导读:本文包含了数字化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:数字化音乐,垃圾分类,商铺,仓前,垃圾桶,垃圾车,厨余垃圾,分类质量,二维码,大街上
数字化分类论文文献综述
陈晓雪,孙许萍[1]（2019）在《仓前街道：打造沿街商铺垃圾分类数字化音乐线》一文中研究指出本报讯（余杭报道组 陈晓雪 通讯员 孙许萍）这段时间，走进余杭区仓前街道连具塘村，有一个新的景象是：400多米的大街上看不到一个大型垃圾桶，但路面依旧整洁干净，取而代之的是一辆定时定点清运的智能音乐垃圾车。在每天上午7:00-9:00和下午1:00-3:(本文来源于《杭州日报》期刊2019-10-25）
贾田菊[2]（2019）在《基于深度学习的乳腺数字化X线BI-RADS密度分类和目标检测的研究》一文中研究指出第一部分基于深度学习的乳腺数字化X线BI-RADS密度分类的研究目的:为了确保基于ACR BI-RADS乳腺X线密度评估的一致性和准确性,本研究构建基于深度学习的乳腺数字化X线密度的自动分类模型,使之达到对乳腺密度的精准分类。方法:在研究中,构建并优化基于深度学习的卷积神经网络(CNN)的经典模型Res Net50。收集本院于2015年8月至2018年2月间行全数字化乳腺摄影图像18152幅,由两位有经验的放射科医师根据ACR BI-RADS标准对图像的乳腺密度进行评估。各自经微调的分类模型分别在小数据集(4000幅)和原始数据集(18152幅)对乳腺密度的分类进行评估,得到相应的分类准确性,以受试者工作特性曲线和曲线下面积评估模型的分类性能。结果:CNN模型在小数据集训练时,各类的分类准确性分别为a类91%、b类86%、c类84%、d类90%;当在原始数据集训练时,a类和d类的分类准确性无明显变化,b类和c类的准确性分别为89%、88%,随着数据量的增加,准确率明显提高,比较AUC发现分类性能明显改善。结论:基于深度学习的卷积神经网络(CNN)分类模型能以较高的准确率对乳腺密度进行分类,在临床工作中,可协助放射科医师对乳腺密度进行准确、一致的分类。第二部分基于深度学习的乳腺数字化X线目标检测的初步研究目的:为了提高乳腺X线图像上乳腺病灶的检出及诊断的准确率,本研究构建基于深度学习的乳腺X线病灶的目标检测模型,初步探讨基于深度学习的目标检测算法在全数字化乳腺摄影检查中对乳腺病灶的检测定位和分类价值。方法:本研究回顾性分析在我院术前行FFDM检查的患者2218例,由放射科医师根据病理结果对病灶进行标注分类,采用结合了Resnet网络模型和YOLO算法构建的目标检测模型,训练经人工标注的1775例病例构成的训练数据集,得到优化的目标检测模型,443例病例构成测试数据集,用于测试优化后的模型定位及分类准确性,测试数据集包括892个病灶,其中良性病灶562个和恶性病灶330个。采用IOU评价病变检测定位的精确性,采用AUC评价病变分类的准确性,使用m AP评估目标检测模型对乳腺病灶良恶性分类的性能。结果:目标检测模型定位精确度评价指标IOU为87%,分类的灵敏度为89.1%,特异度为87.9%,分类性能AUC值为89.2%。m AP值为90.4%,表明我们构建的目标检测模型对乳腺病灶的良恶性的分类性能较好。结论:基于深度学习的目标检测算法能以较高的准确率对乳腺X线图像上的病灶进行检测定位并进行分类,为放射科医师的病灶识别及分类提供了辅助诊断,并为深度学习在医学图像病变检测的进一步应用做了初步探索。(本文来源于《山西医科大学》期刊2019-05-20）
王春喜,朱明[3]（2019）在《数字化建设背景下图书馆档案分类管理研究》一文中研究指出互联网技术的发展,对图书馆档案分类管理的发展方向产生极大影响。因此,在数字化建设背景下研究图书馆档案分类管理方法,针对传统图书馆档案分类管理特点进行分析,提出图书馆档案分类管理数字化实施方案,通过建立档案分类管理一体化与OAIS模型等,实现图书馆档案分类管理数字化。(本文来源于《黑河学院学报》期刊2019年04期）
