导读:本文包含了多维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:多维,特征,卷积,深度,时间,数据,自治区。
多维分类论文文献综述
冯学晓,刘翠芳[1]（2019）在《基于预先分类的分布式水下网络空间多维数据并行调度方法》一文中研究指出水下网络数据调度方法存在网络空间多维数据调度策略异常、交互资源槽分布调度存在资源均衡分布异常的状况,导致数据交互调度能力下降,数据间交互延迟增大,多维数据类别化调度准确率受到影响。针对问题提出基于预先分类的分布式水下网络空间多维数据并行调度方法,首先,对调度数据类别进行资源槽的类别优化处理,通过引入资源槽与分类调度算法,理顺资源槽交互类别数据集;接着对网络空间多维数据进行调度逻辑的计算,根据网络数据传输特点,引入多维数据分布式云并行调度算法,对网络空间中的并行数据流进行优化,实现多维数据的并行调度;最后,通过设计1 000～2 000组的实验数据,对提出方法的可行性进行证明,证明方法具有可行性高、数据并行调度效率高、稳定好的特点。(本文来源于《舰船科学技术》期刊2019年20期）
左停,贺莉[2]（2019）在《基于FGT指数的县级贫困程度多维表达与分类扶贫策略研究——以陕西省为例》一文中研究指出脱贫攻坚是决胜全面建成小康社会的叁大战役之一,在不到2年的时间里,以超常规的举措破解深度贫困是打赢脱贫攻坚决战的关键点。根据贫困地区和贫困人口致贫原因和脱贫需求,制定合理的减贫措施,实现扶贫资源的有效利用,才能提升反贫困政策的整体合力。本文以陕西省为研究区域,以贫困人口个体为计算单元,以全省叁大区域109个县(市区)为输出单元,基于民政部、国家统计局和陕西省统计局发布的各项数据,采用FGT指数对陕西农村贫困状况进行测量,通过二维分布法呈现出全省县级层面的贫困轮廓图。从分类治理理念出发,针对四种贫困类型的县(市区)实施的减贫策略提出几点建议,以期对全省贫困县"脱贫摘帽",区域性减贫工作的开展能有所启示。(本文来源于《经济问题探索》期刊2019年07期）
范谨麒[3]（2019）在《多样本多维数据的智能分类预测模型及其应用》一文中研究指出多样本多维数据是指由大量的具有多维属性的样本组成的数据集。此类数据普遍存在于材料、医疗、航空航天、电力电子等领域,通过挖掘和分析这些数据,构建预测模型,可推演出上述领域中某个指定目标变量的可能性结果。然而,尽管近年来大数据分析与预测理论获得了较大发展,但因上述多样本多维数据具有模糊性、不确定性、耦合性和多维属性特性,直接采用现有的机器学习算法和统计分析方法,较难获得高预测精度。本课题的研究目的是提出多样本多维数据分析与智能预测理论与方法,并应用它解决牙周炎疗效的分类预测问题,也为其他领域的多样本多维数据挖掘与预测提供可借鉴的方法。本文的主要创新性工作包括:(1)在分析一维云的基础上,为了适应数据多维度的特性,分别提出了二维云模型和多维云模型构建方法,给出了二维和多维前件云产生云滴的算法过程和二维与多维单规则发生器的算法步骤,解决了多样本多维数据的模糊性和不确定性引发的预测精度低的问题。(2)在详细分析Xgboost、PCA和BP神经网络的优缺点的基础上,提出了Xgboost-PCA-BPNN组合预测算法,降低了多样本多维数据的耦合性和多维性对预测性能的影响,提升了预测准确度。(3)在分析北京某口腔医院牙周炎治疗过程4.5万例位点数据的基础上,分别将所提出的多维云模型和Xgboost-PCA-BPNN组合预测算法应用于牙周炎治疗效果预测,获得了较好的预测效果。测试结果表明,Xgboost-PCA-BPNN组合预测算法精度达82%,优于多维云模型和其他机器学习方法,如逻辑回归、Xgboost和Xgboost-逻辑回归组合算法。(本文来源于《冶金自动化研究设计院》期刊2019-06-01）
何永,文成林[4]（2019）在《基于多传感器与多维空间的故障分类方法》一文中研究指出现有的旋转机械故障诊断分类方法,其相关性基于一维振动信号,表现效果不佳。提出了一种基于时域振动信号在多维空间中的故障分类方法:基于旋转信号采样具有周期性的特性,将每一个传感器在一个旋转周期内采集到的数据表示为一个多维向量的形式,将不同周期内采集的数据组成一个矩阵,求得协方差矩阵的特征值;对不同传感器求得的特征值进行组合,得到原始数据扩维后的特征值向量。将其看作多维空间的一个点,同类故障的数据在多维空间中表示的点在距离上比较近,利用该性质实现不同类型故障数据的区分。该方法的验证试验表明,识别准确率可达98.67%。(本文来源于《自动化与仪表》期刊2019年05期）
