导读:本文包含了滑动窗口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:高等教育,办学规模,深度学习,卷积神经网络
滑动窗口算法论文文献综述
王宪莲,安凤平[1]（2019）在《基于权重初始化-多层卷积神经网络滑动窗口融合的高等教育办学规模预测算法》一文中研究指出高等教育办学规模预测主要有自回归法、支持向量机法等;这些具体方法在探索高等教育办学规模方面都取得了一定成果。但都不能较好地揭示高等教育办学规模的演化规律。鉴于此,本文引入深度学习模型对高等教育办学规模进行建模并预测。本文首先从网络优化角度出发,通过优化方法提高网络的非线性建模能力,提出了一种新的网络权重初始化方法,增加了神经网络处理不同视觉任务的潜力。同时,本文提出了适合高等教育办学规模数据演化规律的异构多列卷积神经网络。最后,利用本文提出的自适应的滑动窗口融合机制完成高等教育办学规模预测。利用本文方法对某区域高等教育办学规模进行实例分析,结果表明,本文所提方法能够较好地给出相应演化规律。(本文来源于《信息技术与信息化》期刊2019年10期）
顾涛[2]（2019）在《基于滑动窗口-小波提升对地电场预测算法》一文中研究指出为解决10KV架空线路对地电场值的估计问题,提出一种基于滑动窗口-db2小波提升变换对地电场预测算法。将每个滑动窗口宽度取20个采样点,利用3个相邻的滑动窗口的db2小波提升变换低频系数加权值构造出第4个窗口的小波提升变换低频系数,使用第3个滑动窗口小波提升变换高频系数作为第4个窗口的小波提升变换高频系数;将所得到的第4个窗口低频系数、高频系数进行逆小波提升变换,得到第4个窗口的20个数据,并取最后一个数据作为下一个采样点的预测初值;预测偏差取第4个窗口前19个变换数据与第3个窗口所对应的19个测量数据的偏差数学期望求取;最终预测值为预测初值加上修正系数与预测偏差乘积。将仿真结果与其它算法进行比较,比较结果表明,该算法在电场极值点处预测精度高于其它算法,数据分析表明,所预测10KV架空线路对地电场值相对误差满足现场指标要求,预测数据可以作为技术指标和事故分析依据。(本文来源于《计算机工程与设计》期刊2019年10期）
郑骁,葛志雄,赖永安[3]（2019）在《基于滑动窗口的红外焦平面阵列盲元检测算法研究》一文中研究指出由于红外焦平面阵列成像存在盲元等一系列问题,为了减少盲元对红外图像的干扰,本文提出一种基于滑动窗口的红外焦平面阵列盲元检测算法。对像元进行加窗并计算其中的均值中值以及一级梯度等数值,再进行加权计算并设定阈值与原像元对比进行盲元检测,最后使用局部中值滤波算法进行盲元补偿。仿真结果表明此种方法可以有效地检测盲元,拥有比较好的盲元补偿结果,有效地改善了红外焦平面阵列成像质量。(本文来源于《红外技术》期刊2019年08期）
徐敏,丁友东,于冰,张倩倩,李畅[4]（2019）在《基于双层滑动窗口的SBD算法和聚类的动态KFE算法》一文中研究指出针对SBD及KFE技术存在特征提取不佳、阈值选取不当、闪光与突变的混淆、摄像机和物体运动的影响、渐变检测精度不高等诸多问题,本文提出基于双层滑动窗口的SBD算法和聚类的动态KFE算法。对于SBD,本文首先采用光流法进行运动补偿,接着进行分块处理并运用SLIC算法生成每帧图像的超像素;其次,启动双层滑动窗口对镜头边界进行双重检测,在第一层滑动窗口根据差值和这两个阈值的关系确定候选边界以完成初检,在第二层滑动窗口依次采用相邻两帧直方图的差值法确认突变位置以及采用隔帧直方图的差值法确认渐变位置以进一步完成复检。对于KFE,将镜头聚成若干个子镜头,然后从每个子镜头中选择熵值最大的帧作为该子镜头的关键帧。通过6组视频测试表明,本文SBD算法所得结果的平均查全率、平均查准率、平均综合指标较文献[2]和文献[4]均有提高,具有普遍的适用性,并且对强运动以及闪光灯的干扰有较好的适应性,对应的KFE算法的实现效果也很好,主观评价很高。(本文来源于《现代电影技术》期刊2019年08期）
