一、对GOOD关于Hausdorff维数的一个问题的推广（论文文献综述）
钱武文[1]（2020）在《基于差分进化算法和降阶模型的渗流场反问题研究》文中研究说明中国水能资源的开发已逐渐向西部偏远地区推进,在建和拟建的大型水利水电工程坝址区多位于河谷深切、地质条件复杂的西部地区,查清库区渗流问题对水利水电工程的建设和安全管理十分重要。岩土体渗透系数是控制地下水渗流特征的关键参数之一,未知的渗透系数会对地下水模拟的可靠性产生严重影响。由于工程岩体的渗透性常具有空间变异性,仅依靠传统的现场试验法已不能满足工程需求。利用逆模型进行参数估计是地下水模拟的一个重要组成部分。作为一种典型的反演方法,数值模型和优化算法相结合的模拟-优化方法需多次调用数值模型,以对大量随机生成的候选解进行评估。即使使用高速处理器,参数反演也是一项非常耗时且计算量大的任务。本文针对模拟-优化方法的高耗时问题进行了研究,在尽可能减小引入误差的前提下,从优化算法、反演参数和数值模型三方面研究了减少模拟-优化方法时间成本的方法。由于水头为渗透系数的非线性函数,本文使用差分进化算法作为参数反演的优化算法。主要研究内容和成果如下:（1）阐述了模型校准与参数反演的关系,给出了有限元软件ADINA与优化算法结合的方法,建立了估计渗透系数的模拟-优化模型（ADINA-MMRDE）。通过一个算例阐述了参数灵敏度分析在参数反演中的重要性,研究了不同目标函数、测量误差和种群大小对ADINA-MMRDE模型性能的影响。结果表明,目标函数对ADINA-MMRDE影响甚微,ADINA-MMRDE对测量误差非常敏感。相比ADINA与其他优化算法结合的ADINA-DE和ADINA-PSO模型,ADINA-MMRDE模型反演精度更高,能更快、更稳定地搜索全局最优解。（2）针对经典差分进化算法的变异策略收敛速度慢、全局收敛性不佳及算法停滞等问题,提出了一种兼具局部与全局收敛性能的新型变异策略。基于该变异策略,进一步提出了一种基于轮盘赌选择的多种变异策略的差分进化算法（MMRDE）。经49个测试函数测试,结果表明,与一些改进的差分进化算法相比,MMRDE能在探索和开采之间取得更好的平衡。（3）为了在保证模拟精度的前提下减少模型的计算时间,阐述了基于投影法的降阶模型技术（本征正交分解法和贪心样本法）的降阶机理、构建步骤和误差估计方法。改进了贪心样本法的迭代终止条件,比较了本征正交分解法和贪心样本法的计算成本,以及二者在参数集、网格密度和参数数量方面的性能表现。结果表明,当样本规模较少时,不同的样本集生成方法对降阶精度影响较大;单元尺寸影响降阶模型的构建时间,但对降阶模型的精度影响不大;反演参数越多,降阶模型的省时优势越明显。（4）针对将模型降阶技术应用于参数反演中的一些关键性的程序设计难点,设计了一种集识别反演参数、矩阵分块技术以及边界处理于一身的渗透矩阵处理程序,设计了一套高效的内存存储方案以解决使用传统有限元的Skyline稀疏存储格式可能导致的内存不足问题。针对钻孔位置不在网格节点上时的水头计算问题,提出了基于本文提出的MMRDE算法的有限元插值程序插值计算钻孔处的水头。设计了基于降阶模型的参数反演程序,使用算例测试了其的反演精度、对观测误差的敏感性与时间成本。结果表明:推荐采用训练参数规模为500的贪心样本法用于参数反演;基于降阶模型与基于原始模型的参数反演程序对误差的敏感程度以及反演精度非常相近,但耗时差别较大;同等计算能力条件下采用算例中的三维模型时,使用降阶模型的参数反演程序的反演时长约为使用全阶模型的16.67%,因此能明显的节省时间成本。（5）将基于ADINA模型与基于降阶模型的反演程序共同用于估算某水电站坝基岩体的渗透系数,这两种反演程序都集成了本文提出的MMRDE算法。建立了初始渗流场分析模型（反演模型）来估算渗透系数,在反演模型的基础上建立了工程运行期模型以验证反演效果。共有20个勘探期钻孔水位和13个大坝监测孔水位数据,前者用作参数反演的观测数据,后者用于验证反演结果。结果表明,两反演模型的反演结果相差较小,但基于降阶模型的反演程序的时间成本远小于基于ADINA模型的反演程序（维数为6和13时,反演时长分别约节省19.1和21.4倍）。因此,使用本文提出的MMRDE算法作为优化算法时,降阶模型可替代原始模型用于执行大型工程的初始渗流场的反演任务。
王雪玮[2]（2020）在《基于特征学习的模糊图像质量评价与检测分割研究》文中研究指明数字图像已经成为人工智能与大数据时代不可或缺的核心信息载体。数字图像的采集、传播、处理、存储等全生命周期,不可避免地会伴随视觉质量的下降和蕴含信息的失真。而模糊,就是最为常见的一种数字图像降质失真形式之一。图像模糊不但在直观上影响图像的视觉感知,还会导致图像所蕴含重要知识的丢失,因此在图像到达终端前对其质量进行准确评价十分必要。而对于图像局部模糊区域的准确检测和分割,是对图像进行针对性复原的首要前提,同时对场景中所蕴含深层信息的挖掘和利用也尤为重要。因此,对模糊图像的整体质量进行有效评价,对其局部模糊区域进行准确检测分割,在计算机视觉领域是一个极具重要性和挑战性的研究课题。本文以模糊图像为研究对象,在频率域、列率域、深层次、多尺度以及复杂场景下对模糊特征进行深入地挖掘、提取和学习,围绕模糊图像的客观质量评价和区域检测分割展开研究。论文研究成果和创新点主要包含以下四个方面:1.针对全局模糊,提出了一种基于频率域特征的无参考无训练图像质量客观评价算法（NRNT-FIBE）。通过结合再模糊策略与离散余弦变换,NRNT-FIBE算法可以对离焦、运动、抖动等多种模糊形式的全局模糊图像进行有效地量化质量评分。同时,基于离散余弦变换构造的频域特征简洁精炼,相比其他基于人工构造特征的无参考模糊图像质量评价算法,无训练的NRNT-FIBE算法可以快速对图像的模糊程度进行表征和计算,在计算时间上具有优势。2.针对全局模糊,提出了一种基于深度稠密特征的全局模糊图像分类评级算法（DN-BIQC）,可实现数字图像的快速Blur/Sharp二元质量分类,也可将待测图像按照模糊程度甄别为Excellent、Good、Fair、Poor和Bad五类,实现不同模糊程度图像的精确筛选和分流。算法基于密集连接卷积神经网络提取深度稠密特征,克服了网络由于深度增加而导致的梯度消失问题,进而提高了网络对特征的挖掘能力和利用效率。实验证明DN-BIQC算法具备较高的分类准确率,并对噪声具有较强的鲁棒性。3.针对局部模糊,提出了一种基于列率域特征的无参考无训练模糊检测算法（NRNT-SBDS）。结合再模糊策略和沃尔什一哈达玛变换,针对局部模糊图像,在列率域中探索出一种可对图像逐像素点模糊程度进行有效衡量的特征,实现局部模糊的快速检测。最后结合K-Means聚类算法和形态学运算可对图像的局部模糊区域进行精准分割。4.针对局部模糊,提出了一种基于多尺度融合特征和金字塔式M形集成模型（PM-Net）的复杂模糊区域检测算法。首先提出了一种全新的多输入多损失编码器-解码器网络（M-net）以学习由粗至细不同尺度的模糊特征。而后,针对尺度混淆问题,提出了多尺度M-net和统一融合层所组成的金字塔式集成模型（PM-Net）。PM-Net能够实现反常认知区域（如均质清晰区域和伪清晰背景）、多源模糊场景等复杂模糊区域的精确检测,且克服尺度混淆问题。重要的是,PM-Net具有毫秒级时间效率,远超秒级时间效率的同类方法,且具有较强的噪声鲁棒性和良好的模型泛化能力。
刘奇[3]（2017）在《基于LVQ神经网络的煤自然发火预报系统研究》文中研究表明煤自然发火是导致煤矿火灾的重要原因之一,不仅制约了煤炭经济的发展,也为煤矿正常生产埋下了极大的安全隐患。做好煤炭自然发火早期预测预报至关重要。在研究了煤炭自然发火机理作用,以及煤炭自然发火预测领域的现状后,提出了一套基于LVQ神经网络的煤层自然发火预报系统。LVQ神经网络的煤自然发火预报系统大体可分为如下几个环节:第一,采取束管集气系统将矿井下检测到的气体传送于色谱仪,第二,应用色谱仪对采集到的气体进行分析,得到各检测点的指标气体浓度数据,第三,经过色谱工作站对指标气体浓度数据进行强化处理后,将数据以Excel文件的形式通过局域网,结合数据文件同步传输软件,实时自动传输于训练好的LVQ神经网络中。第四,通过网络对指标气体浓度数据的分析,评判该监测点煤层是否自然发火,与此同时结合温度传感器测得的温度值,对监测点煤层是否自然发火做出综合评判。基于唐山东欢坨煤样氧化实验数据,通过矩阵实验室（MATLAB）创建LVQ网络并进行仿真分析。选取CH4/CO、O2/CO2、CO/O2三组标志气体浓度比来作为网络输入,选取标志气体浓度比作为网络输入可以最大限度的降低矿井通风散热对标志气体浓度的影响,从而能在一定范围内提高煤自然发火预报准确度。未发火与发火作为网络的输出分别用1和2来表示。通过仿真分析采用LVQ神经网络比BP网络模型在处理束管集气装置从煤层中采集的指标气体浓度并作出自然发火预测预报中,更具快速性、稳定性及准确性。当向网络输入训练样本以外的其他指标气体浓度数据时,网络会迅速对煤层自然发火与否做出准确预报。采用LVQ神经网络模型能够有效克服指标气体浓度数据难以采取复杂数学建模的问题,可以有力解决束管系统易受通风条件影响的缺陷,明显提高了煤自然发火预报的正确率,为煤层的自然发火的预报提供了新的有力依据。
