导读:本文包含了技术学习特征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:特征,高职,卷积,深度,图像,蜜罐,神经网络。
技术学习特征论文文献综述
吴卉卉[1]（2019）在《高职学生SPOC网络学习行为特征研究——以昆明工业职业技术学院穿T恤听古典音乐SPOC课程为例》一文中研究指出随着教育信息化不断发展和深化,为了缓解教学资源紧张,很多大学加入了SPOC课程建设。因此,有必要分析高职院校学生SPOC学习行为特征并制定有利于学生SPOC课程的学习策略。通过分析发现,高职学生的SPOC课程完成度较低,不同专业、不同类型和不同学院学生的学习行为差异大,需通过制定选课指南、丰富课程内容、增强师生交流和加强课程辅助建设等途径提高学生自主学习能力。(本文来源于《现代职业教育》期刊2019年30期）
刘华玲,恽文婧,林蓓,丁宇杰[2]（2019）在《网络广告点击率预估的特征学习及技术研究进展》一文中研究指出大数据时代有效预估网络广告点击率,对企业精准营销和提高投资回报率具有至关重要的作用。对网络广告点击率预估的特征学习及技术研究进行了综述,从原始数据特点及解决方法、点击率预估的特征学习、点击率预估模型构建、评价指标选取等方面,分析了网络广告点击率预估的国内外研究现状。点击率预估可应用于互联网广告投放、推荐系统等多个领域,具有较高的研究价值。(本文来源于《浙江大学学报(理学版)》期刊2019年05期）
王东[3]（2019）在《信息技术背景下基于自主学习特征及课堂教学策略探微》一文中研究指出自主性学习有利于培养学生的创新精神。它是学生学习力的支撑,是一种教与学的理念。在课堂教学实践中,让学生主动地学,独立地学,在合作中学,独特地学,有效地学,将极大地提高学习的效率。(本文来源于《通讯世界》期刊2019年08期）
邵健[4]（2019）在《基于数据挖掘技术的高职英语学习需求类别及特征研究》一文中研究指出运用聚类、关联和CART模型等数据挖掘方法对高职英语学习需求数据进行分析,结果发现:高职学生的英语学习需求可以分为四个维度;基于这四个维度,高职学生可以分为叁类,他们在英语学习需求四个维度上表现不一;英语水平、性别和学习需求类别之间存在一定的关联。(本文来源于《机械职业教育》期刊2019年08期）
曹培培[5]（2019）在《网络环境下高职学习者特征调查研究——以无锡商业职业技术学院为例》一文中研究指出现代网络环境下的高职学习者特征与传统学习者特征有了很大不同。本文以无锡商业职业技术学院学生为调查对象,通过设计问卷,从网络学习动机、网络学习注意力、网络学习自我效能感、网络学习焦虑、网络学习认可度5个方面进行调查,分析网络学习者的特征,以便进一步提高网络学习效果。(本文来源于《科技视界》期刊2019年22期）
赵欣洋,蔡超鹏,王思,刘志远[6]（2019）在《基于深度学习的不规则特征识别检测技术》一文中研究指出针对目前工业上金属轴零件在加工的过程中可能由于加工失误、本身材质等原因产生不同缺陷,而传统的检测方法检测精度和泛化能力有限的现状,课题组提出了基于深度学习的不规则特征识别技术,来提升对金属轴表面缺陷的检测效率。课题组设计了金属轴表面缺陷图像预处理方法,提升采集的缺陷图像的质量;对传统深度学习Faster R-CNN进行改进,设计了模型的特征提取网络、RPN网络、分类网络以及模型参数,提升模型的检测性能。实验结果表明本技术能有效提升工业流水线对金属轴缺陷的检测效率和精度,可同时检测多种不同种类的缺陷。课题组的研究成果具备良好的泛化能力。(本文来源于《轻工机械》期刊2019年03期）
