导读:本文包含了增益量化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:增益,失配,微分,矢量,噪声,泰勒,算法。
增益量化论文文献综述
赵霞,魏霖静,肖君[1]（2018）在《考虑内外均衡安全增益的可量化社区隐藏算法》一文中研究指出为提高社区检测算法应对特定社区隐藏因素的能力,提出一种考虑内外均衡安全增益的可量化社区隐藏算法。通过研究社区隐藏的内在机制,推动社区检测算法性能的提升~([1])。在给出社区网络模型的基础上,对社区隐藏的评价指标进行定义,实现了社区隐藏的量化分析;基于社区检测的安全性增益指标对社区隐藏过程中的节点添加和边缘的删除策略进行研究,基于这些操作实现对网络社区的更新;对社区检测隐藏算法的安全性进行了理论分析,为社区隐藏算法应用提供理论基础。通过在选取的4种社区网络实例中的仿真实验显示,该算法具有优异的社区隐藏性能和计算效率。(本文来源于《计算机应用与软件》期刊2018年12期）
邓蓓蓓[2]（2016）在《基于信息增益的量化算法及其在决策树中应用的研究》一文中研究指出数据挖掘广义上指的是从现存的海量数据中通过智能的手段提取出隐藏的、具有价值的模式或者规律、知识等一系列复杂的挖掘过程,在如今这个大数据时代,数据挖掘这一面向应用的技术从产生就在各行业发挥了非常重要的作用,而且拥有着影响企业发展的能力。其中对于数据挖掘而言,分类是其中重要的一项技术。目前,分类已广泛应用于多个领域,如教育、金融、医疗等行业。分类具有决策树、贝叶斯网络、神经网络、遗传算法等方法,在这当中,决策树分类算法因为理论基础简单、容易理解掌握等优点而被广泛研究与应用。本文主要是围绕对连续数据的量化算法、量化后对决策树算法分类精确度的影响进行展开研究,其主要研究内容和研究成果如下：第一,针对目前国内外对决策树分类算法、聚类算法的研究现状以及比较决策树分类算法、聚类算法的研究现状(详见第一章)。第二,分别对决策树分类算法、聚类算法的相关概念进行介绍(详见第二章)。第叁,提出基于信息增益的量化算法及信息增益与聚类算法相结合的量化算法,统称为基于信息的量化算法(详见第叁章)。第四,在实验的基础上实现提出的量化算法,并把量化后的数据应用在决策树上,对比经决策树分类后输出的分类精度,并分析这些量化算法各自的优势。首先,使用改进的量化算法对数据集中的连续属性值计算信息增益、离散化处理；其次,再运用决策树算法对其进行分类,记录分类准确度；然后,对比分析决策树的分类准确度,观察改进后分类准确度是否提高,并以分类准确度为衡量标准,选择分类准确度最高对应的量化算法作为该数据集的最佳量化方法(详见第四章)。第五,在Eclipse平台上进行实验,使用Java语言实现量化算法,把数据集存入数据库Mysql,数据集来源于UCI数据集,实现数据的量化,得到量化后的数据集,再利用数据挖掘平台Weka的决策树分类算法C4.5源码对量化后的数据进行分类,得到分类后的准确度,比较改进前后的分类准确度(详见第四章)。(本文来源于《广东工业大学》期刊2016-05-01）
[3]（2011）在《为用户减负增益 大运推出轻量化重卡》一文中研究指出4月20日,大运轻量化重卡新产品在上海车展首发。大运针对目前高速公路普遍实施计重收费模式,用户希望不超载又要多拉货物的需求开发出新型轻量化重卡产品。该车型通过整体系统轻量化设计和计算,降重的零部件涉及悬架、板簧、变速箱、油箱等车体各个部分,采用了高强度合金车架、橡胶悬架、铝合金变速箱等新技术、新材料来实现整车的轻量化,不仅保持了产品稳定可靠的特色,也进一步降低了油耗,提升了整车技术水平,使终端用户的运营效率得到了大幅提高。大运汽车技术副总经理刘宝乾表示:"大运汽车在实现轻量化的同时,承诺整车强度不降低。卡车轻量化,于我们而言,绝不是减少安全度,而是采用新技术、新创造去降低卡车自重,比如说使用高强度(本文来源于《驾驶园》期刊2011年05期）
