一、贝叶斯决策理论概述之二（论文文献综述）
刘锋,高忠林,郭锦华,翟宝亮,徐昊[1]（2021）在《基于Chernoff face的机器人焊钳性能评估》文中研究说明为更好地评估设备性能,建立一种可视化的、可靠的机器人焊钳性能评估方法,与传统的性能评估方法不同,该方法将多传感器采集的多参数特征信息通过代数运算进行高精度融合,并绘制Chernoff face图像。同时设计一种有效的Chernoff face图像模式特征矩阵提取方法,将Chernoff face图像转换为二值图像,并且每个二值图像可存储为一个二进制特征矩阵。利用贝叶斯决策建立机器人焊钳性能分类器,通过样本模式特征矩阵最终获得设备性能的有效描述。分类性能测试结果表明,该方法显着提高Chernoff face技术在机器人焊钳性能评估中的适用性和效率,具有可行性、有效性和可靠性。
张晶焯,肖黎,赖振宇,向导,伍国兴,林波,李洋[2]（2021）在《基于贝叶斯决策的输电线路差异化防雷设计》文中研究指明为实现输电线路差异化防雷设计,引入了贝叶斯决策理论,在MATLAB中分别建立了输电线路防雷措施决策模型,研究不同输入条件下（电压等级、接地电阻、保护角、绝缘子片数等）防雷措施的输出,并对所推荐的防雷改造方案进行技术经济性比较,选择最优的改造方案。研究结果表明,基于贝叶斯决策理论的防雷措施决策能将推荐的防雷措施按照推荐程度进行排序,其结果依赖于输入参数与输出防雷措施之间的相关性及条件判据的合理性。选择对防雷措施推荐有影响的参数作为输入变量,综合专家意见和经验谨慎决定条件判据,可以得到合适的防雷措施推荐方案。贝叶斯决策理论能够为逐渐推广的输电线路差异化防雷工作提供有效的参考和指导。
于溪,王梦园,董欣,陈欣,路金霞[3]（2021）在《城中村流动人口搬迁趋向性研究——以西安市为例》文中研究指明近年来,随着城中村改造的大规模推进,流动人口的安置工作已成为当前中国新型城镇化发展中迫切需要解决的重要现实问题。然而,现阶段的政策和研究多采用自上而下的视角,缺乏基于城中村居民个体行为空间选择的"理性"视角。因此,文章基于贝叶斯决策树,模拟和预测了城中村拆迁之后流动人口搬迁选择过程中的偏好、决策路径及其内在机制,发现流动人口择居的首要选择是向更外围的城中村"蛙跳式"迁徒。现阶段,由于保障房资源稀缺、配置不均、"门槛"较高、对流动人口照顾不够等因素,保障房难以替代城中村成为流动人口的下一个归宿。在此基础上,文章结合目前保障房建设及相关政策实施的状况,证明了政策偏差的存在,提出了具体的优化措施和建议。
李亚峰,冷伍明,聂如松,梅慧浩,程龙虎,周思危[4]（2021）在《基于改进的集对分析理论的路基沉降组合预测模型》文中研究表明准确合理地预测路基沉降是路基安全性评价及加固维护方案决策的重要依据.为克服单项预测模型的信息局限性和片面性,构建了基于集对分析理论的路基沉降组合预测模型.该模型首先基于预测值和实测数据建立集对;应用贝叶斯决策理论表达集对关系识别风险,并通过自适应搜索算法确定最优集对关系准则;进而分析预测模型和实测数据的联系,并基于联系度确定权重系数,实现预测信息的最优组合.实例应用表明,该组合预测模型应用于路基沉降是有效可行的,考虑了单项预测模型的预测精度和可靠性,并拓展了集对关系准则确定方法,也为其他的组合预测评价问题提供了思路.
