一、Fisher多级判别准则及其应用（论文文献综述）
陈天宇[1]（2020）在《结合图嵌入的双字典学习方法及其图像识别应用研究》文中研究说明图像是高维数据,本身蕴含了大量复杂的信息和特征,如何有效从高维复杂图像数据中挖掘内在规律并进行高效的分析识别,一直是计算机科学领域面临的基本问题。近年来提出的稀疏表示及其字典学习理论已经成为了图像识别领域研究的热点,并且得到了快速的发展。高维图像的特征信息往往是非线性的,这种非线性结构中往往蕴含丰富的利于提升识别率的鉴别信息,稀疏表示字典学习模型被应用于图像识别问题时却往往忽略了图像的内在几何结构信息。基于图嵌入框架下的流形学习方法,可以有效地挖掘嵌入在高维数据中的低维子流形,揭示隐藏在高维数据中内在的几何结构与规律。因此,本文对结合图嵌入理论和字典学习理论的图像识别算法及其应用进行了深入的研究,主要工作概括如下:（1）提出了一种图嵌入约束下的双字典学习方法（Graph embedding dictionary pair learning,DPL）同时学习一对综合字典和投影字典。该方法考虑到图像的局部几何结构中往往包含关键的判别性信息,在构建图拉普拉斯矩阵的关键步骤中,与一般的直接用样本构建图拉普拉斯矩阵的方法不同的是,结合字典原子与字典原子轮廓（即编码系数的行）之间的一一对应关系,采用字典原子的局部几何结构构建图拉普拉斯矩阵,间接将样本的局部几何结构映射到编码系数中。尽管在目标函数中引入了图嵌入约束项,但是仍能求得闭式解,在不增加原DPL模型的计算复杂度的同时增加了模型的判别性,对编码系数没有采用0l或1l范数约束,计算效率高。在四个常用图像识别数据集上进行验证,提出的方法获得了较高识别率。（2）提出了一种结合图嵌入的多级判别性字典学习方法（Multi-level discriminative dictionary learning,MDDL）。利用不同视图的特征表示中编码系数的内在关联,提出了一种多级判别性字典学习方法,将其用来解决跨视图行人重识别问题。首先,在图像块级别,结合图像的局部几何结构,在字典学习目标函数中增加了字典原子的图嵌入约束,通过自适应学习图拉普拉斯矩阵,确保编码系数保持与样本相似的局部几何结构,可以获得判别性更高的字典对。其次,在图像水平区域和图像级别的字典学习模型中,分别引入了一个特征映射矩阵,该矩阵可以描述不同视图下同一行人图像编码系数之间的内在关系,可以极大地提高编码系数的灵活性。最后,将提出的算法在两个被常用的行人重识别数据集上进行验证。实验结果表明,提出的方法不仅可以降低不同视图下不同分辨率带来的影响,也极大提高了学习字典对的表示能力和判别性。
凌婧[2]（2020）在《面向图像分类的判别字典学习方法研究》文中研究指明随着人工智能的快速发展和智能终端的广泛使用,图像数据迅猛增长,相比于其他信息形式,图像数据携带的信息更加生动形象,因此,图像数据作为人类与计算机的重要交互媒介,已经成为互联网的主要信息载体,并被广泛应用于各个领域。在这个海量图像时代,如何简化数据表达来有效获取图像信息并用于图像分类技术,吸引了越来越多的研究者对这一领域进行探索。在人类视觉系统的稀疏编码机制的启发下,通过将信号表示为字典基（即字典原子）的稀疏线性组合来进行稀疏编码的方法已被成功应用于图像处理、视觉识别和机器学习等领域。在给定一组信号的情况下,稀疏编码旨在找到一个合适的字典,使得可以通过对字典原子进行线性组合,来很好地近似每个输入信号,并使大多数系数为零或接近零。因此,从训练数据中学习合适的字典尤为重要,如何学习得到适用于分类任务的字典也成为近年来图像分类领域的研究重点和难点。本论文基于字典学习和稀疏编码,提出一种有监督的字典学习方法,称为面向类别的判别字典学习算法CODDL（Class-Oriented Dicscriminative Dictionary Learning）。本方法旨在利用样本的结构信息和类别信息来学习获得一个判别字典,使其字典基获得相应的类别标签,并将其用于图像分类。方法强调字典原子和稀疏编码系数的类别判别能力,利用样本的类别信息约束字典和编码系数,以此增强学习的字典与编码系数的判别性。同时,在编码过程采用了保持稀疏性的准则,引入二次型的稀疏约束项,以简化目标函数。此外,针对目标函数设计优化求解方法,采用合适的优化策略简化算法求解,实现较低的算法复杂度。最后,基于样本在各个类别子字典上的编码响应,设计简单有效的分类策略。本文提出的算法,在多个分类任务上进行了广泛的实验,均取得了最佳的分类精度。此外,本文对算法的几个重要约束进行了全面的分析性实验,验证了本文提出的算法的有效性。
宋建强[3]（2019）在《基于特征表示与编码的图像分类技术》文中指出图像分类在机器学习、计算机视觉和模式识别等领域占据重要地位,图像分类模型一般由图像特征抽取、特征变换和增强、分类器训练等步骤组成。为了得到有效的特征表示,早期特征抽取主要采用手工设计方式,常常依赖于特征设计者的领域知识。随着深度学习技术发展,更多图像分类模型利用深度网络进行特征抽取。深度网络特征既可以通过端到端训练的方式获得,也可以利用大规模图像库上训练好的深度网络在图像上直接抽取。前者需要大量训练图像来拟合网络参数,计算代价高;后者由于缺乏监督信息的导引,其判别性仍需加强。作为一种有效的特征变换和增强技术,特征编码在图像分类中得到快速发展,但在实际应用中仍面临不少挑战,如图像类别多但带标签训练样本少、同类图像变化大而非同类图像区分度低、待识别类没有训练样本、图像不同层级特征间编码效率低、特征编码算法运行稳定性差等。为应对以上挑战,本文利用多种手工与深度网络特征表示形式,开展了基于特征编码的图像分类技术研究,主要工作和创新点有:1、提出一种基于多层字典学习与特征编码的图像分类模型,将原图像整体级手工或深度网络特征转换成深层编码特征。与基于单层字典学习的特征编码方法相比,所提模型能够减少原图像数据中噪声影响,增强字典原子鲁棒性,提高含噪图像的分类效果。通过逐层字典学习与特征编码实现原图像特征的连续非线性投影变换,增大了非同类编码系数特征的分离性。得益于分类器监督训练和多层学习整合,充分挖掘了图像数据中复杂的结构信息,提升原图像整体级特征的判别性。最后,通过利用拉普拉斯图矩阵来避免编码特征中极大值的产生,减少了过拟合风险及测试图像分类误差。与单层特征编码方法和深度网络模型相比,所提模型兼顾了图像分类正确率与运行效率,在多种基准图像库上的实验结果展示了优异的分类性能。2、提出一种类稀疏分布编码特征生成方法,实现了图像样本更好的分类。针对图像分类中编码特征生成机制问题,所提方法首先利用训练样本类标签建立标签信息感知项,通过增强同类样本编码系数值、抑制非同类样本编码系数值,产生具有类一致稀疏分布的编码特征;其次利用样本局部结构信息构建图正则化项,与类标签感知项共同作用既能生成更平滑的稀疏编码特征,又可以学到鲁棒的字典;另外引入支持向量分类器项,实现了非同类编码特征的大间隔分离。以上各项在学习过程中相互作用和强化,最终将原图像特征变换成更适宜分类的类稀疏分布编码特征。由于构建的约束项均采用L2范数,避免了耗时的L0/L1范数求解过程,使得所提方法能够满足图像实时分类需求。实验结果表明,所提方法产生的类稀疏分布编码特征增强了各类原手工或深度网络特征的判别性。3、针对归纳式和直推式零样本图像分类场景,分别提出两种基于堆叠语义自编码器的分类模型。在归纳式零样本图像分类场景中,非可见类测试图像在训练阶段不可获取,此时如何将可见类数据中学习的知识迁移至非可见类数据中至关重要。为此,提出一种基于流形配准的堆叠语义自编码器模型,可以建立图像特征空间、语义描述空间和类标签空间之间的紧致关系,缩小语义鸿沟;通过在模型中融入流形配准项,有效填补了类域鸿沟。与相关零样本图像分类方法相比,模型的泛化能力更强,能够在可见/非可见类数据间进行高效知识迁移。针对非可见类测试图像在训练阶段可获取的直推式分类场景,进一步提出域感知堆叠语义自编码器模型,由两个存在知识交互的并列堆叠自编码器组成,其中一个基于可见类训练图像构建,另一个用来拟合非可见类测试图像。实验结果显示所提两个“编码—解码”范式的零样本图像分类模型,在传统和广义分类效果评价准则下均取得优异性能。
