导读:本文包含了融合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:生态庭院,迁西县,实施方案,叁净,五化,洁净煤,生态宜居,型煤,环境整治,唐山市
融合分类论文文献综述
通讯员,付文昊,董大鹏[1]（2020）在《迁西县建成66911户“生态庭院”》一文中研究指出去年8月以来,唐山市迁西县以打造“生态宜居环境美、业旺民富生活美”的乡村振兴新样板为目标,开展“生态庭院”创建工作,将洁净型煤推广、厕所改造、垃圾分类、美丽庭院建设4项工作进行有机融合,探索将农村每家每户庭院打造为“生态庭院”,实现“叁净叁美”,即农户厨(本文来源于《河北农民报》期刊2020-01-16）
张翠,周茂杰[2]（2019）在《一种基于CNN与双向LSTM融合的文本情感分类方法》一文中研究指出现在文本情感分类普遍采用深度学习的方法。卷积神经网络可以较好地提取局部特征,但是缺少对上下文的理解。长短记忆网络可以有效记忆较长距离的信息,有较强的全局性。为实现全局特征与局部特征的有效融合,研究了一种融合两种特征的深度学习方法,构建深度学习网络模型。利用互联网中获取的文本作为训练语料及测试语料,在百度开源平台PaddlePaddle上进行实验。实验结果显示,该算法与传统CNN和LSTM模型算法相比,识别的准确率分别提高了2.65和1.87个百分点,说明该模型算法在文本情感分类的性能上有所提高。(本文来源于《计算机时代》期刊2019年12期）
王潆萱[3]（2019）在《北京城市垃圾分类政策的实践及路径探究——以北京“两网融合”收运模式为例》一文中研究指出文章首先分析了北京"两网融合"收运模式的现状,指出了该运行模式的优势和存在问题,并就垃圾分类政策实施的可行性路径进行了探讨,提出了相应的建议。(本文来源于《中国集体经济》期刊2019年36期）
陈静,张艳新,姜媛媛[4]（2019）在《融合多特征与随机森林的纹理图像分类方法》一文中研究指出针对单一纹理特征与单一分类器对失真纹理图像分类识别率差的问题,提出了一种融合多特征与随机森林的纹理图像分类方法。利用改进的方向梯度直方图(HOG)特征提取方法以及局部二值模式(LBP)图像的灰度共生矩阵进行特征提取;将提取的特征矩阵级联组成一个新的特征矩阵,利用主成分分析法进行降维融合处理;降维融合后的特征矩阵输入随机森林,通过融合投票得到最终的识别率。在KTH-TIPS失真纹理图像库上进行对比实验,结果表明:采用融合多特征与随机森林的分类方法提高了失真纹理图像的分类正确率,且具有更好的实时性。(本文来源于《传感器与微系统》期刊2019年12期）
张怡卓,徐苗苗,王小虎,王克奇[5]（2019）在《残差网络分层融合的高光谱地物分类》一文中研究指出高光谱图像具有较高的空间分辨率,蕴含着丰富的空间光谱信息,近年来被广泛用于城市地物分类中。在高光谱图像分类过程中,空间光谱特征的提取直接影响着分类精度;传统的高光谱图像特征提取方法只利用了4或8邻域的像素进行简单卷积处理,因而丢失了大量的复杂、有效信息;卷积神经网络(CNN)虽然可以自动提取空间光谱特征,在保留图像空间信息的同时,简化网络模型,但是,随着网络深度增加,网络分类产生退化现象,而且网络间缺乏相关信息的互补性,从而影响分类精度。该工作引入CNN自动提取空间光谱特征,并且针对CNN深度增加所导致的退化问题,设计了面向地物分类的高光谱特征融合残差网络。首先,为了降低高光谱图像的光谱冗余度,利用PCA提取主要光谱波段;然后,为了逐级提取光谱图像的空间光谱特征,定义了卷积核为16, 32, 64的低、中、高3层残差网络模块,并利用64个1×1的卷积核对3层特征输出进行卷积,完成维度匹配与特征图融合;接着,对融合后的特征图进行全局平均池化(GAP)生成用于分类的特征向量;最后,引入具有可调节机制的Large-Margin Softmax损失函数,监督模型完成训练过程,实现高光谱图像分类。