薛国红,赵修斌,卢艳娥,白洋,袁火平[4]（2008）在《零漂与增益控制对量化的影响分析》一文中研究指出针对开发板A/D的位数不能充分利用和不同射频模块的输出信号增益相差很大的问题,基于提高信噪比和减小后续处理压力的考虑,文章对零漂及自动增益控制不理想可能带来的信噪比损耗进行分析,并提出利用自适应量化的方法进行量化。分析证明在板卡自身A/D之后进行自适应量化可以有效的减小零漂和自动增益控制不理想带来的信噪比损耗。(本文来源于《通信技术》期刊2008年12期）
苏令华,万建伟[5]（2006）在《基于小波变换和形状-增益矢量量化的3维图像压缩》一文中研究指出数据压缩是高光谱图像处理应用中的一个关键问题。为了对高光谱图像进行有效压缩,在2维小波变换的基础上,提出了一种分组矢量量化的高光谱图像有损压缩方案。该方案首先按照谱段类型对高光谱图像进行分组,然后对每个谱段分别进行2维小波变换,最后变换系数再使用一种Kronecker-Product形状-增益矢量量化方法来进行量化编码。计算机仿真结果证明,该算法在取得高压缩率的同时,不仅能很好地保持数据的谱特征,并能降低运算量。(本文来源于《中国图象图形学报》期刊2006年11期）
赵响,林基明,童有为[6]（2006）在《充电泵增益失配对∑Δ量化噪声影响的研究》一文中研究指出∑Δ小数分频频率合成器在射频通信中得到广泛应用,相位噪声是频率合成器很重要的性能指标。介绍了∑Δ小数分频频率合成的基本原理。在对鉴频鉴相器和充电泵线性分析的基础上,着重分析了充电泵增益失配对∑Δ量化噪声造成的影响,并给出了相应的相位噪声功率谱密度计算公式。对不同结构和阶数的∑Δ调制器进行了仿真,仿真结果与理论分析基本一致。(本文来源于《无线电工程》期刊2006年05期）
郑德华[7]（2005）在《基于BP神经网络的增益量化中的阶距自适应》一文中研究指出本文分析了G.728语音编码算法增益固定量化的缺陷,设计了精确表示增益的自适应量化方案。采用BP神经网络对增益的量化步长进行非线性自适应量化,并提出一种新的用于训练BP神经网络的数据的获取方法。(本文来源于《科学之友(学术版)》期刊2005年01期）
张雪英,赵姝彦,张刚[8]（2004）在《基于RBF网络和ADPCM的增益非线性量化》一文中研究指出本文在G.728语音编码算法的码书归一化和增益精确表示的基础上,使用ADPCM对增益进行量化,提出对自适应量化阶距采用RBF网络进行非线性预测,将之运用到G.728算法的增益量化中。仿真结果表明:采用RBF网络的非线性自适应量化阶距方案比标准的G.728编码算法的平均分段信噪比提高1.63dB,这对于降低G.728算法的码率具有重要意义。(本文来源于《2004全国测控、计量与仪器仪表学术年会论文集（上册）》期刊2004-09-01）
薛向阳,陈学青,樊昌信[9]（1995）在《基于旋转Barnes-Wall格的增益-波形矢量量化器及其在序列图象编码中的应用》一文中研究指出本文首先提出了一种基于旋转Barnes-Wall格的格型矢量量化器(LVQ)的构造方法及快速量化算法,然后研究了以此LVQ为核心的增益-波形矢量量化器(GSLVQ)的实现方法,最后探讨了GSLVQ在序列图象编码中的应用方案,并给出了较好的实验结果。(本文来源于《电子科学学刊》期刊1995年06期）