刘洋洋[4]（2019）在《激光扫描技术支持下的山区公路边坡安全风险评价体系研究》文中认为作为公路安全领域长久以来的技术难题,现有技术方法很难全面有效的对山区公路边坡进行安全风险评价,而与此同时,山区公路边坡的灾害防治形势愈发严峻,滑坡、崩塌和泥石流等地质灾害频频发生,给群众安全和公路建设造成了巨大威胁。边坡安全问题直接关系到公路的长期稳定运营和人民的生命财产安全,因此,目前需要将更多的新技术和新方法引入到山区公路边坡安全风险评价中,并建立一个系统完整的评价体系,以求获取更全面更准确的评价结果,从而为公路边坡防灾减灾工作提供有力的决策支持,将边坡地质灾害风险和灾害可能造成的破坏损失降到最低。针对上述问题,本文结合测绘工程、公路工程、边坡工程以及安全工程等多个交叉学科的先进知识体系,以测绘行业、交通部和应急管理部的相关规定标准为参考,以三维激光扫描技术、基于激光回波原理和Fisher判定法则的陡坡点云滤波算法、基于IGG稳健估计理论和格网最近相邻点查询的改进ICP无控制匹配算法、NURBS高精度曲面模型重建技术、改进熵权集对分析模型以及AHP-模糊综合评价法等多种先进技术方法为支撑,以山区公路边坡危险性宏观评价指标体系和山区公路灾害易损性评价指标体系为基础,以山区公路边坡危险性宏观评价、山区公路边坡危险性微观评价以及山区公路灾害易损性评价为骨架,搭建一个系统全面的、多方法结合应用的山区公路边坡安全风险评价新体系。本文主要研究成果及创新点如下所示:（1）构建一种基于熵权集对分析和三维激光扫描技术的公路边坡危险性评价模型。该模型将边坡危险性宏观评价和微观评价进行了有机结合,先采用改进熵权集对分析模型对公路边坡进行整体的宏观评价,再利用三维激光扫描技术进行深入的微观评价。研究结果表明,该模型能先通过宏观评价方法（熵权集对分析）确定研究区各个边坡的整体危险等级,并从中找出危险性较大的边坡;然后再通过微观评价方法（基于激光扫描的边坡形变位移分析）找出危险边坡中的具体危险区域（灾害隐患点）,从而实现由宏观到微观、由整体到局部、由面到点的山区公路边坡危险性立体式评价,并由此获得更完整更全面的评价结果,同时,这也为公路边坡危险性评价研究开辟了一种新思路。（2）构建由边坡地形、岩土地质、气象水文和其他因素等4大因素共14项核心指标所组成的山区公路边坡危险性宏观评价指标体系。基于联系度可拓展原理,对集对分析理论进行优化改进,并结合熵权法,构建一种改进熵权集对分析模型。研究结果表明,改进熵权集对分析模型和其他传统评价方法的的评价结果基本一致,体现出良好的准确性,说明将该模型应用到边坡危险性宏观评价中是可行的,同时,这也为公路边坡危险性宏观评价研究提供了一种新方法。（3）边坡点云处理的好坏直接关系到边坡形变分析（危险性微观评价）结果的准确性,因此本文对边坡点云处理相关算法进行了深入的探索和研究。构建一种基于激光回波原理和Fisher判定法则的陡坡点云滤波算法,该算法先利用激光回波原理对点云数据进行粗分类,再通过Fisher判定法则对粗分类后的剩余点云进行精分类。研究结果表明,相比其他滤波算法,文中算法的滤波总误差率最小,体现出了良好的滤波精度。构建一种基于IGG稳健估计和格网最近相邻点查询的改进ICP无控制匹配算法,该算法不仅能利用IGG稳健估计理论加强ICP算法的抗差能力,还能通过格网最近相邻点查询思想提高ICP算法的运算效率。研究结果表明,相比传统ICP算法,文中改进ICP算法具有更快的计算速度和更强的抗差能力,从而有效提高了点云匹配效率和匹配精度。将NURBS建模技术引入到山区公路边坡高精度模型重建中,研究结果表明,相比三角面片模型和DEM模型,NURBS曲面模型对山区公路边坡表面细节的表达更加完整和准确,对复杂地形边坡的拟合度也更好,其模型效果更能贴合山区公路边坡地形的真实起伏状态。（4）构建由社会经济、道路工程和公路防护等3大因素共8项核心指标所组成的山区公路灾害易损性评价指标体系,并采用AHP-模糊综合评价法实现了山区公路灾害易损性的定量和定性综合评价。研究结果表明,AHP-模糊综合评价法的评价结果与专家现场定性分析结果基本一致,体现出良好的准确性和适用性,说明采用该方法对山区公路灾害进行易损性评价是合理且可行的,同时,这也为山区公路灾害易损性评价研究提供了一种新参考。（5）基于文中构建的山区公路边坡安全风险评价体系,对修武县太行山区某公路边坡进行应用实验。实验结果如下:首先,通过边坡危险性宏观评价结果可知,研究区2号、3号边坡危险性较小,1号、4号和5号边坡危险性较大;其次,通过边坡危险性微观评价找出了1号、4号和5号危险边坡中的具体危险区域;然后,通过公路灾害易损性评价结果可知,研究区公路灾害易损性等级为Ⅳ级（极高）;最后,针对危险性较大的边坡,提出了相应的灾害防治建议。
张建[5]（2019）在《IFA-PNN和改进核Fisher算法在变压器故障诊断中的应用研究》文中研究说明变压器作为智能电网的一部分,起着变换和传输电能的作用。随着智能电网的发展,及早发现变压器的潜在故障,对电网安全稳定运行具有重要意义。此外,为了减少定期检修带来的停电和过多的维修成本,在线智能监测也十分必要。基于上述背景并结合当前的研究现状,本文以人工智能方法为基础,对变压器的故障诊断做出如下研究:针对变压器故障诊断中DGA算法不能全面反映故障类型,以及部分神经网络模型结构复杂等问题,文中提出了IFA-PNN（Improve Firefly algorithm-Probabilistic Neural Networks）诊断模型。首先,利用改进萤火虫算法对概率神经网络中光滑因子（σ）进行寻优,然后PNN神经网络用最优σ值对故障进行分类。在该模型中,采用融合比值法对输入数据进行处理,使其更具有代表性,提高了PNN神经网络诊断的准确率。改进的萤火虫算法既保证了全局搜索能力,又提高了搜索的精度,快速准确的找到σ的最优值。另外,概率神经网络具有结构简单,分类准确率高等优点。经实验测试分析后,表明该方法具有较高的故障诊断准确率。变压器故障数据具有离散性和较强的非线性,据此文中提出了改进的核Fisher诊断模型。在该模型中,采用欧氏距离对类间矩阵进行加权,用复合核函数代替单一核函数。经改进后的模型,减少了故障数据在投影时的重叠现象,复合核函数具有多个核函数的特点,有较强的非线性处理能力,特别适合处理变压器这类数据量较大非线性强的问题。经测试,该方法是一种有效的故障诊断方法。文中图35幅,表11个,参考文献72篇。
