簡介：LIIIIIIIIIIIIIIRLLIIY3299633分類號UDC牟中唯J『巰碩士學位密級編號叁至壟生塑熬宣旦鱉僉盎堡壘魚焦盤查盈熬宣鱟盥絲型叢鹽學位申請人姓名圭壹申請學位學生類別全里劌塑申請學位學科專業(yè)里查坌鱟指導教師姓名羞壘釜趲等文火論⑨慧篙篇腳。碩士學位論文基于布盧姆教育目標分類理論的信息素質(zhì)教育游戲模型設(shè)計論文作者李雪指導教師吳建華教授學科專業(yè)圖書館學研究方向數(shù)字圖書館華中師范大學信息管理學院2017年5月

簡介：華南農(nóng)業(yè)大學碩士學位論文一類神經(jīng)元的形態(tài)分類和生長預(yù)測模型姓名劉向東申請學位級別碩士專業(yè)生物數(shù)學指導教師房少梅201206MORPHOLOGICALCLASSIFICATIONANDGROWTHPREDICTIONMODELOFNEURONSLIUXIANGDONGCOLLEGEOFSCIENCE，SOUTHCHINAAGRICULTURALUNIVERSITYGUANGZHOU510642，CHINAABSTRACTINTHISPAPER，ACCORDINGTOTHEANALYSISOFSPACEOFNEURONSFORMORPHOLOGICALCHARACTERISTICS，ITWANTSTOFINDTHECLASSIFICATIONOFNEURONALBYMORPHOLOGYANDPREDICTTHEGROWTHOFNEURONS，ANDUSINGMATHEMATICALMETHODSTOESTABLISHMENTGROWTHPREDICTMODELOFNEURONTHEREAREFOURPARTSINTHISPAPERTHEFIRSTPARTDESCRIBESTHEBACKGROUNDOFNEURONS；THESECONDPARTISTHEOBSERVATIONOFNEURONALMORPHOLOGYWEEXTRACTTHEMORPHOLOGICALCHARACTERISTICSOFNEURONS，ANDPROPOSEANEWCLASSIFICATIONWHICHISBASEDONTHEPROBABILITYOFCONTRIBUTIONVALUE；THETHIRDPARTISUSINGMORPHOLOGICALFEATURESANDGRAYPREDICTIONMETHODTOPREDICTTHEGROWTHOFNEURONSWHICHISACCORDINGTHERESEARCHONTHENEURONDATA；ANDTHELASTPARTISTHEPROSPECTSANDTHEIMPROVEMENTOFTHEMODELINTHISPAPERFIRSTLYUSINGTHELMEASURESOFTWARETOEXTRACTSPACEMORPHOLOGICALTHROUGHTHESAMPLEDATAOFNEURONS，ANDUSINGTHEDECISIONTREEMODELTOCLASSIFYTHENEURONS，BUTTHEDISADVANTAGEISLOWEFFICIENCYANDARTIFICIALCLASSIFICATION；SOWENEEDTOUSEPRINCIPALCOMPONENTANALYSISNEURONDATAFORFURTHERPROCESSING，ANDUSETHEDISCRIMINANTANALYSISANDTHELAWOFCOSINESANGLEMETHODTOCLASSIFYTHENEURONSBASEDONTHEFURTHERPROCESSINGDATATHENITPROPOSESANEWCLASSIFICATIONWHICHISBASEDONTHEPROBABILITYCONTRIBUTIONVALUE，ANDUSESITTOCLASSIFYTHENEURONSWEGETANICECLASSIFICATIONRESULTSSECONDLYACCORDINGTOTHEEXTRACTOFTHENEURONSMAINMORPHOLOGICALFEATURESABOVE，COMBINEDWITHTHEEQUATIONSATISFIEDBYTHESPATIALRELATIONSHIPOFMORPHOLOGICALCHARACTERGROWTHMODEL，COMBINEDWITHTHESTATISTICALDISTRIBUTIONBYCOMPUTERITERATIONTOPREDICTTHEGROWTHOFNEURONS，ANDFORECASTTHERESULTSOFTESTUSINGTHEABOVECLASSIFICATIONMETHODDERIVEDNEURONGROWTHANDITSMORPHOLOGYHASLITTLEIMPACTANDALSOANALYZETHELAWOFEACHCOLUMNOFDATATHROUGHTHEGRAYPREDICTION，THEDOUBLEEXPONENTIALSMOOTHINGMETHODTOPREDICTEACHCOLUMNOFDATA，ANDALSOUSETHENLMORPHOLOGYVIEWERTOVISUALTHE11

