导读:本文包含了算法评价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,评价,信息,状态,指标,机器,互联网。
算法评价论文文献综述
杨丽萍,马孟,谢巍,潘雪萍[1]（2019）在《干旱区Landsat8全色与多光谱数据融合算法评价》一文中研究指出针对目前Landsat8影像像素级融合算法中单因素评价指标对比性不强、置信度较低、难以实现融合效果综合评估的问题,基于居延泽地区的Landsat8影像,采用11种单因素指标和面向对象分类方法,从空间信息量、光谱特征及地物分类精度3个方面综合评价了主成分变换法(principle component transform,PC)、比值变换法(brovey transform,BT)、HSV(hue-saturation-value)变换法、相位恢复变换法(Gram-Schmidt pan sharpening,G-S)、高通滤波算法(high pass filtering,HPF)和小波变换法(wavelet transform,WT)等6种融合算法的融合效果。结果表明,各融合算法的空间分辨率及纹理特征相较于原始影像均得到增强。HSV法表达空间细节的能力最佳,但其光谱保真度较差; WT法可最大程度地保持光谱特征,且空间细节表达能力仅次于HSV法,最适用于Landsat 8的影像融合;综合考虑空间信息量与光谱特征,PC法和G-S法效果适中,略低于HPF法,BT法最劣。从分类结果来看,WT法和HPF法的分类精度相较于原始影像的分类精度有一定的提高。(本文来源于《国土资源遥感》期刊2019年04期）
周超,方秀琴,吴小君,王雨晨[2]（2019）在《基于叁种机器学习算法的山洪灾害风险评价》一文中研究指出依据洪灾风险概念模型,从触发因子、孕灾环境和承灾体3方面选取江西省的12个洪灾风险指标,采用k近邻、随机森林、AdaBoost 3种机器学习算法构建洪灾风险评价模型。利用精度、Kappa系数、ROC曲线(AUC值)3种定量评估指标评价洪灾风险模型,基于随机森林和Boruta特征提取算法共同分析指标重要性,最后对比3种模型绘制的江西省山洪灾害风险分区图并分析山洪灾害分布特征。结果表明:①AdaBoost模型的精度、Kappa系数和AUC值的平均值为别为0.902、0.870和0.826,精度和Kappa系数略优于随机森林,AUC值与随机森林相当,而k近邻模型的3种性能指标均低于前2种算法;②农田生产潜力、年最大6 h暴雨均值、年最大1 h暴雨均值、归一化差值植被指数、年降雨量均值这5个指标对最终的洪灾风险形成具有非常重要作用;③江西省较高风险区与最高风险区的面积和约占江西省总面积的34.4%,且主要分布于高降雨量、高暴雨量、农田生产潜力大的山区。(本文来源于《地球信息科学学报》期刊2019年11期）
蒋天润,尹露,邓中亮,王子阳[3]（2019）在《信道状态信息指纹定位算法性能评价方法研究》一文中研究指出基于WiFi的定位技术大多使用接收信号强度,但该方法受多径和噪声干扰较大,精度有待提高。信道状态信息(channel state information, CSI)能够更加精细地描述信道状态,具有更强的稳定性。将CSI作为格点特征建立指纹定位数据库,利用该指纹库和在线测量数据,比较了多种定位算法在位置指纹法中的定位效果,并提出了评价KNN、wKNN和随机森林算法的一种评价依据和样本容量扩充方法,分析了叁种方法随样本容量增加时定位时间和定位精度的稳定性,从包含定位精度在内的多种角度更加全面地评估了叁种方法。结果表明,在以上叁种定位算法中,随机森林算法的定位时间与定位精度的稳定性最好。(本文来源于《导航定位与授时》期刊2019年06期）