李爱华[6]（2017）在《岸边集装箱起重机安全评价方法研究》文中研究说明岸边集装箱起重机（岸桥）是港口码头的关键设备之一,其结构复杂,工作速度快,工况多种多样。其中,较大一部分处于超期服役的状态,存在着安全隐患。提高岸桥安全评价结果的准确性是岸桥安全管理亟待解决的关键问题,开展岸桥安全评价方法研究具有重大的理论和工程意义。本文针对岸桥安全评价过程中存在的关键问题,以可变模糊集理论、博弈论组合赋权法为基础,对起重机安全评价的理论体系开展研究,并取得了一些具有理论意义和工程应用价值的研究成果。本文主要研究内容如下:（1）研究了起重机安全评价的理论方法,对主要评价理论进行比较和分析。提出将累积前景理论应用于起重机安全评价的方法,该方法将待评价起重机的指标值和评价标准的指标值构成决策矩阵,利用累积前景理论计算综合前景值,比较待评价对象和评价标准的综合前景值,从而确定安全等级。该方法避免了利用最大隶属度原则和置信度准则判别安全等级的不足,所得结论与根据可变模糊集的等级特征值和等级判别准则所得结论一致,验证了运用累积前景理论进行起重机安全评价的有效性。（2）针对传统可变模糊集评价方法的不足,提出了改进的可变模糊集安全评价方法,并将其应用于起重机安全评价。考虑到传统可变模糊集评价方法相对隶属度计算过程复杂的问题,运用正态隶属函数代替线性分段隶属函数,简化了计算步骤。考虑到传统的等级判别准则在特定情形下,可能出现有违物理概念的问题,将传统可变模糊等级特征值、等级判别准则和未确知测度理论中置信度准则相结合,所得结果更加可靠。实例计算表明了所提方法的可行性。（3）针对传统博弈论组合赋权法的不足,提出了改进的博弈论组合赋权方法。该方法既可充分利用各项评价指标数据的客观性,又兼顾了行业专家对评价指标的主观意向。改进的博弈论组合赋权法通过增加约束条件,建立优化模型,克服了传统的博弈论赋权时可能出现组合系数为负数的不足,通过与粒子群组合赋权法、区间估计法和数学规划组合赋权法的比较,验证了改进博弈论组合赋权法的有效性。（4）目前在役岸桥安全问题的研究比较零散,且相关研究集中于金属结构损伤模式的识别,而使用环境、安全管理等方面的因素考虑不足,通过对在役岸桥事故资料进行统计和调研,从系统论的角度对岸桥安全影响因素进行风险辨识,把岸桥系统划分为五大子系统:金属结构子系统、主要机构与零部件子系统、电气设备子系统、安全保护装置子系统、使用与管理子系统。对5个子系统的评价内容做了详细说明,为建立科学合理的岸桥安全评价指标体系提供了基础。最后,讨论了岸桥安全评价指标标准划分和度量的问题。（5）提出了基于改进可变模糊集的岸桥定量指标多级安全评价方法,该方法运用改进博弈论组合赋权法集结评价指标的主客观权重,根据改进可变模糊集评价方法确定评价对象的安全等级。将该模型应用于岸桥金属结构系统的安全评价,运用可变模糊等级计算方法,直接由指标评价值与指标评价标准的关系确定安全等级,解决了金属结构指标评价标准等级数与系统评价标准等级数划分不一致的问题。通过与传统评价方法的比较,验证了本文所提方法可以适用于岸桥金属结构系统的安全评价。（6）提出了基于改进可变模糊集的岸桥定性指标安全评价方法,运用改进的层次分析方法计算主观权重,采用信息熵法计算客观权重,根据改进博弈论组合赋权法计算组合权重。为解决专家个体意见不一致问题,借鉴群决策的思想,运用改进博弈论组合赋权法确定专家个体权重,最终获得定性指标的评价值,根据改进可变模糊集的安全评价方法计算评价指标的隶属度矩阵,选取岸桥典型定性评价指标—保护装置的评价指标作为模型研究对象,将所评价结果与传统评价方法所得结果进行比较,验证了所提方法适用于岸桥定性指标安全评价。
丁世飞,靳奉祥[7]（2002）在《Fisher多级判别准则及其应用》文中研究说明论述了Fisher准则下多级判别的建模机理,并应用该原理将山东省胶南市第二代玉米螟百株累计卵量的3个影响因素压缩为一个新指标（即线性判别函数）,用这一个新指标对样品按距离最小准则判别归类.结果表明,历史拟合率为100％。两年预报,其结果与实际一致.
苏为华[8]（2000）在《多指标综合评价理论与方法问题研究》文中认为本文通过对国内近二十年来多指标综合评价理论研究与应用成果的总结，全面系统地研究了多指标综合评价技术中的有关理论与方法问题。全文自始自终贯彻这样一个思想：从交叉性学科的高度来审视、考察多指标综合评价技术的基本方法体系。因此，本文的研究涵盖了多指标综合评价技术的全部主要方面。全文分八章对多指标综合评价技术进行了研究： 第一章对多指标综合评价技术的学科地位、基本过程、基本内容、方法体系等基本理论问题进行了研究。认为多指标综合评价技术与其它统计学科分支一样，具有“双重”性质；认为多指标综合评价过程既是一个统计活动过程，又是一个定量的思维过程：综合评价学的基本内容包括众多的方法体系与一些基础理论；而综合评价方法又有多种不同的类型。 第二章则全面研究了多指标综合评价指标体系的构建与优化理论，提出了综合评价指标体系构建的四个基本环节（基本过程）；提出并讨论了综合评价指标体系的四种初选方法（综合法、分析法、交叉法、属性分组法）；研究了综合评价指标体系的单体测验与整体测验方法；探讨了综合评价指标体系结构优化的方法；对正逆指标的转化与定性变量的量化方法也作了详细的研究。 第三章对效用函数综合评价方法进行了系统的研究，提出了这类综合评价方法的基本评价模型：单项评价指标无量纲化结果的加权合成，从而得出了这一类综合评价方法的三个基本子体系：无量纲化方法体系、合成方法体系、权数方法体系，并根据这一模型结构展开了对有关理论与方法问题的研究。我们对目前人们提出的各类无量纲化方法进行更高层次的归纳，提出了四类基本无量纲化方法：广义指数法、广义线性功效系数法、非线性无量纲化方法、分段函数法，并对有关方法进行了剖析。同时，还尝试建立了无量纲化函数构造的一般原理；初始化结果的多次函数变换过程。我们研究了各种合成模型——特别是幂平均合成模型的数学性质及其所揭示的综合评价原则。考虑到权数并非是效用函数综合评价方法所特有的评价因子，我们将权数方法放在第四、第五两章进行了专门研究。 第四、第五两章分别对“基础构权方法”与“扩展构权方法”进行了全面系统的研究。这两章中的权数方法不仅适用于“效用函数综合评价方法”，也适用于其它一些综合评价方法，如多元统计评价方法、模糊综合评价方法、灰色系统综合评价方法等。 在第四章中，我们首先讨论了权数分类、特性等基本问题，然后着重对AHP构权方法进行了全面的研究，提出了AHP构权过程中的三种“近似解系”（K 阶行平均法解系、K 阶列平均倒数法解系、K 阶规范列平均注解系），研究了AHP构权中标度理论与方法，初步探讨了AHP构权过程中判断一致性水平的检验方法。同时，我们提出了一种基于“分配型判断矩阵”的构权新方法，并详绍研究了相应权数导出的若干方法、判断一致性水平检验方法，以及其与AHP比例判断构权方法之间的关系。此外，我们还详细研究了其它几种重要的基础构权方法：环比构权方法、定比构权方法、直接构权方法、函数生成构权方法、方差信息构权方法、相关信息构权方法、熵权法等。 在第五章中，我们提出了“扩展构权方法”的全新构权思想，并着重对模型平均合成法、系统转换法、群组构权法、对象分层构权方法、因素分层构权方法等万种不同的扩展构权方法进行了研究。越是复杂的综合评价问题，这类构权方法的优越性就越显着。 第六章全面研究了多元统计分析方法在多指标综合评价中的应用问题。我们分析了上成分综合评价方法在综合评价中的应用情况；对主成分综合评价方法进行了重新认识，提出了“只用第一主成分进行排序评价”的新论据：分析了指标体系相关性对主成分综合评价结论的影响，发现了主成分系数与“指标相关集团”之间的关系。用实例论证了“负权”的不合理性。同时，我们还就主成分综合评价的有关改进思路进行了全面的研究，分析了加权主成分综合评价模型的优缺点，提出了重构主成分综合评价初始矩阵的思想（即B型主成分综合评价方法），提出了对原始指标进行对数化预处理的主成分综合评价思想，提出了提高主成分综合评价结论“鲁棒性”（R。bSSt）的一些新思路，井对目前的一些研究观点进行了评述。我们全面总结了因子分析法在综合评价中的几种不同应用模型，并讨论了这类综合评价方法的有关理论与方法问题。我们提出了用FA进行指标体系结构优化，结合PCA（主成分分析法）进行综合评价的新思路。在这一章中，我们还分析了判别分析法在综合评价中的应用问题，对国内关于这一问题上的一些争论提出了我们的看法，并主张还判别分析评价的本来面目：分类评价。找们分析了聚类分析法在综合评价中的应用间题，分析了主坐标分析法在综合评价中的应用问题等。第。’＜章是全文篇幅最多的一章，文中还多次用到数个实例进行论证。 第七章系统研究了模糊数学方法在综合评价中的应用问题。我们理顺了模糊综合评价方法的基本体系，分析了模糊合成过程中所存在的各种问题，包括模糊合成中模糊取人取小算子的不合理性，模糊评语?
