一、通用直方图、折线图绘制程序的设计(论文文献综述)
姜超[1](2021)在《基于责任卡识别与网络技术的拖拉机整机制造过程质量管理系统研究》文中进行了进一步梳理拖拉机的生产和使用情况是农业机械化水平的重要体现。目前国内拖拉机生产企业因产品质量原因在中高端拖拉机市场缺乏竞争力,而整机制造过程质量管理水平不足制约了国产拖拉机产品向高质量发展。因此,一套科学有效的整机制造过程质量管理系统对提升拖拉机质量、增强产品竞争力有重要作用。拖拉机整机制造过程质量管理系统建立在完备的质量数据库与质量管理工具的基础上。质量数据库的构建需要采集各质量控制点产生的质量数据,但部分质量控制点的数据记录在质量责任卡上,尚未实现数据电子化;同时,已实现数据电子化的质量控制点以不同形式单独保存质量数据,使得数据无法共享。传统的质量管理工具基于数理统计原理,只能对质量数据进行简单分析,无法获得深层次质量规律。本文针对上述问题展开研究,具体研究内容与结果如下:(1)为了解决拖拉机整机装配阶段质量数据纸质记录的问题,提出了一种基于责任卡识别的质量数据电子化方法。先对质量责任卡进行了重新设计,规范质量数据的填写;再使用Paddle OCR文本检测与识别模型获取质量数据属性关键词坐标,实现质量数据记录区域的定位;接着提出了一种基于笔画恢复与连通域标记的数字字符分割方法,获取质量数据图像中的单个数字图像;然后训练了CNN识别模型对手写数字进行识别,在测试集上的识别准确率达到99.22%;最后开发了质量数据电子化软件,并提供人工校正功能,保证了数据库中质量数据的准确性。(2)为了解决拖拉机整机调试阶段检测工位间异源异构电子质量数据的融合问题,编写了自动化数据读取、处理程序,实时提取不同工控机上保存在数据库中的结构化质量数据与以文本文件形式保存的非结构质量数据,并设计了基于JSON格式的数据传输接口,通过HTTP协议将质量数据发送到数据库服务器中。使用E-R模型在数据库服务器中构建了质量数据库,以统一结构保存不同来源的质量数据。(3)为了解决拖拉机生产企业缺乏高水平质量管理工具的问题,根据质量数据特点,开发了基于案例推理以及机器学习技术的质量管理工具,提供故障诊断、产品质量分级、质量综合指标提取与故障预测等功能,与传统质量管理工具一起集成到了质量管理系统中,完成了拖拉机整机制造过程质量管理系统研发,并成功应用到企业的实际生产中,提高了质量管理信息化水平。
贾坡[2](2021)在《基于机器视觉的烧结型滚抛磨块缺陷检测方法研究》文中研究说明滚磨光整加工是一种广泛应用的提高零件表面质量的机械加工技术,加工时将零件、滚抛磨块、水和磨液等放入滚筒中,通过滚筒转动使滚抛磨块和零件产生碰撞、摩擦和滚压等作用力,从而去除零件表面的毛刺、划痕,达到提高零件表面光亮度和表面质量的目的。滚抛磨块是滚磨光整加工中的研磨介质,对零件加工效果有重要影响。烧结型球状滚抛磨块是滚磨光整加工中应用最为广泛的一种磨块。但目前国内磨块生产厂家由于生产工艺、设备等因素,制备的烧结型球状滚抛磨块通常存在圆度异常、黑心等缺陷。这些磨块缺陷的存在会严重影响磨块的使用寿命,甚至影响零件的表面加工质量。然而,目前国内磨块的缺陷检测主要依靠人工判断,存在主观性强、检测效率低、检测标准不统一的问题。为了更加高效准确地检测烧结型球状滚抛磨块的圆度异常和黑心缺陷,本论文提出了基于机器视觉的滚抛磨块缺陷检测方法,主要包括以下研究内容:(1)自主设计研发了一套磨块图像自动采集系统,设备包括:采样圆盘、单片机、步进电机、数字显微镜和上位机。通过单片机控制步进电机转动,步进电机带动采样圆盘旋转,将磨块旋转至数字显微镜的镜头下方;通过单片机和上位机的信号传递,控制步进电机转动和数字显微镜的拍照时序,使系统可以协调完成磨块图像的自动采集。(2)为了提高磨块图像分割质量,研究、比较并改进磨块图像灰度化算法。首先通过最大值法、平均值法、加权平均值法对磨块图像进行灰度化,利用标准差、平均梯度、信息熵等图像评价指标对磨块灰度图像进行评价;然后对灰度化效果较差的磨块图像提出分量比值灰度化方法;最后利用OSTU阈值分割算法对磨块灰度图像进行有效的图像分割。(3)分析并去除磨块图像中的噪声点,提取并计算磨块缺陷尺寸。利用孔洞填充算法、图像开运算和中值滤波分别去除磨块图像中的细小孔洞、孤立噪声点和平滑磨块区域边缘;利用颜色填充提取磨块区域和黑心缺陷区域,计算磨块区域面积、磨块轮廓周长和磨块黑心缺陷面积;通过圆度计算公式计算磨块圆度,根据磨块黑心缺陷面积和磨块区域面积计算磨块黑心缺陷占比;最后通过磨块缺陷检测实验分析并确定了合格磨块和不合格磨块的缺陷尺寸分布范围;实验结果验证了基于机器视觉的磨块缺陷检测方法的有效性。(4)利用C#语言设计研发了磨块缺陷检测上位机界面,包括磨块图像采集界面、磨块图像处理界面和磨块图像管理界面,可以实时显示数字显微镜采集到的磨块图像、磨块图像处理过程和磨块缺陷检测结果,以及实现对磨块图像和磨块缺陷信息的管理。
赵淑晨[3](2021)在《个人信贷数据可视化分析系统的设计与实现》文中指出随着社会的发展和人们生活水平的不断提高,越来越多的人接受超前消费的理念,因此产生了众多的个人信贷消费需求。但目前商业银行个人信贷业务存在总体规模小、利润贡献率低等特点,对金融市场缺乏足够的影响力。商业银行目前也在积极地扩张用户,去发展个人信贷业务,所以利用个人信贷相关数据,通过数据可视化分析去挖掘用户,并控制违约风险,是亟需解决的重要问题。针对上述问题,本文设计并实现了个人信贷数据可视化分析系统,帮助商业银行业务人员和数据分析人员高效完成数据的分析和挖掘工作。本文的研究内容和主要工作如下:(1)设计并实现了包括数据处理、数据可视化分析和模型可视化构建等功能的个人信贷数据可视化分析系统,能够对个人信贷数据进行分析和挖掘;(2)设计并实现了具有特征构造、特征提取和特征选择功能的特征工程模块,能够有效地提取和分离对模型学习有用的特征;(3)设计并实现了具有可拖拽式构建数据挖掘流程功能的模型构建模块,能快速高效地构建模型并训练数据。本文实现的可视化分析系统主要包括数据源、数据处理、数据分析、特征工程和模型构建等功能模块。通过对每个模块的具体功能进行分析和设计,然后以个人信贷相关数据为例详细介绍系统的具体实现,包括数据上传、数据缺失值和异常值处理、数据可视化展示和分析、特征构造提取和选择以及模型可视化构建等,来更好地帮助商业银行工作人员挖掘潜在用户,提供辅助决策支持,控制信用违约风险,从而为银行带来利润。