贾田菊,马彦云,李延涛,武慧慧,宁艳云[4]（2019）在《基于深度学习的乳腺数字化X线BI-RADS密度分类的研究》一文中研究指出目的为了确保基于ACR BI-RADS乳腺X线密度评估的一致性和准确性,本研究构建基于深度学习的乳腺数字化X线密度的自动分类模型,使之达到对乳腺密度的精准分类。方法在研究中,构建并优化基于深度学习的卷积神经网络(CNN)的经典模型ResNet 50。收集本院于2015-08～2018-02间行全数字化乳腺摄影图像18 152幅,由两位有经验的放射科医师根据ACR BI-RADS标准对图像的乳腺密度进行评估。各自经微调的分类模型分别在小数据集(4 000幅)和原始数据集(18 152幅)对乳腺密度的分类进行评估,得到相应的分类准确性,以受试者工作特性曲线和曲线下面积评估模型的分类性能。结果 CNN模型在小数据集训练时,各类的分类准确性分别为a类91%,b类86%,c类84%,d类90%;当在原始数据集训练时,a类和d类的分类准确性无明显变化,b类和c类的准确性分别为89%和88%,随着数据量的增加,准确率明显提高,比较AUC发现分类性能明显改善。结论基于深度学习的卷积神经网络(CNN)分类模型能以较高的准确率对乳腺密度进行分类,在临床工作中,可协助放射科医师对乳腺密度进行准确、一致的分类。(本文来源于《山西医科大学学报》期刊2019年04期）
乔祥[5]（2019）在《颏部畸形的叁维测量及分类和基于数字化技术的诊断与治疗》一文中研究指出目明1、基于叁维CT数据测量分析正常人群颏部空间位置特点,在此基础上制定描述正常颏部空间位置的标准,并按颏部空间位置的异常,对颏部畸形进行分类。2、对各分类患者的相关指标进行测量,并与正常人群相应指标进行对比分析,探索各分类畸形的骨性特征。3、探索一条基于数字化设计与制造技术的颏部畸形精准诊疗之路,包括:基于叁维CT重建技术的颏部畸形精确诊断、基于多元数据融合技术的虚拟手术模拟设计、基于3D打印技术的颏部截骨导板及定位导板个性化制作。方法测量分析正常人群颏部空间位置特点,在此基础上制定描述正常颏部空间位置的标准,并按颏部空间位置的异常,对颏部畸形进行分类,同时对各分类患者的相关指标进行测量,并与正常人群相应指标进行对比分析,探索各分类畸形的骨性特征。采集患者的DICOM格式的头颅CT数据、牙齿模型的激光叁维扫描数据及面部 3D 摄影数据,使用 ProPlan CMF 3.0、Geomagic Studio 11 以及 Geomagic Design X进行颅面骨组织及软组织叁维重建、牙列配准替换、多元数据融合、手术标志点3D坐标测量、虚拟截骨手术及手术效果模拟,精确计算术中去骨量及范围。通过3D打印牙支持式颏部截骨导板与定位导板,将术前手术设计转移至现实手术中去。术后拍摄头颅CT,将术前设计和术后CT配准,检测误差。结果成年汉族女性相关指标正常值为:颏偏距1.29±0.76(mm);颏突距-2.17±2.98(mm);面下比 1.279±0.033;下缘水平角差 0.667±0.540(°);颏宽 29.7土3.98(mm)。颏突距及面下比这两个指标可以很好的反映颏部前后向及垂直向的空间位置情况,颏偏距及下缘水平角差可以很好的反映颏部不对称情况。小颏畸形患者可能在髁突、下颌骨体部及颏孔前部发育上均存在不足;而长颏畸形患者髁突高度、升支高度、下颌骨体部及颏孔前部与正常组均没有明显统计学差异,下颌角度均明显大于正常组,具体原因还有待于进一步研究;不对称畸形可能主要与髁突、升支及颏孔前部不对称发育有关,下颌骨体部在偏斜侧与非偏斜侧间未见明显统计学差异。另外,髁突及升支的生长方向、髁突形态、髁突在关节窝的位置等因素对颏部不对称的影响还有待于进一步研究。根据颏部叁维CT测量分析结果预测的颏部截骨方案与手术模拟方案相吻合;通过上述方法制作的颏部截骨导板及定位导板术中与下牙列及颏部骨面贴合紧密,术中使用顺利,未出现异常出血、导板断裂、神经断裂等情况。与术前模拟相比,术后实际左侧导板固定点、右侧导板固定点、左侧颏结节点、右侧颏结节点及颏前点与术前模拟对应点距离分别为0.23mm、0.28mm、0.56mm、0.73mm、0.91mm。在所设定的参考点下,术后实际与术前模拟误差均小于1mm。结论(1)运用数字化技术重建叁维CT模型,选用恰当的叁维CT测量指标,能够有效反映多种颏部畸形。既可用于颏部美学研究,也可用于颏部畸形的数字化精确诊断,还可用于术前术后的对比研究,值得临床推广。(2)根据颏部的空间位置及形态异常进行分类,可以直观地体现颏部的美学缺陷,对整形外科诊断及治疗具有参考的价值。另外不同分类畸形的形成原因可能有所差异,值得进一步研究。(3)基于数字化设计与制造技术的颏部截骨手术方案具有诊断精确、术前设计可视可选、术中操作简洁高效精准的优势,计算机辅助设计、3D打印制造的颏成形截骨导板及定位导板可以很好地将术前设计转化到实际手术中去。可以很好地引导年轻医生尽快掌握手术技巧,提高手术精准性。同时为将来的手术导航技术及机器人手术积累经验,未来具有广阔的前景。(本文来源于《北京协和医学院》期刊2019-04-15）
