导读:本文包含了提取特征值论文开题报告文献综述及选题提纲参考文献，主要关键词:软件同源性检测,抽象语法树,特征值提取算法
提取特征值论文文献综述
刘帅[1]（2019）在《面向海量目标源代码数据比对样本的源代码特征值提取算法》一文中研究指出本文提出了在面向海量目标源代码数据比对样本场景下对软件同源性检测技术提出的新的技术挑战,同时,对目前已有的同源性检测技术进行探讨,介绍了一种源代码特征值提取算法来满足检测需求,在此基础上对检测系统进行了设计,并从检测准确性、存储容量方面验证了算法的实际效果和可行性。(本文来源于《电子技术与软件工程》期刊2019年17期）
燕芳,王志春,丁东阳[2]（2019）在《电涡流测厚系统特征值提取方法》一文中研究指出用电涡流无损检测方法对铝板厚度进行检测,选用方波信号作为脉冲涡流的激励信号,通过仿真建模找出时域和频域中特征值与铝板厚度之间的对应关系,并通过进一步反演计算得出铝板的厚度,实验数据显示该法可有效实现铝板厚度的无损检测。(本文来源于《传感器与微系统》期刊2019年07期）
易鑫,罗小刚,钱烨,霍丹群,侯长军[3]（2019）在《纸基纳米金阵列图像特征值自动提取方法》一文中研究指出纸基纳米金作为一种能够实现重金属离子检测的比色传感器,具备快速、精确、特异性高等优点。当前,手动处理是实现纸基特征信息提取的主要方式,其效率低下,容易引入人为误差,所得特征信息的可重复性也较差。针对这些问题,在纸基阵列图像基础上,提出基于HSI颜色空间和种子区域生长的两阶段自动特征提取方法。首先将图像由RGB空间转换到HSI空间完成粗分割、形态学滤波和网格划分;在此基础上提出首先基于色调吸引力(HAF)和亮度吸引力(IAF)的相似性度量的种子区域生长(SRG)算法,该算法有效地结合SRG算法的像素物理位置邻接特性和HAF及IAF的颜色空间邻接特性,实现细分割和特征提取。实验采用10张5×5纸基阵列(共计250个反应点),对该特征提取方法进行精度和稳定性测试,并采用10张不同尺寸的纸基阵列,对其进行自适应特性测试。实验结果表明,该特征提取方法的平均误差在1%以内,最大误差及标准差在5%以内,针对不同尺寸的阵列处理正确率为100%,具有较高的精度、稳定性和自适应性。(本文来源于《中国生物医学工程学报》期刊2019年02期）
郭平,彭建新[4]（2019）在《Android系统恶意应用的特征值提取评价与自动分类》一文中研究指出为了检测恶意应用对Android系统的攻击,收集良性和恶意应用样本,基于提取的17个特征值采用Fisher score算法进行特征值的评分,根据得分排序形成一个17组的特征值组合,基于支持向量机、神经网络和朴素贝叶斯3种方法进行计算机自动分类并采用交叉检验,通过分析实验结果最终得出最优的特征值组合和最优的分类算法。结果表明,支持向量机方法在Android系统恶意应用的分类检测上具有一定的优势,准确率可以达到82.78%。(本文来源于《济南大学学报(自然科学版)》期刊2019年02期）
潘昶[5]（2018）在《一种基于跃变量特征值提取的遥测参数异常辨识方法》一文中研究指出在导弹飞行试验过程中,如果导弹发生故障,要快速准确地进行异常判决并采取应急措施,而对遥测关键参数的报警分析则是异常快速判决的重要依据。但是弹上遥测数据由于误码的原因存在干扰数据,影响推理结果的准确性。在判断之前要对遥测参数进行预处理,先把误码造成的干扰数据从导弹故障引起的异常数据中分离出来,这样保证用于快速判决的数据是可信度高的,避免干扰数据影响了判决的正常进行。研究了基于跃变量的特征值提取方法,基于统计学原理,对遥测参数实时统计规律,形成判决器,通过判决器可以有效地分离出异常数据中的导弹故障数据与干扰数据。该方法在任务中得到了应用,为任务的快速判决和辅助决策提供了技术支持。(本文来源于《测控技术》期刊2018年12期）
杜小康,陈志英[6]（2018）在《高压断路器合(分)闸线圈电流信号特征值提取方法研究》一文中研究指出高压断路器合(分)闸线圈电流信号在故障识别、检测及诊断方面有重要意义,正确提取合(分)闸线圈电流信号特征值可为断路器的故障诊断提供依据。首先采用Db4小波基、分解层次为4及Rigrsure阈值策略对合(分)闸线圈电流信号去噪;然后结合小波分析与时域求极值点法对去噪后的电流信号进行特征值提取;最后以ABB VD4高压断路器合(分)闸线圈电流为样本,采用Matlab编程实现电流去噪及特征值提取。结果表明噪声滤除效果较好,并能有效提取线圈电流极值点及对应时间点,从而为后期的故障诊断奠定了基础。(本文来源于《电气应用》期刊2018年15期）
郭江华[7]（2018）在《ATM故障特征值的提取》一文中研究指出ATM机作为银行业务电子化和自动化的一部分,可以代替大量简单但繁重的人工劳动。但是,ATM应用系统总是会随机的出现故障,通过建立数学模型通过提取特征,得到反映ATM正常使用的特征值。(本文来源于《电脑迷》期刊2018年09期）
