一、多元函数的不连续点及其分类（论文文献综述）
蒋志民[1]（1991）在《多元函数的不连续点及其分类》文中提出本文首先讨论多元函数连续性的两种等值说法,从而给出多元函数不连续点的分类,并对各种情况举例说明.
李祥,杨春华,邢妍,普映娟[2]（2002）在《新形势下《数学分析》课程教考点分析》文中进行了进一步梳理根据师专数学教育专业专业课时压缩的实际情况 ,就《数学分析》课如何开展教学和考查 ,对相关知识点进行分析并提出不同的教学目标层次。以实现在不降低教学质量的同时 ,缓解并进一步解决内容多与课时少的矛盾。
荔建琦[3]（2002）在《进化决策的模型、关键技术与应用研究》文中研究表明决策是指判断、选择、决定等有目的地从多中选一的行为，人类社会实践时刻伴随着决策活动。决策在信息、控制、经济、能源、运输、制造、社会治理等诸多领域均有着广泛的应用，决策水平的高低对科学、工程及其他社会实践的成败、优劣起关键作用。富有成效的决策依赖于科学的决策方法。现代决策技术是集成系统建模、统计分析、优化理论与计算机科学等理论和方法的一门综合性应用学科。对决策技术的研究意义重大。 随着计算机和计算方法的广泛普及，越来越多的复杂计算和推理任务有赖计算机来完成。在信息处理、机器人控制、实验科学研究等领域中提出了智能决策的问题，即机器如何才能根据其所面临的任务，自主地做出行为决策以实现其目的。 几乎一切智能行为，都是通过决策实现的，因而智能决策问题是人类智能的核心问题。发展通用和专用智能决策技术，是人工智能研究面临的基本挑战之一。研究智能决策的动机，不仅在于代替人自动做出决策，更在于在一些复杂决策场景下借助智能技术来完成即使人类专家也难以有效做出的决策。 近年来，随着信息技术的发展普及，在智能控制、商务、金融、实验科学研究、信息服务等应用领域提出了一系列新的复杂智能决策问题，它们具有海量数据、包含随机因素、要求环境适应性、自动决策、实时决策、高可靠性等特点。这些问题，对传统智能决策技术的建模方法和求解手段提出了新的要求。智能决策技术面临前所未有的挑战和机遇。 进化计算是一种借鉴生物进化机制求解优化类问题的新型广谱问题求解范型，在机器学习等领域有着广泛的应用。尽管已经取得了大量的成功，但其应用潜力特别是求解复杂应用问题的潜力远未得到充分释放。智能决策通常通过设计满足目标要求的可计算的决策规则实现，对待求解的决策问题，如果能够设计出普遍适用的可计算的决策规则模式，则原决策问题就归结为寻找最佳决策规则参数的优化问题，因而可以用进化计算求解。 本文提出进化决策（Evolutionary Decision Making）概念。进化决策定义为：结合作为机器学习方法的进化计算和传统决策分析技术，求解智能决策问题的理论、方法和应用的总称。进化决策主要利用了进化算法与形式化计算模型相结合所具备的自动建模能力，它具有隐式因果模型、自学习、弱知识依赖、应用广泛、稳健性、自适应和群体搜索等优势。 追根溯源，进化决策的基本思想正是利用大自然的决策机制（自然选择）来解决客观世界所提出的决策问题，而自然进化又是已知的能力最强的问题求解范型。因此，进化决策未来的发展和应用前景十分广阔。 应用进化决策技术求解智能决策问题提出了两个基本问题：一是如何针对问题特点设计可计算并适于机器学习的智能决策规则模型；二是如何为进化决策中提出的复杂优化问题设计有效且高效的进化优化算法。这是进化决策应用和发展所面临的最主要挑战，也由国防科学技术大学研究生院学位论文此构成本文工作选题的主要依据。 本文论述了提出进化决策方法的主要依据，阐明其基本方法和基本研究内容。针对智能决策领域当前面临的问题，以及进化计算理论和应用所带来的启示，本文工作的目标是，面向智能决策应用问题带来的挑战，以典型智能决策应用问题求解为牵引，发展通用型进化决策模型以及相关的关键性支撑技术、理论和具体应用模型。 主要内容可以概括为两个模型、三个层面:基于多元单调函数逼近的多目标进化决策模型（EDMMFA）和基于候选方案排序的进化决策模型（EDMBCR），以及每种模型的一般求解方法、关键性支撑技术和应用。此外，还包括一些其他相关工作。 主要内容概括如下。 一、基于多元单调函数逼近的多目标进化决策方法EDMMFA的模型、关键技术和应用。 多元单调函数在多目标决策中有着重要应用，而完备可靠的多元单调函数逼近模型至少在机器学习领域尚未见到报道。针对多元单调连续函数的特点，提出结合采样函数和样条函数特点的Ml函数，证明其多元单调逼近的完备性和可靠性。借助采样函数的有界变差性质，将Ml函数模型推广应用于一般连续函数逼近，证明其一致逼近的完备性。Ml逼近模型的优点在于，逼近函数具有线形和模块化的结构，结构复杂度仅随目标函数的维数增长成线性增长等。设计进化逼近算法，通过实验证实了其在机器学习应用中的有效性。 发现多元单调连续函数的可近似降维分解性质，据此，分别提出单调和一般多元函数的梯田逼近法。证明前者单调一致逼近的可靠性和完备性，以及后者通用一致逼近的完备性。该模型的优点在于，逼近函数可以处处任意光滑，从而可以改善机器学习结果的推广能力。通过进化逼近实验，证实了其在机器学习应用中的有效性。针对复杂形态函数的进化逼近易陷入局部极小的问题，提出基于Ml函数“素描”的二次逼近法和基于采样误差权值适应性机制的动态适应值策略，使进化逼近解的精度有明显改善。 与广泛流行的人工神经网络等通用函数逼近模型不同，上述两类模型均具备可靠的单调逼近能力，该性质为当前已有的同类逼近
刘盛利[4]（2012）在《中国微积分教科书之研究（1904-1949）》文中进行了进一步梳理清政府于1904年颁布并实施《癸卯学制》后,揭开中国教育的新篇章,高等数学教育亦进入新的时代。作为高等数学基础知识的微积分教科书建设是亟需解决的问题。在新型教育体制下,微积分教科书的编写、出版内容体系的变迁等情况如何?以此为切入点,以文献研究法为主,以比较法、图表法、个案分析法为辅,对中国在1904～～1949年间中文版微积分教科书进行梳理,呈现该时期微积分教科书之发展经纬。首先,论述了选题目的与意义、国内外研究现状、研究思路和拟创新之处。目前,中国关于微积分教科书发展史的研究尚显薄弱,在已有的研究成果中,有的主题比较宽泛,针对性不强；有的从宏观上综述各门教科书的发展情况,而没有详细论述某一门学科教科书的发展过程。本文从宏观上爬梳1904～1949年间中国微积分教科书之沿革,再从微观上分析其内容变化与编写特点。其次,将1904～1949年划分为四个阶段,分别阐述每个时间段中国微积分教科书之发展概况及其编写特点。其中1904～1911年以潘慎文（Alvin Pierson Parker,1850～1924）与谢洪赉（1872～1916）合译的《最新微积学教科书》为案例,1912～1922年以匡文涛翻译、根津千治着的《微积分学讲义》为案例,1923～1934年以熊庆来的《高等算学分析》为案例,1935～1949年以李俨的《微积分学初步》为案例,详细分析研究其编排形式、内容特点、名词术语的采用等。最后,以微分与导数、积分、微分中值定理为对象,横向分析研究其在1904～1949年微积分教科书中的发展历程,厘清其在不同时期不同称谓的演变情况。拟创新之处如下：第一,基于第一手资料之研究,以数学史和数学教育史为视角,从宏观上梳理中国1904～1949年间微积分教科书之发展历程,从微观上分析研究每个时间段中国微积分教科书之编写特点。第二,探究中国微积分教科书编写的宗旨、指导思想及其制约因素。厘清中国微积分教科书所蕴含的文化变革与思想方法之完善历程。第三,在纵向梳理微积分教科书之基础上,以微分与导数、微分中值定理及积分为切入点,横向研究其在教科书中之沿革情形,说明这些知识点在叙述上更加严密,在逻辑推理上更加科学。