郭成源[5]（2021）在《边缘计算环境下的城市交通道路风险评估与事故风险预测》文中认为随着经济的快速发展,国家的车辆总数、城市道路的数量也随之不断增加,更多的道路交通问题（交通拥堵、交通事故等）也随之而来。城市交通事故的发生会直接影响到发生事故路段的交通状况,导致交通拥堵,甚至造成更为严重的损失。如何通过交通数据来有效地预测道路风险,从而缓解交通拥堵减少交通事故的发生,已经成为现代城市发展中亟待解决的一个热点问题。以往科研人员对交通事故的预测大多是从某一个城市历史交通事故的数据出发,使用不同的模型或者改进的模型对某区域的交通事故进行预测,然而这一类方法的预测仅仅与长期的交通事故发生规律较为一致,并不能实时地对道路事故的发生有一个较好的预测。交通事故的发生跟道路的实时交通情况有很大的关系,随着智能设备的不断发展,车联网群智感知技术以及边缘计算成为了解决该问题的一个热门话题,它们可以实现低延迟高效率地对路面上的车辆数据进行分析。与以往对交通事故预测研究不同的是,本文在边缘计算环境的基础上,结合实时道路交通数据信息和历史交通事故数据信息两个层面共同对城市交通事故风险进行分析和预测。具体创新如下:1.提出了一种新型的基于边缘计算的道路风险评估方法通过群智感知设备对道路车辆信息进行采集,利用边缘计算技术的低延迟和高可靠性对道路车辆数据进行监测并分析出异常车辆信息和异常交通流信息。据此建立风险评估模型对道路交通风险进行评估,然后使用最小风险贝叶斯决策方法进行验证判断。为了验证该方法的有效性和实用性,本文分别在人工路网和真实路网对道路风险进行了实验评估,并建立路径选择对比实验。实验结果显示该方法较传统的路径选择方法在安全性上有很大的提升。2.提出了一种基于边缘计算的城市交通事故风险预测方法在基于边缘计算的道路风险评估模型的基础上,本文又结合历史交通事故数据对城市区域未来一段时间内的交通风险进行了预测,使得预测结果在实时交通流因素的影响下更为真实可靠。首先利用群智感知技术对道路车流信息进行收集,采用边缘计算对道路实时风险进行评估,并结合基于历史交通事故数据的长短期记忆网络预测模型来共同对城市某一区域交通事故的发生频率进行预测,最后通过多种预测模型的对比实验验证该方法的有效性和优越性。实验结果显示本文提出的模型预测结果较其他预测模型准确率更高。
张子丞,谭志苇,张晨瑞,王旋,刘晓璇,俞一彪[6]（2021）在《基于高低频带对数能量谱比贝叶斯决策的语音端点检测》文中认为在分析语音信号与噪声在高低频带的能量谱表现特征基础上,提出一种低信噪比条件下采用高低频带对数能量谱比贝叶斯决策的语音端点检测方法。首先根据样本计算语音信号和背景噪声在高低两个不同频带的对数能量谱比值,依据最大似然估计得到两类信号对数能量谱比的统计分布,并基于贝叶斯决策准则推导最佳判决阈值。信号输入时,逐帧计算高低频带对数能量谱比并与判决阈值进行比较来进行语音和背景噪声的分类判决,从而实现语音信号的端点检测。实验结果表明,与传统的双门限检测法和谱熵检测法相比,提出的方法在较低信噪比条件下能更加准确地检测语音端点,明显提高了端点检测的准确率和速度。
曹强,许颖媚[7]（2021）在《基于特征融合的信息系统易用性研究》文中研究指明信息系统易用性是评价软件质量的一项重要指标,针对信息系统易用性评估用户情境缺失的问题,该文从特征融合视角进行用户的特征提取和分析,依据训练集进行参数估计,通过特征融合进行用户特征数据处理分析,结合信息系统的特点和最小错误率贝叶斯决策理论,实现信息系统用户分类。用户特征融合分类能够解决信息系统易用性评估中的情境缺失问题,通过结合提取的特征提升易用性评估的准确性。
