一、XFX:将“XT”进行到底（论文文献综述）
孙琦[1]（2021）在《基于高频数据的配对交易策略研究 ——以医疗器械业为例》文中研究表明
孙妍[2]（2021）在《基于无人机交通视频的车辆检测与跟踪算法研究》文中指出大多数道路车辆检测与跟踪是基于传统的固定监控摄像头,固定摄像头存在灵活性差、视野局限等弊端,而无人机飞行灵活、监控范围广、目标遮挡度低,在特殊时间段内可以对未设置固定摄像头的区域进行辅助监控,有效地弥补了监控区域固定和范围有限的不足。因此,基于无人机拍摄的道路交通视频的车辆检测与跟踪算法是一个值得研究并且有较高实用价值的课题。由于无人机视角下的交通视频中存在目标尺寸较小等问题,同时跟踪速度也应满足实时性要求,为此本文提出了一个应用在无人机交通视频中的实时车辆检测与跟踪算法,主要工作及创新点概括如下:（1）对通用目标检测算法进行研究与分析。首先对卷积神经网络的原理和结构进行了分析,其次研究了基于候选区域和基于回归的目标检测算法原理,通过比较两类算法的检测精度和检测速度,最终选择对密集小目标检测十分有效的YOLOv3算法作为实现本课题的基础检测算法。（2）由于无人机拍摄的交通视频中目标尺寸较小,现有目标检测算法的精度和速度难以满足要求,提出了一种改进YOLOv3的车辆检测算法YOMOv3-CIo U。通过k-means++聚类算法获取适合所用数据集的anchor box;以深度可分离卷积网络Mobile Netv3作为特征提取网络实现网络结构轻量化;以CIo U Loss作为边框回归损失函数对算法在车辆数据集上进行训练并测试。实验结果表明:改进后的模型参数量减少为原来的2/5,在速度上有了10帧/秒的提升。（3）针对多目标跟踪过程中ID跳变等问题,提出了一种基于度量学习的多车辆跟踪算法。算法使用YOMOv3-CIo U作为车辆检测器,通过卡尔曼滤波对前一帧车辆运动轨迹进行预测,采用基于深度度量学习提取到的深度特征作为车辆外观特征,使用基于马氏距离的运动信息相似度和基于最小余弦距离的外观特征相似度的线性加权作为综合相似性矩阵,最后使用匈牙利算法求解综合相似性矩阵,对前后两帧车辆之间进行数据关联,得到最终的跟踪结果。实验结果表明,本文所提车辆跟踪算法在跟踪精度没有明显降低的前提下获得了更快的跟踪速度,达到17帧/秒。
邓琪,高建军,葛冬冬,何斯迈,江波,李晓澄,王子卓,杨超林,叶荫宇[3]（2020）在《现代优化理论与应用》文中认为过去数十年间,现代运筹学,特别是优化理论、方法和应用有了长足的发展.本文就运筹与优化多个领域的一些背景知识、前沿进展和相关技术做了尽可能详尽的概述,涵盖了线性规划、非线性规划、在线优化、机器学习、组合优化、整数优化、机制设计、库存管理和收益管理等领域.本文的主要目标并非百科全书式的综述,而是着重介绍运筹学某些领域的主流方法、研究框架和前沿进展,特别强调了近期一些比较重要和有趣的发现,从而激发科研工作者在这些领域进行新的研究.
姜波[4]（2020）在《基于计算机视觉与深度学习的奶牛跛行检测方法研究》文中进行了进一步梳理奶牛跛行问题会对规模化奶牛养殖业起到不良影响,早检测、早预防是解决在规模化养殖奶牛中减少奶牛淘汰率的有效手段之一。为了解决规模化养殖条件下人工跛行检测不够及时,难以发现轻度跛行及突发中、重度跛行行为等问题,本研究以陕西杨凌科元克隆股份有限公司奶牛养殖场饲养的奶牛为研究对象,开展了基于计算机视觉与深度学习的奶牛跛行行为检测方法研究,以满足奶牛养殖业现代化水平提升的需求。本文主要研究内容与结论如下:（1）针对接触式奶牛跛行行为检测方法在实际检测时耗时、耗力等问题,提出了一种基于双正态分布背景统计模型的奶牛跛行检测方法。为了验证本研究所提出的跛行检测算法的有效性,采用全正确率、跛正确率及常正确率等指标对奶牛视频集进行了跛行检测试验,结果表明,本研究检测奶牛跛行检测的全正确率为93.75%,跛正确率为90.00%,常正确率为100%。与经典GMM算法相比,本文方法对目标奶牛检测效果更完整,对抗环境的鲁棒性更强,目标奶牛平均误检率降低了18.71%。该方法可为奶牛跛行行为的快捷、高精度检测提供新的借鉴。（2）针对跛行奶牛与正常奶牛在背部、头部、腿部的动作区别,提出了一种基于Filter Layer的YOLOv3（Fliter Layer YOLOv3,FLYOLOv3）深度学习网络,并开展了复杂场景下奶牛关键部位检测方法研究。为了验证算法的有效性,与Faster R-CNN算法、YOLOv3算法进行了对比,同时利用precision（准确率）、recall（召回率）、平均帧率、m AP（平均检准率）等指标进行了评价。试验结果表明,FLYOLOv3算法的precision为98.21%,recall为96.32%,平均帧率为35 f/s,m AP为92.17%,Faster R-CNN算法的precision为95.64%,recall为94.17%,平均帧率为10 f/s,m AP为91.49%,YOLOv3算法的precision为93.13%,recall为76.34%,平均帧率为85 f/s,m AP为86.89%。针对奶牛的关键部位,所提出的FLYOLOv3算法检测效果是有效的、可行的。