分享7篇关于数据分类的计算机专业论文

今天分享的是关于数据分类的7篇计算机毕业论文范文, 如果你的论文涉及到数据分类等主题,本文能够帮助到你

基于域适应的迁移学习方法研究

这是一篇关于迁移学习,域适应,数据分类,生成对抗网络的论文, 主要内容为随着互联网时代的来临,各种机器学习方法在大数据分析、计算机视觉等领域实践中取得了长足发展。传统的机器学习方法多是假设训练数据与测试数据独立同分布,然而,由于实际应用数据的复杂性,上述假设往往难以成立。因此,分析待测数据的隐藏信息并挖掘相关的已知数据信息成为现代机器学习的研究热点。迁移学习放宽了训练数据与测试数据独立同分布这一约束,旨在利用与目标域数据不同但相关的源域数据辅助完成目标域任务,实现已有知识在领域间的迁移及复用。本文主要针对迁移学习中的域适应问题,从不同方面系统性的进行研究。首先,针对存在单一源域情况,研究如何有效的提取样本特征并选择最佳特征分布对齐方法提升迁移效果。提出一种基于联合度量的对抗域适应模型。利用空洞卷积层设计补充网络联合Res Net50共同提取样本特征,扩大Res Net50的感受野范围,有效的提取样本细节特征与全局特征。同时,考虑样本边缘分布及条件分布,分别设计联合优化方法,有效的对齐不同域间的样本特征分布。实验表明,该模型能够利用单一源域数据辅助无标记的目标域数据良好的完成分类工作。其次,针对现实中存在多个源域情况,研究如何利用多个存在差异的源域更好的解决目标域任务。提出一种基于主特征选择的多源对抗域适应迁移学习模型。模型将特征提取网络分两步骤训练。首先,基于所有源域数据训练域共享特征提取网络,通过设置该网络与特征鉴别器对抗提取有利于样本分类的主特征。然后,基于各个源域与目标域一起训练域共享及域特定特征提取网络。为每个源域搭建分类器,通过设置特征提取网络与各个源域分类器对抗进一步提取样本主特征。同时,考虑到整体域差异的存在,基于每个源域搭建域鉴别器与特征提取网络对抗学习域不变特征。实验表明,该模型能融合多个源域的优势,有效降低杂乱背景对目标域分类的影响。最后,针对源域标签集是目标域标签集的子集,研究如何避免负迁移以更好的完成迁移学习。提出一种基于联合样本分离的开放集对抗域适应模型。将整体模型分三步骤训练。首先,基于源域数据,设定与当前类别平均距离最近的类别样本为负样本,联合当前类别样本训练多二元分类器,增强该分类器的泛化性。然后,提出联合样本分离方法,利用不同的样本选择方法挑选样本对,训练不同的目标域样本类别鉴别器,得到目标域样本属于“未知类”的权重。最终利用所得权重训练域判别器及目标域分类器,对齐域间共有类别样本特征,并将目标域样本准确分类。实验表明,该模型能有效的将域间共有类别样本对齐,降低目标域私有类别带来的负迁移影响。

