导读:本文包含了分类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:神经网络,组分,卷积,文本,特征,有机质,谱系。
分类方法论文文献综述
张玲,陈路路,梁进科,仉树军[1]（2020）在《一种基于支持向量机的雷达多目标分类方法》一文中研究指出针对小样本条件下雷达目标分类精度低的问题,提出了一种基于支持向量机(Support Vector Machine,SVM)的雷达目标分类方法。通过雷达目标特征的提取、选择和分类器的设计,实现了目标的多分类,且提高了目标分类精度。实验结果表明,基于二维特征的分类器可实现多目标的高精度分类,且平均分类精度均优于85%。(本文来源于《无线电工程》期刊2020年01期）
李植,陈莉君[2]（2019）在《一种适于Docker容器资源控制的分类预测方法》一文中研究指出Docker容器虚拟化技术被云平台广泛使用,为了确保容器的服务质量,需要对容器资源进行有效的控制。通过研究cgroups技术对容器资源的控制方式,提出了分类预测算法。该算法结合了谱聚类算法和支持向量机算法,对容器资源使用情况进行分析和预测,从而使得cgroups对容器资源的控制更加有效。实验结果表明,该分类预测算法的可用性良好。(本文来源于《计算机与数字工程》期刊2019年12期）
皮寿熹,李富合,缪磊,马辰[3]（2019）在《基于分类算法的网络设备识别方法》一文中研究指出网络设备识别对于网络安全和管理具有重要意义,针对现有网络设备识别技术不成熟、准确率低的问题,通过网络空间搜索引擎获取网络设备数据作为样本数据,使用特征提取技术将样本数据转化为特征数据。在特征数据的基础上,使用3种分类算法分别构建分类模型。通过对3个分类模型进行评估分析,获得了一个精确度较高的设备类型分类模型。(本文来源于《舰船电子工程》期刊2019年12期）
林川,武乐飞,戴家佳[4]（2019）在《基于类别关键词权重的煤矿安全隐患分类方法》一文中研究指出大数据时代,各行各业均产生海量信息,面临大量的信息,如何准确而高效地获取数据中的潜在规律和蕴含价值成为企业信息化的重点。为提升煤矿企业对安全监测数据的理解和监控能力,改善隐患排查治理工作水平,本文提出基于类别关键词权重的短文本分类模型,有效缓解了文本分类中特征稀疏的问题。该方法首先基于朴素贝叶斯算法,对不符合规范的非法数据进行筛选,然后构建基于关键词权重的短文本分类模型,利用中文分词技术、卡方检验方法构建关键词库,最后建立得分模型实现对隐患数据的分类。结果表明,该模型能较为准确地对矿业安全隐患数据进行有效的评级分类,进一步地改善隐患排查和治理的针对性和有效性。(本文来源于《贵州大学学报(自然科学版)》期刊2019年06期）
徐红,刘衍[5]（2019）在《手机取证的中文短文本分类方法》一文中研究指出手机取证是打击利用手机犯罪的重要手段,手机取证面对的主要技术问题之一是中文短文本分类。文章研究手机取证的中文短文本分类,简析文本分类的流程,探讨改进普通文本分类技术以适应中文短文本分类的需求,以及将BP神经网络应用于文本分类器的设计方法。(本文来源于《科技创新与应用》期刊2019年35期）
周萌,肖扬,刘晓冰[6]（2019）在《土壤活性有机质组分的分类方法及其研究进展》一文中研究指出土壤活性有机质对农田管理措施和气候变化的响应敏感且快速,是表征土壤质量变化的重要指标,成为土壤生态学及环境土壤学交叉领域的研究热点。本文系统归纳了土壤活性有机质的物理组分(轻组有机质、颗粒有机质、大团聚体有机质、酸碱提取有机质和溶解有机质),化学组分(酸水解有机质和易氧化有机质),生物学组分(微生物生物量碳和氮、潜在可矿化碳和氮)和联合分组组分(游离态团聚体有机质、物理保护有机质和游离活性有机质)的分类方法,分析了不同组分的来源、典型数量(占土壤总有机质的比例)、性质和意义,评述了相关组分的研究进程、作用和影响因素,探讨了土壤活性有机质分组方法的整合应用及其研究进展,提出了补充和验证土壤活性有机质数量测定的不确定性和难比较性的可能技术途径,以期为科学解析土壤活性有机质在土壤质量变化研究中的作用提供理论依据和技术参考。(本文来源于《土壤与作物》期刊2019年04期）
肖萌萌,徐志京[7]（2019）在《有向无环图拓扑的DBN多口音分类方法》一文中研究指出为了提高带有口音的说话人的语音识别的准确率,提出一种有向无环图-深度置信网络多口音分类的方法.通过提取说话人的梅尔频率倒谱系数及其一阶、二阶差分特征,获取语音参数的静态特性和动态特性.使用主成分分析对特征参数进行降维,减少了计算复杂度.使用基于有向无环图拓扑结构的深度置信网络,不仅缩短了多口音分类的测试时间,同时能够得到较高的分类精度.使用TIMIT语音库进行实验测试,分类准确率达到87. 46%,和其他多口音分类方法相比该方法明显提高了分类速度以及分类准确率.(本文来源于《小型微型计算机系统》期刊2019年12期）
