导读:本文包含了中心算法论文开题报告文献综述及选题提纲参考文献，主要关键词:教学设计,教学方法,以学生为中心
中心算法论文文献综述
李莹[1]（2019）在《以学生为中心的《数据结构与算法》课程研究与探索》一文中研究指出本文阐述对《数据结构与算法》课程教学改革的建设,通过《数据结构与算法》课程教学设计和分析,包括对课前教学内容的准备,课中老师的教学方法以及课后课程的评价机制叁个方面,对《数据结构与算法》课程进行改革。主要介绍了以学生为中心的多种有效的教学方法,如应用布鲁姆分类法、反馈教学法、PPPB教学法、分级化教学法和分组教学法等,结合英国培训的先进教学理念,让学生成为学习的主人。(本文来源于《计算机产品与流通》期刊2019年12期）
郑瑛[2]（2019）在《云计算数据中心节能调度算法改进研究》一文中研究指出针对传统方法对云计算数据中心调度时能耗过高,虚拟机迁移次数过多等问题,本文提出一种新的云计算数据中心节能调度算法.采用面向实时任务的云计算数据中心节能调度算法,保证云数据中心任务完成率;为了进一步降低云数据中心的能耗,构建云计算数据中心功耗模型,分析云数据中心SLA协议违约率和虚拟机迁移功耗对数据中心的能耗影响,采用基于能耗感知的虚拟机节能调度算法合理安置和迁移虚拟机,使虚拟机安装在物理机后无任何负载较低节点,实现云计算数据中心的节能调度.模拟实验结果表明,本文算法与对比算法相比,大幅度降低了云计算数据中心的能耗,且虚拟机迁移次数少,可有效降低虚拟机多次迁移带来的额外支出,是一种有效的云数据中心节能调度算法.(本文来源于《西南大学学报(自然科学版)》期刊2019年12期）
胡本固,戴牡红[3]（2019）在《多中心点增量式模糊聚类算法》一文中研究指出增量聚类算法可以解决数据量大、内存不足的问题.传统的增量式模糊聚类(incremental multiple medoids based fuzzy clustering, IMMFC)算法只为每个数据块选择一个或多个相同数目的中心,当聚类中的对象权重较小时聚类效果不好.该文提出新的增量式模糊聚类算法用于处理大数据集.首先将大数据集分成多个小的数据块,并对每个小的数据块进行模糊聚类;然后从每个小数据块的每个簇群中选择目标中心点,中心点的个数是簇群中对象的权重之和大于阈值的最少对象数.最后合并所有选定的中心点,并对最终数据块进行模糊聚类,获取最终的中心点.实验结果表明,与IMMFC算法相比,当数据块占总数据的10%以上时,所提算法优于IMMFC.(本文来源于《应用科学学报》期刊2019年06期）
魏洁,王佳鑫[4]（2019）在《生鲜农产品多配送中心连续选址FCM-ISA算法及应用》一文中研究指出本文对生鲜农产品多配送中心连续选址问题进行了研究,在建立考虑最小距离约束下连续选址模型的基础上,针对以往连续选址模型求解过程中采用随机方式生成初始解会造成算法搜索范围过大且易陷入局部最优的局限,创新性地提出了连续选址模型的模糊C均值聚类-改进模拟退火(FCM-ISA)算法,并以杭州市为例验证了所建模型及设计算法的有效性。计算结果表明,本文所建立的生鲜农产品多配送中心连续选址模型更符合实际选址情景,设计的FCM-ISA算法收敛速度快且全局寻优效果好,对科学地进行生鲜农产品多配送中心选址决策具有重要的指导意义。(本文来源于《运筹与管理》期刊2019年11期）
汤杼彬[5]（2019）在《基于和声搜索算法的多层级物流中心选址问题》一文中研究指出考虑交通、用地等因素构建了物流中心备选集合,在此基础上考虑服务水平的影响,以运输成本最小化为优化目标构建了多层次物流中心选址模型,并采用和声搜索算法进行求解,最后采用算例对模型及算法进行验证,结果表明模型及算法具有较好的适用性。(本文来源于《物流技术》期刊2019年11期）
申鹏程,贾书海,杨红军,常艳,陈花玲[6]（2019）在《基于SVR-KM算法的一种立式加工中心Y轴运动直线度一致性研究》一文中研究指出针对某立式加工中心的制造一致性问题,采用非参数统计中的Kruskal-Wallis检验,分析了影响Y轴运动直线度的因素,提出了基于支持向量回归机(Support Vector Regression,SVR)的Y轴运动直线度精度区间预测算法,通过遗传算法对支持向量回归机的惩罚函数参数C和高斯核函数参数gamma进行了优化,使算法具有了更高的预测精度和更好的适应性;在对精度区间准确预测的基础上,通过KM(Kuhn-Munkras)算法对机床底座和装配人员进行二分匹配,显着提高了Y轴运动直线度的一致性。结果表明:采用支持向量回归机预测算法在置信度为90%的情况下其预测的精度区间宽度为3μm,蒙特卡洛模拟显示一致性提升了47%,可为提高立式加工中心制造一致性提供新思路。(本文来源于《现代制造工程》期刊2019年11期）
徐立明[7]（2019）在《低分辨率图像的虹膜中心实时定位算法》一文中研究指出在计算机视觉应用系统(例如面部识别或视线跟踪)中,虹膜中心的定位算法至关重要。尤其是后者,对于遥测式并依赖于可见光的视线追踪系统来说,采集到的图像存在分辨率和对比度较低的情况、有时还存在着被遮挡等情况,导致虹膜边缘模糊,检测困难,同时考虑到系统的实时性问题,目前已有的几种用于精确虹膜中心定位的方法并不适用。因此,提出了一种新型的基于虹膜图像的梯度模型的算法来实时定位虹膜中心,并与现有的方法进行了比较,证明所提出的算法在准确性和鲁棒性上有所提高。(本文来源于《自动化应用》期刊2019年10期）