丁发梅[4]（2015）在《一种改进Best-First算法的主题爬虫搜索算法研究》文中认为飞速发展的互联网带来了海量的信息资源,用户能否从中有效地获取自己感兴趣的资源很大程度上取决于搜索引擎的性能。在面对用户强烈的个性化需求时,通用搜索引擎难以为其提供满意的结果。为了打破通用搜索引擎的这一局限性,研究具有专业特点的智能化搜索引擎成为一种趋势,因而顺理成章的诞生了垂直搜索引擎。垂直搜索引擎中的主题爬虫犹如人的心脏一样,起着非常基础与关键的作用。主题爬虫按照用户给定的目标主题,智能化的搜索Web,快速、准确地提取出主题相关页面,满足用户所需。研究高效的主题爬虫对于提高垂直搜索引擎的性能有着非常重要的作用。本文主要从以下三个方面展开所要研究的内容:首先,本文对网络爬虫的基本原理进行了介绍,然后分析了主题爬虫的工作流程,之后讨论了关于主题的描述方法,接着重点分析了网页预处理技术,包括HTML标签、网页标题和正文内容的提取、锚文本的提取以及中文分词技术,为后文主题相关性计算奠定了坚实的基础。其次,分析了基于页面内容评价的Best-First算法,针对向量空间模型中权重计算方法,只考虑特征词的词频,忽略了特征词的位置信息这一不足,本文提出利用HTML标签的修饰功能,采用加权频率来计算权重,提高主题相关性判断的准确率。另外,讨论了Best-First算法的贪婪性,针对Best-First算法难以获得全局范围内最优解的局限性,本文对主题爬虫的搜索策略做了一点改进,提出不仅注重搜索与主题相似度很高的链接,同时还考虑某些蕴涵很大远期价值的链接,从而使得主题爬虫能在一定程度上获得全局范围的最优解。最后,本文通过上述分析的理论基础,设计并实现了一个简单的主题爬虫系统。实验结果表明,相比于宽度优先搜索算法和基于页面内容评价的传统的Best-First算法,本文提出的改进算法具有更高的准确率和召回率,它是有效的。
袁宝玺[5]（2013）在《超大规模指纹库的索引结构和检索方法》文中提出指纹是目前生物特征识别领域中应用最为广泛的生物特征。由于指纹具有唯一性和不变性等优良特性,并且随着近几十年来自动指纹识别技术的研究日渐成熟,使得自动指纹识别系统（Automated Fingerprint Identification System, AFIS）在身份鉴别领域得到了广泛的应用,AFIS已经遍及公安、边防、出入境检查、银行、保险、医疗卫生及网络接入等许多场合。随着自动指纹识别技术应用领域的不断扩大,指纹数据库的规模也在不断扩大。目前AFIS面临的一个巨大难题就是超大规模指纹图像库的检索问题。所谓超大规模,是指库容量达到千万枚指纹以上超大规模指纹库检索算法要解决的问题属于海量信息的检索问题,而海量信息检索是一个典型的NP问题。得到检索问题的解通常比验证一个给定的解要花费多得多的时间。由于穷举法无法解决海量信息的检索问题,所以目前研究最多的是启发式搜索算法,这类算法在搜索过程中加入了与问题有关的启发性信息,用以指导搜索向着一个比较小的范围内进行,目的是加速整个搜索过程,从而减少搜索时间。指纹图像检索算法的基本思想是：首先提取可靠的检索特征作为启发性信息,然后依据检索特征的特点构造出高效的索引（Indexing）结构,最后依据相似性检索规则进行检索（Retrieval）,得到候选指纹序列。所以,如何提取指纹图像中的可靠特征,以及如何针对不同的特征研究针对性的索引结构和检索方法,是构建超大规模指纹检索系统必须要考虑的问题。同时,检索特征的信息量是和指纹图像的质量密切相关的,低质量指纹图像在AFIS中的识别准确性会显着降低,在大规模指纹库中检索的准确率和效率也会明显降低,因此,研究指纹质量评价方法及其在指纹检索系统中的应用方法也是必须要研究的重要问题。本文针对上述问题进行了大量的研究,提出了一些有效的解决方案。本文的研究工作主要集中在如下几个方面：（a）自动指纹质量评价方法研究在指纹检索系统中,指纹质量评价可以用于针对不同质量的探查指纹使用不同的检索算法,也可以用于根据探查指纹图像质量的高低设定浮动检索阈值。由于指纹质量评价是一个各种因素综合作用的复杂过程,所以一般使用将各种全局特征、局部特征进行综合评价的多特征融合的方法。指纹质量评价首先要解决的是评价特征的选择问题,但是,相关文献中仅仅是完全依靠经验进行特征的选择,没有提出选择特征的依据。本文使用视觉注意机制原理作为依据对指纹质量评价特征进行归类,然后综合考虑AFIS系统的整体效率和特征的可靠性,对指纹质量评价特征进行了筛选,最终得到了5个质量评价特征,其中,提出了基于极坐标中心敏感特性的细节点评价方法评价细节点可靠性,提出了基于Otsu算法的灰度对比度评价方法作为灰度对比度评价特征。实验证明,本文选取的5个特征在BP神经网络分类器、SVM分类器和本文提出的基于多特征非线性融合的指纹质量评价方法中都获得了很高的主客观评价一致性。相关文献提出的基于机器学习的质量分类方法的不足主要表现为分类质量等级太少,基于加权的质量评价方法的不足主要表现为无法较好地逼近各个质量评价特征到指纹质量评价结果之间的非线性映射关系。本文通过引入指纹质量主观评价和影响力判断矩阵分析两个主观实验,提出了基于多特征非线性融合（Multi Parameters Non-linear Integrated, MPNLI）的指纹质量评价方法,该方法最终得到的是非线性融合的质量评价公式,可以有效逼近各个特征对指纹质量评价分数的非线性贡献。同时,由于基于MPNLI的指纹质量评价方法能够得到比BP神经网络方法和SVM方法更多的质量等级,使得使用基于MPNLI的指纹质量评价方法设定的检索阈值会更加精细,从而能够有效提高整个系统的检索效率。（b）指纹检索算法研究在当前的指纹检索算法中,由于仅仅将索引模块和检索模块视为查找过程的一个简单步骤,很大程度上忽视了对检索策略的考量。在本文中,将构建索引的功能模块命名为索引器,检索功能模块命名为检索器。在系统中明确定义索引器和检索器的好处是,可以对这两部分涉及的技术分别进行深入研究。基于细节点多元组的指纹检索算法是当前一种比较可靠高效的指纹检索算法,但是,该算法面临着多元组辨识能力与数量的矛盾。本文提出了基于MTOSMM的指纹检索方法,该方法通过三元组的匹配信息获取四元组以上结构的匹配数目,有效解决了多边形辨识能力与数量的矛盾。对于索引器的构建问题,本文从三角形特征的匹配方法、特征参数的量化、特征量化产生的匹配错误分析及解决、三角形一边多次匹配结构、多元组的精选方法、量化区间中点标志、索引结构的建立等多个方面进行了分析研究,最终提出了基于三角形一边多次匹配的多元组精选方法和两层索引结构。实验结果表明,本文构建的索引器能够大大提高检索器的检索速度。与索引器的研究被忽视一样,由于仅仅将检索视为一个简单的查找索引的步骤,检索策略的考量也没有受到当前已有的指纹检索方法的重视。对于检索器的构造问题,主要需要关注两个方面：相似性准则的构造和检索阈值的设定问题。本章提出了基于三角形一边多次匹配的相似性评价准则,该准则采用多种拓扑结构的匹配数量的加权和构造打分公式,其中权值通过中点标志权值法获得。针对检索策略问题,本文认为,基于阈值法的检索策略要优于相关文献中常用的基于Top N方法的检索策略,原因是基于阈值法的检索策略可以使得检索和一对一精细比对同步进行,而且可以省去检索分数排序环节；而基于Top N方法的检索策略必须得等到检索完指纹库中所有的库指纹,并将它们按检索分数从大到小排序完之后才能进入一对一精细比对阶段。基于阂值法的检索策略需要解决的关键问题是浮动阈值的设定方法,为此本文提出了基于质量等级的阈值预测方法,该方法可以将指纹质量评价对指纹检索结果具有的预测功能应用到指纹检索系统中。（c）低质量指纹的检索算法研究犯罪嫌疑人在犯罪现场遗留的指纹被称为现场指纹,由于现场指纹是手指在无意中留下的,可能会存在压力不均匀、面积小、区域偏、背景复杂等情况,采集到的现场指纹图像常常存在形变大、噪声大等特点,所以低质量现场指纹的检索问题显得尤为困难。据我们所知,到目前为止尚没有专门针对低质量现场指纹的检索方法公开发表。