导读:本文包含了分类识别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,数据,梯度,算法,在线,多项式,无人机。
分类识别论文文献综述
见习记者,王家慧[1]（2019）在《南太湖新区垃圾分类用上了“人脸识别”技术》一文中研究指出本报讯“刷脸就可以打开垃圾分类的投放口吗？让我来试一试。”12月24日上午8时左右，在南太湖新区康山街道泛港润园小区的一处易腐垃圾投放点，居民蔡女士拿着家中的易腐垃圾准备投放。只见她站在智能分类设备机器前对着摄像头，点击“刷脸投放”后显示屏上就弹出用户名(本文来源于《湖州日报》期刊2019-12-29）
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）
谈笑[3]（2019）在《基于BP神经网络的医疗废物识别与分类研究》一文中研究指出为提高垃圾识别与分类的效率,尤其是医疗废物,文中在图像识别的基础上,提出了基于BP神经网络的医疗废物识别与分类模型。该模型依据用户实时拍摄的图片,利用AGAST角点检测算法、FREAK描述算法、高阶局部自相关(HLAC)函数来进行医疗废物目标的特征提取;并将提取到的特征向量作为BP神经网络的训练数据,同时引入SVM分类器来提高目标类型识别与分类的准确率。测试表明,文中提出的模型可有效识别常见的医疗废物,平均分类准确率与仅使用BP神经网络的模型相比高出5.81%,有着较可靠的识别率。(本文来源于《电子设计工程》期刊2019年24期）
皮寿熹,李富合,缪磊,马辰[4]（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）
张家颖,杨文军[5]（2019）在《基于深度学习的网络流量分类识别研究》一文中研究指出目前互联网上会存在海量的网络流量数据信息,这些海量的网络流量数据信息还未得到充分性的利用,如果有效的采取一些必要的方法或者手段,分析整个的网络流量挖掘信息对于后期的网络发展趋势,挖掘网络当中所存在的异常状态并且有采取针对性的措施,这对于后期的网络应急响应能力的增强、抵御网络不法攻击行为、快速的维护网络空间安全等方面都具有非常重大的价值及意义.本文基于网络流量识别的基本需求,分析了深度学习经典模型-CNN的基本原理,在此基础上将原始流量进行分层处理,并建立了基于注意力机制的改进的CNN算法的网络流量识别模型,最后在国际标准数据集上进行仿真分析.实验测试结果表明,该模型可以实现对各类网络流量有效识别.(本文来源于《天津理工大学学报》期刊2019年06期）
徐泽磊,于桂兰,杨欢[6]（2019）在《合作型劳动关系影响因素的分类识别与动态分析——基于复杂网络的视角》一文中研究指出通过网络建模方法,对《中国劳动统计年鉴》2003—2017年的数据进行分析,筛选出与合作型劳动关系相关联的影响因素,构建以复杂网络理论为基础的相关性网络模型和中心性关联网络模型。研究发现,建立合作型劳动关系中最重要因素包括提出合理化建议、基层工会组织数、仲裁调解、职工基本医疗保险、单位实行厂务公开、建立职工代表大会、社会保险、工伤保险、生育保险、已实施合理化建议等。对6个典型影响因素的动态分析发现,除工会开办的职业培训机构数有较大波动外,其余影响因素均呈逐步增长态势。这些研究结论能为构建和谐劳动关系提供参考。(本文来源于《经济纵横》期刊2019年12期）
宋桂成,李军[7]（2019）在《无人机故障元数据属性分类与识别技术》一文中研究指出传统方法在对无人机故障进行识别时,未对无人机故障进行有效分类,使得无人机故障识别结果差,应用性不高。为此,本文引入诊断分类树状模型对无人机故障元数据进行分类,解决传统方法中存在的问题。分析无人机故障元数据特点,在此基础上完成诊断层分类,获得对象层、故障层、征兆层、测试层、现象层及原因层6种不同的元数据属性类型;建立诊断分类树状模型对上述的元数据属性类型分类,获得统一格式为CML类型数据;依据雷达天线信息采集相关无人机故障元数据,根据左右识别及判断脉冲点方法完成元数据属性瞬时识别过程;获取最终的数据单元,实现无人机故障元数据属性的精确识别。实验结果表明,研究的技术能够精准地识别到故障元数据属性,并对其分类,分类处理所需时间短,该技术具有很高的发展空间,对于保障无人机安全运行有重要意义。(本文来源于《科技通报》期刊2019年11期）
