一、筛选因子的多级逐步判别方法（论文文献综述）
李麦村,姚棣荣,杨自强[1]（1977）在《筛选因子的多级逐步判别方法》文中研究表明本文是对预报因子进行初选的基础上,应用逐步判别分析,作台风路径三级判别预报的一个尝试,计算结果表明:逐步判别是一种有效的新算法。
周磊[2]（2018）在《深度学习在糖网病筛查中的研究与应用》文中研究表明糖尿病视网膜病变（简称“糖网病”）是糖尿病的一种慢性并发症,目前它已是劳动力人口中主要的致盲因素。临床实践表明及时地诊断和治疗糖网病能极大地降低患者丧失视力的风险,因此在众多糖尿病患者中开展定期的糖网病筛查工作有着非常重要的现实意义。而针对当前医患供需关系极度不平衡的矛盾,利用计算机视觉和计算机辅助诊断的技术来提高眼科医生的诊断效率是最为有效的解决方案。在这些技术当中,深度学习便是目前最为活跃的研究方向之一。本文根据上海市第一人民医院的糖网病诊断需求,研究和分析了辅助诊断系统开发中多个关键任务,同时结合深度学习所面临的实际问题,提出了相对应的解决方案。本文的主要内容和创新点如下:（1）针对大规模筛查中眼底图像质量评价的任务,提出了一种基于多级注意力模型的自动化评价算法。该方法在卷积神经网络多尺度的特征图上引入注意力机制用于提升质量分类的效果。此外,该方法还能前向生成网络重点关注的图像区域,为眼科医生提供可视化的分类依据,也能提示采集人员有针对性地提升成像质量。（2）针对眼底图像血管分割的任务,提出了一种基于特征学习与稠密条件随机场的分割算法。该方法利用线性可判别特征学习构建了稠密条件随机场的一元特征,同时应用一种新的细血管增强方式改进了稠密条件随机场的二元势能函数,进一步提升了血管分割的效果。（3）针对眼底图像糖网病检测的任务,提出了一种基于深度多示例学习的糖网病及其病灶联合检测的算法。该方法结合深度学习与多示例学习的互补优势,仅利用图像级别的标记信息就能实现糖网病病灶的定位,消除了病灶标注的代价,也为糖网病筛查提供了可视化的判断依据。此外,该方法还应用了一种端到端的多尺度框架,能更好地处理不规则的糖网病病灶。（4）针对眼底图像糖网病病灶精确分割的任务,提出了一种基于深度混合学习的眼底图像多类目标分割算法。该方法利用三种分别包含糖网病病变等级、血管精细标记以及病灶弱标记的数据集,结合全监督、弱监督以及主动学习等方法,训练出了一个统一了血管、渗出、出血以及微动脉瘤分割的网络模型。该方法能有效减少精细标记的开销,具有很强的实用性。（5）设计并开发了一个用于糖网病辅助诊断的系统。该系统整合了眼底图像质量评价、正常结构分割、糖网病病灶分割、病变评级以及血管分析等功能,并且成功为上海市第一人民医院的眼科医生提供了诊断和科研上的帮助。
苏为华[3]（2000）在《多指标综合评价理论与方法问题研究》文中进行了进一步梳理本文通过对国内近二十年来多指标综合评价理论研究与应用成果的总结，全面系统地研究了多指标综合评价技术中的有关理论与方法问题。全文自始自终贯彻这样一个思想：从交叉性学科的高度来审视、考察多指标综合评价技术的基本方法体系。因此，本文的研究涵盖了多指标综合评价技术的全部主要方面。全文分八章对多指标综合评价技术进行了研究： 第一章对多指标综合评价技术的学科地位、基本过程、基本内容、方法体系等基本理论问题进行了研究。认为多指标综合评价技术与其它统计学科分支一样，具有“双重”性质；认为多指标综合评价过程既是一个统计活动过程，又是一个定量的思维过程：综合评价学的基本内容包括众多的方法体系与一些基础理论；而综合评价方法又有多种不同的类型。 第二章则全面研究了多指标综合评价指标体系的构建与优化理论，提出了综合评价指标体系构建的四个基本环节（基本过程）；提出并讨论了综合评价指标体系的四种初选方法（综合法、分析法、交叉法、属性分组法）；研究了综合评价指标体系的单体测验与整体测验方法；探讨了综合评价指标体系结构优化的方法；对正逆指标的转化与定性变量的量化方法也作了详细的研究。 第三章对效用函数综合评价方法进行了系统的研究，提出了这类综合评价方法的基本评价模型：单项评价指标无量纲化结果的加权合成，从而得出了这一类综合评价方法的三个基本子体系：无量纲化方法体系、合成方法体系、权数方法体系，并根据这一模型结构展开了对有关理论与方法问题的研究。我们对目前人们提出的各类无量纲化方法进行更高层次的归纳，提出了四类基本无量纲化方法：广义指数法、广义线性功效系数法、非线性无量纲化方法、分段函数法，并对有关方法进行了剖析。同时，还尝试建立了无量纲化函数构造的一般原理；初始化结果的多次函数变换过程。我们研究了各种合成模型——特别是幂平均合成模型的数学性质及其所揭示的综合评价原则。考虑到权数并非是效用函数综合评价方法所特有的评价因子，我们将权数方法放在第四、第五两章进行了专门研究。 第四、第五两章分别对“基础构权方法”与“扩展构权方法”进行了全面系统的研究。这两章中的权数方法不仅适用于“效用函数综合评价方法”，也适用于其它一些综合评价方法，如多元统计评价方法、模糊综合评价方法、灰色系统综合评价方法等。 在第四章中，我们首先讨论了权数分类、特性等基本问题，然后着重对AHP构权方法进行了全面的研究，提出了AHP构权过程中的三种“近似解系”（K 阶行平均法解系、K 阶列平均倒数法解系、K 阶规范列平均注解系），研究了AHP构权中标度理论与方法，初步探讨了AHP构权过程中判断一致性水平的检验方法。同时，我们提出了一种基于“分配型判断矩阵”的构权新方法，并详绍研究了相应权数导出的若干方法、判断一致性水平检验方法，以及其与AHP比例判断构权方法之间的关系。此外，我们还详细研究了其它几种重要的基础构权方法：环比构权方法、定比构权方法、直接构权方法、函数生成构权方法、方差信息构权方法、相关信息构权方法、熵权法等。 在第五章中，我们提出了“扩展构权方法”的全新构权思想，并着重对模型平均合成法、系统转换法、群组构权法、对象分层构权方法、因素分层构权方法等万种不同的扩展构权方法进行了研究。越是复杂的综合评价问题，这类构权方法的优越性就越显着。 第六章全面研究了多元统计分析方法在多指标综合评价中的应用问题。我们分析了上成分综合评价方法在综合评价中的应用情况；对主成分综合评价方法进行了重新认识，提出了“只用第一主成分进行排序评价”的新论据：分析了指标体系相关性对主成分综合评价结论的影响，发现了主成分系数与“指标相关集团”之间的关系。用实例论证了“负权”的不合理性。同时，我们还就主成分综合评价的有关改进思路进行了全面的研究，分析了加权主成分综合评价模型的优缺点，提出了重构主成分综合评价初始矩阵的思想（即B型主成分综合评价方法），提出了对原始指标进行对数化预处理的主成分综合评价思想，提出了提高主成分综合评价结论“鲁棒性”（R。bSSt）的一些新思路，井对目前的一些研究观点进行了评述。我们全面总结了因子分析法在综合评价中的几种不同应用模型，并讨论了这类综合评价方法的有关理论与方法问题。我们提出了用FA进行指标体系结构优化，结合PCA（主成分分析法）进行综合评价的新思路。在这一章中，我们还分析了判别分析法在综合评价中的应用问题，对国内关于这一问题上的一些争论提出了我们的看法，并主张还判别分析评价的本来面目：分类评价。找们分析了聚类分析法在综合评价中的应用间题，分析了主坐标分析法在综合评价中的应用问题等。第。’＜章是全文篇幅最多的一章，文中还多次用到数个实例进行论证。 第七章系统研究了模糊数学方法在综合评价中的应用问题。我们理顺了模糊综合评价方法的基本体系，分析了模糊合成过程中所存在的各种问题，包括模糊合成中模糊取人取小算子的不合理性，模糊评语?