李乐民[10]（1987）在《数字电视系统中量化失真对微分增益和微分相位的影响》一文中研究指出本文分析了数字彩色电视系统中量化失真对微分增益(DG)和微分相位(DP)的影响。考虑了两种情况:其一是取样频率与彩色副载波频率为非同步的,其二是取样频率为副载波频率的叁倍。对前一情况,得到了计算DG的精确式和近似式。对后一情况,从所得DG、DP计算式易得知取样脉冲相位的影响。最后讨论了减小量化失真引起测量误差的措施。(本文来源于《电子学报》期刊1987年03期）
增益量化论文开题报告
（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：
数据挖掘广义上指的是从现存的海量数据中通过智能的手段提取出隐藏的、具有价值的模式或者规律、知识等一系列复杂的挖掘过程,在如今这个大数据时代,数据挖掘这一面向应用的技术从产生就在各行业发挥了非常重要的作用,而且拥有着影响企业发展的能力。其中对于数据挖掘而言,分类是其中重要的一项技术。目前,分类已广泛应用于多个领域,如教育、金融、医疗等行业。分类具有决策树、贝叶斯网络、神经网络、遗传算法等方法,在这当中,决策树分类算法因为理论基础简单、容易理解掌握等优点而被广泛研究与应用。本文主要是围绕对连续数据的量化算法、量化后对决策树算法分类精确度的影响进行展开研究,其主要研究内容和研究成果如下：第一,针对目前国内外对决策树分类算法、聚类算法的研究现状以及比较决策树分类算法、聚类算法的研究现状(详见第一章)。第二,分别对决策树分类算法、聚类算法的相关概念进行介绍(详见第二章)。第叁,提出基于信息增益的量化算法及信息增益与聚类算法相结合的量化算法,统称为基于信息的量化算法(详见第叁章)。第四,在实验的基础上实现提出的量化算法,并把量化后的数据应用在决策树上,对比经决策树分类后输出的分类精度,并分析这些量化算法各自的优势。首先,使用改进的量化算法对数据集中的连续属性值计算信息增益、离散化处理；其次,再运用决策树算法对其进行分类,记录分类准确度；然后,对比分析决策树的分类准确度,观察改进后分类准确度是否提高,并以分类准确度为衡量标准,选择分类准确度最高对应的量化算法作为该数据集的最佳量化方法(详见第四章)。第五,在Eclipse平台上进行实验,使用Java语言实现量化算法,把数据集存入数据库Mysql,数据集来源于UCI数据集,实现数据的量化,得到量化后的数据集,再利用数据挖掘平台Weka的决策树分类算法C4.5源码对量化后的数据进行分类,得到分类后的准确度,比较改进前后的分类准确度(详见第四章)。
（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。
增益量化论文参考文献
[1].赵霞,魏霖静,肖君.考虑内外均衡安全增益的可量化社区隐藏算法[J].计算机应用与软件.2018
[2].邓蓓蓓.基于信息增益的量化算法及其在决策树中应用的研究[D].广东工业大学.2016
[3]..为用户减负增益大运推出轻量化重卡[J].驾驶园.2011
[4].薛国红,赵修斌,卢艳娥,白洋,袁火平.零漂与增益控制对量化的影响分析[J].通信技术.2008
[5].苏令华,万建伟.基于小波变换和形状-增益矢量量化的3维图像压缩[J].中国图象图形学报.2006
[6].赵响,林基明,童有为.充电泵增益失配对∑Δ量化噪声影响的研究[J].无线电工程.2006
[7].郑德华.基于BP神经网络的增益量化中的阶距自适应[J].科学之友(学术版).2005
[8].张雪英,赵姝彦,张刚.基于RBF网络和ADPCM的增益非线性量化[C].2004全国测控、计量与仪器仪表学术年会论文集（上册）.2004
[9].薛向阳,陈学青,樊昌信.基于旋转Barnes-Wall格的增益-波形矢量量化器及其在序列图象编码中的应用[J].电子科学学刊.1995
[10].李乐民.数字电视系统中量化失真对微分增益和微分相位的影响[J].电子学报.1987
论文知识图
