导读:本文包含了图形数据处理论文开题报告文献综述及选题提纲参考文献，主要关键词:Python,人机工程,主观评估,可视化
图形数据处理论文文献综述
张子良,陈俊豪,申明华[1]（2019）在《基于Python的数据处理及图形化分析平台的设计开发》一文中研究指出主观评估作为人机工程研发过程中重要的评估手段,为整车开发提供重要的依据。每个主观评估问卷涉及到几百个问题和几十名评测人员的数据处理,传统主观评估数据处理流程非常耗时,需要进行大量的统计计算。最终的结果如果没有可视化展示,对于开发人员很难直观的去发现问题从而有针对性的解决问题。为了快速的对主观评估数据进行处理和有针对性的解决问题,借助Python编程语言对评估数据进行分析和可视化展示,进而更加高效、直观地将数据的变化趋势和规律展现给研究者。(本文来源于《汽车实用技术》期刊2019年06期）
朱平哲[2]（2019）在《基于大数据背景下的图形处理技术变革探索》一文中研究指出大数据时代的来临,使人们的生活发生了日新月异的变化,给人们工作的很多领域都带来了极大的便利,其中图形处理技术就是变革之一。本文主要讲述了大数据背景下的图形处理技术的变革以及进步,并且对大数据背景下的图形处理技术进行了深入的探索。(本文来源于《现代信息科技》期刊2019年02期）
李果[3]（2017）在《基于图形处理单元的节能型高性能数据包分类研究》一文中研究指出包分类是路由器、防火墙,以及SDN交换机等网络基础设备中处理数据包的关键技术。包分类通过提取数据包的头部字段信息,再与规则集进行匹配,然后根据匹配规则中定义的动作进行下一步处理。其中规则匹配的速度决定了包分类算法处理速度的性能。近些年,新一代的软硬件技术使得数据包的处理速度已达到一个较高的性能。但是大部分的研究工作还是关注于提高处理速度性能,很少有考虑能耗问题。实际上在大规模的数据中心,能耗问题已经成为性能提升的一个约束。因此,高性能与低能耗之间的权衡问题非常值得研究。本文基于能够提高数据包处理性能的新一代软硬件平台,对在保证包分类处理达到高性能的情况下,如何进一步实现低功耗的问题进行深入研究,并在以下四个方面开展工作:1.基于CPU亲和性的包分类处理平台节能优化本文基于新一代的NUMA架构多核CPU服务器平台,广泛研究提升性能和降低能耗的方法,采用CPU亲和性技术和动态电压频率调节来实现高性能与低能耗的平衡。本文提出AFFCON(AFfinity-oriented Fine-grained CONtrolling)算法,在保证系统达到高性能的同时,还进一步降低了功耗。实验结果显示,AFFCON算法能够降低11%的功耗,并维持发包吞吐率性能接近线速理论值。2.基于社区发现的包分类算法当路由器的规则中存在一些相互迭加或无用冗余的规则时,会影响包分类匹配的性能。本文通过在真实的网络数据处理平台上搭建包分类系统,发现由网络工程师们配置的规则,具有一定的社会网络特性。基于社区发现算法,一些规则能够通过相似性进行聚合,并且这些规则都具有相同的处理动作。这样能够消除迭加冗余规则对性能的影响,并能提高规则匹配时间、内存占用率和规则更新效率。本文提出ComCuts(COMmunity detection CUTtings)算法,使用规则相似性算法构建中间层社区结构,并采用计数布鲁姆过滤器进行处理。实验结果表明,相比于传统的HiCuts算法,ComCuts算法能够降低8%的匹配时间,减少50%的内存占用体积,而且其灵活的中间层结构,更加适合需要频繁更新规则的未来网络。3.基于GPU的模糊控制包分类算法随着目前GPU性能的提升与通用性不断增强,GPU硬件平台开始被应用到包分类中。但是GPU高性能的代价之一是高能耗,受到变频空调节能原理的启发,本文基于GPU平台提出了FCEEO(Fuzzy Control-based Energy Efficiency Optimizing)算法。实验结果证明,当GPU处于空闲状态时,FCEEO算法能够降低10W左右的功耗;当GPU处于工作状态时,FCEEO算法不仅能避免当GPU温度过高而进入自动保护机制时导致的性能下降问题,还能够通过合理地调度线程资源,节省高达15.5%的能耗,同时维持具有高性能的吞吐率。4.基于CPU-GPU异构平台的包分类算法GPU作为加速平台,需要配合CPU同时进行使用。如果算法没有考虑CPU-GPU异构平台的特性,将不能很好地发挥出硬件的性能,还有可能使异构特性成为性能瓶颈。本文提出基于CPU-GPU异构平台的内存优化算法,根据包分类具有高密度计算的特点,采用了不同于传统内存拷贝方式的GPU零拷贝技术,同时结合已实现的CPU亲和性优化方案,不仅可共同提高CPU-GPU的吞吐率性能,还可降低系统整体功耗。(本文来源于《湖南大学》期刊2017-11-20）