李峰[4]（2019）在《基于振动和电流信号的行星齿轮箱多故障诊断方法》文中研究表明由于近些年旋转机械朝着高速化、重载化的方向发展,因此行星齿轮箱在其中的使用也越来越常见。作为旋转设备中的重要传动部件,行星齿轮箱的运行状况决定着整个设备的运行状况。因此对于行星齿轮箱的状态监测和故障诊断有着非常重要的安全和经济意义。然而当行星齿轮箱中有多种故障同时发生时,由于多种故障特征之间相互调制和相互淹没,因而准确及时的提取故障特征将变得非常困难。本文针对多级传动行星齿轮箱多故障同时发生时,故障特征相互调制、相互淹没、微弱故障特征提取等科技难题,从利用振动信号、电流信号以及融合信号三方面开展了关于行星齿轮箱多故障诊断研究。论文的主要内容包括以下几个方面:（1）基于振动信号提出了变分模态分解和包络分析的故障诊断方法。本文利用多级传动齿轮箱中齿轮副的啮合频率差异,首先利用变分模态分解方法将振动信号分解为高、低频段,实现行星齿轮和直齿轮振动特征的分离,然后再利用包络解调对分量信号进行进一步解调,以提取行星齿轮和直齿轮各自的故障特征。（2）基于振动信号提出了共振稀疏分解和瞬时频率包络谱的故障诊断方法。由于行星齿轮和直齿轮的故障引起的振动特性存在差异,本文利用共振稀疏分解方法对行星齿轮故障特征和直齿轮故障特征进行分离,然后利用瞬时频率和包络谱的方法对分解信号进行进一步的解调以提取行星齿轮和直齿轮各自的故障特征。（3）基于振动信号为了实现变速工况时的多故障诊断,提出了等角度采样的和变分模态分解的故障诊断方法。本文首先利用等角度采样将振动信号转化为稳态信号,再结合变分模态分解方法实现多故障的有效诊断。（4）为了能够实现基于电流信号的多故障诊断分析。提出了基于电流信号预处理和深度神经网络的智能诊断方法。首先通过延时相加的方法有效的去除了工频成分,再对去工频后的电流信号频谱进行修正以突出高频部分的频率特征,最后以修正后的频率为样本利用深度神经网络智能分类器实现行星齿轮箱多故障类型的有效分类。（5）为了能够进一步提高深度神经网络智能诊断方法在行星齿轮箱多故障振动时的正确率。本文提出了一种基于融合降维的智能故障诊断方法。首先获得表征行星齿轮箱运行状态的原始高维多域特征集;然后利用最大相关和最小冗余方法进行特征选择滤除冗余特征;再通过线性判别分析对故障特征进行降维处理;最后利用深度神经网络方法实现多故障类型的有效分类。
李麦村,姚棣荣[5]（1977）在《多级逐步判别分析在台风路径预报中的应用》文中研究指明本文应用“两段筛选”方法,在对预报因子进行初选的基础上,采用新近才发展起来的逐步判别分析,作台风路径的三级判别预报。同时,还对不同的初选方案所建立的判别函数进行了比较,显示了按一定的原则确定初选方案的重要性。另外,还提出了一个简化的因子初选方案,计算结果表明:这一方法是行之有效的,而且适用于广大气象台站。预报时效一般在48—72小时。
张铁坚[6]（2019）在《保定府河流域水体污染源解析与治理技术体系研究》文中指出当今世界水资源短缺和水环境污染问题对各国,特别是发展中国家的生态环境和居民健康构成了严重威胁;各国都在加强河流水体污染治理力度,开展水污染控制新技术研究。河流水环境综合治理是一项艰巨的任务,一般需要巨大的环保投入和数十年持续不懈的努力。一般而言河流环境综合治理应遵循“源头减排、过程控制、末端修复、系统治理”的思路,其主要工作包括前期河流水环境现状调查,河流水质评价,河流污染源减排,污染物排放过程控制,河流水环境修复等环节,治理工作环环相扣,形成一个相辅相成、依次推进的,系统科学的综合治理体系。府河位于我国河流污染最严重的海河流域,属于大清河水系,处于白洋淀上游,为流入白洋淀的九河之一,且为九河中唯一穿越中型城市、常年有水的河流,长期以来府河流域水环境状况不容乐观;以府河为研究对象,开展华北地区缺水入淀（湖）河流水质调查、评价、污染源解析及水环境治理技术体系方面的研究工作,对白洋淀流域治理和雄安新区建设具有重要价值,也能为类似河流研究与实践工作提供参考。研究基于河流环境整治的一般过程开展;首先,开展环境调查与评价工作,掌握研究区域水环境现状和变化规律;继而,开展污染源识别与解析工作,识别主要污染物、污染源及其对污染状况的贡献程度;随后,进行河流水污染防治、水环境综合治理技术与管理措施方面的研究,寻求适宜的、系统的、科学有效的华北地区缺水入淀（湖）河流水环境综合治理技术体系。开展的主要工作及得到主要结论如下:进行了府河流域主要污染物时空分异特征分析。府河干流城区河段2014年DO为Ⅲ类,COD、氨氮、TN、TP为劣Ⅴ类;2018年DO为Ⅰ-Ⅲ类,COD、氨氮、TN、TP为Ⅲ-Ⅴ类;上述两年份DO浓度均为先减小,随后小幅增加,10-11月份大幅增加,7-8月份出现DO浓度最低点;2014年3-11月份COD、氨氮、TN、TP随时间先增加,7-8月降低,9-11月份大幅增加,2018年4-7月份小幅降低,8-11月份大幅降低。2018年府河流域全年DO浓度处于Ⅰ-Ⅲ类,COD、氨氮、TN、TP四个指标4-8月基本为Ⅴ-劣Ⅴ类,9-11月为Ⅲ-Ⅴ类,全年上述5项指标城区河段监测点变化幅度大于近郊和农村监测点,各支流中护城河水质变化最大。针对府河干流城区河段2013-2018年6-8月份水质开展的肯达尔检验结果显示,该时段府河干流城区段pH、COD、TN、TP四个指标均无明显变化趋势,氨氮、浊度呈现“显着下降”和“高度显着下降”趋势,DO呈现“高度显着上升”趋势。基于层次分析法和熵权法联合改进模糊综合评价模型,开展了府河流域水体水质多级综合评价。2014年府河干流城区河段不同水文期各监测点均为劣Ⅴ类隶属度最大,且位于下游的F4、F5、F6水质好于上游的F1、F2、F3;多数监测点水质总体情况为丰水期>平水期>枯水期;监测河段不同的水文期劣Ⅴ类水质标准的隶属度次序为枯水期（0.8814）>平水期（0.8333）>丰水期（0.7559）;监测河段全年对各水质标准隶属度排序情况为劣Ⅴ类（0.8172）>Ⅴ类（0.1063）>Ⅳ类（0.0616）>Ⅲ类（0.0151）>Ⅱ类（0）>Ⅰ类（0）。2018年府河流域全年对水质标准隶属度排序情况为劣Ⅴ类（0.4955）>Ⅳ类（0.1401）>Ⅴ类（0.1174）>Ⅲ类（0.1000）>Ⅱ类（0.0722）>Ⅰ类（0.0748）。基于聚类分析、主成分分析、绝对主成分-多元线性回归分析等原理开展了府河流域污染源解析工作。利用聚类分析的原理将污染源解析划分为城区、近郊和农村3个区域。利用主成分分析法开展了各区域不同水文期的污染源识别发现:城区平水期存在两个主要污染源,解释了总体方差的51.151%和30.914%,丰水期存在两个主要污染源,解释了总体方差的53.016%和26.240%,枯水期存在一个主要污染源,解释了总体方差的63.897%。近郊平水期存在两个主要污染源,解释了总体方差的52.304%和26.448%;丰水期存在两个污染源,解释了总体方差的59.672%和26.113%;枯水期存在两个主要污染源,解释了总体方差的61.692%和20.758%。农村平水期存在两个主要污染源,解释了总体方差的49.033%和32.74%;丰水期主要存在两个污染源,解释了总体方差的48.159%和23.900%;农村枯水期存在三个主要污染源,解释了总体方差的53.495%、23.158%和20.033%。利用APCS-MLR模型计算得到了各区域不同水文期主要污染源对水体中DO、COD、氨氮、TN、TP等指标的贡献率。开展了芦苇潜流人工湿地处理府河水的模拟试验研究。实验室模拟装置出水COD浓度位于15.06-22.48mg/L之间,处于Ⅱ-Ⅳ类标准之间,去除率位于40.24%-55.09%之间;出水氨氮浓度为1.22-1.88mg/L,处于Ⅲ-Ⅴ类标准之间,去除率位于54.26%-67.05%之间;出水TP浓度为0.20-0.40mg/L,处于Ⅲ-Ⅴ类标准之间,去除率位于63.64%-78.02%之间。整体而言陶粒湿地出水好于碎石湿地模拟装置,且出水中COD、氨氮和TP均能满足府河水体功能定位要求。探索构建了府河流域水环境综合治理技术体系。该体系分为污染源与生态拦截技术体系涵盖面源污染控制、点源污染控制和生态垃圾三个方面,包括城市面源、农村面源、工业点源、生活点源和生态拦截等技术特点及其在府河流域的具体应用建议;支流及上游干流（城区）水质改善与综合治理技术体系、中下游干流（近郊与农村）水质改善与修复技术体系均涵盖河流动力调控、底质改善、水质改善和生态修复等四方面,包括引清调水、充氧曝气、疏浚清淤、生态浮岛、人工湿地、生境恢复等具体技术的特点及适应性。探讨分析了府河流域水环境治理维护管理体系。认为府河流域水环境治理维护管理应从完善落实河流保护管理相关法律规范、组建科学高效的河流综合管理机构、构建河流保护与管理服务信息系统、规范河流治理工程建设与运营维护等四个方面开展。