高巍[9]（2019）在《基于多核学习的高光谱图像分类方法研究》文中认为高光谱遥感凭借其独特的观测视角和精细化辨别观测对象的能力,成为遥感技术的重大突破和研究热点。然而,光谱和空间分辨率不断提升导致的光谱维度高、波段相关性强,以及外部干扰引发的特征间界限高度非线性等问题,使得分类这一重要且常用的遥感信息获取技术遇到了现实挑战。因此,本文针对高光谱图像分类问题,在多核学习方法的框架下,以充分挖掘样本所包含的内在结构信息和判别性信息为出发点,从多核组合系数优化、核函数结构优化及样本特征优化等不同角度,探索解决高光谱图像分类中的异构特征、类别间界限高度非线性和特征间相关性强等问题的方法。主要研究工作如下:首先,针对高光谱图像空谱联合分类中有效融合异构特征的问题,提出一种基于理想核优化的多核学习框架。通过构建一个包含理想核的目标优化函数,将理想核中蕴含的判别性信息纳入到组合系数寻优过程中。之后,按照挖掘核矩阵所蕴含的样本相似性信息和采用信号处理中信号稀疏表示这两种不同的思路,分别构建并求解优化目标函数。通过空谱联合特征的分类实验表明,所提出的方法能够有效地利用样本中蕴含的判别性信息,从而对基本核进行优化集成,提高了分类精度。其次,针对高光谱图像中类别间界限高度非线性的问题,从多核函数整体结构优化方面入手,提出一种基于自适应核结构的多核学习分类方法。将数据相关核与多核学习相结合,通过挖掘样本信息来进行核结构自适应优化。在对组合核进行保角变换的基础上,通过求解一组合适的膨胀系数,增加位于类间边界处体积元的体积,从而获得一个特征空间结构更优的核函数。通过不同基核条件下的对比实验证明,经过核结构自适应优化后,算法的分类精度有不同程度的提升,尤其是在基本核分类能力有限的情况下,优化的效果更为明显。最后,针对光谱分辨率提升导致的光谱特征间耦合度强且波段相关性大的问题,从优化样本特征的角度,提出了一种基于马氏距离的多核学习算法。将马氏距离度量学习与多核学习相结合,通过学习一个马氏距离矩阵,从而将样本映射到一个更加适合于分类操作的特征空间,在去除特征之间的耦合关系,并消除尺度影响的同时,强化样本特征与同类样本之间的关系,以达到优化样本特征的目的。实验证明,与使用欧式距离核函数的多核学习方法相比,马氏距离多核学习算法具有更高的分类精度,并且通过对同类样本的内聚作用,减少了支持向量个数,缩短了分类器的训练时间和测试时间。
武守鑫[10]（2018）在《断裂构造发育区底板突水致灾机理与危险性预测研究》文中研究表明在煤层开采过程中含水层水压是底板突水的动力来源,隔水层是抑制承压水进入工作面的“屏障”,而底板作为一种非连续结构体在形成过程中往往会伴生各种形态各异、规模不一的断裂构造,所以系统分析断裂构造发育底板在采动过程中的应力分布规律、裂隙发育规律、承压水导升特性对于有效预防煤层底板突水、保证工作面的安全生产具有重要的理论和现实意义。在参阅相关文献的基础上,文章首先将底板断裂构造分为贯穿煤层型底板裂隙与非贯穿煤层型底板裂隙两大类。因两类裂隙在发育形态和各自选用的研究方法上的差异所以研究内容的侧重点也略有不同。主要结论如下:（1）分别运用弹性力学、断裂力学的相关理论推导出了贯穿型底板裂隙发育区域内、非贯穿型底板裂隙发育区域内工作面突水的力学模型。（2）运用二维相似材料试验平台和自制的承压水导升系统对底板含断层时,工作面推进过程中,边界煤柱下方底板、采空区中部底板、断层保护煤柱下方底板三个区域的应力演化规律、裂隙发育规律、承压水导升特性进行了系统分析。（3）运用FLAC3D数值模拟软件研究了多效应场作用下,隔水层内存在不同倾角裂隙时整个底板岩层的应力分布特征、塑性区分布特征、孔隙压力分布特征、位移变化情况;然后在此基础上分析了 2种不同的组合裂隙在采动过程中对底板突水行为的影响。（4）运用多元统计理论中的PCA法对样本数据进行了降维处理,然后以提取的主成分得分值作为中间变量建立了底板突水的概率预测模型。
二、Fisher多级判别准则及其应用（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、Fisher多级判别准则及其应用（论文提纲范文）
（1）结合图嵌入的双字典学习方法及其图像识别应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 字典学习研究现状 |
| 1.3 图嵌入框架下的流形学习 |
| 1.4 图嵌入下的字典学习 |
| 1.5 本文主要工作与章节安排 |
| 第2章 相关理论介绍 |
| 2.1 稀疏表示理论 |
| 2.1.1 过完备字典下的稀疏表示模型 |
| 2.1.2 稀疏表示的优化 |
| 2.2 字典学习模型 |
| 2.2.1 综合字典学习模型 |
| 2.2.2 解析字典学习模型 |
| 2.2.3 解析-综合双字典学习模型 |
| 2.3 图嵌入算法 |
| 2.3.1 等距特征映射 |
| 2.3.2 局部线性嵌入 |
| 2.3.3 拉普拉斯特征映射 |
| 2.4 本章小结 |
| 第3章 结合图嵌入的双字典学习方法 |
| 3.1 引言 |
| 3.2 基于图嵌入约束的双字典学习算法 |
| 3.2.1 图嵌入约束项的构建 |
| 3.2.2 最大间隔约束项的构建 |
| 3.2.3 图嵌入约束的双字典学习模型 |
| 3.2.4 目标函数的优化 |
| 3.2.5 分类器设计 |
| 3.3 实验结果及分析 |
| 3.3.1 数据集及识别率 |
| 3.3.2 参数分析 |
| 3.3.3 收敛性分析 |
| 3.3.4 鲁棒性分析 |
| 3.4 本章小结 |
| 第4章 结合图嵌入的多级判别性双字典学习方法 |
| 4.1 引言 |
| 4.2 跨视图多级判别性字典学习CMDL算法 |
| 4.2.1 跨视图多级别字典学习算法 |
| 4.2.2 图约束下的多级判别性字典学习算法 |
| 4.2.3 MDDL模型的优化 |
| 4.2.4 时间复杂度 |
| 4.3 实验结果及分析 |
| 4.3.1 特征提取 |
| 4.3.2 图像匹配与融合 |
| 4.3.3 实验结果 |
| 4.3.4 实验参数设置与分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间获得的研究成果 |
（2）面向图像分类的判别字典学习方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 图像分类技术的发展与现状 |
| 1.2.2 字典学习的研究现状 |
| 1.2.3 字典学习在图像分类中的应用 |
| 1.3 研究目标和内容 |
| 1.4 论文章节安排 |
| 2 稀疏表示与字典学习基础 |
| 2.1 稀疏表示基本理论 |
| 2.1.1 生物视觉中的稀疏性 |
| 2.1.2 稀疏表示的数学模型 |
| 2.1.3 稀疏表示的求解 |
| 2.2 稀疏表示常用算法 |
| 2.2.1 基本追踪法 |
| 2.2.2 贪婪追踪法 |
| 2.2.3 特征符号搜索方法(FSS) |
| 2.2.4 迭代收缩法 |
| 2.3 字典学习算法 |
| 2.3.1 字典学习和聚类 |
| 2.3.2 概率模型 |
| 2.3.3 学习算法 |
