导读:本文包含了算法分类论文开题报告文献综述及选题提纲参考文献，主要关键词:音乐情感分类,前向神经网络,切比雪夫多项式簇,梯度下降学习算法
算法分类论文文献综述
郑旦[1]（2019）在《基于前向神经网络的音乐情感识别分类算法》一文中研究指出为解决单模态数据在音乐情感分类上的局限性,并同时提高对音乐情感分类的准确性,文中提出了一种基于前向神经网络的多特征融合音乐分类算法。在传统的前向神经网络模型中融入切比雪夫正交多项式簇作为隐藏层各神经元的激励函数,使每一层神经元的激励函数各不相同。利用梯度下降学习算法来进行网络参数的有监督训练;同时利用音频、歌词中不同模态的数据,使其形成多模态数据,来进行音乐情感分类模型的训练。实验测试结果表明,该算法对音乐情感的分类具有较好的效果,平均准确率为78. 37%,具有良好的有效性与可行性。(本文来源于《信息技术》期刊2019年12期）
杜慧敏,顾文宁,张霞[2]（2019）在《基于FPGA的深度学习分类算法高效实现》一文中研究指出为在嵌入式应用领域中实现高性能、低功耗的深度学习算法,针对网络的前向传播过程,通过设计指令格式和数据格式来传输CNNs计算所需要的参数,采用基于FPGA的软硬件协同设计的方法,构建面向嵌入式应用的深度学习分类系统。实验结果表明,在100MHz的工作频率下,与GPU实现相比,该加速器在保证分类精度的情况下,整个网络的平均性能为0.08GOP/s,能耗比为GTX 1070的2.29倍,功耗仅为GPU的2.114%。(本文来源于《计算机工程与设计》期刊2019年12期）
张宇轩,胡士强[3]（2019）在《基于多属性分类的雷达目标跟踪算法》一文中研究指出传统目标跟踪算法无法有效利用目标的属性信息,而已有的基于PN学习的雷达目标跟踪算法获取目标属性信息过少,在杂波更为复杂的实际环境中仍然存在滤波能力不足的情形。针对这一问题,提出基于SVM多属性分类器的目标跟踪滤波算法。该算法在原有的PN学习算法基础上,扩宽了系统获取雷达数据信息的维度。这些数据更好地反映了目标和杂波的特征,使得雷达识别杂波的能力增强。仿真实验表明:该算法在强杂波环境下有效地提升了目标跟踪的精度。(本文来源于《传感器与微系统》期刊2019年12期）
葛婷,詹天明,牟善祥[4]（2019）在《基于多核协同表示分类的脑肿瘤分割算法》一文中研究指出为了从脑核磁共振(MR)图像中分割出脑肿瘤区域,为疾病诊断和手术导航提供参考,该文在核方法框架下提出一种基于多核协同表示分类的脑肿瘤分割算法。首先对脑肿瘤图像进行多尺度超像素分割,并构造基于超像素区域的空间特征,在多核框架中利用多核协同表示分类方法,将原始光谱信息与所提取的多尺度空间特征融合并应用于脑肿瘤图像的分类,最后结合临床特征实现了脑肿瘤区域的分割。在MICCAI BraTS 2012和2013数据集上的测试结果表明,与现有脑肿瘤分割算法相比,该文方法能够更好地提取脑肿瘤区域,并具有较好的分割精度。(本文来源于《南京理工大学学报》期刊2019年05期）
李程文,杨念,谭建平[5]（2019）在《基于半监督迁移学习SVM的多标签分类算法》一文中研究指出传统的支持向量机分类模型只有在利用大量已标注数据进行训练才能获得较高精度。在现实研究中,实际产生的数据类型种类繁多,有结构数据和非结构数据等,但都有一个共同特点,大多具有多个标签,因此传统分类算法无法直接应用于多标签分类。文章提出一种基于迁移学习的分类算法,引入迁移学习解决训练数据充分的问题,这种方法在目标域数据集被标注比较少的情况下有着明显的优势;同时为了在训练分类模型的过程中找出对分类起关键作用的信息可以引入半监督学习。(本文来源于《江苏科技信息》期刊2019年32期）
张华[6]（2019）在《基于机器学习的光纤故障大数据分类算法研究》一文中研究指出为了提高光纤故障诊断能力,提出一种基于机器学习的光纤故障大数据分类算法。对采集的光纤网络传输数据进行低维度的特征集构造,构建光纤故障分布大数据库,对光纤故障数据库中的异常数据特征集采用加权统计分析方法进行样本回归分析;以少量的样本类别数据为测试集,采用层次聚类方法对光纤故障大数据进行极端随机数分析;对全部的故障样本进行抽样训练,提取光纤故障大数据的关联特征量,结合K-means算法和最近邻算法进行数据聚类中心扰动性分析;将光纤故障大数据的特征提取结果输入到机器学习器中进行数据分类,结合大数据融合聚类方法实现光纤故障大数据分类。仿真结果表明,采用该方法进行光纤故障大数据分类的准确性较高,误分率较小,提高了故障检测识别能力。(本文来源于《安阳工学院学报》期刊2019年06期）