罗雄文[7]（2019）在《基于深度学习的两阶段医学图像疾病诊断方法的研究》文中研究说明在“智慧医疗”时代,归功于逐渐完善的基础医疗设施和爆炸性增长的医学数据,患者的诊断需求也在逐步增长。传统的依赖医生的手工诊断方法和基于“电脑急救诊断”（Computer-aided Diagnosis,CAD）系统的半自动方法已经不能满足发展的需要。全自动的智能诊断方案成为当今的首选。然而,完全独立于医生的自动疾病诊断,尤其是依赖医学图像分析的智能疾病诊断,仍然是一个颇具挑战性的问题。因为全自动方法往往很难覆盖诊断过程的各个步骤,并且过去的CAD系统并没有采用近来比较新的智能技术。针对这些缺陷,本文基于深度学习技术提出了一个两阶段的医学图像疾病诊断模型,用以实现全自动的医学图像病理判别。它由两个深度学习模型组成,分别是带注意力机制的多任务特征补充病灶分割网络和深度学习相关的双路网络诊断处理流程。其中,病灶分割网络集成了用于修正病灶位置的有监督注意力机制和包含区域特征过滤的多尺度特征补充去减轻肿块像素误判的情形。而病理诊断网络则使用带有特征冗余控制的双路卷积神经网络特征提取器和基于最大相关性的多层级特征筛选去挖掘更多样化和更有用的病理特征用以提高诊断精度。由分割子网络得到的病灶将被提交至病理诊断网络中去协助最后的疾病诊断。另外,前述的两个模型还通过迁移学习减少训练开销,以及使用多路网络结构去提高所提取特征的丰富程度,这也为模型的并行化提供了基础。我们的工作使用两个具有挑战性的医学图像数据集去分别测试两个子网络,这两个数据集分别为结直肠癌电子计算机断层扫描数据集和乳腺癌核磁共振数据集。实验结果表明无论是分割模型还是诊断模型都取得了优异的效果,并且显着优于前沿的方法,同时这也验证了本文提出的两阶段的医学图像疾病诊断模型的有效性和可靠性。
吴成中[8]（2019）在《医药视觉检测机器人异物感知方法与检测系统研究》文中研究说明医药注射剂生产过程中不可避免会产生混入微小玻璃屑、毛发、纤维等不溶异物的不良产品,一旦被注入人体,将严重危害身体健康,为此,国家药典明确规定不容异物直径不能超过50μm的制药标准。受制于国内检测技术落后,国内缺乏高端不溶异物检测设备,99%以上企业仍沿用人工检测方法管控药品质量,易造成严重药品安全隐患问题。人工检测存在主观判断、漏检严重、标准不严格等诸多不足。而随着机器视觉技术、光学传感器技术、工业控制技术、高性能处理器技术的快速发展,各类自动光学检测（Automated Optical Inspection,AOI）设备检测性能逐步提升,达到或超过人工检测能力。新光学检测技术的发展也为医药注射剂不溶异物自动化检测开辟了新途径。基于此,本文在国家863项目、国家重点自科项目的支撑下立项,并与湖南千山制药企业股份有限公司深度绑定合作,技术互补配合,从工艺技术、样品分析、机械设计、光学方案、图像算法、软件开发、电气控制等多个方面入手,逐步攻克多个瓶颈性技术难题,前后经过三代样机的试制测试,最终成功研制出小容量、大容量微弱不溶异物视觉感知与检测机器人设备。归纳起来,本文完成的主要工作和取得的创新性成果如下:（1）分析了我国现有医药注射剂不溶异物的危害、产生、检测手段,对比了国外现有检测技术水平,指出研制全自动医药异物视觉检测机器人的必要性、重要性以及市场推广价值。重点介绍了检测机器人研制过程中面临的诸多技术难题,如异物种类多样、光学成像复杂、检测效率要求高等。（2）提炼了检测机器人研制的需求与关键指标。通过对大量不良样品的研究、归类、分析,确定了主要异物的种类及物理特性,基于此,提出了检测机器人“搓瓶-旋转-急停-动态成像-序列图像检测”的检测原理,并建立了异物运动学和力学模型,设计出运动异物的亮场光学方案和暗场光学方案。最终制定出视觉检测机器人的光、机、电、软件、控制整机方案及实施策略。（3）针对机械振动严重制约图像检测效果这一问题,研究了基于相位相关和SIFT特征的配准算法,分别适用于亮场序列图像配准和暗场序列图像配准。首先,通过动态双阈值椒盐噪声滤波算法、直方图均衡化算法和TOPHAT对比度增强算法对复杂背景下的低对比度图像进行预处理,提升了微弱异物目标与动态背景的区分尺度;然后,采用了双三次B样条插值方法缩放图像,以通过亚像素图像操作提升配准的精度和稳定性。基于上述预处理,针对亮场图像抖动问题,本文提出了改善的基于Canny边缘特征的傅里叶配准方法,以明显的边缘特征作为特征输入,消除了动态液面、瓶体特征变化等因素对配准的影响。针对暗场序列图像的振动消除,提出了依靠瓶体随机SIFT特征点配准的算法,解决了暗场图像下信息少、特征随机的配准难题。经大量实验验证,该算法适用于不同瓶体、不同亮度、噪声干扰的环境,鲁棒性好、配准精度高。（4）提出了BPNN与反向PM结合的图像分割方法,解决了微弱异物精准、精确分割难题。图像序列异物目标的分割效果及分割精度是检测机器人的核心指标,检测机器人需在检测目标微小、液面反光亮度随机变化、异物特征一致性差的情况下高效分割提取异物。传统的直接差分、累加差分、能量熵等分割效果不佳。为有效分割图像,提出了基于时间谱线特征的序列图像BPNN分割算法。首先,将图像的同一像素按照灰度值大小排序,变无序图像为有序图像,将序列图像转化为可提取特征有序序列;然后,采用归一化算子消除非均匀背景下特征向量不一致问题;最后,训练BP神经网络,并分割序列图像。分割结果表明,本文分割算法的抗干扰、抗振动能力显着提升,且异物分割率达到98%以上。为进一步提高分割精度,弥补BPNN分割目标偏小造成的边际决策问题,提出了反向PM分割算法,通过偏微分梯度特征对非均匀背景图像进行亚像素分割,再通过BPNN分割的异物结果对PM分割结果进行形态学命中操作,以命中结果作为最终的高精度异物特征。BPNN和PM两种方法配合使用即可保证分割精度,又可保证分割性能,为检测机器人准确率、精度性能指标提供了技术支撑。（5）提出了基于异物几何特征、灰度特征、纹理特征为特征向量的PSO-RBFSVM多级分类方法,解决了异物多特征多级分类与识别难题。根据异物特征对不合格品进行分类是评估AOI检测设备的重要指标,既可用于表征检测设备的判别准确率,又可为生产企业提供工艺改善的参考。针对异物特征集维数大、相关度不确定等问题,提出了PCA降维的方法,将多维向量压缩为少数若干正交特征向量集,提升了异物特征集的可区分度,降低了无效特征的干扰;然后利用PSO方法对各SVM分类器的参数寻优得到高维最优分类曲面,实现了异物的多级分类,分类精度、分类速度可满足异物的在线分类,分类结果可用于生产过程故障预测。（6）成功研制医药异物视觉检测机器人系统。通过深度分析医药异物检测机器人研制面临的光机电设备制造难题,从机械建模仿真、运动分析、样机试验等多方面入手,逐步剖析,层层深入,通过大量的试验验证与技术升级,成功攻克核心制约技术难题。项目组经过三代样机的整机试制造,研制出机器人的最优上瓶机构、搓瓶机构、检测机构、下料与剔除机构,并开发出保证机器人高速高精度运行的控制系统和实时性软件系统。检测机器人经多家客户使用和KnappKushner标准测试,一致认可设备的检测效果,检测精度可达40μm以下。检测机器人软件系统经过升级迭代,已可直接联线注射剂灌装高速生产线,检测机器人的成功研制对保障制药企业医药品质,降低用药安全隐患意义重大。
