导读:本文包含了样本分类论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:样本,垃圾,生活垃圾,图像,卷积,厦门市,属性。
样本分类论文文献综述
程滔,吴芸,郑新燕,杨刚,白驹[1]（2019）在《面向遥感影像智能分类的海量样本数据采集方法》一文中研究指出以地理国情监测高分辨率遥感影像及高精度地表覆盖分类产品为数据源,提出了一种面向遥感影像智能分类、基于位置匹配技术的全国尺度海量样本数据采集方法。根据数据源特征,研究了县域采集数量权重设置、坐标投影转换、栅格灰度重采样、无效样本数据过滤、地表覆盖分类码映射、样本数据命名标识、特定地表覆盖类型样本数据采集等关键技术,构建了位置匹配的遥感影像数据与分类标签数据组成的样本数据对,开发了样本数据自动采集软件。利用该方法,以县级行政区划为单元,实现了全国尺度海量样本数据采集。选取其中5个县域的成果,评估了方法的实用性及运算性能。研究表明:该方法提升了生产全国尺度海量样本数据的计算响应速度;采集的样本数据能够满足遥感影像智能分类对样本源高质量、大规模的需求,提升了遥感影像分类与预测的准确度。(本文来源于《测绘通报》期刊2019年10期）
钟琪,罗津,齐述华[2]（2019）在《随机森林分类算法提取柑橘果园的样本数量敏感性分析》一文中研究指出随机森林算法,凭借处理高维度数据、模型泛化能力强、训练速度快等优点,被广泛用于土地利用遥感分类中,但该算法的训练样本对分类结果的影响问题一直没有受到重视。以提取南丰县柑橘果园为案例,探讨在不同柑橘果园训练样本下,以随机森林算法提取柑橘果园的精度差异,定量评价训练样本差异对该算法提取柑橘果园精度的影响。研究结果表明:1)对于县级尺度,随机森林训练样本在240,总体精度达到89.66%,Kappa系数为0.87,整体分类效果最优。对于提取柑橘果园,则训练样本数量为2 400时最优。2)南丰县柑橘果园的主要分布于高程100～150 m,坡度0°～5°临近河流的区域范围内,分别占总柑橘果园面积的46.78%和26.67%。(本文来源于《江西科学》期刊2019年05期）
冀中,汪浩然,于云龙,庞彦伟[3]（2019）在《零样本图像分类综述:十年进展》一文中研究指出零样本图像分类指训练集和测试集在数据的类别上没有交集的情况下进行图像分类.该技术是解决类别标签缺失问题的一种有效手段,因此受到了日益广泛的关注.自提出此问题至今,零样本图像分类的研究已经大致有十年时间.本文系统地对过去十年中零样本图像分类技术的研究进展进行了综述,主要包括以下4个方面.首先介绍零样本图像分类技术的研究意义及其应用价值,然后重点总结和归纳零样本图像分类的发展过程和研究现状,接下来介绍常用的数据集和评价准则,以及与零样本学习相关的技术的区别和联系,最后分析有待深入研究的热点与难点问题,并对未来的发展趋势进行了展望.(本文来源于《中国科学:信息科学》期刊2019年10期）
郑欣悦,黄永辉[4]（2019）在《基于VAE和注意力机制的小样本图像分类方法》一文中研究指出小样本图像识别是人工智能中具有挑战性的新兴领域。传统的深度学习方法无法解决样本匮乏带来的问题,模型易出现过拟合导致训练效果不佳的情况。针对以上问题,提出结合表征学习和注意力机制的小样本学习方法。通过预训练VAE(Variational Auto-encoder)从任务中学习丰富的隐特征;对提取出的隐特征构建注意力机制,使得元学习器能快速地注意到对当前任务重要的特征;将注意力模块增强之后的特征使用分类器进行图像分类。实验表明,该算法在Mini-ImageNet和Omniglot数据集上达到72.5%和98.8%的准确率,显着优于现有元学习算法的性能。(本文来源于《计算机应用与软件》期刊2019年10期）
卢晓丽,何鑫,倪瑜鸿,廖万育[5]（2019）在《走进“10+1”区捕捉“垃圾分类”亮点》一文中研究指出“垃圾分类”既是关系千家万户的民生实事，也是关乎生态文明建设大局的关键大事。在深圳，特别是在罗湖，“垃圾分类”落实得怎么样？9月27日下午，由深圳市城市管理和综合执法局指导，深圳商报&读创、罗湖区城市管理和综合执法局、罗湖区环卫机运队联合主办的深(本文来源于《深圳商报》期刊2019-09-29）
詹文[6]（2019）在《生活垃圾分类“厦门样本”获肯定》一文中研究指出本报讯（记者 詹文）9月18日至19日，中央电视台社会与法频道《一线》栏目组来到厦门，围绕我市生活垃圾分类的立法和法规的实施情况进行深入采访。中央电视台社会与法频道《一线》栏目，是国内第一档深度挖掘社会和法治热点的专题栏目，多年来记录着中国法治进(本文来源于《厦门日报》期刊2019-09-20）