（3）针对跛行奶牛的头颈部在运动过程中的变化特点,提出了一种基于正态分布背景统计模型（normal background statistical model,NBSM）与局部循环中心补偿跟踪模型（local circulation center compensation track,LCCCT）和线性斜率最近邻分类（distilling data of KNN,DSKNN）技术的奶牛跛行检测方法。试验结果表明,在未清洗的数据集上,分别利用SVM、Naive Bayes以及KNN分类算法进行了奶牛跛行的分类检测试验,试验结果表明,SVM与Naive Bayes跛行分类检测正确率均为82.78%,奶牛轻度跛行检测正确率分别为83.33%、66.67%、83.33%;将数据清洗后3类算法的结果表明,KNN分类算法的跛行检测正确率达94.44%,高于SVM分类算法的91.11%及Naive Bayes分类算法的86.11%。上述结果表明通过头部、颈部及背部连接处的拟合直线斜率特性可以正确检测奶牛跛行,数据经数据清洗后,KNN分类算法可以取得更好的检测结果。（4）针对跛行奶牛的背部曲率在行进过程中的变化特点,提出了一种融合机器视觉技术与深度学习算法的奶牛跛行检测方法。通过检测视频中奶牛的背部区域,提取目标奶牛背部拟合曲线的曲率数据,并将其放入基于递归神经网络的分类器中检测奶牛的跛行。为了验证算法的有效性,使用567段视频分别在LSTM模型、Bi LSTM模型、Noise+LSTM模型以及本模型上进行了训练,并使用243段视频进行了验证与测试。利用文中算法获取到的奶牛背部拟合曲率数据,通过在奶牛跛行的分类检测对比试验发现,本研究所提出模型的平均分类精确度为96.61%,分别比LSTM、Bi LSTM、Noise+LSTM模型提高了8.04%、2.09%、5.78%,表明通过奶牛背部的曲率特征可以正确检测奶牛跛行。该研究结果对于奶牛跛行疾病的预防、诊断具有重要意义。（5）利用Matlab R2019b中GUI编译工具箱,设计了非结构化环境下的奶牛跛行行为检测系统。该软件系统主要包括基于双正态分布背景统计模型的奶牛跛行检测算法、基于Filter Layer的奶牛关键部位检测算法、基于奶牛头颈部斜率的奶牛跛行行为检测算法、基于奶牛背部曲率的奶牛跛行行为检测算法。经过试验验证,该软件系统可实现通过上述检测方法对奶牛跛行行为进行检测等功能,系统具备操作简单、处理过程及结果显示直观、具体等优点。
周志上[5]（2020）在《基于多支持向量机的实体级别情感分析模型》文中提出情感分析（Sentiment Analysis）是从语言文本入手分析人们的观点、评价、态度和情绪的研究领域。实体级别的情感分析（Aspect Based Sentiment Analysis）是情感分析领域的最新任务,其重点在于分析并识别文档中不同实体的情感极性以充分提取个性化数据的完整信息。实体级别的情感分析相较常见的文档级别的情感分析而言,不仅需要识别与提取带有情感色彩的词语或描述,更需要能准确的捕捉句子的语法信息来确定不同的实体对象和与其相关联的情感描述信息,因此具备了相当高的研究难度和研究价值。目前,面向实体级别的情感分析技术相对较少,主要分为基于人工规则的方法、基于传统机器学习的方法、基于深度学习的方法和基于大规模预训练语言模型的方法。其中,基于人工规则的方法非常依赖于人工专家的参与,也较难在不同的领域间进行迁移;基于传统机器学习的方法通常受限于分类器的参数数量限制,面对较为复杂的实体情感分析问题时面临瓶颈;基于深度学习的方法的计算代价和存储代价较大,且模型的效果通常受制于数据集的规模和多样性;基于大规模预训练语言模型的方法尽管精度很高,但它们需要在大规模的语料库中进行预训练,并迁移至特定的任务进行微调,模型的学习代价和存储代价极大,且运用模型进行推理判断时速度很慢。针对上述问题和现状,本文提出了基于实体聚类的多支持向量机模型来解决实体级别的情感分析问题。本文的方法考虑到具有相似实体对象的样本将对应类似的特征,因此提出将实体对象通过词向量表征,而后通过K-Means方法进行实体聚类以将原任务数据全集划分出多个不同的数据子集,同一个数据子集内的样本都具有一定的相似性。通过在特定的数据子集上提取实体相关的特征和实体无关的特征,可以有效地捕捉到潜在的实体类别信息和一般性的语义信息。本文还利用基于贝叶斯优化的自动学习技术优化支持向量机模型。详尽的实验表明本文提出的模型是一个计算和存储代价较小、情感极性判定准确、判定速度快的实体级别情感分析模型。
杜睿[6]（2020）在《基于GRU改进的LSTM门控制长短期记忆网络的股票交易策略设计》文中研究指明近几十年来,金融量化得以产生并进而快速成熟。对于金融机构例如基金来说,投资机构越来越不满足被动构建投资组合收益市场平均收益的局面,对于主动量化策略投资组合的重视性日渐加深,这就需要引入主动型股票投资基金管理模式。目前在我国的股票基金投资市场,有非常多的主动型量化投资策略,使用的算法千差万别,如SVM、随机森林、RNN循环记忆网络等等。本文着眼于这个趋势,使用金融股票投资领域使用方兴未艾的LSTM-GRU门控制长短期记忆网络模型为基础构建一套主动投资型股票策略,并将其与已经在股票量化投资领域广泛使用的SVM、RNN等模型对比,从理论上来说,相较于SVM单纯依靠核函数来高阶映射进而分类数据,RNN、LSTM-GRU等神经网络算法原理更为优良,更适合处理金融股票数据,之后通过多重对比,最后发现LSTM-GRU门控制长短期记忆网络具有较好的准确率,通过选择LSTM-GRU算法构建基于沪深300指数成分股的交易策略,进行参数调校与神经层的连接调整,最终在长期时间内取得了显着跑赢基准指数沪深300的成绩。本文结论即研究成果可以为金融机构构建主动型股票投资组合提供一定的量化策略参考。