姜伟[9]（2019）在《水电机组混合智能故障诊断与状态趋势预测方法研究》文中提出随着我国能源结构改革进程的不断推进,大力开发水电能源对构建清洁低碳的能源体系、促进经济社会可持续发展具有重要战略意义。作为水电站能量转换过程的核心设备,水电机组正在向复杂化、巨型化、集成化和智能化的方向发展,其面临的安全可靠运行问题日益突出。“状态维护”概念的提出与应用,为有效降低机组异常或故障发生风险、提升其稳定运行水平提供了一种可行思路。状态监测、故障诊断和趋势预测是状态维护实施过程的三个关键环节。受水力、机械、电气及其他干扰因素的耦合影响,水电机组监测信号呈现明显的非线性和非平稳性特征,故障与征兆间存在复杂的映射关系,对此,传统方法已难以满足当前背景下准确分析机组运行状态的需求。因此,基于水电机组运行特性,研究新的状态分析理论与方法,对提高机组故障诊断与趋势预测精度、保障机组稳定运行具有重要的工程应用价值。为此,本文围绕工程应用中水电机组复杂非平稳信号降噪分析与特征提取、混合故障诊断以及状态趋势预测等关键技术问题,以快速集成经验模态分解、深度学习、流行学习、灰色马尔科夫模型等作为理论基础与技术手段,探究并改进现有方法中存在的理论或应用缺陷,设计提出了若干适用于水电机组非平稳信号分析及状态特征提取方法,发展了基于健康判别与特征约简的多步递进式故障诊断体系,构建了融合滑动窗与灰色马尔科夫理论的状态趋势预测模型,为相关领域研究范式的方法创新与技术进步提供了必要的理论基础,具有一定的研究推广前景与工程应用价值。论文主要研究内容及创新性成果如下:（1）针对能够有效表征水电机组实际运行状态的振动信号易淹没于强烈背景噪声的问题,提出了一种基于自适应奇异值分解（SVD）与固有模态函数（IMFs）重构的水电机组振动信号多级降噪方法。该方法系统融合了SVD和快速集成经验模态分解（FEEMD）在高频噪声抑制和信号自适应处理方面的优点,完成基于初级滤波和次级去噪的两阶段式信号降噪处理。在初级滤波阶段,首先对原始信号进行SVD分解,在深入分析有效奇异值序列对滤波性能影响的基础上,发展了基于相关分析的奇异值自适应选取方法,实现对高频背景噪声的有效滤除;在次级去噪阶段,依据FEEMD原理分解滤波后所得信号,结合所构建基于排列熵的IMFs选择体系,重构有效模态分量以完成信号降噪,显着提升降噪效果。（2）考虑到多源激励耦合干扰下机组运行状态与征兆间映射关系难以准确度量的问题,在统计分析原理及深度学习技术的基础上,研究提出了一种基于FEEMD能量熵及混合集成自编码器的水电机组状态特征提取方法。针对在线判别机组“正常”或“故障”状态的工程实际需求,深入分析了能量熵对于异常或故障发生时非线性振动信号动力学突变行为的表征作用,综合FEEMD对复杂非线性非平稳信号的高效处理优势,设计了基于FEEMD能量熵的水电机组健康状态特征提取方法,快速获取振动信号能量熵特征。进一步,针对故障模式准确识别的需求和单一能量熵特征不足以反映具体故障类型的问题,创造性地构建了一种用于提取故障特征的混合集成自编码器,有效克服了浅层特征学习模型的局限,提升了模型的特征提取能力及学习泛化性能。（3）为科学建立水电机组“正常”与“故障”状态的特征边界,引入数理统计理论,结合历史样本集与能量熵方法,构建了基于能量熵统计分析的机组健康状态在线判别体系,实时分析机组健康状态。进一步,为抑制机组高维故障特征空间存在的信息冗余、敏感特征易淹没等现象,创新性地设计了基于参数化线性映射模式的改进t-分布式随机领域嵌入（M-t SNE）特征约简方法,该方法在提升故障诊断精度、降低计算时耗方面具有显着优势。基于上述分析,为克服传统单步诊断模式在分析复杂故障工况面临的高复杂性、低精度等缺陷,首次提出了一种基于能量熵判别与深度特征约简的多步递进式混合故障诊断策略,将整个诊断过程简化为健康状态检测和故障类型识别两个阶段,符合对机组进行智能诊断的工程实施思路。（4）围绕水电机组状态趋势预测的工程需求,在系统分析机组状态趋势可预测性的基础上,提出了一种基于滑动窗与灰色马尔科夫（Grey-Markov）模型的状态趋势预测方法。该方法完整集成了Grey-Markov预测模型、灰色背景值优化原理以及基于滑动窗的滚动预测机制,探索从模型构造、预测模式、残差修正等角度降低预测误差的方式,有效提升了预测结果的准确性。此外,针对工程应用中对不同预测时间尺度的需求,考虑模型的不同组合策略,创造性地构建了基于串联式、并联式和嵌入式组合机制的水电机组状态趋势混合预测模型,设计了对应的机组状态趋势组合预测流程,在保证预测精度的同时最大程度提升计算效率,为制定合理的机组维护计划提供相应指导。
胡彦婷[10]（2019）在《基于级联回归与卷积神经网络的单幅图像超分辨重建》文中进行了进一步梳理图像是人类社会重要的信息载体,发挥着无可替代的作用。然而,受成像条件的限制,成像系统获取的图像往往存在细节信息丢失、分辨率低等问题,从而无法满足不同应用领域对高质量图像的需求。超分辨重建技术旨在综合利用信号处理、统计学习、优化理论等工具,从同一场景的一幅或多幅低分辨图像重建出成像系统无法直接获取的高分辨图像。该技术对医学成像、遥感成像、视频监控等领域具有重要的应用价值,受到众多研究者的广泛关注和深入研究。虽然近些年提出的基于学习超分辨重建方法不断提升重建的质量和效率,但高效地重建高保真度、高感知度的图像仍然是一项极具挑战性的任务。目前基于浅层学习的超分辨重建方法仍未能在模型复杂度、重建效率和重建质量之间做出较好平衡,而多数基于深度学习的超分辨重建方法忽略了相关先验信息和领域知识的融合,限制着模型的重建性能。鉴于此,本文基于级联结构及卷积神经网络,对单幅图像超分辨重建开展了深入研究,进而提出多种方法来有效提高重建质量和重建效率。本文主要研究内容概括如下:1.提出一种基于级联线性回归的单幅图像超分辨重建方法。现有基于浅层学习的超分辨重建方法面临的问题一方面是应用复杂模型,虽能较好拟合低分辨空间至高分辨空间的非线性映射关系,但会导致较高计算复杂度和较低鲁棒性及泛化性;另一方面是应用简单模型,虽简单高效,但模型表征能力有限导致重建效果欠佳。针对该问题,同时考虑到图像局部具有近似线性结构,提出一种基于级联线性回归的简单、鲁棒、有效和快速的图像超分辨重建方法。该方法利用简单高效的线性回归模型缓解了复杂模型鲁棒性差、复杂度高的问题,同时结合级联结构和聚类运算以集成多个回归过程,增强了模型的表征及重建能力。实验结果表明,所提方法较其它方法能更好地平衡重建质量与重建效率。2.提出一种基于多尺度信息交叉融合卷积神经网络的单幅图像超分辨重建方法。对于图像超分辨网络而言,其不同层级、不同尺度的特征均包含相关且互补的信息,因而融合多层级和多尺度的特征信息对重建性能的提升具有重要作用。然而,多数基于卷积神经网络的重建方法采用单分支结构,不利于多层级和多尺度特征的有效融合,从而制约了模型重建性能。针对上述不足,构建了基于多尺度信息交叉融合的超分辨网络。其中,构造的具有幂等特性的双分支结构,不仅能有效地融合多尺度特征的互补信息,还能促进信息在不同层级间的传播;采用的子网络级联结构,在有效降低大尺度超分辨重建难度的同时提高了重建效果;联合应用的残差学习、多级监督学习、集成学习及多尺度混合学习机制,有效地稳定了训练过程并实现了单模型在多上采样尺度上的超分辨重建。实验结果表明,所提方法能以较高重建效率而获得在主观和客观质量上都优于其它方法的重建结果。3.提出一种基于双域注意力卷积神经网络的单幅图像超分辨重建方法。在深层卷积神经网络中,不同通道、不同空间位置和不同层级的特征所包含信息存在差异性,继而使得不同类型特征对细节重建具有不同的贡献度。然而,多数基于卷积神经网络的超分辨模型对于不同类型特征缺乏鉴别学习能力,导致了其有限的特征表示和细节重建能力。针对此问题,构建了基于双域注意力的超分辨网络。通过将注意力机制引入至多层级特征的通道域和空间域,实现了多层级特征的自适应调制,从而强化重要信息的作用而弱化冗余信息的影响,提高模型重建细节的能力;同时,利用密集连接结构和门控机制,实现了对多层级特征的融合和提炼,从而提高信息利用率并增强模型的信息保持能力。实验结果表明,所提方法能以适当数量的模型参数而获得高保真度和高感知度的重建结果。4.提出一种基于非局部自相似卷积神经网络的单幅图像超分辨重建方法。图像结构的统计分析表明图像的局部结构具有跨尺度、非局部自相似特性,应用该特性将有助于获取非局部相关信息来提高超分辨重建准确度。然而,目前绝大多数基于深度学习的超分辨重建方法忽略了非局部自相似特性在扩大感受野、挖掘非局部相关信息等方面的作用。鉴于此,通过将图像跨尺度自相似先验与卷积神经网络深度融合,构建了基于非局部自相似的深层超分辨网络。该网络通过可训练的自相似匹配运算,有效地捕获多尺度特征的非局部相关信息;同时,利用级联的卷积运算高效地提取多层级特征的局部结构信息;并且,采用多级残差结构以促进非局部和局部信息的融合和传播,进而有效提高重建图像保真度。此外,考虑到训练样本所包含的信息存在差异性,研究了样本重加权机制以控制不同样本的贡献度,并将该机制与对抗学习机制结合来提高重建图像的感知质量。实验结果表明,所提方法能显着提高重建准确度和图像感知质量。综上,本文通过模型的简化、有效架构的设计、多种学习机制的应用、领域知识和先验信息的融合等策略,提出了四种单幅图像超分辨重建算法,以提升重建效率及重建图像的保真度和感知度。理论分析和实验结果验证了本文所提方法的有效性和优越性。
