策略28

　　基于目标检测与跟踪的视频辅助标注系统论文目录摘要第1-6页ABSTRACT第6-11页第一章绪论第11-17页　研究背景与意义第11-12页　国内外研究现状第12-13页　论文主要工作第13-14页　论文结构第14-17页第二章相关技术概述第17-29页　目标检测算法第17-23页　　两阶段目标检测算法第17-19页　　一阶段目标检测算法第19-23页　目标跟踪算法第23-25页　　经典算法第23-24页　　相关滤波第24-25页　　深度学习第25页　前后端开发技术第25-27页　　框架第25页　　框架第25-26页　　格式第26页　　格式第26页　　格式第26-27页　本章小结第27-29页第三章辅助标注系统需求分析第29-35页　需求概述第29-30页　功能性需求分析第30-33页　　业务需求分析第30-32页　　技术需求分析第32-33页　非功能性需求分析第33-34页　　性能需求分析第33页　　可扩展性需求分析第33-34页　　易用性需求分析第34页　本章小结第34-35页第四章辅助标注方法设计与评估第35-51页　引言第35页　辅助标注算法第35-42页　　算法概述第35-36页　　目标检测第36-38页　　目标跟踪第38-40页　　目标指派第40页　　算法流程第40-42页　关键帧提取第42-45页　　场景切换关键帧提取第42-44页　　易错关键帧提取第44-45页　人工校验规则第45-46页　辅助标注方法流程第46-47页　实验与分析第47-50页　本章小结第50-51页第五章辅助标注系统的设计与实现第51-65页　系统设计原则第51-52页　系统总体设计第52-53页　系统概要设计第53-57页　　自动标注模块概要设计第54页　　关键帧提取模块概要设计第54-55页　　人工校验模块概要设计第55-56页　　文件管理模块概要设计第56-57页　系统详细设计与实现第57-64页　　自动标注模块详细设计与实现第57-59页　　关键帧提取模块详细设计与实现第59-61页　　人工校验模块详细设计与实现第61-62页　　文件管理模块详细设计与实现第62-64页　本章小结第64-65页第六章辅助标注系统测试第65-75页　系统测试环境第65页　系统功能测试第65-69页　非功能测试第69-71页　应用测试第71-73页　本章小结第73-75页第七章总结与展望第75-77页　工作总结第75-76页　未来展望第76-77页参考文献第77-81页致谢第81页本篇论文共81页，。个性化推荐的城市穿越与定向运动平台的设计与实现论文目录摘要第1-6页ABSTRACT第6-11页第一章绪论第11-17页　研究背景及意义第11-12页　研究现状第12-14页　论文主要工作第14页　论文组织结构第14-17页第二章相关技术第17-23页　推荐技术的定义第17页　词向量化技术第17-18页　　第17-18页　　第18页　相关推荐算法与工具库第18-20页　　第18-19页　　第19页　　第19-20页　推荐评价指标第20-22页　　混淆矩阵第20-21页　　曲线与AUC第21页　　均方误差MSE第21-22页　相关研发技术第22页　本章小结第22-23页第三章基于DSSM与FM结合的模型研究第23-31页　问题描述第23页　数据预处理第23-25页　基于DSSM与FM结合的模型构建第25-28页　　模型构建思路第25-28页　　总体流程与模型结构第28页　实验验证第28-30页　　实验配置与参数第28-29页　　实验结果与分析第29-30页　本章小结第30-31页第四章平台需求分析第31-39页　平台总体概述第31-33页　　角色定义与分析第31页　　功能概述及用例分析第31-33页　平台功能性需求分析第33-37页　　端需求分析第33-37页　　端需求分析第37页　　后端需求分析第37页　平台非功能性需求分析第37-38页　本章小结第38-39页第五章平台概要设计第39-53页　总体架构设计第39-40页　功能模块划分第40-48页　　端功能模块设计第40-46页　　端功能模块设计第46-48页　后端数据接口设计第48-52页　数据库设计第52页　本章小结第52-53页第六章平台详细设计与实现第53-73页　前端功能模块的详细设计与实现第53-65页　　端详细设计与实现第53-61页　　端详细设计与实现第61-65页　后端详细设计与实现第65-70页　数据表实现第70-72页　本章小结第72-73页第七章平台测试第73-87页　测试环境第73页　功能测试第73-85页　性能测试第85-86页　本章小结第86-87页第八章总结与展望第87-89页　总结第87页　展望第87-89页参考文献第89-93页致谢第93-95页攻读学位期间发表的学术论文目录第95页本篇论文共95页，。