由于现场指纹图像的质量一般会很差,所以,本文提出的基于MTOSMM的指纹检索方法对于低质量指纹的检索效果还有待改进,因此本文提出了基于现场三角形多播（Latent Triplet Multicast, LTM）的指纹检索方法用于提升低质量指纹的检索效果。现场指纹的检索效果很差和其图像本身的细节点数量很少有很大的关系,所以要想提高低质量指纹的检索效果,必须要想办法有效利用现场指纹中仅有的有效信息。本文提出的基于LTM的指纹检索方法能够通过三角形多播的方法来增加现场指纹可用的三角形数量,同时还能够减少特征量化引起的匹配错误,从而提高低质量现场指纹的检索效率。（d）超大规模指纹检索系统的构建本文提出了基于MPNLI的指纹质量评价方法、基于MTOSMM的指纹检索方法和基于LTM的指纹检索方法,如何将这些方法组合构造超大规模指纹检索系统,使得几种算法都能充分发挥自身的优点,也是一个必须要研究的问题。基于MTOSMM的指纹检索方法以细节点三角形检索为基础,具有速度快、精度较高的优点,但在处理质量很差的现场指纹图像时效果并不是很好。所以基于MTOSMM的指纹检索方法可用于质量较高的探查指纹图像的检索。基于LTM的指纹检索方法是在基于MTOSMM的指纹检索方法的基础上派生出的专门针对质量很差的现场指纹图像的一种指纹检索方法,对于质量很差的现场指纹的检索具有很大的改进作用。所以基于LTM的指纹检索方法可用于低质量的探查指纹图像的检索。指纹质量评价方法在本文构造的超大规模指纹检索系统中主要完成两个功能：算法的选择功能和检索阈值的设置功能。算法选择功能通过基于BP神经网络的指纹分类方法实现。由于基于MTOSMM的指纹检索方法和基于LTM的指纹检索方法分别适合于高质量和低质量的探查指纹的检索,所以需要一个两类分类器,能够将探查指纹归类到高质量类别或者低质量类别中。然后在检索阶段,高质量的探查指纹使用基于MTOSMM的指纹检索方法,低质量的探查指纹使用基于LTM的指纹检索方法。由于基于BP神经网络的指纹分类方法在进行两类分类时的分类准确率高于基于MPNLI的质量评价方法,所以本文此处可以选择基于BP神经网络的指纹分类方法完成算法选择功能。无论是基于MTOSMM的指纹检索方法还是基于LTM的指纹检索方法,都需要通过基于质量等级的检索阈值预测方法来预测检索阈值,基于MPNLI的指纹质量评价方法可以使得基于质量等级的检索阈值预测方法能够预测到多等级的浮动阈值,能够有效提高整个系统的筛选率。综上所述,本文通过指纹质量评价算法、指纹检索算法和超大规模指纹库的检索系统构造方法等多个方面对超大规模指纹库的检索问题进行了研究,取得了一定的研究成果。
陈婧[6]（2011）在《支持向量机相关方法研究》文中研究指明基于统计学习理论的支持向量机（Support Vector Machine,SVM）技术具有坚实的数学理论基础,在模型推广能力,全局最优,非线性处理等方面均表现突出,已成为机器学习领域最活跃的研究重点之一。本文以传统的支持向量机和新兴的基于非平衡双超平面的支持向量机为主要研究对象,对其相关方法进行了较深入的探讨和研究。研究内容涉及新的加权型分类器模型的构建、多类分类方法、参数选择方法、样本约简方法等方面。主要工作包括：1.对非平衡双超平面支持向量机的分类器模型进行研究。提出了一种新的加权最小二乘双支持向量机分类器（WLSTSVM）,它通过在错误变量上设置权向量,来解决最小二乘双支持向量机（LSTSVM）因采用SSE损失函数而引起的鲁棒性差的问题。给出了WLSTSVM在线性和非线性情况下的问题表达式及详细的推导过程,并给出了相应的算法实现流程。实验表明,WLSTSVM在提高抗噪能力以及分类识别率方面均有相对较好的表现。2.对非平衡双超平面支持向量机的多类分类方法进行探讨。以LSTSVM为基本的两类分类器,给出了一种基于优化有向无环图的LSTSVM多类分类方法（ODAG-LSTSVM）。用一个基于平均距离测度的类别可分性准则来确定将不同类样本分开的难易程度,同时给出了相应的类别序号重排方法,其目的是为了克服传统DAG结构可能引起的误差累计。实验证明了该方法在测试精度和执行速度方面均有不俗表现。3.对支持向量机的参数选择方法进行了探讨和研究。鉴于微分进化算法在寻求全局最优解、解决多峰问题等方面的优良表现,对其变异策略和控制参数两方面进行了探讨分析。首先,给出了一种基于自然界量变与质变规律的变异策略,定义了随进化代数自调整的变异发生质变的概率公式；然后,遵循适者生存的原则,给出了一种以当前代最优个体的适应度函数为调节准则的控制参数自适应调整策略。从经典函数求最优解的实验验证了基于上述策略的改进DE算法可以获得更好的平均最优解,且收敛速度较快。最后,将这种改进算法用于NPPC的参数选择,给出了相应的算法实现流程,其实验结果表明其在精度与速度方面均具有良好的性能。4.对基于支持向量机的样本约简方法进行了研究。主要包括两方面的内容,即样本个数约简和样本属性约简。首先,给出了一种被称为KD-FFMVM的样本个数约简方法,该方法考虑到消除孤立点、噪声点等的不良影响,以及尽可能多的提取边缘交界样本,来防止支持向量的流失；然后,在分析现有属性约简方法的基础上,对提高核Hebbian算法的收敛速度进行了探讨,给出了一种以柯西分布概率密度函数来修正学习速率,实现迭代过程自适应调整的方法,并实验验证了该方法的有效性；最后,设计了一个基于约简策略的支持向量机分类模型,与标准SVM相比,它可以在保持相当精度的同时,大大减少算法的训练时间。
张鸿辉[7]（2011）在《多智能体城市规划空间决策模型及其应用研究》文中研究说明城市空间系统是一个复杂系统,其空间演化以大量具有能动性、适应性的微观行为主体（企业、居民、农民以及各类组织等）以及行为主体与环境的非线性相互作用为特征,产生出非连续的城市空间决策行为。传统的城市规划空间决策模型因其静态特征,无法反映出大量微观行为主体在城市规划空间决策互动行为中的时间维累积和空间维聚集过程,较难有效表达城市规划参与者的空间决策行为,规划结果的现势性、可接受程度均受到了一定限制。本文面向城市规划的实际需求,尝试结合多智能体系统、地理信息科学、计算机科学以及智能科学的相关理论和技术,构建可以清晰表达城市规划参与行为主体决策时空显性特征的城市规划空间决策模型,并基于所构建模型,开展了长沙市城市规划空间决策模拟与分析应用研究,辅助认识和解决城市规划过程中所遇到的相关非结构化问题,以期提高城市规划空间决策的科学性与合理性,为促进城市的可持续发展决策提供先进的技术方法与参考借鉴。主要的研究结果如下：（1）设计了基于多智能体交互的城市规划空间决策行为和规则体系,构建了以多智能体系统为核心的城市规划空间决策系列模型。较基于元胞自动机的城市规划空间决策模型,在城市空间系统演化成因解释方面的能力大大提高,同时还可弥补传统的基于GIS的城市规划空间决策模型在过程模拟能力方面的不足,加强其表现力,有助于人们对城市空间系统演化表象之下的作用机制和交互过程的理解。（2）以多智能体系统理论为基础,建立城市土地资源时间和空间配置规则,构建了动态且能描述影响城市土地扩张的智能体间互动关系的城市土地扩张模型,模型对于解释城市土地扩张的成因、理解智能体行为对城市土地扩张过程的影响是合适的,且具有较高的模拟精度,能够为政府和城市规划者制定用地政策提供辅助决策支持。（3）在多目标约束下,结合城市土地利用空间优化配置问题的实际,集成多智能体系统与启发式算法构建了多智能体进化城市土地利用空间优化配置模型,该模型不仅能获取合理、可行的城市土地利用优化配置结果,并且具有良好的运行效率和目标优化能力。（4）在多智能体系统支持下,构建了一种基于信息动态反馈机制的多智能体交互式空间选址模型,使参与城市规划的智能体之间频繁的交流各自所拥有的知识与信息,最终达成一致决策意见,形成对选址问题的解决方案。该模型所设计的信息动态反馈机制能够有效的表达智能体的交流与学习过程,也使多智能体交互式选址模型优于传统选址模型中常用的空间叠加分析方法,从而为城市建设项目用地选址提供行之有效的解决方案。（5）以中部地区典型城市、长株潭城市群“两型社会”改革试验区核心区域—长沙市市区为例,基于所构建模型,开展了长沙市城市土地扩张、多目标城市土地利用空间优化配置、建设项目选址应用研究,模拟和分析了长沙市城市规划空间决策问题,为该区域的城市规划和管理提供了理论依据和决策支持。多智能体城市规划空间决策模型还处于理论探讨阶段,留下了巨大的后续研究空间,其理论深度、模拟精度、可推广性有待进一步探讨。