谢静怡[4](2021)在《石油文摘文本挖掘的可视化研究及应用》文中研究表明石油和天然气公司的数据资源非常丰富,但是存在数据量大、数据类型多、存储格式复杂等问题,目前大多数研究都只是基于传统的统计方法和图表形式进行分析,所以采用文本挖掘对分析文本数据具有一定的意义。本文的中文文本来源为中国知网中石油相关的期刊和硕博士论文,英文文本为石油工程协会的会议论文。由于Python具有强大的编程功能,提供数据加载、自然语言处理、图像处理和可视化等多样的库,本文选用Python进行文本挖掘分析。论文有关中文文本挖掘可视化研究及应用,首先针对中文文本的预处理,通过Jieba分词去除停用词计算出频率较高的词语,形成词云图;接着进行特征提取计算TF-IDF值,根据计算结果生成直方图进行可视化展示;然后通过K-Means聚类生成聚类图,通过层次聚类生成树状图;最后通过LDA主题模型的分析,进行主题模型的主题和关键词的可视化呈现。论文有关英文文本挖掘可视化研究及应用,首先介绍英文文本挖掘不同于中文文本挖掘的技术;其次进行英文文本的预处理,主要包括转化为小写、词干提取与词形还原;然后进行特征提取形成排序完成的词语及其TD-IDF值的文档并进行词云图和直方图的可视化展示;最后进行分类算法的准确度对比分析,验证了算法的有效性。对石油相关文摘进行可视化研究及应用,不仅可以分析某个时间段内石油行业的重点研究内容,还可以对比分析了解差别,探索石油行业的发展规律,重视石油行业的历史演变的前因后果,依据石油工业的态势发展进行有效的预测。文本挖掘与可视化目前仍存在诸多问题尚未解决。文本挖掘可视化技术需要适应不同规模、不同数据格式和质量欠缺的文本数据;需要提高文本挖掘可视化分析的效率以便处理大规模数据;需要逐步帮助大众认可并接受文本挖掘可视化技术对日常生活的影响。
肖正涛[5](2021)在《基于点对特征的三维物体快速识别方法研究》文中研究说明从三维点云中识别出目标对象是计算机视觉与模式识别领域中的核心任务,也是近年来工业机器人自动操作的关键,因而吸引了越来越多学者们的关注,成为新的研究热点。本文在对当前三维物体识别算法全面调研与分析的基础上,针对三维物体识别算法在识别速度和遮挡及背景干扰下识别率等方面存在的问题,深入开展三维点云物体识别相关算法的研究,提出基于不等分体素网格的三维点云均匀降采样算法、基于点对特征和凸包求解的物体放置平面提取算法、面向三维物体识别的自适应均匀选点及其分布均匀性评价方法、基于平面约束的点对特征三维物体快速识别等算法,有效实现在遮挡和背景干扰条件下放置在平面上的三维物体快速识别。论文主要研究内容概括如下:1.深入调研近年来三维物体识别相关的理论和算法,对三维物体识别的国内外研究现状和进展进行较为全面综述,明确该领域存在的关键问题,确定本文的研究内容和研究方案。2.针对Drost体素网格降采样算法存在的采样点分布不均匀问题,提出基于不等分体素网格的均匀降采样算法。该算法对点云轴向包围盒沿x,y,z轴三个方向的边进行不等份数划分,使得包围盒体素化后得到的每一个体素都近似为一个正方体,而不是Drost方法中与包围盒相似的长方体。实验结果表明,所提出的不等分体素网格均匀降采样算法可获取分布更均匀的点云,计算效率也更高。3.针对现有平面提取算法存在的提取速度较慢和提取准确率不高问题,提出基于点对特征的平面提取新算法。该算法通过计算任意两点之间的点对特征描述子,基于平面内点对特征性质进行任意两点是否共面判别,由此确定场景点云中的所有平面;在此基础上,提出基于凸包求解的物体放置平面提取算法,实现场景点云的物体放置平面提取。实验结果表明,基于点对特征和凸包求解的物体放置平面提取算法能高效、准确地提取出场景点云中的平面,并在此基础上准确提取出物体的放置平面。4.在点对特征三维物体识别算法的场景特征描述阶段,目前的采样方法存在采样参数需要多次试错才能最终确定和所选点分布不均匀的问题。针对这一问题,本文提出一种自适应均匀选点方法。该方法根据待识别目标对象的大小自适应地在场景中选取数量适当且分布均匀的遍历点,并确保有遍历点落在场景中待识别的目标对象上。同时,针对现有点云均匀性评价方法无法评价其在原始点云中的分布均匀性难题,提出基于豪斯多夫距离的点云分布均匀性评价方法。该方法将选取点云在原始点云中的分布均匀性问题,转化为度量一个点集和其子集的相似性问题,而相似性问题可通过计算点集与子集的豪斯多夫距离来实现,从而解决了选取点云在原始点云中的分布均匀性评价难题。实验结果表明,自适应均匀选点方法选取的点云,其分布均匀性优于现有的系统采样法和随机采样法,而且,基于豪斯多夫距离的点云分布均匀性评价方法能较好地评价点云的分布均匀性。5.针对点对特征识别算法存在着识别速度有待提高的问题,提出基于平面约束的点对特征三维物体快速识别方法。该方法通过剔除场景点云中物体放置平面内和物体放置平面下的所有多余点,大幅减少需要计算的点对特征描述子数量。通过自适应均匀选点,确保场景点云中的目标对象上有遍历点,使得场景中目标对象能被识别出来的先决条件得到满足。然后计算遍历点与场景中其他所有点的点对特征描述子,进行特征匹配,并通过位姿聚类算法和ICP精配准算法获得识别物的位姿变换矩阵。实验结果表明,基于平面约束的点对特征三维物体识别算法能显着提高识别速度。6.在上述相关算法研究的基础上,在OpenCV和PCL平台上实现本文提出的均匀降采样、物体放置平面提取、自适应均匀选点等算法,并分别以有遮挡和无遮挡的两个场景点云为例,将本文算法与Drost点对特征算法进行识别效果对比。实验结果表明,相比于Drost算法,本文方法可以快速、正确地识别和定位出目标对象,而且,在目标对象被遮挡且存在背景干扰时,本文方法仍能正确识别和定位出目标对象。
