导读:本文包含了递归算法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:递归,算法,神经网络,数据结构,门控,路由,通流。
递归算法论文文献综述
郭茂森,王宇,张建国,刘昕,白清[1]（2019）在《最小控制递归平均算法对光纤声音传感系统的降噪作用》一文中研究指出为了解决恶劣环境下分布式光纤声音传感系统的声音还原问题,搭建了一种基于改进最小控制递归平均(IMCRA)算法的多通道光纤声音传感系统。采用Sagnac和Mach-Zehnder复合光路结构,以单模光纤作为传感单元拾取声音信号,借助光开关实现了多通道信号采集,并通过改进最小控制递归平均算法对声音信号进行降噪、还原及增强处理。实验结果表明:该系统可在长为4km的传感光纤上实现对单音信号和语音信号的多通道扫描拾取,并能够在复杂情况下实现对语音信号信噪比的有效提升,为光纤声音传感系统在恶劣环境下的应用提供了一种新途径。(本文来源于《计量学报》期刊2019年05期）
张忠诚,鲁法明[2]（2019）在《基于递归与分治的排序算法教学探究》一文中研究指出排序算法多种多样,插入类排序、交换类排序、选择类排序、归并类排序,不同种类的排序算法的排序过程各不相同。然而,其中很多算法都可以由递归与分治这一经典的问题求解策略导出。论文研究直接插入排序、简单选择排序、冒泡排序、快速排序以及归并排序背后隐含的递归与分治原理,并从递归与分治的角度分析他们的排序原理、排序过程以及排序性能之间存在的异同,以便加深对排序算法以及递归与分治策略的理解。(本文来源于《计算机与数字工程》期刊2019年09期）
魏海文,郭业才[3]（2019）在《门控递归单元神经网络坐标变换盲均衡算法》一文中研究指出针对数字信号传输过程中的码间干扰问题,提出了门控递归单元神经网络坐标变换盲均衡算法(GRUNN-CT-CMA).首先,在递归神经网络基础上加入门控结构,使门控递归单元神经网络(GRUNN)对长时间跨度信息的感知能力更强、记忆力更持久.其次,在GRUNN中引入坐标变换得到的盲均衡算法,进一步降低了稳态误差、加快了代价函数收敛速度.结果表明,与常模盲均衡算法(CMA)和延迟单元递归神经网络盲均衡算法(BRNN-CMA)相比,GRUNN-CT-CMA在均衡高阶多模信号时,稳态误差最小、收敛速度最快、输出信号星座图最清晰.(本文来源于《微电子学与计算机》期刊2019年09期）
商明菊,胡尧,周江娥[4]（2019）在《基于改进递归小波变换的交通流异常点与变点检测算法》一文中研究指出为准确界定交通流状态,辅助交通管理者对交通异常事件进行及时处理,提出了一种基于改进递归小波变换的异常点与变点快速检测算法,并将其应用于交通流实时监控与预警。首先,对历史交通流序列建立自回归模型,将残差序列的标准化有效分数向量作为统计量,利用3-Sigma原则,提出为统计量差分时序设定监控阈值的方法,实现了交通流状态的实时预警。其次,利用改进递归小波变换统计量,结合小波复合信息并综合考虑真实变点与估计变点之间的差异,选取小波变换特征频率与最优搜索长度,快速检测并估计交通流异常点与变点,实现了交通流状态的在线监控。最后,仿真试验和实例分析验证了算法的合理性与可行性。研究结果表明:设定的阈值对交通流变化趋势掌控明显,能够对交通异常状态进行及时预警;结合特征频率的复小波变换信息,能够有效检测并区分交通流异常点与变点;与基于有效分数向量的传统变点检测算法相比,算法的检测性能在延迟与收敛性两方面均有明显改善。该算法能够对交通流状态进行在线监控,这将为断面车流实时预警提供支持。(本文来源于《公路交通科技》期刊2019年08期）
李云红,何亚瑞,章为川,周小计[5]（2019）在《利用点弦距离递归的图像角点检测算法》一文中研究指出目的传统的基于边缘轮廓的角点检测算法需要计算每一个边缘像素点的曲率,对噪声和局部变化敏感,极易造成检测结果的不稳定。针对这一问题,提出一种利用点弦距离递归的角点检测算法。方法首先,利用Canny边缘检测器提取边缘轮廓线。其次,用3个不同尺度的高斯核对边缘线进行平滑,对每一个高斯尺度平滑后的边缘线,连接首尾端点形成一条弦,计算边缘轮廓上每个边缘像素点到弦的距离,将点弦距离最长的像素点标为候选角点,该像素点将原边缘轮廓线分成两条边缘,然后将该像素点与首尾端点连接成两条弦,重新计算点弦距离,将所有距离大于设定阈值的点作为候选角点。