刘建成[5]（2005）在《模糊模型的智能学习方法与应用研究》文中认为为了提高模糊模型面向复杂对象的学习能力和应用能力,将模糊模型与其它智能技术有机结合,成为互补的混合智能模糊模型。学习模糊模型具有多约束性和多目标性,单一智能技术学习模糊模型所涉及的问题是非常困难的,有必要利用多种智能技术通过互相合作,协同求解模糊模型,为此本文利用智能协作、层次智能、混合智能等理论和技术,从不同的角度研究这些智能方法与模糊模型互补学习的问题,构造基于多智能混合的模糊模型,为不同应用目的和不同类型的模糊模型学习问题提供一般性的学习框架,可几乎在不了解对象情况下,通过这些框架学习基于对象实值样本数据的不同特征模糊模型（广义模糊模型、语言模型、分层模糊模型）。 论文系统论述了模糊模型的表现形式及各自特点、糊模型的学习内容和模糊建模过程,总结了模糊建模技术的研究现状及存在的问题,相关计算智能技术的基本特征和研究现状。 在对当前主要应用的各种模糊模型进行统一描述（称为广义模糊模型）的基础上,提出了广义模糊模型的协同进化（COE-GFM）。在协同进化框架下将广义模糊模型的完整解由两类种群组成,第一类种群描述模糊模型及其规则的结构,采用灵活的二维编码方式;第二类种群描述了各分区隶属函数参数,采用分层树状结构编码方式,根据各种群的编码特点采用不同的进化策略,两异构种群协同进化形成模糊模型。GFM-COE可学习各种类型的模糊模型,并表现出较好的紧凑性和精确性,其另一个特点对系统的先验专家知识要求较少,几乎能实现黑箱系统的模糊模型学习。通过函数近似、混沌时间序列预测预测和典型分类问题为例证明模型的有效性。 可理解性模糊模型（语言模型）具有很好的对象描述性和认知性,但其在面向复杂对象时精确性比较低,为此开展了语言模型的可理解性和精确性平衡策略研究,提出了两种策略提高语言模型的精确性,一种是使语言值及其隶属函数参数符合各对象变量的本质特征,另一种是在子空间引入协作规则。应用微粒群算法（PSO）学习各变量上的语言值及其正交隶属函数参数,并采用合适的语言值合并策略,形成候选规则集和粗糙语言模型;应用模拟退火算法（SA）优选各子空间上的候选规则,重构精确的语言模型。在应用微粒群算法过程中,提出了基于模型性能启发信息和迭代次序特征的微粒惯性权重自适
郭伟娅[6]（2015）在《基于光学遥感图像的舰船目标识别研究》文中指出舰船作为海上重要的载体,对其进行自动检测和识别具有重大意义,尤其是随着光学遥感技术的日益发展,如何快速地从大数据光学遥感图像中自动检测和识别出舰船目标是一项极具挑战性的工作。围绕这一主题,本文从舰船目标识别的实际需求出发,以大于4m分辨率的光学遥感图像为研究对象,对基于光学遥感图像的舰船目标识别展开了研究,本文的主要工作和创新点体现在以下几个方面:（1）针对舰船目标分割问题,设计了一种基于局部熵驱动的Chan-Vese（CV）分割模型。基于曲线上局部邻域的计算和信息熵作为曲线内外区域在目标能量函数中的权重的表示方式,加快了曲线的演化速度与演化的自主性。在CV模型的初始轮廓提取中,引入了一种基于视觉显着性机制的先验知识的提取方法,改进了霍夫（Hough）圆检测算法。提出了一种基于局部盒滤波技巧的二维最大类间方差（Otsu）阈值分割算法,降低了算法的时间复杂度;改进的Hough变换中,通过自定义的不等式组来对图像轮廓的边缘点进行筛选判断,降低了算法的计算量。（2）为选择最具影响力的目标属性,研究了三种属性约简算法,基于信息熵的约简算法、粗糙集约简算法、基于多目标演化方式的约简算法,提出了基于优势关系邻域粗糙集理论的半监督属性约简算法。而基于信息熵的约简算法采用了邻域互信息知识,丰富了算法的可用信息源;基于优势关系邻域粗糙集理论的半监督属性约简算法通过定义优势关系的有序属性集（优势集）,节省了算法的计算时间;多目标演化方式的属性约简算法综合运用了复合交叉算子和K近邻赋值策略,加快了算法的收敛速度。（3）基于设计高效的目标分类器的考量,研究了两种算法和四种模型。为提高算法的分类精度,引用了基于流形近似度的距离度量标准,提出了基于流形空间表示的近邻传播算法;为避免依靠人为经验值来判断某节点是否停止分裂的主观性,增强算法的自适应性,引用了信息熵的节点分裂度量指标,提出了基于信息熵的层次判别回归算法;为提升模型的分类性能,采用了基于流形近似度的距离度量标准,并对参与后续分类计算的邻居节点的数量进行了限制,提出了基于变分推理的动态概率生成模型;为缩短算法的运行时间,改进了算法初始化计算过程,运用积分技巧的盒滤波技术计算各聚类中心的均值,完善了基于逆狄利克雷分布的有限混合模型;为加速算法的迭代进程,简化计算过程,通过定义基于优势关系的约简规则,构建了有序属性优势集,改进了基于优势关系邻域粗糙集理论的协同分类模型;为提高学习模型的分类性能,改进了样本差异度的计算方式,根据重新定义的基于流形结构表征的样本差异度的概念,完善了基于流形结构表征的主动式学习模型。理论分析和实验结果表明,本文提出的算法或模型可有效识别出舰船目标,相信其对今后基于光学遥感图像的舰船目标识别方法的研究具有一定的理论参考意义及应用参考价值。
李萍[7]（2003）在《长江三峡库区链子崖危岩体的稳定性分析》文中提出由于地质条件、环境条件的复杂性,岩体的稳定分析和预报研究目前还是一个世界性的科学难题。成功预报大多是通过监测工作实现的。而运用什么样的理论,建立何种理论模型能有效地解决崩塌的预报,达到科学预报防灾减害的目的,仍值得深入地探索研究。本论文应用突变理论和有限元理论方法进行链子崖危岩体系统的稳定分析,寻求新的综合预报模型及其稳定判据。本文的主要工作如下:（1）比较了危岩体稳定判据及预报判据的不同方式及其适用性。以链子崖原型观测资料为依据,用突变理论的稳定分析方法建立该系统的稳态模型来判别其稳定性。（2）建立链子崖软弱层变形的简化力学模型。从系统的势函数出发,导出危岩体失稳的尖点突变模型,并据此对危岩体失稳的机理和一些动力学特性进行了理论上的分析。提出了突变条件和临界失稳点的位移值公式。（3）运用有限元理论分析链子崖危岩体的稳定性。（4）提出新的研究和预测危岩体稳定的试验方法:根据位移和变形观测资料,通过力学实验或计算机数值模拟危岩体的位移和地应力的变化过程,利用突变理论分析危岩体的临界状态。通过对参数的演变轨迹进行动态分析,以预测失稳是否发生。
