一、k元线性变换的矩阵表示（论文文献综述）
马慧欣[1]（2021）在《目标导向多属性决策价值公度与变权决策模型研究》文中研究说明多属性决策问题广泛存在于社会、经济、管理等多个领域,其理论与方法一直是决策分析学科的重要热点问题。从决策过程上看,多属性决策的核心环节可以分为两部分,其一是确定方案的属性价值,其二是确定属性（及）权重并结合方案属性价值得到方案的综合价值。对于方案的属性价值,不同于传统多属性决策方法仅利用简单的向量归一法等规范化方法来解决各个属性之间的不可公度性,Bana e Costa等学者提出了旨在采用同一区间量制测度出多个属性维度上属性价值的MACBETH方法。对于属性权重,针对建立在属性偏好独立假设基础上的传统多属性固权决策方法在解决实际问题时存在方法失效的问题,学术界迄今提出了能够反映点依赖偏好关联关系和能够反映序依赖偏好关联关系的两类多属性变权决策方法。然而,上述方法在解决多属性决策问题时,存在着理论和应用上的缺陷。例如,MACBETH方法在多个属性维度上确定出的Good值并不能具有保证属性价值公度的完全相同的偏好涵义,多因素变权决策方法存在着状态变权的确定具有主观武断性和核心思想与技术思路相矛盾的问题,等等。若能够解决上述理论的缺陷和不足,则对指导人们决策具有重要的理论和应用意义。本文首先针对RF理论模型的范围价值不能科学合理反映决策者主观偏好的问题,在借鉴CPT理论的基础上,通过纳入参考点和CPT价值函数对RF模型的范围价值予以发展,并在此基础上给出了RF理论模型的修正模型即MRF模型。基于偏好行为测验和属性价值测量的实验研究结果证实,决策者的参考点、偏好非线性和损失厌恶对属性值综合价值存在着显着影响,MRF模型相较于RF模型能够更好地拟合属性价值测量的数据,MRF模型的参数相对于不同拟合方法也具有较好的稳定性。由此表明MRF模型相对于RF模型而言,具有更强的科学合理性。针对MACBETH方法在多个属性维度上确定出的Good值并不能保证具有完全相同的偏好涵义,在发展CPT价值函数和RF理论的基础上,通过引入数据包络分析技术和马尔可夫理论给出了以目标参照方案为导向的目标导向属性价值函数和多属性决策属性价值公度的方法程序。基于实验问题的应用分析直接验证了多属性决策属性价值公度方法程序的科学有效性,间接验证了包容性属性价值函数和目标导向属性价值函数的科学理性。针对多因素变权决策方法存在的未考虑属性价值测度的公度性、乐观系数y的确定具有主观武断性以及核心思想与技术路线相矛盾的问题,利用目标导向多属性决策属性价值公度方法和摆幅置权方法,提出了能够克服多因素变权决策模型前述不足的基于目标导向多属性价值公度的多因素变权决策模型及方法。数值对比分析表明,基于目标导向多属性价值公度的多因素变权决策方法能够给出与决策者关于偏好依赖关联定性看法及客观事实非常相符的方案优选排序结果;基于目标导向多属性价值公度的多因素变权决策方法相对于多因素变权决策方法能够更恰当地反映决策者的具体偏好,从而具有更强的科学合理性。针对多属性相对变权决策模型未能实现对方案属性价值公度测量的不足,通过引入目标导向多属性决策属性价值公度方法实现属性价值的公度,在此基础上给出了基于目标导向多属性价值公度的相对变权决策模型及方法。数值分析表明,在对应不同目标参照方案的情况下,基于目标导向多属性价值公度的相对变权决策方法既能够合理地反映决策者具体偏好,又能够有效地反映出因目标参照方案不同而引起的备选决策方案的优选排序结果的改变,由此验证了基于目标导向多属性决策价值公度的相对变权决策方法的科学合理性。针对决策信息模糊情况下的多属性变权决策问题,提出一种基于概率语言偏好语言关系和目标导向多属性决策价值公度的偏好序依赖多属性变权决策模型。该模型首先通过引入目标导向属性价值函数和概率语言偏好关系实现了决策信息模糊情况下的属性价值公度,其次,基于能够灵活且真实地反映出决策者偏好信息的概率语言偏好关系两两比较判断矩阵确定目标导向属性价值函数参数和属性集容量,并根据Choquet积分得到序依赖偏好关联研究框架下决策信息模糊的备选决策方案多属性综合价值。案例应用表明了基于概率语言偏好语言关系和目标导向多属性决策价值公度的偏好序依赖多属性变权决策模型应用的可行性。最后,结合风电场设备评标的实际决策问题,对论文提出的两种点依赖变权决策新模型予以了应用和实证分析。方法应用过程和分析结果表明,基于目标导向多属性价值公度的多因素变权决策方法和基于目标导向多属性价值公度的相对变权决策方法是可行的,且相较于多因素变权决策方法具有更强的实用性。
方文波,李书刚,程婷,代晋军,李正帮[2]（2021）在《教育信息化背景下线性代数内容体系构架的探索与实践》文中研究说明本文在总结国内外线性代数教材的基础上,介绍了以线性方程组为明线,以线性变换为暗线构架线性代数课程教学内容体系的一些具体做法以及该体系的特点.《线性代数及其应用》教材（根据该构架体系编写）入选国家"十二五"规划教材,2018年获得国家教学成果二等奖.
张福军[3]（2021）在《基于线性码的t（=1，2）-设计的相关研究》文中进行了进一步梳理设计作为组合学中的重要分支,在编码理论、密码学、通信和统计学等方面有着广泛的应用,而较低重量的线性码作为码理论重要的部分,也被广泛应用于秘密共享方案、鉴别代码、结合方案、数据存储系统及组合学等领域.众所周知,编码理论与设计之间存在着十分密切的联系:一方面,可以利用设计的关联矩阵生成任意有限域上的线性码;另一方面,在特定条件之下,也可以利用线性码和非线性码中具有固定汉明重量的全体码字的支撑来构造t-设计.本文基于Assmus-Mattson定理和仿射不变码理论构造了一些1-设计和2-设计,确定了设计的参数,并编制Magma程序验证了所得结论的正确性.具体工作如下:（1）确定了两类线性码支持的无限簇2-设计的参数.第一类是基于三元线性码;第二类是基于狭义本原BCH码C（q,qm-1,δ3,1）,而且证明了 C（q,qm-1,δ3,1）⊥也支持2-设计.（2）通过选取四值Walsh谱值的布尔函数和三重线性码构造了四类低重二元线性码,并确定了其参数和重量分布,同时计算出了两类缩短码的对偶码的参数和重量分布,之后研究了其中一类码支持的1-设计.（3）通过选取一类支持2-设计的五重二元线性码,首先确定了其缩短码的参数和重量分布,之后计算出了对偶码的参数和重量分布.在此基础上,研究了它们支持的1-设计.