二、筛选因子的多级逐步判别方法（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、筛选因子的多级逐步判别方法（论文提纲范文）
（2）深度学习在糖网病筛查中的研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景、目标及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 眼底图像质量评价 |
| 1.2.2 正常结构检测分割 |
| 1.2.3 糖网病病灶检测分割 |
| 1.2.4 糖网病病变评级 |
| 1.3 研究内容与创新点 |
| 1.4 各章节安排 |
| 第二章 相关概念介绍 |
| 2.1 人眼视网膜结构 |
| 2.2 糖网病临床表现 |
| 2.3 眼底成像技术 |
| 2.4 卷积神经网络的发展 |
| 2.4.1 早期的人工神经网络 |
| 2.4.2 卷积模块的发展 |
| 2.4.3 网络结构的发展 |
| 2.4.4 常用的优化算法 |
| 2.5 辅助诊断系统的功能需求 |
| 2.6 本章小结 |
| 第三章 基于多级注意力模型的眼底图像质量评价 |
| 3.1 引言 |
| 3.2 算法介绍 |
| 3.2.1 图像预处理 |
| 3.2.2 主干网络的构建 |
| 3.2.3 多级注意力模型 |
| 3.3 实验结果与分析 |
| 3.3.1 数据集介绍 |
| 3.3.2 实验设置及评价指标 |
| 3.3.3 对比实验 |
| 3.4 本章小结 |
| 第四章 基于特征学习与稠密条件随机场的眼底图像血管分割 |
| 4.1 引言 |
| 4.2 算法介绍 |
| 4.2.1 图像预处理 |
| 4.2.2 线性可判别特征学习 |
| 4.2.3 细血管增强 |
| 4.2.4 稠密条件随机场模型 |
| 4.3 实验结果与分析 |
| 4.3.1 数据集介绍 |
| 4.3.2 实验设置及评价指标 |
| 4.3.3 对比实验 |
| 4.4 本章小结 |
| 第五章 基于深度多示例学习的糖网病及其病灶的检测 |
| 5.1 引言 |
| 5.2 算法介绍 |
| 5.2.1 图像预处理 |
| 5.2.2 深度多示例学习 |
| 5.2.3 端到端的多尺度扩展模型 |
| 5.3 实验结果与分析 |
| 5.3.1 数据集介绍 |
| 5.3.2 实验设置 |
| 5.3.3 糖网病图像的检测 |
| 5.3.4 糖网病病灶的检测 |
| 5.3.5 相关因素分析 |
| 5.4 本章小结 |
| 第六章 基于深度混合学习的眼底图像多类目标分割 |
| 6.1 引言 |
| 6.2 算法介绍 |
| 6.2.1 多级预训练 |
| 6.2.2 病灶弱标记数据集增强 |
| 6.2.3 扩展的分割网络 |
| 6.2.4 精细标记的全监督学习 |
| 6.2.5 弱标记的弱监督学习 |
| 6.2.6 主动学习 |
| 6.3 实验结果与分析 |
| 6.3.1 数据集介绍 |
| 6.3.2 实验设置 |
| 6.3.3 糖网病病灶的分割 |
| 6.3.4 眼底血管的分割 |
| 6.3.5 相关因素分析 |
| 6.4 本章小结 |
| 第七章 应用:糖网病辅助诊断系统的设计与开发 |
| 7.1 系统流程 |
| 7.2 主要功能说明 |
| 7.3 示例演示 |
| 第八章 总结与展望 |
| 8.1 全文工作总结 |
| 8.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的项目 |
| 攻读学位期间申请的专利 |
（3）多指标综合评价理论与方法问题研究（论文提纲范文）
| 引言——本文研究的意义与出发点 |
| 1、 现状与问题 |
| 2、 任务与内容 |
| 引注与参考文献 |
| 第一章 综合评价基本问题研究 |
| 第一节 综合评价技术的学科地位 |
| 一、 一般意义上的评价与综合评价 |
| 二、 统计评价与统计综合评价 |
| 三、 综合评价的学科意义与地位 |
| 第二节 综合评价的基本过程 |
| 一、 综合评价的物理过程 |
| 二、 思维过程（心理过程） |
| 第三节 综合评价技术的基本内容与方法分类 |
| 一、 综合评价学的基本研究内容 |
| 二、 综合评价方法的分类 |
| 本章引注与参考文献 |
| 第二章 综合评价指标体系理论问题研究 |
| 第一节 综合评价指标体系理论研究的童义与现状 |
| 一、 综合评价指标理论研究的意义 |
| 二、 综合评价指标体系研究内容 |
| 三、 综合评价指标体系理论研究现状 |
| 第二节 综合评价指标体系构建的内容与过程 |
| 一、 综合评价指标体系构造的基本内容 |
| 二、 综合评价指标体系构造的过程 |
| 三、 综合评价指标体系构造的基本原则 |
| 第三节 综合评价指标体系的初选方法 |
| 一、 综合法 |
| 二、 分析法 |
| 三、 交叉法 |
| 四、 指标属性分组法 |
| 五、 综合评价指标体系结构化方法 |
| 第四节 综合评价指标体系的完善——指标体系的测验与结构优化 |
| 一、 综合评价指标体系完善的意义 |
| 二、 综合评价指标体系中元素的单体测验 |
| 三、 综合评价指标体系的整体测验 |
| 四、 综合评价指标体系结构的优化方法 |
| 第五节 综合评价体系中的指标形式问题研究 |
| 一、 数量指标与质量指标及其应用 |
| 二、 正指标、逆指标与适度指标及其变换 |
| 第六节 关于定性变量的量化问题研究 |
| 一、 问题的提出 |
| 二、 综合评价中的定性指标的量化方法研究 |
| 三、 定性指标在综合评价中的其它体现方法 |
| 四、 关于定性变量数量化中的心理问题 |
| 本章引注与参考文献 |
| 第三章 效用函数综合评价方法研究 |
| 第一节 效用函数综合评价方法的一般问题及研究现状 |
| 一、 效用函数综合评价方法的基本原理 |
| 二、 效用函数评价法的研究现状 |
| 三、 效用函数评价法与其它综合评价法之间的异同 |
| 四、 效用函数综合评价法的方法体系 |
| 第二节 同度量化方法研究 |
| 一、 常见的同度量化方法研究 |
| 二、 无量纲化方法的一般原理 |
| 三、 对无量纲化函数F选择的认识 |
| 第三节 合成方法研究 |
| 一、 效用函数值合成的一般问题研究 |
| 二、 幂平均合成合成模型 |
| 三、 特殊合成模型 |
| 本章引注与参考文献 |
| 第四章 综合评价中的权数方法研究（Ⅰ）——基础构权方法 |
| 第一节 权数方法问题概述 |
| 一、 综合评价中权方法的意义 |
| 二、 综合评价中权方法的分类问题 |
| 三、 统计权数的特性 |
| 四、 统计权数的构造方法 |
| 第二节 单准则AHP构权法体系若干理论研究 |
| 一、 单准则AHP构权法体系概述 |
| 二、 相对权数求解方法的几个问题研究 |
| 三、 AHP构权法中的标度理论 |
| 四、 AHP判断矩阵一致性检验方式的探索 |
| 第三节 基于分配型判断的基础构权新方法研究 |
| 一、 问题的提出 |
| 二、 二元权分配型判断矩阵 |
| 三、 基于分配型判断矩阵之下统计权向量的近似解法 |
| 四、 基于分配型判断矩阵之下统计权向量的“最优解法” |
| 五、 分配型判断矩阵一致性水平的统计假设检验 |
| 六、 分配型判断构权法与单准则AHP构权法之间的联系 |
| 第四节 其它主要基础构权法评述 |
| 一、 环比构权法的评述 |
| 二、 直接构权法 |
| 三、 函数生成构权法 |
| 四、 方差（离散）信息构权法 |
| 五、 相关信息构权法 |
| 六、 熵权法 |
| 七、 其它基础构权方法评述 |
| 本章引注与参考文献 |
| 第五章 综合评价中的权数方法研究（Ⅱ）——扩展构权方法 |
| 第一节 模型平均合成法与系统转换法 |
| 一、 模型平均合成法 |
| 二、 系统转换法 |
| 第二节 专家群组构权法研究 |
| 一、 无反馈系统群组构权法 |
| 二、 有反馈系统群组构权法的有关问题研究 |
| 第三节 对象分层构权法 |
| 一、 对象分层构权法的基本思想 |
