一、不可只用一个窗口（论文文献综述）
阿莹[1]（2021）在《长安》文中研究表明第一章一谁也没想到,忽大年居然在绝密工程竣工典礼前醒过来了。这家偎缩在城墙脚下的医院,从昨晚月上树梢就不停地拥来了一拨又一拨人,先是市上的头头脑脑坐着吉普疯了般冲进小院,低呼高叫,抓紧抢救,不惜代价也要让总指挥睁开眼睛,这人看着脑瓜子灵光,还吹嘘从枪林弹雨里闯过来的,咋就没点防范意识呢?后有工程上大大小小的人物,衣襟上还溅着米粒菜渣就骑着自行车赶来窥望,却一个个盯着白惨惨的窗口一筹莫展,嘴里只会嘟囔咋回事呀?似乎满院人脸上都挂着焦灼,心里都期望总指挥能从病房走出来,能在已经矗起的炮弹厂房前亮起胶东大葱味的嗓音。
王纲[2]（2021）在《高校思想政治教育评价视域下第二课堂的学生行为研究》文中进行了进一步梳理在我国新时代的高等教育发展背景下和世界政治经济格局的变化中,思想政治教育承担了前所未有的任务,是坚持社会主义教育方向的重要教育领域。大学生第二课堂自上个世纪八十年代末登上高校教育舞台,经过三十多年发展,成为集思想政治教育、校园文化传承、综合素质培养、学生管理载体等多种功能为一体的教育手段。随着思想政治教育理论和学科的发展,大学生第二课堂作为思想政治教育重要途径的作用和意义日益明确,其理论基础、顶层设计、制度建设、组织保障等方面也得到进一步的发展,第二课堂以实践性、灵活性、隐蔽性、多样性等特点在人才培养中承担着思想政治教育阵地的重要角色。人的发展是长期的过程,是复杂因素的结果,教育作为一种人类活动,对其结果的评价是历史性、世界性的难题,特别是思想政治教育领域中,如何对人的思想、品格、素质等隐性特质的评价使得思想政治教育评价成为研究的重点和难点。思想政治教育评价既是面向思想政治教育本体的外在测评判断体系,也是思想政治教育理论体系的有机组成部分。对思想政治教育评价的研究主要解决评价的理论基础、指标体系和应用价值等问题。在思想政治教育评价理论和方法的长期探索中,已经形成了比较成熟的认识论和方法论,然而在当今信息和数据的时代,社会和学生对评价有了更多的述求和期待,如同人类在认识世界的过程中,每位科学家以追求和证实因果关系为毕生志愿,思想政治教育评价也必须回答这一“百年树人”的难题。马克思主义理论指出,实践是认识世界的方法,也是人的本质特征。第二课堂是思想政治教育的实践活动,也是学生认识世界、认识社会、认识自我的实践活动,要认识实践这一过程导致的结果,必须从认识实践这一过程入手。思想政治教育是解决思想内化与外化的方法和途径的科学,行为是思想外化的最直接表现,探索思想政治教育如何影响学生的行为的规律和特征,能直接回答思想政治教育的结果。“知、情、意、行”是心理学研究的四个基本领域,认知、情绪、意志最终都会通过行为进行表现,也只有行为才能真正被外界和自我感知和认识。综合以上理论基础和指导,本文在思政教育评价的视角下,进行第二课堂学生行为的研究,掌握新时期背景下第二课堂学生行为的形态、规律、影响等特征,探索行为研究用于思政教育评价及学生评价的途径与方法。对思想政治教育的评价重点是对学生思想素质的评价,对学生思想素质的评价转化为对学生第二课堂行为的评价,对第二课堂行为的评价必须依靠具有说服力的参照体系,最具有说服力的参照体系是学生的成长发展,因此,在把握学生第二课堂行为规律和特征的基础上,理论和实践论证行为与学生成长发展的关系是本文的重点。学生第二课堂行为纷繁复杂,这是在以前的思想政治教育评价研究中,人们难以涉足的原因之一。而在信息技术高度发达的今天,不但为我们提供了研究行为这一复杂现象的基础和数据,也为我们提供了思路和分析方法,符合了当今社会对论证的科学化、数据化、显性化思维方式的要求和期待,进而将思想政治教育学研究引入到教育学、社会学研究的常用思路和方法领域。当然在当今数据为王的时代中,人们对教育研究的新制度主义、绩效主义的倾向,使哲学、社会学界对以数据研究和归纳研究为方法的因果关系推导和评价体系多有批判,吸取这些批判研究的精华,注重理论论证和实验的严谨,以行为物理研究方法为基础,建立符合逻辑理论的数学模型和关系,体现思想政治教育学研究本色,从而使第二课堂行为研究成为思想政治教育评价研究的有益补充和支撑。本文第一章主要介绍在思想政治教育评价视域下,学生第二课堂行为研究的目的和意义,以及本研究的思路和创新点。第二章介绍第二课堂学生行为研究的理论基础,从理论分析上解决为什么行为研究可以作为思想政治教育成效评价的有机组成部分。第三章是在理论框架下对第二课堂学生行为的现实分析,形成适合这一特定教育活动的行为研究理论。第四章介绍建立第二课堂学生行为研究的一般规律和原则框架,讨论行为研究的一般范式。第五章以实际案例和数据为基础介绍如何运用以上原理呈现第二课堂学生行为的基本情况,并分析行为对学生成长发展的影响。第六章阐述第二课堂学生行为的思政教育评价价值,在此基础上提出思政教育评价体系的构建思路和工作机制。
王鑫源[3]（2021）在《基于信道信息状态和元学习的动作识别研究》文中进行了进一步梳理基于信道状态信息（CSI）的动作识别近年来发展迅速,与基于图像,穿戴设备等方式的动作识别相比它具有保护隐私,无需光照,方便等优点。但是目前大多数CSI动作识别系统在新环境中使用或识别新类型的动作时,都需要重新收集大量样本并重新训练模型,这大大降低了CSI动作识别的实用性。为了解决这个问题,本文设计了一种基于元学习的CSI动作识别系统,当将其用于新环境或识别新类型的动作时,它只需很少的数据对模型进行微调即可完成识别。本文的主要工作如下:1.使用元学习算法来获得适应任务分布的预训练模型,当环境或动作类别发生变化时,系统不需要重新训练模型,而是通过一个或多个梯度步骤对预训练模型进行更新,这个过程只使用少量新动作的样本。2.为了防止使用多层CNN进行特征提取后CSI时间信息的丢失,先在CSI数据上添加时间编码然后作为CNN神经网络的输入;为提高识别精度,在神经网络中加入了注意力层以使模型更加关注于数据中对应动作的部分。3.考虑到CSI数据在标记过程中可能未被正确标记,系统采用改进后的平均分类交叉熵损失函数（MCCE）,以增强对这些错误标记数据的鲁棒性。最后我们在手势数据集和身体动作数据集上测试了系统性能。手势识别时系统在每类1个样本的情况下达到了65.7%的平均准确度,在每类5个样本的情况下达到了84.4%的平均准确度。对于身体动作识别,系统在每类1个样本时平均准确度为74.5%,在每类5个样本时平均准确度为96.3%。