最后,利用多尺度技术对候选角点进行判决并得到最终角点。结果与现有的基于曲率计算的角点检测算法相比,本文算法不需要计算一、二阶导数,有效避免了局部变化带来的计算误差。通过计算得到4个角点检测器的平均排名依次为Harris (4. 0)、He&Yung (2. 67)、CPDA (1. 83)、本文算法(1. 5)。与其他3种经典的角点检测算法相比,本文提出的检测算法排名第一,因此表现出了更好的检测性能。结论提出了一种新的利用点弦距离递归的角点检测算法。从实验结果看,本文提出的角点检测器在图像仿射变换、JPEG质量压缩和高斯噪声条件下有更好的平均重复性和定位误差。(本文来源于《中国图象图形学报》期刊2019年07期）
陈棋[6]（2019）在《向量网分层递归的最优化多径路由算法研究》一文中研究指出网络路由问题是网络的核心问题之一,采用什么路由方法对于网络有着重要的影响。设计一种效率高、适用性强的路由算法一直是网络通信领域的热点研究方向。对于规模比较小的网络,目前有比较成熟的路由方案,比如OSPF和RIP等协议,但是它们无法用于大型网络。目前的IP网采用BGP来解决大型网络互联问题,但是IP网自身具有无连接、最短路径寻由等特性,IP网技术虽然成熟,但是其自身的一些缺点一直没有被解决,比如路由收敛慢、只提供单路径等。业界研究结果表明,解决大型网络寻由的关键是运用网络分层路由技术。结合新型网络向量网(Vector Network,VN)特点的网络路由体系可以为解决这些问题提供新的合理又高效的解决思路。网络路由主要分为网络拓扑的表示方法、网络拓扑获取以及根据网络拓扑进行选路,结合向量网技术、运用分层和递归的思想缩小寻由规模的分层路由算法是本文研究的主要内容,具体工作主要有以下几个方面:(1)提出了基于向量网的一种层次递归的拓扑结构表示方法,可以将平面的物理网络拓扑表示为分层的网络架构,实现链路和节点的聚合,能够简化网络拓扑表示,并且为路由算法的设计提供支撑。(2)根据向量网的特点,设计了向量网的路径格式、对等组内的域内路由算法、多路径的获取方法、多条路径之间重合度的判断方法。基于上述工作提出了一种运用分层递归最优化思想的分层路由算法。该方法降低了大型网络路由的计算复杂度,理论上计算复杂度从原来的N2降低为N*logN,可显着提高路由效率;而且该方法不仅能够寻找到一个网络拓扑中两个节点之间的最佳路径,而且能够找到多条和最佳路径相对独立的备选路径,从而能够提升网络的可靠性。(3)在PyCharm平台下,基于Python 3.6对上述的拓扑结构表示方法和路由算法进行了编程实现,并且设计了实验方案,对算法进行了实验仿真,证明了算法的可行性。实验结果表明此算法能够有效地运用于不同规模的网络路由。路由算法是否优秀也严重影响网络整体性能是否优秀。本文提出的分层递归最优化的多径路由算法适用于一种新型网络体系,即向量网。分层的路由架构使得网络具有良好的可扩展性,支持大规模网络,并且能够降低路由的计算复杂度。(本文来源于《北京交通大学》期刊2019-05-30）
鲍康胜[7]（2019）在《从八皇后问题引发递归回溯算法的思考》一文中研究指出递归回溯是一种较难的计算机算法,一般很难理解和掌握。结合十多年算法教学的实践和思考,用较符合初学者知识水平和思维方式,创新性对递归回溯算法进行归纳和总结,化繁为简,化难为易,以八皇后等经典问题为案例进行剖析,并进一步拓展,实践证明,新总结的方法很受大家欢迎,学习效果良好,值得推广。(本文来源于《电脑编程技巧与维护》期刊2019年05期）
唐翠娥,陈小文[8]（2019）在《递归数据结构及算法设计教学探讨》一文中研究指出本文从递归数据结构的定义出发,结合单链表递归示意图和结点定义对递归数据结构的递归性加以描述。简述递归数据结构的算法设计要点,以输出单链表结点值为例分析递归数据结构的递归设计过程,并给出实现的程序代码和主函数。(本文来源于《福建电脑》期刊2019年04期）