龚芳媛[6]（2019）在《沥青混合料中粗集料数字化分类及其应用研究》一文中研究指出1问题的提出和研究意义在沥青混合料中,粗集料占据相当大比例的体积,具有较强的颗粒性,且其形态特征差异较大,导致材料选择和混合料配合比设计的变异性较大。显然,合理区分具有复杂形态特征的粗集料能够减少工程设计的变异性,进而提高沥青混合料路用性能,具有重要的现实意义。近年来,对于粗集料形态表征,国内外研究者从图像处理、试验测试和仿真计算等方面,开展了相当多的研究工作,提出了很多计算和分析方法,用以评价颗粒形状、棱角、纹理、破裂面、针片状含量等。在进行Superpave或Marshall混合料组成设计时,也对粗集料形态特征提出技术指标要求和试验测试方法。不仅如此,现代计算机技术、图像技术、3D扫描和打印技术、无线传感技术、虚拟仿真技术等逐步成熟,也有研究者开始探索粗集料的数字化和智能化问题。然而,无论是传统混合料配合比设计方法的继承与发展,还是现代科技的融合与创新,都需要面对一个问题:如何合理分类与精准认知粗集料形态特征?只有解决这个问题,粗集料才可量度、可控制和可设计。因此,本文以粗集料形态特征为对象,以颗粒形状为切入点,提出了“五大类-四参数-五分制”的粗集料分类方法,并开展了相应的性能研究工作,研究内容包括:在已有研究基础上,建立粗集料数字化分类体系,并基于3D扫描和X-ray CT图像技术构建对应的数据库;基于结合数字化集料数据库和离散元方法,运用PFC5.0开发了沥青混合料旋转压实仿真试验,通过室内试验验证了虚拟仿真试验的可行性与准确性,探究了颗粒形态对沥青混合料压实性能的影响,追踪了压实过程中粗颗粒的运动和迁移特征;基于粗集料数字化分类参数,预制了特定形状的水泥粗颗粒(球体和立方体),探究了粗颗粒粒径和形状组合对沥青混合料高温抗车辙、低温抗开裂和疲劳性能的影响。与此同时,在进行粗集料形态数字化分类过程中,为了解决根据粗集料不同形态特征来选择相应的图像扫描技术问题,基于粗集料的数字化分类综合对比了3D扫描仪和X-ray CT技术在图像采集过程中的优势和不足,不仅验证了应用3D扫描仪获取粗集料形态信息的可行性和准确性,而且还提出了根据研究需求和粗集料形态特征的图像技术选择建议。本文通过对沥青混合料中粗集料数字化分类及其运用研究,为公路工程中传统的粗集料形态研究增添了新的内容;粗集料数字化数据库在离散元数值模拟中的应用可以作为传统虚拟样本成形过程的替代方法,使虚拟样本更接近实验室测试试件;为缩小基于“试错法”的配合比设计的试验范围、缩短试验周期、提高试验效率和节省试验成本的研究奠定了基础。同时,粗集料数字化数据库的建立和沥青混合料虚拟仿真试验的开发与应用,使粗集料作为一种可计算、可分析、可设计的试验参数,为进一步研究沥青混合料细观结构分析、集料形态配比设计提供新的研究思路和数据支持。2主要研究内容及方法本文主要研究内容包括:基于图像技术的粗集料数字化分类方法研究,基于粗集料数字化分类的沥青混合料压实研究和基于预制混凝土粗颗粒的沥青混合料性能研究。详细研究内容和方法如下:2.1基于图像技术的粗集料数字化分类方法研究信息数字化是指将复杂多变的信息(如图像、声音、文本或者信号等)转换成可度量的数字、数据,然后以此为基础建立数字化模型,最后将模型转化成便于计算机处理的数字格式(通常指二进制代码)的过程。由于通过数字化处理的信息,能将各种类型数据转化成相同格式并进行混合传输和运用,同时还能保证数据在传输中不受损伤,因此数字化数据处理也成为最受欢迎的信息保存方式之一。本研究通过借鉴信息数字化理论,提出了针对沥青混合料中粗集料的数字化分类概念。但本文所提出的“粗集料数字化分类”有所不同,是指先将沥青混合料中形态复杂多样的粗集料进行“五大类-四参数-五分制”方法分类;然后,借助图像技术将粗集料的产地、岩性、粒径和形态等信息进行数字化命名和保存;最后通过用包含有“样本选择-颗粒分类-信息记录-图像采集-文件命名-数据调用”的数据库构建体系来建立粗集料数字化数据库的过程。粗集料数字化分类过程说明如下:2.1.1粗集料分类参数及评价方法对于粗集料形态分析,目前研究已经提出了全面的评价参数,但就集料分类及应用方面还存在一定的空白。因此,本文基于粗集料的形态特征,结合室内试验、计算参数和图像技术,提出了粗集料的“五大类-四参数-五分制”的分类方法。五个大类:以粗集料的整体形状为研究对象,通过初步分类和精细分类两个步骤将粗集料分成球体颗粒、含破碎面状颗粒、棱角状颗粒、针状颗粒和扁平状颗粒五个大类。