张勇[4]（2021）在《面向金融的文本分析及摘要生成技术研究与实现》文中研究表明随着互联网的高速发展,金融行业的业务模式也随之发生着改变。为了更好地满足年轻代的用户需求,传统金融行业巨头纷纷进军互联网投资理财领域,互联网催生了诸如东方财富、同花顺、雪球财经等互联网证券门户和社区。股民们倾向于在互联网证券社区表达自己对市场的观点,并通过各种互联网渠道搜索信息制定交易策略,产生了海量观点鲜明的文本数据。研究对金融文本数据的分析方法具有重要的商业价值。本文在研究金融文本分析方面做了如下主要工作:（1）研究了金融文本数据标注方法。鉴于目前中文自然语言处理领域缺乏金融相关数据集,本文通过网络爬虫的方式采集了东方财富股吧、新浪股吧和雪球财经论坛的评论文本数据,并设计了文本数据标注算法,通过数据采集与标注生成了一份中文证券评论文本数据集（CSTD）。（2）研究了金融文本分类的新模型。对BERT模型生成的句向量进行研究与分析,使用不同卷积核大小的卷积层对句向量进行特征提取,构建了一个基于BERT的多核卷积神经网络文本分类模型（BERT-MCNN）。通过实验证明该模型在CSTD数据集上的分类效果优于传统的文本分类模型。（3）设计了面向长文本的自动摘要生成模型。本文从长文本摘要生成的核心问题出发,在研究文本序列标注和文本分类的关键技术的基础上,设计了基于BERT的抽取式自动摘要模型（BERT-DSUM）,该模型能利用BERT生成文档级别向量,有效提高句子的分类精度和摘要抽取的准确性。实验证明BERT-DSUM模型对长文本生成摘要的效果优于传统的摘要生成模型。（4）在研究文本分析模型的基础上,结合金融领域的应用需求,设计并实现了金融文本分析系统（FTAS）。
徐明珠[5]（2021）在《图模型融合时空特征的视觉显着性目标检测算法研究》文中指出视觉显着性目标检测是计算机视觉领域的热门研究方向,其任务目标是通过模拟人类视觉注意力机制建立启发式或学习模型,定位视觉场景中的显着性目标并将其从背景中完整一致地高亮出来。相比于图像的显着性目标检测,视频的显着性目标检测任务是更具有挑战性的,这是由于视频具有更加复杂的非限定动态视觉场景,如运动背景、相机抖动、小目标、目标形变、目标遮挡、低前景背景对比度等。在这些复杂的动态视觉场景中,现有相关检测模型仍然受困于复杂运动背景干扰、显着性目标图连续一致性差、显着性目标图边缘模糊粗糙等问题,还不能很好地完成复杂视觉场景中的显着性目标检测任务。通过挖掘时空上下文信息来实现时空特征的有效提取及互补融合是提升显着性目标检测性能的关键。图模型方法因其在上下文关系建模方面的有效性而被广泛研究。然而,在面对复杂动态视觉场景时,稳健的视频显着性目标检测模型的构建仍然存在许多挑战:一是在面对具有复杂运动背景的场景时,如何建立鲁棒的时空显着性特征,并设计图模型融合方法实现多种特征的优势互补,进而有效地滤除无关复杂运动背景的干扰;二是在面对具有低前景背景对比度、目标形变、运动模糊等复杂场景时,如何挖掘图节点间的时空约束信息,并改进现有图模型融合时空特征理论,实现空间和时间显着性信息的优势互补,进而提升显着性目标图的连续一致性;三是在有足够的训练样本数据时,如何设计有监督的深度图学习方法来挖掘和聚合时空图结构数据中重要的显着性信息,进而提升保留显着性目标精细边缘的能力。针对上述挑战,本文在图模型理论框架下研究时空特征建模和融合方法,从不同的问题角度展开对视频显着性目标检测算法的研究。具体地,本文的主要研究内容分为以下三个方面:首先,针对复杂运动背景干扰的抑制问题,本文从时空显着性特征抽取和融合的角度出发,提出了一种基于运动能量和时空似物性的图聚类视觉显着性目标检测方法:首先提出了一种新型运动能量特征建模方法,其通过挖掘运动幅值、运动方向、梯度流场和单帧图像空间梯度等信息来提升对显着性目标内部区域的表达能力;还提出了一种时空似物性图特征生成方法,其通过挖掘当前帧的似物性采样框与前一帧似物性采样框及其显着目标图之间的关系,生成一个比空间似物性图更加紧凑的目标待检测区域;最终利用图聚类的方法融合以上两种特征来降低复杂运动背景的干扰。通过详细的实验分析工作,验证了本文所提方法在抑制复杂运动背景干扰方面的有效性,能有效应对具有复杂运动背景的视觉场景。其次,针对显着性目标图的连续一致性提升问题,本文从超像素节点间时空约束信息挖掘和流形正则框架下多图模型时空特征融合的角度出发,提出了一种基于鲁棒种子抽取和多图模型时空传播的视觉显着性目标检测方法:先利用图聚类方法生成可靠的显着性种子,依据显着性种子建模区域一致性约束并重构时空图节点间的连接关系,引入图像簇分割的先验信息来优化图边权值;再构建出多图模型流形正则框架,以显着性种子为查询节点,在时空图结构数据中传播显着性信息以实现时空特征的融合互补,提升显着性目标图的连续一致性。通过详细的实验分析工作,验证了本文所提方法在增强显着性目标图连续一致性方面的有效性,能有效应对具有低前景背景对比度、目标形变、运动模糊等的复杂场景。最后,针对显着性目标精细边缘的保留问题,本文在深度图卷积神经网络框架下,从图节点的显着性信息挖掘和聚合的角度出发,提出了一种基于深度图卷积和注意力感知的视觉显着性目标检测方法:首先设计了一个多流深度图卷积学习架构,通过引入注意力模块来自适应地选择图节点并融合编码时空显着性信息;还提出了一种新颖的边门图卷积操作,其通过显式地挖掘图节点之间的关系以学习区分不同节点的重要程度,并从邻近节点聚合不同的显着性信息,增强图节点的嵌入特征表达能力,提升视频显着性目标检测的性能。通过详细的实验分析工作,验证了本文所提方法在学习聚合图结构数据中重要显着性信息方面的有效性,使模型兼具有精细的显着性目标边缘保留能力和强大的学习能力。在上述研究中,本文针对复杂场景下视频显着性目标检测任务存在的挑战,从不同的问题角度进行了深入地探究,为提升视频显着性目标检测性能提供了切实可行和有效的解决方案。结果表明:在面对具有复杂运动背景的视觉场景时,通过挖掘时空上下文信息构建的运动能量特征和时空似物性图特征,以及图聚类融合特征方法能够有效抑制复杂运动背景的干扰;在面对具有低前景背景对比度、目标形变、运动模糊等复杂场景时,通过挖掘超像素节点间时空约束信息和在流形正则框架下的多图模型时空特征融合够提升显着性目标图的连续一致性;在具有训练样本数据时,通过设计有监督深度图学习的方法能够有效地挖掘和聚合时空图结构数据中重要的显着性信息,使模型具有保留显着性目标精细边缘的能力。