向伟富[7]（2020）在《面向问答系统的知识图谱推理算法的研究与实现》文中研究说明知识图谱由于其具有的知识高度结构化、应用范围广等优点获得了众多研究人员的关注。基于知识图谱的问答系统作为知识图谱的一大典型应用,目前仍然存在着无法有效表示和利用知识的问题。针对这一问题,本文开展了对知识表示和基于知识图谱的问答推理的研究,并实现了基于实体和关系描述的知识嵌入模型和基于事实记忆和知识图谱的问答模型。其中,基于实体和关系描述的知识嵌入模型用于改善知识的向量表示效果,基于事实记忆和知识图谱的问答模型则用于在知识图谱上推理出问题答案。具体来说,本文的主要研究工作如下:（1）提出并实现了基于实体和关系描述的知识嵌入模型。当前的大多数知识嵌入模型都存在着在三元组的语义信息这一方面考虑过少的问题,针对于这一问题,本文提出了基于实体和关系描述的知识嵌入模型。在该模型中,不仅改进了传统的DKRL模型和TransD模型,在获取实体和关系语义时,也采取了结合注意力机制和卷积神经网络的实体描述嵌入模型和层次化关系语义嵌入模型这两种新方法。实验证明,本模型相比TransE、TransD和DKRL等基线模型,在链接预测中使用bern采样时平均排名达到了最优,且此时的hits@10也达到了最优的77.4%;在三元组分类中采用bern采样时比之前的最优模型（TransD模型）多出了4个千分点。（2）提出并实现了基于事实记忆和知识图谱的问答模型。在现有的基于知识图谱的问答系统中,大多数模型不能同时具有较高准确率和良好的可解释性。针对这一现状,本文提出了基于事实记忆和知识图谱的问答模型。该模型通过对事实记忆网络模型采用双向的三元组信息、多种评分指标和扩展的事实列表这三种方式,在保持了原有的事实记忆网络模型的可解释性的同时也取得了较好的问答效果。相比事实记忆网络等两个基线模型,本模型在WebQuestions上提高了1个千分点,在SimpleQuestions上提高了1.1个百分点。（3）提出并构建了面向知识图谱推理算法的问答系统。该问答系统包含了问题处理模块、数据检索模块和问答模块这三个功能模块,并且在核心的问答模块中,成功地应用了（1）和（2）中的新模型。在实际使用中,本问答系统具有可视化效果较好、准确率较高和可解释性较强等优点。
杨铭奕[8]（2020）在《城市基层政府治理创新制度化研究 ——以X区的“邻里汇”项目为例》文中研究表明随着城市化进程发展,人口与资源、公平与效率等矛盾日渐尖锐。政府治理创新成为当今世界各国推动公共治理绩效提升的普遍性策略。在我国作为热点的城市基层政府治理创新面临着“不可持续”的困境,普遍认为创新制度化是其解决路径。那城市基层政府治理创新在制度化过程中如何获得产生、成长与发展?有哪些因素会作用于城市基层政府治理创新制度化过程?借助制度变迁理论与组织社会学的新制度主义理论,本文试图构建一个理解我国场景下城市基层政府治理创新与其创新制度化的理论模型。并运用这一模型对基层政府治理创新制度化的背景、产生、习惯化、客观化和沉淀等多个阶段过程进行分析解释其中运行机制及其因素作用。本文选取X区“邻里汇”城市社区公共服务混合供给协作平台为代表的城市基层政府治理创新制度化过程来回答这一问题。通过案例研究发现,资源禀赋、政治压力、政策兼容、激励预期等关键因素会通过影响制度中的组织行动主体及其能动性,组织行动主体对合法性策略的选择会影响制度化过程及其结果。城市政府治理创新在资源依赖、同形压力下主动或被动出现制度“名实分离”现象,导致创新制度异化。最后提出针对性意见,建议强化政府责任的同时,保持治理体系的开放性,留出一定的制度创新空间,增强创新职能建设,防范城市基层治理创新异化。
徐耀坤[9]（2019）在《时间域量子成像研究》文中研究说明在量子信息技术的飞速发展过程中,量子成像应运而生。量子成像在分辨率、灵敏度和抗干扰等方面具有优势,引起人们极大的关注。随着研究的深入,量子成像从空间域拓展到时间域。时间域量子成像在时间信号测量和提取等方面具有潜在优势,为刻画时间信号提供了新的思路,本文主要研究利用时间域量子成像方法获取时间信号的不同信息。本文的主要工作如下:1.总结归纳了时间域量子成像的理论基础,包括波动光学和量子光学部分。在波动光学部分,主要介绍了时空二象性,即光随空间的衍射和光随时间的色散在数学描述上是等价的,这是时域成像的缘由。详细地对比了时间域和空间域的传播方程及参数、透镜、自由传播的脉冲响应函数、成像关系和傅立叶变换。在量子光学部分,首先介绍了量子成像中常见的量子态及其在单模和多模情况下的表示和性质,然后介绍了光场的一阶和二阶关联函数,并对比了不同量子态的二阶相干性。2.时间域振幅量子成像。本文提出了时间域计算鬼成像方案,利用该方案可以获取时域信号的振幅信息。该方案可以在信号测量中减轻探测器的压力,实现慢探测器测量快速变化的时间信号。实验中利用带宽1k Hz的探测器恢复了带宽20MHz的光信号。利用峰值信噪比定量地对比了在不同探测器带宽情况下,直接测量、扫描测量和利用时间域计算鬼成像测量的结果,对比结果表明利用时间域计算鬼成像测量信号可以有效克服探测器带宽和噪声的影响。3.时间域傅立叶量子成像。本文提出了时间域计算傅立叶鬼成像方案,利用该方案可以获得输入光脉冲的傅立叶像,即光谱信息。