陈金鱼[8]（2019）在《面向未知数据流的数据中心网络调度算法研究》一文中研究指出针对缺少先验知识的数据中心网络,本文提出基于信息不可知的流调度算法(DCIA),通过优化最短作业优先使数据流完成时间最短。该算法实现了多级反馈队列,根据队列已发送的数据流量来调整其优先级。利用网络仿真软件对本算法进行评估,仿真结果表明该算法的性能优于现有的解决方案。(本文来源于《长春师范大学学报》期刊2019年10期）
曾超,王少军,卢红,孔聪[9]（2019）在《线结构光光条中心提取算法》一文中研究指出目的线结构光视觉测量是一种利用可控光源和数字图像的主动视觉测量方法,光条中心提取是线结构光视觉测量的关键技术,直接影响到线结构光视觉测量的精度。传统灰度重心法只在图像的横向或纵向上计算光条的灰度重心,没有考虑光条的法线方向,精度较低。本文提出一种改进的光条中心提取算法,以期实现光条中心的精确提取。方法在分析线结构光的光条灰度特性基础上,基于传统的灰度重心法,提出一种改进的两步提取算法。基于图像差分法从原始图像中分离出有效的线结构光光条,采用传统灰度重心法对光条中心进行粗提取;在粗提取的光条中心点处通过自定义的方向模板确定光条的法线方向,以粗提取的光条中心点为中心,沿法线方向采用灰度重心法进行二次提取,获取线结构光光条的中心。结果本文采用CCD相机、镜头、线激光器及辅助机构搭建线结构光视觉系统,采用提出的算法对线激光器投影产生的直线型光条、非连续光条和弯曲光条的中心进行提取。通过光条中心提取实验获取的光条中心线的走向与光条的走向大致相同,符合预期的光条中心线。本文将Steger法作为评价标准,分别计算本文算法、传统灰度重心法与Steger法提取的光条中心的偏差,通过对比实验可知,本文算法提取的光条中心的偏差更小,并且程序运行时间比Steger法减少了3 s以上。结论本文研究线结构光的光条中心提取算法,对传统灰度重心法进行改进,能够实现直线型光条、非连续光条和弯曲光条等不同形状光条的亚像素级中心提取,并且在保证较少的程序运行时间的同时,能够提高传统灰度重心法的光条中心提取精度。(本文来源于《中国图象图形学报》期刊2019年10期）
张华,张素莉,何树吉[10]（2019）在《基于幅相分离和动态粒子群算法的SAR图像属性散射中心参数估计》一文中研究指出针对SAR图像属性散射中心估计问题,提出了基于幅相分离和动态粒子群算法的参数估计方法。首先利用传统的图像域分析方法对单个属性散射中心进行解耦。然后,利用位置参数仅仅与相位信息有关的特性,采取了幅度、相位分离进行参数优化的方法。同时,对幅度相位分离后得到的较为简洁的参数表达形式,利用运算量更小的动态粒子群算法(DPSO),进一步提高了参数优化的效率和精度。基于仿真数据对提出方法进行了测试,结果验证了其有效性。(本文来源于《中国电子科学研究院学报》期刊2019年09期）
中心算法论文开题报告
（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：
针对传统方法对云计算数据中心调度时能耗过高,虚拟机迁移次数过多等问题,本文提出一种新的云计算数据中心节能调度算法.采用面向实时任务的云计算数据中心节能调度算法,保证云数据中心任务完成率;为了进一步降低云数据中心的能耗,构建云计算数据中心功耗模型,分析云数据中心SLA协议违约率和虚拟机迁移功耗对数据中心的能耗影响,采用基于能耗感知的虚拟机节能调度算法合理安置和迁移虚拟机,使虚拟机安装在物理机后无任何负载较低节点,实现云计算数据中心的节能调度.模拟实验结果表明,本文算法与对比算法相比,大幅度降低了云计算数据中心的能耗,且虚拟机迁移次数少,可有效降低虚拟机多次迁移带来的额外支出,是一种有效的云数据中心节能调度算法.
（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。
中心算法论文参考文献
[1].李莹.以学生为中心的《数据结构与算法》课程研究与探索[J].计算机产品与流通.2019
[2].郑瑛.云计算数据中心节能调度算法改进研究[J].西南大学学报(自然科学版).2019
[3].胡本固,戴牡红.多中心点增量式模糊聚类算法[J].应用科学学报.2019
[4].魏洁,王佳鑫.生鲜农产品多配送中心连续选址FCM-ISA算法及应用[J].运筹与管理.2019
[5].汤杼彬.基于和声搜索算法的多层级物流中心选址问题[J].物流技术.2019
[6].申鹏程,贾书海,杨红军,常艳,陈花玲.基于SVR-KM算法的一种立式加工中心Y轴运动直线度一致性研究[J].现代制造工程.2019
[7].徐立明.低分辨率图像的虹膜中心实时定位算法[J].自动化应用.2019
[8].陈金鱼.面向未知数据流的数据中心网络调度算法研究[J].长春师范大学学报.2019
[9].曾超,王少军,卢红,孔聪.线结构光光条中心提取算法[J].中国图象图形学报.2019
[10].张华,张素莉,何树吉.基于幅相分离和动态粒子群算法的SAR图像属性散射中心参数估计[J].中国电子科学研究院学报.2019