杨柳[5]（2019）在《基于自适应滑动窗口和Kirsch方向模板的高分辨率SAR图像的降斑算法研究》一文中研究指出高分辨率合成孔径雷达(SAR)图像中不可避免出现斑点,干扰了SAR图像的后续处理。因此,降斑是SAR图像处理的重要内容。传统Kirsch方向模板降斑算法没有考虑SAR图像的区域特性。笔者提出了Kirsch方向模板降斑改进算法,能够针对SAR图像自适应调整滑动窗口,并对滑动窗口进行区域分类。降斑实验表明,基于自适应滑动窗口和Kirsch方向模板降斑算法,既能抑制均匀区域的斑点,又能有效保留边缘结构信息,可以获得较理想的降斑效果。(本文来源于《信息与电脑(理论版)》期刊2019年14期）
桂超,孙宝林[6]（2019）在《一种新的滑动窗口网络编码模型与算法研究》一文中研究指出针对移动自组网(MANET)依靠滑动窗口机制解决传输效率和流量控制问题,文章提出了一种可变长度的滑动窗口网络编码(VLSWNC)算法。利用网络仿真软件NS2对VLSWNC算法中的数据吞吐量、分组传输率和解码延迟等方面的性能特征进行了仿真实验分析。实验结果表明,VLSWNC算法可以显着提高MANET的性能和可靠性。(本文来源于《光通信研究》期刊2019年04期）
张洪,钟凯迪,柴源,魏济,吴艳[7]（2019）在《基于N-Gram和动态滑动窗口的改进余弦相似度算法研究》一文中研究指出为了解决余弦相似度算法进行数据清洗时重复与相似的数据会使计算量呈几何级增长的问题,提出了基于N-Gram和动态滑动窗口的改进余弦相似度算法.首先通过计算每条数据的N-Gram值,并对数据进行相似度排序,然后定义初始滑动窗口,其窗口值根据N-Gram值的方差动态调整,最后在每个窗口中根据相似度与阀值判断相似数据.实验结果表明,改进的余弦相似度算法在运行速度上有大幅度提高,数据清洗准确率也得到提升,且该算法适用于海量数据的情形.(本文来源于《成都大学学报(自然科学版)》期刊2019年02期）
彭成,贺婧,池昊[8]（2019）在《一种确定滑动窗口规模的边界距离算法》一文中研究指出由于大多装备的原始测量数据采集信息量大、密度高,现有的时间序列滑动窗口的降维方法采用经验值确定窗口大小,无法最大限度地保留数据的重要信息点,并且计算复杂度高。为此,文中研究了实际应用中滑动窗口对时间序列相似性技术的影响,提出了一种确定滑动窗口初始规模的算法。该算法构建拟合度更高的上下边界曲线,将趋势加权引入LB_Hust距离计算方法中,从而降低了数学建模难度,提高了装备数据相似性聚类与状态评估的效率。(本文来源于《计算机科学》期刊2019年S1期）
吴鹏,赵风海,黄洋[9]（2019）在《一种结合线性预测倒谱法和组合滑动窗口平滑法的基音周期估计改进算法》一文中研究指出提出了一种结合倒谱法、线性预测法(LPC)以及滑动窗口平滑法的基音周期估计改进算法.即先用LPC逆滤波后的余量信号代替原始语音信号,滤除噪声和声道响应的干扰,接下来用倒谱法初步估计出基音周期,最后对初步估计出的基音周期进行组合滑动窗口平滑处理,去除野点和错误样点的干扰,最终得出较为准确、自然的基音周期.经仿真验证,方法简单有效可以在低信噪比的情况下获取较为准确的基因周期.(本文来源于《南开大学学报(自然科学版)》期刊2019年02期）
