导读:本文包含了复杂数据类型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:数据类型,测试,数据,几何,空间,模糊,页面。
复杂数据类型论文文献综述
崔强[1]（2018）在《基于多模态数据的复杂类型肺结节分割与重建算法研究》一文中研究指出当今世界范围内,肺癌是发病率和死亡率最高的疾病之一。随着医学成像技术的兴起与蓬勃发展,人们可以直接获取人体肺部的二维数字断层图像序列。PET/CT技术的诞生将功能成像的PET技术和结构成像的CT技术充分融到一起,使其能够得到比单独采用一种成像技术更多的信息量。该技术能更精准的定位病变区域,大幅度提高了检测效率。随着医学成像技术不断的被应用于临床,疾病诊断和治疗获得了空前的发展。但由传统医学成像技术到的二维断层图像只能表达器官或病灶某一截面的信息,数据信息并不能被充分利用。仅由获取的一张或多张截面的二维图像,人们很难联想出病灶或器官的叁维空间结构和与其他组织是否存在空间上的关系等。因此若能将序列二维肺部断层图像转换成为更能直观显示病灶区域外观、大小和与周围组织的空间关系的叁维图像,就可以极大程度的提高医师诊断的精确性。而且叁维图像能够提供病灶的叁维拓扑结构、几何信息、解剖结构等关键信息,并为下一步的医师模拟手术操作和人机交互提供技术基础与保障。医学图像叁维分割与重建技术就是在这一背景下提出的,并在提出后得到大量研究与广泛应用。在肺部医学图像处理中,肺结节的叁维分割与重建方法的研究一直是医学影像学研究中的热点内容。本课题的研究内容与创新点如下:(1)针对目前对肺部肺结节的叁维分割方法的时间复杂度高和重建结果不完整等问题,本论文提出了一种基于超体素的肺结节图像3D分割方法,该方法基于肺实质序列图像,采用互信息算法配准PET/CT多模态数据中的肺结节区域,利用多尺度可变圆形模版匹配方法准确定位肺结节位置,之后结合超体素的自身特性和多模态数据中的标准摄取值等信息,使用超体素区域增长算法重建出叁维肺结节。在序列肺结节图像的分割重建结果中,该算法单张图像平均处理时间为2.44s,同时能达到94.97±4.00%的平均体素重合度。与叁维区域增长算法相比,该算法能更加精确的分割并重建出复杂类型的结节。(2)针对磨玻璃型肺结节的云状模糊不确定的边界和血管粘连型肺结节中血管与肺结节连接处的模糊性以及医学成像设备本身存在的模糊性,本论文提出了一种基于多模态数据和模糊超体素的肺结节序列图像3D分割方法。该算法首先通过最大类间方差法分离感兴趣区域图像的前、背景,填充分离后图像中的空洞、之后在对应的PET图像中自动寻找种子点并生成用于确定增长边界的初始3D掩模,扩大初始掩模并在其上计算模糊连接图,最终在模糊图上结合多模态数据进行改进的超体素3D区域增长算法得到肺结节叁维分割结果。实验结果表明,该算法能在较短时间内准确分割出磨玻璃型和血管粘连型肺结节且具有很强的鲁棒性,对复杂类型肺结节辅助诊断的进一步研究具有一定参考价值。(本文来源于《太原理工大学》期刊2018-04-01）
施黎莉[2]（2016）在《复杂类型海洋环境监测数据的空间抽样方法优化》一文中研究指出“空、天、地、底”立体监测网的建立,为海洋资源开发与经济发展奠定了较好的海洋数据基础,但受海洋数据管理、数据分析以及数据应用等软/硬平台的限制,海洋领域“大数据,小知识”的现象日益凸显,因此,如何从海量海洋数据中快速获取信息为智能决策提供服务是当前研究热点之一。抽样调查能够快速地从海量数据中获取有效关键数据,适用于大规模大范围数据,其周期短,费用低,是解决大数据快速应用的主要途径。而目前抽样方法仍较多地依赖于传统概率抽样理论来建立,在面向多应用需求的驱动下,如何抽取有效可靠的数据使之快速生成有效信息,是现有抽样方法面临的挑战。