一、基于演化算法的小波门限值选择（论文文献综述）
李洪刚[1]（2018）在《地震数据采集站载波相位差分定位算法研究》文中认为载波相位差分定位算法是地震数据采集站常用的定位方法,针对载波相位差分定位算法存在定位时间较长和算法较为复杂等问题,展开对载波相位差分定位算法的探索,有助于地震数据采集站提高定位精度和定位效率。为载波相位差分定位算法提供理论支撑,分析了GPS卫星信号、系统组成、导航电文的原理和C/A码与P码的特点,探讨了地震数据采集站载波相位差分定位原理和定位的数学模型,总结了定位误差和消除误差的方法。周跳和整周模糊度问题是载波相位差分定位算法的核心问题,针对周跳探测问题,比较和分析了目前常用的周跳探测方法,提出可利用多项式拟合法和小波变换法结合的方法,有效探测周跳并修复。针对整周模糊度问题,分析了整周模糊度遍历搜索空间的规律,提出了搜索域遍历规律法,引入实例表明了算法能够预测整周模糊度最优解;接着提出了用自适应差分进化算法求解模糊度,实验表明自适应差分进化算法相比LAMBDA算法,能够更快收敛到全局最优解,提高定位效率。在载波相位差分定位算法流程和GPS星历解算技术的分析基础上,通过载波相位差分定位仿真实验得到了地震数据采集站观测数据、星历数据和卫星位置数据并比较了自适应差分进化算法和LAMBDA算法求解整周模糊度的实际效果,得出了载波相位差分定位算法定位精度在厘米级范围内的结论,结果表明了载波相位差分定位算法在定位精度上完全满足地震勘探的要求。
苟玲[2]（2018）在《基于经验模态分解的网络流量检测与分析方法》文中研究表明网络的快速发展导致网络攻击行为日益增多,网络安全问题愈发严峻。网络流量异常检测作为一种重要的网络监管手段,是解决网络安全问题的有力措施。在实际工作中,我们观察到异常的发生可能会导致不同尺度上流量数据特征的变化,而多尺度检测往往能够提高异常检测效果。本文主要基于数字信号处理理论,结合多尺度多通道检测思想提出了一种新的异常检测方法。该方法主要分为流量数据处理和异常检测两个模块。流量数据处理模块主要通过经验模态分解方法（Empirical Mode Decomposition,EMD）得到流量数据的多尺度表示形式,异常检测模块则利用多通道信号检测方法进行相关检测值的计算和异常判断。具体来说,本文完成的主要工作包括:（1）利用改进的EMD方法—集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）将网络流量自适应地分解为多个分量,各分量包含不同的物理意义,使得流量波动情况在多个尺度上表征出来,从而得到流量数据的多尺度表示形式。（2）将异常检测问题引申为了一个信号检测问题,对多尺度形式的流量数据利用广义似然比检验（Generalized Likelihood Ratio Test,GLRT）进行多通道检测计算,然后结合门限值完成异常判断。同时,本文还提出了一个信道选择方法来确定GLRT检测的数据输入。（3）将本文提出的方法和传统的多尺度检测方法在三个数据集上进行了异常检测实验。实验结果表明,本文提出的异常检测方法相对于传统的多尺度检测方法具有更好的检测效果,同时具有更好的适应性。（4）在异常检测实验中,我们还对本文提出的门限计算方法和信道选择方法进行了验证。结果表明,我们采用的门限计算方法具备一定的可行性,得出的门限值在异常检测中具有一定的可信度。而提出的信道选择方法不仅有效减少了信道数目,降低了运行时间,还具有更好的异常检测效果。综上所述,本论文针对网络流量异常检测提出了一种基于EEMD的多尺度检测方法。同时,还结合了数字信号处理理论,利用GLRT检测器实现了多尺度异常检测。与传统的多尺度检测方法对比,本论文提出的方法表现出了效果上的优越性和更好的适应性。
姜玉玲[3]（2012）在《基于演化模糊神经网络的高速公路浅层质量评价算法研究》文中研究表明随着中国高速公路通车里程和路网规模的不断扩大以及使用年限的不断增长,促使高速公路养护工作变得日趋繁重和重要。探地雷达技术因其具有快速、安全、无损害、高精度和高分辨率等优势,现已成为高速公路日常检测的首选。而当前探地雷达数据解析主要依赖专家经验,其存在解释结果主观性、不同专家解释结果不一致性以及数据解释周期长等缺点,迫切需要研究一种自动高精度的高速公路浅层质量评价算法。由于高速公路浅层质量的改变会导致浅层介电常数和电导率的变化,即在探地雷达接收信号的参数中的层界面厚度、时延及反射信号幅度等信息会发生相应地改变。根据这些客观事实信息,结合图像处理、信号检测、数字信号处理和模式识别技术,作者提出了一种新颖的基于演化模糊神经网络的高速公路浅层质量评价方法,从而解决以上面临的挑战。本文主要是针对江西省昌九高速公路南昌段采集的GPR数据进行分析,其评价算法主要包括以下三个模块：1.探地雷达预处理模块：首先对GPR原始数据进行杂波抑制处理,然后采用基于信号处理与图像处理的方法分别对浅层层界面进行检测,再对图像中的浅层层界面信息进行ROI提取,并提取其时域与小波域共六个特征值；2.高速公路浅层质量评分模块：结合专家经验和钻孔取芯样本构建ground truth数据库,再根据交叉验证法挑选出各个质量等级不同的信号对应的特征向量作为训练样本,且将整个采集到的探地雷达信号对应的特征向量作为测试样本,最后运用演化模糊神经网络进行特征分类；3.评分结果处理模块：演化模糊神经网络输出的结果再经过一定的处理,便得到了基于EFuNN的高速公路浅层层界面质量模糊评价的结果。将最终处理后的结果与ground truth数据库进行对比,其吻合度到达92.6%,满足工程应用的需要,且能为指导制定合适的养护策略及合理分配养护资金提供科学依据。
朱雷[4]（2011）在《古籍手写汉字图像分割算法研究》文中研究说明文本图像的分割对于进行正确的单字提取和字符识别有着重大的影响和使用价值,而古籍手写汉字图像分割更是古籍汉字识别过程中的难点。同时古籍手写汉字图像的分割对开展古籍文物研究、文献研究及文字研究工作具有十分重要的价值。由于古籍汉字资料保存时间久远,大量存在纸张变色、破损、文字残缺等现象,导致古籍手写汉字图像噪声很大,处理难度很大。现有的大多数预处理及单字切分算法多以印刷文本图像为处理对象,在对古籍手写汉字图像进行处理时往往效果欠佳。因此,论文根据古籍手写汉字分割的要求对现有的方法进行改进,并设计了新的文本图像处理方法,以期得到满意的单字图像分割结果。在参与对敦煌遗书等古籍进行研究的社科基金项目的过程中,分析了古籍手写汉字图像的特点和复杂性,在阈值分割、连通域标记和基于偏微分方程的目标轮廓提取等理论与算法的基础上,对古籍手写汉字图像的分割问题进行了深入的研究。主要内容有:①针对单纯采用全局阈值法或局部阈值法对图像进行分割时的不足,提出了整体阈值与局部阈值相结合的二次OTSU算法。算法综合考虑全局阈值与局部阈值来确定各像素点的阈值。