司涌波[6](2021)在《铁路信号集中监测系统数据可视化技术应用研究》文中研究指明铁路信号集中监测系统(CSM),其功能是实现信号设备集中维护管理。目前,我国CSM以车站、电务段为基础,由铁路总公司、各级铁路分公司及电务段三层体系结构组成,承担着铁路信号系统监测与维护工作。现场维护人员通过CSM获取设备运行状态和实时监测数据等信息完成日常维护工作,通过CSM获取设备报警信息并结合历史数据做出故障初步诊断。随着铁路信号设备技术的不断发展,与其对应的监测系统也在向着智能化、数字化转变。建立一个综合性大数据分析平台将会是未来监测系统的发展方向,平台通过机器学习等智能算法对存储海量运维数据进行分析,实现设备的生命周期管理,设备故障智能诊断,从而达到信号设备维护工作智能化的最终目标。数据与人之间的交互伴随过程始终,因此对数据进行可视化设计能够将数据变得形象生动易于人理解,采用正确的可视方法实现数据在系统中的完美展现对运维工作效率具有事半功倍的效果。本文以铁路信号集中监测系统中设备数据为研究对象进行可视化技术应用研究,主要从道岔设备运行状态过程特征提取可视化方法研究、运维设备综合数据可视化组件设计、可视化应用系统设计三个方面进行应用研究。首先,文章以S700K型转辙机作为铁路信号系统中关键设备进行分析。通过对其阐述结构原理,总结分析其8种故障模式、故障原因。在此分析基础上,采用深度置信网络DBN方法进行网络训练,训练过程包括各层RBM的无监督训练及微调。利用粒子群优化算法PSO优化每层RBM神经元数量建立DBN网络,利用DBN网络对道岔动作功率数据实现自动提取特征功能,采用立体散点图展现数据的三位特征的可视化。其次,针对信号监测系统中的设备故障信息、设备报警信息等综合运维信息进行可视化组件设计。根据数据种类繁多、结构复杂、具有较强实时性等特点,采用直方图与折线图组合设计、日历热土与树图联合设计及桑基图数据流向设计三种可视化方法设计可视化应用组件,并采用Vue框架实现Web端可视化综合数据大屏数据展示界面开发。最后,以可视化需求分析为基础,采用Node.js搭建Web端开发环境,使用Vue.js框架、ECharts可视化工具等设计铁路信号安全监测可视化应用。完成首页设计、设备运行状态监测页面设计及用户登录页面设计等工作。
张一炜[7](2021)在《在线学习的可穿戴实时行为识别关键技术研究》文中认为如今随着生活和工作的压力增大,人们越发关注自己的身心健康状况。人体行为识别在生活中占据着重要位置,在医疗,健康,娱乐,监控方面均有涉及。对获取有时效性,便捷性,可视化简单信息的需求增加,通过可穿戴设备进行人体行为识别的发展可观。传统的人体行为识别方法往往只是借助可穿戴,摄像头,录音笔等设备获取原始数据,离线分析得出结果,但这些方法得到的结果具有滞后性,获取信息,标定数据过程繁琐。如何快速便捷地采集数据,进行人体行为识别,成为了研究热点。本文提出了一种半监督在线学习,能够有效利用无标签数据内部信息,对于模型数据增强,将Tri-training与VFDT融合改进,并在不同数据集上测试,输入无标签数据,模型的分类准确率明显提升;同时相比于原本半监督框架,节省了大量的计算时间和数据存储空间。另外,将该模型合理简化后,嵌入可穿戴设备中,可进行有效的在线学习。本文的主要研究内容分为:1)设计可穿戴社交行为识别系统,并开展了对高校学生群体的运动测试实验,采集不同运动状态下的行为信号,并对数据进行特征提取,完成数据集制作。2)提出协同学习方法,应用VFDT树作为分类器,并基于其适用于数据流特点,对半监督框架Tri-training进行改进,相比于原模型,仅需少量数据就可更新模型。引入直方图算法,改变数据的存储方式,降低了数据的存储空间。在数据量不同的公开数据集与本文制作数据集上与进行客观方法对比,分析了不同结果的原因,并讨论了本文提出模型的适用场景。3)通过模拟退火算法对于高维行为特征筛选,筛选后训练模型,完成线下初始化,并将上述模型嵌入到可穿戴设备。同时,开展了基于可穿戴设备的实时识别实验,令测试者佩戴可穿戴设备连续实验,期间切换不同运动状态。将上述模型直接应用于真实数据流,完成同步在线学习与实时识别。4)将线上识别结果与模型离线数据流的分类结果进行对比,分析其异同和原因。
王悦[8](2021)在《加拿大B.C省基础教育数学课程标准研究》文中进行了进一步梳理随着21世纪科学技术的革新,各国相继开展了以核心素养为导向的新一轮课程改革。加拿大是位于北美洲的发达国家,包含十个省和三个地区。在教育方面,加拿大由联邦、省、地区三方共同监管加拿大的教育。加拿大不列颠哥伦比亚省(简称B.C省)作为加拿大文化大省之一,拥有世界上先进的教育系统,关注其基础教育阶段,即1-12年级数学课程标准的修订,有助于把握B.C省数学课程标准现状,总结课程标准修订的一般规律,结合我国数学课程标准现状,为我国数学课程标准修订提供一些建议。为此,该研究基于数学教育哲学观念以及泰勒课程原理,借鉴SEC分析范式,采用文献法、比较法、个案研究法对加拿大B.C省基础教育阶段数学课程标准进行研究。设置了如下三个研究问题:(1)加拿大B.C省数学课程标准如何?(2)加拿大B.C省数学课程标准体现什么数学教育哲学观念?(3)加拿大B.C省数学课程标准课程内容如何?首先,对于研究问题一采用文献法,从课程标准结构出发,对B.C省数学课程标准每一部分进行详细的介绍。其次,对于研究问题二,从宏观角度出发,采用欧内斯特对于数学教育哲学观念的分类,分别从基本原理和附属原理两个层面,分析B.C省数学课程标准在两个层面共12个要素中的数学教育哲学观念具体体现,进而总结B.C省体现什么数学教育哲学观念。最后,对于研究问题三,基于泰勒课程原理指导,该研究从课程内容的选择与组织两大课程编制中的重要环节出发,借鉴SEC分析范式,并构建了课程内容重要主题以及课程组织连续性、顺序性与整合性的评判标准,进而分析加拿大B.C省数学课程内容的选择与组织情况。通过对加拿大B.C省基础教育数学课程标准的研究得到如下结论:(1)B.C省数学课程标准实行1-12年级一贯制课程标准,结构包含前言、课程开发以及支持三个部分;(2)B.C省数学课程标准聚焦核心素养、注重多元文化并提倡灵活教学;(3)B.C省数学课程标准体现了进步教育派和大众教育派数学教育哲学观念;(4)B.C省数学课程标准选择了数、运算、几何概念、消费应用作为课程内容中的重要主题;(5)课程内容组织方面总体较好,其中连续性和顺序性较好,而整合性较差。结合研究结论及我国数学课程标准现状,对我国数学课程标准修订提出以下建议:(1)适当增加数、运算主题下的课程内容;(2)将代数主题的引入逐步提前到小学1年级;(3)增加跨学科综合实践活动课程;(4)应明确提出民族文化与数学融合的观点;(5)应综合体现多种数学教育哲学观念的优势,避免“单一观念”倾向。
