导读:本文包含了一类分类方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:直丝弓,Tip-Edge,Plus,正畸术,安氏
一类分类方法论文文献综述
闫翔,王天丛,贝岷[1]（2019）在《两种方法治疗安氏Ⅱ类Ⅰ分类牙周病的疗效比较》一文中研究指出目的:观察直丝弓和Tip-Edge Plus对安氏Ⅱ类Ⅰ分类牙周病正畸治疗的疗效。方法:选择2014年1月-2017年1月在我院口腔正畸科就诊的安氏Ⅱ类Ⅰ分类牙周炎患者135例。对照组(n=66例)接受直丝弓正畸治疗,观察组(n=69例)采用Tip-Edge Plus正畸治疗。记录两组正畸术前和术后6个月的视觉模拟评分法(VAS)、探诊深度(PD)、临床附着丧失(CAL)、前牙唇侧角化龈宽度(KGW)、出血指数(BI)、牙周袋指数(PPI)、牙齿菌斑指数(DPI)、前牙和全牙Bolton指数、牙列排齐时间及满意度调查。结果:正畸术前,两组患者的VAS、KGW、PD、CAL、PPI、DPI、BI、前牙和全牙Bolton指数差异无统计学意义(P>0. 05),正畸术后6个月,与对照组比,观察组的KGW增高(P<0. 05),PD和CAL、PPI、DPI、BI、前牙和全牙Bolton指数明显降低(P<0. 05)。与对照组比,观察组患者牙齐排列时间较短(P<0. 05),患者及口腔医师的满意度评分均增高(P<0. 05)。结论:与直丝弓比,采用Tip-Edge Plus正畸可明显缩短安氏Ⅱ类Ⅰ分类牙周病正畸患者的牙列排齐时间,改善病理性参数。(本文来源于《武汉大学学报(医学版)》期刊2019年02期）
薛爱军,王晓丹[2]（2018）在《基于子类划分和粒子群优化的自适应编码多类分类方法》一文中研究指出纠错输出编码(ECOC)可以有效地解决多类分类问题.基于数据的编码是主要的编码方法之一.对此,提出一种基于子类划分和粒子群优化(PSO)的自适应编码方法,利用混淆矩阵衡量各类别的相关性,基于规则的方法对类别进行自适应组合,根据组合方案构建类别的二类划分并最终形成编码矩阵,通过引入PSO算法寻找最优阈值,从而得到最优编码矩阵.实验结果表明,所提出的编码方法可以得到更好的分类性能.(本文来源于《控制与决策》期刊2018年02期）
安相君,翟玮[3]（2016）在《利用单类分类方法提取全极化雷达影像中的建筑物》一文中研究指出建筑物是人类赖以生存的基本场所,为人类的各种活动提供容纳空间,建筑物分布信息是当代社会非常重要的信息资源。本文引入单类分类方法,对城市建筑物进行识别提取。文章介绍了基于最小超球支持向量机的单类分类方法,并提取一景全极化SAR影像的多种极化特征,利用该方法进行了建筑物提取实验,结果表明单类分类方法能够融合多种特征快速提取建筑物,且能保证一定的提取精度。(本文来源于《甘肃科技》期刊2016年14期）
郭华平,董亚东,毛海涛,邬长安,范明[4]（2016）在《一种基于逻辑判别式的稀有类分类方法》一文中研究指出基于逻辑判别式(LD,Logistic Discrimination),提出一种叫做LDRC(LD based Rare-class Classification)方法用于提升LD在稀有类问题中的泛化性能.为了充分考虑稀有类的特性,构建了一种新目标函数RPM(Recall and Precision based M etric),其同时考虑正类和负类的召回率以及正类的精度,其中正类和负类的召回率用于保障模型在评估指标召回率以及g-mean(正类和分类的召回率的几何平均数)上具有较高的泛化能力,正类的召回率和精度用于保障了模型具有较高的准确率以及fmeasure值(基于正类召回率与精度的指标).LDRC使用RPM作为目标函数监督参数学习过程,以保障LDRC具有较高的整体泛化能力.UCI数据集上的实验结果表明,与传统的逻辑判别、基于过采样和基于欠采样的逻辑判别相比,LDRC模型在评价指标召回率、g-mean和f-measure上都表现出明显优势.(本文来源于《小型微型计算机系统》期刊2016年01期）