叶至伟[5]（2019）在《基于多维特征的题型自动分类技术及在智能题库中的应用》一文中研究指出近年来,随着数据的增长和计算能力的提高,人工智能理论与技术取得了突破性进展,在各领域得到了广泛关注。在教育领域,人工智能技术可以广泛用于优化教学活动流程、挖掘教育数据、定制个性化教学方案等方面,对教育的发展有着积极的意义。智能题库是教育智能化的一个重要组成部分,而题型分类是诸如自动组卷、个性化推荐、单元训练等智能题库任务的基础。其目标是,根据给定的问题文本和题型,学习问题文本到类别(题型)的映射关系,从而能够对输入的未知类别的问题自动判断其题型,这可以视为一个垂直领域的文本分类任务。各学科语言风格差异较大,本文选择对初等数学题型自动分类进行研究。本文首先介绍了通用领域文本分类相关理论和方法,再针对数学语言不同于通用自然语言的特殊性,研究了题型分类中的关键问题,包括数学文本预处理、特征提取与表示、融合多特征的分类模型的建立等,具体如下:1.初等数学文本的特征提取。数学文本具有普通自然语言文本的共性,而深度神经网络对于文本有着强大的表征能力,因此本文采用神经网络自动提取文本级别特征,减少特征工程,学习深层表示;另一方面,为了提取数学领域特有的数理逻辑特征,如数学变换、定理的应用等,本文利用基于自动推理的知识点标注技术,对问题的数理特征进行提取。2.研究基于词向量的特征表示。将文本特征序列和知识点特征序列转为神经网络能够处理的词向量,并在此基础上使用合适的深度神经网络结构学习问题的表示,提出一个融合多特征的深度神经网络分类模型。3.基于上述思想设计并实现了数学题型自动分类系统,解决了针对数学领域语料的预处理方法、通用自然语言处理方法在数学文本领域的改进、模型的实现、模块之间的通信等问题,实现了从文本输入到题型输出的自动化。最后,在构建的一个由64950道初中数学题组成的样本上,对模型进行训练。设计了若干对比实验,验证本文提出相关方法的有效性,实验结果表明,本文设计的多特征初等数学题自动分类系统,能够有效融合数学文本的文本特征和数理逻辑特征,提升分类准确率,较好地满足智能题库中的需求,同时具有良好的扩展性,具有一定实用价值。(本文来源于《电子科技大学》期刊2019-03-27）
程晓宜,陈启卷,王卫玉,郑阳,郭定宇[6]（2019）在《基于多维特征和多分类器的水电机组故障诊断》一文中研究指出提出了一种基于多维特征和多分类器的水电机组故障诊断方法。通过提取水电机组不同状态下振动信号的时域特征、频域特征和集合经验模态分解-样本熵,构建多维特征,实现特征信息的多维互补,并利用遗传算法对构建的多维特征进行降维处理。以此多维特征作为分类器的输入,分别通过支持向量机、反向传播神经网络和朴素贝叶斯分类器进行故障诊断,将叁种分类器的初步诊断结果进行融合得到最终诊断结论,从而提高水电机组故障诊断的准确率。为验证该方法的有效性,将转子不平衡、转子不对中、转子碰磨等故障在转子试验台上进行模拟,并用上述方法进行诊断,结果表明,较单维特征和单分类器,多维特征输入和多分类器融合的故障诊断准确率更高。(本文来源于《水力发电学报》期刊2019年04期）
郝晓燕,刘玲玉[7]（2018）在《多维分类视角下的内蒙古科技政策评价研究》一文中研究指出文章以科技活动的作用环境、应用主体、调控环节作为分类标准,从场域、横向、纵向叁个维度构建科技政策的叁维立体分析评价体系,对内蒙古科技厅提供的1994年至2015年160项科技政策进行全面分析并提出政策建议。一、研究现状科技政策作为一种调控手段在促进科技创新、拉动经济发展、提升综合国力方面发挥着重大作用。内蒙古自治区相应出台了众多科技(本文来源于《内蒙古统计》期刊2018年05期）
石亮缘,周任军,张武军,余虎,李彬[8]（2019）在《采用深度学习和多维模糊C均值聚类的负荷分类方法》一文中研究指出为了对日趋海量的负荷数据进行有效地分类处理,提出一种采用深度学习和多维模糊C均值聚类的负荷分类方法。采用深度学习中的卷积自编码器CAEs堆迭形成深度卷积自编码网络,通过训练实现对输入的典型日负荷曲线集进行特征分层提取和降维处理。计及低维特征序列的数值维度和趋势维度,将数值序列的欧氏距离与趋势序列的改进动态时间弯曲距离相结合为多维相似性距离,作为新的相似性指标,提出一种多维模糊C均值聚类算法,用以对特征序列进行聚类分析。算例分析结果表明,所提出的方法在数据特征提取降维、负荷分类有效性、稳定性及聚类效率等方面具有较大优势,可为需求侧管理项目选择、电价制定、负荷管理优化等提供有效参考。(本文来源于《电力系统及其自动化学报》期刊2019年07期）
吴欣媛[9]（2018）在《教学时间的内涵、多维分类及优化策略》一文中研究指出"教学时间"是指教育者自身教育理念与教学情境中受教育者的认知与情感相作用,对时间进行重构的产物。教学时间是一个多维度、多层次的结构功能系统,从教学广度、教学密度、学生专注度、教学节奏以及教学次序五个维度对教学时间进行分类,提出基于人本取向、艺术取向、效率取向、控制取向和生成取向五种价值取向的教学时间管理优化策略,以期发挥其时间运作效力,优化课堂教学,力促学生的全面发展。(本文来源于《教学与管理》期刊2018年18期）