相比传统的时间域光谱测量方法（色散傅立叶变换）,该方案可以在时间近场获得光谱信息,极大地缩短了色散光纤的长度,降低测量系统的光学损耗。在理论上分析了该方案的光谱分辨率、所需色散光纤长度和光谱测量范围。在数值模拟中证明了该方案的可行性,并验证了光谱分辨率的影响因素。最后给出了利用时间域计算傅立叶鬼成像测量单光子光谱的应用方案。4.时间域全息量子成像。基于Hong-Ou-Mandel（HOM）干涉,本文提出了时间域全息成像方案,利用该方案可以同时获得时间域信号的振幅和相位信息。针对HOM干涉中常用的两种量子态——单光子态和相干态,在理论上证明了利用HOM干涉,即归一化符合计数值,可以同时获得量子态所携带的振幅和相位信息。证明过程中采用了广义坐标,说明该方法适用于空间、时间、频率等多个自由度。从理论上证明了该方法对相位噪声具有鲁棒性。实验上在光纤系统中恢复了加载在相干态上的振幅和相位信息。最后,利用一阶全息方法和二阶全息方法分别测量随时间变化的相位,发现一阶全息方法受到相位噪声的影响而二阶（HOM）全息方法可以有效克服相位噪声,通过对比实验证明了HOM二阶全息的鲁棒性。
赵艳粉[10]（2019）在《基于虚功法的永磁球形电机转矩计算》文中进行了进一步梳理近年来,不断深入发展的现代工业对工业机器人、人造卫星等可实现多自由度复杂运转的机械装置提出了越来越严苛的性能要求,依靠多台单自由度电机级联实现多自由度运转要求的系统逐渐显现出弊端。而依靠单节点即可实现三自由度运转的球形电机具有体积小、结构简单、控制方便等诸多优点,更适合应用在多自由度运转的机械装置中。然而,永磁球形电机在带来多自由度运转特性的同时,也使得其电磁关系更为复杂。转矩分析作为连接永磁球形电机结构设计和控制策略的关键点,对于推动永磁球形电机的研究和发展尤为重要,因此建立永磁球形电机的转矩解析模型是必需且重要的。本文首先基于永磁球形电机转子磁极分布和其对应的转子磁场分布之间的映射关系,提出将转子磁极放置在其对应的球谐波磁场分布的极值位置处的转子结构设计方法;为了使定子通电线圈生成与转子相同的磁场分布以产生恒定转矩,将圆柱形定子线圈放置在与转子磁极相同的空间位置上。此外,提出了表面弧形的气体静压轴承内嵌于定子空心线圈实现对永磁球形电机转子的无接触支撑方案。其次,本文在仅考虑定子极和转子极下的磁场基波的前提下,使用虚功法原理推导得到单对定子极和转子极的转矩计算模型,鉴于该模型中转矩主要与定子极和转子极的空间夹角有关,使用空间几何法推导得到单层八极永磁球形电机的任意对定子极和转子极的空间夹角计算方法;鉴于永磁球形电机三自由度的运转特性,将转矩矢量分解到定子坐标系下并推导得到各转矩分量方向夹角的计算方法;量化了一对极与另一对极之间的相互作用对叠加定理使用的影响,得到单层永磁球形电机的转矩模型。然后,鉴于单层永磁球形电机空间夹角和各转矩分量方向夹角的计算复杂度,提出使用空间矢量法推导得到双层永磁球形电机任意对定子极和转子极的空间夹角以及各转矩分量方向夹角的计算方法,使用叠加定理得到规范化的双层永磁球形电机转矩计算模型。最后,建立了有限元仿真模型以验证所得到的转矩模型的正确性,制造了双层永磁球形电机实验样机并设计了三自由度转矩测量平台进一步对转矩模型进行了实验验证,并采用相对误差公式以衡量所得到的转矩模型的计算精确度。
二、XFX:将“XT”进行到底（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、XFX:将“XT”进行到底（论文提纲范文）
（2）基于无人机交通视频的车辆检测与跟踪算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 目标检测算法研究现状 |
| 1.2.2 目标跟踪算法研究现状 |
| 1.3 无人机视频多车辆跟踪难点 |
| 1.4 研究内容及结构安排 |
| 1.4.1 主要研究内容 |
| 1.4.2 文章结构安排 |
| 第2章 基于深度学习的目标检测算法 |
| 2.1 卷积神经网络 |
| 2.1.1 卷积运算 |
| 2.1.2 卷积层 |
| 2.1.3 池化层 |
| 2.1.4 激活层 |
| 2.2 基于候选区域的目标检测算法 |
| 2.3 基于回归的目标检测算法 |
| 2.4 本章小结 |
| 第3章 基于YOLOv3的改进车辆检测算法 |
| 3.1 YOLOv3目标检测算法 |
| 3.1.1 先验框的聚类 |
| 3.1.2 特征提取网络 |
| 3.1.3 边框预测原理 |
| 3.1.4 多尺度检测 |
| 3.1.5 损失函数 |
| 3.2 基于YOLOv3改进的车辆检测算法 |
| 3.2.1 先验框聚类算法的优化 |
| 3.2.2 特征提取网络的改进 |
| 3.2.3 损失函数优化 |
| 3.3 实验与结果分析 |
| 3.3.1 实验数据集 |
| 3.3.2 常用评价指标 |
| 3.3.3 实验环境 |
| 3.3.4 实验结果对比与分析 |
| 3.4 本章小结 |
| 第4章 基于度量学习的多车辆跟踪算法 |
| 4.1 多目标跟踪算法 |
| 4.1.1 卡尔曼滤波 |
| 4.1.2 匈牙利算法 |
| 4.1.3 级联匹配 |
| 4.2 基于度量学习的车辆外观特征提取 |
| 4.2.1 度量学习 |
| 4.2.2 Triplet Loss原理 |