汤正[9](2020)在《压缩感知编码网络中的图像视觉隐私保护度评价方法研究》文中研究说明现在计算机能够对图像进行更快更深层次地分析与处理,这意味着数字图像可以提供更多的信息。人们可以通过机器自动理解和分析图像或视频内容来改善人们的日常生活。但与此同时,人们也希望自己的隐私不受到侵犯,因此如何在二者之间取得平衡,这对于许多实际应用来说是亟待解决的问题。针对此问题,通过对图像中的视觉隐私信息进行合理的分析与处理,能够在一定程度上消除图像视觉隐私威胁并保持图像满足要求的可视性和机器可理解性。因此,在对图像中的视觉隐私进行保护的同时,需要对图像进行客观准确的视觉隐私保护度评价,以解决计算机视觉处理与图像视觉隐私保护之间的矛盾。本文所关注的图像视觉隐私保护度评价方法研究,就是希望深入研究人类视觉与图像视觉隐私的关系,最终让计算机模拟人类视觉系统以及人类对图像视觉隐私的认知过程。本文在一种基于压缩感知的网络框架下实现了图像视觉隐私保护并对网络中图像进行可计算的图像视觉隐私保护度评价,从而能够为图像识别、分类等任务提供一种指导,在计算机视觉处理与图像视觉隐私保护之间实现平衡。本文首先提出了一种图像视觉隐私保护的新思路,即压缩感知编码网络(Compressed Sensing,CSCN)。网络每一层通过对上一层图像基于图像块的观测矩阵投影降维的方法获得分辨率更低的图像,从而不同深度的压缩感知编码网络可以获得不同视觉隐私保护度的图像,而这些图像应用于识别、分类等计算机视觉处理任务依然具有鲁棒性,实现了图像视觉隐私保护与图像表达之间的平衡。在该网络中,应用了一种修正非负高斯(Modified Non-Negative Gaussian,MNG)随机观测矩阵,解决了一般观测矩阵在压缩感知编码网络中易造成网络中图像特征丢失、识别性能差等问题。此外,还采用了一种高斯拟合归一化方法,解决了网络中图像像素值“溢出”的问题,从而能够高质量还原网络中图像。本文还研究了一种基于色度、对比度和显着性结构等三种特征的图像视觉隐私保护度评价模型(Visual Privacy-Preserving Level Evaluation for Compressed Sensing Coding Network,VPLE-CSCN),用于对压缩感知编码网络中不同层图像的视觉隐私保护度进行分析和评估。该评价模型通过提出的基于散斑噪声自适应加权的色度测量模型(Speckle Noise Adaptive Weighting Based Colorfulness Measurement,SNAW-CM)、基于非对称修正?均值的对比度测量模型(Color/Cube Asymmetric Alpha-Trimmed Mean Enhancement,CAAME)和显着性广义中心对称局部二值模式(Salient Generalized Center-Symmetric Local Binary Pattern,SGCS-LBP)算子,分别提取图像的色度、对比度和显着性结构特征,再利用支持向量机回归与模糊C均值组合回归模型将这些特征映射到最终的图像视觉隐私保护度分数。从而可以根据评估结果和实际需要设定合适的网络深度,能够最大限度地保留有用的视觉信息,同时达到不同程度消除图像视觉隐私威胁的目的。最后,本文通过在ORL人脸数据集上的识别实验验证了压缩感知编码网络的识别鲁棒性和修正非负高斯随机观测矩阵的编码有效性,并探究了高斯拟合归一化方法对于压缩感知编码网络中灰度图像和彩色图像的归一化有效性。基于压缩感知编码网络,本文构建了带有图像主观质量分数、图像主观视觉隐私保护度分数双标签的图像质量与图像视觉隐私保护度评价数据集LIVE_CS、TID2013_CS和CSIQ_CS。在这三个数据集上,本文通过实验分别研究和分析了图像色度和对比度测量模型的测量有效性与图像视觉隐私保护度评价模型参数的鲁棒性、图像质量评价的有效性、预测的合理性、与其他方法的性能对比、提取特征的有效性、计算复杂度和消耗计算资源度等。实验结果表明,压缩感知编码网络具有较好的视觉隐私保护下的识别鲁棒性,图像视觉隐私保护度评价模型具有较好的预测有效性。
李紫衣[10](2020)在《在线学习中视频交互行为的影响因素研究》文中进行了进一步梳理在线学习日益发展,“观看视频讲座或视频片段”是在线学习中较为常见的一种学习活动。前人关于在线学习的研究非常丰富,但是学习者在观看视频时产生的“视频交互行为”(暂停、快进、快退和调节播放速度等)是极具研究价值的第一手资料。而当下针对“视频交互行为”的研究明显不足。鉴于此,本研究基于Java Script技术开发一款视频播放器,自动采集学习者在线学习时产生的视频交互行为数据,根据归因理论提出了视频交互行为的影响因素模型和研究假设,以实证的方式检验模型和假设,并分析上述的各影响因素是否通过视频交互行为来影响学习成绩。本研究主要开展了以下两个方面的工作:一是在线学习中视频交互行为的影响因素检验。选取了100名本科生作为被试,使用本研究自行开发的播放器在自然环境下进行在线视频的学习并填写调查问卷。通过对播放器自动获取的视频交互数据和问卷调查数据分析,得到以下研究结果:(1)个人能力与播放、暂停、向前跳转行为不显着相关,与向后跳转行为显着相关;(2)努力程度与播放、暂停行为不显着相关,与向前跳转、向后跳转行为显着相关;(3)学习偏好与播放、暂停、向前跳转行为不显着相关,与向后跳转行为显着相关;(4)任务难度与播放、暂停、向前跳转和向后跳转行为都显着相关。二是视频交互行为在影响因素与学习成绩之间的中介效应检验。在影响因素检验的基础上,分析视频交互行为是否作为中介因素,在影响因素与学习成绩之间产生效应作用。研究结果表明:(1)向后跳转行为在个人能力与学习成绩之间起中介作用;(2)向前跳转、向后跳转行为都在努力程度与学习成绩之间起中介作用;(3)向后跳转行为在学习偏好与学习成绩之间起中介作用;(4)播放、暂停、向前跳转、向后跳转行为都在任务难度与学习成绩之间起中介作用。本研究还结合质性研究丰富了在线视频交互行为的理论,并从学习者自身、学校等教育组织和教育工作者、平台环境建设三个方面提出了相关建议:(1)学习者可以根据在线学习时产生的视频交互行为数据,有针对性地对学习过程进行调整、强化,从而提高学习成绩;(2)教师可以根据学生的视频交互行为数据关注到学生的不同在线学习动态,为其提供及时有效的帮助;(3)在线学习平台要根据学习者的个性化视频交互行为来提高学习视频的制作质量、改善在线平台设计方案,促进学习者有效的在线视频学习,提高在线视频学习效果。