程村[6]（2019）在《集装箱货物X光透视图像分类识别算法研究》文中研究说明集装箱X光透视成像是集装箱检查的必要手段。计算机智能审图是实现集装箱检查智能化的必由之路,是技术发展的必然趋势。分类识别算法是智能审图的重要基础工作之一,有很大的研究价值。由于集装箱装载货物比较多,透视扫描生成的图像比较大,基于按区域识别的想法,本文首先研究了图像分割算法。从基于图的分割方法出发,研究了新的图切能量模型,并提出了基于动态图融合的自动分割算法,在集装箱货物透视图像上进行了分割实验,取得了好的效果。探讨了用分割的方法解决一箱多货问题的思路。用传统分类方法进行研究,提出了基于组合模板支持向量机的分类算法,并结合WTA哈希、语义树方法提高算法的性能。针对集装箱货物图像类内方差大,特征分布不集中的特点,提取大量代表性典型图像块,并对它们训练组合模板支持向量机,识别阶段用WTA哈希的方法进行识别,避免了大量的卷积运算。用语义树的方法可以在分类层级与准确率之间取得一个平衡。用深度学习方法进行研究,使用当前图像分类效果很好的152层Res Net网络,提出了根据Logits相关性进行自适应调节权重的中间层监督方法,提出了用聚类Loss对交叉熵Loss进行加强的方法,并用语义树的方法在网络末端同时计算不同HS Code层级的分类Loss并输出所有层级的分类结果,实验表明这些创新点能够使分类准确率在152层Res Net基础上有所提高。考虑集装箱运输均有报关告单信息这个特点,用Triplet网络研究了报关单对比算法,提出了分布Loss与加强Triplet Loss的改进方法。实验验证了Triplet网络用于报关单对比的有效性,及分布Loss与加强Triplet Loss对Triplet方法改进的有效性。提出了在线训练的方法与负样本训练的方法。在线训练使模型能够适应不同的应用场景,负样本训练则能提升少量夹带货物的识别准确率。实际使用中达到了比较实用的效果。根据海关比较关注少量夹带货物的特点,提出一个异物检测的概念,并给出了基于报关单对比和语义预测的异物检测算法。对可能的改进方向进行了思考,指出基于高级语义与语用级对比的报关单对比与异物检测研究方向。
王欣亮[7]（2018）在《关键稀疏数值计算核心在国产众核架构上的性能优化研究》文中研究指明计算机数值模拟是推动工业和科学发展的重要助力。随着计算机的发展,众核架构越来越成为高端系统的首要选择,例如目前世界上最快的5台超级计算机都选用众核处理器。由于众核核数越来越多,向量化长度越来越长,对于线程级和指令级并行的性能优化研究就显得越来越重要和迫切。在数值模拟中,用迭代法求解大规模稀疏线性方程组是其中重要一环。在求解过程中,稀疏矩阵向量乘法和预条件子是耗时最长的计算核心。这些计算核心存在严重的数据局部性、写冲突、负载均衡、计算依赖、难以向量化等问题。与硬件结合后还会存在频繁缓存判断和细粒度访存等问题。因此这些计算核心也理所当然成为了当前众核性能优化的难点和研究热点。本文面向国产众核架构,以申威26010国产众核处理器为平台,选择对稀疏矩阵向量乘法,以及两个重要的预条件子计算核心–稀疏下三角方程求解器和三对角方程求解器,在线程级和指令级并行的层面上进行细粒度的并行算法设计和优化实现。本文工作的创新主要有:·针对申威架构设计了并行稀疏矩阵向量乘法算法:算法通过将矩阵分成若干规则小块并进行合理任务分配,可以解决稀疏矩阵向量乘法所包含的数据局部性差、写冲突、负载不均衡、频繁手动缓存判断和细粒度访存问题。通过测试佛罗里达稀疏矩阵数据集中的所有2710个算例,该算法可以获得与主核上的串行算法相比11.7倍的平均加速和55.0倍的最高加速。·针对申威架构设计了并行稀疏下三角方程求解器:首次提出了稀疏层次块布局和生产者消费者配对计算方式。前者解决数据局部性差、计算依赖、频繁缓存判断和细粒度访存的问题,后者解决利用规则寄存器通信完成不规则计算与同步的问题。通过测试佛罗里达稀疏矩阵数据集中所有2057个方阵,该算法可以获得与主核上串行算法相比7.8倍的平均加速和117.3倍的最高加速。与同时代的Intel KNC和Nvidia Kepler处理器上最新算法相比,可以在1624个算例上获得最优性能。·针对不同众核架构设计了三对角方程求解器:针对申威架构,设计了分布式循环消去法以充分利用向量化和有限缓存。针对MIC和GPU架构,设计了RegisterPCR（-half）-p Thomas算法以充分利用寄存器资源,并与循环消去类算法结合提出CR-Register-PCR（-half）-p Thomas算法以取得更好的计算与访存平衡。在5个不同架构上的测试显示,本文设计的算法均获得与串行最快算法相比满意的加速效果。
刘醒龙[8]（2018）在《黄冈秘卷》文中指出1凡事太巧,必有蹊跷,不是天赐,就是阴谋。一个刚刚上高中一年级的花季女孩,从未见过面,第一次交谈,便恶狠狠地表示,要变身为杀手,到我的老家黄冈寻仇。另一个年逾古稀的老人,是这个世界上最熟悉的,用从未有过的躁动,气急败坏地说,有人要打她,揪她的头发,要她的老命。如此天壤之别,又都带着某种戾气的话语,是通过电话传来的。第一个电话是朋友少川从北京打过来的,她没有说那些凶神恶煞的话,说那些话的女孩
