导读:本文包含了分类算法论文开题报告文献综述、选题提纲参考文献，主要关键词:神经网络,算法,卷积,可编程,门阵列,底质,波束。
分类算法论文文献综述写法
常颖[1]（2019）在《基于Hadoop下的数据智能分类算法分析》一文中研究指出伴随着计算机网络技术发展和IOT技术发展,利用传感器等设备采集到的数据量正在成倍增长,单台计算机无法满足存储,因此提出了利用网络技术实现数据分布式存储,解决了大数据存储问题。但是,如何对分布式集群中节点进行有效管理,成为当前集群中面临的一个新问题。本文针对集群框架和HDFS进行分析,提出了一种新的基于Hadoop集群下的数据智能分类算法-Canopy+K-means,解决K值智能选择和数据聚类。(本文来源于《通讯世界》期刊2019年12期）
郑旦[2]（2019）在《基于前向神经网络的音乐情感识别分类算法》一文中研究指出为解决单模态数据在音乐情感分类上的局限性,并同时提高对音乐情感分类的准确性,文中提出了一种基于前向神经网络的多特征融合音乐分类算法。在传统的前向神经网络模型中融入切比雪夫正交多项式簇作为隐藏层各神经元的激励函数,使每一层神经元的激励函数各不相同。利用梯度下降学习算法来进行网络参数的有监督训练;同时利用音频、歌词中不同模态的数据,使其形成多模态数据,来进行音乐情感分类模型的训练。实验测试结果表明,该算法对音乐情感的分类具有较好的效果,平均准确率为78. 37%,具有良好的有效性与可行性。(本文来源于《信息技术》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）
刘福刚[4]（2019）在《一种适用于中文博客自动分类的贝叶斯算法》一文中研究指出贝叶斯分类算法是机器学习领域的一种分类算法,是贝叶斯定理在机器学习领域的重要应用。本文提出一种利用朴素贝叶斯分类算法对中文技术博客进行分类的方法,将中文博客标题进行分词处理获取特征向量,计算每个特征向量在各个分类上的概率,利用贝叶斯定理最终确定博客分类。实验表明,使用该算法可以很好地对中文技术博客进行预分类,可以提供有参考价值的分类建议。(本文来源于《长春师范大学学报》期刊2019年12期）
杜慧敏,顾文宁,张霞[5]（2019）在《基于FPGA的深度学习分类算法高效实现》一文中研究指出为在嵌入式应用领域中实现高性能、低功耗的深度学习算法,针对网络的前向传播过程,通过设计指令格式和数据格式来传输CNNs计算所需要的参数,采用基于FPGA的软硬件协同设计的方法,构建面向嵌入式应用的深度学习分类系统。实验结果表明,在100MHz的工作频率下,与GPU实现相比,该加速器在保证分类精度的情况下,整个网络的平均性能为0.08GOP/s,能耗比为GTX 1070的2.29倍,功耗仅为GPU的2.114%。(本文来源于《计算机工程与设计》期刊2019年12期）
吕艳霞,刘波男,王翠荣,王聪,万聪[6]（2019）在《面向概念漂移数据流的自适应增量集成分类算法》一文中研究指出利用集成模型可以应对实时数据流分类问题中的概念漂移.许多经典集成算法都是通过对数据采样,或者通过对概念漂移的检测从而进行集成模型的更新来应对数据流种产生的概念漂移问题的.如何使得模型可以及时的在当前的概念上迅速建立模型一直是在线数据流学习关注的问题.本文使用增量学习和迁移学习的思想提出了一种新的历史模型自适应概念漂移的数据流集成分类算法HAEL,在集成模型中引入注意力机制,可以始终优先关注当前的数据来构建和更新分类模型,并且提出通过利用准确率比较范围参数来调整模型对当前数据的关注程度,从而使得模型更好的应对概念漂移.通过在四种类型的概念漂移数据集上的实验表明,HAEL与传统算法相比均表现出更高的分类准确率.(本文来源于《小型微型计算机系统》期刊2019年12期）
程萍,冯杰,马汉杰,许永恩,王健[7]（2019）在《基于C3D的足球视频场景分类算法》一文中研究指出足球视频整场比赛持续时间较长,许多视频内容并非广大观众的兴趣所在,因此足球视频场景分类成为了近几十年来研究界的一项重要课题,许多机器学习方法也被应用于这个课题上.本文提出的基于C3D (叁维卷积神经网络)的足球视频场景分类算法,将叁维卷积运用于足球视频领域,并通过实验验证了本文算法的可行性.本文实验的流程如下:首先,基于帧间差分法和徽标检测法检测法对足球视频场景切换进行检测,实现镜头分割.在此基础上,提取分割镜头的语义特征并将其进行标记,然后通过C3D对足球事件进行分类.本文将足球视频分为7类,分别为远镜头、中镜头、特写镜头、回放镜头、观众镜头、开场镜头及VAR (视频助理裁判)镜头.实验结果表明,该模型在足球视频数据集上的分类准确率为96%.(本文来源于《计算机系统应用》期刊2019年12期）