宁新稳,朱庆,任晓春,韩祖杰,王华[4]（2018）在《高速铁路施工进度数据图形化处理方法》一文中研究指出为解决传统铁路建设管理中进度数据采集标准化低、过程复杂和数据粒度粗等问题,提出了一种图形化施工进度数据处理方法.首先,采用面向对象的方法对工点进行工程分解,从施工图中自动提取出设计参数;然后,利用Web GIS技术设计开发图形化的施工进度数据采集系统,实现了进度数据的图形化填报与审核;最后,通过对进度数据进行统计分析,实现了进度数据驱动工点BIM模型进行叁维形象进度展示,并生成进度统计与预警报表.以阳大铁路工程为例开展试验研究,研究结果表明:图形化的施工进度数据很好地满足了工程承包、施工、监理和业主等单位对高铁建设进行协同管理的需要,显着提高了工程施工进度管理水平和效率,节省进度统计分析工作量70%.(本文来源于《西南交通大学学报》期刊2018年02期）
杨洋,崔云祥,冯娟[5]（2017）在《Matlab在水文地质数据计算及图形处理工作中的运用》一文中研究指出在水文地质工作中要进行繁琐的数据计算及图形处理,用matlab进行数据及图形处理则大大减轻了工作量。运用matlab进行Q-Sw曲线拟合及图形输出,简单又快捷。既减少了人为产生的误差,又提高了水量预测的可信度。(本文来源于《世界有色金属》期刊2017年15期）
李旭,魏得良[6]（2017）在《基于MATLAB的二组分溶液沸点-组成图的绘制实验的数据处理与图形绘制研究》一文中研究指出设计了Matlab语言程序,并用于"二组分溶液沸点-组成图的绘制"的物理化学实验的数据处理与图形绘制,处理结果与所作的图形均符合实验要求。与手工作图相比,具有简洁、快捷与直观等特点,而且可避免人为因素的误差。(本文来源于《广东化工》期刊2017年17期）
刘伟[7]（2017）在《高速铁路施工进度数据图形化处理方法探讨》一文中研究指出在当前科学技术的不断发展下,传统铁路施工进度管理中所存在的缺陷逐渐被摒弃,其中数据图形化处理方式可实现数据采集的完善性以及标准化,能够真正满足施工、监理等单位对高速铁路协同管理的需求,这在一定程度上可提高施工进度管理效率。故此,本文从多个方面展开分析,对高速铁路施工进度中的数据图形化处理方法展开论述。(本文来源于《居舍》期刊2017年20期）
刘伟[8]（2017）在《高速铁路施工进度数据图形化处理方法探讨》一文中研究指出在当前科学技术的不断发展下,传统铁路施工进度管理中所存在的缺陷逐渐被摒弃,其中数据图形化处理方式可实现数据采集的完善性以及标准化,能够真正满足施工、监理等单位对高速铁路协同管理的需求,这在一定程度上可提高施工进度管理效率。故此,本文从多个方面展开分析,对高速铁路施工进度中的数据图形化处理方法展开论述。(本文来源于《居舍》期刊2017年19期）
徐怀东[9]（2016）在《文字、数据的信息图形化处理——以互联网页面的信息图形处理为例》一文中研究指出面对海量信息的互联网,人们生活的快节奏以及信息传播形态的发展,人们的阅读习惯逐渐的有"阅读"向"浏览"转变,人们更加依赖视觉刺激直观快速的捕捉信息。那么互联网信息图形化是通过那些渠道实现的呢?文章以此为出发点从信息图形化的概念、互联网页面的文字信息图形化、数据信息图形化、几个方面进行了探讨。(本文来源于《现代装饰(理论)》期刊2016年07期）
贾国峰[10]（2016）在《应用AutoLISP在AutoCAD中批量处理图形数据》一文中研究指出利用AutoLISP编程语言,对一些在工作中遇到的问题进行思考,进而提出解决方法。批量展点连线程序可以对多条闭合(或不闭合)导线利用直线进行点之间的连接,批量标注已有图形的边长程序可以实现已有图形的边长批量标注,批量标注已有图形的点坐标程序可以实现对已有图形的点进行标注。(本文来源于《华北国土资源》期刊2016年03期）
图形数据处理论文开题报告
（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：
大数据时代的来临,使人们的生活发生了日新月异的变化,给人们工作的很多领域都带来了极大的便利,其中图形处理技术就是变革之一。本文主要讲述了大数据背景下的图形处理技术的变革以及进步,并且对大数据背景下的图形处理技术进行了深入的探索。
（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。
图形数据处理论文参考文献
[1].张子良,陈俊豪,申明华.基于Python的数据处理及图形化分析平台的设计开发[J].汽车实用技术.2019
[2].朱平哲.基于大数据背景下的图形处理技术变革探索[J].现代信息科技.2019
[3].李果.基于图形处理单元的节能型高性能数据包分类研究[D].湖南大学.2017
[4].宁新稳,朱庆,任晓春,韩祖杰,王华.高速铁路施工进度数据图形化处理方法[J].西南交通大学学报.2018
[5].杨洋,崔云祥,冯娟.Matlab在水文地质数据计算及图形处理工作中的运用[J].世界有色金属.2017
[6].李旭,魏得良.基于MATLAB的二组分溶液沸点-组成图的绘制实验的数据处理与图形绘制研究[J].广东化工.2017
[7].刘伟.高速铁路施工进度数据图形化处理方法探讨[J].居舍.2017
[8].刘伟.高速铁路施工进度数据图形化处理方法探讨[J].居舍.2017
[9].徐怀东.文字、数据的信息图形化处理——以互联网页面的信息图形处理为例[J].现代装饰(理论).2016
[10].贾国峰.应用AutoLISP在AutoCAD中批量处理图形数据[J].华北国土资源.2016