薛云刚[9]（2017）在《面向应用的GPU并行技术研究》文中认为随着各研究领域的技术进步,其应用规模不断增加,对计算平台性能的要求也越来越高。本文研究内容主要在面向多媒体应用和科学计算及工程模拟应用及其核心算法。功耗瓶颈的出现使得以往通过提高处理器主频来提升性能的模式无法延续。在此背景下,多核/众核体系结构作为近期和未来提升处理性能主要发展方向,已成为学术界及产业界的广泛共识。以效能优异且峰值性能卓着的GPU为代表的协处理器不断推动着并行计算研究的发展。与此同时,以CPU-GPU为代表的大规模异构系统也是高性能计算集群重要发展方向之一。虽然,GPU硬件和体系结构不断推陈出新,随着时代需要不断发展,成果显着。但是,GPU编程技术发展相对缓慢,无法像传统CPU一样简单高效,应用程序并行化的效率问题相对突出。本文以特定的应用为对象,研究基于GPU加速器和大规模CPU-GPU异构系统的应用并行化,包括并行算法改进,算法并行化设计与优化,大规模CPU-GPU异构系统上的简单性能预测、静态负载划分和通信开销优化。本文的主要研究工作和创新点如下:1.本文以暗原色先验去雾算法为研究对象,针对原算法部分区域去雾效果差、内存开销大和计算复杂性高的不足,提出了一系列的算法改进。以改进后的算法为串行算法,进行了GPU并行化实现和优化研究。针对算法对大片类大气光区域去雾效果有限的不足,我们提出了类大气光辨识法,通过保留这些区域原色的方法,改善了类大气光区去雾效果;针对算法内存开销大的缺点,我们采用“指导滤波”方法,极大的减少了算法运行时的内存占用过大的问题;针对算法计算量过大的缺点,本文提出了多级分块法和综合评估值新方法,极大减少计算量。针对算法本身和GPU平台的编程特点,进一步优化了基本的并行程序。本文提出了新的积分图并行实现方法和大气光综合评估值法,提高了算法并行度;我们也通过对kernel的组织进行了优化,如kernel的横向合并、纵向合并或两者结合的方法,减少kernel的启动开销,从整体上提高相应模块的并行性能。通过充分利用共享存储器,减少全局存储器访问开销。2.本文基于层级式运动估计算法,提出了并行且扩展性良好的多层分辨率运动估计方法。通过将研究重点放在算法并行度提升上,用低分辨率层图像中搜索候选项作为搜索指导,成功释放相邻LCU之间的数据依赖关系。与此同时,我们采用多个搜索窗口的方式保证了多层分辨率方法的搜索效果。本文展示了多层分辨率方法的详细处理过程,并对其每一步骤计算复杂性和高度的并行性进行了定性定量的分析研究,分析结果表明多层分辨率方法适合众核处理器。最后我们在GPU平台上对多层分辨率方法进行了实现和优化,用以评估其并行性和可扩展性。3.本文面向心脏心电模拟应用,对科学计算领域广泛应用的有限元方法在可扩展异构系统上的性能进行了研究。主要研究了三维非结构四面体网格的有限元方法在多节点CPU+GPU平台上的并行实现与优化相关技术。本文基于可预测的实际性能,提出了一个简单实用的理论模型来预测异构CPU-GPU结点的可获得性能和性能瓶颈,从而为任务划分提供指导;并且采用一系列线程处理和优化方法来优化并行性能,使得CPU的性能得到充分发挥,同时又不影响GPU性能,最终获得了比单纯使用GPU更高的并行性能。本文针对强扩展时的MPI边界数据计算和通信的瓶颈问题,提出了一系列的优化策略。（1）让性能更好GPU参与到MPI边界数据处理中,从而加速MPI边界数据计算,尽早完成边界数据计算启动MPI通信任务;（2）在GPU处理MPI边界域数据时,采用多段化方法来实现计算与数据拷贝的重叠处理,从而尽可能隐藏MPI边界数据拷贝开销;（3）采用多通信线程来加速MPI边界域数据的打包、发送、接收以及向GPU内存的拷贝过程,节省开销;（4）通过管道方式将接收到的远程MPI边界域数据拷贝到GPU,即通过先到先拷贝,边接收边拷贝的方式,实现接收和拷贝的重叠,提高效率。
徐则臣[10]（2013）在《耶路撒冷》文中提出初平阳从傍晚五点零三分开始,十一个小时十四分钟,黑暗,直到急刹车,火车猛然停下。初平阳在睡眠的惯性里梦见自己穿过挡板,被扔到了隔壁的硬卧包厢里。惊醒的同时他听到有人尖叫,也有人因为情况紧急陡然放大了呼噜声,还有人放
二、不可只用一个窗口（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、不可只用一个窗口（论文提纲范文）
（1）长安（论文提纲范文）
| 一 |
| 二 |
| 三 |
| 四 |
| 五 |
| 六 |
| 七 |
| 八 |
| 九 |
| 十 |
| 十一 |
| 十二 |
| 十三 |
| 十四 |
| 十五 |
| 十六 |
| 第二章 |
| 十七 |
| 十八 |
| 十九 |
| 二十 |
| 二十一 |
| 二十二 |
| 二十三 |
| 二十四 |
| 二十五 |
| 二十六 |
| 二十七 |
| 二十八 |
| 二十九 |
| 三十 |
| 三十一 |
| 三十二 |
| 三十三 |
| 三十四 |
| 三十五 |
| 三十六 |
| 三十七 |
| 第三章 |
| 三十八 |
| 三十九 |
| 四十 |
| 四十一 |
| 四十二 |
| 四十三 |
| 四十四 |
| 四十五 |
| 四十六 |
| 四十七 |
| 四十八 |
| 四十九 |
| 五十 |
| 五十一 |
| 五十二 |
| 五十三 |
| 五十四 |
| 五十五 |
（2）高校思想政治教育评价视域下第二课堂的学生行为研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 问题的提出及研究意义 |
| 1.1.1 问题缘起 |
| 1.1.2 研究的意义 |
| 1.2 研究现状综述 |
| 1.2.1 研究成果概览 |
| 1.2.2 国内研究现状 |
| 1.2.3 国外研究现状 |
| 1.2.4 国内外研究现状评价 |
| 1.2.5 国内外研究发展态势 |
| 1.3 概念的厘清 |
| 1.3.1 高校第二课堂 |
| 1.3.2 高校第二课堂学生行为 |
| 1.3.3 思想政治教育评价 |
| 1.4 论文的研究思路与研究框架 |
| 1.4.1 研究思路 |
| 1.4.2 研究框架 |
| 1.5 论文的研究方法与创新点 |