程芳[8]（2010）在《支持主题学习的网络资源搜索系统设计与实现》文中提出随着教育信息化的推进,信息技术与课程的整合成为课程改革的重要方式。主题学习,作为信息技术与课程整合的一种新型模式,凭借其优越性,正受到越来越多的关注。主题学习,是指学习者在教师的指导下,围绕一个启发式的、值得研究的主题,利用各种信息技术工具,充分挖掘和整合各种学习资源,开展多样化的学习活动,实现对主题的探究以及各学科知识的整合,从而提高自身的信息素养和学科素养,培养自身的问题解决能力和创新能力。主题学习的理论基础主要有主体教育理论、建构主义学习环境设计理论等。在主题学习中,学习者通过收集、处理、利用、评价各种以主题为中心的学习资源实现对主题的探究,可以说,主题学习是基于资源的学习,它需要大量的学习资源来支持。大量学习资源的收集可能需要占用学习者较多的时间。而我们开发的以Topic spider为技术核心的网络资源搜索系统,利用Spider工作在后台的特点,可以为学习者自动、快速地收集资源。在系统开发过程中,Topic Spider的查准率设计是难点也是重点,它关系到搜索资源的准确性。通过引入向量空间模型和改进的Best-First主题搜索算法,系统具备了较高的查准率。系统开发出来后,我们在一所中学进行了试用,调研后发现,尽管系统存在一些不足,不过大部分学生对系统是认可的,他们认为系统可以实现主题资源收集的自动化、准确化,促进主题学习的开展。总之,主题学习在我国正处于快速发展阶段,我们开发的系统为其提供了一种全新的资源收集方式,尽管使用效果较好,但仍存在需要改进的地方。总体而言,系统基本实现了设计初衷,对于支持主题学习以及其他相关的在线学习都是有借鉴价值的。
周新栋[9]（2004）在《中文文本分类的文档索引机制及分类模型的研究》文中研究指明文本自动分类,将非结构化的文本依据其内容指派到一个或多个预先定义的类别中去的一项技术,近10年来受到了人们越来越多的关注。这主要归结为大量机器可读的电子文本的出现,急需对它们进行有效地组织分类。尽管已有许多技术和算法用于文本的自动分类,但是,对这些技术和算法本身效力的挖掘还远远不够,仍留有很大的改进空间。另外,还有新的分类方法尚待深入研究,特别是对于中文文本自动分类,之前相关的研究工作相对较少。 文档索引对于学习算法和分类系统都是至关重要的一步。在学习算法和分类系统能够使用文档之前,文档必须转换成一种适当的表示形式。这种表示形式要在一定程度上捕获文档本身的语义内容。文档索引技术包括索引策略（选用哪种文本表示单元）,高维的原始特征空间的降维和索引项的权重计算。本文对已有的方法和文中提出的新方法进行了详尽的实验对比和分析。通过实验数据,本文给出了一些有益的、建设性的结论。 文本分类研究领域目前有两个主流方向:基于规则的分类和基于机器学习的分类。本文将二者有机地结合起来,合成一个单一分类器,将规则分类模块当作一个分量分类器。本文提出了一个优化的规则归纳算法,通过该算法由机器自动构建“强”的分类规则。实验显示,相比单纯的基于机器学习的分类系统,这种组合型分类器产生了8%的性能提升。 在分析了传统的分类模型后,本文提出了一个新的分类方法:用N元语言模型进行中文文本分类。对于N元语言模型用于文本分类的性能有着重要影响的几个因素被一一进行实验分析,包括各种n阶的语言模型,不同的参数平滑技术,训练语料规模的大小,汉语中可用的不同语义粒度的文本表示单元（字或词）。同时,为了更加系统、全面地考查N元语言模型的分类性能,文中还进行了N元模型分类器与Rocchio分类器和Naive Bayes分类器的实验对比。实验结果显示:N元模型分类器具有更好的分类精度。
郭志学[10]（2003）在《泥石流入汇交汇区水沙运动特性》文中研究指明以大容重、高流速、大流量和强摧毁力为特征的泥石流骤然间将大量包含各种粒径（尤其是大尺寸颗粒）的泥沙输入主河，在短时间内改变主河水沙组成及局部边界条件，对主河水沙运动特性及演变规律等都带来重要的影响。在泥石流与主河交汇区，主河水位被壅高，泥石流中固体物质在该区段发生淤积，给交汇区及其上、下游河段一定范围内的河床地形和水流条件带来重大改变，严重时还可能形成堵江坝和堰塞湖，淹没上游农田、铁路、公路等沿江建筑物，造成大范围灾害。当洪水漫过堵江坝时，又可能发生溯原冲刷，而当堵江坝溃决时，会产生大规模的溃决洪水，造成下游长距离超常冲刷，冲毁下游农田和沿江建筑物，形成二次灾害。泥石流入汇问题与山区人民生产生活、经济建设和生命财产安全息息相关，对其进行研究具有重要的应用价值。此外，从学科范畴来说，泥石流入汇主河属于复杂的非牛顿流体与牛顿流体相互作用问题，对在交汇区复杂水沙及边界条件下主河水流和泥石流之间相互作用机制以及交汇区的水沙运动特性等的研究又具有重要的理论意义。 本文在试验的基础上对泥石流入汇主河后交汇区的水沙运动特性进行了分析和归纳，通过理论分析与试验相结合的方法对诸如水位壅高、交汇区淤积变化规律、堵江临界判别条件以及宽级配非均匀沙再起动等一系列交汇区水沙运动特性方面的问题进行了研究。论文共分六章，现分别简要介绍如下： 论文第一章对泥石流及支流入汇问题研究现状进行了回顾，指出泥石流入汇主河属于复杂的非牛顿流体与牛顿流体相互作用问题，迄今缺乏系统深入的研究，极需结合试验对泥石流入汇后交汇区的水沙运动特性开展探索性的研究。摘要 第二章主要介绍了为探讨泥石流入汇机理所进行的系列水槽试验，包括成都山地灾害与环境研究所试验，西南交通大学试验和中国水利水电科学研究院试验以及前两家所进行的泥石流堵江试验。本章对各家试验布置、设备、试验内容及观测手段做了说明，文中还对试验现象作了详细的描述，并对试验资料所显示的相关因素之间的关系做了初步的分析和归纳:通过对不同容重的泥石流入汇主河后试验现象及试验结果的差异的分析发现，泥石流容重是影响交汇区紊动强度的主要因素，泥石流容重越低，进入主河的流速越高，在交汇区引起的紊动就越强烈，反之亦然。对不同流量比的泥石流入汇试验现象的分析发现，流量比是影响主支流对比关系的主要因素，流量比越大，支流加于主流的作用越强，表现为，在泥石流容重较小时交汇区紊动加强，泥石流容重较高时结构性保持完好，容易形成堵江，主支流量相当时则对不同容重的泥石流都表现为较强烈的交汇区紊动掺混。其次，结合不同交汇角的泥石流入汇试验现象分析认为，交汇角是影响泥石流对主河作用的一个重要因素。交汇角越大，泥石流入汇后对主河的奎水作用越明显，.在交汇区越容易形成堵江现象。此外，通过对不同流速的泥石流入汇后如「区运动变化特性的分析还发现，流速是影响交汇区掺混强度和紊动强弱的主要因素之一，支流流速越高，进入主河时对主河的侧向冲击越强，交汇区紊动掺混越强烈。 论文第三章对各家试验成果进行了分析。通过对泥石流入汇后交汇区上游水位变化的分析认为，受泥石流入汇的影响，交汇区上游水位奎高，其奎高幅度随交汇角的增大而增加，在交汇角一定时则随流量比的增大而增大。此外，对交汇区淤积特性的分析指出，随流量比的增大，交汇区淤积量总体上呈增大的趋势。平均淤积深度具有随流量比的增大而先增大后减小的趋势，并表现出与主河流量有很好的相关性，主河流量越大，淤积物越分散（出现堵江情况例外），淤积深度越小。最大淤积深度出现在主支流量相当时，最大淤积深度点多分布于支槽对岸主河下游侧，当泥石流容重较高时，则多集中分布在支槽出口附近。 论文第四章应用动量原理对交汇区水沙运动特性进行了分析，引入输运率和淤积率等概念，研究了泥石流入汇后流量比和容重比等因子变化对交汇区水沙特性影响的规律，并推导得出可以综合反映泥石流入汇后水位奎高和交汇区泥沙淤积的关系式。此外，对泥石流入汇引起堵江的各种因素所进行的分析指四川大学博士学位论文出，随泥石流入汇角、泥石流与主河的流量比、泥石流入汇总量、泥石流浆体屈服应力等的增大有利于堵江现象的发生，而主河宽度和主河比降的增大则不利于泥石流堵江，泥石流容重和泥石流与主河流速比的影响呈现一种抛物线型关系，即随参数的增大对堵江先有利而后朝不利方向发展。最后建立了泥石流堵江的临界判别式。 论文第五章探讨了交汇区淤积体在主河水流作用下的再起动问题。文中引入泥沙颗粒切点公切线与水平面的交角作为表征泥沙颗粒在床面位置的参量，根据床沙处于不同位置时受力情况，确定颗粒起动的判别条件。结合指数流速公式，推导了与泥沙粒径和位置参量（公切角）相关的非均匀沙起动流速公式。此外，从泥沙与水流相互作用机理出发，建立了可以反映泥沙颗粒对近底处水流结构影响的
二、对GOOD关于Hausdorff维数的一个问题的推广（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、对GOOD关于Hausdorff维数的一个问题的推广（论文提纲范文）
（1）基于差分进化算法和降阶模型的渗流场反问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 渗透系数估计的研究现状 |
| 1.2.1 常规反分析方法 |