四个参数:通过四个参数计算定量描述粗集料之间的相互关系。五分制:将粗集料中某两种特定形状之间的关系用1到5分制来表示,数值越大表示与某一种形状越相似即越接近该形状。因为对于沥青混合料中的粗集料形态而言,其形态多样,并非所有颗粒都完全符合某种分类的标准形态,大多数粗集料形状特征复杂,介于两种形状类型之间同时具有多种形状类型的特征。因此对于这些形态复杂多样且无法通过简单的室内试验(初步分类)进行区分的粗集料,本文借助图像技术(3D扫描仪和X-ray CT)和MATLAB编程技术对这些粗集料进行参数计算和评分制分类(精细分类)。这就是本研究结合图像技术针对粗集料形状特征所提出的“五大类-四参数-五分制”的分类方法。2.1.2样本采集及数字化数据库构建基于“五大类-四参数-五分制”分类方法,本文通过样本采集、信息记录、形状分类及命名保存等一系列程序,收集了包含中美两国,6省(州)市,4种岩性,5种粒径范围,5种形态类型共计7,500颗不同形态的粗集料样本。运用了3D扫描仪和X-ray CT对样本进行扫描试验并获取了样本的形态信息。分别说明了3D扫描仪和X-ray CT进行形态信息采集的过程:(1)3D扫描仪信息获取过程主要包括试样准备、仪器校对、样本扫描以及数据的输出和保存四个主要步骤,其中试样准备中的颗粒编号和喷涂显影剂为两个关键点。(2)X-ray CT信息获取包括试验准备、样本扫描、灰度图像输出以及自主开发的MATLAB图像处理程序四个主要步骤。试件准备中自主设计及制作的粗集料扫描盒和颗粒扫描位置确定为两个关键点。根据信息分类和编码的基本原则与方法并结合本研究需求,设计了集产地、岩性及粒径、形态及相互关系和编号于一体的共计四个类别的数字化数据库命名方法:(1)大类代码,由7位数字组成包含国别、省/州、市/郡信息(产地);(2)种类代码,由5位数字组成包含岩性及粒径信息;(3)小类代码:由5位数字组成包含颗粒的形态特征及不同形状间相互关系;(4)细类代码:由5位数字组成表示颗粒的具体编号。提出了包含“样本选择-颗粒分类-信息记录-图像采集-文件命名-数据调用”的完整数据库构建体系。并建立了已有样本的粗集料数字化数据库,实现了沥青混合料中粗集料的数字化分类。2.1.3图像技术的选择研究在沥青混合料研究中,X-ray CT是一种公认的,能够定量、无损的进行试样检测的图像技术。现有研究认为通过X-ray CT所获取的图像具有极高的精度,能够真实的表征试样形态信息。但由于其设备昂贵,试验花费高,技术人员要求高等不足,阻碍了其在粗集料形态研究中的推广和应用。在构建粗集料数字化数据库过程中,特别是在集料几何信息采集时引入了3D扫描技术。因此,运用3D扫描仪的可行性、准确性、以及如何选择合适的图像获取技术成为本研究中的一个关键点。为了解决针对不同形态特征粗集料的图像技术选择问题。本文首先基于粗集料的数字化分类,挑选了四种不同形状类型(球体颗粒、棱角状颗粒、针状颗粒和扁平状颗粒)的粗集料分别进行3D扫描和X-ray CT扫描试验获取颗粒图像。其次,重构颗粒叁维模型并通过对集料几何参数的计算和分析,验证了3D扫描技术在集料图像采集中的可行性和准确性。最后,对比了3D扫描仪和X-ray CT图像技术在图像采集过程中的优势和不足,通过扫描精度、设备成本、试验花费、便携性、安全性、扫描时长、能耗、占地和技术人员要求等多个方面的综合对比分析,提出了根据研究需求和粗集料形态特征的图像技术选择建议。为粗集料数字化分类在沥青混合料研究中的进一步开展和应用奠定了基础。2.2基于粗集料数字化分类的沥青混合料压实研究沥青混合料压实是影响沥青混合料性能的关键因素之一。沥青路面在施工和使用阶段的质量在很大程度上取决于压实度。本研究结合数字化集料数据库和离散元方法,运用PFC5.0开发了沥青混合料旋转压实仿真试验,通过室内试验验证了虚拟仿真试验的可行性与准确性,探究了颗粒形态对沥青混合料压实性能的影响,追踪了压实过程中粗颗粒的运动和迁移特征,为进一步将粗集料数字化数据库运用于数值仿真中提供了参考,为沥青混合料虚拟仿真试验的开发和运用提供了数据支持和新思路,具体的研究内容和方法介绍如下:2.2.1不同形态粗集料对沥青混合料压实性能的影响旋转压实试验常用于沥青混合料的体积性能分析、混合料密实性评价、集料形态影响评价和现场质量控制等研究中。通过旋转压实成型的沥青混合料试件非常接近真实沥青路面的密度、骨料方位和结构特征。无论从体积还是质量比例而言,在沥青混合料中集料都占据较大的比例,其形状对混合料的结构性能和力学性能均有重要影响。