实验采用Indian Pines, University of Pavia和Salinas地区的高光谱图像来验证方法有效性,设置批次训练的样本集为100,网络训练的初始学习率为0.1,当损失函数稳定后学习率降低为0.001,动量为0.9,权重延迟为0.000 1,最大训练迭代次数为2×10~4,当3个数据集的样本块像素分别设置为25×25, 23×23, 27×27,网络深度分别为28, 32和28时, 3个数据集的分类准确率最高,其平均总体准确率(OA)为98.75%、平均准确率(AA)的评价值为98.1%,平均Kappa系数为0.98。实验结果表明,基于残差网络的分类方法能够自动学习更丰富的空间光谱特征,残差网络层数的增加和不同网络层融合可以提高高光谱分类精度; Large-Margin Softmax实现了类内紧凑和类间分离,可以进一步提高高光谱图像分类精度。(本文来源于《光谱学与光谱分析》期刊2019年11期）
韩丽,刘书宁,徐圣斯,朴京钰[6]（2019）在《自适应稀疏编码融合的非刚性叁维模型分类算法》一文中研究指出针对传统的叁维模型单一特征识别精度低问题,提出一种自适应稀疏编码融合的非刚性叁维模型分类算法.首先提取模型的平均测地线特征、热核特征、形状直径函数特征,以构造互补的多特征形状描述;其次利用特征袋模型构造AGD-BoF, HKS-BoF, SDF-BoF特征向量,通过随机样本建立特征权值矩阵;最后利用特征权值矩阵与稀疏优化编码自适应融合,并采用Softmax分类算法实现非刚性模型的有效分类.通过在非刚性数据集SHREC10与SHREC11上的综合实验表明,自适应稀疏编码融合的分类算法具有更高的识别准确率及较强的鲁棒性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年11期）
寇旗旗,程德强,于文洁,李化玉[7]（2019）在《融合CLBP和局部几何特征的纹理目标分类》一文中研究指出针对基于LBP的许多改进方法需要提前训练,对旋转和照明变化鲁棒性较差的特点,本文通过融合CLBP和图像表面的局部几何不变特征提出了一种新的纹理分类方法。该算法首先计算图像表面的局部几何不变特征,然后对其进行量化和编码。其次,再将编码结果与CLBP直方图进行融合。本文提出的算法能够同时提取图像的宏观和微观特征,且具有不明显增加特征维度,无需提前训练,对图像的旋转和光照变化保持不变的特点。在两个标准纹理数据库上进行实验验证,结果表明,本文算法与其它算法相比在分类精度和鲁棒性上都有明显的提高。(本文来源于《光电工程》期刊2019年11期）
赵乐,麦范金,张兴旺[8]（2019）在《多特征融合的Voting-SRM情感分类研究》一文中研究指出情感分类是自然语言处理领域的一个核心问题,其目的是判断评论文本的情感极性,并挖掘其蕴含的情感价值信息.为了提取评论文本中潜在的情感信息,提高分类精度,本文提出了多特征融合的Voting-SRM情感分类方法.结合词性特征,语法特征等,提取名词,动词,形容词,副词等特征,然后运用软投票机制,结合随机梯度下降算法、随机森林、神经网络等算法,对已获取评论文本进行极性二分类.本文通过对比实验,验证了该方法的有效性.(本文来源于《小型微型计算机系统》期刊2019年11期）
