导读:本文包含了排序方法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:算法,图像,模糊,特征,方法,母线,算子。
排序方法论文文献综述
李超华,田晶晶,姜乐怡[1]（2019）在《基于排序合成的两层体系刑侦图像检索方法》一文中研究指出论文提出一种用于刑侦图像检索的两层体系方法。该方法包含两个步骤,首先使用线性核支持向量机分类器和图像的方位梯度直方图特征判别查询图像的语义类别;其次根据类别在仅包含该语义类图像的数据集上使用按例检索方法进行检索。按例检索时使用了排序合成模型以提高检索效率。在一个包含4501幅,10个语义类的刑侦图像库上进行了初步试验。实验结果表明提出方法的检索精度优于传统的按例检索方法。(本文来源于《计算机与数字工程》期刊2019年12期）
刘晓伟[2]（2019）在《几种Tableau排序方法的应用介绍》一文中研究指出排序操作是数据分析中常见的操作之一,使用EXCEL以及常见的BI商业智能(Business Intelligence)软件都能实现。作为一款数据可视化分析软件,Tableau以其方便灵活、可视化展示功能强大的特点在众多BI软件中独树一帜,利用Tableau进行数据排序处理效率非常高,一般情况下,简单地拖放字段到相应的行、列区域就能获得直观的排序图形,再结合筛选器就能获得需要的排序结果。但由于对排序的需求不同以及隐性维度的存在,基本的排序操作方法可能无法达到操作目的,还需要结合相关函数创建字段,利用合并字段等方法进行处理。本论述以Tableau Desktop版本自带的超市示例数据源为操作对象,从不同的需求角度出发对订单数据按照销售额进行排序,通过实例操作的方式详细讲解了使用Tableau进行排序的几种常见方法。(本文来源于《甘肃科技纵横》期刊2019年11期）
王晓燕,张涛[3]（2019）在《提高学生兴趣的教学方法——以排序算法为例》一文中研究指出利用传统的教学方法在讲解计算机算法时,学生很难深入理解算法的实现过程,本文在引入、教学环节等方面进行了精心的设计,学生自编自导游戏、算法动画演示、微课的使用充分调动了学生自主学习能力,培养了学生主动学习能力和理论联系实际的教学思想,通过和对分易平台结合,学生不仅在课上学习知识,课下也能自由预习复习。通过调查问卷和访谈,论证了以学生为主导的教学方法在课程教学中的有效性。(本文来源于《科技风》期刊2019年32期）
鲁凤丽[4]（2019）在《基于JIT配送的物流排序方法研究》一文中研究指出A物流公司是某汽车制造公司指明第叁方物流服务供应商。其中,产中业务需根据生产线节拍进行均衡作业,同时,物流人员劳动负荷过低,生产效率较低,生产成本提高。因此,在生产中排序拣选业务进行优化创新研究,有助于通过合理布局,均衡生产,信息系统优化创新可实现增效减错。这些方面的创新可以为某汽车制造公司其他物流区域甚至制造业物流领域进行推广并应用。(本文来源于《物流工程与管理》期刊2019年11期）
熊图,赵宏伟,陈明辉,蔡智洋,陈艳伟[5]（2019）在《基于特征排序与深度学习的母线负荷预测方法》一文中研究指出负荷预测是指导电力系统规划和安全经济运行的重要依据。传统的负荷预测一般指区域负荷总量的预测,不能够体现底层母线负荷水平,无法满足电网精益化管理的要求,母线负荷预测是解决这一问题的关键途径。文章提出了基于特征排序与深度学习的母线负荷预测模型。首先,针对各区域母线负荷差异性较大的现状,使用随机森林算法对预测目标影响较大因素进行排序,选择特征贡献度较高的特征属性;其次,在模型训练阶段选择了深度置信网络,学习并跟踪母线负荷变化趋势;最后,采用北京电网某条110 kV母线负荷进行实例验证。结果表明,文章所建立的预测模型具有良好的预测精度和稳定度。(本文来源于《可再生能源》期刊2019年10期）
温彬彬,王丽佳,李月朋,胡雪花,陈旭凤[6]（2019）在《一种基于流行排序的显着性目标检测的改进方法》一文中研究指出该文对现流行的基于图的流行排序显着性目标检测算法[1]分析算法中存在的先验背景过于理想化的缺陷,提出了一种基于全局对比度的前景特征[2]特征与背景特征进行有机结合使得查询节点更为精准,从而使显着性检测更为准确有效。(本文来源于《科技视界》期刊2019年29期）
王灿,别朝红,潘超琼,王旭,严超[7]（2019）在《考虑期望损失的综合能源系统故障智能筛选和排序方法》一文中研究指出综合能源系统实现了电、热、天然气等多种能源系统的耦合互联,相比于单一能源系统,其故障状态数目大幅增加,如何快速准确地从系统海量的故障状态中筛选出最严重的故障,从而提高风险评估效率,成为综合能源系统风险评估中的关键难题。针对这一问题,基于遗传算法提出了一种综合能源系统故障智能筛选和排序方法。首先,计及多种能源网络的约束条件,建立了综合能源系统故障期望损失双层优化模型,同时刻画了故障发生概率和故障损失对系统的影响。进而,基于遗传算法提出了故障期望损失双层模型的求解方法,并对传统遗传算法进行改进,使得方法能够同时筛选出期望损失最严重的多个故障状态。最后以修改的IEEE 33节点电力系统、巴厘岛供热系统和比利时天然气系统组成的综合能源系统为例,仿真结果表明所提方法的故障筛选效率明显优于常规枚举法和蒙特卡洛方法,证明了所提方法的有效性。(本文来源于《电力系统自动化》期刊2019年21期）