| 1.5.1 研究方法 |
| 1.5.2 创新点 |
| 第二章 第二课堂学生行为研究的理论建构 |
| 2.1 第二课堂学生行为研究的理论基点 |
| 2.1.1 马克思主义认识论下的行为本质 |
| 2.1.2 马克思主义人学思想中的行为意义 |
| 2.1.3 思想政治教育学原理下行为与思想关系 |
| 2.1.4 新时代思想政治教育理论的行为理论 |
| 2.2 第二课堂学生行为研究的理论支点 |
| 2.2.1 心理学关于行为研究的理论支撑 |
| 2.2.2 教育学关于第二课堂的核心理论 |
| 2.3 第二课堂学生行为研究的理论切入点 |
| 2.3.1 思想政治教育的评价理论 |
| 2.3.2 新时代第二课堂建设的政策及其思想 |
| 2.3.3 网络与信息数字技术的相关理论 |
| 2.3.4 定性定量的教育研究相关理论 |
| 第三章 第二课堂学生行为的现实分析 |
| 3.1 第二课堂学生行为的产生与发展 |
| 3.1.1 行为产生发展机制 |
| 3.1.2 影响行为的因素 |
| 3.1.3 行为影响的因素 |
| 3.2 第二课堂学生行为的现实形态 |
| 3.2.1 第二课堂学生行为的发展 |
| 3.2.2 第二课堂学生行为现实形态的原因 |
| 3.3 第二课堂学生行为的评价 |
| 3.3.1 第二课堂学生行为评价的现状 |
| 3.3.2 第二课堂评价现状的原因 |
| 第四章 大学生第二课堂行为研究方法论 |
| 4.1 研究的理论框架 |
| 4.1.1 量化研究的优势与局限 |
| 4.1.2 行为的统计物理研究 |
| 4.1.3 因果关系的误区 |
| 4.2 第二课堂学生行为描述数据类型与属性概念 |
| 4.2.1 第二课堂学生行为过程描述数据 |
| 4.2.2 学生成长发展数据类型与属性概念 |
| 4.3 行为研究设计 |
| 4.3.1 第二课堂的课程设计 |
| 4.3.2 学生行为的数据记录采集 |
| 4.3.3 学生行为数据的求证与评价 |
| 4.4 团中央“第二课堂成绩单”制度的借鉴与对比 |
| 第五章 大学生第二课堂行为研究实践案例 |
| 5.1 案例数据概况 |
| 5.1.1 行为数据的基本情况 |
| 5.1.2 学业成绩基本情况 |
| 5.1.3 毕业去向 |
| 5.1.4 职业发展状态 |
| 5.1.5 学生综合素质测评数据 |
| 5.2 案例数据的数据挖掘分析 |
| 5.2.1 行为状况统计学分析 |
| 5.2.2 行为与学生发展的关系分析 |
| 5.2.3 基于机器学习技术的数据研究 |
| 第六章 第二课堂学生行为的思想政治教育评价应用 |
| 6.1 第二课堂学生行为的思想政治教育评价价值 |
| 6.1.1 第二课堂学生行为状况的观测价值 |
| 6.1.2 第二课堂学生行为状况的判断价值 |
| 6.1.3 第二课堂学生行为状况的预测价值 |
| 6.2 基于第二课堂行为的思想政治教育评价指导思想 |
| 6.2.1 树立“大思政”格局的理念 |
| 6.2.2 巩固增强获得感的内容创新理念 |
| 6.2.3 强化信息技术同步的形式创新理念 |
| 6.3 基于第二课堂行为的思想政治教育评价的原则 |
| 6.3.1 精准教育原则 |
| 6.3.2 数据研究原则 |
| 6.3.3 评价反馈原则 |
| 6.3.4 行为评价思想的反思 |
| 6.4 基于第二课堂学生行为的思想政治教育评价机制 |
| 6.4.1 第二课堂组织工作机制 |
| 6.4.2 第二课堂过程管理机制 |
| 6.4.3 第二课堂评价导向机制 |
| 6.4.4 第二课堂支持保障机制 |
| 结束语 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间取得的成果 |
（3）基于信道信息状态和元学习的动作识别研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及发展状况 |
| 1.1.1 课题研究背景 |
| 1.1.2 近年发展状况 |
| 1.2 目前存在问题及解决思路 |
| 1.2.1 目前存在问题 |
| 1.2.2 解决思路 |
| 1.3 课题研究内容和章节安排 |
| 第二章 相关理论介绍 |
| 2.1 信道状态信息介绍 |
| 2.1.1 信道状态信息简介 |
| 2.1.2 信道状态信息数据预处理 |
| 2.2 元学习介绍 |
| 2.2.1 元学习过程简介 |
| 2.2.2 元学习符号定义 |
| 第三章 基于元学习的CSI动作识别 |
| 3.1 系统总体流程概览 |
| 3.2 基于优化的元学习算法 |
| 3.2.1 元学习算法流程 |
| 3.2.2 元学习算法表示能力证明 |
| 3.3 网络模型设计 |
| 3.4 实验与评估 |
| 3.4.1 实验环境介绍 |
| 3.4.2 超参数设置 |
| 3.4.3 系统性能测试 |
| 3.5 与其他方法对比 |
| 3.5.1 与迁移学习对比 |
| 3.5.2 与其他小样本方法对比 |
| 第四章 提升CSI动作识别的性能与适应性 |
| 4.1 添加时间编码 |
| 4.1.1 时间编码介绍 |
| 4.1.2 时间编码频率选择 |
| 4.2 引入注意力层 |
| 4.2.1 注意力层介绍 |
| 4.2.2 卷积参数选择 |
| 4.3 损失函数改进 |
| 4.3.1 平均交叉熵损失函数 |
| 4.3.2 错误标签数据的影响 |
| 4.3.3 损失函数与训练速度 |
| 第五章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（4）面向金融的文本分析及摘要生成技术研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 金融文本分析方法的国内外研究历史与现状 |
| 1.3 自动摘要技术的国内外研究历史与现状 |
| 1.4 本文的主要贡献与创新 |