二、通用直方图、折线图绘制程序的设计(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、通用直方图、折线图绘制程序的设计(论文提纲范文)
(1)基于责任卡识别与网络技术的拖拉机整机制造过程质量管理系统研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 质量数据电子化研究 |
1.2.2 基于OCR技术的表格识别研究 |
1.2.3 质量管理工具研究 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
第二章 质量管理系统整体设计 |
2.1 拖拉机整机制造流程分析 |
2.1.1 整机装配阶段流程 |
2.1.2 整机调试阶段流程 |
2.2 质量数据采集方法设计 |
2.2.1 装配阶段质量数据采集方法 |
2.2.2 调试阶段质量数据采集方法 |
2.3 质量管理工具选择 |
2.3.1 传统质量管理工具 |
2.3.2 基于机器学习的质量管理工具 |
2.4 系统架构设计 |
2.5 本章小结 |
第三章 质量责任卡识别方法研究 |
3.1 规范化质量责任卡设计 |
3.2 图像采集设备选择 |
3.3 规范化质量责任卡识别分析 |
3.4 质量数据记录区域获取 |
3.4.1 关键词识别 |
3.4.2 质量数据图像定位 |
3.5 质量数据图像预处理 |
3.5.1 图像二值化 |
3.5.2 线条连接 |
3.5.3 框线消除 |
3.5.4 笔画恢复 |
3.5.5 数字像素提取 |
3.5.6 其它处理 |
3.6 手写数字识别 |
3.6.1 CNN模型设计 |
3.6.2 数据集制备 |
3.6.3 模型训练与测试 |
3.7 本章小结 |
第四章 质量管理系统开发 |
4.1 质量数据采集 |
4.1.1 质量数据电子化软件开发 |
4.1.2 调试阶段质量数据采集 |
4.2 数据库设计 |
4.2.1 E-R模型介绍 |
4.2.2 数据库概念结构设计 |
4.2.3 数据库逻辑结构设计 |
4.3 质量管理工具算法实现 |
4.3.1 案例推理算法 |
4.3.2 数理统计方法 |
4.3.3 机器学习算法 |
4.4 人机界面开发 |
4.5 本章小结 |
第五章 系统应用与验证 |
5.1 系统概述 |
5.2 系统功能模块 |
5.2.1 数据来源信息查询模块 |
5.2.2 故障诊断与排除方法模块 |
5.2.3 整机调试台账模块 |
5.2.4 统计分析模块 |
5.2.5 智能分析模块 |
5.3 系统验证 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 研究结论 |
6.2 主要创新点 |
6.3 展望 |
参考文献 |
作者简历 |
(2)基于机器视觉的烧结型滚抛磨块缺陷检测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 滚抛磨块研究现状 |
1.2.2 缺陷检测国内外研究现状 |
1.3 论文主要研究内容及章节安排 |
1.3.1 主要研究内容 |
1.3.2章节安排 |
1.4 本章小结 |
第2章 滚抛磨块图像采集 |
2.1 滚抛磨块缺陷检测方案设计 |
2.2 滚抛磨块图像采集系统设计研发 |
2.3 滚抛磨块图像采集程序设计 |
2.3.1 电机控制程序 |
2.3.2 串口通信程序 |
2.3.3 步进电机控制参数设置 |
2.4 滚抛磨块图像采集 |
2.5 本章小结 |
第3章 滚抛磨块图像灰度化和图像分割 |
3.1 滚抛磨块图像灰度化与灰度图像评价 |
3.2 滚抛磨块图像分割 |
3.3 分量比值灰度化方法 |
3.4 滚抛磨块图像阈值分割结果 |
3.5 本章小结 |
第4章 基于机器视觉的滚抛磨块缺陷检测 |
4.1 滚抛磨块缺陷图像分析 |
4.2 滚抛磨块圆度检测 |
4.2.1 滚抛磨块图像孔洞填充 |
4.2.2 滚抛磨块图像开运算 |
4.2.3 滚抛磨块图像中值滤波 |
4.2.4 滚抛磨块圆度计算 |
4.2.5 滚抛磨块圆度检测 |
4.3 滚抛磨块黑心缺陷检测 |
4.3.1 滚抛磨块黑心缺陷提取 |
4.3.2 滚抛磨块黑心缺陷检测 |
4.4 本章小结 |
第5章 滚抛磨块缺陷检测界面设计 |
5.1 滚磨光整加工工艺智能数据库平台框架 |
5.2 滚抛磨块缺陷检测界面框架 |
5.3 滚抛磨块缺陷检测系统界面 |
5.3.1 滚磨光整加工工艺智能数据库平台登录界面 |
5.3.2 滚磨光整加工工艺智能数据库平台主界面 |
5.3.3 滚抛磨块图像采集界面 |
5.3.4 滚抛磨块图像处理界面 |
5.3.5 滚抛磨块图像管理界面 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(3)个人信贷数据可视化分析系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 研究内容与主要工作 |
1.4 论文组织结构 |
第二章 相关理论与技术介绍 |
2.1 前端技术与框架 |
2.1.1 Vue框架 |
2.1.2 前端可视化库 |
2.2 后端技术与框架 |
2.2.1 Python语言及相关库 |
2.2.2 Flask框架 |
2.3 数据挖掘理论与算法 |
2.3.1 主成分分析技术 |
2.3.2 机器学习算法 |
2.4 本章小结 |
第三章 系统架构与功能设计 |
3.1 系统整体架构设计 |
3.2 系统功能模块设计 |
3.3 系统基础功能模块概要设计 |
3.3.1 数据源模块 |
3.3.2 数据处理模块 |
3.3.3 数据分析模块 |
3.4 特征工程模块概要设计 |
3.4.1 特征构造 |
3.4.2 特征提取 |
3.4.3 特征选择 |
3.5 模型构建模块概要设计 |
3.6 本章小结 |
第四章 系统详细设计与具体实现 |
4.1 系统实现环境 |
4.2 系统基础功能模块详细设计与实现 |
4.2.1 数据源模块 |
