|
|
|
基于机器学习的算法设计以及在智能系统中的应用 |
|
论文目录 |
|
摘要 | 第4-5页 | Abstract | 第5-6页 | 专用术语注释表 | 第9-11页 | 第一章 绪论 | 第11-18页 | 1.1 研究背景 | 第11-12页 | 1.2 研究现状与意义 | 第12-16页 | 1.2.1 机器学习于计算机视觉 | 第12-15页 | 1.2.2 机器学习于通信 | 第15-16页 | 1.3 研究内容安排 | 第16-18页 | 第二章 机器学习算法相关知识 | 第18-26页 | 2.1 回归与分类算法 | 第18-20页 | 2.1.1 线性回归 | 第18-19页 | 2.1.2 逻辑回归 | 第19页 | 2.1.3 决策树 | 第19-20页 | 2.1.4 支持向量机 | 第20页 | 2.2 聚类算法 | 第20-22页 | 2.2.1 K-means | 第21页 | 2.2.2 层次聚类法 | 第21-22页 | 2.3 梯度下降 | 第22-23页 | 2.4 反向传播算法 | 第23-24页 | 2.5 交叉熵算法 | 第24-25页 | 2.6 本章小结 | 第25-26页 | 第三章 基于机器学习算法的高压传输线检测算法设计 | 第26-48页 | 3.1 计算机视觉相关理论 | 第26-28页 | 3.1.1 计算机视觉 | 第26-27页 | 3.1.2 图像处理 | 第27-28页 | 3.2 高压传输线检测算法设计 | 第28-37页 | 3.2.1 算法设计思路 | 第28页 | 3.2.2 图像预处理模块设计 | 第28-31页 | 3.2.3 边缘检测模块设计 | 第31-32页 | 3.2.4 基于机器学习的高压传输线识别模块设计 | 第32-37页 | 3.3 高压传输线检测算法实现及结果 | 第37-46页 | 3.3.1 算法实现平台和第三方库 | 第37-38页 | 3.3.2 图像预处理实现结果 | 第38-41页 | 3.3.3 边缘检测实现结果 | 第41-42页 | 3.3.4 基于机器学习的高压传输线识别实现结果 | 第42-46页 | 3.4 本章小结 | 第46-48页 | 第四章 基于机器学习算法的大规模MIMO预编码方案分析 | 第48-59页 | 4.1 系统模型 | 第48-51页 | 4.1.1 基于相移器的预编码结构 | 第49-50页 | 4.1.2 基于开关的预编码结构 | 第50页 | 4.1.3 基于开关与逆变器的预编码结构 | 第50-51页 | 4.2 基于自适应交叉熵的预编码算法 | 第51-54页 | 4.3 性能分析结果 | 第54-57页 | 4.3.1 用户数量K相关系统性能分析 | 第54-56页 | 4.3.2 天线数量N相关系统性能分析 | 第56页 | 4.3.3 候选F_(RF)的数量S与精英FRF的数量S_(elite)之比ρ相关系统性能分析 | 第56-57页 | 4.4 本章小结 | 第57-59页 | 第五章 总结与展望 | 第59-61页 | 参考文献 | 第61-64页 | 附录1 程序清单 | 第64-65页 | 附录2 攻读硕士学位期间撰写的论文 | 第65-66页 | 附录3 攻读硕士学位期间申请的专利 | 第66-67页 | 附录4 攻读硕士学位期间参加的科研项目 | 第67-68页 | 致谢 | 第68页 |
|
|
|
|
论文编号BS727785,这篇论文共68页 会员购买按0.35元/页下载,共需支付23.8元。 直接购买按0.5元/页下载,共需要支付34元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|