杨航,宋书飘,黄文,何建国[4]（2019）在《基于SVD的超精密工件自寻位加工算法能力评价》一文中研究指出为进一步改善超精密表面修形的最终精度、效率与成本,优化超精密自寻位加工的工艺方向与工艺决策过程,开展了对超精密工件的自寻位加工算法点云融合过程的定量评价研究,提出了基于SVD的自寻位加工算法能力评价方法。首先基于运动学方法建立了点云融合的矩阵表示,分别对平动、转动、复合运动等情况建立了自寻位结果的转换矩阵表示,获得自寻位点云融合转换矩阵;进而对转换矩阵进行奇异值分解得到转换矩阵的奇异值列表;最后将列表中最大奇异值用以表征自寻位加工算法的能力。通过对某型超精密叶片在平动、转动和复合运动、共计1078组自由放置状态进行分析,发现所提出的评价指标在独立平动和独立转动两种任意放置情况下能够正确地表征自寻位加工算法的工艺能力。对于独立平动情况,自寻位加工算法能够正常定位加工,其最大奇异值也与预设偏差较小;对于独立转动情况,当旋转角度小于45°时,均能够正确地进行自寻位加工,最大奇异值差值也趋近于零,旋转角度超过45°时,算法的自寻位加工能力恶化,这一特性能够被所提指标正确捕捉。对于由平动和转动构成的复合运动而言,所提指标显示约35%的情况能够正确进行自寻位加工,其余情况无法进行正确的自寻位加工。结果表明本文所提方法建立的指标能够正确表征自寻位加工算法能力。(本文来源于《强激光与粒子束》期刊2019年11期）
王梦遥,王晓晔,洪睿琪,柴晓瑞[5]（2019）在《基于改进BIRCH聚类算法的评价对象挖掘》一文中研究指出本文对于意见挖掘领域中的评价对象的修剪和聚类问题,提出使用K-means聚类算法和BIRCH聚类算法相结合的方式来进行评价对象的修剪和聚类。利用BIRCH算法类别聚类的功能对评价对象进行聚类,并删除包含较少数据的簇来实现修剪评价对象;再通过对于剩下的簇使用K-means聚类算法来获得最优评价对象。这种修剪聚类方法与以往的基于PMI算法修剪然后基于K-means聚类算法相比,减少了评价对象修剪时对语料库的依赖,最终聚类的结果更加精准,而且BIRCH算法采用一次扫描数据库的策略,可以有效提高速度。(本文来源于《软件》期刊2019年11期）
孙国营[6]（2019）在《大数据算法分析下的节水灌溉效益评价》一文中研究指出针对不同的节水灌溉方案,运用大数据技巧,选用标准差贡献率法和VIKOR算法进行数据分析,得出不同节水灌溉方案的排名,排名结果和原文相似,表明所选用方法的合理性和正确性。(本文来源于《电脑知识与技术》期刊2019年32期）
刘恩泽,吴文福[7]（2019）在《基于综合指标品质评价算法的单色水果生长状态检测互联网架构》一文中研究指出针对规模化水果类农作物品质检测问题,提出了一种基于综合指标品质评价算法的单色水果生长状态检测互联网架构。通过RGB颜色模型、卷积探索法、Gabor滤波3种方法对水果的颜色深度、尺寸大小、外观损伤程度进行分析,综合分析3种结果,将水果品质分为6个等级,对生长中的水果进行品质评价。将算法融入互联网架构中,基于传统工业系统结构,对系统与外界之间的网络互联、数据智能、安全保障进行改进,实现水果生长检测互联网架构的结构优化。在扁平化发展结构的同时,推动结构网络化、数据互联化、安全层次融合化,并用于农作物实时监控中,记录水果成长过程。通过对长春市面上常见的单色水果进行试验可知,本架构中的算法可以根据具体的种类制定不同的分级评价标准,并提高系统与外界的交互能力和品质评价效能,减少人工投入。(本文来源于《吉林大学学报(工学版)》期刊2019年06期）
唐帅,刘雪飞,安佳坤,谢延涛[8]（2019）在《基于融合聚类算法的成果指标评价体系设计》一文中研究指出随着创新驱动发展战略的实施,每年的科技成果数量呈现出快速增长态势。与此同时,科技成果服务体系不完善,特别是不能切实体现科技成果的价值,科技成果与公司产业链发展存在脱节,因此,应加强科技成果质量的管控力度。衡量科技成果质量关键是评价其成果作用、价值及前景,考量成果间及流程内的差异性,制定灵活、周全及可扩展的成果指标评价体系。介绍了科技成果指标评价体系发展现状及组成结构,分析了指标权重及数据处理方法,提出了基于融合聚类算法的科技指标评价模型。(本文来源于《计算机与网络》期刊2019年21期）