桂江生[8]（2007）在《二维水果形状检测与分类算法研究》文中指出在水果品质检测和分级中，形状是一个非常重要的指标，在国家标准中有严格的规定。本文在大量实验研究的基础上，通过对多种算法的对比分析，设计了具有统一架构的水果形状检测算法；从数学角度提出了形状的定义，并针对正常果形、轻度畸形、严重畸形三种类别研究了不同的形状描述方法；讨论了常用的分类器对形状分类结果的影响；最后针对基于形状描述的分类精度不是很高的情况，定义了新的测度并建立了基于配准技术的形状分类框架，达到了预期的研究目标。主要研究内容和研究结果如下：1．解决了如何从众多的去噪方法中选择适合水果形状检测的方法的难题。对于高斯噪声和随机噪声类型图像，在原始图像信噪比大于8时，选择全变差（Total Variation，TV）方法恢复可以达到最好效果；信噪比小于8时，选择维纳滤波才可以达到最好的恢复效果；而对于椒盐噪声类型图像，选用中值滤波时恢复效果最好。2．提出了运用矩阵广义逆和奇异值分解的方法恢复运动模糊图像，并用已知大小的标准球做实验，检测恢复后图像中球的大小，实验结果表明，提出的方法恢复后的图像质量要高于传统的盲去卷积等方法，速度要比差分递推法快6倍，比投影迭代方法快60倍。3．提出了多尺度水平集形状检测方法，解决了传统的方法无论是检测算子还是梯度向量流无法检测表面含有丰富颜色特征的水果形状的问题。实验结果表明该方法具有一系列的优点：无需任何形状预处理操作；具有一定的光照适应性；能够平滑地检测表面含有丰富颜色特征的水果，非常适合水果形状检测。4．提出了多尺度能量分布形状描述方法，将形状轮廓序列看作一周期信号，从多分辨率分析角度来说，代表形状全局信息的主要能量分布在粗尺度上，而表示形状局部信息的次要能量分布在细尺度上，该方法对严重畸形的水果分类比较有效，实验结果表明其分类精度可以达到81.20％。该方法中基于最大期望方法确定起始点的方法，可以唯一确定起始点，这对解决形状描述中旋转不变性问题非常有效。5．系统地分析和比较了目前常用形状描述方法，提出了将小波矩方法用于水果形状描述，得出结论：在水果形状分类中，用具有对称性的小波基（如Morlet小波）和最近邻法分类准则时，正常果形、轻度畸形及严重畸形的分类准确率可以达到69.42％、80.47％及72.62％。6．分析了分类器对水果形状分类结果的影响，集中研究了线性判别函数、聚类分析、BP神经网络和支持向量机等四种分类器分别对三种不同的输入特征模式（傅立叶描述子特征、Zernike矩特征和小波矩特征）时的分类性能。得出结论：无论用什么分类器，小波矩特征模式作为输入模式时，都能得到最好的分类结果；其次对小波矩特征模式而言，三个聚类中心的聚类分析方法和支持向量机作为分类器都能得到尚为满意的分类精度。采用三个聚类中心的聚类分析方法时，正常果形、轻度畸形及严重畸形的分类正确率为86.21％、65.78％和85.71％；而采用支持向量机作为分类器时，分类正确率分别为：70％、83.56％和75％。7．建立了基于配准技术的水果形状分类框架。定义了新的测度，该测度基于面积差水平集表示原理，将待分类的形状与已知类别的形状进行配准以使得它们的不重合面积最小。并从基于最小测度配准和运动估计配准两个方面进行实验，实验结果表明基于配准的方法能达到更高的分类精度和令人满意的结果，正常果形的分类正确率91.20％，轻度畸形的分类正确率为85.88％，严重畸形分类正确率为83.34％。
严雪芹[9]（2020）在《支持向量机中Gegenbauer修正核的构造研究与应用》文中进行了进一步梳理核函数是满足Mercer正定核条件,且与向量化样本内积运算有关的函数,用来衡量样本在特征空间的相似度大小。将核函数引入支持向量机分类算法中,可以将低维线性不可分的样本映射到高维空间实现线性分类,避开了直接计算样本高维分布时遇到的维度灾难,降低模型应用的复杂度。Gegenbauer正交多项式作为一种函数逼近器,本身具有抗特征空间数据冗余的优良性能,同时可通过改变参数值近似地拟合至任意函数,由其构造的核函数具有半参数性,能极大简化核参数优化。弊端是Gegenbauer在描述样本间相似度时,会全局地给所有比较的样本一定的相似度,有时会给离的较远样本一个较大的相似度,或者离得近的样本较小的相似度,导致模型训练时因为特征信息不全而欠学习。本文为了解决Gegenbauer核函数支持向量机欠学习的弊端,基于多核学习的集成思想,根据信息表达方式的不同,将Gegenbauer核函数分别与拉普拉斯核函数和柯西核函数进行乘积组合。因为这两种核函数只能描述样本的局部特征,对与距离样本中心较远但重要度很高边缘特征,会有一定程度的相似度流失。相比Gegenbauer这种只能描绘样本全局特征,而忽视局部表达能力良好特性信息,将其作为Gegenbauer核函数的权函数,在一定程度上起到修正作用,使得Gegenbauer核函数能够精确刻画样本相似度信息,从而提高支持向量机的学习能力。通过在UCI数据上进行对比实验,验证了这种修正后的Gegenbauer核的分类效果优于之前,同时在学习能力和泛化能力上优化常用的几种核函数。。最后基于上面改进的Gegenbauer修正核支持向量分类模型,应用在Kaggle机器学习平台的肺部X射线影像分类中。对图片进行一般性预处理后,由于支持向量机是非端到端的分类模型,需要将图片特征提取出来进行计算。通过分析肺部X图像特征——不确定性、多模态性、模糊性,基于统计方法提取X射线图像的纹理特征。通过Borderline-SMOT算法解决了各类图像数据间类别不平衡的问题,通过在几种修正Gegenbauer修正核支持向量机中进行实证分析,最后的分类准确率和分析图片所耗费时间,与Kaggle赛事中其他选手选择的神经网络算法相比,得到的结果也是相对较好,其分类准确率也具有一定的应用价值。
贺霖[10]（2003）在《图象测量及分析系统的研究》文中研究指明在当今，信息技术正深刻地改变着人类社会的方方面面。随着计算机软、硬件技术的迅猛发展，特别是计算机在计算速度、传输速度、存储容量等方面的极大提高和在各个行业的迅速普及，计算机图象处理技术已得到迅速发展和广泛应用。图象测量是计算机图象处理技术应用的一个重要领域，它已经越来越广泛的应用于许多生产和研究领域。而已经商业化的通用性的应用系统对于特定应用场合来说不一定能满足需要，因此，该课题的提出有其必要性和现实的意义。本论文在一般光学镜头的基础上实现了一种基于面阵CCD摄像机的图象测量及分析系统。该系统能够实现图象式自动对焦采集图象和在线对回转体工件装配间隙进行测量分析的任务。在图象式自动聚焦过程中，论文采用了图象的灰度差分的绝对值之和的平方作为焦距评价函数，解决了是否正确聚焦的快速判断问题；采用了一种行之有效的基于阈值和曲线拟合的自动聚焦搜索方式，使聚焦速度和精度都得到了很大的提高。论文在分析当前图象分割的现状和趋势的基础上，采用基于LoG算子的动态阈值选取对图象进行分割，以克服非均匀光场给图象分割带来的影响，然后通过对区域特征的提取和分类准则的确定，准确识别出目标区域。并用最小二乘法拟合得到的二值边缘，使装配间隙宽度的测量的精度和准确性得到了极大的保证。论文综合分析了图象处理系统的各个组成部分对整个系统测量分析的精度影响的因素，明确了在已经预先配置好的硬件设计的基础上，通过软件的方法来加以补偿，在硬件设备以及用于对数字图象处理进行处理和定量分析的算法之间建立一个平衡，使系统的整体性能满足任务的需要。实验表明该系统具有对焦速度快、范围大、对焦精确，系统精度高、体积小，可扩充性好的特点。聚焦范围可达几十毫米，聚焦时间为5秒钟，重复精度为7。装配间隙宽度测量的精度为微米级。
二、多元函数的不连续点及其分类（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：