何熙[4]（2021）在《迁移学习算法的量子化与应用》文中认为随着近年来量子计算领域的飞速发展,量子计算技术已经深刻地改变了传统的计算模式与信息处理的方式。量子计算利用量子物理特有的量子纠缠、量子叠加等性质能够有效地提升信息处理的效率与能力,并且提供了新型的数据计算与信息处理方式。机器学习利用现有的计算资源对大数据进行分析学习得到规律以对未知数据进行预测,在众多领域有着广泛的应用。量子计算技术应用于机器学习中产生了量子机器学习这一研究方向。量子机器学习一方面可以实现相对经典机器学习算法的性能提升;另一方面对于解决特定任务,特别是量子物理领域的任务,具有独特的适配性与优势。目前,量子机器学习已经发展为一个系统性、全面性的研究领域。作为机器学习重要的研究分支,迁移学习旨在利用已知领域的知识来解决未知领域的机器学习任务。迁移学习对于提高机器学习算法模型的泛化能力,以及解决数据标注缺乏的问题具有重要的作用。然而目前对于量子迁移学习算法的设计研究还非常缺乏。现有的量子机器学习算法服从独立同分布假设,多适用于单一的任务场景。除此之外,对于采集到的数据特别是量子数据进行处理得到指定的数据格式和标记非常耗费资源。针对上述问题,本文针对迁移学习算法的量子化与应用进行系统性的研究。迁移学习旨在解决跨领域机器学习任务。然而如何在量子设备上运行迁移学习算法,以及如何利用量子计算技术提升现有迁移学习算法的性能是量子机器学习领域中亟待解决的问题。本文重点针对量子迁移学习领域中的数据预处理技术,以及量子化算法设计与应用问题进行系统性的研究。主要的工作内容和创新点包括:（1）针对量子迁移学习中的数据预处理问题,进行了系统性的研究并提出了相关的量子化设计方案。首先对量子数据编码技术进行系统性的研究总结。其次针对数据预处理中的线性降维算法——主成分分析算法的量子化方案进行研究。最后分别利用量子基础线性代数程序集和变分量子-经典混合过程这两种技术思路设计了非线性降维算法——局部线性嵌入算法的量子化方案。与经典局部线性嵌入算法相比,基于量子基础线性代数程序集的局部线性嵌入算法能够对数据的非线性降维的整体过程实现平方级加速。除此之外,基于变分量子-经典混合过程,分别利用端到端思想与分布实现过程设计了两种变分量子局部线性嵌入算法可以有效地在带噪声中等规模量子设备上对非线性数据进行降维处理。（2）针对迁移学习算法的量子化问题,提出了量子子空间对齐算法模型。首先基于量子基础线性代数程序集实现了子空间对齐过程,从而能够以相对经典子空间对齐算法平方根级的算法复杂度在通用量子计算设备上实现迁移学习过程。另外,基于带噪声中等规模量子设备,利用含参数变分量子电路与经典优化算法实现了两种不同配置方案的变分量子子空间对齐算法,即端到端变分量子子空间对齐算法和基于矩阵乘法的变分量子子空间对齐算法。根据在同构和异构迁移学习任务场景下的数据实验结果证明了变分量子子空间对齐算法的可行性与有效性。（3）针对具有更简化数据预处理过程的量子迁移学习算法的设计问题,提出了量子关联对齐算法模型的两种设计方案:基于量子基础线性代数程序集的关联对齐算法和变分量子关联对齐算法。第一种方案在通用量子计算设备上完成迁移学习任务,并且相对经典算法可以实现指数级加速;第二种方案分别基于端到端思想和矩阵乘法操作在浅层含参量子电路上实现了迁移学习过程,并且通过设计不同数据规模、不同任务场景下的迁移学习数据实验验证了该方案的可行性与有效性。本文针对量子迁移学习领域中数据预处理技术进行了全面性的研究并提供了相关的量子化设计方案,并且对于迁移学习算法的量子化与应用进行了系统性的研究。本文的研究内容为量子迁移学习领域的发展提供了新的思路,具有重要的理论与应用价值。
江瑶[5]（2020）在《Gr（?）bner基在编码理论上的应用研究》文中提出本文主要围绕Gr（?）bner基理论在线性码最小距离上的应用而展开,最小距离反映了线性码的检错和纠错能力,它是线性码的一个重要参数。本文第三章基于代数编码理论和Gr（?）bner基理论,提出了一种更高效的线性码最小距离的求解方法。原方法是通过计算由码字生成理想It的零点集,来求线性码的最小距离。但在码长n和t较大的情况下,该方法复杂度较高,耗时较长。提出的新方法将原方法中计算理想It的零点集转化为求其Gr（?）bner基,解决了原方法在计算过程中的一些复杂情况,且比原方法计算速度更快。本文第四章和第五章分别介绍了线性码中的循环码和拟循环码,其最小距离也可用线性码的方法来确定,这两章中还分别给出了基于Gr（?）bner基确定循环码和拟循环码最小距离的其他方法。
王红[6]（2020）在《火星探测多光谱相机定标技术研究》文中研究指明本文选题于国家重大工程任务—“火星探测工程”。多光谱相机作为其中的一个重要载荷,其主要科学探测任务为获取着陆区及巡视区的多光谱图像,进而进行火星表面物质类型分布的分析工作。论文从仪器设计需求及科学目标实现两方面出发,对它的光谱、辐射和彩色定标开展了研究工作。本文定标相机是火星探测多光谱相机的鉴定件。首先,分析了火星探测多光谱相机所采用的多光谱实现技术,结合滤光片轮式分光方式和多光谱相机的成像机理,论文建立了系统全面的多光谱相机的信息传输模型和定标模型。其次,采用波长扫描法对多光谱相机进行了光谱定标,给出了具体的实验过程和数据处理流程。将多光谱相机的相对光谱响应作为权重函数,提出了一种新的中心波长和光谱带宽的计算方法。中心波长为波长对于相对光谱响应的加权平均值,而光谱带宽为带宽内面积占总面积w%时的广义w带宽。模拟结果显示,相比高斯拟合法,利用该方法计算的中心波长和光谱带宽进行信息反演时,相对输出偏差最大减小了1.3%,相对辐射误差最大减小了1.83%。再次,制定了全面系统的火星探测多光谱相机的辐射定标方法,实验过程以及数据处理流程。暗电流定标中,将暗电流定标矩阵分为两部分,整机平均暗电流和像素间非均匀性校正因子。平场定标中,给出了最优平场矩阵。绝对辐射定标中,在实验室绝对辐射定标的基础上,模拟分析了火星上不同目标的辐射谱之间绝对定标系数的差异。最后,研究了火星探测多光谱相机的彩色定标方法。将相机输出RGB值做归一化处理,转换成色度值,在与亮度无关的色度空间进行彩色定标,校正相机光谱响应与人眼视觉函数不一致引起的颜色失真。实验结果显示色度空间法相比传统的RGB方法,定标色差平均减小了0.16,而校正色差平均减小了0.65。另外,在获取样本颜色真值时,利用光源的相对光谱分布,基于CIE颜色计算公式,推算了不同定标光源下XYZ颜色空间与RGB颜色空间的转换关系。利用该转换关系,计算得到了实验室D65光源下的转换矩阵,相比标准转换矩阵,提高了样本真值的获取精度。