基于LDA主题模型和ALS协同过滤的节目推荐算法论文目录摘要第1-7页ABSTRACT第7-12页第一章绪论第12-15页　课题研究背景和意义第12-13页　本文研究内容第13-14页　论文组织结构第14-15页第二章推荐算法和Spark平台介绍第15-29页　推荐算法的研究现状第15-16页　常见协同过滤推荐算法的介绍第16-22页　　基于用户的协同过滤第16-17页　　基于项目的协同过滤第17-18页　　基于模型的协同过滤第18-19页　　基于ALS矩阵分解的协同过滤第19-21页　　协同过滤算法的比较与选择第21-22页　主题模型概述第22-25页　　的模型推演过程第22-24页　　主题模型的适用性第24-25页　分布式大数据计算框架第25-27页　　的并行计算与任务调度第25-26页　　弹性分布式数据结构RDD第26-27页　　简介第27页　当前主要问题第27-28页　本章小结第28-29页第三章基于LDA主题模型的评分矩阵稀疏度优化算法第29-45页　主题模型求解和训练的介绍第29-32页　　抽样方法对LDA模型的求解第29-31页　　模型的训练第31-32页　节目评分矩阵稀疏度优化算法的设计第32-39页　　数据文件介绍和预处理第32-33页　　文件读取的改进和主题分布的求解第33-34页　　求解矩阵的相似性算法第34-35页　　降低评分矩阵稀疏度的算法设计第35-37页　　改进算法的性能评估与适用性分析第37-39页　基于LDA主题模型的评分矩阵稀疏度优化算法的并行化实现第39-44页　　模型的并行化第39-41页　　节目评分矩阵稀疏度优化算法的并行化第41-43页　　并行化算法的复杂度与性能分析第43-44页　本章小结第44-45页第四章基于动态加权的ALS协同过滤算法的改进第45-54页　协同过滤算法的优缺点第45页　动态加权用户和节目的协同过滤推荐算法的设计第45-50页　　基于特征矩阵的用户协同过滤第45-46页　　基于特征矩阵的项目协同过滤第46-47页　　动态加权用户和节目特征矩阵的协同过滤第47-49页　　改进算法的性能评估与适用性分析第49-50页　基于动态加权的ALS协同过滤算法的并行化实现第50-53页　　矩阵分解的并行化第50-51页　　基于特征矩阵的协同过滤算法的并行化第51-52页　　动态加权协同过滤算法的并行化第52-53页　　并行化算法的复杂度分析第53页　本章小结第53-54页第五章实验设计与结论分析第54-61页　并行算法实验仿真第54-55页　　实验数据集第54页　　实验环境第54-55页　推荐结果评估标准第55页　实验设计与结果分析第55-59页　　主题模型对推荐算法的提升第55-57页　　动态加权融合协同过滤算法的合理性第57-58页　　推荐算法并行化实现的性能评估第58-59页　本章小结第59-61页总结与展望第61-63页参考文献第63-68页致谢第68-69页附录第69页本篇论文共69页，。

　　国际贸易类文章3213篇，页次：1/36页【‖上一页‖‖】转到页[字数:3122点击:5][字数:3431点击:5][字数:5929点击:15][字数:3771点击:10][字数:2497点击:10][字数:5536点击:15][字数:3737点击:3][字数:3997点击:8][字数:6815点击:3][字数:4283点击:12][字数:3258点击:7][字数:3124点击:12][字数:2654点击:13][字数:3557点击:18][字数:3158点击:15][字数:6536点击:14][字数:4730点击:16][字数:7799点击:9][字数:5364点击:16][字数:4114点击:15][字数:9803点击:6][字