冯一诺[8]（2021）在《基于模糊神经网络理论的异构无线网络接入选择研究》文中认为随着智能手机通信已经普及到老、中、青这三代人,庞大的网络需求驱使无线网络更加快速的发展。但这些用户的业务需求纷繁复杂,能够满足不同需求的无线网络的各项性能指标存在一定的差异,凭借单一的无线网络无法达到使所有用户满意的效果,所以逐渐形成了异构无线网络融合发展的态势。接入选择技术是使用户随时随地获得高质量服务的关键,这也使得异构无线网络接入选择技术成为异构无线网络领域的研究热点。本文全面地梳理了现有的异构无线网络接入选择算法,介绍了各算法的基本思想理论,并分析各算法的优缺点,然后提出了基于DA-FNN的异构无线网络接入选择算法和基于BDT-GWO-FNN的异构无线网络接入选择算法。针对现有的异构无线网络接入选择算法虽能够同时兼顾用户和网络,但仍存在无法定量化处理模糊信息、不具备自适应学习能力等问题,本文提出了基于DA-FNN的异构无线网络接入选择算法。该算法将模糊逻辑理论与神经网络相结合,使得算法在处理模糊的网络属性信息的同时还能自适应调整参数,并利用蜻蜓算法优化模糊神经网络隶属函数的参数,令网络评价结果更加准确,进而提升系统性能。此外,在选择网络时,考虑到业务类型对网络接入选择结果的影响,本文将业务类型分为实时业务和非实时业务,并设置产生两类业务的用户对各个备选网络的偏好值,再利用偏好值对模糊神经网络输出的备选网络评分进行加权处理,最终使用加权值作为选择依据。仿真结果表明,该算法能够为用户选择最适合的网络,在保证吞吐量的同时降低阻塞率。针对终端用户快速移动时的异构无线网络接入选择问题,本文提出一种基于BDT-GWO-FNN的异构无线网络接入选择算法。在每个决策时刻,利用多条件贝叶斯算法对备选网络进行筛选,得到满足切换条件的网络,然后建立切换目标网络集的更新规则,并判断其是否更新,更新则启动切换判决,反之则不启动切换判决。在启动切换判决后,利用灰狼优化模糊神经网络的网络选择算法对更新后的切换目标网络集中的备选网络进行选择。由于灰狼算法和蜻蜓算法均是群智能优化算法,所以灰狼优化模糊神经网络和蜻蜓优化模糊神经网络的思想类似,均是先构建模糊神经网络模型,再用优化算法优化模糊神经网络隶属函数的参数,进而提升系统性能。仿真结果表明,该算法能够提高吞吐量、降低阻塞率、减少切换次数。
马茜[9]（2021）在《基于Pythagorean模糊环境的三支决策覆盖粗糙集模型研究》文中研究说明Pythagorean模糊集作为处理模糊性信息的数学工具,从隶属度和非隶属度两方面处理不确定问题,并且满足隶属度和非隶属度平方和不能超过1的条件,得到更加符合人类思维的决策行为.决策粗糙集作为另外一种处理模糊性信息的数学工具,它以三支决策方法为手段,为解决风险决策问题提供了一种新的方法和途径.目前为止,两者的融合研究相对较少.因此,如何融合Pythagorean模糊集与覆盖决策粗糙集,构建新的模型,对三支决策问题的研究具有一定的意义.本文在Pythagorean模糊环境中研究覆盖决策粗糙集,其主要研究内容如下:（1）提出了Pythagorean模糊β-覆盖和Pythagorean模糊β-邻域的概念,并基于贝叶斯决策程序,构建Pythagorean模糊β-覆盖决策粗糙集模型,研究了该模型有关的期望损失的一些有意义的性质.（2）基于Pythagorean模糊β-覆盖决策粗糙集模型,利用Pythagorean模糊数,建立期望损失,并推导了相应的三支决策.最后,通过一个实例,验证了Pythagorean模糊β-覆盖决策粗糙集的有效性和科学性.（3）基于Pythagorean模糊β-覆盖决策粗糙集模型,引入多粒度的概念,构建了两种多粒度Pythagorean模糊β-覆盖决策粗糙集模型:乐观多粒度Pythagorean模糊β-覆盖决策粗糙集和悲观多粒度Pythagorean模糊β-覆盖决策粗糙集,并分别构建对应的三支决策规则.最后,通过实例验证了所构建模型的有效性和科学性.