叶清珠,陈东生,罗奋涛,甘应进[8]（2018）在《天然栀子黄色素的提取及其对棉织物的染色特征值研究》一文中研究指出为了研究栀子黄色素在棉织物中的染色应用情况,采用不同温度提取栀子黄色素,并在纯棉织物上进行染色实验。结果表明:栀子黄色素可在常温下采用直接水煮法提取,且提取的栀子黄色素可染出鲜艳的黄色纯棉织物;当温度为60℃时,提取的栀子黄色素对纯棉织物的上染百分率最高;染液浓度越大,染得的棉织物越容易获得深浓的黄色,也越偏红光;当温度大于60℃时,温度越高,栀子黄色素越容易遭到破坏,染得的棉织物也越容易偏绿光和蓝光。(本文来源于《毛纺科技》期刊2018年07期）
徐从裕,魏广智,丁晨,景加慧,杨雅茹[9]（2017）在《线纹辨识与特征值提取算法研究》一文中研究指出为解决线纹尺的线纹磨损、线纹划痕、摄像头成像失焦、曝光过弱或过强以及线纹尺照射光不均匀等对线纹辨识的影响,提出了一种线纹辨识及线纹中心线特征值提取算法:1)采用区域划分法确定每个线纹灰度极值的位置;2)通过极值加权法提取每个线纹中心线的特征值;3)对线纹中心线上的图像灰度值进行平滑处理后,再搜索线纹中心线端点坐标,并根据端点坐标值大小确定主线纹中心线的特征值。实验表明,所述的线纹辨识及线纹中心线特征值提取算法基本上可以消除上述问题对线纹辨识的影响,且线纹中心线的特征值提取正确。(本文来源于《电子测量与仪器学报》期刊2017年12期）
张艳[10]（2017）在《电压暂降的特征值提取算法及补偿策略研究》一文中研究指出随着科技的迅速发展,各种高新技术产品的广泛应用,用电用户对电能质量的要求越来越高。而其中的电压暂降问题,由于其造成的危害大,而受到广泛的关注。对于电压暂降产生的原因,本文主要针对不同类型的短路故障进行分析研究,分别针对单相短路、相间短路、叁相短路以及母线短路故障四个方面建模仿真,通过仿真结果,分析得到不同故障类型所产生电压暂降的特点,为暂降故障的分类提供一定的依据。为了实现对电压暂降叁大特征量即持续时间、相位跳变和幅值的准确检测,本文分别从叁相和单相电压故障两方面进行研究分析。而针对叁相电压暂降的检测分别从对称和不对称电压暂降进行分析研究。对于对称电压暂降采取dq变换可快速有效的检测,而对于不对称电压暂降,需先将不对称电压转化为叁组对称分量,再对每一组对称分量进行dq变换,最后通过线性组合求得特征量。对于单相电压暂降除了对常用的检测算法进行了仿真分析,在此基础上提出一种采用复小波变换和有效值算法相结合的电压暂降检测方法,针对此方法,详细研究了复小波变换奇异性检测原理及其在电压暂降起止时间检测中的应用。而采用具有四阶消失距的复Gaussian小波(Cgau4)能准确检测电压暂降发生、恢复时刻和相位跳变,利用有效值算法实现电压暂降幅值的检测。在Matlab中对有无畸变情况下的的电压暂降问题建模仿真,验证了该算法的有效性。针对电压暂降的有效补偿,本文主要从动态电压恢复器(DVR)的叁种补偿策略即完全电压补偿、同相位电压补偿和最小能量补偿策略方面展开研究,系统介绍了DVR的结构组成以及控制方式。针对叁种不同的补偿策略,通过建模分析比较了各自的优缺点,进而可以根据不同的暂降类型选择合适的补偿策略进行电压的有效补偿,可达到装置的耗能最小且补偿效果最优。(本文来源于《合肥工业大学》期刊2017-04-01）
提取特征值论文开题报告
（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：
用电涡流无损检测方法对铝板厚度进行检测,选用方波信号作为脉冲涡流的激励信号,通过仿真建模找出时域和频域中特征值与铝板厚度之间的对应关系,并通过进一步反演计算得出铝板的厚度,实验数据显示该法可有效实现铝板厚度的无损检测。
（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。
提取特征值论文参考文献
[1].刘帅.面向海量目标源代码数据比对样本的源代码特征值提取算法[J].电子技术与软件工程.2019
[2].燕芳,王志春,丁东阳.电涡流测厚系统特征值提取方法[J].传感器与微系统.2019
[3].易鑫,罗小刚,钱烨,霍丹群,侯长军.纸基纳米金阵列图像特征值自动提取方法[J].中国生物医学工程学报.2019
[4].郭平,彭建新.Android系统恶意应用的特征值提取评价与自动分类[J].济南大学学报(自然科学版).2019
[5].潘昶.一种基于跃变量特征值提取的遥测参数异常辨识方法[J].测控技术.2018
[6].杜小康,陈志英.高压断路器合(分)闸线圈电流信号特征值提取方法研究[J].电气应用.2018
[7].郭江华.ATM故障特征值的提取[J].电脑迷.2018
[8].叶清珠,陈东生,罗奋涛,甘应进.天然栀子黄色素的提取及其对棉织物的染色特征值研究[J].毛纺科技.2018
[9].徐从裕,魏广智,丁晨,景加慧,杨雅茹.线纹辨识与特征值提取算法研究[J].电子测量与仪器学报.2017
[10].张艳.电压暂降的特征值提取算法及补偿策略研究[D].合肥工业大学.2017