数:6016点击:3][字数:9353点击:16][字数:4086点击:7][字数:3866点击:13][字数:5752点击:8][字数:2885点击:9][字数:6414点击:8][字数:4447点击:18][字数:6656点击:15][字数:3515点击:7][字数:3550点击:8][字数:5717点击:4][字数:5364点击:15][字数:2705点击:15][字数:2751点击:2][字数:5554点击:18][字数:2127点击:10][字数:2270点击:1][字数:2222点击:2][字数:2216点击:17][字数:2056点击:9][字数:3334点击:11][字数:2810点击:1][字数:6850点击:16][字数:1992点击:2][字数:2279点击:1][字数:4520点击:6][字数:2695点击:10][字数:2125点击:5][字数:2572点击:4][字数:5005点击:2][字数:1190点击:4][字数:2159点击:9][字数:3935点击:4][字数:5232点击:7][字数:4178点击:12][字数:3615点击:0][字数:1452点击:15][字数:2917点击:2][字数:2604点击:13][字数:1926点击:0][字数:5129点击:13][字数:3838点击:9][字数:2786点击:11][字数:10216点击:18][字数:2059点击:9][字数:2813点击:12][字数:6126点击:6][字数:9314点击:14][字数:3527点击:13][字数:4005点击:17][字数:11646点击:11][字数:2882点击:11][字数:2645点击:1][字数:4016点击:5][字数:3634点击:6][字数:2998点击:10][字数:2963点击:12][字数:2567点击:3][字数:2876点击:8][字数:5788点击:5][字数:4646点击:0][字数:2322点击:13][字数:3186点击:9][字数:2098点击:8][字数:1591点击:18][字数:4909点击:8][字数:8207点击:11][字数:2957点击:0]三维可视化教学资源的设计与实现论文目录摘要第1-7页ABSTRACT第7-11页第一章绪论第11-17页　研究背景第11-12页　国内外研究现状第12-15页　　国外研究现状第12-14页　　国内研究现状第14-15页　研究方法第15页　研究意义第15-16页　论文的组织结构第16-17页第二章三维可视化教学资源第17-25页　可视化教学资源概述第17-18页　　可视化教学资源第17页　　可视化教学资源的必要性第17-18页　三维可视化教学资源概述第18-20页　三维可视化教学资源应用理论基础第20-22页　三维可视化教学资源的优势第22-25页第三章三维可视化教学资源的设计第25-35页　三维可视化教学资源应用的影响因素第25-27页　　制作成本高、实现难度大第25-26页　　三维可视化教学资源研究不成熟第26-27页　　政府推广支持力量薄弱第27页　三维可视化教学资源的设计原则第27-29页　三维可视化教学资源的制作第29-35页　　制作软件选择第29-31页　　素材采集第31-35页第四章三维可视化教学资源的制作第35-55页　三维可视化教学资源设计思想第35-36页　三维可视化教学资源制作流程第36-40页　　前期分析准备第36-38页　　案例脚本设计第38-39页　　制作加工第39-40页　案例成果输出第40-55页　　排序算法第41-45页　　排队系统第45-55页第五章三维可视化教学资源的测试评价第55-63页　评价方法第55页　问卷调查结果分析第55-63页　　排序算法第55-58页　　排队系统第58-60页　　问卷结果分析小结第60-63页第六章总结与展望第63-67页　研究结论第63页　工作及创新第63-64页　研究局限第64-65页　研究展望第65-67页参考文献第67-71页附录一第71-73页致谢第73-75页攻读学位期间发表的学术论文目录第75页本篇论文共75页，。

