导读:本文包含了序列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:序列,时间,符号,鉴定,系统,时序,条形码。
序列分类论文文献综述
单中南,翁小清,马超红[1]（2019）在《基于2DSVD的多变量时间序列半监督分类》一文中研究指出目前时间序列半监督分类研究主要集中在单变量时间序列,由于多变量时间序列(MTS)变量之间存在复杂关系, MTS的半监督分类研究比较少.针对这种情况,提出一种基于二维奇异值分解的MTS半监督分类方法,该方法首先计算行-行以及列-列协方差矩阵的特征向量,然后从MTS样本中提取特征矩阵;特征矩阵的行数以及列数不仅比原MTS样本低,而且还清晰地考虑了MTS样本的二维特性.在10个MTS数据集上的实验结果表明,该方法的分类性能显着地好于使用扩展Frobenius范数、中心序列、以及基于一维奇异值分解的半监督分类方法.(本文来源于《计算机系统应用》期刊2019年11期）
陈名君,林俨,黄勃[2]（2019）在《根虫瘟霉和相关种的分类地位研究及其ITS核苷酸序列分析》一文中研究指出根虫瘟霉是最常见的一种虫霉,寄主广泛,世界广布。目前有学者认为该种是个复寄主的根虫瘟霉及其近缘类群总计19个菌株,进行3个靶位点(ITèU合种。S、LSU D本研究对世界不同地区和不同rDNA、RPB2)的分子系统发育学分析。结果显示,根虫瘟霉ITS长度较为保守性,介于1 321–1 324bp之间,而所研究的虫霉亚门的其他类群的长度范围较大,为556–1654bp。本研究确认根虫瘟霉是单系种,同时西虫瘟霉、矛孢虫瘟霉和英吉利虫瘟霉具有明确种的分类地位。鬼笔状虫瘟霉种应该被视为西虫瘟霉的异名。(本文来源于《菌物学报》期刊2019年10期）
陈俐名,黄诗茹,修保新,周鋆[3]（2019）在《基于串行分类算法的不平衡时间序列多分类方法》一文中研究指出提出了基于串行分类算法的不平衡时间序列多分类方法,并以"上证50指数"15 min交易数据为例,进行了实验检验与结果分析.结果表明,在多数情况下,串行分类算法比单一算法有更高的准确率、召回率和F1值,可以更有效解决不平衡时间序列多分类问题.(本文来源于《南京师范大学学报(工程技术版)》期刊2019年03期）
武天鸿,翁小清,单中南[4]（2019）在《基于符号表示的时间序列分类综述》一文中研究指出一种有效的时间序列符号表示方法不仅可以实现数据高效降维,且对噪声具有鲁棒性,对于提高分类算法的性能和效率具有重要意义。本文从基于趋势特征、基于聚类或进化计算、基于文本以及基于频率域的角度,对近年来基于符号表示的时间序列分类方法的研究进行比较归类,为研究者了解最新的符号时间序列分类方法研究动态和发展趋势提供参考。(本文来源于《河北省科学院学报》期刊2019年03期）
邱鹏勋,汪小钦,茶明星,李娅丽[5]（2019）在《基于TWDTW的时间序列GF-1 WFV农作物分类》一文中研究指出【目的】焉耆盆地是新疆重要的特色农产品生产基地,农作物种植结构较为复杂。利用时间序列的遥感数据对研究区内的农作物进行分类识别,获得不同农作物的空间分布、种植面积等信息,为政府部门制定粮食政策、经济计划提供重要依据。同时探讨时间加权的动态时间弯曲(time weighted dynamic time warping,TWDTW)方法在农作物分类识别中的适用性以及高分一号(GF-1)WFV在农业领域的应用潜力。【方法】以新疆焉耆盆地为研究区域,利用2018年作物生长季的GF-1 WFV时间序列数据集计算归一化植被指数(NDVI),基于TWDTW方法开展农作物分类识别研究。分别采集不同作物的样本点,形成各作物NDVI的标准序列。利用TWDTW相似性匹配算法计算每个待分类像元与不同作物标准序列间的相似度距离,距离值越小则相似性越高,通过对比确定像元的农作物类型,得到最终的分类结果,同时根据时间序列NDVI曲线建立决策树(decision trees,DTs)分类规则,人工设置分类阈值得到分类结果,并与TWDTW方法的结果进行对比分析。【结果】2种方法的分类结果较为一致,辣椒的种植范围最广,小麦主要分布在焉耆盆地北部和西部的农二师二十一团,番茄和甜菜的种植分布较为零星。在种植面积统计中,辣椒的种植面积最大,其后依次为番茄、小麦和甜菜。利用野外样本点对决策树和TWDTW两种方法的分类结果进行精度验证,总体精度分别为89.58%和90.97%,kappa系数为0.804和0.830,TWDTW方法的分类精度相比于决策树法略有提高。【结论】相比于决策树分类方法,TWDTW方法的分类精度略有提高的同时,分类结果客观可靠,而且算法不受地域因素限制,具有较强的灵活性和适用性。基于密集时相的GF-1 WFV数据集,采用TWDTW算法对农作物进行分类,得到较好的分类结果,能够满足农业部门的管理决策需求,该方法在农业领域具有较大的应用和推广价值。(本文来源于《中国农业科学》期刊2019年17期）