簡介：I碩士學位論文二0一二年十一月作者姓名藺臘月指導教師張繼超學科專業(yè)攝影測量與遙感基于目標分解的面向?qū)ο鬀Q策樹POLSAR影像分類方法研究CLASSIFICATIONOFPOLSARIMAGEBASEDONTARGETDECOMPOSITION、OBJECTIENTEDDECISIONTREEALGITHMIII碩士學位論文作者姓名作者姓名藺臘月指導教師指導教師張繼超申請學位申請學位工學碩士學科專業(yè)學科專業(yè)攝影測量與遙感研究方向研究方向遙感影像信息識別與提取分類號P237學校代碼10147UDC528密級公開遼寧工程技術(shù)大學遼寧工程技術(shù)大學基于目標分解的面向?qū)ο鬀Q策樹POLSAR影像分類方法研究CLASSIFICATIONOFPOLSARIMAGEBASEDONTARGETDECOMPOSITION、OBJECTIENTEDDECISIONTREEALGITHM

簡介：分類號UDC中唯予鬣夫蓐士學位論文密級●■■■■●●■●■●■■●一編號學位申請人姓名黃佳申請學位學生類別J絲J巳匾蘭L一申請學位學科專業(yè)J笙型立墜至臼墜蘭_一指導教師姓名陳剛牟碩碩士學位論文MASTER4STHESISTHEANALYSISOFCLASSIFICATIONANDDISCUSSIONIDEASINTHEMIDDLESCHOOLMATHEMATICS彳碭ESISSUBMITTEDINPARTIALFULFILLMENTOFTHEREQUIREMENTFORTHEEDMDEGREEINEDUCATIONBY_HUANGJIAPOSTGRADUATEPROGRAMCOLLEGEOFMATHEMATICSANDSTATISTICSCENTRALCHINANOR。MALUNIVERSITYSUPERVISORCHENGANGACADEMICTITLEASSOCIATEPROFESSORSIGNATUREAPPROVEDNOVEMBER2017

簡介：碩士學位論文二0一二一二年十二月作者姓名王松妍指導教師宋偉東學科專業(yè)攝影測量與遙感基于云理論的遙感影像分類方法研究CLASSIFICATIONOFREMOTESENSINGIMAGEBASEDONCLOUDTHEY關(guān)于論文使用授權(quán)的說明關(guān)于論文使用授權(quán)的說明本學位論文作者及指導教師完全了解遼寧工程技術(shù)大學遼寧工程技術(shù)大學有關(guān)保留、使用學位論文的規(guī)定，同意遼寧工程技術(shù)大學遼寧工程技術(shù)大學保留并向國家有關(guān)部門或機構(gòu)送交論文的復印件和磁盤，允許論文被查閱和借閱，學校可以將學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存、匯編本學位論文。保密的學位論文在解密后應(yīng)遵守此協(xié)議學位論文作者簽名____________導師簽名_____________年月日年月日