黄旻浩[8]（2019）在《基于线性分类器的手写数字识别》一文中研究指出线性分类器作为理解最简单表现最直观的算法之一,在众多更新更复杂的算法的涌现之后,依然在模式识别的应用中有一席之地,有被学习的必要。本文首先建立了一个完整的线性分类器进行手写数字识别,使用MATLAB的研究环境和MNIST的手写数据库样本。首先对于待识别的样本进行预处理,建立线性分类器,使用样本集进行训练并分类,再使用测试集得到其分类效果的数据。为了不同模式识别样本的性能,本文选取了K均值聚类,BP神经网络和SVM算法,分别建立了分类器后,使用相同的样本集进行训练并测试其性能,从识别速度和准确性进行比较。最后本文对不同算法的测试效果进行比较,总结,分析各个识别算法的优劣。建立用户界面直观反映各个分类器的优劣和使用效果。(本文来源于《科学技术创新》期刊2019年33期）
武立平,吴强,丰遥,要智宇,王仲[9]（2019）在《基于振动信号SVM分类的变压器状态识别》一文中研究指出为提高基于振动信号的变压器状态识别准确率,提取振动信号的峰峰值、均值、偏度等时域特征量和主频率幅值占比、基频幅值占比、50 Hz及其奇次倍频幅值占比等频域特征量构成特征向量,运用支持向量机(SVM)分类方法对变压器进行状态识别。采集了变压器正常与故障运行状态下的振动信号,结合实测信号分析了各特征量随变压器状态的变化,最后对比了单个特征量与多特征量结合对变压器正常短路、正常空载、故障短路、故障空载4种状态的识别准确率。结果表明,结合振动信号多个特征量的SVM分类对变压器的状态识别准确率显着高于单个特征量的识别准确率。(本文来源于《高压电器》期刊2019年11期）
杨栩[10]（2019）在《基于神经网络的数字信号多分类识别方法》一文中研究指出文章针对数字信号的图像分类识别问题,提出了一种改进的神经网络算法,该算法利用随机梯度下降增量规则实现误差和上层输出共同影响权重的监督机制,采用softmax激活函数避免出现以很高的概率同时分到不同的类的问题,从而大大提高了识别准确率。(本文来源于《汽车实用技术》期刊2019年21期）
分类识别论文开题报告
（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：
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。
分类识别论文参考文献
[1].见习记者,王家慧.南太湖新区垃圾分类用上了“人脸识别”技术[N].湖州日报.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].谈笑.基于BP神经网络的医疗废物识别与分类研究[J].电子设计工程.2019
[4].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
[5].张家颖,杨文军.基于深度学习的网络流量分类识别研究[J].天津理工大学学报.2019
[6].徐泽磊,于桂兰,杨欢.合作型劳动关系影响因素的分类识别与动态分析——基于复杂网络的视角[J].经济纵横.2019
[7].宋桂成,李军.无人机故障元数据属性分类与识别技术[J].科技通报.2019
[8].黄旻浩.基于线性分类器的手写数字识别[J].科学技术创新.2019
[9].武立平,吴强,丰遥,要智宇,王仲.基于振动信号SVM分类的变压器状态识别[J].高压电器.2019
[10].杨栩.基于神经网络的数字信号多分类识别方法[J].汽车实用技术.2019
论文知识图