魏冬梅,段魏魏,陈真,王咏星[6]（2019）在《新疆五家渠地区鱼类水霉病病原菌18S rDNA序列系统分类分析》一文中研究指出在对新疆五家渠地区15株鱼类水霉病病原菌18S rDNA克隆测序的基础上,探讨相比传统分类方法,运用18S rDNA序列进行分子鉴定对水霉菌分类的可行性。结果显示,用MEGA 5.0软件构建邻接(NJ)树和最大似然(ML)树进行分类,15株病原菌中LF04、LF01、JX03、JX01为寄生水霉,HL04、JY07、HZ、JY10、LY04、JY15、HL01为镰刀菌,JX02为腐霉,JY06未鉴定出结果,与形态学分类结果差异巨大。(本文来源于《江苏农业科学》期刊2019年15期）
公慧玲,李致勋[7]（2019）在《基于序列公共稀疏误差对称差异度分割的健壮脑肿瘤良恶性分类方法》一文中研究指出脑肿瘤已经成为全球范围内致死率最高的疾病之一。术前利用计算机辅助诊断技术对CT或MR图像进行辅助诊断也是当前各国研究的热点。利用序列图像克服单帧图像肿瘤区域信号局限,并通过脑左右半球间的公共稀疏误差对称差异度计算可以更加精准地获得脑肿瘤的显着性区域。进而在此基础上所提取的健壮形状及纹理特征能够对脑肿瘤良恶性进行更加准确的识别。最终实验也表明该方法具有良好的性能。(本文来源于《现代计算机》期刊2019年24期）
苏凡,杨小波,李东海[8]（2019）在《基于形态学特征和psbA-trnH叶绿体编码基因序列明确五指山野生茶的分类地位》一文中研究指出海南的野生茶树在植物形态分类学上,在植物分类上一般都认为属于普洱茶(Camellia sinensis var. assamica),也有人认为是白毛茶(Camellia sinensis var. pubilimba)。五指山市以水满乡为代表,是海南野生茶分布的集中地区,为了进一步明确五指山市的野生茶分类地位,本研究通过在五指山市境内8个居群的野生茶植株的观察和测量。结果表明,五指山市野生茶树与茶(原变种)、普洱茶和白毛茶(茶的变种)等相比较,在形态方面,五指山市野生茶树更为接近普洱茶,但也有明显的区别,五指山市野生茶的叶子要比普洱茶、白毛茶的叶子大,侧脉稍多;从花形态分析,普洱茶的花瓣多为6～7枚,白毛茶为5～6枚,五指山市野生茶都是5枚。psbA-trnH叶绿体编码基因序列测序结果进一步表明,8个居群的五指山市的野茶30个样品为独立的一组,与普洱茶、白毛茶并列。我们认为五指山市野生茶也可确定为茶(原变种)的另一个变种,因此,命名为海南五指山水满茶(Camellia sinensis (Linnaeus) Kuntze var. shuiman F.Su and X.B.Yang),简称水满茶。(本文来源于《热带作物学报》期刊2019年08期）
严福林,徐文芬,孙庆文,魏升华,何顺志[9]（2019）在《基于ITS 2序列的15种淫羊藿属药用植物分类鉴定研究》一文中研究指出为探讨内转录间隔区2(ITS 2)序列及其二级结构在15种淫羊藿属(Epimedium)中的鉴定效率。利用试剂盒提取叶片总DNA,对ITS 2序列进行PCR扩展与测序,计算K 2 P遗传距离,构建系统发育树,预测其二级结构。结果表明,ITS 2序列在15种淫羊藿属植物中的通用性好,扩增成功率与测序成功率均为100%。从K2P种间和种内遗传距离看,ITS 2在淫羊藿属中的种间变异较小,部分种类种内遗传距离大于种间遗传距离,鉴定成功率约为60%。采用比对法(Blast)分析,ITS 2鉴定效率为75%。由ITS 2系统进化树可知,淫羊藿属与鬼臼属各为一支,易于分开。除薄叶淫羊藿、竹山淫羊藿、巫山淫羊藿外,其余种类均能较好的进行聚类;除粗毛淫羊藿、保靖淫羊藿外其余均不能与NCBI下载到的序列进行较好聚类。研究表明,15种淫羊藿属植物ITS 2序列在ML系统进化树中具较好的鉴别能力,但淫羊藿属各样本种内与种间遗传较为混乱,遗传距离复杂,ITS 2二级结构形态结构亦较为相似,将各种间进行区分存在一定难度,不适合单独作为该属条形码使用。(本文来源于《种子》期刊2019年06期）
