导读:本文包含了网络分割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:大规模网络,自适应,安全阈值数据,自动分割
网络分割算法论文文献综述
帅爱华,陈烨[1]（2019）在《大规模网络自适应安全阈值数据自动分割算法》一文中研究指出为了提高大规模网络自适应安全阈值数据的检测能力,需要对数据进行优化分割,提出基于序贯模式检测和关联规则特征提取的大规模网络自适应安全阈值数据自动分割算法。构建大规模网络自适应安全阈值数据的统计序列模型,提取大规模网络自适应安全阈值数据相似度的描述性统计特征量,结合量化回归分析方法,对提取的大规模网络自适应安全阈值数据的关联特征集进行分类融合,实现大规模网络自适应安全阈值数据的自动分割与建模。仿真结果表明,采用该方法进行大规模网络自适应安全阈值数据自动分割的分类性较好,数据的误分率较低,提高了数据的安全检测和识别能力。(本文来源于《自动化与仪器仪表》期刊2019年11期）
任子晖,邱天舒[2]（2019）在《基于Curvelet变换与遗传神经网络的血管分割算法》一文中研究指出针对血管深度信息丢失、树状血管结构复杂等问题,结合血管横截面像素高斯分布特征提出一种无监督与有监督相结合血管分割新算法。对血管图像进行离散Curvelet变换,以自适应调整图像变换系数的方式实现血管特征增强;以2D Gaussian卷积核为模板对特征增强后的图像进行滤波处理,提升血管与背景的对比度;利用改进的遗传神经网络模型识别图像中的血管与非血管像素完成分割。实验结果表明,对比于单一的Gaussian变换,所提算法的分割准确率和真阳性率(TPR)平均提升1.8%、16%,分别达到94.6%、77.6%。通过引入无监督Curvelet线性增益函数及有监督神经网络方法,使得算法较传统无监督类方法在准确率及真阳性率方面提升效果较佳。(本文来源于《计算机应用与软件》期刊2019年11期）
郑文超[3]（2019）在《基于卷积神经网络的图像分割算法》一文中研究指出本文介绍了传统卷积神经网络的基本原理和存在的问题,然后针对存在的问题,提出了一种基于图分割技术的全卷积神经网络算法。经实验验证可知,本文所提出算法在分割精度、平均精确度、全局精确度、计算效率和存储空间占用方面均优于传统算法,同时本算法具备一定的推广和应用价值。(本文来源于《电子技术与软件工程》期刊2019年21期）
呙维,彭旭,刘异,朱欣焰[4]（2019）在《边缘约束下的分形网络分割算法》一文中研究指出分形网络演化算法(fractal net evolution approach, FNEA)是一种有效的多尺度影像分割算法,但对于具有斑点噪声、局部区域对比度低等特点的高分辨率合成孔径雷达(synthetic aperture radar,SAR)图像,直接应用FNEA算法得到的分割结果难以用于后续的面向对象影像分析。提出了基于边缘约束的FNEA(edge restricted FNEA,eFNEA)算法,通过加入边缘信息和构建异质性规则来为分割融入更多信息,提高分割效果。实验结果表明,对于微弱边缘和噪声污染严重等情形,eFNEA算法的分割结果均优于FNEA算法。(本文来源于《武汉大学学报(信息科学版)》期刊2019年11期）
张婧,国晶[5]（2019）在《基于迭代分割的无线传感器网络定位算法》一文中研究指出定位精度对于提高应用的服务能力至关重要。为了提高无线传感器网络中未知节点的定位精度,提出了基于迭代分割的无线传感器定位算法。针对APIT算法进行叁角形判定时产生的误判问题,引入同向法以及叁角形角度之间的关系来判定节点隶属关系,然后再利用迭代的思想对未知节点的定位区域进行分割,来得到更精确的节点位置信息。通过实验对比分析,基于迭代分割的无线传感器网络定位算法的定位精度较原始的APIT算法的定位精度提高约24.6%。(本文来源于《长春理工大学学报(自然科学版)》期刊2019年05期）
