导读:本文包含了雅克比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:手写数字识别,雅克比正则化,稀疏约束项,自动编码机
雅克比算法论文文献综述
王慧玲,宋威[1]（2018）在《基于雅克比稀疏自动编码机的手写数字识别算法》一文中研究指出由于手写数字边缘轮廓差异大造成书写风格的不同,为了提高识别准确度,通过在自动编码机中加入稀疏约束项和雅克比正则项,提出一种雅克比稀疏自动编码机(JSAE)的算法进行手写数字识别。加入稀疏约束项能够有效提取数据中的隐藏结构,而雅克比正则化可以描述数据点的边缘特征,提高自动编码器算法的学习能力,从而更准确地抽取样本的本质特征。实验结果表明,JSAE在分类准确率上要高于自动编码机(AE)和稀疏自动编码机(SAE)算法。(本文来源于《计算机应用研究》期刊2018年12期）
超木日力格[2]（2017）在《基于雅克比矩阵的软划分聚类算法分析》一文中研究指出本文主要研究软划分聚类算法分析中两个重要问题:参数选择和收敛性质分析。大部分软划分聚类算法中均存在参数选择问题,参数的选择直接影响聚类算法的速度和精度。讨论软划分聚类算法的收敛性质,例如EM算法的自退火性质,可以帮助我们更好的理解这些聚类算法。除此之外,聚类算法的收敛速率可能会影响算法处理大数据的能力。本文提出一种基于雅克比矩阵的软划分聚类算法分析框架,在此框架下对软划分聚类算法参数的上下界、算法的收敛性质以及收敛速率等问题进行了讨论。本文取得的主要研究成果如下:(1)本文提出了基于雅克比矩阵的软划分聚类算法分析框架。建立该软划分聚类算法分析框架的基本假设是:重合类是大部分软划分聚类算法的不动点,但为了避免聚类算法输出重合类结果,重合类不能是软划分聚类算法的稳定点。在这个基本假设下,我们将软划分聚类算法重写为差分方程形式,通过分析软划分聚类算法差分方程的雅克比矩阵,从而对聚类算法的参数选择和收敛性质分析等等问题进行讨论。与其他软划分聚类算法分析方法相比,基于雅克比矩阵的软划分聚类算法分析方法可以用于分析一般具有隶属度和聚类中心迭代更新过程的算法,而不要求聚类算法有明确的目标函数。(2)本文在基于雅克比矩阵的软划分聚类算法分析框架下,从理论上分析了基于混合高斯模型的最大期望(EM)算法和确定性退火最大期望(DA-EM)算法的性质。一方面,我们通过分析DA-EM算法差分方程的雅克比矩阵,提出了一种选择DA-EM算法确定性退火参数理论下界的方法。另一方面我们在基于雅克比矩阵的软划分聚类算法分析框架下证明了 EM算法具有自退火性质,也就是说重合类不是EM算法的稳定点。因为DA-EM模型在确定性退火参数等于1时等于EM模型,因此我们将EM算法作为DA-EM算法的一个特殊形式,利用DA-EM的雅克比矩阵对EM算法进行理论分析。(3)GK算法是在FCM的基础上改进的一种模糊聚类算法。与FCM算法等软划分聚类算法一样,GK聚类算法的结果也会受到模糊指数m参数值的影响,然而文献中缺乏对GK聚类算法的参数选择问题的讨论。我们在基于雅克比矩阵的软划分聚类算法分析框架下,建立GK聚类算法的稳定点和样本数据间的关系,从而给出选择模糊指数m的理论根据。同时,我们研究了模糊指数m的取值对聚类算法的收敛速率的影响。最后,我们通过实验证明了理论结果的正确性。(4)模糊指数m值会严重影响GK聚类算法的聚类结果。因此,本文我们提出了一种新的基于确定性退火机制的GK聚类算法,以减小参数选择对聚类结果的影响。我们在GK聚类算法的目标函数中加入隶属度的香农(信息)熵约束,并且用确定性退火机制调节退火参数。与此同时,我们分析了确定性退火GK(DA-GK)聚类算法退火参数取值理论下界。除此之外,我们比较了 DA-GK聚类算法和其他聚类算法的聚类结果,并分析了 DA-GK聚类算法的计算复杂度。实验结果表明DA-GK算法具备良好的聚类性能。(本文来源于《北京交通大学》期刊2017-09-01）