基于Hellinger距离相似性度量的协同过滤推荐算法研究

这是一篇关于Hellinger距离,协同过滤,个性化推荐,相似性度量,数据分类的论文, 主要内容为近年来,随着互联网的快速发展,人们已经进入了大数据时代,各种信息数据都在实现着爆炸式的指数型增长,数据信息量处于过载状态。个性化推荐系统作为解决信息过载问题的有效手段,现已经广泛地应用到如电商平台,电影推荐,音乐推荐等各个领域当中,对于推荐算法的不断优化和改进,不仅能够提高用户体验,还能带来一定的商业价值,推动其他行业的发展。在推荐系统中推荐算法是最为关键的部分,良好的推荐算法能快速且较为准确的预测用户行为。如此之多的个性化推荐算法当中,协同过滤算法由于其简单,高效,准确的特点,从众多的个性化推荐算法中脱颖而出,成为目前应用最为广泛应用,最为经典的推荐技术。由于数据量的不断增大,这使得协同过滤算法面临数据稀疏和系统冷启动等难题。国内外科研学者对于此难题也都提出了各自的解决办法,通过避免或者缓解上述问题,能够有效提高推荐结果的准确性。本文提出一种新颖的相似度度量方式,基于Hellinger距离相似度的推荐算法,该方法有别于目前协同过滤算法中常用到的相似性度量方法,通过从评分概率分布的角度计算项目间的相似度。为了验证该方法的有效性,本文设计了三个对比实验。首先,将传统的相似性计算方法得到的推荐结果与本文基于Hellinger距离的相似性度量得到推荐结果进行对比,实验结果表明本文相似性度量方法应用于协同过滤推荐算法中是可行的,且算法有着良好准确度。其次,本文提出将数据集分类粒化的方法,在分类后的数据集合中计算项目相似度,通过与未分类数据对比实验,验证了经分类处理后的相似性度量能提高算法准确度。最后,将本文算法和Slope One算法进行对比实验,探究其与经典协同过滤推荐算法的整体表现差异。本文提出的方法能够有效地避免相似度计算过程中评分矩阵的数据稀疏性问题,并且相似度计算结果更加精确。

基于剖面数据的海洋涡旋识别与参数反演AI方法

这是一篇关于海洋涡旋识别,参数反演,深度学习,剖面数据,数据分类的论文, 主要内容为海洋涡旋数量大、分布广、含能高、裹挟强,是研究物质循环、能量级联和圈层耦合的理想载体,对人类活动和海洋科学领域有着重要的意义。基于涡旋的动态海平面异常和温度异常特征,传统海洋学的涡旋检测方法通常依赖专家手动设置阈值或调整参数,无法保证准确度且不能适用于所有的海洋领域。同时,由于卫星高度计分辨率较低,近90%的海洋涡旋引起的海平面动态异常无法被观测到。本文结合垂直剖面数据和高度计校准的海洋温度数据提出了一种深度神经网络模型,用于识别海洋涡旋并反演相应的属性信息。该研究成果对于人类活动和海洋科学领域都有着重要的意义。本文研究内容如下:(1)构建海洋涡旋剖面数据集,包括投弃式温深计(Expendable Bathythermograph,XBT)数据和实时地转海洋学阵列(Array for Real-time Geostrophic Oceanography,Argo)数据。同时,我们还创建了由卫星高度计所观察到的海表面异常(Sea Level Anomaly,SLA)数据集,作为最终涡旋识别的真值。(2)构建了一种带有自注意力机制的深度神经网络模型EDTR,适用于两种不同的垂直剖面数据。我们比较了Res Net34、Mobile Net V2和Efficient V1等神经网络在分类结果上的表现,并最终选择了EDTR作为分类模型。EDTR模型通过自注意力机制来分析垂直剖面数据之间的相关性,并通过信息融合的方式对XBT和Argo数据进行分类。最终,该模型在两种垂直剖面数据上分别达到了98.22%和99.02%的准确率。(3)我们使用EDTR模型对高度计无法识别的涡旋进行了重新分类,进而识别到了更多新的涡旋。为了验证这些新识别涡旋的真实性,我们进行了分布模式验证和海表面温度异常(Sea Surface Temperature Anomaly,SSTA)独立验证。此外,我们使用机器学习的不同方法,反演出了新识别涡旋的半径、振幅和能量等属性。