| 1.5 本论文的结构安排 |
| 第二章 相关技术及方法 |
| 2.1 中文文本预处理技术 |
| 2.2 语言特征模型 |
| 2.2.1 TF-IDF模型 |
| 2.2.2 n-gram模型 |
| 2.2.3 Word2Vec模型 |
| 2.2.4 BERT模型 |
| 2.3 文本分析技术 |
| 2.3.1 基于机器学习的文本分类方法 |
| 2.3.2 基于神经网络的文本分类方法 |
| 2.3.3 文本分类性能评价标准 |
| 2.4 抽取式自动摘要技术 |
| 2.4.1 TextRank |
| 2.4.2 SummaRuNNer模型 |
| 2.4.3 BertSum模型 |
| 2.4.4 文本自动摘要性能评价标准 |
| 2.5 本章小结 |
| 第三章 面向金融的文本分析方法研究 |
| 3.1 总体技术路线 |
| 3.2 构建中文证券评论文本数据集 |
| 3.2.1 中文证券评论文本数据采集 |
| 3.2.2 中文证券评论文本数据标注 |
| 3.2.3 中文证券评论文本数据集 |
| 3.3 基于BERT的多核卷积神经网络文本分类模型构建 |
| 3.3.1 模型的总体结构设计 |
| 3.3.2 模型的特征提取层 |
| 3.3.3 模型的卷积层和池化层 |
| 3.3.4 模型的分类层设计 |
| 3.4 实验与分析 |
| 3.4.1 实验环境 |
| 3.4.2 实验数据集和评价标准 |
| 3.4.3 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 面向金融的文本摘要生成技术研究 |
| 4.1 总体技术路线 |
| 4.2 抽取式摘要数据集预处理 |
| 4.2.1 数据过滤 |
| 4.2.2 启发式标注 |
| 4.3 基于BERT的抽取式摘要模型 |
| 4.3.1 模型总体结构设计 |
| 4.3.2 模型的文档编码层结构 |
| 4.3.3 模型的分类层结构 |
| 4.3.4 模型的摘要生成层结构 |
| 4.4 实验与分析 |
| 4.4.1 实验数据集和评价标准 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 金融文本分析系统设计与实现 |
| 5.1 需求分析 |
| 5.1.1 需求背景 |
| 5.1.2 功能性需求 |
| 5.1.3 非功能性需求 |
| 5.2 系统设计 |
| 5.2.1 系统架构设计 |
| 5.2.2 系统功能模块设计 |
| 5.2.3 系统数据库表结构设计 |
| 5.3 系统实现 |
| 5.3.1 数据采集模块实现 |
| 5.3.2 观点分析模块实现 |
| 5.3.3 文档管理模块实现 |
| 5.3.4 模型管理模块实现 |
| 5.4 系统测试 |
| 5.4.1 数据采集模块测试 |
| 5.4.2 观点分析模块测试 |
| 5.4.3 文档管理模块测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
（5）图模型融合时空特征的视觉显着性目标检测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 学术名词表 |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 视频显着性目标检测的问题描述 |
| 1.3 国内外研究现状 |
| 1.3.1 图像显着性目标检测 |
| 1.3.2 时空特征表示 |
| 1.3.3 图模型融合时空特征 |
| 1.3.4 基于深度卷积神经网络的视频显着性目标检测 |
| 1.4 常用标准数据集和评价指标 |
| 1.4.1 具有代表性的视频显着性目标检测数据集 |
| 1.4.2 常用的性能分析评价指标 |
| 1.5 复杂场景下视频显着性目标检测存在的主要问题 |
| 1.6 本文的主要研究内容及组织结构 |
| 1.6.1 本文要解决的关键问题及主要研究内容 |
| 1.6.2 本文的组织结构 |
| 第2章 基于运动能量和时空似物性的图聚类视觉显着性目标检测算法 |
| 2.1 引言 |
| 2.2 图数据的基本定义 |
| 2.2.1 图的基本类型 |
| 2.2.2 邻居和度 |
| 2.2.3 路径和测地线距离 |
| 2.2.4 图的矩阵表示 |
| 2.3 研究动机及算法框架设计 |
| 2.4 新型运动能量构建 |
| 2.5 时空似物性图生成 |
| 2.6 图聚类融合运动能量和时空似物性的显着性目标估计 |
| 2.7 实验结果与分析 |
| 2.7.1 实验设置 |
| 2.7.2 不同配置模型的性能验证 |
| 2.7.3 与现有前沿模型的性能比较 |
| 2.7.4 分割性能评价 |
| 2.7.5 模型计算代价分析 |
| 2.8 本章小结 |
| 第3章 基于鲁棒种子抽取和多图模型时空传播的视觉显着性目标检测算法 |
| 3.1 引言 |
| 3.2 图的流形传播基本理论 |
| 3.2.1 拉普拉斯矩阵 |
| 3.2.2 流形传播方法 |
| 3.3 研究动机及算法框架设计 |
| 3.4 可靠的显着性种子区域抽取 |
| 3.4.1 运动能量建模 |
| 3.4.2 帧间图模型构建 |
| 3.4.3 鲁棒的显着性目标种子图生成 |
| 3.5 流形正则框架下的多图模型时空显着性传播 |
| 3.5.1 帧间图模型重构 |
| 3.5.2 基于簇分割的图边权值优化 |
| 3.5.3 融合运动能量和外观特征的多图模型显着性传播 |
| 3.6 实验结果与分析 |
| 3.6.1 实验设置 |
| 3.6.2 不同配置模型的性能验证 |
| 3.6.3 与现有先进模型的性能比较 |
| 3.6.4 分割性能评价 |
| 3.6.5 模型计算代价分析 |
| 3.7 本章小结 |
| 第4章 基于深度图卷积和注意力感知的视觉显着性目标检测算法 |
| 4.1 引言 |
| 4.2 图卷积神经网络的基本理论 |