王祎菡[10]（2021）在《基于H.266/VVC的快速CU划分算法研究》文中指出随着H.266/VVC编码标准的发展与完善,视频处理效率的提高带动了视频产业的发展,为新一代视频编码标准的发展奠定了基础。为了满足人们对视频的清晰度、流畅度以及实时度的要求,新一代视频编码标准应运而生。它有良好的网络适应性、并行处理能力和压缩效率,将会在很多领域得到很好的应用。因此,H.266/VVC视频编码标准是当前研究的热点。H.266/VVC引入的四叉树嵌套多类型树（Quad-tree with nested multi-type tree,QTMT）划分结构大大提高了编码效率,但同时也导致了很高的编码计算复杂度。本文针对此问题提出了两个有效的解决方法:（1）提出一种基于随机森林分类器（Random forest classifier,RFC）的快速编码单元（Coding Unit,CU）划分算法。根据纹理复杂度将CU划分为平滑区域、普通区域和复杂区域,其中普通区域采用原始帧内编码过程进行编码预测,平滑区域不再进行划分,而复杂区域的CU使用提前训练好的RFC进行分类。实验结果表明,该算法较原始H.266/VVC编码器可节省大约39.05%的编码时间,BDBR仅为0.73%,可忽略不计。（2）提出一种基于改进的有向无环图支持向量机（Directed Acyclic GraphSupport Vector Machine,DAG-SVM）分类器的快速CU划分算法。通过改进的F-score特征选择方法选择与CU划分相关的特征,从而获得特征子集。在构造改进的DAG-SVM分类器时,首先计算各类型的重心,并使用重心来计算各类型之间的距离;然后计算每个类别与其他类别之间距离的平均值,其中平均值较大的类别与其他类别的距离更远,优先选择平均距离较大的类别来生成有向无环图（Directed Acyclic Graph,DAG）中的上层分类器;最后,经过训练的DAG-SVM分类器来提前预测最佳CU分区。实验结果表明,该算法较原始H.266/VVC编码器可节省约54.74%的编码时间,BDBR仅增加0.92%。本文提出的针对降低H.266/VVC中CU划分过程编码复杂度的算法,均有效降低了编码时间,促进了H.266/VVC的实际应用。
二、贝叶斯决策理论概述之二（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、贝叶斯决策理论概述之二（论文提纲范文）
（1）基于Chernoff face的机器人焊钳性能评估（论文提纲范文）
| 0 引言 |
| 1 机器人焊钳设备性能评估指标体系的建立 |
| 1.1 多传感器检测模块 |
| 1.2 Chernoff face脸谱法 |
| 1.3 相关分析和特征选择 |
| 1.4 性能评估分级 |
| 2 机器人焊钳特征提取 |
| 3 贝叶斯决策分类 |
| 4 机器人焊钳性能评估分析 |
| 5 结束语 |
（2）基于贝叶斯决策的输电线路差异化防雷设计（论文提纲范文）
| 0 引言 |
| 1 贝叶斯决策理论 |
| 2 防雷措施决策模型 |
| 2.1 防雷措施决策模型建立 |
| 2.2 贝叶斯决策的详细步骤 |
| 2.3 程序流程 |
| 3 防雷改造方案技术经济性评估 |
| 4 实例分析 |
| 5 结论 |
（4）基于改进的集对分析理论的路基沉降组合预测模型（论文提纲范文）
| 1 基于集对分析理论的组合预测模型 |
| 1.1 基本原理 |
| 1.2 基本理论 |
| 1.2.1 集对分析理论 |
| 1.2.2 贝叶斯决策理论 |
| 1.3 基于集对理论的组合预测模型 |
| 1.4 集对关系准则 |
| 1.5 基于自适应算法的最优阈值求解 |
| 2 实例应用 |
| 2.1 实例概况 |
| 2.2 组合预测 |
| 2.3 预测效果分析 |
| 3 结论 |