　　基于移动终端手指操作行为的身份认证方法的研究与实现论文目录摘要第1-7页ABSTRACT第7-11页第一章绪论第11-16页　研究背景第11-12页　国内外研究现状第12-14页　论文研究内容第14-15页　论文组织结构第15-16页第二章相关技术研究第16-31页　身份认证的概念和类别第16页　　身份认证的概念第16页　　身份认证的类别第16页　显式身份认证技术相关研究第16-20页　　显式身份认证技术分类第16-17页　　基于所知的身份认证技术第17-18页　　基于所有的身份认证技术第18-19页　　基于生物特征识别的身份认证技术第19-20页　隐式身份认证技术相关研究第20-31页　　常见隐式身份认证方式第20-21页　　隐式身份认证传感器分类第21-25页　　隐式身份认证算法第25-31页第三章基于移动终端手指操作行为身份认证方法研究第31-39页　基于触碰屏幕过程的研究第31-33页　点击过程扩充方案第33-37页　　过程扩充第34-35页　　滑动窗口算法第35-37页　用户手指操作特征第37-39页　　基于触碰屏幕过程的传统特征第37-38页　　基于点击过程的特征第38-39页第四章手指操作身份认证方法具体实验设计第39-52页　总体设计第39页　数据采集模块第39-45页　　场景设计第40-42页　　数据获取第42-45页　　数据预存储第45页　数据处理模块第45-49页　　数据清洗第45-46页　　滑动窗口寻找临界点第46-47页　　使用最小二乘法计算斜率第47-48页　　特征提取第48-49页　数据库存储模块第49-50页　算法模块第50-52页　　算法环境构建第50-51页　　模型构建第51-52页第五章实验结果分析第52-61页　实验环境第52页　　硬件环境第52页　　软件环境第52页　检测指标第52-53页　　正反例和准确率第52-53页　　错误接受率和错误拒绝率第53页　实验结果第53-61页　　“点击研究”场景实验第53-58页　　“转账”场景实验第58-61页第六章总结与展望第61-63页　论文工作总结第61-62页　问题与展望第62-63页参考文献第63-66页致谢第66-67页攻读硕士学位期间发表论文专利第67页本篇论文共67页，。纸质文件的溯源追踪技术研究论文目录摘要第1-5页ABSTRACT第5-9页第一章绪论第9-15页　研究背景及意义第9-11页　研究现状第11-12页　研究目标与内容第12页　论文结构安排第12-15页第二章相关知识第15-25页　水印算法第15-18页　　常用数字水印算法第15-17页　　文件水印算法第17-18页　深度学习理论第18-23页　　卷积神经网络第19-20页　　生成式对抗网络第20-23页　图像处理算法第23-25页第三章基于传统水印的纸质文件溯源追踪技术第25-39页　传播过程对纸质文件的影响第25-26页　基于传统水印的抗打印扫描追踪算法第26-32页　　基于文档结构的水印算法第26-28页　　基于字符像素的水印算法第28-31页　　水印容量分析与比较第31-32页　溯源追踪系统第32-37页　　系统设计与实现第32-36页　　系统性能分析第36-37页　本章小结第37-39页第四章基于融合字体的纸质文件溯源追踪算法第39-47页　溯源追踪方案概述第39-40页　基于融合字体的抗打印扫描水印算法第40-45页　　融合字体生成第41-42页　　基于残差网络的字体分类第42-44页　　水印嵌入与提取第44-45页　性能分析第45-46页　本章小结第46-47页第五章基于融合字体的纸质文件溯源追踪系统第47-61页　系统设计第47-49页　　系统支持模块第47-48页　　溯源追踪模块第48-49页　系统实现与展示第49-57页　　系统支持模块实验第49-52页　　系统核心代码与界面第52-57页　系统性能测试与分析第57-58页　　系统测试第57页　　系统分析第57-58页　本章小结第58-61页第六章总结与展望第61-63页　工作总结第61页　工作展望第61-63页参考文献第63-69页致谢第69-71页攻读学位期间取得的研究成果第71页本篇论文共71页，。