| 二、 个体分层构权法的重要意义 |
| 第四节 因素分层构权法 |
| 一、 因素分层构权法的意义 |
| 二、 因素分层构权法的基本思路及理论说明 |
| 本章引注与参考文献 |
| 第六章 多元统计综合评价方法的研究 |
| 第一节 主成分综合评价方法研究 |
| 一、 主成分综合评价方法研究与应用的状况 |
| 二、 对主成分综合评价方法的全面认识 |
| 三、 主成分综合评价方法的若干改进思路及评述 |
| 第二节 因子分析法与综合评价 |
| 一、 因子分析综合评价方法研究与应用状况 |
| 二、 关于因子分析综合评价方法的基本步骤及方法体系 |
| 三、 对因子分析综合评价方法中有关理论与方法问题的看法 |
| 第三节 判别分析法与综合评价 |
| 一、 判别分析法的基本思想与及其在多指标综合评价实践中的应用现状 |
| 二、 对判断分析法在综合排序评价中的应用问题的一些认识 |
| 三、 判断分析法在综合分类评价中的应用 |
| 第四节 多元统计中其它方法在综合评价中的应用 |
| 一、 聚类分析法与综合评价 |
| 二、 主坐标分析法在综合评价中的应用 |
| 三、 其它多元统计方法在综合评价中的应用 |
| 第五节 多元统计综合评价方法的异同点与优缺点 |
| 一、 共性与个性 |
| 二、 优势与劣势 |
| 本章引注与参考文献 |
| 第七章 模糊综合评价方法问题研究 |
| 第一节 模糊综合评价方法研究应用现状与方法结构 |
| 一、 模糊综合评价方法应用与研究现状 |
| 二、 模糊综合评价方法结构 |
| 第二节 模糊合成中有关理论的研究 |
| 一、 关于模糊隶属关系矩阵R的确定问题 |
| 二、 关于评语等级问题的认识 |
| 三、 关于模糊综合评判中的权数问题 |
| 四、 关于合成算子的两个问题研究 |
| 第三节 模糊排序综合评价的研究 |
| 一、 单一评语等级（相对隶属优度）的排序方法 |
| 二、 多个评语等级情况之下的模糊综合评价排序方法 |
| 三、 模糊相似选择法 |
| 第四节 模糊分类综合评价问题研究 |
| 一、 模糊判别评价 |
| 二、 模糊聚类分析 |
| 第五节 模糊综合评价中其它问题的研究 |
| 一、 群组模糊评价与层次模糊评价 |
| 二、 模糊综合评价的优越性问题 |
| 三、 本章小结 |
| 本章引注与参与文献 |
| 第八章 多指标综合评价中其它理论与方法的研究 |
| 第一节 灰色系统综合评价方法研究 |
| 一、 灰色系统综合评价方法的基本过程归纳 |
| 二、 对灰色系统综合评价方法中有关理论与方法问题的认识 |
| 第二节 DEA、AHP、ANN在综合评价中的应用问题研究 |
| 一、 DEA与综合评价 |
| 二、 AHP与综合评价 |
| 三、 ANN与综合评价 |
| 第三节 综合评价方法的扩展与结合问题研究 |
| 一、 组合评价问题 |
| 二、 专家评价综合法 |
| 三、 多层次评价模型 |
| 第四节 结束语——永远发展的多指标综合评价技术 |
| 一、 需要进一步研究的问题 |
| 二、 永远发展的多指标综合评价技术 |
| 本章引注与参考文献 |
| 附录1： 1996—1997年主要城市经济指标 |
| 附录2： 1984年全国重点水泥厂经济效益统计指标 |
| 附录3： 全国主要医药企业经济效益技术 |
| 后记 |
（4）基于振动和电流信号的行星齿轮箱多故障诊断方法（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于振动的齿轮箱故障诊断 |
| 1.2.2 基于电流的齿轮箱故障诊断 |
| 1.2.3 齿轮箱多故障诊断 |
| 1.2.4 智能故障诊断方法 |
| 1.2.5 行星齿轮箱故障特征模型 |
| 1.3 论文的研究内容和章节安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文章节安排 |
| 1.4 本章小结 |
| 第二章 基于振动和VMD的行星齿轮箱多故障诊断方法 |
| 2.1 引言 |
| 2.2 变分模态分解原理 |
| 2.2.1 变分模态分解基础概念 |
| 2.2.2 变分模态分解基本原理 |
| 2.2.3 变分模态分解性能分析 |
| 2.3 行星齿轮箱多故障振动模型 |
| 2.3.1 振动信号模型 |
| 2.3.2 齿轮故障特征频率的计算 |
| 2.4 仿真信号分析 |
| 2.4.1 信号处理流程 |
| 2.4.2 仿真信号分析 |
| 2.5 实验信号分析 |
| 2.5.1 实验设置 |
| 2.5.2 实验信号分析结果 |
| 2.5.3 结论分析 |
| 2.6 本章小结 |
| 第三章 基于振动和RSSD的行星齿轮箱多故障诊断方法 |
| 3.1 引言 |
| 3.2 共振稀疏分解原理 |
| 3.2.1 信号共振属性 |
| 3.2.2 品质因子可调小波变换 |
| 3.2.3 高低共振分量分离 |
| 3.3 参数寻优 |
| 3.3.1 峭度 |
| 3.3.2 品质因子优化 |
| 3.3.3 粒子群优化算法 |
| 3.3.4 基于PS0优化的共振稀疏分解 |
| 3.4 仿真分析 |
| 3.4.1 信号处理流程 |
| 3.4.2 仿真信号分析 |
| 3.5 实验验证 |
| 3.5.1 实验设置 |
| 3.5.2 实验信号分析结果 |
| 3.5.3 结论分析 |
| 3.6 本章小结 |
| 第四章 基于变速振动和MSST的行星齿轮箱多故障诊断方法 |
| 4.1 引言 |
| 4.2 基于多同步变换的多故障时频分析方法 |
| 4.2.1 等角度采样 |
| 4.2.2 同步变换 |
| 4.2.3 多同步变换 |
| 4.2.4 基于多同步变换的时频分析方法流程 |
| 4.3 仿真信号分析 |
| 4.3.1 构建变速仿真信号 |
| 4.3.2 仿真信号分析 |
| 4.4 实验信号分析 |
| 4.4.1 实验设置 |
| 4.4.2 实验信号分析结果 |
| 4.4.3 结论分析 |
| 4.5 本章小结 |
| 第五章 基于电流和DNN的行星齿轮箱多故障诊断方法 |
| 5.1 引言 |
| 5.2 电流信号模型 |
| 5.3 基于深度神经网络的故障诊断方法 |
| 5.3.1 时移相加 |
| 5.3.2 改进电流频谱 |
| 5.3.3 深度神经网络算法简介 |
| 5.3.4 基于深度神经网络的故障诊断方法流程 |
| 5.4 实验验证 |
| 5.4.1 实验设置 |
| 5.4.2 实验信号分析结果 |
| 5.4.3 结果分析 |
| 5.5 本章小结 |
| 第六章 基于融合信号分析的行星齿轮箱多故障诊断方法 |
| 6.1 引言 |
| 6.2 混合域特征提取 |
| 6.3 多准则融合维度约简 |
| 6.3.1 最大相关和最小冗余准则 |
| 6.3.2 线性判别分析 |
| 6.4 基于融合特征和DNN的多故障诊断方法 |
| 6.5 实验分析 |
| 6.5.1 实验设置 |
| 6.5.2 实验信号分析结果 |
| 6.6 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要结论 |
| 7.2 工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文 |
| 致谢 |
（6）保定府河流域水体污染源解析与治理技术体系研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 河流污染物时空分异特征 |
| 1.2.2 河流水质评价 |
| 1.2.3 河流污染源解析 |
| 1.2.4 河流水环境治理技术 |
| 1.3 研究目的与内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.4 课题来源与技术路线 |
| 2 研究区域与研究方案 |
| 2.1 研究区域概况 |
| 2.2 研究方案 |
| 2.2.1 研究工作概述 |
| 2.2.2 水样采集与保存 |
| 2.2.3 测定方法和主要仪器 |
| 3 府河主要水体污染物时空分异特征及变化趋势分析 |
| 3.1 府河保定市区段主要水质指标时空分异特征 |
| 3.1.1 府河保定市区段主要水质指标空间变化特征 |