因此,本研究基于粗集料的数字化分类方法通过室内试验和虚拟试验,分析了不同形状粗集料对沥青混合料压实性能的影响。首先,根据集料分类方法挑选试验所需的不同粒径的五种形状类型的粗集料(球体颗粒、含破碎面状颗粒、棱角状颗粒、针状颗粒和扁平状颗粒),通过3D扫描得到所选粗集料的图像,并保存至集料数字化数据库中。其次,根据不同的形状类型配比成型沥青混合料试件,记录并计算获得试件的压实曲线。然后,调用数字化数据库资源并利用PFC5.0编写沥青混合料旋转压虚拟试验程序。最后,通过比较和分析室内试验和数值模拟结果,验证了沥青混合料旋转压实试验程序的准确性并探究了不同形状粗集料对沥青混合料压实性能的影响。通过比较SGC试验过程中含100%棱角状、100%破裂面状和混合形状粗集料的沥青混合料压实曲线,发现球体颗粒、针状颗粒和扁平状颗粒对沥青混合料的压实具有不利影响。2.2.2沥青混合料压实过程中不同形态粗集料运动特征的研究本研究基于粗集料数字化数据库和沥青混合料旋转压实虚拟试验,通过追踪粗颗粒在旋转压实试验中的运动轨迹,分析了不同形状粗集料在旋转压实过程中的运动特征和变化规律。首先,根据粗集料分类方法,挑选出满足试验要求的叁种粒径范围的五种形状类型的粗集料(球体颗粒、含破碎面状颗粒、棱角状颗粒、针状颗粒和扁平状颗粒)。其次,对7组不同形状配比组合的沥青混合料(100%破碎面状粗集料、100%棱角状粗集料、80%破碎面状粗集料+20%球体粗集料、60%破碎面状粗集料+40%球体粗集料、80%破碎面状粗集料+20%针状粗集料、80%破碎面状粗集料+20%扁平状粗集料)分别进旋转压实室内成型试验和基于PFC5.0的虚拟仿真试验。然后,通过沥青混合料旋转压实试验追踪了不同形状粗集料的运动轨迹。最后,通过对不同集料形状配比的沥青混合料旋转压实室内试验和模拟数据的比较和分析,探究了不同形状粗集料在压实过程中的运动特征和变化规律。2.3基于预制水泥混凝土颗粒的沥青混合料性能研究作为沥青混合料中重要的组成部分,集料形态对沥青混合料的性能具有重要影响。且由于研究粗集料形态对沥青混合料力学性能的影响需要挑选数目庞大的矿质集料。因此,本研究提出了利用水泥混凝土人工预制具有不同颜色、不同粒径范围和不同形状的粗颗粒来替代沥青混合料中粗集料,并通过室内成型和力学试验验证了水泥混凝土颗粒运用的可行性和正确性,同时探究了水泥混凝土粗颗粒粒径大小和几何形状对沥青混合料力学性能的影响。预制水泥混凝土颗粒在沥青混合料研究中的应用,不仅为开展粗颗粒形态对沥青混合料性能的影响研究提供了新思路,而且还为将来研究真实集料形态对沥青混合料力学性能的影响因素及进一步建立粗集料形态与沥青混合料力学性能之间的关系提供了一定的参考。2.3.1水泥混凝土颗粒预制及试验方案设计水凝混凝土颗粒作为试验的主要原材料之一,本研究首先通过材料的选择和配比、彩色水泥砂浆的调配、水泥砂浆的灌注及颗粒成型、水泥颗粒的养生及干燥四个步骤,人工制造了具有特定颜色和形状的水泥粗颗粒(红色球体颗粒和灰色立方体颗粒)。其次,进行了沥青性能等级(PG-Peformance Grade)等级的选择、矿质集料的选用、颗粒形态配比和集料级配设计。最后,根据沥青混合料性能研究需要,确定了汉堡车辙试验、圆盘拉伸试验和四点弯曲疲劳试验的试验要求和条件。为研究预制水泥混凝土颗粒对沥青混合料力学性能的影响做了充分的准备。2.3.2预制水泥混凝土颗粒对沥青混合料力学性能的影响为了探究预制水泥混凝土颗粒对沥青混合料力学性能的影响。首先,通过旋转压实试验、揉压试验和切割试验分别成型具有不同尺寸和不同形状配比粗颗粒的沥青混合料圆柱形、圆盘形和小梁试件。然后,通过比较选用真实集料和水泥混凝土颗粒的混合料的圆盘拉伸试验结果,验证了水泥颗粒使用的合理性和正确性。最后,通过沥青混合料汉堡车辙试验(浸水45℃)、圆盘拉伸试验(-24℃)和四点弯曲疲劳试验(常温25℃)探究了粗颗粒不同粒径和形状组合对沥青混合料高温抗车辙,低温抗开裂以及疲劳性能的影响。综合分析试验结果可得,在一定的粒径范围内,选用大粒径立方体颗粒(棱角状集料)有助于沥青混合料力学性能的提升,同时还需要特别注意球体颗粒对沥青混合料力学性能的影响。3主要结论和本论文的创新点3.1主要结论(1)对于粗集料的评价,国内外传统的试验方法大多采用目测法和尺规法,这些方法容易受人为因素的影响而出现试验误差甚至错误,本研究将室内试验、计算参数和图像技术相结合提出了沥青混合料中粗集料的“五大类-四参数-五分制”分类方法,以此来快速地、精准地确定沥青混合料中粗集料的形状属性,在此基础上可实现粗集料叁维尺度的研究,为粗集料数字化数据库的建立提供依据。