杨杰,谭道军,邵金侠[8]（2019）在《云计算隐私保护的Yao式乱码电路k NN分类算法》一文中研究指出针对现有云计算加密数据库分类算法的高时间开销问题,提出一种安全有效的基于Yao式乱码电路云计算隐私保护的kNN分类算法,该方法既能保护数据隐私和查询隐私,又能隐藏数据访问模式,同时又能保证高效查询处理的工作。该算法由4部分组成:加密kd树搜索阶段、kNN检索阶段、结果验证阶段和多数类选择阶段。通过加密索引搜索方案来过滤与查询无关的数据,隐藏了最终的类标签和数据访问模式,提高云计算中数据查询处理的效率。通过Yao式乱码电路来支持有效的kNN分类,保护云计算中数据隐私和查询隐私,同时减少了kNN分类的时间开销。对Yao式乱码电路kNN分类方法的安全性进行了分析。实验结果表明,在分类时间方面,所提算法的性能优于现有PPkNN方法和SkNNC_I方法。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2019年06期）
秦浩森,丁咚,王祥东,李广雪,权永峥[9]（2019）在《蚁群算法优化BP神经网络声学底质分类方法》一文中研究指出本文利用蚁群算法鲁棒性及全局寻优优点,帮助BP神经网络选取最优权值及阈值,以解决其易陷入局部最优解的缺陷,并基于Santa Cruz盆地多波束及底质采样数据,采用蚁群算法优化的BP神经网络对该盆地内存在的基岩、泥质砂、砂质泥叁种底质类型训练分类。从网络预测平均误差和底质分类正确率对比来看,相较于传统BP神经网络,在相同训练次数下,采用蚁群算法优化后的神经网络,网络预测平均误差明显下降,下降比率达20.2%,底质分类正确率显着提高,正确率达90%以上。从区域多波束声学底质分类图来看,底质类型分布状态更加贴近自然规律,获得了良好分类效果。(本文来源于《中国海洋大学学报(自然科学版)》期刊2019年S2期）
周正宽,田小平,贺玲玲,任继伟[10]（2019）在《基于贝叶斯分类的人数识别算法研究》一文中研究指出为了解决静态背景下的人数识别问题,提出了基于贝叶斯分类的人数识别算法。首先选取固定场景的目标区域,再通过提取该区域图像的HOG特征,进一步训练贝叶斯分类器判别区域是否有人。通过与传统SVM分类效果对比,结果表明该算法能够较好地实现人数识别和人员位置确定。(本文来源于《北京石油化工学院学报》期刊2019年04期）
分类算法论文开题报告范文
（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：
为解决单模态数据在音乐情感分类上的局限性,并同时提高对音乐情感分类的准确性,文中提出了一种基于前向神经网络的多特征融合音乐分类算法。在传统的前向神经网络模型中融入切比雪夫正交多项式簇作为隐藏层各神经元的激励函数,使每一层神经元的激励函数各不相同。利用梯度下降学习算法来进行网络参数的有监督训练;同时利用音频、歌词中不同模态的数据,使其形成多模态数据,来进行音乐情感分类模型的训练。实验测试结果表明,该算法对音乐情感的分类具有较好的效果,平均准确率为78. 37%,具有良好的有效性与可行性。
（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。
分类算法论文参考文献
[1].常颖.基于Hadoop下的数据智能分类算法分析[J].通讯世界.2019
[2].郑旦.基于前向神经网络的音乐情感识别分类算法[J].信息技术.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].刘福刚.一种适用于中文博客自动分类的贝叶斯算法[J].长春师范大学学报.2019
[5].杜慧敏,顾文宁,张霞.基于FPGA的深度学习分类算法高效实现[J].计算机工程与设计.2019
[6].吕艳霞,刘波男,王翠荣,王聪,万聪.面向概念漂移数据流的自适应增量集成分类算法[J].小型微型计算机系统.2019
[7].程萍,冯杰,马汉杰,许永恩,王健.基于C3D的足球视频场景分类算法[J].计算机系统应用.2019
[8].杨杰,谭道军,邵金侠.云计算隐私保护的Yao式乱码电路kNN分类算法[J].重庆邮电大学学报(自然科学版).2019
[9].秦浩森,丁咚,王祥东,李广雪,权永峥.蚁群算法优化BP神经网络声学底质分类方法[J].中国海洋大学学报(自然科学版).2019
[10].周正宽,田小平,贺玲玲,任继伟.基于贝叶斯分类的人数识别算法研究[J].北京石油化工学院学报.2019