导读:本文包含了网络识别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
网络识别论文文献综述
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）
马杰,江亚峰,强东鑫,徐志佑,袁明新[2]（2019）在《基于RBF网络的手势识别装置设计》一文中研究指出针对已有手势识别系统准确度不高和响应速度慢的问题,设计了一款基于RBF网络的手势识别装置。该装置以STM32单片机为控制中心,使用电容传感器FDC2214进行容值数据采集;利用RBF网络对样本数据进行训练并抽取权值,将权值带入程序,输入乘权值得到输出,实现装置对手势的预测;按键实现装置判决模式与训练模式的切换;最终由TFTLCD显示容值数据和手势结果。实验测试表明:手势识别装置能够对任意测试人员进行多种手势的识别,并达到平均96. 25%的识别准确率和平均0. 6735s的系统响应速度,从而验证了本装置的有效性。(本文来源于《信息技术》期刊2019年12期）
凡甲甲,祁云嵩,葛霓琳[3]（2019）在《基于改进BP神经网络的船舶轨迹识别方法》一文中研究指出针对船舶航行轨迹识别,为提高识别率,进行深入研究,提出一种采用附加动量法和自适应学习速率法的改进BP神经网络方法。采用附加动量不断修正BP神经网络的权重,加快网络收敛速度,在迭代过程中进行学习率自适应调整,减少迭代次数。运用改进BP神经网络和传统BP神经网络对船舶自动识别系统(automatic identification system,AIS)信息进行训练,分别建立分类识别模型。以安徽巢湖水域为例进行实验,实验结果表明,改进BP神经网络对船舶轨迹识别具有更高的准确率。(本文来源于《计算机工程与设计》期刊2019年12期）
张晓琳,李卓麟,袁昊晨,王永平,李健[4]（2019）在《防止边再识别攻击的分布式社会网络匿名技术》一文中研究指出针对具有属性信息的社会网络中链接隐私泄露问题,提出边信息k-匿名模型和分布式社会网络边信息匿名方法D-EIAM (distributed edge information anonymity method)。该模型可抵御攻击者同时以链接的属性和结构信息为背景知识的关系再识别攻击。利用分布式计算模型Spark,并行生成匿名边序列;提出贪心合并伪结点算法,在根据匿名序列构造图时尽量少地添加噪声结点;给添加的边生成属性信息,满足匿名模型。实验结果表明,D-EIAM方法在高效率处理大规模社会网络数据的同时,保证了发布数据的可用性。(本文来源于《计算机工程与设计》期刊2019年12期）
王忠民,李和娜,张荣,衡霞[5]（2019）在《融合卷积神经网络与支持向量机的表情识别》一文中研究指出针对表情识别方法存在识别准确率不高和手工设计的特征不能全面表征面部表情特征的问题,提出一种融合卷积神经网络(CNN)的深度学习特征和支持向量机(SVM)的人脸表情识别方法。采用Viola-Jones算法进行人脸检测和对齐,提取面部表情感兴趣区域的图像,输入到CNN模型以提取显着的表情特征信息,对得到的特征向量采用SVM进行分类,将表情分类结果输出。使用该方法在Fer-2013数据集和CK数据集上进行实验,识别率分别为93.46%、92.06%。实验结果表明,该方法能够明显提高表情识别的准确率。(本文来源于《计算机工程与设计》期刊2019年12期）
张家颖,杨文军[6]（2019）在《基于深度学习的网络流量分类识别研究》一文中研究指出目前互联网上会存在海量的网络流量数据信息,这些海量的网络流量数据信息还未得到充分性的利用,如果有效的采取一些必要的方法或者手段,分析整个的网络流量挖掘信息对于后期的网络发展趋势,挖掘网络当中所存在的异常状态并且有采取针对性的措施,这对于后期的网络应急响应能力的增强、抵御网络不法攻击行为、快速的维护网络空间安全等方面都具有非常重大的价值及意义.本文基于网络流量识别的基本需求,分析了深度学习经典模型-CNN的基本原理,在此基础上将原始流量进行分层处理,并建立了基于注意力机制的改进的CNN算法的网络流量识别模型,最后在国际标准数据集上进行仿真分析.实验测试结果表明,该模型可以实现对各类网络流量有效识别.(本文来源于《天津理工大学学报》期刊2019年06期）
宋子龙[7]（2019）在《基于卷积神经网络的花卉种类识别系统》一文中研究指出花卉种类的识别系统研究是植物学领域的一个重要课题。高精度的花卉种类识别系统也会给人们的生活带来很多乐趣。然而,花卉的复杂背景,不同花卉种类之间的相似性,以及在同类花卉之间也存在着差异是目前花卉图像识别存在的挑战。传统的花卉识别主要基于颜色,形状和纹理叁个特征,这种识别需要人们选择特征进行分类,而且准确性不是很高。本文采用keras深度学习框架的卷积神经网络模型,训练牛津花卉数据集可以大大提高花卉种类识别的准确性。(本文来源于《计算机产品与流通》期刊2019年12期）