(2)基于粗集料形态分类方法,提出了包含“样本选择-颗粒分类-信息记录-图像采集-文件命名-数据调用”完整的数据库构建体系,同时针对粗集料数字化数据库设计了数据编码方法。建立了粗集料数字化数据库,可用于颗粒形态表征和沥青混合料数值仿真中。因此,粗集料数字化数据库的建立,不仅实现了粗集料形态特征的信息化、数字化管理和运用,而且还促进了颗粒形态表征与沥青混合料虚拟仿真试验的进一步发展。(3)在沥青混合料中粗集料数字化数据库构建中,通过比较3D扫描仪和X-ray CT试验数据验证了3D扫描的可行性和准确性。此外,由于3D扫描仪具有经济、安全、便携和节能等优势,在通常条件下推荐采用3D扫描仪进行集料图像信息采集工作。然而,当颗粒形态特殊并具有“薄棱角”(如扁平状和针状颗粒)或复杂的表面特征时,推荐采用X-ray CT进行颗粒图像的采集。大量扫描试验说明,选取合适的图像扫描技术,不仅可以大幅提高扫描效率和节省扫描成本,还可以提高粗集料数字化数据库的建立速度和精度,促进了粗集料数字化分类的发展和应用。(4)基于离散元方法和粗集料数字化数据库,开发了沥青混合料旋转压实虚拟仿真试验。并通过比较室内试验和虚拟仿真试验结果,验证了粗集料数字化数据库在沥青混合料虚拟仿真试验中运用的可行性和正确性。粗集料数字化数据库在离散元数值仿真中的应用为沥青混合料的压实研究做出了重要贡献,可作为沥青混合料传统虚拟试件成型的替代方法,使虚拟成型试件更接近室内试验成型所得试件,为进一步研究集料形态对沥青混合料压实及力学性能的影响奠定了基础。(5)粗集料形状对沥青混合料压实性能有显着的影响,而且不同形状的粗集料对沥青混合料压实性能的影响也不同。通过比较SGC试验过程中含100%棱角状、100%破裂面状和混合形状粗集料的沥青混合料压实曲线,发现球体颗粒、针状颗粒和扁平状颗粒对沥青混合料的压实具有不利影响;当沥青混合料达到一定的压实度时,扁平状粗集料对沥青混合料压实性能的影响远远大于针状粗集料的影响;当大量维度比为3:1的针状或扁平状粗集料运用于沥青混合料时,会导致压实性能的降低。因此,当沥青混合料所用粗集料含有较大比例的针状或扁平状颗粒时应引起重视并采取措施。(6)在沥青混合料旋转压实过程中,粗集料的运动可分为叁个主要的阶段;对于不同形状配比沥青混合料而言,其颗粒竖向位移比明显大于水平向位移比,而竖向和水平向旋转则反之;针状粗集料对颗粒的运动影响大于扁平状粗集料,而通过比较分析水平和竖直方向旋转角变化,发现当混合料达到一定压实度时,扁平状粗集料对颗粒旋转的影响更加明显。(7)通过比较使用矿质集料和水泥粗颗粒的沥青混合料圆盘拉伸试验结果,验证了利用水泥混凝土人工预制具有不同颜色,不同粒径范围和不同形状的粗颗粒来替代粗集料方法的可行性和正确性,并运用预制水泥混凝土粗颗粒探究了粒径大小和几何形状对沥青混合料力学性能的影响。此方法能为将来研究真实集料形态对沥青混合料力学性能的影响提供一定的参考。(8)综合含有不同粒径大小和形态组合的沥青混合料汉堡车辙试验、圆盘拉伸试验和四点弯曲疲劳试验结果可得,为了获得具有更优力学性能的沥青混合料,在一定的粒径范围内,推荐选用大粒径的立方体颗粒(棱角状集料)。与此同时,当粗颗粒中球体颗粒(球体集料)比例过高时应引起注意并加以控制。3.2本论文的创新点(1)粗集料形态分类的信息化、数字化,使其可度量、可控制和可设计:本研究基于粗集料的形态特征,通过室内试验、参数计算和图像技术等,提出了“五大类-四参数-五分制”的粗集料形态分类方法。在数据库构建时,设计了集产地、岩性、粒径、形态和编号于一体的数据库命名方法,运用了3D扫描仪和X-ray CT图像技术,提出了包含“样本选择-颗粒分类-信息记录-图像采集-文件命名-数据调用”完整的数据库构建体系,实现了粗集料形态的数字化分类。同时,收集了包含中美两国,6省(州)市,4种岩性,5种粒径范围,5种形态类型共计7,500颗不同形态的粗集料样本并建立了粗集料形态数字化数据库,实现了粗集料分类的数字化和信息化。这不仅有助于用户精准地分类粗集料,快速地调用数据资源,为集料的表征与评估增添了新内容,而且通过分类数字化还能实现将数据资源灵活地的与不同数值分析软件相对接,为沥青混合料虚拟仿真成果快速应用到工程实践提供了新思路,具有广阔的应用前景。此外,在粗集料数字化数据库构建过程中,还综合对比了3D扫描仪和X-ray CT技术在图像采集过程中的优势和不足,不仅验证了运用3D扫描仪获取粗集料形态信息的可行性和准确性,而且还提出了根据研究需求和粗集料形态特征的图像技术选择建议,为相关研究提供了指导。