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、多元函数的不连续点及其分类（论文提纲范文）
（2）新形势下《数学分析》课程教考点分析（论文提纲范文）
| 1 函数 |
| 1.1 主要内容 |
| 1.2 考查点及目标层次: |
| 2 极限 |
| 2.1 主要内容 |
| 2.2 考查点及目标层次 |
| 3 连续函数 |
| 3.1 主要内容 |
| 3.2 考查点及目标层次 |
| 4 实数的连续性 |
| 4.1 主要内容 |
| 4.2 考查点及目标层次 |
| 5 导数与微分 |
| 5.1 主要内容 |
| 5.2 考查点及目标层次 |
| 6 微分学基本定理及其应用 |
| 6.1 主要内容 |
| 6.2 考查点及目标层次 |
| 7 不定积分 |
| 7.1 主要内容 |
| 7.2 考查点及目标层次 |
| 8 定积分 |
| 8.1 主要内容 |
| 8.2 考查点及目标层次 |
| 9 级数 |
| 9.1 主要内容 |
| 9.2 考查点及目标层次 |
| 1 0 多元函数微分学 |
| 1 0.1 主要内容 |
| 1 0.2 考查点及目标层次 |
| 1 1 隐函数 |
| 1 1.1 主要内容 |
| 1 1.2 考查点及目标层次 |
| 1 2 广义积分和含参变量的积分 |
| 1 2.1 主要内容 |
| 1 2.2 考查点及目标层次 |
| 1 3 重积分 |
| 1 3.1 主要内容 |
| 1 3.2 考查点及目标层次 |
| 1 4 曲线积分与曲面积分 |
| 1 4.1 主要内容 |
| 1 4.2 考查点及目标层次 |
（3）进化决策的模型、关键技术与应用研究（论文提纲范文）
| 目录 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究背景 |
| 1.2.1 决策、决策分析与智能决策 |
| 1.2.2 主观型决策与求解 |
| 1.2.3 客观型决策与求解 |
| 1.2.4 专用决策与一般决策 |
| 1.2.5 智能决策 |
| 1.2.6 智能决策技术面临的挑战 |
| 1.2.7 进化计算及其发展趋势 |
| 1.3 进化决策 |
| 1.3.1 进化决策思想的提出 |
| 1.3.2 进化决策方法 |
| 1.3.3 进化决策的研究内容 |
| 1.4 与进化决策相关的研究领域 |
| 1.4.1 非机器学习类的智能决策模型 |
| 1.4.2 机器学习领域非进化计算类智能决策模型 |
| 1.4.3 作为交叉学科母学科的决策分析模型 |
| 1.4.4 进化计算在决策中的应用研究现状 |
| 1.4.5 进化决策与进化优化 |
| 1.5 本文工作概要 |
| 1.5.1 本文的主要工作与贡献 |
| 1.5.2 本文的组织 |
| 1.5.3 几点补充说明 |
| 第二章 进化计算概述 |
| 2.1 进化计算基本概念 |
| 2.1.1 基本思想 |
| 2.1.2 基本分类 |
| 2.2 遗传算法 |
| 2.2.1 简单遗传算法(SGA) |
| 2.2.2 遗传算法的理论基础 |
| 2.2.3 遗传算法的评价标准 |
| 2.2.4 遗传算法的设计决策 |
| 2.2.5 遗传算法的主要优点 |
| 2.2.6 当前的研究内容 |
| 第三章 基于MI函数的多元函数逼近 |
| 3.1 本章摘要 |
| 3.2 引言 |
| 3.3 基于MI函数的单调函数逼近 |
| 3.4 基于MI函数的一般函数逼近 |
| 3.5 进化逼近 |
| 3.5.1 单调函数的进化学习 |
| 3.5.2 一般函数的进化学习 |
| 3.6 进化逼近实验及应用 |
| 3.6.1 MAGA:单调函数进化逼近实验 |
| 3.6.2 UAGA:一般函数进化逼近实验 |
| 3.6.3 MI函数进化逼近用于决策策略学习 |
| 3.7 小结 |
| 第四章 基于试验设计的进化逼近算法参数优选 |
| 4.1 引言 |
| 4.2 试验因素与水平选择 |
| 4.3 试验设计表选择 |
| 4.4 参数水平划分与优选试验设计 |
| 4.5 试验结果 |
| 4.6 算法性能分析与改进 |
| 4.7 算法长期搜索性能分析、优化及算法参数优选 |
| 4.7.1 算法长期搜索性能分析 |
| 4.7.2 多种群算法的保护区策略 |
| 4.7.3 长期搜索算法参数优选 |
| 4.7.4 单调逼近最优解搜索试验 |
| 第五章 多元函数的梯田逼近法 |
| 5.1 本章摘要 |
| 5.2 引言 |
| 5.2.1 梯田逼近法原理概要 |
| 5.2.2 研究背景 |
| 5.3 MTAM:多元单调函数的梯田逼近法 |
| 5.4 UTAM:多元一般函数的梯田逼近法 |
| 5.5 进化逼近实验 |
| 5.5.1 基本原理 |
| 5.5.2 基于MTAM的单调函数进化逼近实验 |
| 5.5.3 基于UTAM的一般函数进化逼近实验 |
| 5.5.4 算法性能分析、二次逼近法和适应性适应值策略 |
| 5.5.5 新方法实验及结果 |
| 5.5.6 小结 |
| 5.6 结论和讨论 |
| 第六章 基于多元单调函数逼近的多目标进化决策及应用 |
| 6.1 引言 |
| 6.2 多目标决策问题与决策分析 |
| 6.2.1 决策问题及其难点 |
| 6.2.2 价值函数存在定理 |
| 6.2.3 传统多目标决策分析方法及其局限性 |
| 6.3 基于多元单调函数逼近的多目标进化决策模型 |
| 6.4 收益／耗费型多目标智能决策问题 |
| 6.5 自主勘查机器人智能控制器设计问题 |
| 6.5.1 积木世界 |
| 6.5.2 机器人 |
| 6.5.3 问题描述 |
| 6.6 问题建模 |
| 6.6.1 基本分析 |
| 6.6.2 综合评估函数模型 |
| 6.7 机器人控制器模型 |
| 6.8 基于EDMMFA的机器人控制器进化设计实验 |
| 6.8.1 遗传算法 |
| 6.8.2 实验结果 |
| 6.9 小结 |
| 第七章 随机试验型适应值计算 |
| 7.1 引言 |
| 7.2 分布模型估计与检验 |
| 7.3 性能期望估计 |
| 7.4 样本选择 |
| 7.5 测试集选择 |
| 7.6 结论与下一步工作 |
| 7.7 附录 |
| 附录A. 实验数据命名约定 |
| 附录B. 本章所用实验数据 |
| 附录C. 分布的拟和优度检验(x~2检验和偏度、峰度检验SKT) |
| 附录D. 本章部分定理证明 |
| 第八章 基于候选方案排序的进化决策方法 |
| 8.1 本章摘要 |
| 8.2 引言 |
| 8.3 基于候选方案排序的进化决策模型 |
| 8.4 积木收集机器人控制器设计问题 |
| 8.4.1 积木世界 |
| 8.4.2 机器人 |
| 8.4.3 问题描述 |
| 8.5 控制器模型与进化决策 |
| 8.6 排序遗传算法 |
| 8.7 进化机器人实验及结果 |
| 8.8 小结 |
| 8.9 致谢 |
| 第九章 排序遗传算法 |
| 9.1 本章摘要 |
| 9.2 引言 |
| 9.3 某些第二类排序问题是NP难的 |
| 9.4 排列问题的编码与算子 |
| 9.4.1 TSPGA用于求解排序问题 |