簡介：中圖分類號095UDC590密級學校代碼訶I￡解茁尤李碩士學位論文公開10094北京猛禽寄生線蟲的分類學研究線蟲綱旋尾目TAXONOMYOFPARASITICNEMATODESFROMSOMERAPTORSINBEIJINGNEMATODASPIRURIDA作者姓名指導教師學科專業(yè)名稱研究方向淪文開題日期張樹乾張路平教授動物學動物系統(tǒng)學2010年3月15學位論文原創(chuàng)性聲明本人所提交的學位論文北京猛禽寄生線蟲的分類學研究線蟲綱旋尾目，是在導師的指導下，獨芷進行研究工作所取得的原創(chuàng)性成果。除文巾已經(jīng)注明引用的內(nèi)容外，本論文不包臺托何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出重要貢獻的個人和集體，均已在文中標明。本聲明的法律后果由本人承擔。淪文作暫簽名維擊于幸U驢F2年』月J同指導紫煳銣铞勱弘F和／FL’＼學位論文版權(quán)使用授權(quán)書本學位論文作者完全了解河北師范大學有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交學位論文的復印件和磁盤，允許論文被查閱和借閱。本人授權(quán)河北師范大學司以將學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或其它復制手段保存、匯編學位論文。保密的學位論文在年解密后適用本授權(quán)書淪文作者簽名扣F年‘月長南LU指導教師簦名勱7己I二知7

簡介：分類號P237UDC520密級公開碩士學位論文面向?qū)ο蟮母叻直媛蔬b感影像土地覆蓋分類研究OBJECTORIENTEDHIGHRESOLUTIONREMOTESENSINGIMAGECLASSIFICATIONOFLANDCOVER乙IASSLILCATLON0ILANDCOVER作者姓名楊月明指導教師徐愛功教授申請學位學科專業(yè)研究方向?qū)O華生講師工學碩士攝影測量與遙感遙感影像信息識別與提取遼寧工程技術(shù)大學腳3㈣鮑黔ⅢⅢ刪，O致謝三年的研究生生活如白駒過隙，時間真的在我的指尖悄悄流過，很開心在測繪學院老師的悉心栽培和教育下、在測繪研113的同學們的陪伴下、在父母每天電話的惦記中，我真的過完了我人生中最美麗最難以忘記的大學生活。在即將畢業(yè)之際借此機會，我想感謝所有愛我的、呵護我的所有人。首先感謝我的研究生導師徐愛功教授，當初是您破格收我為您的遙感研究生弟子，在您的教導下，我認真的完成了3年的研究生學業(yè)，謝謝您在平日里對學生的教育。感謝孫華生老師對我畢業(yè)設(shè)計的指導，學生的畢業(yè)設(shè)計是在孫老師的幫助和督促下完成的，感謝吳佳奇的悉心指導和批評指正。感謝測繪301的所有博士師兄對我在學習方面的鼓勵，在我學習上無論遇到什么樣的困難，301的博士師兄們都認真的幫助我解答，特別謝謝趙麗科同學，是你一直在我身邊提醒我要努力，要朝著自己的夢想前進。感謝測繪學院對學生的栽培。感謝測繪研1L一3班的所有同學，是你們陪我度過了人生中最難忘的3年。其次，借此機會我想感謝我的家人，雖然我不知道我的父母會不會看見我的發(fā)至內(nèi)心的感謝，從小學初中高中大學在到研究生，我一直是在父母的支持和他們毫無怨言的默默付出中走過的，無論家里家境如何，他們從來沒有因為我的學習說過什么，從前家境不富裕，父母都是很鼓勵和支持的說，讀書了才有出息，你要好好學習，考研的時候很少言辭的父親說，你喜歡讀書老爸一定供你，是你給我了努力和安心學習的動力，現(xiàn)在當我告訴你我要考博的時候，你還是那么慈祥又淡定的說，你喜歡讀，讀到哪老爸供到哪，你雖然面無表情，可我知道您的心里對我很滿意。謝謝你，我的父親母親，是你們在遙遠的家鄉(xiāng)給了我努力和獨闖天下的勇氣，為了你們，我永遠不服輸不放棄，我多想我親愛的爸爸媽媽能看見我的感謝，聽聽我心底對你們那深深的愛。最后謝謝所有我身邊幫助過我的人，無論是老師、同學、朋友還是只有一面之交的路人，謝謝你們，無論將來何時我一定記得我們的成樸求是博學駑行的校訓，心懷感恩，用自己所學到的知識來回報社會、回報家人、回報身邊的好心人。最后祝好人一生平安。在今后人生路上我一定不會忘記母校老師對我的每一句諄諄教誨。