4.2.2 数据处理模块 |
4.2.3 数据分析模块 |
4.3 特征工程模块详细设计与实现 |
4.3.1 特征构造 |
4.3.2 特征提取 |
4.3.3 特征选择 |
4.4 模型构建模块详细设计与实现 |
4.5 本章小结 |
第五章 系统测试 |
5.1 测试方法 |
5.2 测试过程 |
5.2.1 功能测试 |
5.2.2 性能测试 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 本文总结 |
6.2 未来展望 |
参考文献 |
致谢 |
(4)石油文摘文本挖掘的可视化研究及应用(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景、目的及意义 |
1.2 国内外研究现状 |
1.3 研究目标和技术路线 |
1.4 论文结构 |
第二章 文本挖掘与文本可视化 |
2.1 文本挖掘概述 |
2.1.1 文本挖掘流程 |
2.1.2 文本挖掘方法 |
2.2 文本可视化 |
2.2.1 文本数据可视化的流程 |
2.2.2 文本可视化类型 |
2.3 本章小结 |
第三章 文本挖掘的核心技术 |
3.1 文本预处理 |
3.1.1 文本处理工具集Jieba |
3.1.2 文本处理工具集NLTK |
3.1.3 正则表达式 |
3.2 特征提取技术 |
3.2.1 TF-IDF算法 |
3.2.3 LDA主题模型 |
3.3 聚类与分类 |
3.3.1 K-Means聚类 |
3.3.2 层次聚类 |
3.3.3 朴素贝叶斯分类模型 |
3.3.4 线性分类 |
3.3.5 支持向量机 |
3.3.6 随机森林 |
3.3.7 Boosting模型 |
3.3.8 人工神经网络 |
3.4 实验环境及工具包 |
3.5 本章小结 |
第四章 中文石油文摘的文本挖掘可视化研究应用 |
4.1 数据来源 |
4.2 数据爬取 |
4.3 中文文本预处理 |
4.3.1 中文分词 |
4.3.2 去除停用词 |
4.4 特征提取 |
4.5 K-Means聚类 |
4.6 层次聚类 |
4.7 LDA主题模型构建 |
4.8 本章小结 |
第五章 英文石油文摘的文本挖掘可视化研究应用 |
5.1 数据来源与获取 |
5.2 英文文本数据预处理 |
5.2.1 数据标准化 |
5.2.2 词性标注 |
5.2.3 词干提取与词形还原 |
5.3 特征提取 |
5.3.1 TF-IDF向量 |
5.3.2 计数向量 |
5.3.3 词嵌入 |
5.4 建立分类模型 |
5.4.1 朴素贝叶斯分类器 |
5.4.2 线性分类器 |
5.4.3 实现支持向量机 |
5.4.4 Bagging随机森林模型 |
5.4.5 Boosting Xgboost模型 |
5.4.6 浅层神经网络 |
5.4.7 卷积神经网络层 |
5.5 可视化展示 |
5.6 本章小结 |
第六章 总结与展望 |
致谢 |
参考文献 |
攻读学位期间参加科研情况及获得的学术成果 |
(5)基于点对特征的三维物体快速识别方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 三维物体识别技术综述 |
1.2.1 基于全局特征的三维物体识别技术 |
1.2.2 基于局部特征的三维物体识别技术 |
1.2.3 基于局部和全局特征的三维物体识别技术 |
1.3 三维物体识别的关键问题 |
1.4 研究内容与章节安排 |
第二章 基于不等分体素网格的三维点云均匀降采样算法 |
2.1 引言 |
2.2 Drost体素网格降采样算法 |
2.3 不等分体素网格均匀降采样算法 |
2.4 三维点云降采样实验 |
2.4.1 实验环境和实验点云 |
2.4.2 实验结果和分析 |
2.5 本章小结 |
第三章 基于点对特征和凸包求解的物体放置平面提取算法 |
3.1 引言 |
3.2 基于点对特征的平面提取算法 |
3.2.1 点对特征 |
3.2.2 平面内点对特征的性质 |
3.2.3 平面提取算法 |
3.3 基于凸包求解的物体放置平面提取算法 |
3.3.1 物体放置平面的特性 |
3.3.2 点云投影 |
3.3.3 凸包求解方法 |
3.3.4 物体放置平面的判定 |
3.3.5 物体放置平面提取算法的实现流程 |
3.4 平面和物体放置平面提取实验 |
3.4.1 平面提取实验与结果分析 |
3.4.2 物体放置平面提取实验与结果分析 |
3.5 本章小结 |
第四章 面向三维物体识别的自适应均匀选点及其分布均匀性评价方法 |
4.1 引言 |
4.2 面向三维物体识别的自适应均匀选点方法 |
4.3 基于豪斯多夫距离的点云分布均匀性评价方法 |
4.3.1 点云分布均匀性问题分析 |
4.3.2 基于豪斯多夫距离的评价方法 |
4.4 选点和识别实验 |
4.4.1 选点实验 |
4.4.2 分布均匀性分析和识别速度实验 |
4.5 本章小结 |
第五章 基于平面约束的点对特征三维物体快速识别方法 |
5.1 引言 |
5.2 基于平面约束的点对特征识别方法 |
5.2.1 特征描述和点对特征匹配 |
5.2.2 位姿聚类 |
5.2.3 ICP精配准 |
5.3 三维物体识别实验 |
5.3.1 Drost的点对特征算法识别实验 |
5.3.2 本文方法识别实验 |
5.4 本章小结 |
第六章 基于OpenCV和PCL的三维物体识别系统实现 |
6.1 实验平台和开发环境 |
6.1.1 点云采集设备 |
6.1.2 OpenCV开发环境 |
6.1.3 PCL开发环境 |
6.2 系统实现 |
6.3 识别实验 |
6.3.1 鼠标识别实验 |
6.3.2 支座识别实验 |
6.4 本章小节 |
结论与展望 |
参考文献 |
攻读傅士期间发表的论文 |
致谢 |
(6)铁路信号集中监测系统数据可视化技术应用研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 论文研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.3 研究目的与研究内容 |
1.4 本章小结 |
2 铁路信号集中监测系统与可视化理论概述 |
