导读:本文包含了应用字典论文开题报告文献综述及选题提纲参考文献，主要关键词:网络教学资源,“应用字典”,建设要点
应用字典论文文献综述
张娜娜[1]（2019）在《高校网络教学资源“应用字典”建设研究》一文中研究指出信息时代的发展及"互联网+教育"的兴起,要求高校教师必须充分学习和利用教学资源,在教师时间精力有限的情况下,建设高校网络教学资源"应用字典"能够提升教师对于网络教学资源的使用效率、引进优质教学资源以及一定程度提高教学质量,"应用字典"建设应以共性资源和差异化资源作为一级目录,结合学校特点突出价值倾向,紧跟时代发展进行动态更新。(本文来源于《创新创业理论研究与实践》期刊2019年18期）
谢丽莎,熊皓囡,邹慧,徐凤琴[2]（2019）在《临床疾病诊断名称编码字典库的应用研究》一文中研究指出目的为更好适应新形势下病案首页数据和病历书写质量的要求,进一步规范临床诊断名称,满足医、教、研和医疗保险付费等多方面医疗信息标准化的需求。方法以临床诊断为中心,建立临床疾病诊断名称编码字典库。结果院内临床疾病诊断库可用数据15972条,医生只需输入诊断名称的首字母或者关键字就可在库中选择录入规范诊断,编码员的工作模式为系统中审核编码。结论通过建立临床疾病诊断名称编码字典库,可实现临床疾病诊断名称的院内规范及统一,提高编码质量和效率,为准确完整地上报医疗信息和提高病案信息的利用奠定了数据基础。(本文来源于《第二十八届中国医院协会病案专业委员会学术会议论文集》期刊2019-09-18）
柯莉,林伟研,刘养奇,林志丰,欧伟麟[3]（2019）在《临床疾病诊断字典库的应用研究》一文中研究指出目的:为进一步规范临床诊断名称,以满足临床医生书写诊断需求、医疗保险付费、DRGs的顺利开展等多方面需求。方法:收集临床诊断名称数据,经过初步的筛选,去除重复、不规范诊断名称,以国际疾病分类(ICD)为基础,为每一条临床诊断匹配唯一的ICD码,逐步建立临床诊断字典库。结果:已初步建立医院的临床诊断字典库,共有诊断1万多条,并运行使用。结论:进一步规范了临床诊断名称,提高了ICD-10编码准确率,优化了临床医生及编码人员的工作流程。(本文来源于《中国数字医学》期刊2019年06期）
吴莹,李冠志,占竹,汪军[4]（2019）在《基于子窗口字典学习的机织物纹理表征及应用》一文中研究指出为了提高机织物纹理表征算法的稳定性,提出了以子窗口字典学习表征机织物纹理的算法。将整幅图像划分为多个子窗口样本,并将子窗口样本展成列向量,所有的列向量联合组成灰度数据矩阵。选定离散余弦变换(discrete cosine transform,DCT)作为初始字典,对子窗口样本矩阵进行字典学习,最终得到了稳定的学习字典。选用均方根误差作为评价指标,对字典个数和子窗口大小进行优化。结果表明,应用学习得到的字典,不仅能近似重构机织物纹理样本图像,而且能在无监督的条件下自动识别织物的瑕疵。(本文来源于《东华大学学报(自然科学版)》期刊2019年03期）
王维芳[5]（2019）在《基于字典学习的视网膜图像超分辨率算法研究与应用》一文中研究指出视觉是人类取得外界信息的一个主要媒介。随着人口老龄化和眼睛保护意识的缺乏,老年性黄斑病变,病理性近视和视网膜色素变性等视网膜病变导致视力下降。眼科医生主要利用频域光学相干断层扫描技术(SD-OCT)获得的视网膜图像来诊断和预测疾病。SD-OCT成像技术一次扫描产生128个低分辨率(Low Resolution,LR)图像,以形成叁维的体数据,同时,在视网膜黄斑中央凹位置产生5幅高分辨率(High Resolution,HR)图像,视网膜病变组织结构清晰可见。由于HR图像数量少,无法对病变组织进行叁维量化分析。LR图像含有大量散斑噪声,低质量图像给眼科临床医生的诊断和病变组织的量化预测带来困难。