海洋环境监测数据主要指通过浮标、调查船以及人工监测等手段,获取的海洋环境态势监测数据,其数据特性及抽样问题可归纳为:(1)海量性,海洋环境监测数据正以空前的速度增加和加快,动态更新频繁,多源,数据在空间尺度和时间尺度上都显现出存在冗余问题;(2)空间相关性,数据具有空间属性特征,距离近的数据相似度高,容易造成空间关联失效或样本重迭,抽样精度下降;(3)空间异质性,数据涵盖信息复杂,空间分布不均匀,给数据复用及后期处理带来困难。因此,考虑海洋环境监测数据的特征,设计优化空间抽样方法来帮助有效使用数据是值得研究的问题。在设计抽样和估计时,过度降低抽样成本会产生估计精度出现偏差、抽样结果失真等问题,而过高的样本量会增大数据冗余,从而提高成本,因此,如何能够平衡抽样精度与成本是设计优化空间抽样方法的主旨。本文主要研究内容如下:(1)分析海洋环境监测数据特征,总结其呈现出的多模态、高维度、多属性等特性给抽样方法带来的挑战,综述现有抽样方法的研究现状,分析这些方法运用于海洋环境监测数据时产生的问题。(2)提出一种系统空间抽样优化方法,考虑数据空间相关性,将半变异函数引入空间抽样方法设计,兼顾样本点在研究海域内分布均匀的同时,又保证在其抽样精度的前提下减少信息的冗余。(3)面向该批海洋环境监测数据的应用需求,考虑抽样对象的多属性联系,通过计算各属性权重对方法做进一步扩展,设计能够满足海洋环境监测数据多属性综合评估需求的空间抽样方法,用于更全面,更经济的抽样估计。(4)以某海域空间数据为实验对象,通过方差、抽样比率和趋势面分析,对本文设计的复杂类型海洋环境监测数据的空间抽样方法与传统抽样方法进行比较,结果表明,通过使用本方法计算得到的步长进行抽样能够有效减少数据量,同时保证一定的抽样精度,比较好的反应总体特征趋势。(本文来源于《上海海洋大学》期刊2016-05-01）
张帆,陶敏[3]（2014）在《应用STEP7复杂数据类型实现查表程序》一文中研究指出在自动控制系统的算法实现中,查表是一种非常有用的操作,PLC实现模糊控制、专家系统等先进控制方法都需要查表。但目前大多数PLC都没有提供现成的查表指令,实现查表程序都比较麻烦且效率低下。探讨如何通过西门子S7系列PLC使用STEP7复杂数据类型及复杂参数类型,实现间接寻址的查表程序。(本文来源于《昆明冶金高等专科学校学报》期刊2014年03期）
刘靖[4]（2014）在《复杂数据类型的离群检测方法研究》一文中研究指出离群检测技术是数据挖掘的关键任务之一，主要目标是挖掘新奇的数据点及其生成模型或机制，为用户深入分析和理解数据提供支撑。离群数据点往往蕴含着重要的有意义的信息，需要结合数据挖掘、数据分析和大数据等理论和技术方法来深入的探索和挖掘。近年来，离群检测在信用卡盗刷、股票内幕交易、网络入侵、医疗健康、军事侦察和关键系统保障等多个领域都有着愈来愈多的应用需求。随着现代网络技术发展和移动应用的广泛普及，人类社会产生并存储了海量的高维数据、不确定数据，流数据等非结构化复杂结构类型的数据。面对这些爆炸式增长的复杂数据集，如何有效的挖掘出其中隐藏的离群数据点并分析其背后的机制是一个极具挑战性的课题。本文针对离群检测任务中不确定性数据和高维数据呈现的问题进行探讨，并进行了相关实验验证。主要内容和成果如下：(1).针对不确定数据中增加概率维度使得数据存储、处理和结果展现都变得模糊，无法直观感知等问题，提出基于局部信息的离群检测模型（ULOF）：结合数据点局部不确定性程度和局部密度信息来计算不确定数据集中每个数据点的不确定性局部离群因子(ULOF）。该模型有效的利用了数据的不确定性程度信息来挖掘数据集中的离群点，用最小二乘法拟合的高次多项式来表示数据点之间距离值的概率密度分布函数，泛化了经典LOF算法的定义、概念和公式表达。为优化计算，提出：1）用动态规划的计算方法在多项式时间内评估Po(k_d)（在k_d距离内点o有至少k个邻居的概率），避免了指数级别时间复杂度的困难；2）估算K-η-distance距离的尽可能窄的可能取值区间，并在区间内用迭代算法进一步计算其精确取值；3）用剪枝策略来减小数据点近邻的候选集规模。在多个人工和真实数据集上进行算法性能评估，并与当前最先进的不确定数据离群检测技术比较，实验结果显示ULOF算法在检测精度和时间性能都有明显的优势。