韩珂,张泽中[3]（2014）在《基于雅克比椭圆混沌映射的图像加密算法研究》一文中研究指出针对混沌映射会产生瞬态效应,且低维、单峰混沌映射加密算法存在密钥空间小,安全性低等缺点,为此提出一个新的雅克比椭圆混沌映射来加密图像,并将位置集合置乱方法与加密变换函数引入到本文算法中。将明文图像转换成一维矩阵;然后输入初始密钥,迭代雅克比椭圆映射,以消除瞬态效应;由加密变换函数与初值来改变原密钥,根据所得到的新密钥再次迭代雅克比椭圆映射,得到一维阵列;采用位置集合置乱方法处理该阵列,得到一个位置集合,利用该集合置乱图像;采用密钥流机制量化置乱前的阵列,得到一组新阵列,利用新阵列通过加密变换函数对置乱图像中的每个元素进行加密。借助MATLAB仿真平台进行验证,结果表明:改进算法的安全性高,密钥空间大。(本文来源于《计算机仿真》期刊2014年05期）
孙立辉[4]（2014）在《S盒变换规则融合雅克比椭圆混沌映射的图像加密算法研究》一文中研究指出由于当前的基于混沌映射的图像加密算法存在瞬态效应,且在像素扩散阶段都没有使用完整的随机密码序列,从而降低了加密系统的安全性,无法抵御各类明文与密文攻击。对此,设计了一个完整的随机密码序列和新的雅克比椭圆映射,并定义了一个S盒变换规则;构造了预混淆-混淆-扩散结构,提出了S盒变换规则耦合雅克比椭圆混沌映射的图像加密算法。首先利用S盒变换规则对初始图像进行预混淆;再根据Logistic混沌映射与代数变换模型所生成的外部密钥迭代雅克比椭圆混沌映射,以消除瞬态效应;改变初始外部密钥,再次迭代雅克比椭圆混沌映射,用序列修正函数对迭代得到的伪随机序列进行修正,产生的新序列在混淆机制下改变预混淆图像像素值;根据密钥流机制和新序列来设计一个完整的随机密码序列,对混淆像素进行扩散。在MATLAB仿真平台上测试结果表明:该算法高度安全,拥有很强的密钥敏感性,密钥空间巨大。(本文来源于《科学技术与工程》期刊2014年06期）
郑晓磊,李勇泉,陈俊夫,陈慧婷[5]（2013）在《迭代算法在牛顿电力潮流中的问题:初值,模糊算法和部分雅克比迭代》一文中研究指出对比线性方程迭代法的可行性和非线性牛顿拉夫逊法电力潮流的研究,迭代算法和牛顿法的结合是解决大型潮流系统的有效最优方法之一。这个算法和初值可在matlab中获得,我们能够看得出迭代算法比大型潮流系统直接LU因子分解要有效的多,很容易证明出加入部分雅克比迭代当达到收敛条件时可避免增加内存,在大型母线(3000母线甚者更多)的电力潮流中,我们用上述方法能够比直接LU因子分解节省25%的空间,潮流收敛是基于雅克比矩阵的步长一定和范数存在的条件下的。(本文来源于《科技传播》期刊2013年12期）
李耐宾,刘海飞,程志平[6]（2006）在《二维直流电测深反演中雅克比矩阵算法的改进及应用》一文中研究指出对于常规的直流电测深法,由于其电极距一般以近似等对数间隔逐渐增大,使得网格单元剖分呈现出不规则性.与高密度电阻率法测量装置对比,其对电极的利用率较低,仅几个电测深点的反演就需要很长的时间.为此,在反演过程中,将互换原理和Broyden的近似计算方法相结合来计算雅克比矩阵,在不降低反演精度的情况下,可以大大减少反演时间.通过对模拟数据和实测数据进行反演试算,验证了该计算方法是可行的.(本文来源于《桂林工学院学报》期刊2006年04期）
雅克比算法论文开题报告
（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：