刘若愚[7]（2019）在《图像检索中的特征学习和索引技术研究》一文中研究指出图像检索的研究目标是从数据库中准确并快速地找到目标图像。伴随着互联网的发展和移动设备的普及,数据总量呈现出爆炸性的增长趋势。如何在海量数据搜索中提高搜索精度和搜索速度已经成为图像检索领域的重要研究课题。本文以图像检索为研究核心,针对特征学习和索引技术展开了深入的研究工作,论文包括以下创新性研究成果:·提出一种增强近邻可逆性的图像子空间学习方法,并应用于图像搜索图像任务。近邻可逆是指两幅图像互相处于彼此的近邻范围内,而具有近邻可逆性的两幅图像通常具有强相关性。通过在子空间学习中增强相关图像的近邻可逆性,图像特征的分布特性可以得到改善。实验结果表明该方法能够有效地提高图像搜索图像任务的搜索精度。·提出一种为卷积神经网络(Convolutional Neural Network,简称CNN)特征设计的倒排索引方法,用于提高利用CNN特征执行大规模图像搜索时的搜索速度。该方法联合多种策略改造倒排表使其能够适用于CNN特征,并利用哈希码替换嵌入码来进一步提高搜索精度和搜索速度。实验结果验证了该索引方法对大规模图像检索的有效性。·提出一种模态不变的图像-文本公共特征学习方法用于解决文本搜索图像问题。该方法利用梯度反转层连接特征网络和模态分类网络,并在训练阶段优化叁元组损失的同时最小化对抗损失,从而缩小图像特征和文本特征在公共特征空间中的分布差距。实验结果验证了该方法对文本搜索图像和图像搜索文本任务的有效性。·提出一种语义一致的多视角跨媒体哈希(Multi-view Cross-Media Hashing with Semantic Consistency,简称MCMHSC)用于同时解决公共特征的学习和索引。MCMHSC的核心思想是将类别视为一个独立的视角,并在哈希函数的学习过程中引入数据与类别间的相关性信息,从而提高哈希码的类别一致性。实验结果证明了 MCMHSC与现有方法相比在搜索精度和时间复杂度上具有明显的优势。(本文来源于《北京交通大学》期刊2019-06-01）
陆月然,梁碧珍[8]（2019）在《基于智能学习的海量红外激光图像特征挖掘技术》一文中研究指出传统基于FPGA的快速图像特征提取方法,未对图像实施轮廓构建,导致特征挖掘结果不理想,提出基于智能学习的海量红外激光图像特征挖掘方法。构建红外激光图像的活动轮廓模型,对图像实施小波降噪处理,对降噪后的海量红外激光图像进行活动轮廓线套索融合检索,基于检索结果采用SIFT算法实现海量红外激光图像特征挖掘。实验结果表明,所设计方法进行海量红外激光图像降噪的误差小于1%,特征挖掘平均用时约为8. 63 s,特征挖掘准确率高达98%以上,所设计方法能够用于海量红外激光图像特征的准确、高效挖掘。(本文来源于《激光杂志》期刊2019年03期）
常梦云[9]（2018）在《融合网络攻击特征学习的入侵检测技术研究》一文中研究指出随着科学技术的不断进步,互联网技术的应用基本覆盖到生活的方方面面,网络安全问题日益突出,机器学习在网络安全中的应用正在逐步增加,入侵检测技术仍在网络防御领域中发挥着重要作用,目前服务于网络安全领域的企业都有自己的网络安全数据,而供研究领域使用的入侵检测的基准数据集相对比较老旧,己不能很好的满足对入侵检测技术地研究,不管是工业界还是学术界,入侵检测技术仍存在着低检测率、高误报率的问题。如何有效的检测网络攻击是目前网络安全领域的热门研究课题。针对上述问题,本论文提出了一种融合网络攻击特征学习的入侵检测方法,通过蜜罐系统收集网络攻击数据,由此构造新的网络攻击数据集,并在此基础上形成基于深度学习的入侵检测分类模型,达到更好的入侵检测效果。本文首先研究了蜜罐主动型的防御技术,利用蜜罐搭建数据捕获系统,使用tcpdump采集网络流量数据包,sebek采集攻击者的攻击行为数据,从数据中提取服务类型、持续时间等反映攻击的有效特征。