| 3 面向图像分类的判别性字典学习算法模型CODDL |
| 3.1 字典学习分类思想 |
| 3.2 设计算法的基本思想 |
| 3.3 算法模型设计 |
| 3.3.1 重构项 |
| 3.3.2 判别系数项 |
| 3.3.3 子字典不相关项 |
| 3.3.4 稀疏项 |
| 3.3.5 CODDL模型 |
| 3.4 模型优化 |
| 3.4.1 优化过程 |
| 3.4.2 时间复杂度 |
| 3.4.3 分类策略 |
| 4 实验与性能分析 |
| 4.1 手写数字识别 |
| 4.2 场景识别 |
| 4.3 性别分类 |
| 4.4 表情识别 |
| 4.5 人脸识别 |
| 4.6 风格分类 |
| 4.7 参数分析 |
| 5 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 参考文献 |
| 科研成果 |
| 致谢 |
（3）基于特征表示与编码的图像分类技术（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景阐述 |
| 1.2 国内外研究现状 |
| 1.3 立题意义与主要工作 |
| 1.4 全文章节安排 |
| 第二章 图像分类中的特征表示与编码 |
| 2.1 引言 |
| 2.2 特征表示形式 |
| 2.2.1 手工特征表示 |
| 2.2.2 深度网络特征 |
| 2.2.3 语义描述特征 |
| 2.3 特征编码方式 |
| 2.3.1 整合特征抽取的特征编码 |
| 2.3.2 融入分类器设计的特征编码 |
| 2.4 本章小结 |
| 第三章 基于多层字典学习与特征编码的图像分类模型 |
| 3.1 引言 |
| 3.1.1 相关工作 |
| 3.1.2 研究动机与创新 |
| 3.2 多层字典学习与特征编码模型 |
| 3.2.1 多层字典学习与特征编码 |
| 3.2.2 多层局部结构信息约束 |
| 3.3 模型优化算法与分析 |
| 3.3.1 模型优化算法 |
| 3.3.2 复杂性和收敛性分析 |
| 3.4 实验与讨论 |
| 3.4.1 人脸识别实验 |
| 3.4.2 物体图像分类实验 |
| 3.4.3 场景图像分类实验 |
| 3.4.4 花卉图像分类实验 |
| 3.4.5 图正则化项分析 |
| 3.5 本章小结 |
| 第四章 用于图像分类的类稀疏分布编码特征生成方法 |
| 4.1 引言 |
| 4.1.1 相关工作 |
| 4.1.2 研究动机与创新 |
| 4.2 编码特征生成方法目标函数 |
| 4.2.1 目标函数约束项及意义 |
| 4.2.2 整体目标函数 |
| 4.3 目标函数优化算法与分析 |
| 4.3.1 训练阶段优化算法 |
| 4.3.2 测试阶段分类准则 |
| 4.4 实验与讨论 |
| 4.4.1 人脸识别实验 |
| 4.4.2 物体图像分类实验 |
| 4.4.3 场景图像分类实验 |
| 4.4.4 动作识别实验 |
| 4.4.5 实验总结 |
| 4.5 本章小结 |
| 第五章 基于堆叠语义自编码器的零样本图像分类 |
| 5.1 引言 |
| 5.1.1 相关工作 |
| 5.1.2 研究动机与创新 |
| 5.2 基于堆叠语义自编码器的归纳式零样本分类 |
| 5.2.1 堆叠语义自编码器 |
| 5.2.2 训练阶段与测试进程 |
| 5.2.3 实验与讨论 |
| 5.3 域感知堆叠语义自编码器用于直推式零样本分类 |
| 5.3.1 域感知堆叠语义自编码器 |
| 5.3.2 优化算法与收敛性分析 |
| 5.3.3 实验与讨论 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）激光扫描技术支持下的山区公路边坡安全风险评价体系研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 边坡危险性评价方法研究现状 |
| 1.2.2 公路灾害易损性评价研究现状 |
| 1.2.3 边坡变形监测方法研究现状 |
| 1.3 目前研究存在的问题和不足 |
| 1.4 论文主要研究内容 |
| 1.5 论文主要研究方法及技术路线 |
| 2 基于熵权集对分析的公路边坡危险性宏观评价方法研究 |
| 2.1 熵权法与集对分析理论概况 |
| 2.1.1 熵权法的基本理念及主要特点 |
| 2.1.2 集对分析理论的数学原理及主要特点 |
| 2.1.3 集对分析理论引入到公路边坡危险性评价中的基本思想 |
| 2.2 改进熵权集对分析模型的提出 |
| 2.2.1 现有边坡危险性评价方法的局限和不足 |
| 2.2.2 改进熵权集对分析模型的核心理念及主要优势 |
| 2.2.3 基于熵权法确定评价指标权重 |
| 2.2.4 基于改进集对分析理论确定单指标联系度 |
| 2.2.5 基于加权计算确定集对的综合联系度 |
| 2.3 山区公路边坡危险性宏观评价指标体系构建 |
| 2.3.1 山区公路边坡主要特点及边坡灾害特征研究 |
| 2.3.2 山区公路边坡危险性宏观评价核心指标归纳分析 |
| 2.3.3 建立山区公路边坡危险性宏观评价指标体系 |
| 2.4 本章小结 |
| 3 基于点云处理算法的公路边坡危险性微观评价方法研究 |
| 3.1 基于激光回波原理和Fisher判定法则的陡坡点云滤波算法 |
| 3.1.1 点云滤波的主要作用及现有点云滤波算法的不足 |
| 3.1.2 激光回波原理 |
| 3.1.3 Fisher判定法则 |
| 3.1.4 陡坡点云滤波算法核心思想及实现流程 |
| 3.1.5 点云滤波算法对比及精度分析 |
| 3.2 基于IGG稳健估计和格网最近相邻点查询的改进ICP算法 |
| 3.2.1 点云匹配的基本原理及主要作用 |
| 3.2.2 现有点云匹配算法的局限和不足 |
| 3.2.3 IGG稳健估计理论 |
| 3.2.4 格网最近相邻点查询算法 |
| 3.2.5 改进ICP无控制匹配算法的核心理念及实现流程 |
| 3.2.6 点云匹配算法对比及精度验证 |
| 3.3 基于NURBS曲面建模的边坡高精度模型重建方法 |
| 3.3.1 NURBS曲面建模数学原理 |
| 3.3.2 NURBS曲面建模实现流程 |
| 3.3.3 边坡NURBS曲面建模及模型效果对比实验 |
| 3.4 基于三维激光点云数据的边坡形变位移分析方法研究 |
| 3.4.1 边坡形变位移分析的重要意义 |
| 3.4.2 现有基于激光点云数据的边坡形变位移分析方法的不足和局限 |
| 3.4.3 基于多期NURBS曲面模型对比的边坡形变位移分析方法 |
| 3.5 本章小结 |
| 4 基于AHP-模糊评价的山区公路灾害易损性评价方法研究 |
| 4.1 AHP法与模糊评价法概况 |
| 4.1.1 AHP法的实现流程及主要特点 |
| 4.1.2 模糊评价法的基本定义及主要特点 |
| 4.2 AHP-模糊综合评价法 |
| 4.2.1 AHP-模糊综合评价法的核心思想及实现流程 |
| 4.2.2 AHP-模糊评价法应用于公路灾害易损性评价中的主要优势 |
| 4.3 山区公路灾害易损性评价指标体系构建 |