(2).针对高维数据中是“维度灾难”让距离度量不能表达原有的物理意义，在全维度空间直接建立离群挖掘模型的计算效率低下等问题，提出以相关近邻数为局部权重的角度余弦方差作为数据点离群因子的高维离群检测模型（LW-ABOD）。通过增加数据点的局部信息权重，能够有效的避免把聚簇边缘的数据点误判为离群点而遗漏了不同聚簇之间的离群点。为优化执行效率，提出：1）采用随机投影技术把原始数据集投影到低维空间中，在新的空间中建索引结构并搜索数据点的-近邻；2）用累加计算的形式(ACC-ABOF)来优化原有多层循环计算的角度方差的方法，时间复杂度可降低近一个数量级；3）进一步地提出增量计算模型(FU-ABOD)，避免新的数据插入时需要重新计算整个数据集。在多组实验验证和比较证实了该算法非常适用于流数据和有实时性需求的应用。(3).针对高维数据分布非常稀疏且子空间数目和维度数成指数增长等问题，提出在多个相关子空间中来挖掘高维离群数据点(RSub)。该方法的核心是通过属性之间的协方差矩阵对应的正交特征向量和特征根进而推断评估属性之间的依赖和相关关系。与寻找最大方差所表示的主要成份相反，较小的特征根所对应的特征向量表示的属性之间冗余度比较高，相关性比较强。子空间相关性强弱和维度数量不同对检测结果影响程度也不尽相同:1）子空间的相关性越强对挖掘离群数据点的作用也就越大，因此子空间相关性强度可作为计算离群程度的权重因子；2）子空间的维度越大数据分布也越稀疏，因此要根据维度数量来调整计算近邻的距离值，使不同维度子空间中计算结果具有可比性。RSub算法能够在多项式时间内直接找到相关子空间，避免了指数数量级子空间的遍历，实验结果显示其时间效率远远优于其它基于子空间的离群检测算法。(本文来源于《华南理工大学》期刊2014-04-09）
张全友[5]（2012）在《基于Cookie的复杂数据类型在信息系统中研究》一文中研究指出通过实例给出常见的页面传值方法,分析它们的优缺点。同时指出在ASP.NET平台下采用Cookie方法传递复杂数据类型时存在的不足。通过改造Cookie传递参数方法,提出ASP.NET平台下Cookie传递参数的新方法。本文的研究是对基于ASP.NET平台的Cookie传递参数进一步完善,有助于开发出高性能B/S动态Web应用程序。(本文来源于《科技通报》期刊2012年06期）
李飞宇,宫云战,王雅文[6]（2012）在《基于内存建模的复杂结构类型测试数据自动生成方法》一文中研究指出针对链表、树和图等这类复杂结构类型的测试数据自动生成问题,提出一种面向路径的基于内存建模的测试数据生成方法.采用一种将结构变量和数值变量分别建模的抽象内存模型,并利用此模型辅助符号执行被测路径;把路径执行过程中语句的语义操作映射到对抽象内存的操作,解决指针引起的别名问题,并且在抽象内存中精准地记录了路径的约束条件;最后通过约束求解得到测试数据.文中方法已应用于自主开发的自动单元测试系统———UATS,通过实验证明了该方法的可行性.(本文来源于《计算机辅助设计与图形学学报》期刊2012年02期）
黄艳玲[7]（2011）在《复杂数据类型测试用例自动生成技术研究》一文中研究指出作为保证软件质量的重要技术手段,软件测试是软件开发过程中不可缺少的环节。作为软件测试的核心,测试用例自动生成对于提高测试效率和质量具有重要的意义。随着软件技术的迅速发展,复杂数据类型如树、图、XML文档等得到了广泛应用。然而复杂数据类型通常由若干个成员组成,包含复杂的约束关系,这使得复杂数据类型测试用例生成难度增加。复杂数据类型测试用例生成是软件测试领域自动化的薄弱环节,是一个值得研究的课题。采用合法命令谓词、等价命令谓词及定制函数来表示复杂数据类型的约束条件,通过对约束条件进行求解为复杂数据类型参数生成测试数据。基于等价类划分的复杂数据类型测试用例生成方法是在考虑软件的健壮性和测试代价的基础上对现有界限范围内穷尽测试的改进。带有复杂数据类型参数的测试用例生成首先为各个参数生成相应的测试数据,然后通过组合来生成测试用例集。复杂数据类型参数测试数据生成过程如下:读取定制函数和命令谓词,根据定制函数创建结构取值空间;根据合法命令谓词及等价类命令谓词从候选结构中选取测试数据;无效等价类结构补选及测试数据冗余消除。实验表明,与界限穷尽测试相比,基于等价类划分的复杂数据类型测试更具有实用性,且可以用较少的测试用例来达到较好的测试效果。(本文来源于《华中科技大学》期刊2011-01-01）