牛犇,顾宏斌,孙瑾,周来,周扬[5]（2015）在《有向无环图-双支持向量机的多类分类方法》一文中研究指出针对多分类支持向量机算法中的低效问题和样本不平衡问题,提出一种有向无环图-双支持向量机DAG-TWSVM(directed acyclic graph and twin support vector machine)的多分类方法。该算法综合了双支持向量机和有向无环图支持向量机的优势,使其不仅能够得到较好的分类精度,同时还能够大大缩减训练时间。在处理较大规模数据集多分类问题时,其时间优势更为突出。采用UCI(University of California Irvine)机器学习数据库和Statlog数据库对该算法进行验证,实验结果表明,有向无环图-双支持向量机多分类方法在训练时间上较其他多分类支持向量机大大缩短,且在样本不平衡时的分类性能要优于其他多分类支持向量机,同时解决了经典支持向量机一对一多分类算法可能存在的不可分区域问题。(本文来源于《计算机应用与软件》期刊2015年11期）
刘万军,李琳[6]（2015）在《改进感知机多类分类方法在车辆类型识别中的应用》一文中研究指出车辆类型识别特征参数提取的关键是确定车辆顶棚位置。提出一种按比例截取顶棚厚度、确定顶棚位置的方法。针对训练传统感知机所需初始权向量及惩罚系数需人工设定而造成训练速度慢、准确率低等问题,提出一种初始权向量自动确定及惩罚系数更新方法,并应用一对一分类方法解决车型繁多分类问题。实验结果表明,该方法能有效收敛到固定权值,顶棚位置确定准确,迭代速度快,识别准确率高。(本文来源于《计算机应用与软件》期刊2015年09期）
孙奉永[7]（2015）在《基于决策树的支持向量机多类分类方法研究》一文中研究指出现实应用中,有关多类分类的问题广泛存在。在二十世纪九十年代,由Vapnik等人提出一种建立在统计学习理论基础之上的模式识别方法——支持向量机(Support Vector Machine,SVM)。SVM在解决小样本、非线性和高维数模式识别问题方面有很多独有的优势。但是支持向量机最早是针对两类问题提出的,现已将SVM推广到用来解决多类分类的问题。针对现有多类分类方法存在的分类速度不快、分类精度不高等缺点,论文提出了一种改进的基于决策树的支持向量机多类分类方法,有效地提高了数据集的分类精度。本文主要研究工作在于:(1)针对基于决策树的SVM多类分类过程,找出误差积累问题产生的根源,采用合理的类间分离性测度构建出偏二叉决策树;基于决策树节点处训练数据的不平衡性,在支持向量机训练和识别样本时做到两点,一点是尽量保证负类样本分类精度,另一点是对可能被错分的正类结合K近邻隶属度理论进行二次修正,于是提出一种改进的分类决策方法。通过仿真实验结果显示,在训练时间和分类时间可行的前提之下,新算法能提高样本的分类精度。(2)利用改进的基于决策树的支持向量机多类分类方法实现手写体数字识别,获得了良好的结果。(本文来源于《东北师范大学》期刊2015-06-01）
余晓东,雷英杰,王睿,卢明[8]（2015）在《基于Hadamard纠错码核匹配追踪的多类分类方法》一文中研究指出针对传统核匹配追踪(kernel matching pursuit,KMP)学习机只能解决二类分类问题的不足,结合纠错输出编码(error-correcting output codes,ECOC)的思想,提出了一种基于Hadamard纠错码的核匹配追踪多类分类方法。该算法通过Hadmard纠错码将核匹配追踪算法推广到多类分类领域,并利用纠错码本身具备的纠错能力提高了分类器的泛化性能。实验中分别对UCI数据集和3种典型空天目标的高分辨一维距离像(high resolution range profile,HRRP)数据集进行测试,通过与2种经典的编码方法进行比较,结果表明该编码方法可以显着提高分类器的性能和鲁棒性。(本文来源于《系统工程与电子技术》期刊2015年10期）