| 1.2.2 基于代理模型的反分析方法 |
| 1.3 标准差分进化算法 |
| 1.3.1 变异操作 |
| 1.3.2 交叉操作 |
| 1.3.3 选择操作 |
| 1.4 差分进化算法的研究现状 |
| 1.4.1 控制参数研究现状 |
| 1.4.2 变异策略的研究现状 |
| 1.5 降阶模型的研究现状 |
| 1.5.1 本征正交分解法 |
| 1.5.2 后验误差估计与贪心样本法 |
| 1.6 本文的主要研究内容和技术路线 |
| 1.7 主要创新点 |
| 2 稳定渗流问题反演模型的建立 |
| 2.1 稳态渗流控制方程 |
| 2.2 模型校准与参数反演 |
| 2.2.1 模型校准 |
| 2.2.2 参数反演 |
| 2.2.3 几种常用的目标函数 |
| 2.2.4 权值 |
| 2.3 提取观测信息中的先验信息 |
| 2.3.1 灵敏度 |
| 2.3.2 无量纲比例灵敏度 |
| 2.3.3 复合比例灵敏度 |
| 2.3.4 参数相关系数 |
| 2.4 非线性与优化方法的选择 |
| 2.4.1 渗透系数与水头的非线性关系 |
| 2.4.2 优化方法的选择 |
| 2.5 基于ADINA的模拟-优化模型的建立 |
| 2.5.1 反演前的步骤 |
| 2.5.2 批处理运行AUI |
| 2.5.3 反演流程 |
| 2.6 算例 |
| 2.6.1 观测资料提供给反演参数的信息 |
| 2.6.2 目标函数标准对参数估计的影响 |
| 2.6.3 观测误差对参数估计的影响 |
| 2.6.4 种群规模的选取 |
| 2.7 耗时讨论 |
| 2.8 本章小结 |
| 3 差分进化算法的改进研究 |
| 3.1 引言 |
| 3.2 反射变异策略 |
| 3.3 基于轮盘赌选择的多变异策略差分进化算法 |
| 3.3.1 多种变异策略 |
| 3.3.2 控制参数自适应调整机制 |
| 3.3.3 轮盘赌选择机制 |
| 3.3.4 MMRDE算法的实现 |
| 3.4 测试基准 |
| 3.4.1基准函数集1 |
| 3.4.2基准函数集2 |
| 3.4.3 收敛条件设定 |
| 3.5 反射变异策略的性能测试 |
| 3.5.1 实验建立 |
| 3.5.2 测试集1的结果分析 |
| 3.5.3 测试集2的结果分析 |
| 3.6 MMRDE的性能测试 |
| 3.6.1 实验建立 |
| 3.6.2 测试结果分析 |
| 3.6.3 MMRDE的直接性能研究 |
| 3.6.4 进化中的变异策略 |
| 3.6.5 自适应参数分析 |
| 3.7 本章小结 |
| 4 基于稳态渗流模型的降阶方法 |
| 4.1 引言 |
| 4.2 近似与POD理论 |
| 4.2.1 近似理论 |
| 4.2.2 POD的概念 |
| 4.3 POD基空间的构建方法 |
| 4.3.1 由最小近似误差构造POD基 |
| 4.3.2 由相关矩阵构造POD基 |
| 4.3.3 由SVD分解构造POD基 |
| 4.4 Galerkin投影表示的降阶模型 |
| 4.4.1 Galerkin投影 |
| 4.4.2 基于POD法的降阶模型的构建步骤 |
| 4.5 快照集对POD模型性能的影响 |
| 4.5.1 参数集生成方法 |
| 4.5.2 测试用例 |
| 4.5.3 试验建立 |
| 4.5.4 参数集分析 |
| 4.5.5 模态分析 |
| 4.6 后验误差估计 |
| 4.6.1 残差项的离线计算 |
| 4.6.2 稳定常数的计算 |
| 4.6.3 稳定常数与参数的变化关系 |
| 4.6.4 后验误差界与真实误差的比较 |
| 4.6.5 构建降阶基空间的贪心算法 |
| 4.7 对贪心算法的适当修改 |
| 4.7.1 无重复快照的贪心算法 |
| 4.7.2 迭代终止条件的讨论 |
| 4.8 算例 |
| 4.8.1 耗时测试 |
| 4.8.2 剖分密度对降阶效果的影响 |
| 4.8.3 反演参数个数对降阶效果的影响 |
| 4.9 本章小结 |
| 5 基于降阶模型的渗透系数反演程序设计 |
| 5.1 引言 |
| 5.2 识别材料中的待反演参数 |
| 5.3 矩阵的分块 |
| 5.3.1 原理 |
| 5.3.2 子程序 |
| 5.4 边界条件处理 |
| 5.4.1 方法一 |
| 5.4.2 方法二 |
| 5.5 渗透矩阵的存储机制 |
| 5.5.1 Skyline稀疏矩阵存储格式 |
| 5.5.2 CSR稀疏矩阵存储格式 |
| 5.5.3 Skyline与 CSR存储格式间的转换 |
| 5.5.4 降阶模型的内存管理 |
| 5.6 钻孔监测水头的插值 |
| 5.6.1 判断钻孔点归属单元的方法 |
| 5.6.2 钻孔点局部坐标的计算 |
| 5.6.3 反演方法及流程图 |
| 5.7 算例 |
| 5.7.1 钻孔水头插值计算效果 |
| 5.7.2 训练样本数对参数反演的影响 |
| 5.7.3 观测误差对参数估计的影响 |
| 5.7.4 与全阶模型的运行时间对比 |
| 5.8 本章小结 |
| 6 某水电站工程初始渗流场的反演研究 |
| 6.1 工程概况 |
| 6.2 工程地质条件 |
| 6.3 有限元模型 |
| 6.4 渗透系数范围的确定 |
| 6.5 天然渗流场的反演分析 |
| 6.5.1 参数估计过程分析 |
| 6.5.2 反演参数的验证 |
| 6.6 耗时对比 |
| 6.7 本章小结 |
| 7 结论和展望 |
| 7.1 主要结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录1:基准函数集1 |
| 附录2:在Fortran中调用CEC函数系的方法 |
| 附录3 |
| 一、攻读博士期间发表论文 |
| 二、攻读博士期间参加科研项目 |
| 三、攻读博士期间所获奖励 |
（2）基于特征学习的模糊图像质量评价与检测分割研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 模糊图像整体评价 |
| 1.2.1 模糊图像主观质量评价 |
| 1.2.2 模糊图像客观质量评价 |
| 1.3 局部模糊区域检测 |
| 1.3.1 基于人工构造特征的传统算法 |
| 1.3.2 传统算法面临的挑战 |
| 1.3.3 基于深度学习的新兴算法 |
| 1.3.4 现有深度学习算法尚存的不足 |
| 1.4 论文主要研究内容与章节安排 |
| 1.4.1 论文主要研究内容 |
| 1.4.2 论文结构安排 |
| 第2章 基于频率域构造特征的模糊图像质量评估 |
| 2.1 引言 |
| 2.2 模糊与再模糊理论 |
| 2.3 离散余弦变换 |
| 2.3.1 一维离散余弦变换 |
| 2.3.2 二维离散余弦变换 |
| 2.4 模糊图像质量评价指标 |
| 2.4.1 模糊强度值 |
| 2.4.2 再模糊核的选取 |
| 2.5 标准数据库和算法性能评估指标 |
| 2.5.1 标准数据库 |
| 2.5.2 算法性能评估指标 |
| 2.6 实验结果 |
| 2.7 本章小结 |
| 第3章 基于深度稠密特征的模糊图像质量分类 |
| 3.1 引言 |
| 3.2 模糊图像质量多分类评级 |
| 3.3 密集连接卷积神经网络 |
| 3.3.1 数据库 |
| 3.3.2 密集连接卷积神经网络 |
| 3.3.3 二元分类 |
| 3.3.4 多元分类 |
| 3.4 网络结构与参数训练 |
| 3.5 算法性能评估指标 |
| 3.6 实验结果 |
| 3.6.1 二元分类结果 |
| 3.6.2 多元分类结果 |
| 3.6.3 抗噪性能 |
| 3.7 本章讨论及小结 |
| 第4章 基于列率域构造特征的模糊图像检测与分割 |
| 4.1 引言 |
| 4.2 图像局部模糊检测与分割算法 |
| 4.3 沃尔什—哈达玛变换 |
| 4.3.1 沃尔什函数 |
| 4.3.2 离散沃尔什—哈达玛变换 |
| 4.4 基于DWHT特征的模糊强度分布图提取 |
| 4.4.1 全局模糊强度 |
| 4.4.2 局部模糊强度 |
| 4.4.3 模糊强度分布图提取 |
| 4.5 模糊区域分割 |
| 4.5.1 K-Means均值聚类 |
| 4.5.2 区域生长 |
| 4.6 参数精调 |
| 4.6.1 邻域尺寸 |
| 4.6.2 范数选择 |
| 4.7 局部模糊检测与区域分割结果 |
| 4.7.1 数据库 |
| 4.7.2 评估指标 |
| 4.7.3 视觉分割结果 |