温超,屈健,李展[9]（2019）在《融合深度特征的多示例学习陶俑图像分类》一文中研究指出针对陶俑文物的图像理解问题,陶俑分类可为其提供有价值的信息,该文提出了一种融合深度特征的多示例学习(MIL)方法用于陶俑图像分类。首先,对陶俑图像进行分割,提取出分割区域的手工特征(包括尺度不变特征变换和形态特征)和卷积神经网络特征;接着,采用联合字典学习获取多示例学习的多概念点,并使用多核将深度学习特征与传统手工特征融合到多示例学习框架;最后,利用直推式支持向量机进行分类。在陶俑图像集和MIL数据集上的实验结果表明,该文方法是有效的,且相较其他深度和非深度MIL算法具有更高的分类准确度。(本文来源于《西北大学学报(自然科学版)》期刊2019年06期）
赵思仲,侯妙乐,李爱群,杨溯,胡云岗[10]（2019）在《融合多特征的兵马俑碎片分类技术研究》一文中研究指出兵马俑历经千年,多已破碎。因此,安全、高效地复原兵马俑碎片至原始形态,重现其原有风貌是文化历史研究的基础,同时也是文物保护修复的重要工作。在兵马俑修复工作中,俑体的碎片分类是其拼接复原的关键一步。本文从文物保护工程实际需求出发,通过将传统文物修复方法与现有科学技术相结合,提出了一种适用于兵马俑碎片的分类方法。首先,利用叁维激光扫描与叁维建模等技术构建兵马俑真彩色叁维基础模型,根据兵马俑碎片的自身结构特点,基于SIFT以及Canny Lines描述子提取兵马俑碎片的二维图像纹理特征,并基于模型法向量和表面曲率的计算提取兵马俑碎片的叁维模型几何特征,以此多特征为基础,采用层次语义网实现兵马俑碎片识别分类。实验结果表明:融合多特征并结合层次语义网的碎片识别分类方法是有效的,可作为后续碎片匹配的基础数据来源。(本文来源于《地理信息世界》期刊2019年05期）
融合分类论文开题报告
（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：
现在文本情感分类普遍采用深度学习的方法。卷积神经网络可以较好地提取局部特征,但是缺少对上下文的理解。长短记忆网络可以有效记忆较长距离的信息,有较强的全局性。为实现全局特征与局部特征的有效融合,研究了一种融合两种特征的深度学习方法,构建深度学习网络模型。利用互联网中获取的文本作为训练语料及测试语料,在百度开源平台PaddlePaddle上进行实验。实验结果显示,该算法与传统CNN和LSTM模型算法相比,识别的准确率分别提高了2.65和1.87个百分点,说明该模型算法在文本情感分类的性能上有所提高。
（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。
融合分类论文参考文献
[1].通讯员,付文昊,董大鹏.迁西县建成66911户“生态庭院”[N].河北农民报.2020
[2].张翠,周茂杰.一种基于CNN与双向LSTM融合的文本情感分类方法[J].计算机时代.2019
[3].王潆萱.北京城市垃圾分类政策的实践及路径探究——以北京“两网融合”收运模式为例[J].中国集体经济.2019
[4].陈静,张艳新,姜媛媛.融合多特征与随机森林的纹理图像分类方法[J].传感器与微系统.2019
[5].张怡卓,徐苗苗,王小虎,王克奇.残差网络分层融合的高光谱地物分类[J].光谱学与光谱分析.2019
[6].韩丽,刘书宁,徐圣斯,朴京钰.自适应稀疏编码融合的非刚性叁维模型分类算法[J].计算机辅助设计与图形学学报.2019
[7].寇旗旗,程德强,于文洁,李化玉.融合CLBP和局部几何特征的纹理目标分类[J].光电工程.2019
[8].赵乐,麦范金,张兴旺.多特征融合的Voting-SRM情感分类研究[J].小型微型计算机系统.2019
[9].温超,屈健,李展.融合深度特征的多示例学习陶俑图像分类[J].西北大学学报(自然科学版).2019
[10].赵思仲,侯妙乐,李爱群,杨溯,胡云岗.融合多特征的兵马俑碎片分类技术研究[J].地理信息世界.2019