傅山[7]（2020）在《基于侧信道分析的密码算法安全评估技术研究》文中研究表明随着移动互联网的发展,各形态的物联网终端、嵌入式设备在日常生活中得到了普遍应用,智能IC卡、移动电话、RFID标签以及传感器网络等充斥在生活的方方面面。由于设备与网络在生活中的深度应用,设备内留存了大量的敏感数据,为了保护设备与网络的安全性,同时也为了保护用户的隐私数据,防止攻击者通过密码学手段恢复这些敏感数据,各类新型的密码学技术在这些设备和网络中开始应用。侧信道分析技术,尤其是能量分析技术,是对这类设备的一种常见攻击手段,它们为恢复密钥等敏感信息提供了可能性。侧信道分析相比于传统的基于数学的密码分析方法,有着易操作、可移植性强、适合黑盒分析等优点,因而在实际应用中得到设计者、攻击者以及第三方评测机构的重视。随着密码算法更复杂的应用场景,在密码算法实现方面具有高频率、高性能、功能相对独立的特点。基于侧信道分析的密码算法安全评估技术研究将推动密码算法在实际应用的安全实现,促进密码算法的设计和防御策略等方面的发展。对密码算法进行侧信道分析,将有助于发现密码算法设计和实现过程中存在的问题;有利于对密码芯片等产品进行更深层次的安全评估,促进产业生态的健康有序发展,保障用户的隐私数据和个人信息安全。因此,侧信道分析技术需要得到更多的研究和关注。本文从侧信道分析技术出发,分别从能量分析技术和故障分析技术展开了研究工作:在能量分析技术方面,对能量分析的泄露模型和攻击方法进行了深入的研究,提出了一种泄露模型和两种能量分析方法;在故障分析技术方面,提出了基于无故障中间值的差分故障分析方法。本文的主要工作与贡献具体如下:（1）从侧信道能量分析方法出发,提出了一种基于多元线性回归的独立位泄露模型。与传统汉明重量泄露模型不同的是,该模型可实现对独立比特位的能量刻画和泄露分析,能够更准确刻画加密中间值的每一个独立位与泄露值之间的数学关系,减少了约束条件。同时,该模型在参数计算阶段引入了多元线性回归方法,解决了传统汉明重量模型中各比特位变化时泄露值互补导致的分析效率低的问题。通过仿真实验和攻击实例验证模型的准确性。（2）结合独立位泄露模型与多元线性回归分析的理论,提出了多字节能量分析方法（Multi-byte Power Analysis,MPA）。MPA方法与传统能量分析方法不同,在恢复密钥过程中不需要进行密钥猜测,并可以同时恢复密钥的多个字节,尤其对于长密钥的密码算法具备很高的攻击效率,实验验证这种分析方法与相关性能量分析方法（Correlation Power Analysis,CPA）相比,效率提升达70.6%。在对异或操作的旁路泄露进行分析时,MPA方法具有攻击效率和成功率方面的优势。由于异或操作是密码算法的基本组件,MPA方法将能够实现对诸多密码算法的有效的侧信道攻击,应用到诸多通用的密码侧信道分析场景中,对密码算法进行安全评估有显着的意义。（3）结合多元线性回归区分器特性,提出了基于多元线性回归的选择明文攻击方法。使用多元线性回归决定系数作为区分器,轮输出的值将仅影响中间值中的某些比特的正负号,而不会改变中间值与能量泄露之间的线性关系强弱。依据这一特性,基于多元线性回归与基于皮尔森（Pearson）相关性系数的选择明文能量攻击相比具备更高的攻击成功率和效率,实验表明效率提升约68%,期望成功率提升约40%。这种攻击方法具有很强的扩展性,可以成功实施对掩码防护方案的侧信道攻击,从而成为进行密码算法安全评估技术的一种重要手段。（4）结合ITUbee密码算法的特性,提出了基于无故障中间值的差分故障分析（Fault-free Ⅳ based Differential Fault Analysis,FDFA）方法。与传统的差分故障攻击方法不同的是,FDFA攻击不仅使用故障值,还使用了无故障的两次明文加密产生的中间值之间的差分。使用这种攻击方法对ITUbee算法实施了有效攻击,在4次故障注入的条件下,仅通过225轮运算就可以实现。这种故障分析方法还可以用于实现对其他具有类似结构分组密码的安全评估。
阎曼婷[8]（2020）在《基于前景理论的不确定多属性决策研究》文中研究说明多属性决策问题是指决策者在综合考虑多个属性的情况下确定最佳方案,多属性决策在项目投资、产品开发以及政府管理等领域具有广泛的应用。现有的多属性决策问题大多以期望效用理论为基础,这种决策方式无法清晰地反映人类的偏好信息。由于现实生活中的决策问题往往具有复杂性和不确定性,不同事件发生的概率不同,不同属性在不同条件下的状态也不同,属性值的表达方式也不同,因此需要决策者考虑各种状态发生的概率。此外,在实际生活中,各属性的权重往往不是确定的,在以往的前景理论研究中属性权重也都直接给出或者通过单一方式确定,为了科学地确定属性权重,决策者需要将主观、客观的方式相结合,使属性权重具有合理性。因此,本文针对属性权重未知的不确定混合多属性决策问题提出了一种基于前景理论的研究方法,并建立了优化模型确定主客观权重。首先,本文介绍了前景理论和不确定混合多属性决策问题的基础知识,分析了期望效用理论、前景理论以及累积前景理论的特点以及决策方式,介绍了几种常见的多属性决策问题以及属性权重确定的方法,明确了前景理论在多属性决策问题方面的优势以及在决策过程中应当注意的问题。通过分析前景理论与其他理论的区别,明确了将前景理论应用于多属性决策问题中的可行性。其次,本文研究了将区间数、语言数和三角模糊数三种类型的属性值变为清晰数的方法,在将属性值转化为清晰数后将其与期望值进行比较,由此可以建立风险收益矩阵和风险损失矩阵。然后,通过主观、客观相结合的方式,依据模糊偏好关系和离差最大化建立拉格朗日函数求解优化模型,得出主观及客观权重,之后再对权重模型进行优化处理,进而得出各属性的综合权重值。最后,根据求得的风险收益矩阵和风险损失矩阵得出前景矩阵,再将权重信息进行融合得出前景值,进而得出各个方案的综合前景值以及方案排序,确定最佳方案,并通过一个算例验证所提出的算法的可行性。