万江燕[8]（2009）在《组件测试中复杂数据类型的测试用例自动生成方法研究》一文中研究指出随着软件工程的发展,基于组件的开发已经成为目前软件开发的主流模式。组件的可靠性和安全性直接影响整个系统的稳定性。组件的封装特性使得基于组件的测试具有较大的难度。在基于组件的开发中复杂数据类型已经得到广泛应用,如数组、指针及结构等类型。这些复杂数据类型参数的约束关系错综复杂,采用一般的测试用例生成方法难以生成有效的测试用例集合。因此,有必要深入研究组件中复杂数据类型参数的测试用例生成方法与技术。复杂数据类型参数的约束可以分为单个成员的约束及成员间的组合约束。单个成员约束指每一成员有取值范围的限制和特殊取值的指定。成员间组合约束指成员必须满足某种特定的组合逻辑关系。对这些约束的定义及解析是测试用例生成过程的关键。复杂数据类型参数的测试用例生成由若干步骤实现。首先通过解析形式化的组件接口信息,抽取参数各成员的取值约束及成员间的组合约束。按照参数各成员的取值约束产生各成员的取值列表。然后按组合约束指定的覆盖粒度对成员的取值列表进行组合覆盖,产生测试用例集。最后依照成员间的组合关系对其修改,生成最终测试用例集。在组件安全性测试系统CSTS中实现了基于组件的复杂数据类型测试用例自动生成的功能,能够针对数组、指针和结构类型等参数产生有效的测试用例集。实验及案例表明,这种方法能有效地生成数组、指针和结构类型参数的测试用例集合。这些测试用例集具有较高的检错能力和较小的测试用例规模,并有效地触发了案例中安全性漏洞。(本文来源于《华中科技大学》期刊2009-05-01）
余新宇[9]（2006）在《复杂类型数据处理中的主因判定算法与实现》一文中研究指出针对复杂类型数据处理的问题,分析了蕴涵在信息中的因果联系,对因果状态变化进行了定量的描述,构建了因果关联模型,给出了主因分析方法的构造和实现过程,提出了具体的算法和实例检验。(本文来源于《计算机工程与应用》期刊2006年36期）
张雪华[10]（2006）在《复杂几何模型扫描数据的孔，槽及表面类型的检测》一文中研究指出逆向工程就是通过已存在实体的扫描数据获取物理模型的过程。现有的逆向工程软件已经能够对简单的工程零件和自由表面物体进行反求设计。但是,仍然存在反求精度不高、功能不足、运算速度不高、处理复杂的零件仍然存在需要依赖于设计人员的技术水平等难点,特别是对复杂模型的反求,主要依靠设计人员参与。比如:对带有孔、槽的模型进行数字扫描采样,利用现有的逆向工程软件重构几何模型时,孔、槽等几何特征的识别是通过设计人员参与决定的;对半径比较大的球、圆柱等表面,设计人员可能会将其以平面类型进行重构等等。本文的目标是研究一种智能检测与识别系统,能够从复杂几何模型的扫描数据中自动识别与检测复杂的或相似的孔、槽及表面类型等几何特征,增强现有的逆向工程软件的反求创新设计能力。本系统采用一种从叁维扫描点云数据中识别棱柱特征进行CAD模型重建的比较新颖的人工神经网络(ANN)算法。该算法从点云数据中抽取四类几何属性(链代码,凹/凸性,圆/直性,和开/闭性),送到ANN的输入层进行特征识别,就可由这些几何属性确定其类属的特征。本文着重了讨论这些几何属性的确定算法,给出实例验证,并以此为基础开发了一个复杂特征识别系统,可用于机械零件的叁维模型重建和反求工程。本论文主要内容有:1.综述逆向工程在处理复杂几何模型点云时面临的困境,介绍了直接从扫描点云中提取几何特征的重要性,并且比较了传统的逆向工程特征识别过程和本课题采用的特征识别过程之间的区别。2.构建了复杂特征识别系统的软硬件系统,阐述了他们的结构,功能以(本文来源于《四川大学》期刊2006-05-01）