| 3.1.2 府河保定市区段主要水质指标时间变化特征 |
| 3.2 府河流域主要水质指标时空分异特征分析 |
| 3.3 基于季节性Kendall模型的府河水质变化趋势分析 |
| 3.3.1 季节性Kendall检验模型原理 |
| 3.3.2 季节性Kendall检验过程 |
| 3.3.3 水质变化趋势结果分析 |
| 4 府河流域水体水质多级模糊综合评价 |
| 4.1 基于AHP-熵权法组合赋权的河流水质多级模糊综合评价模型 |
| 4.1.1 模糊综合评价模型 |
| 4.1.2 河流水质多级模糊综合评价模型 |
| 4.2 府河流域水体水质多级模糊综合评价 |
| 4.2.1 府河保定城区河段水质多级模糊综合评价(2014年) |
| 4.2.2 府河流域水质多级模糊综合评价(2018年) |
| 5 府河流域水体主要污染源解析 |
| 5.1 基于聚类分析的府河流域水体污染源解析区域划定 |
| 5.2 基于PCA模型的府河流域水体污染源识别 |
| 5.2.1 主成分分析模型(PCA) |
| 5.2.2 府河流域不同研究分区水体主要污染源判别 |
| 5.3 府河流域水污染主要来源分析 |
| 5.3.1 工业污染 |
| 5.3.2 生活污染 |
| 5.3.3 面源污染 |
| 5.4 基于APCS-MLR模型的府河流域水体污染源贡献率分析 |
| 5.4.1 绝对主成分多元线性回归分析模型(APCS-MLR) |
| 5.4.2 府河流域不同研究分区水体主要污染源贡献率分析 |
| 6 府河流域水环境综合治理技术体系研究 |
| 6.1 芦苇潜流人工湿地处理府河水的试验效果分析 |
| 6.2 府河流域水环境综合治理技术体系构建 |
| 6.2.1 府河流域污染源控制与生态拦截技术体系 |
| 6.2.2 府河支流及上游干流(城区)水质改善与综合治理技术体系 |
| 6.2.3 府河中下游干流(近郊与农村)水质改善与修复技术体系 |
| 6.3 府河流域水环境治理维护与管理工作探讨 |
| 6.3.1 完善落实河流保护管理相关法律规范 |
| 6.3.2 组建科学高效的河流综合管理机构 |
| 6.3.3 构建河流保护与管理服务信息系统 |
| 6.3.4 规范河流治理工程建设与运营维护 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录 |
| 在读期间发表的学术论文 |
| 作者简介 |
| 致谢 |
（7）基于深度学习的两阶段医学图像疾病诊断方法的研究（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 |
| 1.3 本文的主要研究内容 |
| 1.4 本文的组织结构 |
| 1.5 本章小结 |
| 第二章 相关理论技术概述 |
| 2.1 迁移学习 |
| 2.1.1 微调式迁移学习 |
| 2.1.2 多用途迁移学习 |
| 2.1.3 多任务迁移学习 |
| 2.2 注意力机制 |
| 2.2.1 RNN中的注意力机制 |
| 2.2.2 CNN中的注意力机制 |
| 2.3 经典深度学习医学图像处理和疾病诊断模型 |
| 2.3.1 FCN |
| 2.3.2 U-net |
| 2.3.3 单用途疾病诊断模型 |
| 2.3.4 一体化疾病诊断模型 |
| 2.4 本章小结 |
| 第三章 带注意力机制的多任务特征补充病灶分割网络 |
| 3.1 基于图像增强的预处理 |
| 3.2 基于多尺度病灶位置修正的有监督注意力机制 |
| 3.3 基于多阶段弱监督训练的多任务特征补充 |
| 3.4 训练细节 |
| 3.5 本章小结 |
| 第四章 带特征丰富度控制的双路病理诊断网络 |
| 4.1 针对医学图像预处理的智能多通道图像构建 |
| 4.2 带有“静态-动态”结构的双路CNN |
| 4.3 基于多级病理特征筛选和多样特征融合的病理状态诊断 |
| 4.4 训练细节 |
| 4.5 本章小结 |
| 第五章 实验测试与结果讨论 |
| 5.1 实验目标 |
| 5.2 实验配置 |
| 5.2.1 实验环境 |
| 5.2.2 实验数据集 |
| 5.2.3 实验评估指标 |
| 5.3 实验与结果讨论 |
| 5.3.1 病灶分割模型的对比与分析 |
| 5.3.2 病理诊断模型的对比与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（8）医药视觉检测机器人异物感知方法与检测系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.1.1 医药市场及制药设备现状 |
| 1.1.2 不溶异物污染及危害 |
| 1.1.3 现有注射剂生产工艺 |
| 1.2 国内外医药注射剂不溶异物检测设备现状 |
| 1.2.1 Eisai基于光阻法的线扫描异物检测设备 |
| 1.2.2 德国Seidenader基于CCD序列图像的检测设备 |
| 1.2.3 意大利Brevetti CEA基于机器人多视角检测的智能设备 |
| 1.2.4 国内外医药检测设备现状 |
| 1.3 医药注射剂不溶异物检测的难题 |
| 1.4 项目来源及本文的主要研究内容 |
| 第2章 医药视觉检测机器人设计 |
| 2.1 引言 |
| 2.2 检测需求与分析 |
| 2.2.1 医药异物的来源及分类 |
| 2.2.2 医药异物检测难点分析 |
| 2.3 医药视觉检测原理分析 |
| 2.4 医药视觉检测光学方案 |
| 2.5 医药视觉检测机器人机械设计方案 |
| 2.5.1 医药视觉检测机器人关键模组设计与分析 |
| 2.5.2 医药视觉检测机器人电气控制方案设计 |
| 2.6 医药视觉检测机器人软件架构 |
| 2.7 医药视觉检测机器人检测策略研究 |
| 2.7.1 医药视觉检测难点分析 |
| 2.7.2 医药视觉检测策略 |
| 2.8 本章小结 |
| 第3章 基于Canny-FFT与 SIFT特征的明暗场配准方法 |
| 3.1 引言 |
| 3.2 医药异物序列图像预处理算法 |
| 3.2.1 基于动态双阈值限定的噪声滤波器设计 |
| 3.2.2 微弱异物图像形态学TOPHAT增强 |
| 3.2.3 图像双三次B样条曲线插值 |
| 3.3 基于Canny边缘特征的FFT明场图像配准算法 |
| 3.3.1 传统Fourier-Mellin配准算法 |
| 3.3.2 改进的基于Canny边缘特征傅里叶图像配准 |
| 3.3.3 实验与分析 |
| 3.4 基于SIFT特征的暗场图像配准算法 |
| 3.4.1 SIFT特征点检测及配准 |
| 3.4.2 实验与分析 |
| 3.5 本章小结 |
| 第4章 基于BPNN与反向PM融合的序列图像分割方法 |
| 4.1 引言 |
| 4.2 基于时间谱线特征的BP神经网络分割算法 |
| 4.2.1 BP神经网络模型概述 |
| 4.2.2 基于时间谱线特征的BP神经网络分割算法 |
| 4.2.3 实验与分析 |
| 4.3 基于反向PM模型图像精确分割方法 |
| 4.3.1 PM扩散模型概述 |
| 4.3.2 反向PM扩散模型 |
| 4.3.3 反向PM模型图像分割算法步骤 |
| 4.3.4 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 基于PSO-RBF-SVM的多特征多级分类方法 |
| 5.1 引言 |
| 5.2 基于几何特征的注射剂不溶异物分类规则 |
| 5.2.1 异物特征几何特征提取 |
| 5.2.2 异物特征灰度特征提取 |
| 5.2.3 异物特征纹理特征提取 |
| 5.2.4 特征提取实验结果 |
| 5.3 基于主成分分析法的特征降维 |
| 5.3.1 主成分基本原理 |
| 5.3.2 主成分特征的降维步骤 |
| 5.4 基于支持向量机分类算法的异物正次品判别 |
| 5.4.1 支持向量机方法 |
| 5.4.2 实验结果 |
| 5.4.3 基于粒子群算法的RBF-SVM的参数寻优方法 |
| 5.4.4基于PSO-RBF-SVM异物分类实验 |
| 5.5 本章小结 |
| 第6章 医药视觉检测机器人研制及应用 |
| 6.1 引言 |
| 6.2 医药异物视觉检测机器人研发历程 |
| 6.3 医药异物视觉检测机器人硬件开发 |