| 4.2.3 Triplet Loss有效性实验 |
| 4.2.4 车辆外观特征提取网络 |
| 4.3 基于度量学习的多车辆跟踪算法 |
| 4.4 多车辆跟踪算法性能测试与分析 |
| 4.4.1 常用评价指标 |
| 4.4.2 实验结果分析 |
| 4.4.3 跟踪效果展示 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（4）基于计算机视觉与深度学习的奶牛跛行检测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 相关研究现状 |
| 1.2.1 基于接触式传感器的奶牛跛行检测技术研究现状 |
| 1.2.2 基于计算机视觉技术的奶牛跛行检测现状 |
| 1.2.3 存在问题 |
| 1.3 主要研究内容 |
| 1.4 论文组织安排 |
| 第二章 基于双正态分布背景统计模型的奶牛跛行检测方法研究 |
| 2.1 试验视频材料 |
| 2.2 基于双正态分布的奶牛目标与背景检测 |
| 2.3 背景统计判别奶牛跛行模型 |
| 2.3.1 帧像素分布 |
| 2.3.2 帧像素曲面拟合 |
| 2.3.3 帧像素残差 |
| 2.4 联合像素分布指标的奶牛跛行判别 |
| 2.5 模型性能评价 |
| 2.5.1 检测正确率指标 |
| 2.5.2 鲁棒性指标 |
| 2.6 结果与讨论 |
| 2.6.1 奶牛视频的检测结果 |
| 2.6.2 模型对环境变化的鲁棒性分析 |
| 2.7 本章小结 |
| 第三章 基于FLYOLOv3 模型的奶牛关键部位检测方法研究 |
| 3.1 材料与方法 |
| 3.2 基于YOLOv3的奶牛关键部位检测网络及训练 |
| 3.2.1 边界框的预测与分类 |
| 3.2.2 多尺度预测 |
| 3.2.3 特征提取 |
| 3.2.4 奶牛目标关键部位训练 |
| 3.3 基于FLYOLOv3 的奶牛关键部位检测网络及训练 |
| 3.4 基于Faster R-CNN的奶牛关键部位检测 |
| 3.5 评价指标 |
| 3.6 试验结果与分析 |
| 3.6.1 模型的整体检测结果 |
| 3.6.2 奶牛关键部位检测结果 |
| 3.7 算法性能讨论 |
| 3.8 本章小结 |
| 第四章 基于头颈部拟合直线斜率特征的奶牛跛行检测方法研究 |
| 4.1 试验材料的获取 |
| 4.2 基于头颈部轮廓拟合直线斜率特征的奶牛跛行检测方法 |
| 4.2.1 NBSM模型 |
| 4.2.2 LCCCT模型 |
| 4.2.3 数据清洗 |
| 4.2.4 线性斜率K最近邻分类器模型 |
| 4.3 试验与结果分析 |
| 4.4 本章小结 |
| 第五章 基于奶牛背部曲率特征的奶牛跛行检测方法研究 |
| 5.1 试验数据集 |
| 5.2 奶牛跛行检测方法 |
| 5.2.1 TCBPE模型 |
| 5.2.2 TCORE模型 |
| 5.2.3 TCBCE模型 |
| 5.2.4 FDP模型 |
| 5.3 算法结果与讨论 |
| 5.3.1 试验结果与分析 |
| 5.3.2 算法架构讨论 |
| 5.4 本章小结 |
| 第六章 非结构化环境下奶牛跛行行为检测软件设计 |
| 6.1 非结构化环境下的奶牛跛行行为检测的软件整体设计 |
| 6.1.1 软件开发及运行环境 |
| 6.1.2 软件功能设计及系统框图 |
| 6.1.3 软件功能实现及操作演示 |
| 6.2 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（5）基于多支持向量机的实体级别情感分析模型（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 本文内容及贡献 |
| 1.3 本文结构说明 |
| 第二章 相关工作介绍 |
| 2.1 文本特征提取技术 |
| 2.1.1 文本令牌化 |
| 2.1.2 词性标注 |
| 2.1.3 语法标注 |
| 2.2 现有的实体级别情感分析方法 |
| 2.2.1 基于人工规则的方法 |
| 2.2.2 基于传统机器学习的方法 |
| 2.2.3 基于深度学习的方法 |
| 2.2.4 基于大规模预训练语言模型的方法 |
| 2.3 多类别型支持向量机 |
| 2.3.1 多类别型支持向量机的理论依据 |
| 2.3.2 基于贝叶斯过程的自动超参数选择 |
| 2.4 本章小结 |
| 第三章 构建实体级别情感分析基线模型 |
| 3.1 基线模型的整体流程 |
| 3.2 基线模型的特征提取流程 |
| 3.2.1 文本令牌化操作 |
| 3.2.2 令牌单元的词性标注操作 |
| 3.2.3 令牌单元的语法标注操作 |
| 3.2.4 表层特征提取操作 |
| 3.2.5 语法特征提取操作 |
| 3.2.6 文本的情感统计特征提取操作 |
| 3.3 本章小结 |
| 第四章 基于实体聚类的多支持向量机方法 |
| 4.1 多支持向量机模型的整体流程 |
| 4.2 使用多支持向量机解决实体级别情感分析的形式化描述 |
| 4.3 获取实体的词向量 |
| 4.4 通过实体聚类划分数据集 |
| 4.5 特征提取 |
| 4.5.1 表层特征 |
| 4.5.2 语法特征 |