白亚腾[9]（2020）在《基于机器视觉的煤质检测关键技术研究》文中研究指明目前而言,由于机械开采的迅速推广,产出的细粒煤已经大致占到原煤总量的20%以上。选煤厂的浮选技术水平的高低,将直接影响煤炭资源的有效利用率和经济效益。随着计算机技术的迅猛发展,机器视觉技术用来代替人类视觉自动处理浮选泡沫图像已经成为可能,通过及时准确地提取泡沫图像特征参数,从而对浮选过程中泡沫进行实时检测和识别。然而浮选过程中各种操作变量的不断变化以及现场环境恶劣性对泡沫图像的获取、分割处理及表面视觉特征提取等带来了很大的挑战。因此,研究一套行之有效的泡沫图像处理及视觉特征提取方法,从而建立完善高效的浮选产品指标在线检测体系,有效地提高了浮选生产效率,降低了工人劳动强度,进一步提高矿产资源的回收率,具有非常重要的现实意义。本文首先归纳总结了煤泥浮选的现场环境、工艺特征及其泡沫图像的视觉特点,以实验室小浮选试验为基础研究手段,提出了适用于煤泥浮选泡沫的图像去噪、增强及分割算法。从图像中提取出能够有效反映煤质产量和灰分的相关特征参数,构建了煤泥浮选精煤灰分软测量模型。在此基础上,对浮选系统进行配置,并结合选煤厂的实际情况,搭建了煤泥浮选泡沫图像控制管理系统。实现了对现场精煤灰分的在线检测,验证了本研究的可靠性和有效性。本文的主要研究内容及创新性成果概括为以下几个方面:（1）针对煤泥浮选生产光分布不均匀、图像噪声污染严重、分割困难等问题,本文提出了一种基于全变分理论的混合去噪模型。基于暗原色先验原理、双平台直方图均衡化和递归分层的连通域均衡化原理,本文研究了一种综合图像增强技术,能够在保留图像细节前提下,有效地去除泡沫图像噪声,增强图像对比度。结合以上预处理的技术,设计了一种基于谷底边缘检测的泡沫图像分割算法。不仅保留图像中的非边缘像素,而且保留了真实的泡沫边缘像素点,对泡沫边界像素进行细化处理,从而得到真实的矿物泡沫图像边缘。（2）对不同入浮浓度、捕收剂用量、起泡剂用量和物料颗粒情况下浮选实验泡沫图像进行采集,并化验分析了样品的实验指标。提取了不同浮选实验条件下的泡沫图像纹理、颜色和形状特征,利用机器学习中的回归方法（支持向量机和随机森林等）通过三种特征融合的方式对浮选过程中的精煤产量、精煤灰分和尾煤灰分进行预测,结果表明本文提出的多特征融合的预测方法可以达到较好的预测性能。（3）为了提高精煤灰分的预测精度,本文基于图像灰度直方图和灰度共生矩阵等共提取了11个特征参数,并综合分析了各个特征值与浮选运行状态之间的关系。实验结果表明:基于灰度直方图提取的方差、基于灰度共生矩阵提取的能量以及泡沫大小与精煤灰分值之间存在着明显相关关系。而由灰度直方图提取的平滑度和三阶矩,则与精煤灰分值呈高度相关关系。由灰度直方图提取的熵、由灰度共生矩阵提取的对比度、熵与精煤灰分值呈适度相关。基于灰度直方图提取的一致性对灰分不敏感,相关性极弱。（4）采用多元线性回归分析法对样本数据进行了建模,对比了不同自变量作为模型输入值时的多元线性回归方程,选择方差、平滑度、三阶矩、能量、泡沫实际面积作为自变量,用于构建煤泥浮选灰分软测量模型,对比样品的实际化验结果与模型的预测结果,发现该模型对样品精煤灰分预测的绝对误差可以保证在±5%范围之内。根据经验公式,取得BP神经网络隐含层神经元的最优数量,从而搭建了灰分预测模型,通过测试集的验证,结果表明预测灰分与实际灰分之间的相对误差基本小于±10%,绝对误差可以达到±1%。其中,绝对误差小于±0.5%的样本占总预测的72%。在以上研究的基础上,考虑到现实选煤厂浮选车间的工作情况和机器视觉技术的配置,本文搭建了一套煤泥浮选泡沫图像控制系统。该套系统主要包括由彩色CCD相机、定焦镜头、环形光组成的图像采集系统和由图像预览、图像采集、图像处理、数据保存四个模块组成的图像处理系统,实现了对现场精煤灰分的在线检测。现场工业试验观察发现,基于该系统预测得到的数据与实际化验数据之间的误差可以达到±1.5%之间,达到了实时精确预测浮选精煤灰分,及时指导现场生产的目的。该论文有图62幅,表20个,参考文献146篇。
王玉英[10]（2020）在《基于数据驱动的过程性能评价方法》文中指出过程性能评价系统在工业生产中以及经济建设中起到了十分重要的作用,而且承担着保障企业安全、稳定运行等重要的社会责任。工业过程系统性能会由于工业过程、人员操作失误、工业过程系统所处的生产等因素造成工业过程系统性能偏离最佳工作性能,可能会导致企业生产经济效益下降甚至发生生产事故。为了及时发现工业过程性能的变化,在工业过程系统性能下降之前对工业过程系统进行调节,需要对工业过程系统性能进行在线性能评价。本文针对工业过程物理或化学模型难以获得以及工业过程性能检测结果难以在线获得的问题,提出了基于数据驱动的工业过程性能在线评价方法。首先阐述了数据驱动方法产生的背景、应用价值及特点,对数据驱动方法的相关算法进行了分析与研究。然后,针对多元统计分析法中主成分分析法的在性能评价中的应用进行了研究,分析了主成分分析法的原理、计算过程及特点。由于主成分分析法在建模时没有将过程变量与质量变量进行关联的不足,本文采用了偏最小二乘法,并对该方法的基本原理、计算过程及优缺点进行分析。并对主成分分析法及偏最小二乘法进行了仿真验证。针对偏最小二乘算法存在的计算过程复杂及没有对数据空间进行正交分解的不足,本文将自回归思想与偏最小二乘法融合设计了自回归潜结构投影算法。该算法能够对样本数据空间进行正交分解,并且能够简化建模过程。最后对算法进行仿真验证。为了得到过程性能的评价结果,本文采用模糊C均值聚类算法与自回归潜结构投影算法结合。对建模使用的样本数据划分类别,并计算各类别的隶属度函数,使用隶属度函数计算在线计算结果对于各类别的隶属度,并依据模糊综合评价方法得到最终的评价结果。最后以高炉炉温状态评价为对象进行仿真,验证了该方法的有效性,为复杂、非线性的过程性能评价提供了一种有效的方案。
二、k元线性变换的矩阵表示（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、k元线性变换的矩阵表示（论文提纲范文）
（1）目标导向多属性决策价值公度与变权决策模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及问题提出 |
| 1.2 国内外相关研究现状及分析 |
| 1.2.1 范围-频率理论模型研究现状及分析 |
| 1.2.2 多属性决策属性价值公度方法的研究现状与进展评析 |
| 1.2.3 多属性变权决策方法研究现状及分析 |
| 1.3 研究意义 |
| 1.3.1 研究的理论意义 |
| 1.3.2 研究的应用意义 |
| 1.4 论文结构安排及技术路线 |
| 1.4.1 论文结构安排 |
| 1.4.2 技术路线 |
| 第2章 相关理论基础 |
| 2.1 范围-频率理论 |
| 2.2 累积前景理论 |
| 2.3 需要层次理论 |
| 2.4 MACBETH方法 |
| 2.5 数据包络分析方法 |
| 2.6 多属性固权决策方法 |
| 2.6.1 加权和法 |
| 2.6.2 摆幅置权判断 |
| 2.6.3 网络分析法 |
| 2.7 序依赖Choquet积分模型 |
| 2.8 概率语言术语集和概率语言偏好关系 |
| 第3章 范围-频率模型的改进及实验验证 |
| 3.1 引言 |
| 3.2 RF模型的改进 |
| 3.3 实验设计 |
| 3.3.1 实验被试 |
| 3.3.2 实验内容 |
| 3.3.3 实验程序 |
| 3.4 实验结果分析 |