| 6.3.1 整体机构 |
| 6.3.2 上料机构 |
| 6.3.3 抓瓶与搓瓶机构 |
| 6.3.4 跟踪机构 |
| 6.3.5 检测机构 |
| 6.3.6 剔除机构 |
| 6.3.7 光机电控制系统 |
| 6.4 医药视觉检测机器人软件开发 |
| 6.5 实验结果及分析 |
| 6.5.1 基于Knapp-Kushner测试的人机对比 |
| 6.5.2 检测性能 |
| 6.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读博士学位期间发表的学术论文 |
| 附录 B 攻读博士学位期间授权的国家发明专利 |
| 附录 C 攻读博士学位期间参与的科研项目和所获奖励 |
（9）水电机组混合智能故障诊断与状态趋势预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 水电机组振动故障机理分析 |
| 1.3 振动信号时频分析方法概述 |
| 1.4 振动信号特征提取与高维特征约简方法概述 |
| 1.5 水电机组故障诊断方法研究综述 |
| 1.6 水电机组状态趋势预测方法研究综述 |
| 1.7 本文主要研究内容与章节安排 |
| 2 基于自适应SVD与 IMFs重构的水电机组振动信号多级降噪方法 |
| 2.1 引言 |
| 2.2 自适应SVD滤波 |
| 2.3 IMFs重构降噪 |
| 2.4 基于自适应SVD与 IMFs重构的水电机组振动信号多级降噪 |
| 2.5 水电机组振动信号降噪实例分析 |
| 2.6 本章小结 |
| 3 基于FEEMD能量熵及混合集成自编码器的水电机组状态特征提取方法.. |
| 3.1 引言 |
| 3.2 基于FEEMD固有模态函数能量熵的健康状态特征提取方法 |
| 3.3 自编码器基本原理 |
| 3.4 混合集成自编码器设计及其在故障状态特征提取中的应用 |
| 3.5 水电机组状态特征提取实例分析 |
| 3.6 本章小结 |
| 4 基于能量熵判别与深度特征约简的水电机组混合故障诊断策略 |
| 4.1 引言 |
| 4.2 基于能量熵统计分析的健康状态判别体系 |
| 4.3 改进t-SNE映射机制的深度故障特征约简方法 |
| 4.4 基于能量熵判别与深度特征约简的多步递进式混合故障诊断策略 |
| 4.5 诊断实例分析 |
| 4.6 本章小结 |
| 5 融合滑动窗与Grey-Markov模型的水电机组运行状态趋势预测方法 |
| 5.1 引言 |
| 5.2 水电机组运行状态趋势预测可行性分析 |
| 5.3 Grey-Markov预测模型 |
| 5.4 预测误差来源分析及模型优化思路 |
| 5.5 融合滑动窗与Grey-Markov模型的水电机组状态趋势组合预测方法 |
| 5.6 水电机组运行状态趋势预测实例分析 |
| 5.7 本章小结 |
| 6 全文总结与展望 |
| 6.1 全文工作总结 |
| 6.2 进一步研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 :攻读博士期间发表的论文 |
| 附录2 :攻读博士期间完成和参与的科研项目 |
| 附录3 :与导师合作申请的发明专利 |
| 附录4 :攻读博士期间所获奖励 |
（10）基于级联回归与卷积神经网络的单幅图像超分辨重建（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 图像超分辨重建的研究进展及现状 |
| 1.2.1 基于插值的超分辨方法 |
| 1.2.2 基于重构的超分辨方法 |
| 1.2.3 基于浅层学习的超分辨方法 |
| 1.2.4 基于深度学习的超分辨方法 |
| 1.3 研究内容及章节安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 本文章节安排 |
| 第二章 相关基础理论 |
| 2.1 图像降质模型 |
| 2.2 超分辨图像质量评价 |
| 2.2.1 主观质量评价方法 |
| 2.2.2 客观质量评价方法 |
| 2.3 级联结构 |
| 2.4 卷积神经网络 |
| 2.4.1 基本网络层 |
| 2.4.2 正向与反向传播 |
| 2.5 本章小结 |
| 第三章 基于级联线性回归的单幅图像超分辨重建 |
| 3.1 引言 |
| 3.2 基于级联线性回归的超分辨重建算法 |
| 3.2.1 级联线性回归框架 |
| 3.2.2 CLR超分辨重建实现细节 |
| 3.3 实验结果及分析 |
| 3.3.1 实验参数设置 |
| 3.3.2 模型及参数分析 |
| 3.3.3 相关算法对比分析 |
| 3.4 本章小结 |
| 第四章 基于多尺度信息交叉融合卷积网络的单幅图像超分辨重建 |
| 4.1 引言 |
| 4.2 多分支模块与残差学习机制 |
| 4.2.1 多分支模块 |
| 4.2.2 残差学习机制 |
| 4.3 基于多尺度信息交叉融合的图像超分辨网络及学习算法 |
| 4.3.1 多尺度特征融合模块 |
| 4.3.2 基于残差特征学习的特征变换子网络 |
| 4.3.3 MSICF模型的整体架构 |
| 4.3.4 讨论 |
| 4.4 实验结果及分析 |
| 4.4.1 实验参数设置 |
| 4.4.2 模型及参数分析 |
| 4.4.3 相关算法对比分析 |
| 4.5 本章小结 |
| 第五章 基于双域注意力卷积网络的单幅图像超分辨重建 |
| 5.1 引言 |
| 5.2 注意力机制与跳过连接 |
| 5.2.1 注意力机制 |
| 5.2.2 跳过连接 |
| 5.3 基于双域注意力的图像超分辨网络及学习算法 |
| 5.3.1 CSAR块 |
| 5.3.2 FMM模块 |
| 5.3.3 DDAN整体架构 |
| 5.4 讨论 |
| 5.4.1 区别于MemNet |
| 5.4.2 区别于RCAN |
| 5.5 实验结果及分析 |
| 5.5.1 实验参数设置 |
| 5.5.2 模型及参数分析 |
| 5.5.3 相关算法对比分析 |
| 5.6 本章小结 |
| 第六章 基于非局部自相似卷积网络的单幅图像超分辨重建 |
| 6.1 引言 |
| 6.2 非局部运算与超分辨网络优化目标函数 |
| 6.2.1 非局部运算 |
| 6.2.2 超分辨网络优化目标函数 |
| 6.3 基于非局部自相似的图像超分辨网络及学习算法 |
| 6.3.1 跨尺度最近邻匹配残差块 |
| 6.3.2 多级残差自相似模块 |
| 6.3.3 NSSP网络的整体架构 |
| 6.3.4 讨论 |
| 6.4 基于非局部自相似及样本重加权的生成式对抗超分辨网络 |
| 6.4.1 基于自注意力的判别器 |
| 6.4.2 生成器损失函数 |
| 6.5 实验结果及分析 |
| 6.5.1 实验参数设置 |
| 6.5.2 模型及参数分析 |
| 6.5.3 相关算法对比分析 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、筛选因子的多级逐步判别方法（论文参考文献）
- [1]筛选因子的多级逐步判别方法[J]. 李麦村,姚棣荣,杨自强. 应用数学学报, 1977(04)
- [2]深度学习在糖网病筛查中的研究与应用[D]. 周磊. 上海交通大学, 2018(01)
- [3]多指标综合评价理论与方法问题研究[D]. 苏为华. 厦门大学, 2000(01)
- [4]基于振动和电流信号的行星齿轮箱多故障诊断方法[D]. 李峰. 太原理工大学, 2019(03)
- [5]多级逐步判别分析在台风路径预报中的应用[J]. 李麦村,姚棣荣. 杭州大学学报(自然科学版), 1977(01)
- [6]保定府河流域水体污染源解析与治理技术体系研究[D]. 张铁坚. 河北农业大学, 2019
- [7]基于深度学习的两阶段医学图像疾病诊断方法的研究[D]. 罗雄文. 华南理工大学, 2019(02)
- [8]医药视觉检测机器人异物感知方法与检测系统研究[D]. 吴成中. 湖南大学, 2019
- [9]水电机组混合智能故障诊断与状态趋势预测方法研究[D]. 姜伟. 华中科技大学, 2019(01)
- [10]基于级联回归与卷积神经网络的单幅图像超分辨重建[D]. 胡彦婷. 西安电子科技大学, 2019(07)