与单纯采用全局阈值法和单纯采用局部阈值法相比,该算法在克服了以上两种算法的缺点的同时,继承了以上两种算法的优点,既考虑到了局部图像的特殊性,也兼顾了整个图像的整体性。通过实验证明,这种方法很好地将全局阈值的概括性与局部阈值的针对性结合了起来,能够取得明显优于原来两种算法的处理结果,这给后续的字符切分打下了良好的基础。②针对传统连通域标记算法需要多次扫描才能完成像素标记,运算时间较长的缺点,提出了快速非递归连通域生成及合并算法。算法对二值图像只需进行一次扫描,对需要识别的目标进行标记,遇到分叉时即进行连通域的合并。因此,在扫描过程中就可得到已扫描区域中的连通域,一次扫描后,无需再进行任何处理,就得到了二值图像的连通域的正确划分。实验证明,算法对于简单图像、一次分叉图像、多次分叉图像、连通域相互包含的图像,都可以正确、快速地进行连通域的标记处理。③应用快速非递归连通域生成及合并算法,设计了基于连通域特征的去噪去边框算法,及基于连通域并结合方块字特征进行单字切分的算法。并进一步采用局部投影法进行粘连字的切分。对应用快速连通域标记算法进行手写汉字图像处理的算法都进行了实验及结果分析。实践证明算法对手写汉字图像进行连通域生成、去噪、去边框及单字切分效果良好。④针对传统C-V主动轮廓模型达到稳定状态所需的迭代次数过多,对图像的尺寸比较敏感的缺点,提出了局部C-V主动轮廓模型快速图像分割算法。算法对图像进行预先的分块,将各分块单独作为输入图像以C-V模型算法进行分割处理。实验证明,算法在保证处理效果的前提下速度上得到了极大的提高。⑤根据手写汉字每个汉字单独成块的特点,提出了窄带快速C-V手写汉字图像分割方法。算法首先采用阈值法对汉字进行初步的分割,再利用汉字图像的连通域信息,进行汉字图像轮廓标记及窄带的构造,进一步进行基于窄带C-V模型的手写汉字图像分割。实验表明,采用窄带法对手写汉字进行分割,能够保留更多的文字细节,更加真实自然,同时处理速度进一步提高,有利于对文字进行后续的分析研究。综合本文提出的各种手写汉字图像分割算法,设计出了对手写汉字图像进行分割处理的完整的算法流程。对灰度化的手写汉字图像采用二次OTSU算法,对整幅图像进行二值化处理。接着采用非递归快速连通域算法,标记出图像的连通域情况。根据手写汉字的特点,进行去边框、去噪及单个汉字的分割操作。根据连通域情况初步分割出单个汉字后,再从原灰度图像中的对应位置取出小图像,采用OTSU算法进行二值化,以避免由于一个汉字处理不同区域采用不同阈值造成的差异。对以此方法得到的二值化图像进行轮廓标记。对每个单个汉字的原图像区域,以刚得到的轮廓为窄带划分的依据,采用前述的窄带C-V算法,进行汉字图像的细致分割。采用本文所提出的一系列算法对古籍手写汉字图像进行分割,能在提高处理效率的同时得到良好的分割效果。
胡月[5]（2008）在《基于生物特征的真随机数发生器的研究与设计》文中认为随机数发生器已在各个领域得到了非常广泛的应用,如进程调度、电子游戏、数值分析中的蒙特卡罗方法和统计抽样技术等。随机数发生器也是加密算法和协议的重要组成部分,对称加密的密钥和非对称加密的公钥/私钥对也需要随机生成。在许多加密协议中也要用到随机数发生器。随机数发生器通常分为两种:真随机数发生器（TRNGs）和伪随机数发生器（PRNGs）。真随机数发生器的熵源通常来自于真实的物理世界,如热噪声,大气噪声,放射性衰减甚至掷硬币。一般来说,合格的真随机数发生器产生的随机序列通常被认为是安全的。但是,设计更加便宜方便的真随机数发生器仍然是研究者努力的目标。本论文研究选择了以鼠标轨迹和手写签名为代表的生物特征（主要是人类行为特征）作为随机数发生器的熵源,并结合图像加密、Hash函数、信号处理等不同领域的算法,以此设计出新颖的、便利的随机数发生器。本论文的主要工作包括:①提出并研究了基于生物特征的真随机数发生器的设计方法。这种新颖的随机数发生器的优点是便宜、方便且在PC机上具有通用性。同时,这种随机数发生器很容易作为组件与生物特征认证系统和生物特征密码系统方便地进行集成。②设计了基于图像加密和鼠标轨迹图的真随机数发生器。论文对多种图像加密算法产生随机序列的性能进行了分析、研究和实验,为了提高随机序列的产生速度,较为深入地讨论了分块加密模式下图像加密算法的扩散性,并给出了实现严格雪崩效应的理论最少迭代轮数,从而提出了“不碰撞扩散”的思路。基于该思路,设计了两个新的算法,实验对比表明,新算法在速度、敏感性和随机性测试中表现出了良好的性能。③设计了基于Hash函数和鼠标轨迹序列的真随机数发生器。通常Hash函数在处理数据方面快于图像加密算法,且Hash值本身也具有随机性。混沌Hash函数能够帮助消除同一个用户的鼠标轨迹中的相似模式。论文给出了真随机数发生器的算法框架,采用不同的混沌Hash函数进行对比,并改进了其中一种算法。实验证明,基于改进算法的随机数发生器产生的序列具有良好的随机性。④研究了基于在线手写签名的随机数发生器。传统的生物特征认证系统是最大程度提取生物特征的相似模式,抛弃随机性,与之相反,本论文研究着重于提取和放大隐藏于生物特征中的随机信号,从而生成随机性良好的随机序列。在对不同的生物特征、信号处理方法和数位提取方法进行了大量实验的基础上,提出了三种基于信号特征提取的真随机数发生器。该方法生成的随机性序列通过了NIST的部分测试。同时实验结果表明,这类算法的速度明显快于采用图像加密和部分Hash算法产生随机序列。⑤将基于手写签名的真随机数发生器应用在一类生物特征密码系统——模糊保险箱里。其数据处理算法采用了基于TD-ERCS的Hash函数。为了提高算法的性能,对TD-ERCS进行了改进。理论分析和实验结果表明,与本论文提出的所有算法和一些经典算法相比,基于改进TD-ERCS的随机数发生器产生随机序列的速度最快。生成的随机序列通过了所有统计测试。最后,在基于Windows mobile的PDA上实现了这款基于手写签名的真随机数发生器。最后对论文进行了总结,并给出了论文的不足和今后研究工作的方向。