| 9.4.2 排序编码及其算子 |
| 9.4.3 次序编码及其算子 |
| 9.5 排序问题遗传算法OPGA |
| 9.5.1 序数编码及其算子 |
| 9.5.2 隐序编码及其算子 |
| 9.6 排序测试问题 |
| 9.6.1 排序距离及其性质 |
| 9.6.2 三种排序测试问题 |
| 9.7 实验与数据分析 |
| 9.7.1 OPGA性能比较实验方案 |
| 9.7.2 实验结果 |
| 9.7.3 算法性能差异的判断准则 |
| 9.7.4 几种评估算法性能的指标 |
| 9.7.5 实验结果分析 |
| 9.8 算子组合的互补效应 |
| 9.8.1 对互补效应的进一步分析 |
| 9.8.2 互补效应的严格定义及其普遍性 |
| 9.8.3 互补效应的启示:基于互补效应的概率混合变异算子设计与实验 |
| 9.9 应用模型举例:一类序贯决策问题 |
| 9.10 与相关工作的比较 |
| 9.11 结论与讨论 |
| 9.12 附录 |
| 附录A. 秩和秩相关系数 |
| 附录B. 本章部分定理证明 |
| 附录C. OPGA实验数据1:6种“编码+解释”下的最优算子组合数据 |
| 附录D. OPGA实验数据2:全部算子组合的性能总排名 |
| 附录E. 文献[45]实验数据中的互补效应统计 |
| 第十章 排序遗传算子搜索特性分析与性能改进 |
| 10.1 引言 |
| 10.2 排列编码排序问题适应值图景 |
| 10.2.1 关于排列距离的组合学结论 |
| 10.2.2 适应值图景的基本概念 |
| 10.2.3 基本定义准则 |
| 10.2.4 编码 |
| 10.2.5 适应值函数 |
| 10.2.6 邻域的定义 |
| 10.3 交叉算子搜索特性描述 |
| 10.3.1 算子搜索特性的四级描述 |
| 10.3.2 算子定义 |
| 10.3.3 高级特征:邻域结构及其分布 |
| 10.3.4 统计指标 |
| 10.3.5 搜索特性可视化 |
| 10.4 交叉算子搜索特性试验 |
| 10.4.1 交叉算子搜索特性探索性分析试验方案 |
| 10.4.2 逆序距离等距排列随机采样算法 |
| 10.4.3 试验设计:参数与统计量 |
| 10.4.4 搜索特性与性能的相关性分析 |
| 10.5 变异算子搜索特性 |
| 10.5.1 试验设计 |
| 10.5.2 搜索特性与性能的相关性分析 |
| 10.6 交叉与变异算子的组合特性分析 |
| 10.6.1 交叉与变异算子间的相关现象:第二类互补效应 |
| 10.6.2 存在第二类互补效应的算子组合其后代距离分布差异对比实验 |
| 10.6.3 存在第二类互补效应的算子组合搜索特性分析 |
| 10.6.4 “MT_8+CX_(12)”的组合特性 |
| 10.6.5 “MT_(14)+CX_(12)”的组合特性 |
| 10.6.6 结论:算子后代等距线内分布特异性导致第二类互补效应 |
| 10.7 稳健遗传算子设计 |
| 10.7.1 基于第二类互补效应的概率混合变异算子设计策略 |
| 10.7.2 一种基于第二类互补效应的概率混合变异算子及其实验 |
| 10.8 广谱可伸缩变异算子 |
| 10.8.1 定义 |
| 10.8.2 性能比较实验 |
| 10.9 小结 |
| 10.10 附录 |
| 附录A. 关于排列的已有结论 |
| 附录B. “MT_8+CX_(12)”情况(3)的基因值变化平均值计算 |
| 附录C. 交叉算子后代距离分布的二维数据 |
| 附录D. 交叉算子后代距离分布特性谱图 |
| 附录E. 交叉算子后代距离分布一维直方图 |
| 附录F. 交叉算子后代距离分布二维直方图 |
| 附录G. 变异算子后代距离分布试验数据图表 |
| 第十一章 共同进化计算综述 |
| 11.1 引言 |
| 11.2 共同进化计算的研究现状 |
| 11.3 存在的问题与可能的研究方向 |
| 11.3.1 适应值评估 |
| 11.3.2 合作的产生 |
| 11.3.3 持久维持期望的进化压力 |
| 11.3.4 异构进化 |
| 11.3.5 克服复杂性技术 |
| 11.3.6 新型共进化计算模型 |
| 11.3.7 策略表示 |
| 11.3.8 多策略和动态策略调整 |
| 11.3.9 并行模型 |
| 11.3.10 理论研究 |
| 11.3.11 新型应用开发 |
| 11.4 共同进化计算研究中的测试问题 |
| 11.5 小结 |
| 第十二章 一种异构合作共同进化算法 |
| 12.1 引言 |
| 12.2 进化计算与人工智能问题求解范型 |
| 12.3 共同进化与共同进化计算 |
| 12.4 异构合作共同进化算法及实验 |
| 12.5 结论与讨论 |
| 第十三章 一种基于间断平衡动力学的适应性遗传算法 |
| 13.1 本章摘要 |
| 13.2 引言 |
| 13.3 算法设计思想 |
| 13.4 对比实验及结果 |
| 13.5 小结 |
| 第十四章 结束语 |
| 14.1 本文的主要贡献 |
| 14.2 对未来工作的展望 |
| 作者在攻读博士学位期间发表的论文 |
| 致谢 |
| 参考文献 |
（4）中国微积分教科书之研究（1904-1949）（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究缘起及意义 |
| 1.2 研究现状 |
| 1.2.1 线装书之研究 |
| 1.2.2 教科书之研究 |
| 1.2.3 高等教育之研究 |
| 1.2.4 思想史之研究 |
| 1.3 研究方法 |
| 1.3.1 文献研究法 |
| 1.3.2 比较研究法 |
| 1.3.3 个案分析法 |
| 1.3.4 图表法 |
| 1.4 研究范围与思路 |
| 1.5 拟创新之处 |
| 2 清末时期(1904～1911) |
| 2.1 高等教育概况 |
| 2.1.1 时代背景 |
| 2.1.2 清末学制之制定 |
| 2.2 清末微积分教科书之汇总 |
| 2.3 案例分析——以《最新微积学教科书》为例 |
| 2.3.1 《最新微积学教科书》作者及译者简介 |
| 2.3.2 《最新微积学教科书》内容简介 |
| 2.3.3 《最新微积学教科书》之特点 |
| 2.3.4 《最新微积学教科书》之思想体系 |
| 2.4 小结 |
| 3 民国初期(1912～1922) |
| 3.1 背景概况 |
| 3.1.1 主要教育思潮 |
| 3.1.2 学制演进 |
| 3.1.3 中国大学数学系概况 |
| 3.2 微积分教科书之概述 |
| 3.3 案例分析——以《微积分学讲义》为例 |
| 3.3.1 内容概要 |
| 3.3.2 名词术语 |
| 3.3.3 特点分析 |
| 3.4 小结 |
| 4 民国中期(1923～1934) |
| 4.1 时代背景 |
| 4.2 微积分教科书之概述 |
| 4.3 案例分析——以《高等算学分析》为例 |
| 4.3.1 作者简介 |
| 4.3.2 出版背景及内容简介 |
| 4.3.3 名词术语与数学符号 |
| 4.3.4 插图配置 |
| 4.3.5 习题设置 |