（5）边缘计算环境下的城市交通道路风险评估与事故风险预测（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 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 群智感知在交通领域的研究现状 |
| 1.2.2 边缘计算在交通领域的研究现状 |
| 1.2.3 交通事故预测研究现状 |
| 1.3 论文创新点 |
| 1.4 论文的主要工作与组织架构 |
| 第二章 相关理论基础 |
| 2.1 车联网群智感知 |
| 2.1.1 集中式感知 |
| 2.1.2 分布式感知 |
| 2.1.3 混合式感知 |
| 2.2 边缘计算 |
| 2.2.1 边缘计算的优势 |
| 2.2.2 边缘计算在车联网中的应用 |
| 2.3 神经网络 |
| 2.3.1 神经网络与浅层神经网络 |
| 2.3.2 循环神经网络 |
| 2.3.3 长短期记忆网络 |
| 2.4 本章小结 |
| 第三章 基于边缘计算的道路风险评估 |
| 3.1 边缘计算网络架构 |
| 3.2 异常车辆行为分析 |
| 3.2.1 异常急变道行为分析 |
| 3.2.2 急加速急减速行为分析 |
| 3.2.3 车速离散度分析 |
| 3.3 实时风险评估 |
| 3.3.1 道路风险实时评估模型 |
| 3.3.2 道路风险最小风险贝叶斯决策 |
| 3.4 仿真与实验分析 |
| 3.4.0 基于道路风险的路径权重计算 |
| 3.4.1 人工路网 |
| 3.4.2 真实路网 |
| 3.5 本章小结 |
| 第四章 基于边缘计算的城市交通事故风险预测 |
| 4.1 基于边缘计算的交通事故风险深度预测模型 |
| 4.2 交通事故数据分析 |
| 4.2.1 交通事故的时间模式 |
| 4.2.2 数据的预处理 |
| 4.3 交通事故风险预测 |
| 4.3.1 LSTM训练模型 |
| 4.3.2 DPTR-EC预测模型 |
| 4.4 仿真实验 |
| 4.4.1 实验设置及评价指标 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（6）基于高低频带对数能量谱比贝叶斯决策的语音端点检测（论文提纲范文）
| 1 引言 |
| 2 语音端点检测经典方法 |
| 2.1 双门限法 |
| 2.2 谱熵法 |
| 3 高低频带对数能量谱比及端点检测 |
| 3.1 高低频带能量谱特征分析 |
| 3.2 对数能量谱比的统计分布及贝叶斯决策 |
| 3.3 端点检测算法 |
| (1)短时分帧处理 |
| (2)计算短时能量谱 |
| (3)计算高低频带对数能量谱比 |
| (4)设置对数能量谱比阈值 |
| (5)分类决策 |
| 4 实验结果与分析 |
| 4.1 实验环境与条件 |
| 4.2 结果与分析 |
（7）基于特征融合的信息系统易用性研究（论文提纲范文）
| 1 特征融合 |
| 2 最小错误率贝叶斯决策理论 |
| 3 信息系统用户分类 |
| 3.1 训练样本 |
| 3.2 确定模式类 |
| 4 结语 |
（8）基于模糊神经网络理论的异构无线网络接入选择研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的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 |
| 第2章 异构无线网络接入选择研究 |
| 2.1 异构无线网络接入选择概述 |
| 2.2 接入选择流程 |
| 2.3 异构无线网络接入选择的影响因素 |
| 2.4 现有异构无线网络接入选择算法 |
| 2.4.1 基于RSS的异构无线网络接入选择算法 |
| 2.4.2 基于MCDM的异构无线网络接入选择算法 |
| 2.4.3 基于效用函数的异构无线网络接入选择算法 |
| 2.4.4 基于模糊逻辑的异构无线网络接入选择算法 |
| 2.4.5 基于人工神经网络的异构无线网络接入选择算法 |