| 4.2.1 图的傅里叶变换 |
| 4.2.2 谱图卷积和图卷积神经网络 |
| 4.3 研究动机及算法框架设计 |
| 4.4 图结构数据的准备 |
| 4.4.1 时空图结构数据的构建 |
| 4.4.2 图节点嵌入特征的初始化 |
| 4.5 图结构数据中的信息挖掘与显着性目标估计 |
| 4.5.1 图边门限控制的时空图节点显着性信息聚合 |
| 4.5.2 注意力感知的图节点选择与时空信息融合 |
| 4.5.3 全连接的显着性预测子网络 |
| 4.5.4 邻居节点平滑约束的损失函数 |
| 4.6 实验结果与分析 |
| 4.6.1 实验设置 |
| 4.6.2 不同配置模型的性能验证 |
| 4.6.3 与现有先进模型的性能比较 |
| 4.6.4 分割性能评价 |
| 4.6.5 模型计算代价分析 |
| 4.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（6）集装箱货物X光透视图像分类识别算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第1章 引言 |
| 1.1 课题背景与意义 |
| 1.2 国内外现状 |
| 1.3 相关基础算法 |
| 1.3.1 支持向量机算法 |
| 1.3.2 人工神经网络中的反向传播学习算法 |
| 1.3.3 深度学习中的卷积神经网络 |
| 1.4 论文的研究内容及结构安排 |
| 第2章 基于动态图融合的图像分割算法 |
| 2.1 基于图的图像分割算法 |
| 2.2 基于动态图融合的分割算法 |
| 2.2.1 一种新的基于Mumford-Shah模型的图像分割模型 |
| 2.2.2 基于动态图融合的自动分割算法 |
| 2.2.3 基于动态图融合的交互式分割算法 |
| 2.2.4 基于动态图融合的活动轮廓分割算法 |
| 2.3 集装箱货物透视图像分割及应用展望 |
| 第3章 基于组合模板支持向量机的分类算法 |
| 3.1 概述 |
| 3.2 组合模板支持向量机 |
| 3.3 WTA-hash快速算法 |
| 3.4 用HS Code语义树找最优分类 |
| 3.5 实验与结论 |
| 第4章 基于中间层监督和语义树的深度学习分类算法 |
| 4.1 概述 |
| 4.2 深度学习介绍 |
| 4.2.1 学科关系介绍 |
| 4.2.2 人工神经网络的发展历程 |
| 4.2.3 深度学习在图像分类识别领域的进展 |
| 4.2.3.1 Alex Net模型 |
| 4.2.3.2 VGGNet模型 |
| 4.2.3.3 Inception模型 |
| 4.2.3.4 Res Net模型 |
| 4.2.3.5 Dense Net模型 |
| 4.2.3.6 深度监督网络 DSN(Deeply Supervised Nets) |
| 4.3 基于中间层监督和语义树的分类模型 |
| 4.3.1 模型架构 |
| 4.3.2 模型的Loss函数 |
| 4.3.2.1 分类Loss |
| 4.3.2.2 聚类Loss |
| 4.4 实验 |
| 4.5 讨论与总结 |
| 第5章 基于Triplet网络的报关单对比算法 |
| 5.1 概述 |
| 5.1.1 报关单对比的概念与意义 |
| 5.1.2 报关单对比的技术背景 |
| 5.1.3 报关单对比算法思路 |
| 5.2 主干网络 |
| 5.2.1 Triplet网络 |
| 5.2.2 基于Triplet网络的特征提取器 |
| 5.2.3 交叉熵Loss |
| 5.2.4 Focal Loss |
| 5.2.5 Distribution Loss |
| 5.2.6 Triplet Loss及其变种 |
| 5.2.7 加强的Triplet Loss |
| 5.2.8 原型实验 |
| 5.3 报关单对比算法 |
| 5.3.1 算法框架 |
| 5.3.2 特征模型库建立与在线更新 |
| 5.3.3 负样本训练 |
| 5.3.4 在线更新的实验 |
| 5.3.5 负样本训练实验 |
| 5.3.6 算法性能分析 |
| 5.4 应用分析 |
| 第6章 后记、总结与展望 |
| 6.1 对困难问题的再思考 |
| 6.1.1 用HS Code作为图像类别存在的一个问题 |
| 6.1.2 分类的困境 |
| 6.2 异物检测 |
| 6.2.1 用Triplet网络训练特征提取器 |
| 6.2.2 预测异物区域 |
| 6.2.3 实验 |
| 6.3 总结本文工作与创新点 |
| 6.4 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（7）关键稀疏数值计算核心在国产众核架构上的性能优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究问题 |
| 1.2 研究挑战 |
| 1.3 本文的主要贡献 |
| 1.4 文章组织结构 |
| 第2章 研究基础与研究现状 |
| 2.1 申威众核处理器架构 |
| 2.2 稀疏矩阵向量乘法相关工作 |
| 2.3 稀疏下三角方程求解器相关工作 |
| 2.4 三对角方程求解器相关工作 |
| 第3章 稀疏矩阵向量乘法 |
| 3.1 本章概述 |
| 3.2 swSpMV算法设计 |
| 3.2.1 固定划分方法 |
| 3.2.2 一维负载均衡划分 |
| 3.2.3 二维负载均衡划分 |
| 3.3 swSpMV算法性能测试 |
| 3.3.1 实验设计与环境 |
| 3.3.2 算法性能测试及分析 |
| 3.4 本章小结 |
| 第4章 稀疏下三角方程求解器 |
| 4.1 本章概述 |
| 4.2 背景与动机 |
| 4.2.1 现有算法的性能问题 |
| 4.2.2 稀疏下三角方程求解器与稀疏矩阵向量乘法的不同 |
| 4.2.3 在申威架构上设计实现稀疏下三角方程求解器所面临的挑战 |
| 4.3 稀疏层次块布局 |