| 4.5.3 词相似性特征 |
| 4.5.4 情感统计特征 |
| 4.5.5 实体无关性特征 |
| 4.6 模型的训练过程 |
| 4.6.1 学习模型所需要的特征种类 |
| 4.6.2 学习设定分类的超平面空间 |
| 4.7 模型的预测过程 |
| 4.8 训练模型的时间复杂度分析 |
| 4.9 本章小结 |
| 第五章 实验结果及分析 |
| 5.1 实验准备 |
| 5.1.1 数据集 |
| 5.1.2 评价指标 |
| 5.1.3 实验机器信息 |
| 5.2 基线模型 |
| 5.2.1 归一化方法的影响 |
| 5.2.2 不同特征的性能 |
| 5.3 本文提出的模型 |
| 5.3.1 对比模型介绍及比较 |
| 5.3.2 聚类数量的变动 |
| 5.3.3 模型预测时间对比 |
| 5.3.4 模型容量对比 |
| 5.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（6）基于GRU改进的LSTM门控制长短期记忆网络的股票交易策略设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景 |
| 1.2 研究的目的和意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究内容、方法、技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线图 |
| 1.4 本文主要贡献 |
| 第2章 相关理论回顾与文献综述 |
| 2.1 相关理论 |
| 2.1.1 SVM原理及特性 |
| 2.1.2 循环记忆网络模型(RNN) |
| 2.1.3 长短期记忆网络模型(LSTM) |
| 2.1.4 门控制循环模型(GRU) |
| 2.2 文献综述 |
| 2.2.1 传统选股模式 |
| 2.2.2 量化选股 |
| 2.2.3 投资策略 |
| 2.2.4 文献评述 |
| 第3章 问题分析与交易策略构思 |
| 3.1 主动型股票基金收益波动较大的问题 |
| 3.1.1 主动型股票投资基金的收益现状 |
| 3.1.2 主动式股票基金收益问题提出 |
| 3.2 基于GRU改进的LSTM交易策略设计思路 |
| 3.3 交易策略设计的理论框架 |
| 第4章 交易策略的设计方案 |
| 4.1 数据选取 |
| 4.2 因子池选取 |
| 4.3 数据清洗 |
| 4.4 模型选择 |
| 4.4.1 建模算法选择与原理分析 |
| 4.4.2 各类算法建模效果对比 |
| 4.5 LSTM量化选股策略构建及基于GRU模型的改善 |
| 4.5.1 LSTM模型参数选择与结构设定 |
| 4.5.2 GRU模型改进与LSTM-GRU模型结构设定 |
| 第5章 交易策略方案设计及有效性评价 |
| 5.1 LSTM-GRU交易策略方案的有效性评价 |
| 5.1.1 样本外检验设置 |
| 5.1.2 LSTM模型与LSTM-GRU模型预测准确率与时间复杂度对比 |
| 5.1.3 LSTM-GRU模型损失函数分析 |
| 5.1.4 LSTM-GRU建模因子重要性分析 |
| 5.1.5 对动量、市值类因子的改善 |
| 5.2 基于LSTM-GRU的主动型股票投资基金投资组合设计 |
| 5.2.1 主动型投资基金投资组合原理 |
| 5.2.2 LSTM-GRU网络策略投资组合的设计 |
| 5.3 LSTM-GRU策略历史业绩回测评价 |
| 5.3.1 业绩评价指标 |
| 5.3.2 风险度量指标 |
| 5.3.3 详细回测指标表现 |
| 5.4 交易策略方案的风险提示 |
| 第6章 结论 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）面向问答系统的知识图谱推理算法的研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 知识嵌入技术研究现状 |
| 1.2.2 基于知识图谱的问答系统研究现状 |
| 1.3 研究目标与研究内容 |
| 1.4 本论文的结构安排 |
| 第二章 相关研究工作 |
| 2.1 知识嵌入相关技术 |
| 2.1.1 复杂关系建模 |
| 2.1.2 多源信息引入 |
| 2.2 基于知识图谱的问答系统相关技术 |
| 2.2.1 基于语义解析的KBQA |
| 2.2.2 基于信息抽取的KBQA |
| 2.2.3 基于向量建模的KBQA |
| 2.3 本章小结 |
| 第三章 基于实体和关系描述的知识嵌入模型 |
| 3.1 引言 |
| 3.2 相关模型 |
| 3.3 相关技术 |
| 3.3.1 注意力模型 |
| 3.3.2 卷积神经网络 |
| 3.4 基于实体和关系描述的知识嵌入模型 |
| 3.4.1 总体框架 |
| 3.4.2 改进的TransD模型 |
| 3.4.3 结合attention和 CNN的实体描述嵌入模型 |
| 3.4.4 层次化关系语义嵌入模型 |
| 3.4.5 损失函数与训练方式 |
| 3.5 实验与分析 |
| 3.5.1 实验数据与实验环境 |
| 3.5.2 链接预测 |
| 3.5.3 三元组分类 |
| 3.6 本章小结 |
| 第四章 基于事实记忆和知识图谱的问答模型 |