| 4.3.6 特点分析 |
| 4.4 自编微积分教科书与译本之比较 |
| 4.4.1 编写目的之比较 |
| 4.4.2 内容之比较 |
| 4.4.3 逻辑推理之比较 |
| 4.5 小结 |
| 5 民国晚期(1935～1949) |
| 5.1 时代背景 |
| 5.2 微积分教科书之概述 |
| 5.2.1 商务印书馆出版之微积分教科书 |
| 5.2.2 中华书局出版之微积分教科书 |
| 5.2.3 其它书局出版之微积分教科书 |
| 5.3 案例分析——以《微积分学初步》为例 |
| 5.4 小结 |
| 6 微积分教科书中部分核心内容之沿革 |
| 6.1 导数与微分之沿革 |
| 6.2 积分之沿革 |
| 6.3 微分中值定理之沿革 |
| 6.4 小结 |
| 7 结语 |
| 7.1 微积分教科书发展之特点 |
| 7.2 进一步研究的问题 |
| 参考文献 |
| 附录1 张方洁译《奥氏初等微积分学》之目录 |
| 附录2 周梦麟译《微积分学》之目次 |
| 附录3 何衍璿,李铭盘,苗文绥合编《微积概要》之目录 |
| 附录4 孙光远,孙叔平《微积分学》之目次 |
| 攻读博士学位期间科研统计 |
| 致谢 |
（5）模糊模型的智能学习方法与应用研究（论文提纲范文）
| 第一章 导论 |
| 1.1 引言 |
| 1.1.1 问题的提出 |
| 1.1.2 课题的来源 |
| 1.2 模糊建模技术综述 |
| 1.2.1 系统专家直接方法 |
| 1.2.2 数值计算方法 |
| 1.2.3 基于计算智能的学习方法 |
| 1.3 研究内容及章节安排 |
| 第二章 模糊模型与计算智能 |
| 2.1 模糊集与模糊模型 |
| 2.1.1 模糊集与模糊操作 |
| 2.1.2 模糊推理 |
| 2.1.3 模糊模型的特征分析 |
| 2.1.4 模糊模型的连接表示 |
| 2.2 模糊建模 |
| 2.2.1 模糊建模过程 |
| 2.2.2 模糊建模涉及的内容 |
| 2.3 计算智能 |
| 2.3.1 进化计算 |
| 2.3.2 模拟退火 |
| 2.3.3 群智能理论 |
| 2.3.4 神经网络 |
| 第三章 广义模糊模型的协同进化 |
| 3.1 引言 |
| 3.2 协同进化模型 |
| 3.2.1 多种群协同进化框架 |
| 3.2.2 协同进化一般性算法 |
| 3.3 模糊模型的广义描述 |
| 3.3.1 广义模糊模型 |
| 3.3.2 广义模糊模型的学习内容 |
| 3.4 广义模糊模型的协同进化策略 |
| 3.4.1 广义模糊模型的种群分解 |
| 3.4.2 协作适应值评估策略 |
| 3.4.3 异构种群的进化策略 |
| 3.4.4 广义模糊模型的协同进化算法 |
| 3.5 协同进化广义模糊模型在近似及预测中的应用分析 |
| 3.5.1 后件参数的估计技术 |
| 3.5.2 函数近似算例分析 |
| 3.5.3 混沌时间序列预测 |
| 3.6 协同进化广义模糊模型分类能力分析 |
| 3.6.1 模糊模型分类策略 |
| 3.6.2 分类性能分析 |
| 3.7 本章小结 |
| 第四章 语言模型的层次学习 |
| 4.1 引言 |
| 4.2 语言模型及其精确性改进措施 |
| 4.2.1 语言模型可理解性特征 |
| 4.2.2 语言模型的理解性与精确性权衡 |
| 4.2.3 简化语言模型的推理计算 |
| 4.3 基于改进微粒群算法的语言值参数学习 |
| 4.3.1 微粒群算法的改进 |
| 4.3.2 语言值微粒群学习的实现 |
| 4.4 基于模拟退火的语言模型重构 |
| 4.4.1 语言模型的模拟退火策略 |
| 4.4.2 语言模型的模拟退火算法实现 |
| 4.5 算例分析 |
| 4.5.1 语言模型层次学习仿真应用分析 |
| 4.5.2 改进微粒群算法的应用效果分析 |
| 4.6 本章小结 |
| 第五章 分层模糊模型的混合智能学习 |
| 5.1 引言 |
| 5.2 分层模糊模型结构特征分析 |
| 5.2.1 增长型分层模糊模型 |
| 5.2.2 累积型分层模糊模型 |
| 5.2.3 分层模糊模型的其它结构 |
| 5.3 最优结构分层模糊模型及其GA-DBP混合学习框架 |
| 5.3.1 分层模糊模型的建模问题 |
| 5.3.2 分层模糊模型的最优结构 |
| 5.3.3 分层模糊模型的GA-DBP混合学习框架 |
| 5.4 分层模糊模型的GA-DBP混合算法实现 |
| 5.4.1 基于改进GA算法的分层模糊模型结构学习 |
| 5.4.2 分层模糊模型参数的动态BP算法 |
| 5.4.3 分层模糊模型的GA-DBP混合算法 |
| 5.5 仿真实例分析 |
| 5.6 本章小结 |
| 第六章 模糊模型在变压器状态识别中的应用研究 |
| 6.1 引言 |
| 6.2 基于DGA的变压器故障诊断方法 |
| 6.2.1 变压器故障与油中溶解气体的定性关系 |
| 6.2.2 基于DGA的变压器诊断方法研究和应用现状 |
| 6.3 基于语言模型的变压器运行状态识别 |
| 6.3.1 样本数据的特征处理 |
| 6.3.2 变压器运行状态识别语言模型的构造策略 |
| 6.3.3 变压器运行状态识别语言模型 |
| 6.3.4 应用分析 |
| 6.4 分层模糊模型在DGA数据的应用研究 |
| 6.4.1 基于分层模糊模型的变压器状态识别 |
| 6.4.2 变压器状态分层模糊识别模型的实现 |
| 6.4.3 分层模糊识别模型的验证 |
| 6.5 本章小结 |
| 第七章 全文总结 |
| 7.1 研究成果 |
| 7.2 工作展望 |
| 参考文献 |
| 致谢 |
| 在攻读学位期间的研究成果 |
（6）基于光学遥感图像的舰船目标识别研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 研究对象描述 |
| 1.3 研究现状及分析 |
| 1.3.1 舰船目标检测 |
| 1.3.2 舰船目标识别 |
| 1.4 研究前景 |
| 1.5 研究方案 |
| 1.6 主要研究内容 |
| 1.7 论文组织结构 |
| 第2章 图像预处理 |
| 2.1 一般预处理技术 |
| 2.2 陆地掩膜 |
| 2.3 3D重建分割技术 |
| 2.4 本章小结 |
| 第3章 舰船目标检测 |
| 3.1 舰船目标疑似区域的提取 |
| 3.1.1 基于显着性机制的初始轮廓提取 |
| 3.1.2 基于Hough变换的圆检测 |
| 3.1.3 基于局部熵驱动的CV模型 |
| 3.2 实验与分析 |
| 3.3 本章小结 |
| 第4章 舰船目标分类识别 |
| 4.1 特征提取 |
| 4.2 特征选择 |
| 4.2.1 基于信息熵的属性约简 |
| 4.2.2 基于粗糙集理论的属性约简 |
| 4.2.3 基于NSGA-II的属性约简 |
| 4.3 分类识别 |
| 4.3.1 基于流形空间表示的近邻传播算法 |
| 4.3.2 基于信息熵的层次判别回归算法 |
| 4.3.3 基于变分推理的概率生成模型 |
| 4.3.4 基于逆狄利克雷分布的有限混合模型 |
| 4.3.5 基于粗糙集理论的协同分类模型 |
