导读:本文包含了自动迁移论文开题报告文献综述及选题提纲参考文献，主要关键词:迁移深度降噪自动编码器,标签数据缺少,飞机关键机械部件,故障诊断
自动迁移论文文献综述
李兴球,姜洪开,王瑞欣,吴正红[1]（2019）在《基于迁移深度降噪自动编码器的飞机关键机械部件故障诊断方法》一文中研究指出开展飞机关键机械部件故障诊断对于提高其运行的安全性和可靠性有重要意义。工程实际中存在以下问题,一是带标签故障样本难以获取;二是现有模型往往要求训练和测试数据服从同分布。因此,本文提出一种迁移深度降噪自动编码器用于解决标签样本缺少下的飞机关键机械部件故障诊断问题。该方法主要包括两部分:(1)构建深度降噪自动编码器用于从原始振动信号中自适应提取有效的故障特征;(2)通过参数迁移方法构建迁移深度降噪自动编码器用于处理标签样本缺少情形下的故障诊断问题。实验室数据被用于验证本文方法的有效性,实验结果显示本文方法能够有效完成标签数据缺少下的飞机关键机械部件故障诊断问题。(本文来源于《第十叁届全国振动理论及应用学术会议论文集》期刊2019-11-09）
邓建斌,邓小清,邓圣[2]（2019）在《浅谈国家级自动气象站迁移有关注意事项》一文中研究指出笔者参与过多个国家级自动气象站(简称国家站)搬迁的业务管理工作,对国家站在具体迁移工作中可能会存在的问题进行了归纳总结,提出了5个方面需要注意的主要事项,从而为今后需要迁移的国家级台站提供一些借鉴,希望在一定程度上能够帮助加快迁移进度,提高工作效率。(本文来源于《农业与技术》期刊2019年12期）
薛健[3]（2019）在《数字图书馆异构数据自动迁移技术研究》一文中研究指出利用基于SOA的迁移技术对异构数据进行自动迁移时,不仅迁移效率低,迁移效果也不好。针对上述问题,提出基于XML的数字图书馆异构数据自动迁移技术。对异构数据迁移原理进行简要介绍,并根据该原理制定基于XML的异构数据迁移策略。该策略主要分为叁部分:首先对异构数据进行采集、验证、清洗以及暂存等一系列预处理,然后利用DMCTextFilter软件抽取数据,最后通过一个映射模型将抽取的数据转化成同一个XML格式,统一装载到数据库中,完成异构数据自动迁移。结果表明:与基于SOA的异构数据自动迁移技术相比,利用该技术进行数据迁移,数据丢失率降低了10%,迁移效果更好,且数据迁移所需时间缩短了4. 4 s,迁移效率更高。(本文来源于《自动化与仪器仪表》期刊2019年01期）
陈尔聃[4]（2018）在《文本自动摘要的迁移学习技术》一文中研究指出近年来深度学习技术发展迅速,其中基于神经网络的seq2seq注意力自动摘要模型在文本分类、机器翻译、自动摘要等领域取得了优秀的成果。本文在现有成熟的seq2seq自动摘要模型基础上结合了迁移学习方法,有效降低训练自动摘要模型对大量语料数据的需求量,提高了自动摘要模型的通用性。(本文来源于《数码世界》期刊2018年12期）
陈检,肖思隽,孙秋梅[5]（2018）在《基于迁移学习算法的糖网病自动筛选系统研究》一文中研究指出现阶段我国基层医疗条件落后于城市地区,具有基层的眼科医生资源匮乏和带标记的糖网病眼底图像数据不足等问题。针对以上问题本文提出基于迁移学习算法的糖网病自动筛选系统,受卷积神经网络中迁移学习思想的启发,通过构造出CNN+SVM的融合模型来实现正确的图像分类。本次试验采用源数据来自于山东省泰安某医院。相比于直接使用SVM模型,CNN+SVM融合模型训练和预测所需时间由1993秒下降到1518秒左右,kappa值由0.20上升到0.79,特异度和敏感度都提高了大概30%的幅度。结论:CNN+SVM的融合模型不仅加快了模型的学习效率,而且实现了高准确率的图像分类识别。(本文来源于《信息技术与信息化》期刊2018年07期）