| 3.4.1 参数估计与相关分析 |
| 3.4.2 属性价值影响因素的显着性检验 |
| 3.4.3 模型数据拟合能力检验 |
| 3.4.4 模型参数的稳定性分析 |
| 3.5 本章小结 |
| 第4章 目标导向多属性决策属性价值公度方法 |
| 4.1 引言 |
| 4.2 模型构建与目标导向属性价值函数 |
| 4.3 多属性决策属性价值公度的方法程序 |
| 4.4 方法验证 |
| 4.4.1 实验问题与实验调查结果 |
| 4.4.2 数值对比分析 |
| 4.5 本章小结 |
| 第5章 基于目标导向多属性决策价值公度的点依赖变权决策模型 |
| 5.1 引言 |
| 5.2 具有点依赖偏好关联关系的多属性变权决策模型及其评析 |
| 5.2.1 多因素变权决策模型与相关评析 |
| 5.2.2 多属性相对变权决策模型与相关评析 |
| 5.3 基于目标导向多属性价值公度的多因素变权决策模型及方法 |
| 5.3.1 模型构建 |
| 5.3.2 乐观系数和属性固权的估算及方案优劣排序 |
| 5.3.3 TOMFDM-VW的方法步骤与优点 |
| 5.3.4 数值对比分析 |
| 5.4 基于目标导向多属性价值公度的相对变权决策模型及方法 |
| 5.4.1 模型构建 |
| 5.4.2 TOMADM-RW的方法步骤与优点 |
| 5.4.3 数值验证 |
| 5.5 本章小结 |
| 第6章 基于目标导向多属性决策价值公度和模糊偏好关系的序依赖变权决策模型 |
| 6.1 引言 |
| 6.2 目标导向多属性序依赖变权决策框架与信息的模糊表达(PLPR) |
| 6.3 基于PLPR的目标导向属性价值的确定 |
| 6.4 基于PLPR的属性集容量判断赋值及备选决策方案优劣排序 |
| 6.5 模型实施的基本步骤 |
| 6.6 方法的案例应用 |
| 6.6.1 问题描述 |
| 6.6.2 目标导向属性价值函数的确定 |
| 6.6.3 备选决策方案综合价值的确定 |
| 6.7 本章小结 |
| 第7章 两种点依赖变权决策新模型的案例应用 |
| 7.1 案例应用背景 |
| 7.2 设备评标指标体系的设计 |
| 7.3 基础决策信息收集与处理 |
| 7.4 单属性目标导向公度价值的测算 |
| 7.5 基于TOMFDM-VW模型的方案排序结果 |
| 7.6 基于TOMADM-RW模型的方案排序结果 |
| 7.7 基于多因素变权决策方法的方案排序结果 |
| 7.8 不同点依赖变权决策模型的应用结果分析 |
| 7.9 本章小结 |
| 第8章 全文总结与展望 |
| 8.1 研究结论 |
| 8.2 论文创新点 |
| 8.3 研究展望 |
| 参考文献 |
| 附录 |
| 攻读学位期间发表的学术论文及参加的科研项目 |
| 致谢 |
（2）教育信息化背景下线性代数内容体系构架的探索与实践（论文提纲范文）
| 一、背 景 |
| 二、内容确定 |
| 三、内容构架 |
| 1.明线的设计 |
| 2.暗线设计 |
（3）基于线性码的t（=1，2）-设计的相关研究（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 研究现状 |
| 1.3 本文主要工作及内容安排 |
| 第2章 预备知识 |
| 2.1 有限域的基础知识 |
| 2.2 线性码的基础知识 |
| 2.3 布尔函数的基础知识 |
| 2.4 t-设计的基础知识 |
| 第3章 基于两类线性码的无限簇2-设计 |
| 3.1 基于三元线性码的无限簇2-设计 |
| 3.1.1 三元线性码 |
| 3.1.2 2-设计的构造 |
| 3.2 基于狭义本原BCH码C_((q,q~m-1,δ_3,1))的无限簇2-设计 |
| 3.2.1 码的构造及其重量分布 |
| 3.2.2 2-设计 |
| 3.3 数值验证 |
| 3.4 结论 |
| 第4章 四类低重线性码的构造及其支持的1-设计 |
| 4.1 两类基于布尔函数Walsh谱的二元线性码 |
| 4.2 支持2-设计的线性码对应的缩短码和截短码 |
| 4.3 1-设计 |
| 4.4 数值验证 |
| 4.5 结论 |
| 第5章 基于一类五重线性码的1-设计 |
| 5.1 支持2-设计的线性码对应的缩短码C_3及其对偶码C_(1/3) |
| 5.2 1-设计 |
| 5.3 数值验证 |
| 5.4 结论 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及研究成果 |
| 附件 |
（4）迁移学习算法的量子化与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 量子计算相关研究 |
| 1.2.2 机器学习相关研究 |
| 1.2.3 量子机器学习相关研究 |
| 1.2.4 迁移学习相关研究 |
| 1.2.5 量子迁移学习相关研究 |
| 1.3 研究问题描述 |
| 1.4 研究内容与创新点 |
| 1.4.1 研究思路 |
| 1.4.2 技术路线 |
| 1.4.3 研究内容 |
| 1.4.4 本文贡献与创新点 |
| 1.5 本论文的结构安排 |
| 第二章 理论基础 |
| 2.1 引言 |
| 2.2 量子力学基础 |
| 2.2.1 量子力学基本假设 |
| 2.2.2 密度算子 |
| 2.3 量子计算基础 |
| 2.3.1 量子比特 |
| 2.3.2 量子电路基础 |
| 2.3.3 量子算法 |
| 2.4 机器学习基础 |
| 2.4.1 基本概念 |
| 2.4.2 机器学习分类 |
| 2.4.3 算法设计与性能评估 |
| 2.4.4 机器学习算法 |
| 2.5 量子机器学习 |
| 2.5.1 量子支持向量机算法 |
| 2.5.2 量子线性回归算法 |
| 2.5.3 量子k均值算法 |
| 2.5.4 量子神经网络 |
| 2.6 本章小结 |
| 第三章 迁移学习 |
| 3.1 引言 |
| 3.2 迁移学习的定义 |
| 3.3 迁移学习的研究意义 |
| 3.3.1 解决数据标记稀缺问题 |
| 3.3.2 节省时间和计算资源 |
| 3.3.3 提升算法模型的鲁棒性 |
| 3.3.4 解决单一算法模型与多样化用户需求之间的矛盾 |
| 3.4 迁移学习的分类 |
| 3.5 迁移准则 |
| 3.5.1 统计迁移准则 |
| 3.5.2 几何迁移准则 |
| 3.5.3 高级表示迁移准则 |
| 3.6 深度迁移学习 |
| 3.6.1 基于样本的深度迁移学习 |