复杂数据类型论文开题报告
（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：
“空、天、地、底”立体监测网的建立,为海洋资源开发与经济发展奠定了较好的海洋数据基础,但受海洋数据管理、数据分析以及数据应用等软/硬平台的限制,海洋领域“大数据,小知识”的现象日益凸显,因此,如何从海量海洋数据中快速获取信息为智能决策提供服务是当前研究热点之一。抽样调查能够快速地从海量数据中获取有效关键数据,适用于大规模大范围数据,其周期短,费用低,是解决大数据快速应用的主要途径。而目前抽样方法仍较多地依赖于传统概率抽样理论来建立,在面向多应用需求的驱动下,如何抽取有效可靠的数据使之快速生成有效信息,是现有抽样方法面临的挑战。海洋环境监测数据主要指通过浮标、调查船以及人工监测等手段,获取的海洋环境态势监测数据,其数据特性及抽样问题可归纳为:(1)海量性,海洋环境监测数据正以空前的速度增加和加快,动态更新频繁,多源,数据在空间尺度和时间尺度上都显现出存在冗余问题;(2)空间相关性,数据具有空间属性特征,距离近的数据相似度高,容易造成空间关联失效或样本重迭,抽样精度下降;(3)空间异质性,数据涵盖信息复杂,空间分布不均匀,给数据复用及后期处理带来困难。因此,考虑海洋环境监测数据的特征,设计优化空间抽样方法来帮助有效使用数据是值得研究的问题。在设计抽样和估计时,过度降低抽样成本会产生估计精度出现偏差、抽样结果失真等问题,而过高的样本量会增大数据冗余,从而提高成本,因此,如何能够平衡抽样精度与成本是设计优化空间抽样方法的主旨。本文主要研究内容如下:(1)分析海洋环境监测数据特征,总结其呈现出的多模态、高维度、多属性等特性给抽样方法带来的挑战,综述现有抽样方法的研究现状,分析这些方法运用于海洋环境监测数据时产生的问题。(2)提出一种系统空间抽样优化方法,考虑数据空间相关性,将半变异函数引入空间抽样方法设计,兼顾样本点在研究海域内分布均匀的同时,又保证在其抽样精度的前提下减少信息的冗余。(3)面向该批海洋环境监测数据的应用需求,考虑抽样对象的多属性联系,通过计算各属性权重对方法做进一步扩展,设计能够满足海洋环境监测数据多属性综合评估需求的空间抽样方法,用于更全面,更经济的抽样估计。(4)以某海域空间数据为实验对象,通过方差、抽样比率和趋势面分析,对本文设计的复杂类型海洋环境监测数据的空间抽样方法与传统抽样方法进行比较,结果表明,通过使用本方法计算得到的步长进行抽样能够有效减少数据量,同时保证一定的抽样精度,比较好的反应总体特征趋势。
（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。
复杂数据类型论文参考文献
[1].崔强.基于多模态数据的复杂类型肺结节分割与重建算法研究[D].太原理工大学.2018
[2].施黎莉.复杂类型海洋环境监测数据的空间抽样方法优化[D].上海海洋大学.2016
[3].张帆,陶敏.应用STEP7复杂数据类型实现查表程序[J].昆明冶金高等专科学校学报.2014
[4].刘靖.复杂数据类型的离群检测方法研究[D].华南理工大学.2014
[5].张全友.基于Cookie的复杂数据类型在信息系统中研究[J].科技通报.2012
[6].李飞宇,宫云战,王雅文.基于内存建模的复杂结构类型测试数据自动生成方法[J].计算机辅助设计与图形学学报.2012
[7].黄艳玲.复杂数据类型测试用例自动生成技术研究[D].华中科技大学.2011
[8].万江燕.组件测试中复杂数据类型的测试用例自动生成方法研究[D].华中科技大学.2009
[9].余新宇.复杂类型数据处理中的主因判定算法与实现[J].计算机工程与应用.2006
[10].张雪华.复杂几何模型扫描数据的孔，槽及表面类型的检测[D].四川大学.2006
论文知识图