朱金山,宋珍珍,赵露露[7]（2019）在《结合底质分类与SVR算法的多光谱影像测深》一文中研究指出针对目前遥感水深反演方法都是以海底底质均匀为前提而缺乏对混合海底底质研究的问题,提出了一种结合底质分类与SVR算法的水深反演模型。利用WorldView-2多光谱遥感影像对南海北岛岛礁周围混合底质的浅海海域进行底质分类,并对底质分类后的不同海域分别建立线性回归与SVR非线性回归多种测深模型。通过水深分段验证后结果表明,结合底质分类的SVR非线性回归方法更适合混合底质的浅水水深反演。(本文来源于《地理空间信息》期刊2019年11期）
陈榕,任崇广,王智远,曲志坚,王海鹏[8]（2019）在《基于注意力机制的CRNN文本分类算法》一文中研究指出为增强文本特征的表达能力,提出一种基于注意力机制(Attention)的卷积循环神经网络(CRNN)的文本分类算法。把预训练好的词向量作为输入,使用卷积神经网络(CNN)提取文本向量的特征;利用双向门控循环单元(BiGRU)捕获文本中的词序信息,提取文本的上下文依赖关系并结合Attention机制识别不同特征的重要性;使用Highway网络进行特征优化。将该模型在20Newsgroups、SST-1和SST-2这3个英文语料上进行实验,实验结果表明,该模型有效提高了分类任务的准确率。(本文来源于《计算机工程与设计》期刊2019年11期）
贾涛,韩萌,王少峰,邢成[9]（2019）在《基于McDiarmid不等式的决策树分类算法》一文中研究指出大多数处理数据流的决策树方法是基于Hoeffding不等式设计的。但是Hoeffding不等式本身只能处理数值数据流,并且在属性度量方面存在不足。为了解决这个问题,文章在Hoeffding不等式算法的基础上引入McDiarmid不等式,将二者融合并做了相应的改进作为新的属性度量选择,提出了一种基于McDiarmid不等式的新决策树分类算法,即McTree。该算法使用ε/2进行属性分类度量来提高分类性能。在真实与虚拟数据流上的实验结果表明,McTree与经典算法相比,在分类精度升高或几乎保持不变的情况下,生成树的规模明显降低。其中生成树节点数平均降低70%左右,树层数平均降低50%左右。(本文来源于《山西大学学报(自然科学版)》期刊2019年04期）
舒伟博[10]（2019）在《基于微局部特征的时序数据二分类算法》一文中研究指出在诸多时序数据分类算法中,有一类算法借助时序数据的局部特征对时序数据进行分类,它们取得了不错的分类结果,然而其时间复杂度以及分类精度依旧存在可见的提升空间.本文提出的微局部特征二分类算法,着眼于局部特征本身的性质,对局部特征集进行限制,进而改进现有的基于局部特征的分类算法.新算法通过理论分析支撑,将经典算法的局部特征集大幅缩小,进而显着提升了分类算法的时间性能.另一方面通过重定义局部特征的评价标准,新算法选出性质更为优良的局部特征,提升了分类精度.(本文来源于《计算机系统应用》期刊2019年11期）
算法分类论文开题报告
（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：
为在嵌入式应用领域中实现高性能、低功耗的深度学习算法,针对网络的前向传播过程,通过设计指令格式和数据格式来传输CNNs计算所需要的参数,采用基于FPGA的软硬件协同设计的方法,构建面向嵌入式应用的深度学习分类系统。实验结果表明,在100MHz的工作频率下,与GPU实现相比,该加速器在保证分类精度的情况下,整个网络的平均性能为0.08GOP/s,能耗比为GTX 1070的2.29倍,功耗仅为GPU的2.114%。
（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。
算法分类论文参考文献
[1].郑旦.基于前向神经网络的音乐情感识别分类算法[J].信息技术.2019
[2].杜慧敏,顾文宁,张霞.基于FPGA的深度学习分类算法高效实现[J].计算机工程与设计.2019
[3].张宇轩,胡士强.基于多属性分类的雷达目标跟踪算法[J].传感器与微系统.2019
[4].葛婷,詹天明,牟善祥.基于多核协同表示分类的脑肿瘤分割算法[J].南京理工大学学报.2019
[5].李程文,杨念,谭建平.基于半监督迁移学习SVM的多标签分类算法[J].江苏科技信息.2019
[6].张华.基于机器学习的光纤故障大数据分类算法研究[J].安阳工学院学报.2019
[7].朱金山,宋珍珍,赵露露.结合底质分类与SVR算法的多光谱影像测深[J].地理空间信息.2019
[8].陈榕,任崇广,王智远,曲志坚,王海鹏.基于注意力机制的CRNN文本分类算法[J].计算机工程与设计.2019
[9].贾涛,韩萌,王少峰,邢成.基于McDiarmid不等式的决策树分类算法[J].山西大学学报(自然科学版).2019
[10].舒伟博.基于微局部特征的时序数据二分类算法[J].计算机系统应用.2019