| 3.6.2 基于映射的深度迁移学习 |
| 3.6.3 基于网络的深度迁移学习 |
| 3.6.4 基于对抗的深度迁移学习 |
| 3.7 迁移学习的应用 |
| 3.7.1 计算机视觉 |
| 3.7.2 推荐系统 |
| 3.7.3 自动驾驶 |
| 3.7.4 自然语言处理 |
| 3.8 本章小结 |
| 第四章 量子数据预处理 |
| 4.1 引言 |
| 4.2 量子数据编码 |
| 4.2.1 基编码 |
| 4.2.2 幅度编码 |
| 4.2.3 量子采样编码 |
| 4.2.4 Hamilton量编码 |
| 4.3 主成分分析 |
| 4.3.1 经典主成分分析算法 |
| 4.3.2 量子主成分分析算法 |
| 4.4 量子局部线性嵌入算法 |
| 4.4.1 经典局部线性嵌入算法 |
| 4.4.2 基于量子基础线性代数程序集的局部线性嵌入算法 |
| 4.4.3 算法复杂度分析 |
| 4.4.4 变分量子局部线性嵌入算法 |
| 4.5 本章小结 |
| 第五章 量子子空间对齐算法 |
| 5.1 引言 |
| 5.2 经典子空间对齐算法 |
| 5.2.1 问题定义 |
| 5.2.2 子空间对齐 |
| 5.2.3 标签预测 |
| 5.3 基于量子基础线性代数程序集的子空间对齐算法 |
| 5.3.1 数据预处理 |
| 5.3.2 子空间对齐 |
| 5.3.3 标签预测 |
| 5.3.4 算法复杂度与误差分析 |
| 5.4 变分量子子空间对齐算法 |
| 5.4.1 数据预处理 |
| 5.4.2 端到端变分量子子空间对齐算法 |
| 5.4.3 基于矩阵乘法的变分量子子空间对齐算法 |
| 5.5 实验过程与结果 |
| 5.5.1 实验数据 |
| 5.5.2 基准算法 |
| 5.5.3 实现细节 |
| 5.5.4 实验结果 |
| 5.6 量子核子空间对齐算法 |
| 5.7 本章小结 |
| 第六章 量子关联对齐算法 |
| 6.1 引言 |
| 6.2 预备知识 |
| 6.2.1 数据白化 |
| 6.2.2 矩阵补全和奇异值阈值算法 |
| 6.3 经典关联对齐算法 |
| 6.3.1 问题定义 |
| 6.3.2 关联对齐 |
| 6.3.3 标签预测 |
| 6.4 量子关联对齐算法 |
| 6.4.1 量子态的制备 |
| 6.4.2 基于量子基础线性代数程序集的关联对齐算法 |
| 6.4.3 变分量子关联对齐算法 |
| 6.5 实验过程与结果 |
| 6.5.1 实验数据 |
| 6.5.2 基准算法 |
| 6.5.3 实现细节 |
| 6.5.4 实验结果 |
| 6.6 本章小结 |
| 第七章 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（5）Gr（?）bner基在编码理论上的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 本文结构安排 |
| 第2章 预备知识 |
| 2.1 代数编码理论 |
| 2.2 Gr(?)bner基理论 |
| 第3章 线性码的最小距离 |
| 3.1 基于Gr(?)bner基的最小距离算法 |
| 3.2 实例验证 |
| 3.3 本章小结 |
| 第4章 循环码 |
| 4.1 循环码的简介 |
| 4.2 MS(Mattson-Solomon)多项式 |
| 4.3 最小重量的码字 |
| 4.4 本章小结 |
| 第5章 拟循环码 |
| 5.1 拟循环码的介绍 |
| 5.2 拟循环码的代数结构 |
| 5.3 拟循环码的最小距离 |
| 5.4 本章小结 |
| 第6章 总结 |
| 参考文献 |
| 致谢 |
| 申请学位期间的研究成果及发表的学术论文 |
（6）火星探测多光谱相机定标技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的目的及意义 |
| 1.2 火星探测发展现状及趋势 |
| 1.2.1 火星探测历程 |
| 1.2.2 未来火星探测计划 |
| 1.3 火星探测多光谱相机发展现状 |
| 1.3.1 国外火星探测多光谱相机发展现状 |
| 1.3.2 国内火星探测多光谱相机发展现状 |
| 1.4 火星探测多光谱相机定标技术 |
| 1.5 本文研究框架 |
| 第2章 多光谱成像技术及信息模型 |
| 2.1 多光谱成像的实现方法 |
| 2.2 火星探测多光谱相机的信息模型 |
| 2.3 火星探测多光谱相机的定标模型 |
| 2.3.1 光谱定标 |
| 2.3.2 辐射定标 |
| 2.3.3 彩色定标 |
| 2.4 小结 |
| 第3章 火星探测多光谱相机光谱定标 |
| 3.1 光谱响应的获取方法 |
| 3.2 光谱响应的中心波长和光谱带宽 |
| 3.2.1 高斯拟合法 |
| 3.2.2 广义加权法 |
| 3.2.3 仿真验证 |
| 3.3 基于波长扫描法的光谱定标实验 |
| 3.3.1 实验平台 |
| 3.3.2 定标光源的选择 |
| 3.3.3 单色仪的标定 |
| 3.3.4 火星探测多光谱相机定标过程 |
| 3.3.5 结果分析 |
| 3.4 小结 |
| 第4章 火星探测多光谱相机辐射定标 |
| 4.1 辐射定标的相关内容及定标方法 |
| 4.2 相对辐射定标 |
| 4.2.1 基于二阶微分的坏像素点检测 |
| 4.2.2 暗电流均值与暗电流平场因子 |
| 4.2.3 基于最小二乘法的线性度分析 |
| 4.2.4 基于单点法的平场定标 |
| 4.3 绝对辐射定标 |
| 4.3.1 地面绝对辐射定标 |
| 4.3.2 地面定标在火星应用中的误差 |
| 4.4 结果分析 |
| 4.5 小结 |
| 第5章 火星探测多光谱相机彩色定标 |
| 5.1 颜色相关理论 |
| 5.1.1 颜色形成 |
| 5.1.2 颜色特性 |
| 5.1.3 颜色空间 |
| 5.1.4 色差公式 |
| 5.2 火星探测多光谱相机颜色失真的原因 |
| 5.2.1 光谱响应对颜色的影响 |
| 5.2.2 光源对颜色的影响 |
| 5.3 多光谱相机彩色定标的数据获取 |
| 5.3.1 相机颜色值获取 |
| 5.3.1.1 光谱通道的选择 |
| 5.3.1.2 麦克白色卡相机颜色值 |
| 5.3.2 颜色真值获取 |
| 5.3.2.1 基于光谱分布的颜色真值获取方法 |
| 5.3.2.2 麦克白色卡颜色真值 |
| 5.4 多光谱相机彩色定标方法 |
| 5.4.1 基于CMFs的彩色定标方法 |