(2)沥青混合料旋转压实仿真试验技术:基于数字化粗集料形态分类和PFC5.0,通过将数字化的集料数据库引入到离散元数值模拟中,建立了“沥青混合料旋转压实仿真试验”并通过室内试验验证了旋转压实仿真试验的可行性。粗集料数字化数据库在离散元数值仿真中的应用可作为沥青混合料传统虚拟试件成型的替代方法,使虚拟成型所得试件更接近室内试验成型试件。在此基础上实现了通过虚拟试验来探究不同粗集料形态对沥青混合料压实性能的影响和追踪不同形态粗集料在沥青混合料压实过程中的颗粒运动特征。这不仅为进一步将粗集料数字化数据库运用于数值仿真中提供了参考,还为沥青混合料虚拟仿真试验的进一步开发和运用提供了数据支持。(3)预制水泥混凝土粗颗粒的沥青混合料性能研究:基于粗集料数字化形态分类方法,人工制作了两种不同颜色、不同粒径范围及不同形状的水泥混凝土粗颗粒(红色球体和灰色立方体),通过室内试验验证了水泥混凝土颗粒使用的合理性,利用人工预制的水泥混凝土粗颗粒探究了不同尺寸和形状配比的粗颗粒对沥青混合料抗车辙性能,抗低温开裂性能以及抗疲劳性能的影响。预制水泥混凝土颗粒在沥青混合料研究中的应用,不仅为开展粗颗粒形态对沥青混合料性能的影响研究提供了新思路,而且还为将来研究真实集料形态对沥青混合料力学性能的影响及进一步建立粗集料形态与沥青混合料力学性能之间的关系提供了一定的参考。(本文来源于《长安大学》期刊2019-03-18）
薄小波[7]（2019）在《分类纯净度超92%是如何达到的》一文中研究指出走进青浦区重固镇徐姚村，每个通往农舍的路口都有两个标着“干垃圾”“湿垃圾”的漂亮的回收桶，村尾则有一座漂亮的“绿色小屋”，除了有“再生资源交投站”，村民们还可在小屋的超市里用“绿色账户”兑换日用品。截至目前，全镇已推进“绿色账户”11536户，覆盖率达9(本文来源于《文汇报》期刊2019-02-26）
邓丽君,王涛[8]（2019）在《英语课程数字化资源自动分类共享系统设计》一文中研究指出英语作为国际通用语言,随着传统英语教学资源的数字化,利用传统分类共享系统对英语课程数字化资源进行分类和共享时,不仅分类准确性差,共享效率还低。针对上述问题,设计英语课程数字化资源自动分类共享系统。该系统的整体框架由四部分组成,根据系统框架选取系统软硬件,并完成系统功能模块设计。该系统主要由四大模块组成,并对这4大模块进行具体设计,完成系统构建,实现对传统的英语课程进行数字化资源的准确分类和高效共享。系统测试结果表明,该系统与传统分类共享系统相比较,分类准确性提高4%,共享效率提高了2.3 s。(本文来源于《自动化与仪器仪表》期刊2019年02期）
蔡小娜,张若楠,李阳,李晶,黄大庄[9]（2019）在《地标点法在夜蛾昆虫数字化分类中的应用研究》一文中研究指出为探讨地标点法在夜蛾昆虫分类中应用的可行性,本文以13种夜蛾昆虫为对象进行数字化分类研究。首先,利用TpsDig 2软件在夜蛾前、后翅上提取12个地标点,再利用多元统计分析对消除非形状因素信息的地标点坐标进行方差分析和判别分析。研究结果表明对夜蛾前翅特征进行判别分析的准确率为88.7%,对夜蛾前后翅特征进行判别分析的准确率为97.9%,利用前后翅特征对13种夜蛾进行数字化分类的准确率明显高于仅用前翅的结果。研究表明利用蛾翅的地标点特征可以实现夜蛾昆虫的数字化分类。(本文来源于《环境昆虫学报》期刊2019年01期）
蔡小娜,苏筱雨,黄大庄,沈佐锐[10]（2019）在《基于几何形态测量学的天蛾科成虫数字化分类》一文中研究指出【目的】对天蛾科10种成虫的前翅进行几何形态测量学分析,探讨利用几何形态测量学实现天蛾科成虫数字化分类的可行性,为逐步实现蛾类昆虫的数字化分类提供新的形态学依据。【方法】首先,进行几何形态测量学分析:以天蛾右前翅为研究对象,按特定次序选取17个翅脉交点作为标记点,并获得坐标数据;对原始标记点坐标数据进行普氏迭加分析消除标本摆放位置、方向和大小等非形状因素等信息;对普氏迭加后的标记点数据进行相对扭曲分析,得到17个标记点对10种天蛾分类作用的大小。其次,对几何形态测量学分析所得数据进行多元统计分析:利用单因素方差分析对17个标记点的差异显着性进行检验,再对普氏迭加后的标记点数据进行主成分分析,然后利用前3个主成分进行判别分析。【结果】相对扭曲分析表明标记点2、4和5对于10种天蛾成虫的分类作用相对较大;单因素方差分析显示17个标记点均具有显着的差异,即标记点在种间是有显着差异的,可以用于本文10种天蛾成虫的分类鉴定;主成分分析的前3个主成分的累计贡献率为97.7%,可作为对10种天蛾成虫进行分类鉴定的变量;判别分析结果显示回归判别和交叉判别的准确率均为100%,实现对天蛾科10种成虫的分类鉴定。【结论】研究表明几何形态测量学可应用于天蛾成虫的数字化分类鉴定,可为未来进一步实现蛾类成虫的自动识别奠定基础。(本文来源于《林业科学》期刊2019年01期）