| 4.7.4 量化分割性能 |
| 4.7.5 讨论 |
| 4.8 本章小结 |
| 第5章 基于多尺度融合特征的复杂场景模糊检测与分割 |
| 5.1 引言 |
| 5.2 M形网络 |
| 5.2.1 M-net整体结构 |
| 5.2.2 多输入金字塔 |
| 5.2.3 多级损失金字塔 |
| 5.2.4 跳跃连接 |
| 5.3 金字塔式M形集成模型 |
| 5.4 模型训练 |
| 5.4.1 算法性能评估指标 |
| 5.4.2 数据集 |
| 5.4.3 训练策略 |
| 5.5 模型实验 |
| 5.5.1 消融实验 |
| 5.5.2 实验结果 |
| 5.5.3 讨论 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文贡献与创新 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（3）基于LVQ神经网络的煤自然发火预报系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 煤自然发火的原因 |
| 1.3 国内外研究现状 |
| 1.3.1 传统预测方法 |
| 1.3.2 智能预测方法 |
| 第2章 煤自然发火预报系统的总体方案 |
| 2.1 总体方案 |
| 2.2 硬件方案 |
| 2.3 软件方案 |
| 第3章 人工神经网络概述 |
| 3.1 人工神经网络的发展 |
| 3.2 生物神经元与人工神经元 |
| 3.2.1 生物神经元 |
| 3.2.2 人工神经元 |
| 3.3 人工神经网络 |
| 3.3.1 神经网络的结构 |
| 3.3.2 神经网络的学习 |
| 3.4 LVQ神经网络概述 |
| 3.4.1 LVQ神经网络的结构 |
| 3.4.2 LVQ神经网络的学习算法 |
| 3.4.3 LVQ神经网络的特点 |
| 第4章 煤自然发火预报系统的检测环节 |
| 4.1 束管系统工作原理 |
| 4.2 气相色谱仪及工作原理 |
| 4.3 温度传感器 |
| 第5章 数据传输环节 |
| 5.1 数据传输环节整体方案 |
| 5.2 构建局域网与文件共享 |
| 5.3 数据同步 |
| 第6章 基于LVQ神经网络的煤自然发火预测模型 |
| 6.1 煤层自然发火预测模型 |
| 6.1.1 煤层自然发火预测模型的选取 |
| 6.1.2 煤层自然发火预测的基本思路 |
| 6.2 LVQ网络的煤层自然发火预测模型建立 |
| 6.3 LVQ网络在煤层自然发火预测中的仿真应用 |
| 6.3.1 标志气体数据的采集 |
| 6.3.2 LVQ神经网络的创建 |
| 6.3.3 LVQ与BP神经网络的仿真与结果对比分析 |
| 结论 |
| 参考文献 |
| 致谢 |
| 导师简介 |
| 作者简介 |
| 学位论文数据集 |
（4）一种改进Best-First算法的主题爬虫搜索算法研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 研究现状及难点问题 |
| 1.2.1 国内外研究现状 |
| 1.2.2 研究的难点问题 |
| 1.3 主要研究内容 |
| 1.4 论文的组织和安排 |
| 2 相关理论与技术 |
| 2.1 网络爬虫基本原理 |
| 2.1.1 网络爬虫框架 |
| 2.1.2 爬虫搜索策略 |
| 2.2 主题爬虫工作流程 |
| 2.3 主题描述 |
| 2.3.1 关键词法 |
| 2.3.2 Ontology法 |
| 2.3.3 层次目录树法 |
| 2.4 网页预处理 |
| 2.4.1 HTML标签 |
| 2.4.2 网页标题和正文内容的提取 |
| 2.4.3 锚文本的提取 |
| 2.4.4 中文分词 |
| 2.5 本章小结 |
| 3 基于页面内容评价的Best-First算法 |
| 3.1 概述 |
| 3.2 Best-First算法 |
| 3.2.1 基本思想 |
| 3.2.2 向量空间模型 |
| 3.2.3 权重计算方法 |
| 3.3 改进Best-First算法 |
| 3.4 本章小结 |
| 4 实验及结果分析 |
| 4.1 评价标准 |
| 4.2 实验分析 |
| 4.2.1 实验环境简介 |
| 4.2.2 实验参数分析 |
| 4.2.3 实验结果分析 |
| 4.3 本章小结 |
| 5 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（5）超大规模指纹库的索引结构和检索方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 概述 |
| 1.1 研究背景 |
| 1.2 自动指纹识别系统 |
| 1.2.1 指纹图像的采集 |
| 1.2.2 AFIS的建库过程 |
| 1.2.3 AFIS的工作模式 |
| 1.3 超大规模指纹库中常用的加速技术 |
| 1.4 指纹检索与辨识问题的研究现状 |
| 1.4.1 穷举法 |
| 1.4.2 指纹分类 |
| 1.4.3 指纹索引 |
| 1.5 指纹检索系统及关键技术问题 |
| 1.5.1 指纹检索系统的搜索引擎 |
| 1.5.2 指纹检索系统的关键技术问题 |
| 1.6 测试算法常用的公开指纹库 |
| 1.6.1 FVC系列 |
| 1.6.2 NIST系列 |
| 1.7 本文的主要研究内容与创新点 |
| 1.7.1 指纹图像质量评价方法 |
| 1.7.2 指纹检索方法 |
| 1.7.3 索引器的构建 |
| 1.7.4 检索器的构建 |
| 1.8 本文组织与结构 |
| 第二章 指纹图像质量评价方法研究 |
| 2.1 引言 |
| 2.2 指纹图像质量的评价方法 |
| 2.3 自动指纹图像质量评价技术的研究现状 |
| 2.3.1 当前的指纹图像质量评价方法 |
| 2.3.2 指纹图像质量评价算法性能的衡量 |
| 2.4 指纹图像质量评价的特征选择 |
| 2.4.1 基于视觉注意机制的特征归类 |
| 2.4.2 指纹图像的完整性 |
| 2.4.3 指纹图像的灰度对比度 |
| 2.4.4 指纹图像的纹理特征 |
| 2.4.5 指纹图像细节点的可靠性 |
| 2.4.6 质量评价特征向量的生成 |
| 2.5 基于非线性融合的指纹质量评价方法 |
| 2.5.1 一般图像的质量评价方法 |
| 2.5.2 当前指纹图像质量评价算法的不足 |
| 2.5.3 基于非线性融合的指纹图像质量评价算法 |
| 2.6 实验 |
| 2.6.1 数据集 |
| 2.6.2 主观实验结果 |
| 2.6.3 所提出的质量评价特征的性能 |
| 2.6.4 基于MPNLI的指纹图像质量评价模型的训练 |
| 2.6.5 基于MPNLI的指纹图像质量评价方法的性能 |
| 2.6.6 各种多特征融合方法的性能比较 |
| 2.7 结论 |
| 第三章 基于细节点多元组的指纹检索方法 |
| 3.1 引言 |
| 3.2 指纹检索算法的研究现状 |
| 3.2.1 检索特征的提取 |
| 3.2.2 索引结构的构造 |
| 3.2.3 检索方法 |
| 3.3 指纹检索算法的评价指标 |
| 3.4 基于三角形一边多次匹配的搜索引擎 |
| 3.5 检索特征的选取 |
| 3.6 索引器的构造 |
| 3.6.1 三角形特征的匹配方法 |
| 3.6.2 特征参数的量化 |
| 3.6.3 特征组量化产生的匹配错误 |
| 3.6.4 量化引起匹配错误的原因 |
| 3.6.5 量化引起的匹配错误的解决途径 |
| 3.6.6 三角形一边多次匹配结构 |
| 3.6.7 基于MTOSMM的多元组精选方法 |
| 3.6.8 中点标志 |
| 3.6.9 两层索引结构的建立 |
| 3.6.10 离线建库阶段的流程 |
| 3.7 检索器的构造 |
| 3.7.1 相似性评价准则 |
| 3.7.2 检索策略 |
| 3.7.3 基于质量等级的检索闽值预测方法 |
| 3.8 实验 |
| 3.8.1 与近期算法的性能比较 |
| 3.8.2 在NIST SD27指纹库上的检索性能 |
| 3.9 结论 |
| 第四章 低质量现场指纹的检索方法研究 |
| 4.1 引言 |
| 4.2 低质量指纹检索存在的问题 |
| 4.3 现场指纹三角形多播 |
| 4.4 基于现场指纹三角形多播的指纹检索方法 |
| 4.5 实验 |
| 4.6 结论 |
| 第五章 超大规模指纹库检索系统的索引结构和检索方法 |