张翠,周茂杰[8]（2019）在《一种基于CNN与双向LSTM融合的文本情感分类方法》一文中研究指出现在文本情感分类普遍采用深度学习的方法。卷积神经网络可以较好地提取局部特征,但是缺少对上下文的理解。长短记忆网络可以有效记忆较长距离的信息,有较强的全局性。为实现全局特征与局部特征的有效融合,研究了一种融合两种特征的深度学习方法,构建深度学习网络模型。利用互联网中获取的文本作为训练语料及测试语料,在百度开源平台PaddlePaddle上进行实验。实验结果显示,该算法与传统CNN和LSTM模型算法相比,识别的准确率分别提高了2.65和1.87个百分点,说明该模型算法在文本情感分类的性能上有所提高。(本文来源于《计算机时代》期刊2019年12期）
娄润东,陈俊彪,侯宏花,刘艳莉,田珠[9]（2019）在《基于深度卷积神经网络的细胞分类新方法》一文中研究指出针对现有的细胞分类方法在准确率方面无法满足人们要求的现象,本文提出一种基于深度卷积神经网络的细胞分类新方法:嵌套残差网络(Multiple Residual Neural Network,M-ResNet).该方法以深度学习理论为基础,在原始ResNet50基础上添加了更高级别的快捷连接(嵌套快捷连接),以挖掘残差网络的优化能力.实验采取宫颈癌细胞作为数据集进行了细胞分类方法测试,其中3 528幅作为训练集,350幅作为测试集.通过与ResNet50网络模型进行对比实验,得出测试结果表明:该方法可以有效提高细胞分类的正确率和工作效率,验证了该方法的有效性.这些研究对卷积神经网络的应用和细胞分类方法的发展有着重要的意义,有很好的现实价值.(本文来源于《测试技术学报》期刊2019年06期）
杨朝辉,白俊武,陈志辉,钱新强[10]（2019）在《利用Sentinel-2A影像的面向对象特征湿地决策树分类方法》一文中研究指出苏州市湿地众多、类型多样化、周围环境复杂,使用传统的遥感分类方法很难得到精度较高的湿地分类结果。研究了面向对象特征的湿地决策树分类方法,以苏州市澄湖地区为研究区域,使用欧空局的Sentinel-2A影像,先将研究区域分为湿地水体、植被和非植被3大类型,再分别构建鱼塘、河流、湖泊、农田和裸地等面向对象特征,据此实现湿地遥感分类。研究结果表明,该方法能够有效利用遥感影像提供的光谱特征、几何特征和纹理特征等多种丰富信息,产生较高的分类精度,总体分类精度可达80.67%,Kappa系数为77.80%。与传统的基于中低分辨率遥感影像的分类方法相比,该方法可以有效提取湿地不同地物对象的几何结构和纹理等特征,在提高湿地分类精度的同时实现对大面积湿地的快速动态监测。(本文来源于《测绘科学技术学报》期刊2019年03期）
分类方法论文开题报告
（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：
Docker容器虚拟化技术被云平台广泛使用,为了确保容器的服务质量,需要对容器资源进行有效的控制。通过研究cgroups技术对容器资源的控制方式,提出了分类预测算法。该算法结合了谱聚类算法和支持向量机算法,对容器资源使用情况进行分析和预测,从而使得cgroups对容器资源的控制更加有效。实验结果表明,该分类预测算法的可用性良好。
（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。
分类方法论文参考文献
[1].张玲,陈路路,梁进科,仉树军.一种基于支持向量机的雷达多目标分类方法[J].无线电工程.2020
[2].李植,陈莉君.一种适于Docker容器资源控制的分类预测方法[J].计算机与数字工程.2019
[3].皮寿熹,李富合,缪磊,马辰.基于分类算法的网络设备识别方法[J].舰船电子工程.2019
[4].林川,武乐飞,戴家佳.基于类别关键词权重的煤矿安全隐患分类方法[J].贵州大学学报(自然科学版).2019
[5].徐红,刘衍.手机取证的中文短文本分类方法[J].科技创新与应用.2019
[6].周萌,肖扬,刘晓冰.土壤活性有机质组分的分类方法及其研究进展[J].土壤与作物.2019
[7].肖萌萌,徐志京.有向无环图拓扑的DBN多口音分类方法[J].小型微型计算机系统.2019
[8].张翠,周茂杰.一种基于CNN与双向LSTM融合的文本情感分类方法[J].计算机时代.2019
[9].娄润东,陈俊彪,侯宏花,刘艳莉,田珠.基于深度卷积神经网络的细胞分类新方法[J].测试技术学报.2019
[10].杨朝辉,白俊武,陈志辉,钱新强.利用Sentinel-2A影像的面向对象特征湿地决策树分类方法[J].测绘科学技术学报.2019
论文知识图
