导读:本文包含了数据分类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,植被,喀斯特,算法,故障,无人机,数据流。
数据分类论文文献综述
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）
王辉,李玉亮,王莉[2]（2019）在《完全贝叶斯分类器在经济数据分类中的应用》一文中研究指出针对贝叶斯分类器分类强关联属性导致分类准确率下降的问题,提一种完全贝叶斯分类器合理利用属性间的依赖关系优化贝叶斯分类器,对参数进行动态调整组合,同时合理剔除无关属性.采用国内外知名数据库提供的数据,通过与其他分类器的对比实验,证明了完全贝叶斯分类器在宏观与微观经济数据分类中都获得了较好的分类效果.(本文来源于《东北师大学报(自然科学版)》期刊2019年04期）
吕艳霞,刘波男,王翠荣,王聪,万聪[3]（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）
尹宁浩,刘瑞安,刘楠,曾贝贝[4]（2019）在《基于一维激光雷达数据的交通车辆分类研究》一文中研究指出为满足特殊场景中交通管理系统的高时效性、高准确率、低成本需求,本文以一维激光雷达距离数据为基础,将RGB图像、SAR图像等视觉图像处理方法中使用的角点特征的概念用于一维离散数据,从而获取一维离散数据的轮廓特征。本文提出了利用均值差变和离差获得离散角点数据的方法,然后通过对数据样本的长、宽、高、离散角点数据等信息进行分析,获得每类目标的统计特征,进一步调整基于决策树的分类系统参数,提高目标分类的准确率。实验结果表明,该方法对目标分类的正确率在91%以上,能够满足特定环境场景的需求。(本文来源于《软件》期刊2019年12期）
郎芹,马明国,闻建光,肖尧[5]（2019）在《基于天宫二号数据的西南石漠化地区植被分类》一文中研究指出为更好地对西南石漠化地区植被进行动态监测,将天宫二号可见光近红外数据作为一种新的数据源应用于该区域的植被分类。基于单一时相多数据源的天宫二号可见光近红外数据和Landsat8全色波段数据,采用面向对象的决策树分类法,将实验区一分为非植被、耕地、草地、灌木和乔木;基于多时相单一数据源的天宫二号可见光近红外数据,采用基于像元的决策树分类法,将实验区二分为非植被、耕地、草地、常绿灌木林、落叶灌木林、常绿阔叶林和落叶阔叶林。实验设计的3个关键点为:确定准确合理的植被分类体系、选择适宜的辅助信息改善分类效果、结合影像特征确定分类方法。结果表明,2组实验分类总体精度不低于0.70,kappa系数不低于0.61。(本文来源于《载人航天》期刊2019年06期）
王堃屹,周永章,王俊,刘心怡[6]（2019）在《基于单分类支持向量机的矿床数据挖掘与找矿预测》一文中研究指出地质数据属于复杂类型的数据集合，具有多源、异构、时空性，相关性、非线性等特征(陈建平等，2017)。长期的地质调查与研究积累并形成了大量的地学数据，这些数据来源多样，性质复杂，以往矿床学家们利用采样小数据进行分析和预测的方法往往难以处理规模日益庞大的地学数据(周永章等，2017)。如何高效整合不同来源的地学数据，有效识别出致矿异常信息并将其用于找矿预测研究，是当前矿床学研究(本文来源于《第九届全国成矿理论与找矿方法学术讨论会论文摘要集》期刊2019-12-13）
郇林[7]（2019）在《云计算背景下大数据自动分类处理系统设计研究》一文中研究指出网络大数据平台能够有效分类数据,也是实现全新应用及网民查询体验得到提高的主要途径。以此,就设计资源占用率较低,并且稳定新较高的网络大数据平台自动分类处理系统,网民能够直接使用系统显示端,主要目的就是获得网络大数据,显示大数据获得的结构及特征分类结果。服务器端使用SOA体系结构,能够提供网络大数据平台的数据分类服务,在网络大数据中融入特征数据分类标准,并且传递到逻辑层处理端。最后,对设计系统进行实验,实验结果表示系统具有良好的稳定性,资源占用率比较低。(本文来源于《电子设计工程》期刊2019年23期）
宋桂成,李军[8]（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）
张华[9]（2019）在《基于机器学习的光纤故障大数据分类算法研究》一文中研究指出为了提高光纤故障诊断能力,提出一种基于机器学习的光纤故障大数据分类算法。对采集的光纤网络传输数据进行低维度的特征集构造,构建光纤故障分布大数据库,对光纤故障数据库中的异常数据特征集采用加权统计分析方法进行样本回归分析;以少量的样本类别数据为测试集,采用层次聚类方法对光纤故障大数据进行极端随机数分析;对全部的故障样本进行抽样训练,提取光纤故障大数据的关联特征量,结合K-means算法和最近邻算法进行数据聚类中心扰动性分析;将光纤故障大数据的特征提取结果输入到机器学习器中进行数据分类,结合大数据融合聚类方法实现光纤故障大数据分类。仿真结果表明,采用该方法进行光纤故障大数据分类的准确性较高,误分率较小,提高了故障检测识别能力。(本文来源于《安阳工学院学报》期刊2019年06期）
王佳文[10]（2019）在《基于极课大数据精细化高中数学分层分类教学探讨》一文中研究指出随着新课程改革的发展及素质化教育的实施,现阶段高中数学教学过程中传统教学模式及教学体制存在较多的问题,这些问题的出现一定程度上影响了学生们的学习水平,导致学生们的学习效率低下。加上高中数学课堂教学过程中学生们数量较多,学生与学生之间学习情况、学习水平的差异较大,利用统一的教学方式很难提高全班学生的学习水平,导致班级内数学学习情况存在参差不齐的现象,不利于学生综合数学素养的培养。因此,有效的教学模式显得尤为重要,教师在教学过程中应基于极课大数据精细化高中数学进行分层分类的教学,为了分析基于极课大数据精细化高中数学分层分类教学的具体措施,笔者针对分层分类教学的必要性进行了分析。(本文来源于《中学课程辅导(教师教育)》期刊2019年22期）
数据分类论文开题报告
（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：
针对贝叶斯分类器分类强关联属性导致分类准确率下降的问题,提一种完全贝叶斯分类器合理利用属性间的依赖关系优化贝叶斯分类器,对参数进行动态调整组合,同时合理剔除无关属性.采用国内外知名数据库提供的数据,通过与其他分类器的对比实验,证明了完全贝叶斯分类器在宏观与微观经济数据分类中都获得了较好的分类效果.
（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。
数据分类论文参考文献
[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].王辉,李玉亮,王莉.完全贝叶斯分类器在经济数据分类中的应用[J].东北师大学报(自然科学版).2019
[3].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
[4].尹宁浩,刘瑞安,刘楠,曾贝贝.基于一维激光雷达数据的交通车辆分类研究[J].软件.2019
[5].郎芹,马明国,闻建光,肖尧.基于天宫二号数据的西南石漠化地区植被分类[J].载人航天.2019
[6].王堃屹,周永章,王俊,刘心怡.基于单分类支持向量机的矿床数据挖掘与找矿预测[C].第九届全国成矿理论与找矿方法学术讨论会论文摘要集.2019
[7].郇林.云计算背景下大数据自动分类处理系统设计研究[J].电子设计工程.2019
[8].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
[9].张华.基于机器学习的光纤故障大数据分类算法研究[J].安阳工学院学报.2019
[10].王佳文.基于极课大数据精细化高中数学分层分类教学探讨[J].中学课程辅导(教师教育).2019
论文知识图