| 5.4.2 基于函数映射的彩色定标方法 |
| 5.4.2.1 基于色度空间的多项式彩色定标 |
| 5.4.2.2 实验结果与分析 |
| 5.5 工作光源到定标光源的光源匹配 |
| 5.5.1 光源匹配对角模型 |
| 5.5.2 光源匹配误差 |
| 5.6 小结 |
| 第6章 火星模拟样本试验验证 |
| 6.1 试验数据获取 |
| 6.2 光谱辐射反演验证 |
| 6.3 颜色校正真实性验证 |
| 6.4 小结 |
| 第7章 总结与展望 |
| 7.1 本文研究总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介及在学期间发表的学术论文与研究成果 |
（7）基于侧信道分析的密码算法安全评估技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 发展历程 |
| 1.2.2 技术研究现状 |
| 1.3 主要研究内容和创新点 |
| 1.4 本文的组织结构 |
| 第二章 密码算法安全评估技术 |
| 2.1 引言 |
| 2.2 密码算法设计 |
| 2.2.1 分组密码设计 |
| 2.2.2 序列密码设计 |
| 2.2.3 公钥密码设计 |
| 2.3 密码算法安全评估技术 |
| 2.3.1 传统密码算法安全分析技术 |
| 2.3.2 侧信道安全分析技术 |
| 2.4 能量分析技术 |
| 2.4.1 能量分析概述 |
| 2.4.2 能量泄露机理 |
| 2.4.3 汉明重量/距离模型 |
| 2.4.4 相关性能量分析 |
| 2.5 故障注入分析技术 |
| 2.5.1 故障注入方法 |
| 2.5.2 故障模型 |
| 2.5.3 差分故障分析 |
| 2.6 本章小结 |
| 第三章 基于多元线性回归的独立位泄露模型 |
| 3.1 引言 |
| 3.1.1 相关研究工作 |
| 3.1.2 本章研究内容 |
| 3.2 线性回归分析 |
| 3.2.1 简单线性回归 |
| 3.2.2 多元线性回归 |
| 3.2.3 模型的假设检验 |
| 3.3 异或操作旁路泄露 |
| 3.4 独立位泄露模型 |
| 3.5 实验结果及分析 |
| 3.5.1 仿真实验 |
| 3.5.2 攻击实例 |
| 3.6 本章小结 |
| 第四章 多字节能量分析方法 |
| 4.1 引言 |
| 4.1.1 相关研究工作 |
| 4.1.2 本章研究内容 |
| 4.2 AES加密算法描述 |
| 4.3 多字节能量分析方法 |
| 4.4 效率与成功率分析 |
| 4.4.1 实验设计 |
| 4.4.2 结果分析 |
| 4.5 对FPGA的攻击实例 |
| 4.5.1 实验设计 |
| 4.5.2 结果分析 |
| 4.6 本章小结 |
| 第五章 基于多元线性回归的选择明文攻击方法 |
| 5.1 引言 |
| 5.1.1 相关研究工作 |
| 5.1.2 本章研究内容 |
| 5.2 多元线性回归的区分器特性 |
| 5.3 基于多元线性回归的选择明文攻击技术 |
| 5.3.1 选择明文攻击 |
| 5.3.2 对SPN结构的选择明文攻击 |
| 5.3.3 对白化密钥的选择明文攻击 |
| 5.4 效率与成功率分析 |
| 5.4.1 实验设计 |
| 5.4.2 结果分析 |
| 5.5 对FPGA的攻击实例 |
| 5.5.1 实验设计 |
| 5.5.2 结果分析 |
| 5.6 本章小结 |
| 第六章 基于无故障中间值的差分故障分析方法 |
| 6.1 引言 |
| 6.1.1 相关研究工作 |
| 6.1.2 本章研究内容 |
| 6.2 ITUbee密码算法描述 |
| 6.3 ITUbee算法特性 |
| 6.3.1 S盒的差分性质 |
| 6.3.2 F函数的性质 |
| 6.4 基于无故障中间值的差分故障分析 |
| 6.4.1 故障模型 |
| 6.4.2 基本方法 |
| 6.4.3 分析步骤 |
| 6.5 复杂度分析 |
| 6.6 仿真实验 |
| 6.6.1 两次故障的场景 |
| 6.6.2 四次故障的场景 |
| 6.7 对抗策略 |
| 6.8 本章小结 |
| 第七章 总结与展望 |
| 7.1 成果应用 |
| 7.1.1 基于侧信道分析的密码算法安全评估平台 |
| 7.1.2 应用案例 |
| 7.2 论文工作总结 |
| 7.3 下一步工作 |
| 参考文献 |
| 缩略语 |
| 致谢 |
| 攻读学位期间获得的成果 |
（8）基于前景理论的不确定多属性决策研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 问题提出 |
| 1.3 研究现状 |
| 1.3.1 多属性决策研究现状 |
| 1.3.2 不确定多属性决策研究现状 |
| 1.3.3 前景理论研究现状 |
| 1.4 论文主要任务 |
| 第2章 理论基础 |
| 2.1 多属性决策理论 |
| 2.1.1 决策矩阵规范化方法 |
| 2.1.2 属性权重确定方法 |
| 2.2 多属性预测方法 |
| 2.2.1 时间序列预测法 |
| 2.2.2 回归预测法 |
| 2.2.3 马尔科夫预测法 |
| 2.3 前景理论算法 |
| 2.3.1 前景理论简介 |
| 2.3.2 个人风险决策过程 |
| 2.3.3 价值函数和权重函数 |
| 2.3.4 前景理论算法内容 |
| 2.3.5 前景理论算法步骤 |
| 2.4 本章小结 |
| 第3章 基于前景理论的不确定多属性决策 |
| 3.1 问题描述 |
| 3.2 基于前景理论的多属性决策方法 |
| 3.2.1 属性值规范化方法 |
| 3.2.2 前景矩阵的建立 |
| 3.2.3 属性权重的确定 |
| 3.2.4 方案综合评价值的计算 |
| 3.3 本章小结 |
| 第4章 基于前景理论不确定多属性决策方法应用分析 |
| 4.1 属性评价信息的规范化处理 |
| 4.2 风险收益矩阵和风险损失矩阵的建立 |
| 4.3 综合属性权重的确定 |
| 4.4 基于前景理论的方案排序 |
| 第5章 结论 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（9）基于机器视觉的煤质检测关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 浮选产品质量检测的研究现状 |
| 1.2.2 机器视觉在矿物加工领域的研究现状 |
| 1.2.3 浮选泡沫图像处理技术的研究现状 |
| 1.3 研究内容及论文组织结构 |