| 4.3.1 数据布局设计 |
| 4.3.2 swSpTRSV的数据处理流程 |
| 4.3.3 基于稀疏层次块布局的稀疏下三角方程求解算法 |
| 4.3.4 对稀疏层次块布局中区域大小进行调优 |
| 4.4 在申威架构下的算法实现 |
| 4.4.1 生产者消费者配对计算方法 |
| 4.4.2 用生产者消费者配对计算方法求解稀疏下三角方程 |
| 4.5 swSpTRSV算法性能测试 |
| 4.5.1 实验设计与环境 |
| 4.5.2 构建稀疏层次块的代价 |
| 4.5.3 消费者数量与区域大小参数调优 |
| 4.5.4 在申威架构上的算法性能测试与分析 |
| 4.5.5 在不同架构上的算法性能测试与分析 |
| 4.6 本章小结 |
| 第5章 三对角方程求解器 |
| 5.1 本章概述 |
| 5.2 针对申威架构的并行三对角求解器设计 |
| 5.2.1 循环消去类算法分析 |
| 5.2.2 分布式循环消去法 |
| 5.2.3 自动选择算法 |
| 5.3 针对Intel MIC架构和Nvidia GPU架构的并行三对角求解器设计 |
| 5.3.1 Register-PCR-pThomas算法 |
| 5.3.2 Register-PCR-half-pThomas算法 |
| 5.3.3 CR-Register-PCR-pThomas算法 |
| 5.4 算法性能测试 |
| 5.4.1 实验设计与环境 |
| 5.4.2 申威架构上的算法性能测试与分析 |
| 5.4.3 Intel KNC/KNL架构上的算法性能测试与分析 |
| 5.4.4 Nvidia K20C/P100 架构上的算法性能测试与分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（9）面向应用的GPU并行技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.1.1 GPU及CPU-GPU异构高性能计算系统 |
| 1.2 研究现状 |
| 1.2.1 基于GPU的并行程序设计相关研究 |
| 1.2.2 去雾算法研究现状 |
| 1.2.3 运动估计算法研究现状 |
| 1.2.4 大规模异构系统上应用的研究现状 |
| 1.3 主要研究内容和创新点 |
| 1.4 论文结构 |
| 第二章 暗原色先验去雾算法的优化及其并行化 |
| 2.1 引言 |
| 2.2 相关工作 |
| 2.3 暗原色先验去雾算法 |
| 2.3.1 理论基础 |
| 2.3.2 暗原色先验规律 |
| 2.3.3 暗原色去雾算法流程 |
| 2.3.4 主要模块 |
| 2.4 暗原色去雾算法改进 |
| 2.4.1 效果改进 |
| 2.4.2 空间复杂性的改进 |
| 2.4.3 时间复杂性改进 |
| 2.5 改进后的去雾算法的并行实现与优化 |
| 2.5.1 并行度分析 |
| 2.5.2 基本并行实现 |
| 2.5.3 并行优化 |
| 2.6 基于CUDA暗原色去雾算法并行性能评测 |
| 2.6.1 评测环境 |
| 2.6.2 暗原色先验去雾算法并行性能评测 |
| 2.7 小结 |
| 第三章 基于GPU的 HEVC运动估计算法并行化研究 |
| 3.1 引言 |
| 3.2 背景和相关工作 |
| 3.2.1 高效能编码 |
| 3.2.2 HEVC中的运动估计方法 |
| 3.2.3 相关工作 |
| 3.3 多层分辨率运动估计 |
| 3.3.1 算法流程 |
| 3.3.2 计算复杂性 |
| 3.3.3 并行性 |
| 3.3.4 多搜索窗口 |
| 3.4 并行实现与优化 |
| 3.4.1 并行策略 |
| 3.4.2 并行优化 |
| 3.5 实验结果 |
| 3.5.1 编码质量 |
| 3.5.2 多窗口方法的有效性 |
| 3.5.3 GPU上的并行性能 |
| 3.5.4 计算通信占比 |
| 3.6 小结 |
| 第四章 基于可扩展CPU-GPU异构系统的心电模拟性能研究 |
| 4.1 引言 |
| 4.2 数学方法和数值模型 |
| 4.2.1 有限元计算模型 |
| 4.3 多层网格划分 |
| 4.4 异构计算性能分析 |
| 4.5 异构实现和优化 |
| 4.5.1 基本策略 |
| 4.5.2 优化策略 |
| 4.6 实验结果 |
| 4.6.1 实验设置 |
| 4.6.2 单设备计算性能测试 |
| 4.6.3 同构结点扩展实验 |
| 4.6.4 异构节点扩展实验 |
| 4.6.5 优化性能评测 |
| 4.7 小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 未来研究方向 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
四、不可只用一个窗口（论文参考文献）
- [1]长安[J]. 阿莹. 当代长篇小说选刊, 2021(03)
- [2]高校思想政治教育评价视域下第二课堂的学生行为研究[D]. 王纲. 电子科技大学, 2021(01)
- [3]基于信道信息状态和元学习的动作识别研究[D]. 王鑫源. 合肥工业大学, 2021(02)
- [4]面向金融的文本分析及摘要生成技术研究与实现[D]. 张勇. 电子科技大学, 2021(01)
- [5]图模型融合时空特征的视觉显着性目标检测算法研究[D]. 徐明珠. 哈尔滨工业大学, 2021(02)
- [6]集装箱货物X光透视图像分类识别算法研究[D]. 程村. 清华大学, 2019(02)
- [7]关键稀疏数值计算核心在国产众核架构上的性能优化研究[D]. 王欣亮. 清华大学, 2018(04)
- [8]黄冈秘卷[J]. 刘醒龙. 当代(长篇小说选刊), 2018(02)
- [9]面向应用的GPU并行技术研究[D]. 薛云刚. 国防科技大学, 2017
- [10]耶路撒冷[J]. 徐则臣. 当代, 2013(06)