冯忠慧[10]（2019）在《基于滑动窗口的数据流频繁模式挖掘算法的研究》一文中研究指出随着互联网技术的爆炸式发展,各式各样的平台上积累了用户海量的数据,实时数据量以指数形式迅速增长。产生的这些数据大多以数据流[1]的形式活跃在各领域中。数据流不同于静态数据库,除具备数据量大的特点外,还具备无限快速、不确定性和时变性、短暂易逝等特点。传统的数据挖掘技术已经满足不了现有的需求,因此我们要改进更适合数据流特性的算法和相关处理技术。为了获取这些数据知识的可用性和相关联性,数据流频繁模式挖掘的研究受到更多的重视。在动态数据流挖掘中,针对海量高速的数据流挖掘,算法应尽量降低空间复杂度,增加其自适应性面对数据的动态变更,提高处理数据实时性,应对数据流快速进入,避免通道堵塞,保证数据流得到实时的处理,并从中提取有效知识。目前,数据流的挖掘的结果是在误差范围内的近似结果。为了更好的适应数据流的特性进行挖掘算法的研究,本文首先分析数据流和数据流处理系统的研究现状和相关理论基础。之后,针对现有的数据流频繁模式挖掘及频繁闭合模式挖掘的相关算法和利用的技术进行了深入的分析。本文分析了挖掘产生的叁种结果集模型,选择既占用空间少又可以由局部反映全局的频繁闭合模式。在对分类和聚类挖掘算法的分析基础上,本文主要针对FP-growth算法进行改进,提出了VSFP算法。研究的问题主要集中在以下两点:其一,对FP-tree改进,利用前缀树提出一种只需遍历一次的模式树,更好的对数据进行压缩,能够快速对数据进行处理;其二,对比了叁种窗口技术最终选择更适合数据流的滑动窗口,并对其进行改进,使之可根据数据流的滑入情况自适应改变窗口大小,节约系统内存空间。VSFP算法利用叁类模拟数据集进行实验,对比不同情况下其结果的时间和空间效率,并对结果进行分析。实验结果表明,VSFP算法在数据流频繁模式挖掘中具有良好的时间和空间效率。(本文来源于《天津工业大学》期刊2019-01-20）
滑动窗口算法论文开题报告
（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：
为解决10KV架空线路对地电场值的估计问题,提出一种基于滑动窗口-db2小波提升变换对地电场预测算法。将每个滑动窗口宽度取20个采样点,利用3个相邻的滑动窗口的db2小波提升变换低频系数加权值构造出第4个窗口的小波提升变换低频系数,使用第3个滑动窗口小波提升变换高频系数作为第4个窗口的小波提升变换高频系数;将所得到的第4个窗口低频系数、高频系数进行逆小波提升变换,得到第4个窗口的20个数据,并取最后一个数据作为下一个采样点的预测初值;预测偏差取第4个窗口前19个变换数据与第3个窗口所对应的19个测量数据的偏差数学期望求取;最终预测值为预测初值加上修正系数与预测偏差乘积。将仿真结果与其它算法进行比较,比较结果表明,该算法在电场极值点处预测精度高于其它算法,数据分析表明,所预测10KV架空线路对地电场值相对误差满足现场指标要求,预测数据可以作为技术指标和事故分析依据。
（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。
滑动窗口算法论文参考文献
[1].王宪莲,安凤平.基于权重初始化-多层卷积神经网络滑动窗口融合的高等教育办学规模预测算法[J].信息技术与信息化.2019
[2].顾涛.基于滑动窗口-小波提升对地电场预测算法[J].计算机工程与设计.2019
[3].郑骁,葛志雄,赖永安.基于滑动窗口的红外焦平面阵列盲元检测算法研究[J].红外技术.2019
[4].徐敏,丁友东,于冰,张倩倩,李畅.基于双层滑动窗口的SBD算法和聚类的动态KFE算法[J].现代电影技术.2019
[5].杨柳.基于自适应滑动窗口和Kirsch方向模板的高分辨率SAR图像的降斑算法研究[J].信息与电脑(理论版).2019
[6].桂超,孙宝林.一种新的滑动窗口网络编码模型与算法研究[J].光通信研究.2019
[7].张洪,钟凯迪,柴源,魏济,吴艳.基于N-Gram和动态滑动窗口的改进余弦相似度算法研究[J].成都大学学报(自然科学版).2019
[8].彭成,贺婧,池昊.一种确定滑动窗口规模的边界距离算法[J].计算机科学.2019
[9].吴鹏,赵风海,黄洋.一种结合线性预测倒谱法和组合滑动窗口平滑法的基音周期估计改进算法[J].南开大学学报(自然科学版).2019
[10].冯忠慧.基于滑动窗口的数据流频繁模式挖掘算法的研究[D].天津工业大学.2019