　　跨模态检索关键技术研究论文目录摘要第1-6页ABSTRACT第6-10页第一章绪论第10-19页　研究背景和意义第10-12页　　跨模态检索概述第10-11页　　深度学习在跨模态检索的应用第11页　　注意力机制第11-12页　国内外研究现状第12-17页　　传统跨模态检索方法第12-14页　　基于深度学习的跨模态检索第14-17页　本文的工作和安排第17-19页　　主要研究内容第17-18页　　本文创新点第18页　　文章结构安排第18-19页第二章跨模态检索基础理论第19-32页　引言第19页　深度神经网络第19-28页　　卷积神经网络第19-23页　　循环神经网络第23-28页　跨模态检索第28-32页　　跨模态检索一般框架第28-30页　　基于典型关联分析的跨模态检索第30-31页　　本章小结第31-32页第三章基于文本注意力机制的跨模态检索方法第32-42页　引言第32页　基础图文检索模型第32-34页　　基于深度学习的检索模型第32-33页　　特征表示第33页　　损失函数第33-34页　融合文本ATTENTION机制的图文检索模型第34-36页　　文本Attention机制第34-35页　　基于文本ATTENTION机制的图文检索模型第35-36页　实验第36-41页　　实验数据集第37页　　评价标准第37-38页　　实验细节第38页　　模型实验第38-40页　　模型实验第40-41页　本章小结第41-42页第四章基于图像注意力机制的跨模态检索方法第42-54页　引言第42页　图像ATTENTION机制第42-48页　　空间ATTENTION机制第42-44页　　通道ATTENTION机制第44-45页　　空间通道融合ATTENTION机制第45-48页　融合图像ATTENTION机制的图文检索模型第48-50页　　基于空间注意力模型第48-49页　　基于空间通道注意力结合模型第49-50页　实验第50-53页　　实验数据及说明第50页　　模型实验第50-52页　　模型实验第52-53页　本章小结第53-54页第五章基于双注意力机制的跨模态检索方法第54-59页　引言第54页　融合双ATTENTION机制的图文检索模型第54-55页　实验第55-58页　　实验数据及说明第55页　　模型实验第55-58页　本章小结第58-59页第六章总结与展望第59-61页　总结第59-60页　展望第60-61页参考文献第61-68页致谢第68-70页攻读学位期间发表的学术论文目录第70页本篇论文共70页，。复杂条件下的高效人脸检测算法论文目录摘要第1-6页ABSTRACT第6-10页第一章绪论第10-16页　研究目的和意义第10-11页　相关领域研究现状第11-14页　　传统的人脸检测方法第11-12页　　基于深度学习的人脸检测第12-13页　　模型压缩第13-14页　论文研究成果第14页　论文结构安排第14-16页第二章基于CNN的检测方法第16-28页　引言第16页　双阶段检测器第16-20页　　第16-17页　　第17-18页　　第18-19页　　第19-20页　单阶段检测器第20-22页　　第20-21页　　第21-22页　人脸检测器第22-28页　　第22-23页　　第23-24页　　第24-28页第三章基于特征融合的高精度人脸检测器第28-40页　引言第28页　模型介绍第28-33页　　整体框架第28-29页　　特征融合模块第29-30页　　注意力模块第30-31页　　损失函数第31-32页　　实现细节第32-33页　实验结果与分析第33-38页　　数据集第33-34页　　评测指标介绍第34-35页　　实验环境设置第35-36页　　实验结果第36-38页　本章小结第38-40页第四章资源受限平台的人脸检测器第40-58页　引言第40-41页　二值化神经网络第41-45页　　网络量化第41页　　二值权重网络第41-42页　　二值卷积网络第42-44页　　第44-45页　模型介绍第45-51页　　网络结构第46-47页　　训练策略第47-49页　　损失函数第49页　　二值卷积运算核第49-51页　实验结果与分析第51-56页　　实验方案及数据集第51-52页　　评估方式第52页　　实验环境设置第52-53页　　实验结果第53-56页　本章小结第56-58页第五章总结与展望第58-60页　本文总结第58页　未来工作展望第58-60页参考文献第60-66页致谢第66-68页攻读学位期间取得的研究成果第68页本篇论文共68页，。