随着超分辨率重建(Super Resolution,SR)技术在医学图像上的广泛应用,本文对LR视网膜图像进行超分辨率重建。重建后的视网膜图像质量得到改善,有利于视网膜疾病进一步的精确治疗。本文主要基于字典学习的超分辨率算法框架,研究了抑制散斑噪声和保持边界的算法,提高了重建图像质量。论文的主要工作总结如下:(1)提出了一种非局部相似性的视网膜图像超分辨率算法。由于相似图像块的稀疏系数也相似,所以本文利用噪声图像块与其邻域图像块之间的相似性质来构造约束项,将非局部相似性约束项作为SR算法目标函数的正则项。实验表明,提出的算法在SR重建的同时能够有效抑制散斑噪声的影响。(2)提出了一种边界保持的视网膜图像超分辨率算法。视网膜图像的边界信息对病变区域的检测和分割至关重要,因此,超分辨率重建后图像应该尽可能多的保持边界信息。本文利用HR图像的边界先验信息指导LR图像边界重建。实验结果证明,提出的算法实现了在超分辨率过程中边界信息的保持。(3)提出了一种边界保持和非局部相似性联合约束的视网膜图像超分辨率算法。本文利用非局部相似性约束和边界保持约束同时作为超分辨率算法目标函数的正则项。实验验证,通过优化求解目标函数能够达到同时保持边界和抑制噪声。(4)本文设计实现了一个视网膜图像的超分辨率系统,系统主要实现四种超分辨率算法视网膜图像重建和图像处理基本操作(浏览、类型转换、几何变换、加噪声、去噪、增强和边缘检测),另外,系统还实现了对视网膜层结构的手动画线。(本文来源于《济南大学》期刊2019-06-01）
朱春进,沈振军,张瑞杰[6]（2019）在《压缩感知的稀疏字典学习在信号重建中的应用》一文中研究指出针对时域信号在压缩感知的正交基下重建存在较大误差的问题,提出了一种字典学习方法稀疏表示连续时域信号。该方法基于K-奇异值分解(K-SVD)字典更新学习算法对原始数据稀疏化,在压缩感知理论下,通过观测矩阵得到的少量测量值利用正交匹配跟踪算法重新构建信号的非零元素系数矩阵,从而达到信号的近乎完美的重建。仿真实验结果表明,字典学习比传统正交基在信号重建上有更好的效果。(本文来源于《工业控制计算机》期刊2019年04期）
张兆珩,丁建明,吴超,林建辉[7]（2019）在《移不变字典学习算法提取冲击成分及其在齿轮箱轴承早期故障诊断中的应用（英文）》一文中研究指出由轴承故障所产生的故障冲击成分是对齿轮箱轴承故障评估的关键特征。但是由于严重的背景噪声与其它振动的干扰,从测量的振动信号中提取这些故障尤其是早期故障的冲击成分是十分困难的。为了捕捉到这些隐藏在测量的振动信号中的冲击成分的高阶特征,应用一种被称作移不变K均值奇异值分解字典学习算法(SI-K-SVD)对齿轮箱轴承进行早期故障检测。尽管移不变K均值奇异值分解字典学习算法比现有的大部分算法更具有灵活性与自适应性,但与该算法密切相关的两种参数(迭代次数与模式的长度)的不合理选取,会对故障诊断的效果产生负面影响。因此,该算法引入包络谱的稀疏度与峭度值并分别用于选取上述两种参数。基于这两种参数优化选取的移不变K均值奇异值分解字典学习算法,被称为最优参数移不变奇异值分解字典学习算法(OP-SI-K-SVD),本文采用该算法用于齿轮箱轴承的故障检测。通过对仿真与台架试验的数据的分析,验证了该算法的有效性。同时通过与现有的几种先进算法(经验模态分解、小波变换和K均值奇异值分解)的对比,最优参数移不变奇异值分解字典学习算法在齿轮箱轴承的早期故障诊断中展现出了优异的性能。(本文来源于《Journal of Central South University》期刊2019年04期）