| 4.3.1 现有山区公路灾害易损性评价指标体系的不足 |
| 4.3.2 山区公路边坡灾害易损性评价指标体系补充完善 |
| 4.3.3 建立山区公路灾害易损性评价指标体系 |
| 4.4 本章小结 |
| 5 山区公路边坡安全风险评价应用实例 |
| 5.1 研究区概况 |
| 5.1.1 研究区公路边坡基本情况 |
| 5.1.2 研究区气象水文概况 |
| 5.1.3 研究区地质环境及地震活动情况 |
| 5.1.4 研究区人类工程活动情况 |
| 5.1.5 研究区灾害历史资料 |
| 5.2 研究区公路边坡危险性宏观评价 |
| 5.2.1 研究区公路边坡分段 |
| 5.2.2 构建研究区公路边坡危险性宏观评价标准 |
| 5.2.3 确定各危险性评价指标权重 |
| 5.2.4 确定各评价指标的单指标联系度 |
| 5.2.5 确定综合联系度及危险性宏观评价结果 |
| 5.2.6 研究区公路边坡危险性宏观评价结果精度验证 |
| 5.3 研究区公路边坡危险性微观评价 |
| 5.3.1 获取危险边坡多期激光点云数据 |
| 5.3.2 危险边坡点云数据去燥及滤波处理 |
| 5.3.3 危险边坡多期点云数据无控制匹配 |
| 5.3.4 危险边坡NURBS高精度曲面模型构建 |
| 5.3.5 危险边坡形变位移分析及具体危险区域确定 |
| 5.3.6 研究区公路边坡危险性微观评价结果精度验证 |
| 5.4 研究区公路灾害易损性评价 |
| 5.4.1 构建研究区公路灾害易损性评价标准 |
| 5.4.2 构建易损性评价模糊集合 |
| 5.4.3 确定易损性评价指标权重 |
| 5.4.4 建立易损性评价隶属函数及模糊关系矩阵 |
| 5.4.5 确定公路灾害易损性评价结果 |
| 5.4.6 研究区公路灾害易损性评价结果精度分析 |
| 5.5 研究区公路边坡安全风险评价结果归纳分析 |
| 5.6 研究区危险边坡地质灾害防治建议 |
| 5.7 本章小结 |
| 6 结论与展望 |
| 6.1 主要成果及结论 |
| 6.2 主要创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（5）IFA-PNN和改进核Fisher算法在变压器故障诊断中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 课题研究内容 |
| 1.4 论文安排 |
| 2 传统故障诊断方法 |
| 2.1 电气设备故障诊断 |
| 2.2 常见变压器故障类型 |
| 2.3 变压器故障信息 |
| 2.4 变压器故障诊断依据 |
| 2.5 DGA故障诊断方法 |
| 2.6 本章小结 |
| 3 神经网络的故障诊断方法 |
| 3.1 神经元的模型 |
| 3.2 神经网络的构建 |
| 3.3 神经网络的学习方法 |
| 3.4 BP神经网络诊断模型 |
| 3.5 BP神经网络故障诊断 |
| 3.6 本章小结 |
| 4 IFA-PNN分类器故障诊断 |
| 4.1 概率神经网络 |
| 4.2 萤火虫算法 |
| 4.3 改进的萤火虫算法 |
| 4.4 基于IFA-PNN的变压器故障诊断方法 |
| 4.5 本章小结 |
| 5 核Fisher分类器故障诊断 |
| 5.1 Fisher线性判别法 |
| 5.2 核Fisher判别分析法 |
| 5.3 改进的核Fisher分析法 |
| 5.4 改进KFDA变压器故障诊断分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间发表的学术论文及科研情况 |
| 致谢 |
（6）岸边集装箱起重机安全评价方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景与意义 |
| 1.3 起重机安全评价的国内外研究现状 |
| 1.3.1 起重机安全事故原因及评价指标体系的研究 |
| 1.3.2 起重机安全评价指标权重确定方法 |
| 1.3.3 起重机安全评价方法研究 |
| 1.3.4 岸桥安全评价研究现状 |
| 1.4 岸桥安全评价研究存在的问题与不足 |
| 1.5 研究内容 |
| 第2章 起重机安全评价理论方法分析与研究 |
| 2.1 起重机安全评价的基本内容 |
| 2.2 安全评价方法的分类 |
| 2.3 基于Fisher判别法的起重机安全评价 |
| 2.4 模糊评价方法 |
| 2.5 基于累积前景理论的起重机安全评价方法 |
| 2.5.1 逼近理想解排序法 |
| 2.5.2 基于累积前景理论的多属性决策 |
| 2.6 本章小结 |
| 第3章 改进的可变模糊集安全评价方法 |
| 3.1 可变模糊集理论 |
| 3.2 传统的可变模糊集评价方法 |
| 3.3 改进的可变模糊集评价方法 |
| 3.3.1 熵权法 |
| 3.3.2 可变模糊评价方法的改进 |
| 3.4 实例研究 |
| 3.4.1 实例1 |
| 3.4.2 实例2 |
| 3.5 本章小结 |
| 第4章 改进的博弈论组合赋权方法 |
| 4.1 传统博弈论组合赋权(CWGT)原理 |
| 4.2 改进的博弈论组合赋权(ICWGT)方法 |
| 4.2.1 建立目标函数 |
| 4.2.2 约束条件的依据 |
| 4.2.3 改进博弈论组合赋权模型的构建和求解 |
| 4.3 组合赋权法合理性评价 |
| 4.4 实例研究 |
| 4.4.1 实例1 |
| 4.4.2 实例2 |
| 4.4.3 实例3 |
| 4.5 本章小结 |
| 第5章 岸桥危险源识别及评价指标的度量 |
| 5.1 岸桥的结构特点及功能 |
| 5.2 岸桥事故及原因 |
| 5.3 岸桥风险辨识及安全评价内容 |
| 5.4 岸桥安全评价指标体系建立的原则 |
| 5.5 岸桥安全评价指标的度量 |
| 5.5.1 常见起重机安全评价等级的划分 |
| 5.5.2 岸桥安全评价等级的划分 |
| 5.5.3 岸桥安全评价指标赋值 |
| 5.6 本章小结 |
| 第6章 基于改进可变模糊集的岸桥定量指标多级安全评价 |
| 6.1 基于改进可变模糊集的岸桥系统多级安全评价模型 |
| 6.2 评价指标权重的确定方法 |
| 6.2.1 层次分析法 |
| 6.2.2 改进博弈论组合赋权 |
| 6.3 实例应用 |
| 6.3.1 岸桥金属结构系统安全评价(定量指标的评价) |
| 6.3.2 岸桥金属结构系统第3层指标的可变模糊评价 |
| 6.3.3 岸桥金属结构子系统(第2层级模糊评价) |
| 6.3.4 岸桥金属结构系统(第1层级可变模糊评价) |
| 6.3.5 两种评价模型的比较 |
| 6.4 本章小结 |
| 第7章 基于改进可变模糊集的岸桥定性指标安全评价 |
| 7.1 评价指标权重计算方法 |
| 7.2 基于改进博弈论组合赋权的群决策方法 |
| 7.3 基于改进可变模糊集的岸桥定性指标安全评价模型 |
| 7.4 实例应用 |
| 7.4.1 研究对象—岸桥保护装置的安全评价(定性指标的评价) |
| 7.4.2 去模糊化处理专家评价结果 |
| 7.4.3 基于群决策的专家意见集结 |