梁峰[6]（2006）在《混沌信号处理与信息加密传输技术研究》文中认为混沌信号处理、混沌信息加密传输技术（保密通信）是混沌学科研究领域的热点之一，在许多工程领域，包括水中兵器领域的武器平台遥控遥测、数据采集与传输，混沌技术得到越来越多的研究和应用。混沌理论与技术研究领域涉及范围极为广泛，并且有很多实际技术问题需要解决。本论文围绕混沌信号处理与保密通信应用方面进行研究，主要研究了混沌系统的控制与同步方法，基于混沌理论的信号处理，水声混沌研究以及混沌技术用于水声保密通信的研究。论文的主要研究成果和创新点包括：1、系统综述了混沌在（保密）通信技术领域的发展过程和现状，在此基础上对现有混沌通信系统进行综合评述，着重点是混沌通信系统的安全性能、硬件实现等问题。2、在对现有混沌系统同步控制方法进行归纳总结的基础上，提出两种同步控制法：一、用于统一混沌系统的投影同步方法；用于不同阶混沌系统的同步控制方法。同时研究了自适应混沌同步控制法及基于观测器的同步控制法。3、基于混沌理论的信号处理技术的迅速发展，提出了一种实用的计算水声信号时间序列的相空间重构参数的快速实用算法。4、在优化领域，提出两种基于混沌技术的优化算法：一、粒子群优化算法（CPSO）；二、差异演化算法（CDE）。由于粒子群优化算法和差异演化算法的应用很广泛，因此所提出的改进方法具有较大的实用价值。5、论述了混沌技术在水声领域研究及应用的进展，重点在水声混沌通信方面。根据有关实验结果，认真讨论了混沌理论用于水声通信的可行性，作为本领域进一步研究工作的基础。6、提出了一种具有良好统计特性的混沌伪随机序列构造方法，以此作为伪随机数发生器（PRNG），一方面可以用于传统的密码加密领域（如图像混沌密码）。提高加密性能，也可以用于通信系统（如混沌扩频／跳频通信），提高传输安全性能。7、提出了一种宽间隔混沌跳频序列的构造方法，可作为宽间隔跳频序列的设计指导方法，应用于混沌跳频通信（如低速率的水声远程信息传输）。
王宗志[7]（2005）在《水资源智能模式识别方法及其应用》文中进行了进一步梳理模糊集、人工神经网络、遗传算法是当前国际学术界三大学科前沿领域,它们突破了以传统数学模型为基础解决现实问题的思维方式,探索、模拟大千世界复杂多变的非线性特征,成为目前正蓬勃发展的新兴学科—智能科学的核心内容,是仿生学的三大重要分支。 自从模糊集、人工神经网络、遗传算法引入水资源模式识别方法以后,“模式”的内涵与外延大大拓广。本文尝试应用这三大方法解决水问题,提出了基于这三大方法的水资源智能模式识别的概念,给出了水资源智能模式识别方法解决水问题的一般步骤。详述了遗传算法存在的问题并提出一套从算法整体结构上改进的加速遗传算法;提出了基于改进加速遗传算法的水质模型参数智能识别方法、基于人工神经网络的智能模式识别方法、基于模糊集理论的智能模式识别方法、基于时间序列的智能模式识别方法,并将这些方法用于解决实际的水问题。结果表明水资源智能模式识别方法在具有广阔的应用前景。
周育人,王勇[8]（2002）在《基于演化算法的小波门限值选择》文中研究指明在小波的去噪应用中 ,门限值往往归结为一个复杂函数的最小值问题 ,我们提出使用演化算法选择小波门限值 ,使用基于子空间搜索的群体随机搜索算法来求最优门限值 ,实验结果显示 ,新算法为一个有效、稳健的算法 ,它计算出的门限值优于传统算法计算出的门限值
郭京蕾[9]（2002）在《基于分形理论和演化算法的灰度图像压缩》文中研究指明随着多媒体技术和计算机通信的日益发展，具有庞大数据量的数字图像极大地制约了图像通信。采用有效的压缩编码技术删除冗余，以尽量少的比特数存储图像，并同时保证图像的质量，已成为研究的热点。分形图像可进行压缩的原因是其图像具有高度的自相似自仿射特性。本论文从理论和实践上介绍了不同于传统方法的压缩算法——基于分形理论和演化算法的灰度图像压缩算法。作者采用迭代函数系统（IFS）对图像进行压缩。主要以不动点定理和拼贴定理作为理论基础，对给定的图像，寻找一组由压缩仿射变换构成的IFS，使图像通过仿射变换后尽可能与其相以。图像的解码，不依赖于原始图形，对任意初始图像，用IFS反复迭代，就能将原始图像重现。因此，编码文件只需存储IFS码，从而能得到较高的压缩比。 分形图像压缩的最终目的是要获得一个较好的IFS，使它的吸引子与原始图像尽可能的相似，可以把这个搜索问题看成是一个优化过程。这个优化过程是在大空间搜索和具有许多复杂约束的知识背景下进行的。传统的经典算法难以解决此问题，于是作者采用具有人工智能技术的演化算法来寻找最优解。演化算法从种群开始搜索，每个种群所获得的知识都被嵌入了其成员的染色体中。在进化过程中，它引入了自然进化和适者生存的原理，在复杂和变化的环境中寻找最有利的生存方式，可以以较大的概率较快速地找到最优解。 论文首先介绍了迭代函数系统和演化算法的基本定理和原理，它们是该课题研究的理论基础。然后，作者结合分形图像的特点编写了多种基于IFS理论的压缩算法。这些算法包括：全局分块搜索算法、固定门限法、自适应门限法、线性分类法、四分之一块灰度排列法和基于块合并的压缩算法。论文通过压缩算法的描述和实验结果的比较，得出了每种算法的特点。最后作者提出了一种改进的用于求解具有全局最优的自相似分块匹配的演化算法，详细地讲述了染色体编码方法、适应度函数的设计、遗传算子的设计和采样机理。通过实验的结果表明，该方法解码质量好、编码速度快、压缩比高，是一种可行的算法。
谭阳红[10]（2005）在《基于小波和神经网络的大规模模拟电路故障诊断研究》文中研究说明随着现代化电子技术的飞速发展,大规模集成电路的应用,网络规模和结构日趋功能化和模块化,研究如何运用现代诊断技术从大规模容差电路中准确地诊断出存在故障的子电路和元件,是实际工程迫切需要解决的课题,也是模拟电路故障诊断理论和方法走向实际应用的关键步骤之一。 本文运用遗传算法,在对电路响应的容差影响作统计分析的基础上,提出了大规模模拟电路的神经网络和小波方法故障诊断。本文的主要工作内容如下: 对大规模电路的故障子电路定位进行了研究。首先,给出了求解容差电路响应可行域的遗传方法;然后,对大规模电路故障诊断提出了一种新的屏蔽方法,将它逻辑撕裂成若干个子电路后,采用电压激励测电压,结合灵敏度分析,利用电压比较分析来确定存在故障的子电路。这种方法经过简单的测试即能将故障定位到子电路,具有适用于大规模容差电路,诊断速度快、易实施等特点。 对电路的容差进行了统计分析,将电路元件的容差效应化为噪声,并附加到标称电路样本上,只需一次遗传运算就可以获得容差电路的样本,大大降低了神经网络子网络诊断的计算复杂度,因此,对大规模电路进行撕裂后,大规模电路的诊断即化成对各子电路的诊断。为使神经网络的辨识性能达到最佳,对网络的算法参数、结构及初始权值进行了优化,结果表明,采用演化算法对各神经网络进行优化后,各网络的性能都有不同程度的提高,对于没有重叠区间的故障诊断,其诊断率有所提高。 基于遗传算法,提出了二种新的电路激励和测试点选择方法,一种是将激励选择转化成各种故障情况下的响应距离优化函数;另一种是转化成对各种故障状态下的均值和方差优化函数,采用遗传算法能同时得到电路激励函数和测试点的最优值。它不需要矩阵运算、存储量小、不仅可用于线性电路,也适用于非线性电路。 给出了求解容差电路的小波包分解可行域方法,同时从两个方面着手改善故障的诊断率。一方面利用小波和小波包提取电路的故障特征,且将小波分解过程中的尺度和位移参数纳入学习范畴,以寻找它们的最优值,使各故障模式之间的距离最大化;另一方面以紧致型小波神经网络作为故障分类器,从函数型和权值型小波网络中寻找一种最适合于模拟故障诊断的网络,并利用遗传算法对网络的结构和参数进行优化和学习,以得到最佳的网络结构,加快网络的训练速度。并将电路的诸多不确定性因素融合到概率和模糊运算中,运用小波概率神经网络和小波模糊推理神经网络来进行子电路的故障诊断,同时用遗传算法对它们的参