瞿蔚[8]（2019）在《自适应稀疏字典设计及其在齿轮系统混合故障诊断中的应用研究》一文中研究指出齿轮和轴承是现代工业机械设备中的重要组成部件,长时间在复杂多变、环境恶劣的条件中工作后,会发生各种类型的故障从而引发安全隐患。如何从含有大量噪声干扰的信号中快速准确地识别出故障成分,进行有效的故障诊断和设备监控对于保障设备及人员安全具有重大意义。基于信号的稀疏表征理论,在轴承和齿轮的故障特征信号分离提取方面进行了研究。提出了一种提取滚动轴承冲击型故障特征信号的新方法。将解析字典原子的构建同实测信号联系起来,建立了能同时考虑时频域冲击响应函数特点的新冲击响应原子约束函数,所得字典原子具有明确的物理意义同时与实际信号有较高的匹配度,能够更好地表征故障特征;融合了粒子群和梯度下降两种算法的优点来加速求解原子约束函数,对不同适应度区间的粒子采取不同的更新策略,兼顾了收敛速度和求解精度,尤其对于高采样频率下的信号具备更大的速度优势。引入了奇异值分解降噪对信号预处理,突出了特征信号主成分,使算法在原子和系数的求解上都具有更高的精度。仿真与实验结果一致,表明所提算法比对比算法速度快、精度高、抗噪和自适应能力强,能够更好地提取滚动轴承内圈、外圈故障特征信号,有效地诊断故障。针对信号成分更加复杂的齿轮箱系统,提出了复合故障下耦合调制振动信号的分离提取方法。所构建的平稳调制字典使用了比值校正法对原子参数进行校正,字典精度更高,通过两次稀疏分解完成耦合故障信号的分离。对SALSA算法的叁个重要参数分别进行了研究,分析了参数对求解结果的影响,确定了原子长度的选取准则;通过建立能量比算子,实现了根据待求解信号自适应地选取正则项和罚函数的值,减少了人工试错的偶然性。仿真验证了不同信噪比下的复合故障信号的分离提取效果,结果表明当复合故障信噪比分别为-3dB、-6dB、-9dB时,虽然原子参数的精度有所降低,但所提方法依然能够将所有位置的冲击重构出来。将其应用于定轴轮系和行星轮系的实验信号中,能成功分离出平稳调制信号和冲击故障信号,冲击故障周期的相对误差小于1%,证明了所提方法的有效性。(本文来源于《华南理工大学》期刊2019-04-12）
徐涛[9]（2019）在《基于数据表示方法的鉴别字典学习算法的研究及应用》一文中研究指出数据表示在信号处理、图像处理、计算机视觉和模式识别等领域引起了研究者的广泛关注,其中字典学习(Dictionary Learning,DL)算法已成为当前研究的热点问题之一。鉴别字典学习(Discriminative Dictionary Learning,DDL)的目标是通过训练样本学习字典用以提高其编码向量(coding vectors)的判别能力。支持向量引导的字典学习(Support Vector Guided Dictionary Learning,SVGDL)算法对编码向量施加标准的支持向量机(Support Vector Machine,SVM)作为鉴别条件,联合学习字典和训练分类器,并在编码向量的更新过程将二次折页损失函数作为损失判定条件自由的分配权值。但其没有进一步探究编码向量构建的分类的器的泛化性能,一定程度上限制了模型的鉴别能力。究其原因,传统的SVM依据大间隔分类原则,利用边界样本点建立的分类超平面,未能考虑到数据的分布信息,一定程度上影响分类器抗噪能力;同时,模型优化过程中忽视了重新获得的编码数据构建的分类器的分类性能,不仅与大间隔原理有关,还与包含该数据的最小包含球的半径有关的基本事实。为了进一步提高字典的鉴别能力,本论文将对如上两个原因进行研究,主要内容如下:(1)针对SVGDL所训练的分类器未能考虑数据的分布信息,将具有fisher线性鉴别条件和大间隔分类原则的最小类内方差支持向量机作为模型的鉴别条件,在编码向量的更新过程中增加类内散布矩阵信息,减小同类样本的差异,同时获得不同类别间的大间隔分类器。促使模型更好的指导字典学习,进而提出最小类内方差支持向量引导的字典学习(Minimum Class Variance Support Vector Guided Dictionary Learning,MCVGDL)算法。