然后将收集到的数据进行数据规范化和标准化,对于离散型数据利用一位有效编码的方式进行处理,连续型数据进行归一化处理,最后使用新的攻击数据集训练新构建的基于深度学习的分类模型一NID NET(Network Instrusion Detection Net),将其应用到入侵检测系统中,提高网络入侵检测系统的检测率。本文从实验数据集中共提取24个有效的网络攻击特征。使用NID NET模型对数据进行非线性映射提取数据特征,充分挖掘属性之间存在的联系。对模型中的超参数设置对比实验,使用最优超参数进行分类实验。分别使用本实验数据集和KDDCUP99数据集训练模型,然后在基于NID NET模型的入侵检测系统中进行验证,应用结果表明该实验的数据集训练模型在检测率和误报率上明显优于在KDD CUP99训练模型,从而验证出本实验数据集的有效性。除此之外,还将本实验提出的分类方法NID NET与其他算法进行对比实验分析,实验证明该分类模型精确度高于其他两种算法。从而验证本论文在入侵检测研究是有效的。(本文来源于《浙江工商大学》期刊2018-12-01）
程锦盛,杜选民,曾赛[10]（2018）在《采用深度学习方法的水下目标听觉特征提取与识别技术研究》一文中研究指出0引言专家系统作为一种常用的被动声纳目标识别器,通过对目标信号提取线谱、调制谱等特征,根据专家经验确定推理规则,实现对水下目标的分类和识别[1]。而由于水声环境的复杂性,传统中基于专家系统、浅层机器学习算法的水下目标识别技术,在识别模型鲁棒性、泛化性等方面尚有较大提(本文来源于《2018年全国声学大会论文集 C水声工程和水声信号处理》期刊2018-11-10）
技术学习特征论文开题报告
（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：
大数据时代有效预估网络广告点击率,对企业精准营销和提高投资回报率具有至关重要的作用。对网络广告点击率预估的特征学习及技术研究进行了综述,从原始数据特点及解决方法、点击率预估的特征学习、点击率预估模型构建、评价指标选取等方面,分析了网络广告点击率预估的国内外研究现状。点击率预估可应用于互联网广告投放、推荐系统等多个领域,具有较高的研究价值。
（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。
技术学习特征论文参考文献
[1].吴卉卉.高职学生SPOC网络学习行为特征研究——以昆明工业职业技术学院穿T恤听古典音乐SPOC课程为例[J].现代职业教育.2019
[2].刘华玲,恽文婧,林蓓,丁宇杰.网络广告点击率预估的特征学习及技术研究进展[J].浙江大学学报(理学版).2019
[3].王东.信息技术背景下基于自主学习特征及课堂教学策略探微[J].通讯世界.2019
[4].邵健.基于数据挖掘技术的高职英语学习需求类别及特征研究[J].机械职业教育.2019
[5].曹培培.网络环境下高职学习者特征调查研究——以无锡商业职业技术学院为例[J].科技视界.2019
[6].赵欣洋,蔡超鹏,王思,刘志远.基于深度学习的不规则特征识别检测技术[J].轻工机械.2019
[7].刘若愚.图像检索中的特征学习和索引技术研究[D].北京交通大学.2019
[8].陆月然,梁碧珍.基于智能学习的海量红外激光图像特征挖掘技术[J].激光杂志.2019
[9].常梦云.融合网络攻击特征学习的入侵检测技术研究[D].浙江工商大学.2018
[10].程锦盛,杜选民,曾赛.采用深度学习方法的水下目标听觉特征提取与识别技术研究[C].2018年全国声学大会论文集C水声工程和水声信号处理.2018
论文知识图