二、基于演化算法的小波门限值选择（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、基于演化算法的小波门限值选择（论文提纲范文）
（1）地震数据采集站载波相位差分定位算法研究（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 地震数据采集站 |
| 1.2.2 GPS-RTK在地震勘探中的应用现状 |
| 1.2.3 载波相位差分算法研究现状 |
| 1.3 论文主要研究内容和组织结构 |
| 第二章 地震数据采集站差分GPS定位原理 |
| 2.1 GPS系统 |
| 2.1.1 GPS系统组成 |
| 2.1.2 GPS系统特点 |
| 2.2 卫星信号和导航电文 |
| 2.2.1 GPS卫星信号 |
| 2.2.2 GPS导航电文 |
| 2.3 GPS载波相位差分定位原理 |
| 2.3.1 地震勘探载波相位差分GPS原理 |
| 2.3.2 载波相位测量原理 |
| 2.3.3 地震勘探载波相位差分观测方程 |
| 2.4 地震勘探载波相位测量误差分析 |
| 2.4.1 与卫星有关的误差 |
| 2.4.2 信号传播信道误差 |
| 2.4.3 与接收机有关的误差 |
| 2.5 本章总结 |
| 第三章 地震数据采集站数据预处理 |
| 3.1 地震数据采集站数据接收 |
| 3.2 卫星星历解算 |
| 3.2.1 广播星历 |
| 3.2.2 用广播星历计算卫星位置 |
| 3.3 周跳 |
| 3.3.1 周跳的定义与产生 |
| 3.3.2 周跳产生的原因 |
| 3.3.3 常用的周跳检测方法 |
| 3.3.4 实验与分析 |
| 3.4 本章总结 |
| 第四章 整周模糊度求解算法 |
| 4.1 LAMBDA算法 |
| 4.2 平差待定参数法 |
| 4.3 搜索域遍历规律法 |
| 4.4 演化算法 |
| 4.4.1 标准差分进化算法 |
| 4.4.2 自适应差分进化算法 |
| 4.4.3 实验分析 |
| 4.5 本章总结 |
| 第五章 地震数据采集站定位算法与实验分析 |
| 5.1 地震数据采集站载波相位差分定位算法流程 |
| 5.2 实验分析 |
| 5.3 本章总结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和科研成果 |
| 作者简介 |
| 致谢 |
（2）基于经验模态分解的网络流量检测与分析方法（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 网络流量及异常概述 |
| 1.2.2 网络流量异常研究现状及挑战 |
| 1.3 本文研究内容及结构 |
| 第二章 异常检测技术介绍 |
| 2.1 基于统计的异常检测技术 |
| 2.2 基于机器学习的异常检测技术 |
| 2.2.1 基于系统调用的序列分析 |
| 2.2.2 Bayesian网络 |
| 2.2.3 主成分分析 |
| 2.2.4 马尔可夫模型 |
| 2.3 基于数据挖掘的异常检测技术 |
| 2.3.1 基于分类的异常检测 |
| 2.3.2 聚类和离群检测 |
| 2.3.3 关联规则发现 |
| 2.4 本章小结 |
| 第三章 相关理论介绍 |
| 3.1 经验模态分解基本理论 |
| 3.1.1 EMD基础 |
| 3.1.2 EMD分解过程 |
| 3.1.3 EEMD基本理论 |
| 3.2 信号检测理论及广义似然比检验 |
| 3.2.1 信号检测基本理论 |
| 3.2.2 广义似然比检验 |
| 3.3 本章小结 |
| 第四章 基于经验模态分解的网络流量异常检测方法 |
| 4.1 异常检测方法整体框架 |
| 4.2 流量数据特征介绍 |
| 4.3 流量数据处理模块 |
| 4.3.1 数据预处理 |
| 4.3.2 数据分解 |
| 4.4 异常检测模块 |
| 4.4.1 检测窗口方法 |
| 4.4.2 基于信号检测理论的异常检测问题描述 |
| 4.4.3 信道选择 |
| 4.4.4 GLRT检测值计算 |
| 4.4.5 异常判断 |
| 4.5 对比方法介绍 |
| 4.5.1 基于PCA的异常子空间方法 |
| 4.5.2 基于小波分解的多尺度分析方法 |
| 4.6 ROC曲线介绍 |
| 4.7 本章小结 |
| 第五章 异常检测实验及结果分析 |
| 5.1 数据介绍 |
| 5.1.1 ISCX-UNB数据集 |
| 5.1.2 其他流量数据集 |
| 5.2 ISCX-UNB数据集实验 |
| 5.2.1 异常检测方法实现 |
| 5.2.2 门限计算方法验证 |
| 5.2.3 信道选择方法验证 |
| 5.2.4 对比实验及结果分析 |
| 5.3 其他流量数据集实验 |
| 5.3.1 数据集一实验结果 |
| 5.3.2 数据集二实验结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（3）基于演化模糊神经网络的高速公路浅层质量评价算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源、选题背景与研究意义 |
| 1.2 高速公路浅层质量自动检测的研究现状 |
| 1.3 演化模糊神经网络的应用现状 |
| 1.4 本文主要研究工作 |
| 1.5 本文章节安排 |
| 第2章 探地雷达数据预处理 |
| 2.1 探地雷达杂波抑制处理 |
| 2.1.1 滑动平均法 |
| 2.1.2 带通滤波法 |
| 2.1.3 奇异值分解滤波法 |
| 2.2 层界面检测与平滑 |
| 2.2.1 基于信号处理的层界面检测与平滑 |
| 2.2.2 基于图像处理的层界面检测与平滑 |
| 2.3 ROI提取 |
| 2.4 特征提取 |
| 2.5 本章小结 |
| 第3章 演化模糊神经网络 |
| 3.1 模糊神经网络 |
| 3.1.1 模糊神经网络的分类 |
| 3.1.2 模糊神经元 |
| 3.1.3 模糊神经网络的结构及学习算法 |
| 3.2 模糊C-均值聚类算法 |
| 3.3 演化聚类算法 |
| 3.4 演化模糊聚类算法 |
| 3.5 演化模糊神经网络 |
| 3.5.1 演化算法 |
| 3.5.2 演化联结系统(ECOS) |
| 3.5.3 演化模糊神经网络(EFuNN)的结构 |
| 3.5.4 演化模糊神经网络(EFuNN)的学习算法 |
| 3.6 本章小结 |
| 第4章 实验结果及其分析 |
| 4.1 实验研究方案 |
| 4.1.1 实验研究方案的设计 |