数字化分类论文开题报告
（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：
第一部分基于深度学习的乳腺数字化X线BI-RADS密度分类的研究目的:为了确保基于ACR BI-RADS乳腺X线密度评估的一致性和准确性,本研究构建基于深度学习的乳腺数字化X线密度的自动分类模型,使之达到对乳腺密度的精准分类。方法:在研究中,构建并优化基于深度学习的卷积神经网络(CNN)的经典模型Res Net50。收集本院于2015年8月至2018年2月间行全数字化乳腺摄影图像18152幅,由两位有经验的放射科医师根据ACR BI-RADS标准对图像的乳腺密度进行评估。各自经微调的分类模型分别在小数据集(4000幅)和原始数据集(18152幅)对乳腺密度的分类进行评估,得到相应的分类准确性,以受试者工作特性曲线和曲线下面积评估模型的分类性能。结果:CNN模型在小数据集训练时,各类的分类准确性分别为a类91%、b类86%、c类84%、d类90%;当在原始数据集训练时,a类和d类的分类准确性无明显变化,b类和c类的准确性分别为89%、88%,随着数据量的增加,准确率明显提高,比较AUC发现分类性能明显改善。结论:基于深度学习的卷积神经网络(CNN)分类模型能以较高的准确率对乳腺密度进行分类,在临床工作中,可协助放射科医师对乳腺密度进行准确、一致的分类。第二部分基于深度学习的乳腺数字化X线目标检测的初步研究目的:为了提高乳腺X线图像上乳腺病灶的检出及诊断的准确率,本研究构建基于深度学习的乳腺X线病灶的目标检测模型,初步探讨基于深度学习的目标检测算法在全数字化乳腺摄影检查中对乳腺病灶的检测定位和分类价值。方法:本研究回顾性分析在我院术前行FFDM检查的患者2218例,由放射科医师根据病理结果对病灶进行标注分类,采用结合了Resnet网络模型和YOLO算法构建的目标检测模型,训练经人工标注的1775例病例构成的训练数据集,得到优化的目标检测模型,443例病例构成测试数据集,用于测试优化后的模型定位及分类准确性,测试数据集包括892个病灶,其中良性病灶562个和恶性病灶330个。采用IOU评价病变检测定位的精确性,采用AUC评价病变分类的准确性,使用m AP评估目标检测模型对乳腺病灶良恶性分类的性能。结果:目标检测模型定位精确度评价指标IOU为87%,分类的灵敏度为89.1%,特异度为87.9%,分类性能AUC值为89.2%。m AP值为90.4%,表明我们构建的目标检测模型对乳腺病灶的良恶性的分类性能较好。结论:基于深度学习的目标检测算法能以较高的准确率对乳腺X线图像上的病灶进行检测定位并进行分类,为放射科医师的病灶识别及分类提供了辅助诊断,并为深度学习在医学图像病变检测的进一步应用做了初步探索。
（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。
数字化分类论文参考文献
[1].陈晓雪,孙许萍.仓前街道：打造沿街商铺垃圾分类数字化音乐线[N].杭州日报.2019
[2].贾田菊.基于深度学习的乳腺数字化X线BI-RADS密度分类和目标检测的研究[D].山西医科大学.2019
[3].王春喜,朱明.数字化建设背景下图书馆档案分类管理研究[J].黑河学院学报.2019
[4].贾田菊,马彦云,李延涛,武慧慧,宁艳云.基于深度学习的乳腺数字化X线BI-RADS密度分类的研究[J].山西医科大学学报.2019
[5].乔祥.颏部畸形的叁维测量及分类和基于数字化技术的诊断与治疗[D].北京协和医学院.2019
[6].龚芳媛.沥青混合料中粗集料数字化分类及其应用研究[D].长安大学.2019
[7].薄小波.分类纯净度超92%是如何达到的[N].文汇报.2019
[8].邓丽君,王涛.英语课程数字化资源自动分类共享系统设计[J].自动化与仪器仪表.2019
[9].蔡小娜,张若楠,李阳,李晶,黄大庄.地标点法在夜蛾昆虫数字化分类中的应用研究[J].环境昆虫学报.2019
[10].蔡小娜,苏筱雨,黄大庄,沈佐锐.基于几何形态测量学的天蛾科成虫数字化分类[J].林业科学.2019