石海,杨凡,黄嘉海,周洁[6]（2019）在《基于人工神经网络模型的肺癌CT图像分割算法》一文中研究指出目的提出一种基于人工神经网络模型的肺癌CT图像分割算法。方法第一步采用维纳滤波器和模糊增强抑制图像噪声和提升图像对比度,第二步提取图像的纹理特征和分形特征,第叁步根据网络最佳参数训练和测试人工神经网络模型,第四步提取CT图像中肺癌病灶区域。512个样本和80例图像被用来训练和测试模型。结果肺癌CT图像包含13个癌症显着区域特征(3个纹理特征和10分形特征)。训练和测试数据所得最佳分类函数为列文伯格-马夸尔特反向传播,学习速率R为0.3,动量为0.9,隐藏神经元数量为20。训练阶段灵敏度、特异度和准确度可达98.4%,100%和98.6%,同时测试阶段对应指标分别可达90.9%,100%和95.1%。结论基于人工神经网络模型的图像分割算法能高效、准确定的提取CT肺癌病灶,可作为影像医师诊断肺癌的有效工具。(本文来源于《中国医疗设备》期刊2019年10期）
徐宝泉,凌彤辉[7]（2019）在《基于叁维全卷积网络的肝脏和肝癌分割算法研究》一文中研究指出为了解决计算机断层扫描(computed tomography,CT)影像中肝脏和肝癌的准确分割问题,提出了基于叁维全卷积网络的肝脏分割算法和肝癌分割算法;肝脏分割算法和肝癌分割算法都采用Vnet网络进行分割;在肝脏分割算法中,采用了形态学方法进行后处理,提高了肝脏分割准确率;在肝癌分割算法中,采用了组合损失函数训练Vnet网络,使得Vnet网络更好地收敛,并加入后处理提高了肝癌分割准确率;为了验证算法的性能,采用MICCAI 2017Liver Tumor Segmentation Challenge(LiTS)数据集进行了肝脏分割和肝癌分割的5折交叉验证实验;肝脏分割算法在测试集的平均分割准确率为0.9510,高于Unet网络和3DUnet网络;肝癌分割算法的平均分割准确率为0.712;实验结果表明,肝脏分割算法可以准确地对肝脏进行分割,肝癌分割算法也达到了较高的准确率。(本文来源于《计算机测量与控制》期刊2019年09期）
霍智勇,杜帅煜,陈钊,戴伟达[8]（2019）在《基于双通道叁维密集连接网络的脑胶质瘤核磁共振成像分割算法研究》一文中研究指出针对脑胶质瘤形状、位置及大小的不一致性,本文提出了一种基于双通道叁维密集连接网络的脑胶质瘤核磁共振成像(MRI)自动分割算法。该算法基于叁维卷积神经网络,在两个通道采用不同大小卷积核,从而在不同尺度感受野下提取多尺度特征,并构造各自的密集连接块进行特征学习与传递,通过特征结联后输入到分类层进行目标体素分类,最终实现脑胶质瘤的自动分割。为了验证本文算法的实用性,本文采用公开的脑肿瘤分割挑战赛数据集对网络进行训练与验证,并将得到的结果与其他脑胶质瘤分割方法比较。实验结果表明,本文所提出的算法能够更准确地分割出不同的肿瘤病变区域,在临床脑肿瘤疾病诊断中具有一定的应用价值。(本文来源于《生物医学工程学杂志》期刊2019年05期）