| 4.1.2 演化模糊神经网络模型的建立 |
| 4.2 EFuNN训练样本与测试样本的选取 |
| 4.3 特征向量数据处理 |
| 4.4 EFuNN模式识别结果 |
| 4.4.1 训练结果 |
| 4.4.2 测试结果 |
| 4.5 基于EFuNN的高速公路浅层质量评价数据处理 |
| 4.6 本章小结 |
| 第5章 全文总结及工作展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（4）古籍手写汉字图像分割算法研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 图像分割及其意义 |
| 1.2.1 图像分割及其意义 |
| 1.2.2 古籍图像处理及文字分割的意义 |
| 1.3 图像分割的一般模型 |
| 1.4 图像分割方法研究的现状 |
| 1.4.1 基于区域的图像分割算法 |
| 1.4.2 基于边缘的图像分割算法 |
| 1.5 图像分割方法研究的发展 |
| 1.5.1 古籍手写汉字图像的分割 |
| 1.5.2 彩色图像的分割 |
| 1.6 论文的主要工作 |
| 1.7 论文的结构安排 |
| 2 传统方法在古籍手写汉字图像分割中的应用研究 |
| 2.1 引言 |
| 2.2 图像分割的理论与方法的研究 |
| 2.3 简单图像基于像素灰度的全局门限法 |
| 2.3.1 简单直方图分析法 |
| 2.3.2 直方图凹形分析法 |
| 2.3.3 类别方差自动门限法 |
| 2.3.4 矩不变自动门限法 |
| 2.4 简单图像基于像素邻域属性的全局门限法 |
| 2.4.1 基于边缘特性的方法 |
| 2.4.2 基于二阶灰度统计特性的方法 |
| 2.4.3 利用两个“累积测量”选门限 |
| 2.4.4 松弛迭代方法 |
| 2.5 全局门限化直方图分割方法的评估 |
| 2.6 复杂图像基于图像属性的分割方法 |
| 2.6.1 自动多门限分割技术 |
| 2.6.2 循环分解法 |
| 2.6.3 分块分割再合并方法 |
| 2.7 彩色图像分割 |
| 2.8 传统方法在古籍手写汉字图像分割中的局限性 |
| 2.9 本章小结 |
| 3 基于二次类间方差阈值法的手写汉字图像分割方法研究 |
| 3.1 引言 |
| 3.2 传统阈值分割方法 |
| 3.2.1 简单灰度直方图阈值分割 |
| 3.2.2 最小误差阈值分割 |
| 3.2.3 最大熵值分割 |
| 3.2.4 类间方差阈值分割 |
| 3.3 局部类间方差阈值分割算法 |
| 3.3.1 全局OTSU 算法效果及缺点 |
| 3.3.2 局部OTSU 算法原理 |
| 3.3.3 局部OTSU 算法结果及分析 |
| 3.4 整体与局部相结合的二次OTSU 算法 |
| 3.4.1 算法原理 |
| 3.4.2 实验结果 |
| 3.5 本章小结 |
| 4 基于快速非递归连通域算法的手写汉字图像分割 |
| 4.1 引言 |
| 4.2 连通域算法基本原理 |
| 4.3 快速非递归连通域生成及合并算法研究 |
| 4.3.1 数据结构设计 |
| 4.3.2 非递归连通域生成及合并算法 |
| 4.3.3 非递归连通域算法分析及实验结果 |
| 4.4 快速非递归连通域算法的应用 |
| 4.4.1 基于连通域特征的去噪去边框算法 |
| 4.4.2 基于连通域的单字切分 |
| 4.4.3 基于方块字特征及局部投影法的粘连字切分 |
| 4.5 实验结果及分析 |
| 4.6 本章小结 |
| 5 基于偏微分方程的目标轮廓提取理论与方法 |
| 5.1 引言 |
| 5.2 目标轮廓提取方法分类 |
| 5.3 基于偏微分方程的目标轮廓提取理论与方法 |
| 5.3.1 基本概念 |
| 5.3.2 主动轮廓模型 |
| 5.3.3 梯度向量场可变形模型 |
| 5.3.4 目标轮廓能量全局最小主动轮廓模型 |
| 5.3.5 拓扑自适应主动轮廓模型 |
| 5.3.6 水平集图像分割方法 |
| 5.3.7 参数主动轮廓模型与几何主动轮廓模型之间的关系 |
| 5.4 基于最小作用曲面及图像二分法的封闭轮廓提取方法 |
| 5.4.1 基于最小作用曲面的封闭轮廓提取方法 |
| 5.4.2 基于最小作用曲面及图像二分法的封闭轮廓提取法 |
| 5.5 水平集方法 |
| 5.5.1 水平集方法的数值实现 |
| 5.5.2 水平集方法应用于图像分割 |
| 5.6 窄带水平集方法 |
| 5.6.1 窄带水平集算法 |
| 5.6.2 M-S 分割模型 |
| 5.6.3 基于窄带M-S 模型的图像分割 |
| 5.6.4 基于窄带M-S 模型的手写汉字图像分割方法 |
| 5.7 本章小结 |
| 6 基于 C-V 模型的快速图像分割算法研究 |
| 6.1 引言 |
| 6.2 C-V 分割模型 |
| 6.3 局部C-V 主动轮廓模型快速图像分割算法 |
| 6.3.1 局部C-V 主动轮廓模型快速图像分割算法 |
| 6.3.2 局部C-V 主动轮廓模型手写汉字图像分割算法 |
| 6.3.3 实验结果及分析 |
| 6.4 基于窄带C-V 模型的手写汉字图像分割方法 |
| 6.4.1 窄带快速C-V 手写汉字图像分割方法 |
| 6.4.2 实验结果及分析 |
| 6.5 基于二次OTSU 算法、快速连通域法及窄带C-V 算法结合的手写汉字图像处理 |
| 6.5.1 手写汉字图像处理算法分析 |
| 6.5.2 实验结果及分析 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 主要创新点与结论 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A. 作者在攻读学位期间发表的论文 |
| B. 作者在攻读学位期间参加的科研项目 |
（5）基于生物特征的真随机数发生器的研究与设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 随机序列的背景和应用 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容和创新点 |
| 2 生物特征认证系统和随机数理论 |
| 2.1 生物特征认证系统 |
| 2.1.1 生物认证技术概述 |
| 2.1.2 基于生理特征的生物认证技术 |
| 2.1.3 基于行为特征的生物认证技术 |
| 2.1.4 多生物特征认证技术 |
| 2.1.5 生物特征认证系统的构成 |
| 2.1.6 生物特征认证系统的前景和局限 |
| 2.2 随机数理论及其检测标准 |
| 2.2.1 密码学中的随机序列及随机性理论 |