路可欣,秦建军[8]（2019）在《基于Lagrange与灰色关联分析的工程特性耦合排序方法》一文中研究指出针对在产品质量屋中工程特性重要度排序存在的主观性与专家偏好差异的问题,提出了基于Lagrange与灰色关联分析的工程特性耦合排序方法.利用灰色理论模型解决需求小样本下的不确定性,采用最大值标准化法处理原始数据,基于灰色关联系数消解评价的主观性,根据本企业与竞争企业的互补判断矩阵,建立优化模型使数据标准化,并通过构建拉格朗日函数对其求解,以消解专家偏好差异,最后综合考虑评价主观性与专家偏好差异两方面问题,确定最终工程特性重要度的排序.以液压四足机器人为例,验证方法的实用性与可行性.(本文来源于《北京建筑大学学报》期刊2019年03期）
张敏情,孔咏骏,彭菓玉,李天雪[9]（2019）在《基于像素值排序的鲁棒可逆信息隐藏方法》一文中研究指出针对嵌入秘密信息后载体图像鲁棒性较低的问题,提出了一种基于像素值排序的鲁棒可逆信息隐藏方法.首先将图像划分为多个非重迭块,对块内像素值进行排序并计算相应复杂度,将其与阈值进行比较从而选取平滑的像素块进行信息嵌入.然后对平滑像素块进行二次划分,通过对划分后的排序差分统计量整体平移实现信息可逆嵌入.仿真结果表明,测试图像在4×4像素块划分下,嵌入容量达到4 096 bit时,峰值信噪比达到了41.54 dB,较传统基于像素对模型的鲁棒可逆方法减少了图像失真.测试图片经质量因子为100的压缩攻击后,平均峰值信噪比可达39.69 dB,平均误码率降至0.42%,对于JPEG压缩或者非恶意攻击造成的噪声微扰具有鲁棒性.8×8像素块划分下,测试图像在达到现有鲁棒方法嵌入容量基础上,存活率更低,抗压缩鲁棒性更好.(本文来源于《东南大学学报(自然科学版)》期刊2019年05期）
常娟,杜迎雪,刘卫锋[10]（2019）在《正态模糊数互补判断矩阵及其排序方法》一文中研究指出提出正态模糊数互补判断矩阵,给出了基于NFC-OWA算子的正态模糊数互补判断矩阵的排序方法,并且利用决策者风险态度参数对排序结果进行了敏感性分析。针对决策信息以正态模糊数互补判断矩阵形式给出的有限方案决策问题,提出了具体的决策方法,并通过算例表明该方法是可行且有效的。(本文来源于《河南工程学院学报(自然科学版)》期刊2019年03期）
排序方法论文开题报告
（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：
排序操作是数据分析中常见的操作之一,使用EXCEL以及常见的BI商业智能(Business Intelligence)软件都能实现。作为一款数据可视化分析软件,Tableau以其方便灵活、可视化展示功能强大的特点在众多BI软件中独树一帜,利用Tableau进行数据排序处理效率非常高,一般情况下,简单地拖放字段到相应的行、列区域就能获得直观的排序图形,再结合筛选器就能获得需要的排序结果。但由于对排序的需求不同以及隐性维度的存在,基本的排序操作方法可能无法达到操作目的,还需要结合相关函数创建字段,利用合并字段等方法进行处理。本论述以Tableau Desktop版本自带的超市示例数据源为操作对象,从不同的需求角度出发对订单数据按照销售额进行排序,通过实例操作的方式详细讲解了使用Tableau进行排序的几种常见方法。
（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。
排序方法论文参考文献
[1].李超华,田晶晶,姜乐怡.基于排序合成的两层体系刑侦图像检索方法[J].计算机与数字工程.2019
[2].刘晓伟.几种Tableau排序方法的应用介绍[J].甘肃科技纵横.2019
[3].王晓燕,张涛.提高学生兴趣的教学方法——以排序算法为例[J].科技风.2019
[4].鲁凤丽.基于JIT配送的物流排序方法研究[J].物流工程与管理.2019
[5].熊图,赵宏伟,陈明辉,蔡智洋,陈艳伟.基于特征排序与深度学习的母线负荷预测方法[J].可再生能源.2019
[6].温彬彬,王丽佳,李月朋,胡雪花,陈旭凤.一种基于流行排序的显着性目标检测的改进方法[J].科技视界.2019
[7].王灿,别朝红,潘超琼,王旭,严超.考虑期望损失的综合能源系统故障智能筛选和排序方法[J].电力系统自动化.2019
[8].路可欣,秦建军.基于Lagrange与灰色关联分析的工程特性耦合排序方法[J].北京建筑大学学报.2019
[9].张敏情,孔咏骏,彭菓玉,李天雪.基于像素值排序的鲁棒可逆信息隐藏方法[J].东南大学学报(自然科学版).2019
[10].常娟,杜迎雪,刘卫锋.正态模糊数互补判断矩阵及其排序方法[J].河南工程学院学报(自然科学版).2019
论文知识图