汪鹏,张奥帆,王利琴,董永峰[6]（2018）在《基于迁移学习与多标签平滑策略的图像自动标注》一文中研究指出针对图像标注数据集标签分布不平衡问题,提出了基于标签平滑策略的多标签平滑单元(MLSU)。MLSU在网络模型训练过程中自动平滑数据集中的高频标签,使网络适当提升了低频标签的输出值,从而提升了低频标注词的标注性能。为解决图像标注数据集样本数量不足造成网络过拟合的问题,提出了基于迁移学习的卷积神经网络(CNN)模型。首先利用互联网上的大型公共图像数据集对深度网络进行预训练,然后利用目标数据集对网络参数进行微调,构建了一个多标签平滑卷积神经网络模型(CNN-MLSU)。分别在Corel5K和IAPR TC-12图像标注数据集上进行实验,在Corel5K数据集上,CNN-MLSU较卷积神经网络回归方法(CNN-R)的平均准确率与平均召回率分别提升了5个百分点和8个百分点;在IAPR TC-12数据集上,CNN-MLSU较两场K最邻近模型(2PKNN_ML)的平均召回率提升了6个百分点。实验结果表明,基于迁移学习的CNN-MLSU方法能有效地预防网络过拟合,同时提升了低频词的标注效果。(本文来源于《计算机应用》期刊2018年11期）
李晓刚[7]（2018）在《基于迁移学习的糖网病眼底图像自动分类研究》一文中研究指出糖尿病视网膜病变(糖网病)作为糖尿病的并发症之一,是一个常见且最为严重的眼科疾病,同时也是成年人当中导致失明的主要病因。临床上,医生主要使用眼底镜观察患者眼球后部的视网膜来做出诊断,这一诊断过程通常费时费力、效率低。为了提高诊断效率,糖网病计算机辅助诊断系统应运而生。然而,现有的这些系统都基于深度学习方法建立,需要大量眼底图像数据。由于获取大量的数据非常困难、并且成本高昂,所以当足够的数据难以提供时,建立计算机辅助诊断系统面临巨大的挑战。鉴于此,基于数量较少的眼底图像建立糖网病计算机辅助诊断系统具有重要意义。本文基于迁移学习思想,利用深度迁移学习特征,从两个方面开展研究:(1)基于深度迁移学习特征,对比分析常用机器学习分类算法的性能。当把深度学习用于解决小数据集的分类任务时,容易导致过拟合,难以提升泛化能力。解决方法之一是把通过大量数据预训练的神经网络用于小数据集提取特征,然后使用合适的传统分类算法完成分类。本文使用预训练的卷积神经网络VGGNet从眼底图像中提取特征,然后基于这些特征比较了八个分类算法之间的分类性能。实验结果显示,支持向量机是最优的分类算法。(2)基于深度迁移学习特征,从度量学习的角度出发,利用孪生网络实现小数据集分类。当面对小数据集的数据量非常少的情形时,利用预训练的神经网络提取特征训练传统分类算法来分类的方法不一定总是有效的。受到单样本学习(one-shot learning)思想的启发,我们首先利用来自大数据集的深度迁移学习特征训练孪生网络,之后将该网络用于其他小数据集分类。实验结果表明,在数据量较少时,本文提出的方法,能在一定程度上有效实现眼底图像自动分类。(本文来源于《深圳大学》期刊2018-06-30）
林聪,李二珠,杜培军[8]（2018）在《样本迁移支持下的遥感影像自动分类方法》一文中研究指出迁移学习是运用已有知识对相关的不同领域的问题进行求解的一种机器学习方法,本文结合这一方法,提出了一种基于先验知识的样本自动选取方法,并构建了一套土地覆盖自动分类的算法框架。该方法主要面向Landsat数据,通过图像变化检测技术与光谱形状编码的方法,从源领域中迁移适用的地物类别知识并标记在目标影像中,使用SVM完成基于样本迁移的自动分类流程。结果表明,该方法可以获得可靠的自动分类结果,一定程度上满足遥感信息的大范围提取与长时间序列处理分析的发展需求。(本文来源于《测绘通报》期刊2018年04期）
陆炎[9]（2017）在《自动叁维人脸迁移算法研究》一文中研究指出人脸的捕获、分析与处理一直是是计算机视觉中的重要课题。随着数码相机、手机等设备的不断普及,二维人脸数据的捕获变得触手可及。相比而言叁维人脸数据的采集较为困难,主要途径是通过叁维扫描仪进行捕获。以白光、激光等为基础的叁维扫描仪精度很高,但对人眼、皮肤等存在一定的伤害。近年来基于红外的深度相机设备的有效采集距离越来越近,英特尔公司推出的RealSense系列产品更是将此距离缩短到30厘米之内,搭配Kinect Fusion等经典算法,使得深度相机采集人脸数据变得切实可行。捕获到的面部数据除了简单的信息记录功能,也常常被应用于信息加密、安保监控、娱乐等领域。最近几年社交媒体的快速发展带动了人脸迁移(即“换脸”)应用的兴起。二维的“换脸”常用于面部交换、照片合成、隐私保护等方向。相比而言叁维“换脸”更具实际意义,可应用于大型3D游戏中“面部补丁”的定制,也可应用于3D打印等实际场景。