| 5.1 引言 |
| 5.2 模块功能分析 |
| 5.2.1 指纹检索模块的功能 |
| 5.2.2 指纹图像质量评价模块的功能 |
| 5.3 系统设计 |
| 5.3.1 索引器的构建 |
| 5.3.2 基于BP神经网络的两类分类器的训练 |
| 5.3.3 基于图像质量等级的浮动检索阈值集合的建立 |
| 5.3.4 基于探查指纹质量的检索模块 |
| 5.3.5 指纹检索系统检索效果的评价标准 |
| 5.4 实验 |
| 5.4.1 数据集 |
| 5.4.2 在训练集中预测检索阈值 |
| 5.4.3 整个指纹检索系统的性能 |
| 5.5 总结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.1.1 指纹质量评价方法研究 |
| 6.1.2 基于细节点多元组的指纹检索方法研究 |
| 6.1.3 低质量现场指纹的检索方法研究 |
| 6.1.4 超大规模指纹库检索系统的索引结构和检索方法 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（6）支持向量机相关方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景和意义 |
| 1.2 支持向量机国内外研究现状 |
| 1.2.1 基础理论研究现状 |
| 1.2.2 算法研究现状 |
| 1.2.3 应用研究现状 |
| 1.3 论文的主要工作和结构安排 |
| 2 支持向量机理论 |
| 2.1 机器学习的主要问题 |
| 2.1.1 学习问题的一般表示 |
| 2.1.2 经验风险最小化原则 |
| 2.1.3 复杂性和推广能力 |
| 2.2 统计学习理论 |
| 2.2.1 学习过程的一致性条件 |
| 2.2.2 VC维 |
| 2.2.3 推广性的界 |
| 2.2.4 结构风险最小化 |
| 2.3 支持向量机原理 |
| 2.3.1 线性支持向量机 |
| 2.3.2 非线性支持向量机 |
| 2.3.3 核函数 |
| 2.4 本章小结 |
| 3 加权最小二乘双支持向量机分类器 |
| 3.1 基于非平衡双超平面的支持向量机 |
| 3.1.1 广义特征值最接近支持向量机GEPSVM |
| 3.1.2 支持向量机TWSVM |
| 3.1.3 最小二乘双支持向量机LSTSVM |
| 3.2 加权最小二乘双支持向量机WLSTSVM |
| 3.2.1 加权最小二乘支持向量机WLS-SVM |
| 3.2.2 线性WLSTSVM |
| 3.2.3 非线性WLSTSVM |
| 3.2.4 实验及结果分析 |
| 3.3 本章小结 |
| 4 基于LSTSVM的多类分类方法 |
| 4.1 传统SVM多类分类思想 |
| 4.2 基于优化有向无环图的LSTSVM多类分类方法 |
| 4.2.1 类别可分性准则 |
| 4.2.2 无重复的类别序号重排方法 |
| 4.2.3 N类分类问题算法描述 |
| 4.2.4 实验及结果分析 |
| 4.3 本章小结 |
| 5 基于改进微分进化算法的参数选择 |
| 5.1 微分进化算法 |
| 5.2 微分进化算法的改进 |
| 5.2.1 变异策略 |
| 5.2.2 控制参数 |
| 5.2.3 实验及结果分析 |
| 5.3 基于改进DE算法的NPPC参数选择 |
| 5.3.1 非平衡平面邻近分类器NPPC |
| 5.3.2 算法实现 |
| 5.3.3 实验及结果分析 |
| 5.4 本章小结 |
| 6 基于SVM的样本约简方法 |
| 6.1 样本个数约简 |
| 6.1.1 基本思想 |
| 6.1.2 两凸包相对边界向量方法FFMVM |
| 6.1.3 FFMVM的改进及修正 |
| 6.1.4 算法实现 |
| 6.1.5 实验及结果分析 |
| 6.2 样本属性约简 |
| 6.2.1 基本思想 |
| 6.2.2 核Hebbian算法 |
| 6.2.3 核Hebbian算法的改进 |
| 6.2.4 算法实现 |
| 6.2.5 实验及结果分析 |
| 6.3 基于约简策略的SVM分类模型 |
| 6.4 实验及结果分析 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历及已发表的学术论文 |
| 在学期间参加的研究项目 |
（7）多智能体城市规划空间决策模型及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 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 研究进展 |
| 1.2.1 城市规划空间决策模型研究进展 |
| 1.2.2 基于多智能体系统的城市规划空间决策模型研究进展 |
| 1.3 研究目标与内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 研究框架 |
| 第二章 研究区域及数据处理 |
| 2.1 研究区域概况 |
| 2.1.1 区位分析 |
| 2.1.2 经济发展 |
| 2.1.3 城市产业布局 |
| 2.1.4 人口及就业 |
| 2.2 数据处理 |
| 2.2.1 调查数据 |
| 2.2.2 统计数据 |
| 2.2.3 遥感数据 |
| 2.2.4 GIS数据 |
| 第三章 多智能体建模的基本原理 |
| 3.1 智能体的相关概念 |
| 3.1.1 智能体 |
| 3.1.2 环境 |
| 3.1.3 多智能体系统 |
| 3.2 智能体的结构 |
| 3.2.1 思考型Agent结构 |
| 3.2.2 反应型Agent结构 |
| 3.2.3 混合型Agent结构 |
| 3.3 智能体的内部机制 |
| 3.3.1 智能体的学习和适应 |
| 3.3.2 智能体的评估和决策 |
| 3.4 多智能体建模 |
| 3.4.1 多智能体系统的原理 |
| 3.4.2 多智能体系统的构成 |
| 3.4.3 多智能体系统的主要研究内容 |
| 3.4.4 多智能体系统的启示 |
| 3.5 本章小结 |
| 第四章 多智能体城市土地扩张模型及其应用 |
| 4.1 引言 |
| 4.2 多智能体城市土地扩张模型 |
| 4.2.1 模型概述 |
| 4.2.2 模型智能体及其决策规则 |
| 4.3 多智能体城市土地扩张模拟 |
| 4.3.1 实验区与使用的数据 |
| 4.3.2 模型实现流程 |
| 4.3.3 模型运行参数确定 |
| 4.3.4 模型精度检验 |
| 4.3.5 2006-2015年长沙市区城市土地扩张预测 |
| 4.4 本章小结 |
| 第五章 多智能体进化城市土地利用空间优化配置模型及其应用 |
| 5.1 引言 |
| 5.2 MASGA模型 |
| 5.2.1 模型目标函数 |
| 5.2.2 模型算法 |
| 5.2.3 模型流程 |
| 5.2.4 模型应用 |
| 5.3 MASPSO模型 |
| 5.3.1 模型目标函数及约束条件的数学表达 |
| 5.3.2 模型算法 |
| 5.3.3 模型流程 |
| 5.3.4 模型应用 |
| 5.4 本章小结 |
| 第六章 多智能体交互式城市规划空间选址模型及其应用 |
| 6.1 引言 |
| 6.2 多智能体交互式城市规划空间选址模型 |
| 6.2.1 模型概述 |
| 6.2.2 模型运行环境 |
| 6.2.3 多Agent决策行为 |
| 6.3 模型的应用 |
| 6.3.1 试验区及数据 |
| 6.3.2 多Agent决策及其实现 |
| 6.4 本章小结 |
| 第七章 结论 |
| 7.1 研究结论 |
| 7.2 创新点 |
| 7.3 不足之处与研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间主要的研究成果 |
（8）支持主题学习的网络资源搜索系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 图表目录 |
| 公式目录 |
| 第一章 绪论 |
| 第一节 问题的提出 |
| 第二节 国内外研究现状 |
| 第三节 研究思路与研究意义 |
| 本章小结 |
| 第二章 主题学习与主题学习资源 |
| 第一节 主题学习的内涵 |
| 第二节 主题学习的理论基础 |
| 第三节 主题学习的支撑因素—主题学习资源 |
| 本章小结 |
| 第三章 Topic Spider—主题学习资源搜索的技术核心 |