重点推荐:郴州市汝城县传播军人好家风 基于强化学习的个性化习题推荐辅助教学系统的研究论文目录摘要第1-6页ABSTRACT第6-10页第一章绪论第10-18页　研究背景第10-11页　研究目的及意义第11-13页　　研究目的第11-12页　　研究意义第12-13页　国内外研究现状第13-14页　研究方法和研究路线第14-15页　　研究方法第14-15页　　研究路线第15页　研究内容与组织结构第15-18页　　研究内容第15-16页　　组织结构第16-18页第二章基于强化学习的个性化推荐的关键技术第18-26页　“最近发展区”理论第18-20页　　“最近发展区”理论的教学意义第18-19页　　“最近发展区”理论的应用第19-20页　强化学习第20-24页　　强化学习理论模型基础第20-22页　　马尔科夫决策过程第22页　　强化学习的常见算法第22-24页　本章小结第24-26页第三章学习者能力划分及习题难度模型构建第26-38页　项目反应理论第26-30页　　项目反应理论原理第27-28页　　项目反应模型第28-30页　基于项目反应理论的能力水平划分第30-33页　　学习者能力水平划分流程第30-31页　　建立学习者-题目作答信息数据表第31页　　学习者能力水平参数估计第31-32页　　学习者能力水平划分第32-33页　习题难度模型的构建第33-36页　　难度系数第33-34页　　综合难度模型第34-36页　本章小结第36-38页第四章基于强化学习的个性化习题推荐辅助教学系统的研究第38-52页　实验数据第38-40页　实验方案设计第40-43页　　环境状态第41页　　动作选择第41-42页　　奖励策略第42-43页　实验结果与分析第43-50页　　实验结果第43-46页　　评价标准第46-50页　本章小结第50-52页第五章总结和展望第52-56页　主要工作和创新点第52-54页　　主要工作第52-53页　　创新点第53-54页　研究不足和展望第54-56页　　研究不足第54-55页　　研究展望第55-56页参考文献第56-60页致谢第60-61页攻读学位期间发表的学术论文第61页本篇论文共61页，。面向文本的实体关系提取方法的研究与实现论文目录摘要第1-7页abstract第7-11页第一章绪论第11-17页　研究背景及意义第11-12页　相关研究进展第12-13页　研究目标与创新点第13-15页　　研究目标第13-14页　　研究内容第14-15页　　创新点第15页　论文结构第15-17页第二章相关概念和技术第17-27页　管道型方法第17-19页　　命名实体识别第17-18页　　关系提取第18-19页　联合型方法第19页　关键技术第19-25页　　双向长短期记忆网络第19-21页　　注意力与transformer第21-23页　　词向量模型第23-25页　　条件随机场第25页　本章小结第25-27页第三章多实体对关系提取模型第27-43页　引言第27-28页　数据处理第28-30页　多实体对关系模型结构第30-38页　　字符向量层第31-34页　　命名实体识别第34-35页　　软标签层第35-36页　　多实体对关系提取层第36-38页　实验数据及评测指标第38-40页　实验参数设置第40页　实验结果及对比分析第40-42页　本章小结第42-43页第四章三元组隐藏关系提取第43-53页　引言第43-47页　基于深度学习的隐藏关系挖掘第47-50页　　路径选择及输入编码第48-49页　　双向长短期记忆网络提取路径特征第49页　　注意力机制组合路径第49-50页　　目标损失函数第50页　实验数据及评测指标第50-51页　实验结果及对比分析第51-52页　本章小结第52-53页第五章原型系统的设计与实现第53-65页　需求分析第53-54页　系统设计第54-60页　　系统技术与视图第54-58页　　系统架构设计第58-60页　数据验证与应用演示第60-64页　　项目创建第60-61页　　数据验证第61页　　前端展示第61-64页　本章小结第64-65页第六章结束语第65-67页　论文总结第65-66页　下一步计划第66-67页参考文献第67-71页致谢第71-73页攻读学位期间发表的学术论文目录第73页本篇论文共73页，。

新闻

财经