本文主要研究软划分聚类算法分析中两个重要问题:参数选择和收敛性质分析。大部分软划分聚类算法中均存在参数选择问题,参数的选择直接影响聚类算法的速度和精度。讨论软划分聚类算法的收敛性质,例如EM算法的自退火性质,可以帮助我们更好的理解这些聚类算法。除此之外,聚类算法的收敛速率可能会影响算法处理大数据的能力。本文提出一种基于雅克比矩阵的软划分聚类算法分析框架,在此框架下对软划分聚类算法参数的上下界、算法的收敛性质以及收敛速率等问题进行了讨论。本文取得的主要研究成果如下:(1)本文提出了基于雅克比矩阵的软划分聚类算法分析框架。建立该软划分聚类算法分析框架的基本假设是:重合类是大部分软划分聚类算法的不动点,但为了避免聚类算法输出重合类结果,重合类不能是软划分聚类算法的稳定点。在这个基本假设下,我们将软划分聚类算法重写为差分方程形式,通过分析软划分聚类算法差分方程的雅克比矩阵,从而对聚类算法的参数选择和收敛性质分析等等问题进行讨论。与其他软划分聚类算法分析方法相比,基于雅克比矩阵的软划分聚类算法分析方法可以用于分析一般具有隶属度和聚类中心迭代更新过程的算法,而不要求聚类算法有明确的目标函数。(2)本文在基于雅克比矩阵的软划分聚类算法分析框架下,从理论上分析了基于混合高斯模型的最大期望(EM)算法和确定性退火最大期望(DA-EM)算法的性质。一方面,我们通过分析DA-EM算法差分方程的雅克比矩阵,提出了一种选择DA-EM算法确定性退火参数理论下界的方法。另一方面我们在基于雅克比矩阵的软划分聚类算法分析框架下证明了 EM算法具有自退火性质,也就是说重合类不是EM算法的稳定点。因为DA-EM模型在确定性退火参数等于1时等于EM模型,因此我们将EM算法作为DA-EM算法的一个特殊形式,利用DA-EM的雅克比矩阵对EM算法进行理论分析。(3)GK算法是在FCM的基础上改进的一种模糊聚类算法。与FCM算法等软划分聚类算法一样,GK聚类算法的结果也会受到模糊指数m参数值的影响,然而文献中缺乏对GK聚类算法的参数选择问题的讨论。我们在基于雅克比矩阵的软划分聚类算法分析框架下,建立GK聚类算法的稳定点和样本数据间的关系,从而给出选择模糊指数m的理论根据。同时,我们研究了模糊指数m的取值对聚类算法的收敛速率的影响。最后,我们通过实验证明了理论结果的正确性。(4)模糊指数m值会严重影响GK聚类算法的聚类结果。因此,本文我们提出了一种新的基于确定性退火机制的GK聚类算法,以减小参数选择对聚类结果的影响。我们在GK聚类算法的目标函数中加入隶属度的香农(信息)熵约束,并且用确定性退火机制调节退火参数。与此同时,我们分析了确定性退火GK(DA-GK)聚类算法退火参数取值理论下界。除此之外,我们比较了 DA-GK聚类算法和其他聚类算法的聚类结果,并分析了 DA-GK聚类算法的计算复杂度。实验结果表明DA-GK算法具备良好的聚类性能。
（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。
雅克比算法论文参考文献
[1].王慧玲,宋威.基于雅克比稀疏自动编码机的手写数字识别算法[J].计算机应用研究.2018
[2].超木日力格.基于雅克比矩阵的软划分聚类算法分析[D].北京交通大学.2017
[3].韩珂,张泽中.基于雅克比椭圆混沌映射的图像加密算法研究[J].计算机仿真.2014
[4].孙立辉.S盒变换规则融合雅克比椭圆混沌映射的图像加密算法研究[J].科学技术与工程.2014
[5].郑晓磊,李勇泉,陈俊夫,陈慧婷.迭代算法在牛顿电力潮流中的问题:初值,模糊算法和部分雅克比迭代[J].科技传播.2013
[6].李耐宾,刘海飞,程志平.二维直流电测深反演中雅克比矩阵算法的改进及应用[J].桂林工学院学报.2006