段晓祥,王洪鳌,袁洪朋,何永建[9]（2019）在《基于AHP的网络安全等级保护2.0评价算法研究》一文中研究指出网络安全等级保护2.0标准对于被测对象的评价算法也在1.0标准的基础上进行了较大的调整。文章对网络安全等级保护2.0评价算法进行了深入的研究,提出了一种基于AHP的评价算法。实验结果表明,文中算法弥补了对被测对象得分和结论评价的偏差。(本文来源于《2019中国网络安全等级保护和关键信息基础设施保护大会论文集》期刊2019-10-29）
李中华,喻钧,胡志毅,代军,张文琪[10]（2019）在《一种迷彩伪装效果评价指标权重分配算法》一文中研究指出迷彩伪装效果评价的多指标权重分配多为平均分配或专家评判,难以客观、科学地评价伪装效果。提出了基于模糊聚类方法、结合信息熵和统计特征的多指标权重分配算法。该算法通过模糊聚类得到样本的分类结果,应用信息熵和统计理论计算各指标的权重分配。对以结构、纹理、颜色、二阶矩特征等为指标的迷彩伪装样本进行了权重分配实验,分析比较了专家评判法、熵权法和该算法确定的权重之间的差异,并通过实验验证了算法的有效性和科学性。(本文来源于《火力与指挥控制》期刊2019年10期）
算法评价论文开题报告
（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：
依据洪灾风险概念模型,从触发因子、孕灾环境和承灾体3方面选取江西省的12个洪灾风险指标,采用k近邻、随机森林、AdaBoost 3种机器学习算法构建洪灾风险评价模型。利用精度、Kappa系数、ROC曲线(AUC值)3种定量评估指标评价洪灾风险模型,基于随机森林和Boruta特征提取算法共同分析指标重要性,最后对比3种模型绘制的江西省山洪灾害风险分区图并分析山洪灾害分布特征。结果表明:①AdaBoost模型的精度、Kappa系数和AUC值的平均值为别为0.902、0.870和0.826,精度和Kappa系数略优于随机森林,AUC值与随机森林相当,而k近邻模型的3种性能指标均低于前2种算法;②农田生产潜力、年最大6 h暴雨均值、年最大1 h暴雨均值、归一化差值植被指数、年降雨量均值这5个指标对最终的洪灾风险形成具有非常重要作用;③江西省较高风险区与最高风险区的面积和约占江西省总面积的34.4%,且主要分布于高降雨量、高暴雨量、农田生产潜力大的山区。
（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。
算法评价论文参考文献
[1].杨丽萍,马孟,谢巍,潘雪萍.干旱区Landsat8全色与多光谱数据融合算法评价[J].国土资源遥感.2019
[2].周超,方秀琴,吴小君,王雨晨.基于叁种机器学习算法的山洪灾害风险评价[J].地球信息科学学报.2019
[3].蒋天润,尹露,邓中亮,王子阳.信道状态信息指纹定位算法性能评价方法研究[J].导航定位与授时.2019
[4].杨航,宋书飘,黄文,何建国.基于SVD的超精密工件自寻位加工算法能力评价[J].强激光与粒子束.2019
[5].王梦遥,王晓晔,洪睿琪,柴晓瑞.基于改进BIRCH聚类算法的评价对象挖掘[J].软件.2019
[6].孙国营.大数据算法分析下的节水灌溉效益评价[J].电脑知识与技术.2019
[7].刘恩泽,吴文福.基于综合指标品质评价算法的单色水果生长状态检测互联网架构[J].吉林大学学报(工学版).2019
[8].唐帅,刘雪飞,安佳坤,谢延涛.基于融合聚类算法的成果指标评价体系设计[J].计算机与网络.2019
[9].段晓祥,王洪鳌,袁洪朋,何永建.基于AHP的网络安全等级保护2.0评价算法研究[C].2019中国网络安全等级保护和关键信息基础设施保护大会论文集.2019
[10].李中华,喻钧,胡志毅,代军,张文琪.一种迷彩伪装效果评价指标权重分配算法[J].火力与指挥控制.2019
论文知识图