| 4.1 引言 |
| 4.2 相关模型 |
| 4.3 相关技术 |
| 4.3.1 循环神经网络 |
| 4.3.2 长短时记忆神经网络 |
| 4.4 基于事实记忆和知识图谱的问答模型 |
| 4.4.1 数据预处理 |
| 4.4.2 算法流程 |
| 4.4.3 损失函数与训练方式 |
| 4.5 实验与分析 |
| 4.5.1 实验数据与实验环境 |
| 4.5.2 参数设置 |
| 4.5.3 实验与分析 |
| 4.6 本章小结 |
| 第五章 面向知识图谱推理算法的问答系统的研究与实现 |
| 5.1 需求分析 |
| 5.1.1 系统可行性分析 |
| 5.1.2 系统功能需求分析 |
| 5.1.3 系统非功能需求分析 |
| 5.2 系统设计 |
| 5.2.1 系统整体结构 |
| 5.2.2 问题处理模块 |
| 5.2.3 数据检索模块 |
| 5.2.4 问答模块 |
| 5.3 系统实现与展示 |
| 5.3.1 开发工具 |
| 5.3.2 系统实现 |
| 5.3.3 系统展示 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（8）城市基层政府治理创新制度化研究 ——以X区的“邻里汇”项目为例（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与问题提出 |
| 1.1.1 研究背景 |
| 1.1.2 问题的提出 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 现实意义 |
| 1.3 研究方法与资料获取 |
| 1.3.1 主要研究方法 |
| 1.3.2 研究案例选取 |
| 1.3.3 案例材料收集与分析 |
| 1.4 研究思路 |
| 1.5 文章结构 |
| 1.6 可能的创新点 |
| 第二章 文献综述 |
| 2.1 治理与基层治理 |
| 2.1.1 治理的含义与内容 |
| 2.1.2 地方治理与城市基层治理相关研究 |
| 2.2 政府创新及其可持续性 |
| 2.2.1 创新与政府创新的含义与内容 |
| 2.2.2 政府创新可持续性与创新扩散相关研究 |
| 2.3 制度化及政府创新制度化 |
| 2.3.1 制度化的含义与内容 |
| 2.3.2 政府创新制度化的表现与实践 |
| 2.3.3 政府创新制度化的影响因素研究 |
| 2.4 研究评述 |
| 第三章 相关概念界定、理论基础与分析框架 |
| 3.1 相关概念界定 |
| 3.1.1 城市基层政府治理创新 |
| 3.1.2 制度化 |
| 3.1.3 城市基层政府治理创新的可持续性 |
| 3.1.4 城市基层政府治理创新的制度化 |
| 3.2 理论基础 |
| 3.2.1 制度变迁理论 |
| 3.2.2 组织社会学的新制度主义理论 |
| 3.3 城市基层政府治理创新制度化分析框架 |
| 3.3.1 组织能动性与合法性策略 |
| 3.3.2 城市基层政府治理创新制度化的影响因素及研究命题 |
| 3.3.3 城市基层政府治理创新制度化分析框架 |
| 第四章 案例研究:以X区“邻里汇”项目制度化过程为例 |
| 4.1 X区社区公共服务混合供给协作平台创新背景 |
| 4.1.1 社区公共服务及其供给的特殊属性 |
| 4.1.2 我国城市社区公共服务供给制度的演进 |
| 4.1.3 城市社区公共服务多元主体供给现实困境 |
| 4.2 X区“邻里汇”制度的产生:基层政府治理创新的启动逻辑 |
| 4.2.1 社区养老需求迫切 |
| 4.2.2 政治压力强化 |
| 4.2.3 从“社区服务中心”到“邻里汇” |
| 4.3 X区“邻里汇”制度的习惯化与客观化 |
| 4.3.1 选择性试点与典型打造 |
| 4.3.2 自我职能与角色定位更新 |
| 4.3.3 初步规范构建与宣传成效 |
| 4.4 X区“邻里汇”制度的沉淀 |
| 4.4.1 资格累积与激励增强 |
| 4.4.2 合作网络拓展与话语动员 |
| 4.4.3 制度规范化与标准化 |
| 第五章 研究发现与讨论 |
| 5.1 研究发现 |
| 5.1.1 城市基层政府治理创新制度化的因素作用 |
| 5.1.2 城市基层政府治理创新制度化的合法性策略 |
| 5.1.3 城市基层政府治理创新制度化的“名实分离” |
| 5.2 政策启示与建议 |
| 5.3 进一步的讨论 |
| 5.4 研究不足 |
| 参考文献 |
| 附录1 访谈提纲 |
| 附录2 文本资料统计 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（9）时间域量子成像研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号使用说明 |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 量子成像研究现状 |
| 1.2.1 空间域量子成像 |
| 1.2.2 时间域量子成像 |
| 1.3 论文主要工作与结构 |
| 第二章 时间域量子成像理论基础 |
| 2.1 时间域成像波动光学基础 |
| 2.1.1 光的衍射、色散及时空二象性 |
| 2.1.2 线性不变系统和脉冲响应函数 |