高峰,曲建岭,郭超然,孙文柱[9]（2015）在《基于形态运算的二值网格域描述单类分类方法》一文中研究指出针对样本数不平衡的分类问题,提出一种基于形态运算的二值网格单类分类方法。该方法首先将样本分布空间划分成等尺寸网格,而后根据训练样本分布将网格分为目标网格和背景网格。包含样本的网格称为目标网格,不包含样本的网格称为背景网格。最后对目标网格进行形态学闭运算和开运算形成训练样本的域描述。在人工数据集和真实数据集上将该分类方法与其他典型分类方法进行了对比实验。结果表明,该方法分类精度较高、训练速度较快,是一种有效的单类分类方法。(本文来源于《计算机与现代化》期刊2015年03期）
赵亮[10]（2014）在《一种改进的基于支持向量机的多类分类方法》一文中研究指出针对现有支持向量机多类分类算法在分类精度上的不足,提出一种改进的支持向量机决策树多类分类算法。为了最大限度地减少误差积累的影响,该算法利用投影向量的思想作为衡量类分离性的标准,由此构建非平衡决策树,并且在决策树节点处对正负样本选取不同的惩罚因子来处理不平衡数据集的影响,最后引入KNN算法与SVM共同识别数据集。通过在手写体数字识别数据集上的仿真实验,分析比较各种方法,表明该方法能有效提高分类精度。(本文来源于《计算机应用与软件》期刊2014年12期）
一类分类方法论文开题报告
（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：
纠错输出编码(ECOC)可以有效地解决多类分类问题.基于数据的编码是主要的编码方法之一.对此,提出一种基于子类划分和粒子群优化(PSO)的自适应编码方法,利用混淆矩阵衡量各类别的相关性,基于规则的方法对类别进行自适应组合,根据组合方案构建类别的二类划分并最终形成编码矩阵,通过引入PSO算法寻找最优阈值,从而得到最优编码矩阵.实验结果表明,所提出的编码方法可以得到更好的分类性能.
（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。
一类分类方法论文参考文献
[1].闫翔,王天丛,贝岷.两种方法治疗安氏Ⅱ类Ⅰ分类牙周病的疗效比较[J].武汉大学学报(医学版).2019
[2].薛爱军,王晓丹.基于子类划分和粒子群优化的自适应编码多类分类方法[J].控制与决策.2018
[3].安相君,翟玮.利用单类分类方法提取全极化雷达影像中的建筑物[J].甘肃科技.2016
[4].郭华平,董亚东,毛海涛,邬长安,范明.一种基于逻辑判别式的稀有类分类方法[J].小型微型计算机系统.2016
[5].牛犇,顾宏斌,孙瑾,周来,周扬.有向无环图-双支持向量机的多类分类方法[J].计算机应用与软件.2015
[6].刘万军,李琳.改进感知机多类分类方法在车辆类型识别中的应用[J].计算机应用与软件.2015
[7].孙奉永.基于决策树的支持向量机多类分类方法研究[D].东北师范大学.2015
[8].余晓东,雷英杰,王睿,卢明.基于Hadamard纠错码核匹配追踪的多类分类方法[J].系统工程与电子技术.2015
[9].高峰,曲建岭,郭超然,孙文柱.基于形态运算的二值网格域描述单类分类方法[J].计算机与现代化.2015
[10].赵亮.一种改进的基于支持向量机的多类分类方法[J].计算机应用与软件.2014