但目前存在的叁维“换脸”应用较少,且存在几何相似性差、兼容性差、过度局限于给定的模型库等问题。叁维人脸数据采集除了记录人脸的色彩信息,还需记录其叁维几何信息,以及两者之间的匹配关系。对应于信息的采集,叁维“换脸”也需从几何、色彩两个角度去保证效果,其基本指标是:几何相似、无缝融合、特征匹配,扭曲少。本文提出了一套基于深度相机的全自动叁维人脸扫描及“换脸”系统。系统包含扫描与“换脸”两个模块,且二者无缝衔接。扫描模块的贡献在于,利用红外深度相机在极短时间内快速采集并重建出带纹理效果的叁维人脸模型,并利用特征点等信息自动裁剪得到形状较为标准的人脸。“换脸”的贡献在于无需人工交互且兼容性强。色彩方面采用基于图像梯度的无缝拼接算法进行色调预处理,以及基于能量优化的色差调节算法处理色彩融合;几何方面采用保网格Laplace的优化方法进行几何变形并自动拼接。系统的优点在于换脸效果逼真,并适用于任意带有纹理信息的叁维模型的换脸。(本文来源于《中国科学技术大学》期刊2017-05-01）
曹陈宸[10]（2016）在《关系型数据库向MongoDB数据库自动迁移技术框架的研究》一文中研究指出随着近年数据量的不断增大,关系型数据库的极限不断受到冲击,可扩展性、高性能和高可用性的NoSQL数据库得到了越来越多的青睐。从关系型数据库向NoSQL数据库迁移的需求也随之出现。为了满足以上需求,本文提出了一个关系型数据库向MongoDB数据库迁移的技术框架,以模式转化、数据迁移和代码迁移叁项关键技术步骤支持用户以自动化或半自动化方式完成对应用的迁移,其中技术研究的主要工作包括：1.在模式转化方面,提出基于关系型数据库外键关系和用户自定义关系的MongoDB模型自动构建技术；2.在数据迁移方面,提出基于拓扑序的数据自动迁移技术,并通过文档内嵌或者文档引用的方式将相关数据进行关联存储,并自动插入索引；3.在代码迁移方面,实现了实体类代码的自动生成技术,并自动生成部分数据访问对象CRUD方法,支持简单SQL语句自动转化为MongoDB方法。基于上述技术,本文设计了与典型ETL工具Spoon的对比实验,通过在模式转化、数据迁移和代码迁移叁个方面的比较,证明了本框架比Spoon在迁移时拥有更高的效率,在原数据关系复杂时提升效果更显着。(本文来源于《南京大学》期刊2016-08-01）
自动迁移论文开题报告
（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：
笔者参与过多个国家级自动气象站(简称国家站)搬迁的业务管理工作,对国家站在具体迁移工作中可能会存在的问题进行了归纳总结,提出了5个方面需要注意的主要事项,从而为今后需要迁移的国家级台站提供一些借鉴,希望在一定程度上能够帮助加快迁移进度,提高工作效率。
（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。
自动迁移论文参考文献
[1].李兴球,姜洪开,王瑞欣,吴正红.基于迁移深度降噪自动编码器的飞机关键机械部件故障诊断方法[C].第十叁届全国振动理论及应用学术会议论文集.2019
[2].邓建斌,邓小清,邓圣.浅谈国家级自动气象站迁移有关注意事项[J].农业与技术.2019
[3].薛健.数字图书馆异构数据自动迁移技术研究[J].自动化与仪器仪表.2019
[4].陈尔聃.文本自动摘要的迁移学习技术[J].数码世界.2018
[5].陈检,肖思隽,孙秋梅.基于迁移学习算法的糖网病自动筛选系统研究[J].信息技术与信息化.2018
[6].汪鹏,张奥帆,王利琴,董永峰.基于迁移学习与多标签平滑策略的图像自动标注[J].计算机应用.2018
[7].李晓刚.基于迁移学习的糖网病眼底图像自动分类研究[D].深圳大学.2018
[8].林聪,李二珠,杜培军.样本迁移支持下的遥感影像自动分类方法[J].测绘通报.2018
[9].陆炎.自动叁维人脸迁移算法研究[D].中国科学技术大学.2017
[10].曹陈宸.关系型数据库向MongoDB数据库自动迁移技术框架的研究[D].南京大学.2016
标签：迁移深度降噪自动编码器; 标签数据缺少; 飞机关键机械部件; 故障诊断;