杜保佳,张晶,王宗明,毛德华,张淼[10]（2019）在《应用Sentinel-2A NDVI时间序列和面向对象决策树方法的农作物分类》一文中研究指出农作物种植结构是农业生产活动对土地利用的表现形式。及时精确地获取农作物的空间分布信息对指导农业生产、合理分配资源以及解决粮食安全问题等具有重要意义。目前农作物信息提取研究大多局限于中低分辨率遥感影像的NDVI时间序列,影响了作物空间分布信息提取的准确性。随着Sentinel-2A卫星成功发射,为高分辨率NDVI时间序列的构建提供了可能。本文以黑龙江省北安市为研究区,基于覆盖完整生育期的Sentinel-2A多光谱数据,构建10 m分辨率的NDVI时间序列数据集,利用Savitzky Golay (S-G)滤波器对Sentinel-2A NDVI时间序列数据进行平滑。基于典型时相的多光谱数据和NDVI时间序列构建面向对象决策树分类模型进行作物类型遥感识别。通过对样本的NDVI时间序列曲线分析,可以得出NDVI时间序列能够清晰地区分作物物候差异。此外,本文还利用面向对象分类和支持向量机(Support Vector Machine, SVM)分类两种方法,对典型时相的多光谱数据进行了作物分类对比实验,并对结果进行了对比分析。研究结果表明:①典型时相多光谱数据引入平滑重构后的NDVI时间序列能够更好地描述作物的物候特性,能够准确刻画研究区作物发育情况,有效区分各类作物;②通过对比分类实验发现,典型时相多光谱数据引入NDVI时间序列特征,增强了不同作物之间的光谱差异,提高了作物分类精度,总体精度和kappa系数较典型时相多光谱数据进行分类的结果分别提高了7.7%和0.055;③基于面向对象的决策树分类模型在作物分类的结果中精度最高,总体精度为96.2%,kappa系数为0.892。本研究的方法为其他大区域农作物的分类提供了重要参考和借鉴价值。(本文来源于《地球信息科学学报》期刊2019年05期）
序列分类论文开题报告
（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：
根虫瘟霉是最常见的一种虫霉,寄主广泛,世界广布。目前有学者认为该种是个复寄主的根虫瘟霉及其近缘类群总计19个菌株,进行3个靶位点(ITèU合种。S、LSU D本研究对世界不同地区和不同rDNA、RPB2)的分子系统发育学分析。结果显示,根虫瘟霉ITS长度较为保守性,介于1 321–1 324bp之间,而所研究的虫霉亚门的其他类群的长度范围较大,为556–1654bp。本研究确认根虫瘟霉是单系种,同时西虫瘟霉、矛孢虫瘟霉和英吉利虫瘟霉具有明确种的分类地位。鬼笔状虫瘟霉种应该被视为西虫瘟霉的异名。
（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。
序列分类论文参考文献
[1].单中南,翁小清,马超红.基于2DSVD的多变量时间序列半监督分类[J].计算机系统应用.2019
[2].陈名君,林俨,黄勃.根虫瘟霉和相关种的分类地位研究及其ITS核苷酸序列分析[J].菌物学报.2019
[3].陈俐名,黄诗茹,修保新,周鋆.基于串行分类算法的不平衡时间序列多分类方法[J].南京师范大学学报(工程技术版).2019
[4].武天鸿,翁小清,单中南.基于符号表示的时间序列分类综述[J].河北省科学院学报.2019
[5].邱鹏勋,汪小钦,茶明星,李娅丽.基于TWDTW的时间序列GF-1WFV农作物分类[J].中国农业科学.2019
[6].魏冬梅,段魏魏,陈真,王咏星.新疆五家渠地区鱼类水霉病病原菌18SrDNA序列系统分类分析[J].江苏农业科学.2019
[7].公慧玲,李致勋.基于序列公共稀疏误差对称差异度分割的健壮脑肿瘤良恶性分类方法[J].现代计算机.2019
[8].苏凡,杨小波,李东海.基于形态学特征和psbA-trnH叶绿体编码基因序列明确五指山野生茶的分类地位[J].热带作物学报.2019
[9].严福林,徐文芬,孙庆文,魏升华,何顺志.基于ITS2序列的15种淫羊藿属药用植物分类鉴定研究[J].种子.2019
[10].杜保佳,张晶,王宗明,毛德华,张淼.应用Sentinel-2ANDVI时间序列和面向对象决策树方法的农作物分类[J].地球信息科学学报.2019
论文知识图