| 4.3.6 基于流形结构的主动式学习模型 |
| 4.4 本章小结 |
| 第5章 目标分类识别实验与分析 |
| 5.1 实验设置 |
| 5.2 识别特征提取与选择 |
| 5.3 模型及其参数分析 |
| 5.3.1 近邻传播算法性能分析 |
| 5.3.2 层次判别回归算法性能分析 |
| 5.3.3 概率生成模型及参数分析 |
| 5.3.4 有限混合模型性能分析 |
| 5.3.5 协同分类模型及参数分析 |
| 5.3.6 主动式学习模型及参数分析 |
| 5.4 算法识别性能对比分析 |
| 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和取得的科研成果简表 |
| 致谢 |
（7）长江三峡库区链子崖危岩体的稳定性分析（论文提纲范文）
| 第一章 绪 论 |
| 1.1 引言 |
| 1.2 地质灾害的预报方法和预报判据研究 |
| 1.3 突变理论在工程中的应用 |
| 1.4 突变理论在工程实践中的应用价值 |
| 1.5 本文的主要内容 |
| 第二章 突变理论的基本原理 |
| 2.1 突变理论的基本原理 |
| 2.2 初等突变的几何形状 |
| 2.3 尖点型突变模型 |
| 第三章 工程中应用突变理论的基本方法 |
| 3.1 初等突变理论应用方式概述 |
| 3.2 突变理论在应用中的一些处理方法 |
| 3.3 突变理论在工程实践中的应用 |
| 3.4 利用尖点突变模型分析岩体变形失稳机理 |
| 3.5 结合突变条件的岩体稳定判据及预报判据研究 |
| 第四章 链子崖危岩体的发育特征 |
| 4.1 长江三峡工程库区崩塌滑坡发育概况 |
| 4.2 链子崖危岩体 |
| 4.3 危岩体工程地质特征 |
| 4.4 危岩体形成机制 |
| 第五章 链子崖危岩体的突变理论稳定性分析 |
| 5.1 链子崖的变形失稳形式 |
| 5.2 危岩体势函数的确定途径 |
| 5.3 结合位移混合模型与突变理论的稳定分析方法 |
| 5.4 利用平衡条件应用突变理论分析危岩体的稳定状态 |
| 5.5 突变理论对岩体运动状态的判别 |
| 第六章 链子崖危岩体的有限元稳定分析 |
| 6.1 有限元法一般原理 |
| 6.2 链子崖危岩体有限元分析 |
| 6.3 小结 |
| 第七章 结语 |
| 参考文献 |
| 致谢 |
（8）二维水果形状检测与分类算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的与意义 |
| 1.1.1 水果生产的现状 |
| 1.1.2 水果产后处理技术 |
| 1.1.3 我国水果分选技术现状 |
| 1.1.4 水果形状分级必要性 |
| 1.2 国内外研究概况 |
| 1.3 主要研究内容 |
| 1.4 本章小结 |
| 第二章 实验材料及形状分析中基本数学方法 |
| 2.1 本课题中计算机视觉系统的硬件组成 |
| 2.1.1 光照系统 |
| 2.1.2 摄像机 |
| 2.1.3 图像采集卡 |
| 2.1.4 计算机系统 |
| 2.2 本课题的研究材料 |
| 2.3 形状分析中基本数学方法 |
| 2.3.1 偏微分方程数值解 |
| 2.3.2 变分法和梯度下降流 |
| 2.3.3 符号距离函数 |
| 2.3.4 小波变换 |
| 2.3.5 主成分分析 |
| 2.4 本章小结 |
| 第三章 形状预处理算法研究 |
| 3.1 含噪声图像的传统恢复方法研究 |
| 3.1.1 邻域平均法 |
| 3.1.2 选择式掩模平滑法 |
| 3.1.3 中值滤波法 |
| 3.1.4 频域滤波法 |
| 3.1.5 小波变换法 |
| 3.2 运用振荡滤波和扩散方程恢复图像 |
| 3.2.1 方法介绍 |
| 3.2.2 实验结果及分析 |
| 3.3 运用 Total Variation(TV)恢复图像 |
| 3.3.1 方法介绍 |
| 3.3.2 实验结果及分析 |
| 3.4 运动模糊图像的恢复 |
| 3.4.1 盲去卷积方法恢复图像 |
| 3.4.2 基于 GMI-SVD方法恢复图像 |
| 3.4.3 实验结果及分析 |
| 3.5 本章小结 |
| 第四章 形状检测算法研究 |
| 4.1 传统检测方法 |
| 4.1.1 检测算子 |
| 4.1.2 零交叉检测算法 |
| 4.1.3 实验结果及分析 |
| 4.2 梯度向量流 |
| 4.2.1 方法介绍 |
| 4.2.2 实验结果及分析 |
| 4.3 水平集方法 |
| 4.3.1 水平集理论 |
| 4.3.2 Chan-Vese模型描述 |
| 4.3.3 改进的Chan-Vese模型 |
| 4.3.4 实验结果及分析 |
| 4.4 多尺度水平集方法 |
| 4.4.1 多尺度理论 |
| 4.4.2 利用小波分析构造多尺度图像系列 |
| 4.4.3 多尺度上的水平集方法 |
| 4.4.4 实验结果及分析 |
| 4.5 本章小结 |
| 第五章 形状表示及描述方法研究 |
| 5.1 形状概念 |
| 5.1.1 形状定义 |
| 5.1.2 形状表示和描述的准则 |
| 5.1.3 形状类别 |
| 5.2 形状表示方法 |
| 5.2.1 链码 |
| 5.2.2 半径序列表示 |
| 5.2.3 骨架表示 |
| 5.2.4 四叉树表示 |
| 5.2.5 水平集表示 |
| 5.3 传统形状描述方法及其局限 |
| 5.3.1 简单几何特征 |
| 5.3.2 形状数 |
| 5.3.3 傅立叶描述方法 |
| 5.3.4 不变矩方法 |
| 5.3.5 其它形状描述方法 |
| 5.3.6 实验结果及分析 |
| 5.4 基于自回归模型的形状描述 |
| 5.4.1 序列的时基建模 |
| 5.4.2 基于自回归模型的特征提取 |
| 5.4.3 实验结果及分析 |
| 5.5 基于多尺度能量形状描述 |
| 5.5.1 基于最大期望的起点选择 |
| 5.5.2 多尺度能量构造 |
| 5.5.3 实验结果及分析 |
| 5.6 基于地形地貌特征的形状描述 |
| 5.6.1 小面模型基本理论 |
| 5.6.2 地形地貌特征的提取 |
| 5.6.3 实验结果及分析 |
| 5.7 基于 Zernike矩的形状描述 |
| 5.7.1 Zernike矩理论 |
| 5.7.2 平移和尺度的归一化 |
| 5.7.3 实验结果及分析 |
| 5.8 基于小波矩的形状描述 |
| 5.8.1 图像的广义矩及广义不变矩 |
| 5.8.2 图像的小波不变矩 |
| 5.8.3 实验结果及分析 |
| 5.9 本章小结 |
| 第六章 分类器对形状分类结果的影响研究 |
| 6.1 线性判别函数 |
| 6.2 聚类分析 |
| 6.2.1 C均值算法 |
| 6.2.2 实验结果与分析 |
| 6.3 人工神经网络 |
| 6.3.1 反向传播网络(BP) |
| 6.3.2 实验结果与分析 |
| 6.4 支持向量机 |
| 6.4.1 支持向量机理论 |
| 6.4.2 实验结果与分析 |
| 6.5 本章小结 |
| 第七章 基于配准技术的形状分类方法研究 |