2.1 铁路信号集中监测系统的结构组成及功能 |
2.1.1 铁路信号集中监测系统的结构组成 |
2.1.2 铁路信号集中监测系统功能 |
2.1.3 铁路信号集中监测系统中的智能分析与故障诊断 |
2.2 数据可视化理论与技术简介 |
2.2.1 可视化理论 |
2.2.2 数据可视化流程 |
2.2.3 数据可视化设计 |
2.2.4 可视化基本图标 |
2.2.5 可视化工具 |
2.3 本章小结 |
3 基于DBN的道岔监测数据特征提取 |
3.1 S700K型电动转辙机 |
3.2 S700K转辙机运行状态分析 |
3.2.1 S700K转辙机正常状态分析 |
3.2.2 S700K道岔故障状态分析 |
3.3 DBN网络及训练过程 |
3.3.1 DBN网络概念 |
3.3.2 DBN网络结构 |
3.3.3 DBN网络训练过程 |
3.4 基于DBN算法道岔监测数据特征提取方法 |
3.4.1 PSO优化算法 |
3.4.2 基于DBN的特征提取方法 |
3.4.3 数据特征提取结果可视化 |
3.5 本章小结 |
4 信号集中监测系统数据可视化模块设计 |
4.1 直方图和折线图组合设备监测数据可视化设计 |
4.1.1 直方图与折线图 |
4.1.2 设备维护计划综合视图设计 |
4.2 日历热图与树图结合设备故障数据可视化设计 |
4.2.1 日历热图和树图 |
4.2.2 设备报警信息数据视图设计 |
4.3 基于桑基图报警信息流动可视化设计 |
4.3.1 桑基图 |
4.3.2 设备报警信息流动视图设计 |
4.4 可视化综合数据大屏设计 |
4.4.1 大屏数据可视化概述 |
4.4.2 可视化大屏视图设计 |
4.5 本章小结 |
5 铁路信号安全监测系统可视化应用设计 |
5.1 可视化应用需求分析 |
5.2 可视化系统开发环境及架构介绍 |
5.2.1 开发环境 |
5.2.2 可视化应用架构 |
5.2.3 数据可视化工作流程设计 |
5.3 可视化应用的数据库设计 |
5.3.1 数据库概念结构设计 |
5.3.2 数据库表结构设计 |
5.4 可视化应用主要功能模块设计 |
5.4.1 用户权限管理模块 |
5.4.2 数据导入模块 |
5.4.3 系统界面显示模块 |
5.4.4 设备故障信息统计模块 |
5.4.5 地图信息模块 |
5.5 本章小结 |
结论 |
致谢 |
参考文献 |
附录 A 可视化设计界面代码 |
攻读学位期间的研究成果 |
(7)在线学习的可穿戴实时行为识别关键技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 引言 |
1.2 选题背景和研究意义 |
1.3 半监督学习算法的国内外研究历史与现状 |
1.4 可穿戴感知系统应用在行为识别的国内外研究现状 |
1.5 论文主要的贡献和创新 |
1.6 论文的结构和安排 |
第二章 可穿戴感知系统 |
2.1 多传感可穿戴感知系统实时数据处理框架 |
2.2 可穿戴设备硬件平台 |
2.3 多传感可穿戴系统数据特征描述 |
2.4 本章小结 |
第三章 基于半监督框架的在线学习算法 |
3.1 模型各模块简介 |
3.1.1 Tri-training半监督学习框架 |
3.1.2 改进的霍夫丁树模型VFDT |
3.1.3 直方图算法 |
3.2 Tri-VFDT算法介绍 |
3.3 基于可穿戴设备的在线学习方法 |
3.4 模型的验证策略和评估方法 |
3.4.1 模型验证方法 |
3.4.2 模型评估 |
3.5 本章小结 |
第四章 实验设计与结果分析 |
4.1 实验设计 |
4.1.1 行为识别实验设计 |
4.1.2 在线学习算法实验设计 |
4.1.3 可穿戴设备实时识别功能验证 |
4.2 实时行为识别算法结果分析 |
4.2.1 实验结果分析 |
4.2.2 参数设置与模型内部分析 |
4.2.3 半监督算法的数据流验证 |
4.2.4 半监督算法的真实场景验证 |
4.3 本章小结 |
第五章 全文总结与展望 |
5.1 全文总结 |
5.2 后续工作与展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(8)加拿大B.C省基础教育数学课程标准研究(论文提纲范文)
摘要 |
Abstract |
1 前言 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.3 研究问题 |
1.4 主要术语界定 |
1.5 创新点 |
2 理论背景及文献综述 |
2.1 理论背景 |
2.1.1 概念 |
2.1.2 理论基础 |
2.2 文献综述 |
2.2.1 中国数学课程标准现状 |
2.2.2 加拿大数学课程标准研究 |
2.2.3 其他数学课程标准研究 |
2.2.4 研究方法 |
2.3 小结 |
3 研究方法 |
3.1 研究对象 |
3.2 研究框架 |
3.3 数据收集与分析 |
3.4 研究思路 |
4 结果与分析 |
4.1 B.C省数学课程标准 |
4.1.1 背景 |
4.1.2 前言 |
4.1.3 课程开发 |
4.1.4 支持 |
4.1.5 课程评价 |
4.2 数学教育哲学观念 |
4.2.1 基本原理 |
4.2.2 附属原理 |
4.2.3 小结 |
4.3 课程内容 |
4.3.1 课程内容选择 |
4.3.2 课程内容组织 |
4.4 小结 |
5 结论与建议 |
5.1 结论 |
5.2 建议 |
5.2.1 关于我国数学课程标准修订 |
5.2.2 关于未来进一步思考 |
参考文献 |
附录 A SEC分析范式主题细目表 |
附录 B SEC分析范式认知水平细目表 |
附录 C 课程内容条目分布表 |
致谢 |
(9)压缩感知编码网络中的图像视觉隐私保护度评价方法研究(论文提纲范文)
摘要 |
abstract |
专用术语注释表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 图像视觉隐私保护 |
1.2.2 图像视觉隐私保护度评价 |
1.3 本文研究内容与主要创新 |
1.3.1 研究内容 |
1.3.2 主要创新 |
1.4 本文结构与各章节内容安排 |
第二章 相关技术介绍 |