基于微信公众平台的满天星设备管理系统

这是一篇关于微信公众平台,设备管理,SSH框架,BP神经网络,数据分类的论文, 主要内容为随着互联网时代的到来,网络成为人们生活中如空气一般的存在,在人们的工作、学习、生活各个方面都不可或缺。而人们对于网络设备的需求也变得多样,尤其是无线wifi共享热点,成为了主要的网络使用方式。同时,在智能化城市的推进中,人们对公交车、地铁、私家车中的车载移动wifi需求迫切。在市场需求的推动下,很多企业竞相研发创新产品,投入市场。移动网络设备像满天繁星似的散布在城市的不同位置,设备生产商需要对数量庞大、分布广的网络设备进行分布式的管理和数据资源的整合。作者所在实习公司主要从事网络硬件设备的固件研发及软件管理平台的打造,为了满足市场需求、推广新款产品车载移动wifi,研发了基于微信公众平台的满天星设备管理系统。系统的研发基于作者对市场上现有同类设备的充分调研、对热门微信公众号的全面分析,把握难点并汲取亮点,进行了需求分析。同时,充分考虑了软件系统的易用性、可拓展性及功能性需求,设计并实现了基于微信公众平台的满天星设备管理系统。系统的特色功能模块包括微信公众号上的设备绑定、流量购买、设备连接用户的管理等。通过对目前企业开发中主流技术框架的分析和对比,考虑优缺点及开发需求,本文给出了一套完整的技术解决方案。系统在研发中,移动终端采用微信开发者模式下的开发,在创建公众号、获取所需接口权限、通过开发者服务器的验证后,实现了微信公众平台服务器与开发者服务器之间的数据交互,开发者设计实现了自主的业务逻辑处理程序,响应用户的请求。系统的后台满天星管理平台采用SSH框架,前端实现运用了包含多样、丰富组件的Bootstrap框架,在保障功能需求实现的基础上为用户提供简洁清晰、友好的操作和显示界面,带来更好的观感及实用性。针对用户种类庞杂、管理员设计流量套餐模版困难的问题,本文运用BP神经网络,构建了三层神经网络模型,将车载移动wifi设备用户进行了分类,为公司的商业营销决策提供了参考依据。本系统目前处于在线使用状态,其相关功能、性能均符合了设备用户、系统管理者的需求。实践表明,本文提出的有针对性的技术解决方案和设计思路,充分考虑了多方需求和企业开发成本,有较好的实用价值和借鉴意义。

智能代理在电子商务中的应用与研究

这是一篇关于智能代理,电子商务,数据分类,数据关联,安全认证的论文, 主要内容为随着人们生活质量的不断提高，人们已经不再满足于传统的、基于互联网的电子商务模式，而是需要能代替人并且具有一定逻辑推理能力、自学习能力、交流能力的智能化的电子交易模式。因为智能代理具有自主性、交互性、智能性等特点，所有必要将智能代理和电子商务结合起来。将智能代理应用于电子商务是一个新的课题，国内外在此领域的理论研究还处于起步阶段，还没有成熟的实际系统。在分析、研究和总结了智能代理和电子商务的理论的基础上，本论文主要在以下三方面作了一些研究：1提出了能够应用于电子商务的智能代理框架结构，2为智能决策提出了多阶加权智能算法，3利用JSP开发了一个原型系统。本文的内容结构如下： 1．本文在总结、分析了诸多对智能代理的描述的基础上，提出了智能代理的框架结构。 2．由于智能代理是要代替顾客去完成任务，因此要分析顾客对商品的喜好，这就需要对顾客过去的购物数据进行分析，然后再对顾客今后的购物行为进行预测，本文对数据的分类、预测等作了介绍。 3．安全认证是电子商务中非常重要的部分，本文也介绍了有关安全认证的理论。 4．在对购物行为的特点进行了仔细的研究后，提出了用于智能决策的多阶加权算法，此算法的特点是：算法简单、计算速度快、实现方便。 5．在多阶加权智能算法的基层上，利用JSP开发一个原型系统。系统采用JSP是因为A．JSP比CGI具有更好的性能和扩展性；B．JSP不需用指定的客户端设置；C．JSP对HTTP会话提供嵌入式支持，使编写更容易。美国的研究人员已经成功的开发了一套基于智能代理的网上拍卖的原型系统；我国在这方面的研究还处于起步阶段，还有很多工作要做。