刘万军,尹岫,曲海成,刘腊梅[7]（2019）在《提高小样本高光谱图像分类性能的变维卷积神经网络》一文中研究指出目的为了解决基于卷积神经网络的算法对高光谱图像小样本分类精度较低、模型结构复杂和计算量大的问题,提出了一种变维卷积神经网络。方法变维卷积神经网络对高光谱分类过程可根据内部特征图维度的变化分为空—谱信息融合、降维、混合特征提取与空—谱联合分类的过程。这种变维结构通过改变特征映射的维度,简化了网络结构并减少了计算量,并通过对空—谱信息的充分提取提高了卷积神经网络对小样本高光谱图像分类的精度。结果实验分为变维卷积神经网络的性能分析实验与分类性能对比实验,所用的数据集为Indian Pines和Pavia University Scene数据集。通过实验可知,变维卷积神经网络对高光谱小样本可取得较高的分类精度,在Indian Pines和Pavia University Scene数据集上的总体分类精度分别为87. 87%和98. 18%,与其他分类算法对比有较明显的性能优势。结论实验结果表明,合理的参数优化可有效提高变维卷积神经网络的分类精度,这种变维模型可较大程度提高对高光谱图像中小样本数据的分类性能,并可进一步推广到其他与高光谱图像相关的深度学习分类模型中。(本文来源于《中国图象图形学报》期刊2019年09期）
任彦,顾颖[8]（2019）在《市城市管理局打造农村垃圾分类“黄湖样本”》一文中研究指出上午7点，“唱着歌”的垃圾清洁直运车，准时驶过余杭区黄湖镇清波路，沿线的周边商户听到熟悉的乐曲，纷纷拎出已经分类过的餐厨垃圾，交给司机投入垃圾车内。下午3点，直运车还会来一次，白天产生的垃圾也被分类运走了。在杭州主城区，“垃圾不落地”音乐线定时定(本文来源于《杭州日报》期刊2019-09-14）
戴泉晨,朱建军[9]（2019）在《基于典型样本集的汽车零部件供应商分类方法研究》一文中研究指出研究了汽车零部件供应商的分类问题。针对目前供应商评价管理中指标体系建立和最终采购模式难以存在必然关系的现状,结合汽车零部件供应特征,建立了兼顾质量评价、商务评价、开发和综合能力叁大维度、10个二级指标的定性、定量结合的汽车零部件供应商评价体系;基于CA公司的供应商数据,依据典型分类样本集的信息,运用TOPSIS的方法确定了各个指标的权重,并对待分类供应商进行类别归属判断。该方法为整车制造企业对汽车零部件供应商的选择、管理、监督、改善等活动提供更为有利的依据。(本文来源于《南京理工大学学报》期刊2019年04期）
刘依菲,郭红月,刘晓东[10]（2019）在《基于样本选择的二型AFS分类方法研究》一文中研究指出语义描述是聚类与分类领域的研究热点。基于公理模糊集(Axiomatic fuzzy sets,AFS)的分类算法可以模仿人类推理机理得到具有良好可解释性的类描述。在同等分类性能下,简化类描述将有助于人们较好地理解与应用分类结果。该文利用非平稳割点样本选择策略(Sample selection algorithm of unstable cut points,UCSS)和区间二型隶属函数,设计了基于非平稳割点样本选择的二型AFS(UCSS-AFS)分类方法。该分类方法在保持较好的分类准确率和语义的基础上,可以有效降低类描述的复杂度。为验证所设计方法的可实践性,该文对UCI数据库中的18个数据集进行实验。实验结果表明,UCSS-AFS分类方法在保持较好的分类准确率下所获得的规则易于理解与应用。(本文来源于《南京理工大学学报》期刊2019年04期）
样本分类论文开题报告
（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：
随机森林算法,凭借处理高维度数据、模型泛化能力强、训练速度快等优点,被广泛用于土地利用遥感分类中,但该算法的训练样本对分类结果的影响问题一直没有受到重视。以提取南丰县柑橘果园为案例,探讨在不同柑橘果园训练样本下,以随机森林算法提取柑橘果园的精度差异,定量评价训练样本差异对该算法提取柑橘果园精度的影响。研究结果表明:1)对于县级尺度,随机森林训练样本在240,总体精度达到89.66%,Kappa系数为0.87,整体分类效果最优。对于提取柑橘果园,则训练样本数量为2 400时最优。2)南丰县柑橘果园的主要分布于高程100～150 m,坡度0°～5°临近河流的区域范围内,分别占总柑橘果园面积的46.78%和26.67%。
（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。
样本分类论文参考文献
[1].程滔,吴芸,郑新燕,杨刚,白驹.面向遥感影像智能分类的海量样本数据采集方法[J].测绘通报.2019
[2].钟琪,罗津,齐述华.随机森林分类算法提取柑橘果园的样本数量敏感性分析[J].江西科学.2019
[3].冀中,汪浩然,于云龙,庞彦伟.零样本图像分类综述:十年进展[J].中国科学:信息科学.2019
[4].郑欣悦,黄永辉.基于VAE和注意力机制的小样本图像分类方法[J].计算机应用与软件.2019
[5].卢晓丽,何鑫,倪瑜鸿,廖万育.走进“10+1”区捕捉“垃圾分类”亮点[N].深圳商报.2019
[6].詹文.生活垃圾分类“厦门样本”获肯定[N].厦门日报.2019
[7].刘万军,尹岫,曲海成,刘腊梅.提高小样本高光谱图像分类性能的变维卷积神经网络[J].中国图象图形学报.2019
[8].任彦,顾颖.市城市管理局打造农村垃圾分类“黄湖样本”[N].杭州日报.2019
[9].戴泉晨,朱建军.基于典型样本集的汽车零部件供应商分类方法研究[J].南京理工大学学报.2019
[10].刘依菲,郭红月,刘晓东.基于样本选择的二型AFS分类方法研究[J].南京理工大学学报.2019
论文知识图