| 2.1.3 空间成像系统和时间成像系统 |
| 2.2 时间域成像量子光学基础 |
| 2.2.1 电磁场的量子化 |
| 2.2.2 量子态的表示及性质 |
| 2.2.3 光场关联函数及性质 |
| 2.3 本章小结 |
| 第三章 时间域振幅量子成像 |
| 3.1 空间域鬼成像回顾 |
| 3.1.1 鬼成像理论模型 |
| 3.1.2 鬼成像的分辨率和信噪比 |
| 3.1.3 计算鬼成像 |
| 3.2 时间域计算鬼成像 |
| 3.2.1 时间域鬼成像 |
| 3.2.2 时间域计算鬼成像方案 |
| 3.2.3 时间域计算鬼成像实验结果 |
| 3.2.4 分段重构策略 |
| 3.2.5 低采样率下实验结果 |
| 3.2.6 对比扫描探测 |
| 3.2.7 关于时间域计算鬼成像的进一步讨论 |
| 3.3 本章小结 |
| 第四章 时间域傅立叶量子成像 |
| 4.1 空间域傅立叶鬼成像回顾 |
| 4.1.1 傅立叶鬼成像理论模型 |
| 4.1.2 傅立叶鬼成像分辨率和成像条件 |
| 4.1.3 傅立叶鬼成像成像条件的进一步讨论 |
| 4.2 时间域计算傅立叶鬼成像 |
| 4.2.1 理论模型 |
| 4.2.2 时间域计算傅立叶鬼成像参数分析 |
| 4.2.3 数值模拟 |
| 4.2.4 潜在应用讨论 |
| 4.3 本章小结 |
| 第五章 时间域全息量子成像 |
| 5.1 HOM干涉基本理论 |
| 5.1.1 基于单光子的单模HOM干涉 |
| 5.1.2 基于单光子的多模HOM干涉 |
| 5.1.3 基于相干态的HOM干涉 |
| 5.1.4 基于相干态HOM干涉的经典描述 |
| 5.1.5 基于HOM干涉的空间全息成像 |
| 5.2 基于HOM干涉的时间域全息成像 |
| 5.2.1 基于HOM干涉全息的理论模型 |
| 5.2.2 全息模型的实验验证 |
| 5.2.3 鲁棒性验证 |
| 5.2.4 关于HOM全息的讨论 |
| 5.3 HOM全息的经典理论 |
| 5.3.1 HOM全息的强度关联模型 |
| 5.3.2 HOM全息经典理论的实验验证 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（10）基于虚功法的永磁球形电机转矩计算（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 国内外发展现状 |
| 1.2.1 球形电机结构研究现状 |
| 1.2.2 球形电机转矩计算研究现状 |
| 1.3 课题主要研究内容 |
| 第2章 永磁球形电机结构设计 |
| 2.1 永磁球形电机的一般结构 |
| 2.2 转子结构设计 |
| 2.3 定子结构设计 |
| 2.4 支撑结构设计 |
| 2.5 本章小结 |
| 第3章 单层永磁球形电机的转矩模型 |
| 3.1 欧拉角旋转变换原理 |
| 3.2 基于虚功法的单对定子极和转子极的转矩模型 |
| 3.3 单层永磁球形电机的转矩模型 |
| 3.3.1 单层永磁球形电机定子极和转子极的空间夹角计算 |
| 3.3.2 单层永磁球形电机转矩分量方向夹角计算 |
| 3.3.3 基于叠加定理的单层永磁球形电机的转矩模型 |
| 3.4 本章小结 |
| 第4章 双层永磁球形电机的转矩模型 |
| 4.1 双层永磁球形电机结构 |
| 4.2 双层永磁球形电机的转矩模型 |
| 4.2.1 双层永磁球形电机定子极和转子极的空间夹角计算 |
| 4.2.2 双层永磁球形电机转矩分量方向夹角计算 |
| 4.2.3 基于叠加定理的双层永磁球形电机转矩模型 |
| 4.3 本章小结 |
| 第5章 仿真与实验 |
| 5.1 单对极转矩模型与叠加定理的有限元验证 |
| 5.2 永磁球形电机转矩模型的有限元验证 |
| 5.3 永磁球形电机转矩模型的实验验证 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
四、XFX:将“XT”进行到底（论文参考文献）
- [1]基于高频数据的配对交易策略研究 ——以医疗器械业为例[D]. 孙琦. 东华大学, 2021
- [2]基于无人机交通视频的车辆检测与跟踪算法研究[D]. 孙妍. 燕山大学, 2021
- [3]现代优化理论与应用[J]. 邓琪,高建军,葛冬冬,何斯迈,江波,李晓澄,王子卓,杨超林,叶荫宇. 中国科学:数学, 2020(07)
- [4]基于计算机视觉与深度学习的奶牛跛行检测方法研究[D]. 姜波. 西北农林科技大学, 2020
- [5]基于多支持向量机的实体级别情感分析模型[D]. 周志上. 华南理工大学, 2020(02)
- [6]基于GRU改进的LSTM门控制长短期记忆网络的股票交易策略设计[D]. 杜睿. 上海师范大学, 2020(07)
- [7]面向问答系统的知识图谱推理算法的研究与实现[D]. 向伟富. 电子科技大学, 2020(01)
- [8]城市基层政府治理创新制度化研究 ——以X区的“邻里汇”项目为例[D]. 杨铭奕. 上海交通大学, 2020(01)
- [9]时间域量子成像研究[D]. 徐耀坤. 国防科技大学, 2019(01)
- [10]基于虚功法的永磁球形电机转矩计算[D]. 赵艳粉. 天津大学, 2019(01)