魏民祥,滕德成[9]（2019）在《基于全卷积网络的车道区域分割算法》一文中研究指出为智能车辆的轻量化、实时性检测,提高车道识别的准确度、鲁棒性,提出了一种利用全卷积网络(FCN)实现车道区域分割的方法。采用一种对称结构的全卷积网络对车道区域作逐像素预测:利用卷积、池化提取车道特征,利用池化索引辅助上采样,用卷积来恢复特征信息。在既定网络结构下,比较3×3、5×5和7×7尺寸的卷积核对模型性能的影响。基于FCN-32s和FCN-16s,分别设计混迭结构的FCN和无混迭结构的FCN与本网络作测试对比。结果表明:该算法对车道分割准确、鲁棒性强、实时处理能力优秀,分割效果优于传统FCN;在3种不同尺寸中,小尺寸(3×3)卷积核的实时处理速率最高,达53帧/s。因此,该算法适合自动驾驶道路感知任务。(本文来源于《汽车安全与节能学报》期刊2019年03期）
李海涛,刘泰麟,邵泽东,黄海广[10]（2019）在《基于决策树与二分分割算法的BP神经网络在赤潮等级预测中的应用研究》一文中研究指出针对赤潮灾害等级预测难的现状,提出了一种基于C4.5决策树与二分分割算法优化的BP(反向传播)神经网络赤潮等级预测模型。该模型针对传统BP神经网络输入参数难以选择和隐含层节点数量难以确定的问题,通过决策树分类获取最优的属性组合,来解决输入参数难以选择的问题;通过"二分分割算法",来解决隐含层节点数难以确定的问题。实验结果表明,该模型在青岛近海海域赤潮灾害等级预测中,预测结果的均方根误差(RMSE)小于传统BP神经网络的预测误差,并且在网络训练时间上有所缩短,预测精度上有所提高,能够获得良好的预测结果,可为赤潮等级预测提供新的解决方法。(本文来源于《海洋科学》期刊2019年09期）
网络分割算法论文开题报告
（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：
针对血管深度信息丢失、树状血管结构复杂等问题,结合血管横截面像素高斯分布特征提出一种无监督与有监督相结合血管分割新算法。对血管图像进行离散Curvelet变换,以自适应调整图像变换系数的方式实现血管特征增强;以2D Gaussian卷积核为模板对特征增强后的图像进行滤波处理,提升血管与背景的对比度;利用改进的遗传神经网络模型识别图像中的血管与非血管像素完成分割。实验结果表明,对比于单一的Gaussian变换,所提算法的分割准确率和真阳性率(TPR)平均提升1.8%、16%,分别达到94.6%、77.6%。通过引入无监督Curvelet线性增益函数及有监督神经网络方法,使得算法较传统无监督类方法在准确率及真阳性率方面提升效果较佳。
（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。
网络分割算法论文参考文献
[1].帅爱华,陈烨.大规模网络自适应安全阈值数据自动分割算法[J].自动化与仪器仪表.2019
[2].任子晖,邱天舒.基于Curvelet变换与遗传神经网络的血管分割算法[J].计算机应用与软件.2019
[3].郑文超.基于卷积神经网络的图像分割算法[J].电子技术与软件工程.2019
[4].呙维,彭旭,刘异,朱欣焰.边缘约束下的分形网络分割算法[J].武汉大学学报(信息科学版).2019
[5].张婧,国晶.基于迭代分割的无线传感器网络定位算法[J].长春理工大学学报(自然科学版).2019
[6].石海,杨凡,黄嘉海,周洁.基于人工神经网络模型的肺癌CT图像分割算法[J].中国医疗设备.2019
[7].徐宝泉,凌彤辉.基于叁维全卷积网络的肝脏和肝癌分割算法研究[J].计算机测量与控制.2019
[8].霍智勇,杜帅煜,陈钊,戴伟达.基于双通道叁维密集连接网络的脑胶质瘤核磁共振成像分割算法研究[J].生物医学工程学杂志.2019
[9].魏民祥,滕德成.基于全卷积网络的车道区域分割算法[J].汽车安全与节能学报.2019
[10].李海涛,刘泰麟,邵泽东,黄海广.基于决策树与二分分割算法的BP神经网络在赤潮等级预测中的应用研究[J].海洋科学.2019