| 2.4.6 基于博弈论的异构无线网络接入选择算法 |
| 2.5 本章小结 |
| 第3章 基于DA-FNN的异构无线网络接入选择算法 |
| 3.1 引言 |
| 3.2 基于蜻蜓优化模糊神经网络的接入选择算法 |
| 3.2.1 模糊神经网络模型 |
| 3.2.2 模糊神经网络的自适应学习过程 |
| 3.2.3 蜻蜓优化模糊神经网络 |
| 3.3 仿真分析 |
| 3.3.1 仿真场景 |
| 3.3.2 结果分析 |
| 3.4 本章小结 |
| 第4章 基于BDT-GWO-FNN的异构无线网络接入选择算法 |
| 4.1 引言 |
| 4.2 基于多条件贝叶斯决策的切换目标网络集更新算法 |
| 4.2.1 贝叶斯决策 |
| 4.2.2 切换目标网络集更新算法 |
| 4.3 基于灰狼优化模糊神经网络的网络选择算法 |
| 4.3.1 灰狼优化的基本理论 |
| 4.3.2 灰狼优化模糊神经网络 |
| 4.3.3 网络选择 |
| 4.4 仿真分析 |
| 4.4.1 仿真场景 |
| 4.4.2 结果分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（9）基于Pythagorean模糊环境的三支决策覆盖粗糙集模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 Pythagorean模糊集的研究现状 |
| 1.2.2 覆盖粗糙集 |
| 1.2.3 决策粗糙集及其多粒度决策粗糙集的研究现状 |
| 1.3 本文主要工作及内容安排 |
| 第二章 预备知识 |
| 2.1 Pythagorean模糊集 |
| 2.2 模糊β-覆盖和模糊β-邻域 |
| 2.3 多粒度决策粗糙集 |
| 2.3.1 乐观多粒度决策粗糙集 |
| 2.3.2 悲观多粒度决策粗糙集 |
| 2.4 本章小结 |
| 第三章 Pythagorean模糊β-覆盖决策粗糙集模型 |
| 3.1 Pythagorean模糊β-覆盖和Pythagorean模糊β-邻域 |
| 3.2 Pythagorean模糊β-覆盖决策粗糙集模型 |
| 3.3 Pythagorean模糊β-覆盖决策粗糙集的决策分析 |
| 3.3.1 方法1 |
| 3.3.2 方法2 |
| 3.3.3 方法3 |
| 3.3.4 方法4 |
| 3.4 Pythagorean模糊β-覆盖决策粗糙集的三支决策的应用 |
| 3.4.1 问题陈述 |
| 3.4.2 决策步骤 |
| 3.4.3 数值例子 |
| 3.5 比较分析 |
| 3.5.1 与第3.3节中提出的四种方法的比较分析 |
| 3.5.2 与现有方法的比较分析 |
| 3.6 结论 |
| 第四章 多粒度Pythagorean模糊β-覆盖决策粗糙集及其在群决策中的应用 |
| 4.1 多粒度Pythagorean模糊β-覆盖决策粗糙集 |
| 4.2 乐观多粒度Pythagorean模糊β-覆盖决策粗糙集 |
| 4.3 悲观多粒度Pythagorean模糊β-覆盖决策粗糙集 |
| 4.4 多粒度Pythagorean模糊β-覆盖决策粗糙集的群体决策方法 |
| 4.4.1 模型与方法 |
| 4.4.2 实例 |
| 4.5 与文献[41]中方法的比较分析 |
| 4.6 结论 |
| 第五章 总结 |
| 5.1 主要工作 |
| 5.2 展望 |
| 参考文献 |
| 在学习期间的研究成果 |
| 附录 |
| 致谢 |
（10）基于H.266/VVC的快速CU划分算法研究（论文提纲范文）
| 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 对于H.265/HEVC中传统的快速CU分区算法的研究 |
| 1.2.2 对于H.265/HEVC中基于机器学习的快速CU分区算法的研究 |