| 7.4.4 构建相对隶属度矩阵 |
| 7.4.5 计算评价指标的组合权重 |
| 7.4.6 两种评价模型的比较 |
| 7.5 本章小结 |
| 第8章 总结与展望 |
| 8.1 研究工作总结 |
| 8.2 主要创新点 |
| 8.3 研究工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 一、已发表的论文 |
| 二、申请的专利 |
| 三、参加的科研项目 |
（7）Fisher多级判别准则及其应用（论文提纲范文）
| 0 引言 |
| 1 建模机理 |
| 1.1 建立Fisher判别函数 |
| 1.1.1 计算基本统计量 |
| 1.1.2 计算E-1B的特征值和特征向量 |
| 1.1.3 建立线性判别函数(新变量) |
| 1.2 判别准则 |
| 1.3 统计检验 |
| 2 实际应用 |
| 2.1 资料来源 |
| 2.2 资料整理 |
| 2.3 预报对象分级标准与分级结果 |
| 2.4 Fisher判别计算结果 |
| 2.4.1 离差矩阵及其均值 |
| 2.4.2 Z=L-1B (LT)-1的特征值和特征向量 |
| 2.4.3 E-1B的特征值和贡献率 |
| 2.4.4 建立新指标(即线性判别函数) |
| 2.4.5 判别效果检验 |
| 2.4.6 回报验证 |
| 2.4.7 预测应用 |
| 3 小结与讨论 |
（8）多指标综合评价理论与方法问题研究（论文提纲范文）
| 引言——本文研究的意义与出发点 |
| 1、 现状与问题 |
| 2、 任务与内容 |
| 引注与参考文献 |
| 第一章 综合评价基本问题研究 |
| 第一节 综合评价技术的学科地位 |
| 一、 一般意义上的评价与综合评价 |
| 二、 统计评价与统计综合评价 |
| 三、 综合评价的学科意义与地位 |
| 第二节 综合评价的基本过程 |
| 一、 综合评价的物理过程 |
| 二、 思维过程（心理过程） |
| 第三节 综合评价技术的基本内容与方法分类 |
| 一、 综合评价学的基本研究内容 |
| 二、 综合评价方法的分类 |
| 本章引注与参考文献 |
| 第二章 综合评价指标体系理论问题研究 |
| 第一节 综合评价指标体系理论研究的童义与现状 |
| 一、 综合评价指标理论研究的意义 |
| 二、 综合评价指标体系研究内容 |
| 三、 综合评价指标体系理论研究现状 |
| 第二节 综合评价指标体系构建的内容与过程 |
| 一、 综合评价指标体系构造的基本内容 |
| 二、 综合评价指标体系构造的过程 |
| 三、 综合评价指标体系构造的基本原则 |
| 第三节 综合评价指标体系的初选方法 |
| 一、 综合法 |
| 二、 分析法 |
| 三、 交叉法 |
| 四、 指标属性分组法 |
| 五、 综合评价指标体系结构化方法 |
| 第四节 综合评价指标体系的完善——指标体系的测验与结构优化 |
| 一、 综合评价指标体系完善的意义 |
| 二、 综合评价指标体系中元素的单体测验 |
| 三、 综合评价指标体系的整体测验 |
| 四、 综合评价指标体系结构的优化方法 |
| 第五节 综合评价体系中的指标形式问题研究 |
| 一、 数量指标与质量指标及其应用 |
| 二、 正指标、逆指标与适度指标及其变换 |
| 第六节 关于定性变量的量化问题研究 |
| 一、 问题的提出 |
| 二、 综合评价中的定性指标的量化方法研究 |
| 三、 定性指标在综合评价中的其它体现方法 |
| 四、 关于定性变量数量化中的心理问题 |
| 本章引注与参考文献 |
| 第三章 效用函数综合评价方法研究 |
| 第一节 效用函数综合评价方法的一般问题及研究现状 |
| 一、 效用函数综合评价方法的基本原理 |
| 二、 效用函数评价法的研究现状 |
| 三、 效用函数评价法与其它综合评价法之间的异同 |
| 四、 效用函数综合评价法的方法体系 |
| 第二节 同度量化方法研究 |
| 一、 常见的同度量化方法研究 |
| 二、 无量纲化方法的一般原理 |
| 三、 对无量纲化函数F选择的认识 |
| 第三节 合成方法研究 |
| 一、 效用函数值合成的一般问题研究 |
| 二、 幂平均合成合成模型 |
| 三、 特殊合成模型 |
| 本章引注与参考文献 |
| 第四章 综合评价中的权数方法研究（Ⅰ）——基础构权方法 |
| 第一节 权数方法问题概述 |
| 一、 综合评价中权方法的意义 |
| 二、 综合评价中权方法的分类问题 |
| 三、 统计权数的特性 |
| 四、 统计权数的构造方法 |
| 第二节 单准则AHP构权法体系若干理论研究 |
| 一、 单准则AHP构权法体系概述 |
| 二、 相对权数求解方法的几个问题研究 |
| 三、 AHP构权法中的标度理论 |
| 四、 AHP判断矩阵一致性检验方式的探索 |
| 第三节 基于分配型判断的基础构权新方法研究 |
| 一、 问题的提出 |
| 二、 二元权分配型判断矩阵 |
| 三、 基于分配型判断矩阵之下统计权向量的近似解法 |
| 四、 基于分配型判断矩阵之下统计权向量的“最优解法” |
| 五、 分配型判断矩阵一致性水平的统计假设检验 |
| 六、 分配型判断构权法与单准则AHP构权法之间的联系 |
| 第四节 其它主要基础构权法评述 |
| 一、 环比构权法的评述 |
| 二、 直接构权法 |
| 三、 函数生成构权法 |
| 四、 方差（离散）信息构权法 |
| 五、 相关信息构权法 |
| 六、 熵权法 |
| 七、 其它基础构权方法评述 |
| 本章引注与参考文献 |
| 第五章 综合评价中的权数方法研究（Ⅱ）——扩展构权方法 |
| 第一节 模型平均合成法与系统转换法 |
| 一、 模型平均合成法 |
| 二、 系统转换法 |
| 第二节 专家群组构权法研究 |
| 一、 无反馈系统群组构权法 |
| 二、 有反馈系统群组构权法的有关问题研究 |
| 第三节 对象分层构权法 |
| 一、 对象分层构权法的基本思想 |
| 二、 个体分层构权法的重要意义 |
| 第四节 因素分层构权法 |
| 一、 因素分层构权法的意义 |
| 二、 因素分层构权法的基本思路及理论说明 |
| 本章引注与参考文献 |
| 第六章 多元统计综合评价方法的研究 |
| 第一节 主成分综合评价方法研究 |
| 一、 主成分综合评价方法研究与应用的状况 |
| 二、 对主成分综合评价方法的全面认识 |
| 三、 主成分综合评价方法的若干改进思路及评述 |
| 第二节 因子分析法与综合评价 |
| 一、 因子分析综合评价方法研究与应用状况 |
| 二、 关于因子分析综合评价方法的基本步骤及方法体系 |
| 三、 对因子分析综合评价方法中有关理论与方法问题的看法 |
| 第三节 判别分析法与综合评价 |
| 一、 判别分析法的基本思想与及其在多指标综合评价实践中的应用现状 |
| 二、 对判断分析法在综合排序评价中的应用问题的一些认识 |
| 三、 判断分析法在综合分类评价中的应用 |
| 第四节 多元统计中其它方法在综合评价中的应用 |
| 一、 聚类分析法与综合评价 |
| 二、 主坐标分析法在综合评价中的应用 |
| 三、 其它多元统计方法在综合评价中的应用 |