| 2.2.2 微机系统获得真随机数的几种方式 |
| 2.2.3 随机序列检测方法 |
| 2.3 提取生物特征差异生成随机数 |
| 2.4 本章小结 |
| 3 基于图像加密技术的鼠标真随机数发生器 |
| 3.1 引言 |
| 3.2 图像加密技术 |
| 3.2.1 图像加密技术研究概述 |
| 3.2.2 性能分析指标 |
| 3.2.3 利用混沌图像加密获得高质量随机序列的可行性 |
| 3.3 算法框架 |
| 3.4 分块加密模式扩散性分析 |
| 3.4.1 基础分析 |
| 3.4.2 四叉树排列算法 |
| 3.4.3 “MASL”加密算法 |
| 3.4.4 PER 加密算法 |
| 3.5 几种真随机数发生器的实现 |
| 3.5.1 基本变换 |
| 3.5.2 三种混沌映射 |
| 3.5.3 基于MASL 加密算法的随机数发生器 |
| 3.5.4 基于PER 加密的随机数发生器 |
| 3.6 实验结果和统计测试 |
| 3.7 本章小结 |
| 4 基于混沌Hash 函数的鼠标真随机数发生器 |
| 4.1 引言 |
| 4.2 Hash 函数简介 |
| 4.2.1 Hash 函数定义 |
| 4.2.2 传统Hash 函数 |
| 4.2.3 混沌Hash 函数研究 |
| 4.2.4 Hash 函数在随机数发生器中的应用 |
| 4.3 基本变换 |
| 4.3.1 模/数转换 |
| 4.3.2 轨迹/数字序列变换 |
| 4.3.3 数字序列/数位变换 |
| 4.4 基于混沌Hash 函数的三个真随机数发生器 |
| 4.4.1 基于FFNF 的TRNG |
| 4.4.2 基于Tent map 的TRNG |
| 4.4.3 基于Tent map 的改进方案 |
| 4.5 实验结果 |
| 4.5.1 速度 |
| 4.5.2 扩散性 |
| 4.5.3 随机性测试 |
| 4.6 本章小结 |
| 5 基于特征提取的手写签名真随机数发生器 |
| 5.1 手写签名认证技术研究 |
| 5.1.1 手写签名认证技术简介 |
| 5.1.2 签名数据的采集 |
| 5.1.3 预处理 |
| 5.1.4 特征提取 |
| 5.1.5 特征匹配与决策 |
| 5.1.6 性能评估 |
| 5.2 手写签名真随机数发生器的总体框架 |
| 5.3 签名采样及预处理 |
| 5.4 手写签名的差异特征提取 |
| 5.4.1 水平位移 |
| 5.4.2 垂直位移 |
| 5.4.3 水平速度 |
| 5.4.4 垂直速度 |
| 5.4.5 水平加速度 |
| 5.4.6 垂直加速度 |
| 5.4.7 角度 |
| 5.4.8 曲度 |
| 5.4.9 其它特征 |
| 5.5 特征再处理技术 |
| 5.5.1 离散余弦变换 |
| 5.5.2 小波包变换 |
| 5.6 比特抽取 |
| 5.7 几种算法设计 |
| 5.8 相关测试 |
| 5.8.1 随机性测试 |
| 5.8.2 速度测试 |
| 5.9 本章小结 |
| 6 基于生物特征的真随机数发生器的应用研究 |
| 6.1 生物特征密码系统 |
| 6.1.1 研究背景 |
| 6.1.2 相关研究现状 |
| 6.1.3 模糊保险箱理论 |
| 6.2 基于手写签名的密钥产生算法 |
| 6.2.1 混沌Hash 函数与TD-ERCS |
| 6.2.2 基于TD-ERCS 的生物特征密钥产生算法 |
| 6.2.3 实验结果分析 |
| 6.3 基于Windows mobile 平台的TRNG 实现 |
| 6.3.1 Windows mobile 5.0 平台 |
| 6.3.2 .NET Compact Framework 与C＃语言 |
| 6.3.3 程序实现 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A 作者在攻读学位期间发表的论文目录 |
| B 作者在攻读学位期间参加的科研项目 |
（6）混沌信号处理与信息加密传输技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 混沌保密通信的研究进展 |
| 1.2.1 混沌从理论到应用的发展 |
| 1.2.2 混沌保密通信研究的发展概述 |
| 1.2.3 高速宽带混沌保密通信研究 |
| 1.2.4 混沌通信系统的安全性能研究 |
| 1.3 水声混沌通信研究 |
| 1.4 论文的主要研究内容 |
| 第二章 混沌基本理论与通信系统分析 |
| 2.1 混沌基本理论与混沌特征参数 |
| 2.1.1 混沌的概念与性质 |
| 2.1.2 混沌系统的特征参数 |
| 2.2 混沌系统的控制与同步 |
| 2.2.1 混沌控制与同步概念 |
| 2.2.2 混沌控制与同步法 |
| 2.2.3 混沌反控制 |
| 2.2.4 分数阶混沌系统的同步与控制 |
| 2.3 混沌通信系统的分析 |
| 2.3.1 混沌保密通信的理论依据 |
| 2.3.2 混沌通信系统与常规通信系统的比较 |
| 2.3.3 混沌保密通信需要考虑的问题 |
| 第三章 混沌系统的控制与同步方法 |
| 3.1 基于自适应技术的混沌同步 |
| 3.1.1 问题描述与分析 |
| 3.1.2 数值仿真 |
| 3.2 基于状态观测器的超混沌同步 |
| 3.2.1 问题描述与分析 |
| 3.2.2 数值仿真 |
| 3.3 基于滑模变结构控制的混沌及超混沌同步 |
| 3.3.1 模型描述 |
| 3.3.2 数值仿真 |
| 3.4 不同阶混沌系统的同步 |
| 3.4.1 问题描述 |
| 3.4.2 数值仿真 |
| 3.4.3 通信应用 |
| 3.4.4 系统仿真 |
| 3.5 统一混沌系统的投影同步与控制 |
| 3.5.1 MLCL混沌系统模型 |
| 3.5.2 MLCL系统的投影同步分析 |
| 3.5.3 MLCL系统的投影同步控制 |
| 3.5.4 噪声及参数失配对投影同步控制的影响 |
| 3.5.5 讨论 |
| 第四章 相空间重构与混沌优化技术研究 |
| 4.1 混沌信号处理研究概述 |
| 4.2 混沌时间序列信号的建模与预测 |
| 4.3 非线性时间序列的相空间重构 |
| 4.3.1 基于FNN的嵌入维算法 |
| 4.3.2 仿真数据与实验数据验证 |
| 4.3.3 小结 |
| 4.4 基于混沌理论的差异演化算法 |
| 4.4.1 DE算法的基本原理 |
| 4.4.2 基于混沌理论的DE算法 |
| 4.4.3 仿真实例 |
| 4.4.4 小结 |
| 4.5 基于混沌理论的粒子群优化算法 |
| 4.5.1 粒子群优化算法的基本思想 |
| 4.5.2 基于混沌理论的粒子群优化算法 |