| 7.1 标准库的建立 |
| 7.2 测度的设计 |
| 7.3 配准技术的选择 |
| 7.3.1 基于最小测度的配准 |
| 7.3.2 基于运动估计的配准 |
| 7.4 实验结果及分析 |
| 7.5 本章小结 |
| 第八章 结论与展望 |
| 8.1 主要结论 |
| 8.2 主要创新点 |
| 8.3 今后的研究与设想 |
| 参考文献 |
| 致谢 |
| 作者简介及博士研究生期间主要成果 |
（9）支持向量机中Gegenbauer修正核的构造研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 核函数研究现状 |
| 1.2.2 正交多项式核函数研究现状 |
| 1.3 本文主要工作 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文创新点 |
| 1.3.3 章节安排 |
| 第2章 统计理论基础 |
| 2.1 经验风险与结构风险 |
| 2.2 交叉验证 |
| 2.3 模型能力评价 |
| 2.3.1 准确率和召回率 |
| 2.3.2 Friedman检验 |
| 2.4 支持向量机基本理论 |
| 2.4.1 支持向量机 |
| 2.4.2 非线性支持向量机 |
| 第3章 三类改进的Gegenbauer修正核的构造 |
| 3.1 核函数定理 |
| 3.1.1 核函数的高维性质 |
| 3.1.2 构造核-核方法 |
| 3.1.3 两类核函数:局部核与全局核 |
| 3.2 Gegenbauer正交多项式核函数 |
| 3.2.1 Gegenbauer正交多项式函数 |
| 3.2.2 证明Gegenbauer满足Mercer条件 |
| 3.2.3 Gegenbauer核函数特征 |
| 3.3 Gegenbauer修正核支持向量机的构造研究 |
| 3.3.1 Gegenbauer核函数的改进:三类Gegenbauer修正核 |
| 3.3.2 Gegenbauer修正核SVM分类算法 |
| 3.4 三类Gegenbauer修正核SVM的分类性能对比实验 |
| 3.4.1 实验数据介绍及参数设置 |
| 3.4.2 实验对比结果 |
| 3.4.3 假设检验比较分类器性能 |
| 第4章 Gegenbauer修正核SVM在肺炎图像分类中的应用 |
| 4.1 数据集介绍 |
| 4.2 数据预处理——图像增强 |
| 4.2.1 图像直方图 |
| 4.2.2 图像均衡化 |
| 4.3 肺炎图像特征提取 |
| 4.3.1 图像特征描述 |
| 4.3.2 x射线图像特征 |
| 4.3.3 灰度共生矩阵提取图像特征 |
| 4.4 Borderline-SMOTE解决数据不平衡 |
| 4.5 三类Gegenbauer修正核SVM在肺炎图像上的分类实战 |
| 4.5.1 核参数设置 |
| 4.5.2 肺炎图像分类结果 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来展望 |
| 参考文献 |
| 在校研究成果及奖励 |
| 致谢 |
（10）图象测量及分析系统的研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 图象处理技术的概述及发展 |
| 1.2 图象测量技术的概述 |
| 1.3 论文的主要工作 |
| 2 图象测量及分析系统的组成 |
| 2.1 硬件系统 |
| 2.2 软件系统 |
| 2.2.1 系统模块 |
| 2.2.2 自动对焦模块 |
| 2.2.3 图象测量分析模块 |
| 3 图象式自动聚焦 |
| 3.1 概述 |
| 3.2 焦距评价函数的选取 |
| 3.2.1 几种典型的焦距评价函数 |
| 3.2.2 焦距评价函数的比较与确定 |
| 3.3 搜索方式的选取 |
| 3.3.1 登山式自动聚焦方式 |
| 3.3.2 基于阈值和曲线拟合的自动聚焦方式 |
| 3.4 焦距评价函数的曲线拟合 |
| 3.4.1 线性最小二乘问题 |
| 3.4.2 Chebyshev多项式拟合 |
| 3.5 实现自动聚焦的流程 |
| 3.6 自动聚焦结果分析 |
| 4 图像分割 |
| 4.1 概述 |
| 4.2 阈值分割 |
| 4.3 边缘检测 |
| 4.3.1 梯度算子 |
| 4.3.2 拉普拉斯算子 |
| 4.3.3 LoG算子 |
| 4.4 动态阈值分割 |
| 4.4.1 基于LoG算子的动态阈值分割 |
| 4.4.2 实验结果与分析 |
| 5 图象识别及测量 |
| 5.1 图象识别概述 |
| 5.2 统计模式识别 |
| 5.2.1 特征选择和提取 |
| 5.2.2 数据聚类 |
| 5.2.3 统计判别 |
| 5.2.4 决策判别函数 |
| 5.3 其它模式识别方法 |
| 5.4 图象目标表达和描述 |
| 5.4.1 概述 |
| 5.4.2 链码 |
| 5.4.3 轮廓表示 |
| 5.5 缝隙图象的识别与测量 |
| 5.5.1 缝隙区域的描述 |
| 5.5.2 缝隙区域的分类识别 |
| 5.5.3 缝隙宽度的测量 |
| 5.6 测量过程的流程 |
| 6 系统的误差和噪声分析 |
| 6.1 几何误差 |
| 6.1.1 成象系统几何畸变误差 |
| 6.1.2 成象系统运动误差 |
| 6.2 照明视场噪声 |
| 6.3 CCD摄像机的噪声 |
| 6.3.1 暗电流噪声 |
| 6.3.2 CCD像元响应非均匀性 |
| 6.3.3 散粒噪声 |
| 6.4 热电子噪声 |
| 6.5 成象系统均匀直线运动引起的模糊 |
| 6.6 量化误差 |
| 6.7 其它 |
| 6.7.1 振动的影响 |
| 6.7.2 视频电缆的影响 |
| 7 总结 |
| 致谢 |
| 参考文献 |
| 附录A 系统装置实物图 |
| 附录B 作者攻读硕士学位期间发表的论文 |
四、多元函数的不连续点及其分类（论文参考文献）
- [1]多元函数的不连续点及其分类[J]. 蒋志民. 黄淮学刊(自然科学版), 1991(S4)
- [2]新形势下《数学分析》课程教考点分析[J]. 李祥,杨春华,邢妍,普映娟. 保山师专学报, 2002(02)
- [3]进化决策的模型、关键技术与应用研究[D]. 荔建琦. 中国人民解放军国防科学技术大学, 2002(01)
- [4]中国微积分教科书之研究（1904-1949）[D]. 刘盛利. 内蒙古师范大学, 2012(07)
- [5]模糊模型的智能学习方法与应用研究[D]. 刘建成. 中南大学, 2005(06)
- [6]基于光学遥感图像的舰船目标识别研究[D]. 郭伟娅. 哈尔滨工程大学, 2015(06)
- [7]长江三峡库区链子崖危岩体的稳定性分析[D]. 李萍. 天津大学, 2003(01)
- [8]二维水果形状检测与分类算法研究[D]. 桂江生. 浙江大学, 2007(02)
- [9]支持向量机中Gegenbauer修正核的构造研究与应用[D]. 严雪芹. 湖北工业大学, 2020(04)
- [10]图象测量及分析系统的研究[D]. 贺霖. 重庆大学, 2003(01)