| 1.2.3 对于H.266/VVC中传统的快速CU分区算法的研究 |
| 1.2.4 对于H.266/VVC中基于ML的快速CU分区算法的研究 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第二章 H.266/VVC视频编码标准研究概述 |
| 2.1 H.266/VVC编码框架 |
| 2.2 H.266/VVC编码标准关键技术概述 |
| 2.2.1 H.266/VVC中 QTMT划分结构 |
| 2.2.2 H.266/VVC帧内预测关键技术 |
| 2.3 测试条件及评估标准 |
| 2.3.1 测试条件 |
| 2.3.2 评估标准 |
| 2.4 本章小结 |
| 第三章 基于RFC的快速CU划分算法 |
| 3.1 引言 |
| 3.2 基于RFC的快速CU划分算法 |
| 3.2.1 RF算法 |
| 3.2.2 基于纹理复杂度的CU分类 |
| 3.2.3 RFC的建立与训练 |
| 3.2.4 判决结果的准确性分析 |
| 3.2.5 基于RFC的快速CU划分算法流程 |
| 3.3 实验结果及分析 |
| 3.3.1 与原始H.266/VVC参考软件VTM的实验结果比较 |
| 3.3.2 与目前存在的快速算法的实验结果比较分析 |
| 3.4 本章小结 |
| 第四章 基于改进的DAG-SVM分类器的快速CU划分算法 |
| 4.1 引言 |
| 4.2 基于改进的DAG-SVM分类器的快速CU划分算法 |
| 4.2.1 传统的F-score特征选择方法 |
| 4.2.2 改进的F-score特征选择方法 |
| 4.2.3 基于改进的F-score方法选择的特征 |
| 4.2.4 传统的SVM分类器 |
| 4.2.5 常用的多类SVM方法 |
| 4.2.6 改进的DAG-SVM分类器建立与训练 |
| 4.2.7 基于改进的DAG-SVM分类器的快速CU划分算法流程 |
| 4.3 实验结果及分析 |
| 4.3.1 与原始H.266/VVC参考软件VTM的实验结果比较 |
| 4.3.2 与目前存在的快速算法的实验结果比较分析 |
| 4.4 本章小结 |
| 第五章 总结和展望 |
| 5.1 本文总结 |
| 5.2 后续展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间研究成果 |
| 致谢 |
四、贝叶斯决策理论概述之二（论文参考文献）
- [1]基于Chernoff face的机器人焊钳性能评估[J]. 刘锋,高忠林,郭锦华,翟宝亮,徐昊. 中国测试, 2021(11)
- [2]基于贝叶斯决策的输电线路差异化防雷设计[J]. 张晶焯,肖黎,赖振宇,向导,伍国兴,林波,李洋. 电瓷避雷器, 2021(05)
- [3]城中村流动人口搬迁趋向性研究——以西安市为例[J]. 于溪,王梦园,董欣,陈欣,路金霞. 现代城市研究, 2021(08)
- [4]基于改进的集对分析理论的路基沉降组合预测模型[J]. 李亚峰,冷伍明,聂如松,梅慧浩,程龙虎,周思危. 应用基础与工程科学学报, 2021(04)
- [5]边缘计算环境下的城市交通道路风险评估与事故风险预测[D]. 郭成源. 华东交通大学, 2021(01)
- [6]基于高低频带对数能量谱比贝叶斯决策的语音端点检测[J]. 张子丞,谭志苇,张晨瑞,王旋,刘晓璇,俞一彪. 计算机科学, 2021(S1)
- [7]基于特征融合的信息系统易用性研究[J]. 曹强,许颖媚. 科技资讯, 2021(17)
- [8]基于模糊神经网络理论的异构无线网络接入选择研究[D]. 冯一诺. 吉林大学, 2021(01)
- [9]基于Pythagorean模糊环境的三支决策覆盖粗糙集模型研究[D]. 马茜. 西北民族大学, 2021(08)
- [10]基于H.266/VVC的快速CU划分算法研究[D]. 王祎菡. 郑州轻工业大学, 2021(07)