2.1 压缩感知基本原理 |
2.1.1 压缩感知理论框架 |
2.1.2 信号的稀疏表示 |
2.1.3 观测矩阵的构造 |
2.1.4 彩色图像分块压缩感知 |
2.2 人类视觉系统与图像质量评价 |
2.2.1 人类视觉系统 |
2.2.2 图像质量评价 |
2.3 基于稀疏表示的分类算法 |
2.4 本章小结 |
第三章 压缩感知编码网络 |
3.1 压缩感知编码网络结构 |
3.1.1 编码机制 |
3.1.2 多层扩展 |
3.2 观测矩阵的分析与改进 |
3.2.1 观测矩阵的分类 |
3.2.2 修正非负高斯随机观测矩阵 |
3.3 图像归一化方法的分析与设计 |
3.3.1 常用的图像归一化方法与分析 |
3.3.2 高斯拟合归一化方法 |
3.4 本章小结 |
第四章 图像视觉隐私保护度评价 |
4.1 图像色度特征 |
4.1.1 压缩感知编码网络中图像的色度分析 |
4.1.2 基于散斑噪声自适应加权的色度测量模型 |
4.2 图像对比度特征 |
4.2.1 压缩感知编码网络中图像的对比度分析 |
4.2.2 基于非对称修正α均值的对比度测量模型 |
4.3 图像显着性结构特征 |
4.3.1 压缩感知编码网络中图像的亮度分析 |
4.3.2 局部二值模式算子 |
4.3.3 视觉显着性模型 |
4.3.4 显着性广义中心对称局部二值模式算子 |
4.4 图像特征映射视觉隐私保护度模型 |
4.4.1 支持向量机与支持向量机回归 |
4.4.2 模糊C均值聚类算法 |
4.4.3 支持向量机回归与模糊C均值组合回归模型 |
4.5 本章小结 |
第五章 实验与分析 |
5.1 实验设置 |
5.1.1 实验数据集 |
5.1.2 性能评价指标 |
5.2 压缩感知编码网络的相关实验 |
5.2.1 压缩感知编码网络的识别鲁棒性 |
5.2.2 修正非负高斯随机观测矩阵的编码有效性 |
5.2.3 高斯拟合归一化方法的归一化有效性 |
5.3 图像视觉隐私保护度评价模型的相关实验 |
5.3.1 基于散斑噪声自适应加权的色度测量模型的有效性 |
5.3.2 基于非对称修正α均值的对比度测量模型的有效性 |
5.3.3 评价模型参数的鲁棒性与选择 |
5.3.4 评价模型图像质量评价的有效性 |
5.3.5 评价模型图像视觉隐私保护度预测的合理性 |
5.3.6 评价模型与其他方法的性能对比 |
5.3.7 评价模型提取特征的有效性 |
5.3.8 评价模型的计算复杂度 |
5.3.9 评价模型的消耗计算资源度 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 研究工作总结 |
6.2 未来研究展望 |
参考文献 |
附录1 攻读硕士学位期间撰写的论文 |
附录2 攻读硕士学位期间参加的科研项目 |
致谢 |
(10)在线学习中视频交互行为的影响因素研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 研究问题 |
1.4 研究方法 |
1.5 本研究的创新点 |
1.6 研究思路与论文框架 |
1.6.1 研究思路 |
1.6.2 论文框架 |
第二章 理论基础及国内外研究现状 |
2.1 概念界定 |
2.2 理论基础 |
2.2.1 学习条件理论 |
2.2.2 归因理论 |
2.2.3 交互理论 |
2.3 在线学习中视频交互行为的研究现状 |
2.4 在线学习中视频交互行为影响因素的研究现状 |
2.5 在线学习中视频交互行为与学习效果的研究现状 |
第三章 视频交互行为的数据采集方法 |
3.1 视频交互行为数据的获取 |
3.2 视频交互行为数据的处理 |
3.3 视频交互行为数据的可视化 |
第四章 在线学习中视频交互行为的影响因素检验 |
4.1 研究模型与研究假设 |
4.1.1 研究模型 |
4.1.2 研究假设 |
4.2 问卷设计 |
4.3 研究抽样 |
4.4 研究程序 |
4.4.1 预测试 |
4.4.2 正式测试 |
4.5 检验结果 |
4.5.1 信度分析 |
4.5.2 效度分析 |
4.5.3 描述性分析 |
4.5.4 显着性检验 |
4.5.5 相关性分析 |
第五章 视频交互行为在影响因素与学习成绩之间的中介效应检验 |
5.1 研究模型与研究假设 |
5.1.1 研究模型 |
5.1.2 研究假设 |
5.2 检验结果 |
5.2.1 相关性分析 |
5.2.2 中介效应检验 |
5.3 视频交互行为的质性研究 |
5.3.1 访谈对象 |
5.3.2 访谈提纲 |
5.3.3 访谈结果 |
第六章 分析与启示 |
6.1 视频交互行为分析 |
6.2 影响因素分析 |
6.3 中介效应分析 |
6.4 启示 |
第七章 总结与展望 |
7.1 研究总结 |
7.2 研究不足与前景展望 |
参考文献 |
附录1 代码清单 |
附录2 调查问卷 |
附录3 访谈提纲 |
附录4 访谈文本 |
附录5 攻读硕士学位期间撰写的论文 |
致谢 |
四、通用直方图、折线图绘制程序的设计(论文参考文献)
- [1]基于责任卡识别与网络技术的拖拉机整机制造过程质量管理系统研究[D]. 姜超. 浙江大学, 2021(01)
- [2]基于机器视觉的烧结型滚抛磨块缺陷检测方法研究[D]. 贾坡. 太原理工大学, 2021
- [3]个人信贷数据可视化分析系统的设计与实现[D]. 赵淑晨. 北京邮电大学, 2021(01)
- [4]石油文摘文本挖掘的可视化研究及应用[D]. 谢静怡. 西安石油大学, 2021(09)
- [5]基于点对特征的三维物体快速识别方法研究[D]. 肖正涛. 广东工业大学, 2021(08)
- [6]铁路信号集中监测系统数据可视化技术应用研究[D]. 司涌波. 兰州交通大学, 2021
- [7]在线学习的可穿戴实时行为识别关键技术研究[D]. 张一炜. 电子科技大学, 2021(01)
- [8]加拿大B.C省基础教育数学课程标准研究[D]. 王悦. 辽宁师范大学, 2021(08)
- [9]压缩感知编码网络中的图像视觉隐私保护度评价方法研究[D]. 汤正. 南京邮电大学, 2020(03)
- [10]在线学习中视频交互行为的影响因素研究[D]. 李紫衣. 南京邮电大学, 2020(02)