| 4.5.3 仿真实例 |
| 4.5.4 算法的优化性能比较 |
| 4.6 本章小结 |
| 第五章 基于混沌理论的水声工程研究 |
| 5.1 水声领域混沌研究概述 |
| 5.1.1 舰船辐射噪声的混沌属性研究 |
| 5.1.2 海洋环境噪声及混响的混沌研究 |
| 5.1.3 海洋声传播过程中出现的混沌现象 |
| 5.2 混沌在水声领域中的应用研究 |
| 5.2.1 混沌理论在水声信号检测、分类和辨识中的应用 |
| 5.2.2 混沌在海杂波雷达检测中的应用 |
| 5.3 基于混沌的水声通信研究 |
| 5.3.1 水声通信环境分析 |
| 5.3.2 水声通信技术 |
| 5.3.3 水声通信信号 |
| 5.3.4 水声混沌通信研究状况 |
| 5.4 水声混沌通信的可行性考虑 |
| 5.5 水声混沌通信方案 |
| 第六章 混沌伪随机序列构造与图像信息加密技术 |
| 6.1 混沌映射 |
| 6.2 分段线性混沌映射 |
| 6.3 Chebyshev混沌映射 |
| 6.3.1 Chebyshev混沌序列的量化方法 |
| 6.3.2 Chebyshev量化序列的汉明相关性能 |
| 6.3.3 Chebyshev量化序列的跳频距离 |
| 6.4 混沌图像加密应用 |
| 6.4.1 黑白图像混沌加密 |
| 6.4.2 灰度图像混沌加密 |
| 第七章 水声混沌跳频通信技术 |
| 7.1 水声混沌跳频通信 |
| 7.2 水声混沌跳频通信方案 |
| 7.3 水声FH系统仿真 |
| 7.3.1 跳频图案讨论 |
| 7.3.2 FH性能仿真 |
| 第八章 全文总结 |
| 参考文献 |
| 攻博期间已发表和录用的学术论文 |
| 致谢 |
（7）水资源智能模式识别方法及其应用（论文提纲范文）
| 第一章 绪论 |
| 1.1 前言 |
| 1.2 水资源模式识别方法 |
| 1.3 水资源智能模式识别方法 |
| 1.4 本论文研究的主要内容 |
| 第二章 基于遗传算法的水资源智能模式识别方法及其应用 |
| 2.1 引言 |
| 2.2 遗传算法概述 |
| 2.3 基于串并联结构的格雷码加速遗传算法 |
| 2.4 基于SS-GAGA的河流水质模型参数智能模式识别方法 |
| 2.5 小结 |
| 第三章 基于模糊集理论的水资源智能模式识别方法及其应用 |
| 3.1 引言 |
| 3.2 模糊聚类分析方法 |
| 3.3 对应分析方法 |
| 3.4 基于模糊C-均值聚类与对应分析方法的智能模式识别方法的建立 |
| 3.5 用CFA-FCM模型识别巢湖流域非点源污染物来源 |
| 3.6 用CFA-FCM模型识别武汉东湖污染物来源 |
| 3.7 小结 |
| 第四章 基于人工神经网络的水资源模式识别方法及其应用 |
| 4.1 引言 |
| 4.2 人工神经网络概述 |
| 4.3 BP网络方法的建立 |
| 4.4 用基于BP人工神经网络的模式识别方法预测济南地下水位 |
| 4.5 小波网络方法的建立 |
| 4.6 用基于小波网络的模式识别方法评价东湖水质现状 |
| 4.7 小结 |
| 第五章 基于时间序列的水资源智能模式识别方法及其应用 |
| 5.1 引言 |
| 5.2 遗传门限自回归方法(TAR)的建立 |
| 5.3 用遗传门限自回归方法(TAR)预测土壤含水量 |
| 5.4 遗传门限混合回归方法(THR)的建立 |
| 5.5 用遗传门限混合回归方法(THR)预测济南地下水位动态变化 |
| 5.6 小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
（9）基于分形理论和演化算法的灰度图像压缩（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 分形理论 |
| 1.2.1 分形的定义及其性质 |
| 1.2.2 分形的图像模型 |
| 1.2.3 迭代函数系统 |
| 1.3 分形在编码压缩中的作用 |
| 1.4 本论文的主要内容 |
| 第二章 迭代函数系统IFS |
| 2.1 IFS的起源与发展 |
| 2.2 分形空间 |
| 2.3 分形空间上的压缩映射 |
| 2.4 迭代函数系统 |
| 2.5 仿射变换 |
| 2.6 用迭代函数系统构造分形 |
| 2.6.1 确定性算法 |
| 2.6.2 随机迭代算法 |
| 2.7 带映射的局部迭代函数系统（LIFSM） |
| 2.8 迭代函数系统压缩图像 |
| 2.8.1 基于IFS实现图像压缩 |
| 2.8.2 分割迭代函数系统 |
| 第三章 演化算法 |
| 3.1 演化算法的起源和研究内容 |
| 3.2 设计演化算法的基本原则 |
| 3.3 设训演化算法的基本步骤 |
| 3.4 编码表示 |
| 3.4.1 位串编码 |
| 3.4.2 实数编码 |
| 3.4.3 有序串编码 |
| 3.4.4 结构式编码 |
| 3.5 适应性的度量 |
| 3.5.1 原始适应函数 |
| 3.5.2 标准适应函数 |
| 3.5.3 适应值的调节 |
| 3.6 选择策略 |
| 3.6.1 转盘式选择 |
| 3.6.2 基于排名的选择 |
| 3.6.2.1 线性排名选择 |
| 3.6.2.2 非线性排名选择 |
| 3.6.3 基于局部竞争机制的选择 |
| 3.6.3.1 锦标赛选择 |
| 3.6.3.2 （μ，λ）和μ+λ选择 |
| 3.7 演化算子的设计 |
| 3.7.1 杂交算子 |
| 3.7.1.1 单点杂交 |
| 3.7.1.2 双点杂交与多点杂交 |
| 3.7.1.3 均匀杂交 |
| 3.7.1.4 算术杂交 |
| 3.7.2 变异算子 |
| 3.7.2.1 基本位变异 |
| 3.7.2.2 均匀变异 |
| 3.7.2.3 非均匀变异 |
| 第四章 基于分形理论的灰度图像压缩方法 |
| 4.1 图像压缩的基本原理 |
| 4.2 图像压缩编码的分类 |
| 4.2.1 无失真编码 |
| 4.2.2 限失真编码 |
| 4.3 图像质量的判别标准 |
| 4.3.1 客观评价 |
| 4.3.2 主观评价 |
| 4.4 静态灰度图像的分形压缩方法 |
| 4.4.1 图像编码的基本操作 |
| 4.4.2 全局分块搜索算法 |
| 4.4.3 分级分块搜索算法 |
| 4.4.3.1 固定门限编码算法 |
| 4.4.3.2 自适应门限值的编码方案 |
| 4.4.4 分类分块搜索算法 |
| 4.4.4.1 线性分类法 |
| 4.4.4.2 四分之一块的灰度排列分类法 |
| 4.4.5 基于块的分形图像压缩（RBFC） |
| 4.4.5.1 合并标准 |
| 4.4.5.2 不规则分形编码 |