李青柏[9]（2019）在《从递归算法看数学在计算机程序设计方面的应用与研究》一文中研究指出数学在计算机程序设计中具有重要地位,通过数学思维、数学计算方法、数学模型的建立等将实际问题不断抽象化,并设计相应的计算机程序获得问题的解,是一个简洁、高效的设计过程,程序员可以将实际问题通过各种科学计算转换为程序,在这一过程中,数学算法的合理应用具有重要意义。文章以递归算法在计算机程序设计中的运用作为基础,探讨数学计算在计算机程序设计中的重要作用。(本文来源于《无线互联科技》期刊2019年04期）
佟骏超,费加罗,陈靖森,李恒,丁丹丹[10]（2019）在《递归式多阶特征融合图像超分辨率算法》一文中研究指出目的近年来,卷积神经网络在解决图像超分辨率的问题上取得了巨大成功,不同结构的网络模型相继被提出。通过学习,这些网络模型对输入图像的特征进行抽象、组合,进而建立了从低分辨率的输入图像到高分辨率的目标图像的有效非线性映射。在该过程中,无论是图像的低阶像素级特征,还是高阶各层抽象特征,都对像素间相关性的挖掘起了重要作用,影响着目标高分辨图像的性能。而目前典型的超分辨率网络模型,如SRCNN (super-resolution convolutional neural network)、VDSR (very deep convolutional networks for super-resolution)、Lap SRN (Lapla-cian pyramid super-resolution networks)等,都未充分利用这些多层次的特征。方法提出一种充分融合网络多阶特征的图像超分辨率算法:该模型基于递归神经网络,由相同的单元串联构成,单元间参数共享;在每个单元内部,从低阶到高阶的逐级特征被级联、融合,以获得更丰富的信息来强化网络的学习能力;在训练中,采用基于残差的策略,单元内使用局部残差学习,整体网络使用全局残差学习,以加快训练速度。结果所提出的网络模型在通用4个测试集上,针对分辨率放大2倍、3倍、4倍的情况,与深层超分辨率网络VDSR相比,平均分别能够获得0. 24 d B、0. 23 d B、0. 19 d B的增益。结论实验结果表明,所提出的递归式多阶特征融合图像超分辨率算法,有效提升了性能,特别是在细节非常丰富的Urban100数据集上,该算法对细节的处理效果尤为明显,图像的客观质量与主观质量都得到显着改善。(本文来源于《中国图象图形学报》期刊2019年02期）
递归算法论文开题报告
（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：
排序算法多种多样,插入类排序、交换类排序、选择类排序、归并类排序,不同种类的排序算法的排序过程各不相同。然而,其中很多算法都可以由递归与分治这一经典的问题求解策略导出。论文研究直接插入排序、简单选择排序、冒泡排序、快速排序以及归并排序背后隐含的递归与分治原理,并从递归与分治的角度分析他们的排序原理、排序过程以及排序性能之间存在的异同,以便加深对排序算法以及递归与分治策略的理解。
（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。
递归算法论文参考文献
[1].郭茂森,王宇,张建国,刘昕,白清.最小控制递归平均算法对光纤声音传感系统的降噪作用[J].计量学报.2019
[2].张忠诚,鲁法明.基于递归与分治的排序算法教学探究[J].计算机与数字工程.2019
[3].魏海文,郭业才.门控递归单元神经网络坐标变换盲均衡算法[J].微电子学与计算机.2019
[4].商明菊,胡尧,周江娥.基于改进递归小波变换的交通流异常点与变点检测算法[J].公路交通科技.2019
[5].李云红,何亚瑞,章为川,周小计.利用点弦距离递归的图像角点检测算法[J].中国图象图形学报.2019
[6].陈棋.向量网分层递归的最优化多径路由算法研究[D].北京交通大学.2019
[7].鲍康胜.从八皇后问题引发递归回溯算法的思考[J].电脑编程技巧与维护.2019
[8].唐翠娥,陈小文.递归数据结构及算法设计教学探讨[J].福建电脑.2019
[9].李青柏.从递归算法看数学在计算机程序设计方面的应用与研究[J].无线互联科技.2019
[10].佟骏超,费加罗,陈靖森,李恒,丁丹丹.递归式多阶特征融合图像超分辨率算法[J].中国图象图形学报.2019
论文知识图
![最优线段约简算法[110]](/uploads/article/2020/01/05/d75d33dcc6607c4f27f502f9.jpg)