| 第一节 Topic Spider概述 |
| 第二节 Topic Spider中的关键技术 |
| 第三节 Topic Spider应用于主题学习资源搜索的构想 |
| 本章小结 |
| 第四章 主题学习资源搜索系统的设计与实现 |
| 第一节 Topic Spider的设计与实现 |
| 第二节 主题学习资源搜索系统的实现 |
| 本章小结 |
| 第五章 系统的试用与评价 |
| 一、调研目标 |
| 二、调研方法 |
| 三、调研结果的分析与思考 |
| 第六章 总结与展望 |
| 第一节 研究结论 |
| 第二节 研究不足与展望 |
| 参考文献 |
| 附录 |
| 附录一 “教育 E时代”主题资源库检索系统评价指标体系及细化测评 |
| 附录二 主题学习资源搜索系统应用效果调查问卷 |
| 研究生期间主要成果 |
| 致谢 |
| 附图 |
（9）中文文本分类的文档索引机制及分类模型的研究（论文提纲范文）
| 目录 |
| 图表目录 |
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| §1.1 概述 |
| §1.2 文本自动分类的研究现状 |
| §1.3 本文的主要工作 |
| §1.4 本文的结构 |
| 第二章 分类任务描述及性能评价 |
| §2.1 分类任务 |
| 2.1.1 任务描述 |
| 2.1.2 不同类型的文本分类任务 |
| §2.2 分类系统的性能评价 |
| 2.2.1 样本集的划分 |
| 2.2.2 性能指标 |
| §2.3 小结 |
| 第三章 常用文本分类模型 |
| §3.1 常用文本分类模型 |
| 3.1.1 Rocchio分类模型 |
| 3.1.2 朴素贝叶斯模型(Naive Bayes,NB) |
| 3.1.3 决策树学习算法(Decision Tree) |
| 3.1.4 kNN(kNearest Neighbor,k最邻近)算法 |
| 3.1.5 支撑向量机(Support Vector Machine,SVM) |
| 3.1.6 神经网络模型(Neural Network,NN) |
| 3.1.7 投票分类模型(Voted Classification) |
| §3.2 “最优”的分类模型? |
| §3.3 小结 |
| 第四章 文档索引对分类效果的影响 |
| §4.1 文档索引策略 |
| 4.1.1 文本表示(Text Representation) |
| 4.1.2 可用的中文文档索引策略 |
| 4.1.3 实验及结果分析 |
| 4.1.4 小结 |
| §4.2 特征空间的降维 |
| 4.2.1 特征选取 |
| 4.2.2 特征重构 |
| 4.2.3 小结 |
| §4.3 索引项权重计算方法 |
| 4.3.1 权重的作用 |
| 4.3.2 之前的一些研究发现 |
| 4.3.3 经典的权重计算方法及其改进 |
| 4.3.4 分类实验及结果分析 |
| 4.3.5 小结 |
| §4.4 章小结 |
| 4.4.1 所做工作总结 |
| 4.4.2 结论和建议 |
| 第五章 辅以规则补充的文本分类研究 |
| §5.1 基于规则的文本分类 |
| 5.1.1 基于知识工程的分类系统 |
| 5.1.2 基于规则学习的分类系统 |
| §5.2 规则的学习 |
| 5.2.1 关联规则的挖掘 |
| 5.2.2 序列覆盖算法 |
| 5.2.3 并行覆盖算法 |
| 5.2.4 之前的一些研究工作 |
| §5.3 辅以规则补充的文本分类 |
| §5.4 分类实验及结果分析 |
| §5.5 小结 |
| 第六章 基于N元语言模型的文本分类研究 |
| §6.1 N元语言模型 |
| 6.1.1 文本的“词链”表示法 |
| 6.1.2 之前的一些工作 |
| 6.1.3 常见的几种N元语言模型 |
| 6.1.4 语言模型的评价 |
| §6.2 参数估计与平滑 |
| 6.2.1 Additive |
| 6.2.2 Discounting |
| 6.2.3 Back-off |
| §6.3 基于N元语言模型的文本分类 |
| 6.3.1 如何应用N元语言模型来进行文本分类? |
| 6.3.2 分类实验结果 |
| 6.3.3 实验结果分析及结论 |
| §6.4 小结 |
| 结束语 |
| 致谢 |
| 攻读硕士期间发表的论文 |
| 参考文献 |
| 附录A: DF和DFR选取出的特征项子集 |
（10）泥石流入汇交汇区水沙运动特性（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 第一章 序论 |
| 1 泥石流研究现状 |
| 2 汇流问题研究现状 |
| 3 研究方法及主要研究内容 |
| 第二章 泥石流入汇主河试验 |
| 1 支沟泥石流入汇试验 |
| 1.1 成都山地灾害与环境研究所试验 |
| 1.1.1 试验设备及试验参数 |
| 1.1.2 试验现象 |
| 1.2 西南交通大学试验 |
| 1.2.1 试验设备及试验参数 |
| 1.2.2 试验现象 |
| 1.3 中国水利水电科学研究院试验 |
| 1.3.1 试验设备及试验参数 |
| 1.3.2 试验现象 |
| 2 堵江试验 |
| 2.1 西南交通大学堵江试验 |
| 2.2 成都山地灾害与环境研究所堵江试验 |
| 3 小结 |
| 第三章 试验成果分析 |
| 1 成都山地灾害与环境研究所试验 |
| 1.1 相对水位壅高 |
| 1.2 淤积量 |
| 1.3 淤积比 |
| 1.4 淤积深度 |
| 2 西南交通大学试验 |
| 2.1 淤积量 |
| 2.2 淤积深度 |
| 2.2.1 平均淤积深度 |
| 2.2.2 最大淤积深度 |
| 3 水科院试验 |
| 4 小结 |
| 第四章 泥石流入汇区水沙运动特性 |
| 1 交汇区壅水及泥沙淤积问题 |
| 1.1 参数的确定 |
| 1.1.1 交汇角 |
| 1.1.2 流量比 |
| 1.1.3 容重比 |
| 1.2 试验验证 |
| 1.3 问题与讨论 |
| 2 堵江临界条件 |
| 2.1 堵江影响因素分析 |
| 2.1.1 交汇角 |
| 2.1.2 流量比 |
| 2.1.3 流速比 |
| 2.1.4 泥石流流变特性 |
| 2.1.5 泥石流总量 |
| 2.1.6 泥石流抗冲强度 |
| 2.1.7 主河宽度 |
| 2.1.8 主河的坡度 |
| 2.2 泥石流堵江临界判别式的建立 |
| 3 小结 |
| 第五章 交汇区堆积体泥沙再起动问题 |
| 1 泥沙起动研究现状 |
| 2 交汇区宽级配非均匀沙起动公式 |
| 2.1 以公切角表征的非均匀沙起动公式 |
| 2.1.1 荫蔽作用 |
| 2.1.2 起动流速公式 |
| 2.1.3 公式的验证 |
| 2.1.4 问题与讨论 |
| 2.2 近底水流结构对非均匀沙起动的影响 |
| 2.2.1 水流流速公式 |
| 2.2.2 泥沙起动流速 |
| 2.2.3 泥沙起动流速参数的确定 |
| 2.2.4 公式的验证 |
| 3 小结 |
| 第六章 结论 |
| 致谢 |
| 作者攻读博士学位期间发表的论文 |
| 论文内容独创性声明 |
| 参考文献 |
四、对GOOD关于Hausdorff维数的一个问题的推广（论文参考文献）
- [1]基于差分进化算法和降阶模型的渗流场反问题研究[D]. 钱武文. 西安理工大学, 2020(10)
- [2]基于特征学习的模糊图像质量评价与检测分割研究[D]. 王雪玮. 中国科学技术大学, 2020(01)
- [3]基于LVQ神经网络的煤自然发火预报系统研究[D]. 刘奇. 华北理工大学, 2017(03)
- [4]一种改进Best-First算法的主题爬虫搜索算法研究[D]. 丁发梅. 重庆大学, 2015(06)
- [5]超大规模指纹库的索引结构和检索方法[D]. 袁宝玺. 北京邮电大学, 2013(12)
- [6]支持向量机相关方法研究[D]. 陈婧. 中国海洋大学, 2011(10)
- [7]多智能体城市规划空间决策模型及其应用研究[D]. 张鸿辉. 中南大学, 2011(12)
- [8]支持主题学习的网络资源搜索系统设计与实现[D]. 程芳. 华东师范大学, 2010(07)
- [9]中文文本分类的文档索引机制及分类模型的研究[D]. 周新栋. 国防科学技术大学, 2004(03)
- [10]泥石流入汇交汇区水沙运动特性[D]. 郭志学. 四川大学, 2003(04)