| 第五章 基于演化算法的灰度图像压缩 |
| 5.1 思想的产生 |
| 5.2 步骤简介 |
| 5.3 分形图像的预处理 |
| 5.3.1 分类处理 |
| 5.3.2 匹配域预处理 |
| 5.4 染色体编码 |
| 5.5 适应度函数 |
| 5.6 遗传算子 |
| 5.6.1 杂交算子 |
| 5.6.2 变异算子 |
| 5.7 选择策略 |
| 5.7.1 采样空间 |
| 5.7.2 采样机理 |
| 5.7.3 选择概率 |
| 5.8 提出演化计算的基本模型 |
| 5.9 实验结果 |
| 5.10 各种方法实验结果的比较 |
| 5.11 结论和讨论 |
| 参考文献 |
| 附录 |
| 致谢 |
（10）基于小波和神经网络的大规模模拟电路故障诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 模拟电路故障诊断的意义 |
| 1.2 模拟电路故障诊断技术的发展与现状 |
| 1.3 本文的思路与主要内容 |
| 1.3.1 本文的思路 |
| 1.3.2 本文的主要内容 |
| 1.3.3 本文的主要创新点 |
| 第2章 大规模模拟电路的子电路定位方法 |
| 2.1 单支路的屏蔽原理 |
| 2.1.1 无容差电路的单支路屏蔽原理 |
| 2.1.2 容差电路单支路的屏蔽原理 |
| 2.2 子电路的屏蔽方法 |
| 2.2.1 无容差子电路的屏蔽方法 |
| 2.2.2 容差子电路的屏蔽方法 |
| 2.2.2.1 容差电路可行域遗传算法设计 |
| 2.2.2.2 容差子网络的屏蔽方法 |
| 2.2.3 子网络的可诊断性条件 |
| 2.3 大规模电路的屏蔽诊断方法 |
| 2.3.1 单子网络故障屏蔽法 |
| 2.3.2 多子网络故障屏蔽法 |
| 2.3.3 大规模电路故障诊断 |
| 2.3.4 诊断实例 |
| 2.4 屏蔽法的逻辑矩阵故障定位 |
| 2.5 交叉撕裂诊断法 |
| 2.6 讨论 |
| 2.7 本章小结 |
| 第3章 大规模电路的神经网络诊断方法 |
| 3.1 子电路的神经网络诊断 |
| 3.1.1 子电路的神经网络诊断步骤 |
| 3.1.2 子电路的容差分析与处理 |
| 3.1.3 学习算法 |
| 3.1.4 诊断实例 |
| 3.1.5 网络优化对故障诊断率的影响 |
| 3.1.5.1 网络权值优化故障诊断率的影响 |
| 3.1.5.2 隐层节点数权值优化对故障诊断率的影响 |
| 3.1.5.3 同时优化结构和权值对故障诊断率的影响 |
| 3.1.5.4 混沌遗传算法故障诊断率的影响 |
| 3.1.5.5 演化遗传算法与BP算法的比较 |
| 3.2 大规模电路的神经网络故障诊断 |
| 3.2.1 大规模电路的撕裂原则 |
| 3.2.2 大规模电路的神经网络诊断 |
| 3.3 本章小结 |
| 第4章 故障模式模糊性的减少—电路激励设计 |
| 4.1 测试节点的选择原则 |
| 4.2 故障模式模糊性的降低设计-电路激励的设计原则 |
| 4.2.1 故障模式模糊性的降低设计1-电路激励的选择原则1 |
| 4.2.2 故障模式模糊性的降低设计2—电路激励的选择原则2 |
| 4.3 基于遗传算法的激励设计算法 |
| 4.4 设计实例 |
| 4.5 本章小结 |
| 第5章 模拟电路故障辨识方法的优化—小波神经网络法 |
| 5.1 模拟电路故障特征的小波分析法提取 |
| 5.1.1 小波分析 |
| 5.1.2 模拟电路故障特征向量的小波分析法提取 |
| 5.2 模拟电路故障特征向量的小波包提取 |
| 5.2.1 小波包分解的能量守恒原理 |
| 5.2.2 容差电路特征向量的小波包提取 |
| 5.2.2.1 容差电路的小波包分解可行域求解方法 |
| 5.2.2.2 容差电路的故障特征向量选择 |
| 5.3 模拟电路故障辨识方法的优化—小波神经网络法 |
| 5.3.1 函数型小波神经网络故障诊断方法 |
| 5.3.1.1 函数型小波神经网络 |
| 5.3.1.2 小波基元的选取 |
| 5.3.1.3 故障诊断学习算法 |
| 5.3.2 权值型小波神经网络故障诊断方法 |
| 5.3.2.1 权值型小波神经网络 |
| 5.3.2.2 学习算法 |
| 5.3.3 故障诊断实例 |
| 5.4 小波神经网络优化对诊断率的影响的研究 |
| 5.5 小波概率和小波模糊神经网络诊断 |
| 5.5.1 概率神经网络诊断 |
| 5.5.1.1 概率神经网络 |
| 5.5.1.2 小波(包)概率神经网络诊断 |
| 5.5.2 模拟电路的小波模糊神经网络故障诊断 |
| 5.5.2.1 小波模糊神经网络 |
| 5.5.2.2 小波(包)模糊神经网络诊断 |
| 5.6 讨论 |
| 5.7 本章小结 |
| 第6章 模拟电路故障信息融合诊断方法 |
| 6.1 模拟电路故障的电流特征提取和诊断方法 |
| 6.1.1 故障电流特征的提取 |
| 6.1.2 故障电流特征的分析 |
| 6.1.3 故障电流特征的设计 |
| 6.2 模拟电路故障信息融合诊断方法 |
| 6.2.1 子电路故障信息融合诊断 |
| 6.2.2 大规模电路的子网络分层神经网络 |
| 6.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A (攻读学位期间发表的学术论文) |
| 附录B (学术论文中的权威刊物论文和被收录论文) |
| 附录C (攻读学位期间参加的科研项目) |
四、基于演化算法的小波门限值选择（论文参考文献）
- [1]地震数据采集站载波相位差分定位算法研究[D]. 李洪刚. 河北地质大学, 2018(09)
- [2]基于经验模态分解的网络流量检测与分析方法[D]. 苟玲. 电子科技大学, 2018(09)
- [3]基于演化模糊神经网络的高速公路浅层质量评价算法研究[D]. 姜玉玲. 南昌大学, 2012(12)
- [4]古籍手写汉字图像分割算法研究[D]. 朱雷. 重庆大学, 2011(12)
- [5]基于生物特征的真随机数发生器的研究与设计[D]. 胡月. 重庆大学, 2008(06)
- [6]混沌信号处理与信息加密传输技术研究[D]. 梁峰. 西北工业大学, 2006(03)
- [7]水资源智能模式识别方法及其应用[D]. 王宗志. 合肥工业大学, 2005(04)
- [8]基于演化算法的小波门限值选择[J]. 周育人,王勇. 武汉化工学院学报, 2002(04)
- [9]基于分形理论和演化算法的灰度图像压缩[D]. 郭京蕾. 武汉理工大学, 2002(02)
- [10]基于小波和神经网络的大规模模拟电路故障诊断研究[D]. 谭阳红. 湖南大学, 2005(07)