闫欣鸣[10]（2018）在《基于Shapelets的多维时间序列分类方法研究》一文中研究指出在大多数科学领域,数据的测量是随着时间的推移而进行的,这些观察结果使得人们收集到一系列有序的数据,称为时间序列,时间序列分类是时间序列数据挖掘中一项重要的研究内容。而随着传感器等硬件成本的降低,人们往往收集同一事物的不同参数进行分析,这就产生了多维时间序列。近几年,时间序列shapelets引起了广泛关注,它通过识别时序数据局部特征达到时间序列准确分类的目的。而大多数对于shapelets的研究都是针对于一维时间序列,利用shapelets对多维时间序列分类的研究却少之又少。而在使用shapelets的一维时序数据分类方法研究中,对于带有趋势变化的时间序列,采用典型的时间序列表示方法进行shapelets发现,容易造成序列中趋势信息的丢失。首先,针对时间序列趋势信息丢失的问题,本文提出了一种基于趋势特征表示的shapelets分类方法(Trend-based Diversified Top-k Shapelets,简称TDTS),算法通过对时间序列进行趋势特征符号化,能够在保留时序数据趋势性的同时保证序列的分类效果以及shapelets发现的效率。实验显示,与传统分类算法相比,所提方法在11个数据集上的分类准确率均有提升;与Fast Shapelet算法相比,提升了运行效率,缩短了算法的运行时间,并在趋势信息明显的数据上效果显着。其次,针对shapelets这一概念在多维时间序列分类中的研究较少这一问题,本文提出了一种基于TDTS的多维时间序列分类方法。算法使用集成学习中bagging的思想,通过增强个体学习器的多样性,提高了集成学习的泛化性能。文章分别从与传统分类算法对比、与各单一维度的分类结果对比、与多样化topk shapelet分类方法对比和与Shapelet Ensemble算法对比这4个角度对本文算法进行了实验。实验结果表明,本文所提算法能够在保留数据趋势性的同时有效提高多维时间序列的分类效果。最后,在本文理论研究的基础上,采用模块化的开发方式设计并实现一维与多维时间序列分类的原型系统,使得系统在具有良好拓展性的同时,具有清晰展示时间序列分类结果以及程序运行时间等相关信息的功能,亦能方便验证本文所提方法的有效性。(本文来源于《中国矿业大学》期刊2018-06-01）
多维分类论文开题报告
（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：
脱贫攻坚是决胜全面建成小康社会的叁大战役之一,在不到2年的时间里,以超常规的举措破解深度贫困是打赢脱贫攻坚决战的关键点。根据贫困地区和贫困人口致贫原因和脱贫需求,制定合理的减贫措施,实现扶贫资源的有效利用,才能提升反贫困政策的整体合力。本文以陕西省为研究区域,以贫困人口个体为计算单元,以全省叁大区域109个县(市区)为输出单元,基于民政部、国家统计局和陕西省统计局发布的各项数据,采用FGT指数对陕西农村贫困状况进行测量,通过二维分布法呈现出全省县级层面的贫困轮廓图。从分类治理理念出发,针对四种贫困类型的县(市区)实施的减贫策略提出几点建议,以期对全省贫困县"脱贫摘帽",区域性减贫工作的开展能有所启示。
（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。
多维分类论文参考文献
[1].冯学晓,刘翠芳.基于预先分类的分布式水下网络空间多维数据并行调度方法[J].舰船科学技术.2019
[2].左停,贺莉.基于FGT指数的县级贫困程度多维表达与分类扶贫策略研究——以陕西省为例[J].经济问题探索.2019
[3].范谨麒.多样本多维数据的智能分类预测模型及其应用[D].冶金自动化研究设计院.2019
[4].何永,文成林.基于多传感器与多维空间的故障分类方法[J].自动化与仪表.2019
[5].叶至伟.基于多维特征的题型自动分类技术及在智能题库中的应用[D].电子科技大学.2019
[6].程晓宜,陈启卷,王卫玉,郑阳,郭定宇.基于多维特征和多分类器的水电机组故障诊断[J].水力发电学报.2019
[7].郝晓燕,刘玲玉.多维分类视角下的内蒙古科技政策评价研究[J].内蒙古统计.2018
[8].石亮缘,周任军,张武军,余虎,李彬.采用深度学习和多维模糊C均值聚类的负荷分类方法[J].电力系统及其自动化学报.2019
[9].吴欣媛.教学时间的内涵、多维分类及优化策略[J].教学与管理.2018
[10].闫欣鸣.基于Shapelets的多维时间序列分类方法研究[D].中国矿业大学.2018
论文知识图