| 第五节 多元统计综合评价方法的异同点与优缺点 |
| 一、 共性与个性 |
| 二、 优势与劣势 |
| 本章引注与参考文献 |
| 第七章 模糊综合评价方法问题研究 |
| 第一节 模糊综合评价方法研究应用现状与方法结构 |
| 一、 模糊综合评价方法应用与研究现状 |
| 二、 模糊综合评价方法结构 |
| 第二节 模糊合成中有关理论的研究 |
| 一、 关于模糊隶属关系矩阵R的确定问题 |
| 二、 关于评语等级问题的认识 |
| 三、 关于模糊综合评判中的权数问题 |
| 四、 关于合成算子的两个问题研究 |
| 第三节 模糊排序综合评价的研究 |
| 一、 单一评语等级（相对隶属优度）的排序方法 |
| 二、 多个评语等级情况之下的模糊综合评价排序方法 |
| 三、 模糊相似选择法 |
| 第四节 模糊分类综合评价问题研究 |
| 一、 模糊判别评价 |
| 二、 模糊聚类分析 |
| 第五节 模糊综合评价中其它问题的研究 |
| 一、 群组模糊评价与层次模糊评价 |
| 二、 模糊综合评价的优越性问题 |
| 三、 本章小结 |
| 本章引注与参与文献 |
| 第八章 多指标综合评价中其它理论与方法的研究 |
| 第一节 灰色系统综合评价方法研究 |
| 一、 灰色系统综合评价方法的基本过程归纳 |
| 二、 对灰色系统综合评价方法中有关理论与方法问题的认识 |
| 第二节 DEA、AHP、ANN在综合评价中的应用问题研究 |
| 一、 DEA与综合评价 |
| 二、 AHP与综合评价 |
| 三、 ANN与综合评价 |
| 第三节 综合评价方法的扩展与结合问题研究 |
| 一、 组合评价问题 |
| 二、 专家评价综合法 |
| 三、 多层次评价模型 |
| 第四节 结束语——永远发展的多指标综合评价技术 |
| 一、 需要进一步研究的问题 |
| 二、 永远发展的多指标综合评价技术 |
| 本章引注与参考文献 |
| 附录1： 1996—1997年主要城市经济指标 |
| 附录2： 1984年全国重点水泥厂经济效益统计指标 |
| 附录3： 全国主要医药企业经济效益技术 |
| 后记 |
（9）基于多核学习的高光谱图像分类方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 研究现状 |
| 1.2.1 高光谱图像分类方法回顾 |
| 1.2.2 基于核学习的高光谱图像分类方法 |
| 1.2.3 存在的问题 |
| 1.3 本文主要内容及章节安排 |
| 第2章 多核学习理论 |
| 2.1 引言 |
| 2.2 统计学习理论 |
| 2.3 核学习方法 |
| 2.3.1 基本原理 |
| 2.3.2 核函数的性质 |
| 2.4 多核学习方法 |
| 2.4.1 基本原理 |
| 2.4.2 SimpleMKL算法 |
| 2.4.3 局部多核学习(Localized MKL) |
| 2.4.4 基于KA准则的MKL算法 |
| 2.5 实验数据及分类评价指标 |
| 2.5.1 本文所用的数据集 |
| 2.5.2 分类评价指标 |
| 2.6 本章小结 |
| 第3章 基于理想核优化的高光谱图像分类 |
| 3.1 引言 |
| 3.2 典型的两阶段多核学习方法 |
| 3.2.1 代表性多核学习方法 |
| 3.2.2 基于非负矩阵分解的方法 |
| 3.3 基于理想核优化的多核学习算法 |
| 3.3.1 基于线性规划求解的方法 |
| 3.3.2 基于信号稀疏表示求解的方法 |
| 3.4 分类实验 |
| 3.4.1 实验设置 |
| 3.4.2 结果及分析 |
| 3.5 本章小结 |
| 第4章 基于自适应核结构的高光谱图像分类 |
| 4.1 引言 |
| 4.2 数据相关核 |
| 4.2.1 基于Fisher准则的优化方法 |
| 4.2.2 基于最大间隔准则的优化方法 |
| 4.3 自适应多核学习算法 |
| 4.4 分类实验 |
| 4.4.1 实验设置 |
| 4.4.2 结果及分析 |
| 4.5 本章小结 |
| 第5章 基于马氏距离多核学习的高光谱图像分类 |
| 5.1 引言 |
| 5.2 度量学习 |
| 5.2.1 距离度量函数 |
| 5.2.2 线性度量学习 |
| 5.2.3 典型的马氏距离度量学习方法 |
| 5.3 马氏距离多核学习算法 |
| 5.3.1 马氏距离核函数 |
| 5.3.2 马氏距离多核算法 |
| 5.4 分类实验 |
| 5.4.1 实验设置 |
| 5.4.2 结果及分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（10）断裂构造发育区底板突水致灾机理与危险性预测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 国内外相关研究存在的问题及不足 |
| 1.4 研究内容及技术路线 |
| 2 底板突水致灾机理与力学分析 |
| 2.1 底板突水类型的划分 |
| 2.2 贯穿煤层型底板裂隙突水力学模型推导 |
| 2.3 非贯穿煤层型底板裂隙突水力学模型推导 |
| 2.4 本章小结 |
| 3 贯穿煤层型裂隙底板突水相似材料试验研究 |
| 3.1 研究区域地质特征 |
| 3.2 试验目的 |
| 3.3 试验理论依据 |
| 3.4 试验设备 |
| 3.5 试验设计 |
| 3.6 试验模型制作 |
| 3.7 试验结果分析 |
| 3.8 本章小结 |
| 4 非贯穿煤层型裂隙底板突水数值模拟研究 |
| 4.1 数值模型的构建 |
| 4.2 模拟结果分析 |
| 4.3 本章小结 |
| 5 底板突水预测研究 |
| 5.1 PCA降维分析 |
| 5.2 Fisher判别分析 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间主要成果 |
四、Fisher多级判别准则及其应用（论文参考文献）
- [1]结合图嵌入的双字典学习方法及其图像识别应用研究[D]. 陈天宇. 湘潭大学, 2020(02)
- [2]面向图像分类的判别字典学习方法研究[D]. 凌婧. 武汉大学, 2020(03)
- [3]基于特征表示与编码的图像分类技术[D]. 宋建强. 西安电子科技大学, 2019(07)
- [4]激光扫描技术支持下的山区公路边坡安全风险评价体系研究[D]. 刘洋洋. 河南理工大学, 2019(07)
- [5]IFA-PNN和改进核Fisher算法在变压器故障诊断中的应用研究[D]. 张建. 西安工程大学, 2019(06)
- [6]岸边集装箱起重机安全评价方法研究[D]. 李爱华. 武汉理工大学, 2017(07)
- [7]Fisher多级判别准则及其应用[J]. 丁世飞,靳奉祥. 生物数学学报, 2002(04)
- [8]多指标综合评价理论与方法问题研究[D]. 苏为华. 厦门大学, 2000(01)
- [9]基于多核学习的高光谱图像分类方法研究[D]. 高巍. 哈尔滨工业大学, 2019(01)
- [10]断裂构造发育区底板突水致灾机理与危险性预测研究[D]. 武守鑫. 山东科技大学, 2018(03)