| 2 煤泥浮选工艺与泡沫图像特征分析 |
| 2.1 浮选泡沫图像表面视觉特点 |
| 2.2 浮选过程视觉监控的优点 |
| 2.3 本章小结 |
| 3 煤泥浮选泡沫图像去噪 |
| 3.1 传统图像去噪技术 |
| 3.1.1 调和去噪模型 |
| 3.1.2 全变分去噪模型 |
| 3.1.3 Zhang自适应去噪模型 |
| 3.1.4 Chen自适应去噪模型 |
| 3.2 全变分混合去噪模型 |
| 3.2.1 混合模型的建立 |
| 3.2.2 混合模型数值实现及整体流程 |
| 3.2.3 泡沫图像去噪与效果评价 |
| 3.3 本章小结 |
| 4 浮选泡沫图像增强及分割技术 |
| 4.1 传统图像增强技术 |
| 4.1.1 空域增强 |
| 4.1.2 频域增强 |
| 4.2 经典改进均衡化算法 |
| 4.2.1 双平台直方图均衡化 |
| 4.2.2 分层子直方图均衡化算法 |
| 4.3 连通域均衡化算法 |
| 4.3.1 连通域均衡化 |
| 4.3.2 改进算法 |
| 4.4 基于暗原色先验的煤质颗粒增强 |
| 4.4.1 暗通道先验模型及去雾原理 |
| 4.4.2 基于GIF的透射率优化 |
| 4.4.3 改进算法总体流程及仿真 |
| 4.5 泡沫图像分割简介 |
| 4.6 基于谷底边缘检测的泡沫图像分割算法 |
| 4.6.1 基于谷底边缘检测的泡沫图像分割算法研究 |
| 4.6.2 泡沫图像分割实验结果与分析 |
| 4.7 本章小结 |
| 5 浮选泡沫图像的产量和灰分预测方法 |
| 5.1 浮选实验中泡沫图像的采集 |
| 5.2 浮选泡沫图像特性 |
| 5.3 图像特征 |
| 5.3.1 颜色特征 |
| 5.3.2 纹理特征 |
| 5.3.3 形状特征 |
| 5.4 机器学习方法 |
| 5.5 实验分析与结果 |
| 5.6 本章小结 |
| 6 浮选泡沫图像的特征提取 |
| 6.1 实验系统 |
| 6.1.1 试验材料与装置 |
| 6.1.2 试验过程 |
| 6.1.3 试验结果 |
| 6.2 煤泥浮选泡沫图像特征提取 |
| 6.2.1 基于直方图的纹理特征的提取 |
| 6.2.2 基于灰度共生矩阵的纹理特征参数提取 |
| 6.2.3 平均尺寸参数提取 |
| 6.3 参数的相关性分析 |
| 6.4 浮选精煤灰分预测模型的建模研究 |
| 6.4.1 多元线性回归法的建模研究 |
| 6.4.2 BP神经网络法的建模研究 |
| 6.5 本章小结 |
| 7 煤泥浮选泡沫图像控制系统研究与设计 |
| 7.1 煤泥浮选图像控制系统硬件设计 |
| 7.1.1 相机参数及选定 |
| 7.1.2 光源的选择 |
| 7.1.3 工控机 |
| 7.2 煤泥浮选图像控制系统软件设计 |
| 7.2.1 图像预览模块 |
| 7.2.2 图像采集模块 |
| 7.2.3 数据处理模块 |
| 7.2.4 数据保存模块 |
| 7.3 现场实验 |
| 7.4 实验结果验证 |
| 7.5 本章小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 作者简历 |
| 附录 |
（10）基于数据驱动的过程性能评价方法（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 过程性能评价与国内外研究现状 |
| 1.2.1 过程性能评价 |
| 1.2.2 国内外研究现状 |
| 1.3 章节安排 |
| 2 数据驱动方法及相关算法 |
| 2.1 前言 |
| 2.2 数据驱动方法 |
| 2.2.1 基于多元统计分析的数据驱动方法 |
| 2.2.2 基于人工智能的数据驱动方法 |
| 2.2.3 基于信号处理的数据驱动方法 |
| 2.3 基于统计分析的数据驱动方法 |
| 2.3.1 主成分分析法 |
| 2.3.2 偏最小二乘法 |
| 2.4 本章小结 |
| 3 基于主成分分析的模型建立 |
| 3.1 前言 |
| 3.2 主成分分析算法 |
| 3.2.1 主成分分析法原理 |
| 3.2.2 主成分分析法计算步骤 |
| 3.2.3 主成分分析法的优缺点 |
| 3.2.4 多元线性回归模型 |
| 3.3 仿真分析 |
| 3.3.1 高炉生产过程描述 |
| 3.3.2 基于主成分分析的高炉铁水硅含量模型 |
| 3.4 本章小结 |
| 4 基于偏最小二乘法的模型建立 |
| 4.1 引言 |
| 4.2 偏最小二乘法及改进算法 |
| 4.2.1 偏最小二乘法 |
| 4.2.2 自回归潜结构投影(AR-PLS)算法 |
| 4.3 仿真验证 |
| 4.3.1 基于PLS的高炉铁水硅含量模型 |
| 4.3.2 基于AR-PLS的高炉铁水含硅量模型 |
| 4.4 本章小结 |
| 5 基于模糊C均值聚类算法过程性能评价 |
| 5.1 引言 |
| 5.2 模糊C均值聚类分析算法 |
| 5.3 性能评价方法 |
| 5.3.1 模糊综合评价方法 |
| 5.3.2 基于自回归潜结构投影算法的性能评价方法 |
| 5.4 仿真验证 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文目录 |
四、k元线性变换的矩阵表示（论文参考文献）
- [1]目标导向多属性决策价值公度与变权决策模型研究[D]. 马慧欣. 吉林大学, 2021(11)
- [2]教育信息化背景下线性代数内容体系构架的探索与实践[J]. 方文波,李书刚,程婷,代晋军,李正帮. 数学学习与研究, 2021(17)
- [3]基于线性码的t（=1，2）-设计的相关研究[D]. 张福军. 西北师范大学, 2021(12)
- [4]迁移学习算法的量子化与应用[D]. 何熙. 电子科技大学, 2021(01)
- [5]Gr（?）bner基在编码理论上的应用研究[D]. 江瑶. 天津职业技术师范大学, 2020(06)
- [6]火星探测多光谱相机定标技术研究[D]. 王红. 中国科学院大学(中国科学院西安光学精密机械研究所), 2020(06)
- [7]基于侧信道分析的密码算法安全评估技术研究[D]. 傅山. 北京邮电大学, 2020(01)
- [8]基于前景理论的不确定多属性决策研究[D]. 阎曼婷. 沈阳工业大学, 2020(01)
- [9]基于机器视觉的煤质检测关键技术研究[D]. 白亚腾. 中国矿业大学, 2020(07)
- [10]基于数据驱动的过程性能评价方法[D]. 王玉英. 辽宁石油化工大学, 2020(04)