(2)针对SVGDL忽略了新获的数据建立的分类器的泛化性能不仅与大间隔原理有关,还与包含该新获得的所有数据的最小包含球有关的基本事实。将SVM的泛化误差上界理论作为模型的改进思想,降低分类器泛化误差上界,获得相对间隔更大更真实的分类器,进而提出泛化误差界指导的鉴别字典学习(Generalization Error Bound Guided Discriminative Dictionary Learning,GEBGDL)算法。为验证所提算法的分类性能。在人脸识别,物体识别,手写数字识别等7个数据集上将几种典型的字典学习、SVM、CRC、SRC等算法在不同样本和字典原子的条件下分别与所提出的两种算法进行对比,讨论了模型参数对识别率的影响,验证了算法的收敛性。实验表明,所提算法在大部分条件获得了更高的识别率,减小了泛化误差界。(本文来源于《西华大学》期刊2019-04-01）
王瑞雪,张振华,张宾,程子兵,段笑笑[10]（2019）在《数据字典在火控系统报文解析中的应用》一文中研究指出结合元数据、数据字典和XML技术,提出建立数据字典和通用协议解码方法来提高火控系统报文解码可扩展性。建立了火控系统数据字典和通用协议解码方法,增强了报文解析的扩展性,实现了上层应用与协议的松耦合。开发了一个具有界面操作和显示功能的火控系统通用报文解析工具,使用报文解析工具进行测试验证了火控系统数据字典和通用协议解析方法在报文解析上的高可扩展性。实验结果表明,数据字典与通用的协议解码方法能够达到报文频繁变更带来的报文解析可扩展性要求。(本文来源于《兵器装备工程学报》期刊2019年04期）
应用字典论文开题报告
（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：
目的为更好适应新形势下病案首页数据和病历书写质量的要求,进一步规范临床诊断名称,满足医、教、研和医疗保险付费等多方面医疗信息标准化的需求。方法以临床诊断为中心,建立临床疾病诊断名称编码字典库。结果院内临床疾病诊断库可用数据15972条,医生只需输入诊断名称的首字母或者关键字就可在库中选择录入规范诊断,编码员的工作模式为系统中审核编码。结论通过建立临床疾病诊断名称编码字典库,可实现临床疾病诊断名称的院内规范及统一,提高编码质量和效率,为准确完整地上报医疗信息和提高病案信息的利用奠定了数据基础。
（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。
应用字典论文参考文献
[1].张娜娜.高校网络教学资源“应用字典”建设研究[J].创新创业理论研究与实践.2019
[2].谢丽莎,熊皓囡,邹慧,徐凤琴.临床疾病诊断名称编码字典库的应用研究[C].第二十八届中国医院协会病案专业委员会学术会议论文集.2019
[3].柯莉,林伟研,刘养奇,林志丰,欧伟麟.临床疾病诊断字典库的应用研究[J].中国数字医学.2019
[4].吴莹,李冠志,占竹,汪军.基于子窗口字典学习的机织物纹理表征及应用[J].东华大学学报(自然科学版).2019
[5].王维芳.基于字典学习的视网膜图像超分辨率算法研究与应用[D].济南大学.2019
[6].朱春进,沈振军,张瑞杰.压缩感知的稀疏字典学习在信号重建中的应用[J].工业控制计算机.2019
[7].张兆珩,丁建明,吴超,林建辉.移不变字典学习算法提取冲击成分及其在齿轮箱轴承早期故障诊断中的应用（英文）[J].JournalofCentralSouthUniversity.2019
[8].瞿蔚.自适应稀疏字典设计及其在齿轮系统混合故障诊断中的应用研究[D].华南理工大学.2019
[9].徐涛.基于数据表示方法的鉴别字典学习算法的研究及应用[D].西华大学.2019
[10].王瑞雪,张振华,张宾,程子兵,段笑笑.数据字典在火控系统报文解析中的应用[J].兵器装备工程学报.2019