郭文翀,蔡永智,冯小峰,韦晓明,危秋珍[8]（2019）在《基于反向传播神经网络的失流故障智能识别研究》一文中研究指出为解决传统方法识别主网电流失流故障准确率低的问题,本文提出了一种基于反向传播神经网络的失流故障智能识别方法。本文利用反向传播的神经网络算法,通过梯度下降的方式反向修正各层权值,使网络输出误差达到可以接受的程度,从而达到对失流故障识别具有很好的自学习自适应能力的目的。首先根据对主网失流故障特征的研究,将失流故障分为持续失流与断续失流两种,构造对应指标,综合所有指标构建失流故障特征提取体系,最后建立反向神经网络来拟合失流故障提取体系。对数据进行识别,建立专家样本库,利用反向神经网络进行离线训练,训练完成后固定权值用于失流故障识别,从而准确输出失流故障事件。经实例验证,所提方法在识别准确率和识别效率优于一般分类识别方法,可实现失流故障的就地识别。(本文来源于《电力大数据》期刊2019年12期）
李兆桐,孙浩云[9]（2019）在《基于全卷积神经网络的船舶检测和船牌识别系统》一文中研究指出船舶检测与识别对于港口智能监控,实现港口资源的有效管理具有重要意义。由于复杂的船舶轮廓、船牌位置不固定、船牌文本类型复杂多样和船牌文字个数不确定等因素,使得船舶的检测和识别非常具有挑战性。本文提出一种基于全卷积神经网络的船舶检测与识别方法:SDR-FCN。SDR-FCN利用本文提出的船舶检测算法SDNet进行船舶检测定位,然后利用本文提出的船牌文本检测算法PDNet进行船牌文字检测,最后利用具备在线自适应性的分类器OA-Classifier进行船牌分类识别。OA-Classifier综合了AIS(船舶自动识别系统)反馈的信息,提高了分类器的识别精度。实际SDR-FCN部署运行表明,它能够以较高的精度可靠地工作,满足实际应用。(本文来源于《计算机与现代化》期刊2019年12期）
刘树艺,李静,胡春,王伟[10]（2019）在《基于卷积神经网络与集成学习的交通标志识别》一文中研究指出为提高复杂情况(如遮挡、透视畸变等)下交通标志识别的精度,提出一种有效的基于卷积神经网络(Convolutional Neural Network, CNN)与集成学习的交通标志识别方法。首先通过融合颜色分割、形态学处理、形状检测等多种方法分割出交通标志,然后利用卷积神经网络对其特征进行提取并分别采用支持向量机(Support Vector Machine, SVM)和Softmax多类分类器对其进行识别,最后将2种分类结果进行集成作为最终的识别结果。实验结果表明,本文算法可有效提高复杂情况下交通标志识别精度,整体上具有较高的性能。(本文来源于《计算机与现代化》期刊2019年12期）
网络识别论文开题报告
（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：
针对已有手势识别系统准确度不高和响应速度慢的问题,设计了一款基于RBF网络的手势识别装置。该装置以STM32单片机为控制中心,使用电容传感器FDC2214进行容值数据采集;利用RBF网络对样本数据进行训练并抽取权值,将权值带入程序,输入乘权值得到输出,实现装置对手势的预测;按键实现装置判决模式与训练模式的切换;最终由TFTLCD显示容值数据和手势结果。实验测试表明:手势识别装置能够对任意测试人员进行多种手势的识别,并达到平均96. 25%的识别准确率和平均0. 6735s的系统响应速度,从而验证了本装置的有效性。
（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。
网络识别论文参考文献
[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].马杰,江亚峰,强东鑫,徐志佑,袁明新.基于RBF网络的手势识别装置设计[J].信息技术.2019
[3].凡甲甲,祁云嵩,葛霓琳.基于改进BP神经网络的船舶轨迹识别方法[J].计算机工程与设计.2019
[4].张晓琳,李卓麟,袁昊晨,王永平,李健.防止边再识别攻击的分布式社会网络匿名技术[J].计算机工程与设计.2019
[5].王忠民,李和娜,张荣,衡霞.融合卷积神经网络与支持向量机的表情识别[J].计算机工程与设计.2019
[6].张家颖,杨文军.基于深度学习的网络流量分类识别研究[J].天津理工大学学报.2019
[7].宋子龙.基于卷积神经网络的花卉种类识别系统[J].计算机产品与流通.2019
[8].郭文翀,蔡永智,冯小峰,韦晓明,危秋珍.基于反向传播神经网络的失流故障智能识别研究[J].电力大数据.2019
[9].李兆桐,孙浩云.基于全卷积神经网络的船舶检测和船牌识别系统[J].计算机与现代化.2019
[10].刘树艺,李静,胡春,王伟.基于卷积神经网络与集成学习的交通标志识别[J].计算机与现代化.2019