簡介：論文題目基于信息論和粗糙集的遙感影像分類不確定性多尺度評價研究專業(yè)大地測量學與測量工程碩士生魏曼（簽名）指導教師胡榮明（簽名）摘要遙感影像分類得到的專題類別信息已廣泛的應(yīng)用于各個領(lǐng)域。為評價專題類別信息是否可以應(yīng)用于后續(xù)研究，并分析專題類別信息在后續(xù)使用中的影響，需在獲得專題類別信息的同時，提供專題分類信息的可靠性。因此如何全面、準確的評價分類結(jié)果的不確定性是本文研究的重點。本文針對如何全面、準確地度量遙感影像分類中的屬性不確定性的程度，分別從像元地物類別影像整體三個尺度上進行了相應(yīng)研究，建立了遙感影像分類不確定性評價體系，并使用新疆石河子墾區(qū)的IKONOS多光譜影像作為數(shù)據(jù)源，對其進行最小距離分類和支持向量機分類，采用以上評價體系對上述分類結(jié)果進行評價。在像元尺度上，研究了基于信息論的遙感影像分類不確定性評價理論，并以分類后獲得的概率矢量為切入點，采用概率熵模型完成了像元尺度上的分類不確定性評價，不僅獲得了每個像元上的分類不確定性信息，而且使分類不確定性的位置信息可以比較形象直觀的顯示出來。在地物類別尺度上，研究了粗糙集理論下的遙感影像分類不確定性評價方法，在分析原有方法存在的問題后，修改了原有模型，提出了基于邊界域的修正粗糙熵模型。首先從理論上對該模型對分類知識所引起的不確定性度量更為客觀進行了證明，然后在此基礎(chǔ)上分別利用該模型和修改前的修正粗糙熵模型計算分類不確定性，對每種地物的不確定性進行了評價。在影像整體尺度上，研究了粗糙集理論下的遙感影像分類不確定性評價方法，以地物類別尺度上評價過程中獲得的上下近似集合為切入點，采用近似分類精度和近似分類質(zhì)量作為度量評價影像整體的不確定性，并對兩種分類器的分類精度進行比較。從實驗結(jié)果中可以得到如下結(jié)論第一，在像元尺度上，不確定性值變化劇烈的區(qū)域位于類別與類別之間的邊界區(qū)域，而對比兩種分類算法可以看出最小距離分類結(jié)果的邊界區(qū)域范圍明顯大于支持向量機分類結(jié)果的邊界區(qū)域范圍。簡單的聚類集群判別方式使得最小距離分類器對類別與類別的邊緣區(qū)分較為困難，而支持向量機分類算法采用一定的核函數(shù)將像元映射到更高維的空間中，從而拉大類別與類別像元之間的距離，使得類別的邊界區(qū)分更加容易。SUBJECTMULTISCALEASSESSMENTFUNCERTAINTYOFCLASSIFICATIONOFREMOTESENSINGIMAGEBASEDONINFMATIONTHEYROUGHSETSPECIALTYGEODESYSURVEYENGINEERINGNAMEWEIMAN（SIGNATURE）INSTRUCTHURONGMING（SIGNATURE）ABSTRACTTHEMATICCATEGYINFMATIONOBTAINEDBYREMOTESENSINGIMAGECLASSIFICATIONHASBEENWIDELYUSEDINVARIOUSFIELDSTOEVALUATETHETHEMATICCATEGYINFMATIONCANBEUSEDINTHEFOLLOWUPSTUDYTOANALYZETHEIMPACTOFTHEMATICCATEGYINFMATIONINSUBSEQUENTUSERELIABILITYISPROVIDEDWITHTHEMATICCATEGYINFMATIONATTHESAMETIMETHEREFEHOWTOCOMPREHENSIVELYACCURATELYEVALUATETHECLASSIFICATIONUNCERTAINTYISTHEFOCUSOFTHISPAPERINDERTOCOMPREHENSIVELYACCURATELYMEASURETHEATTRIBUTEUNCERTAINTYOFCLASSIFICATIONOFTHEREMOTESENSINGIMAGETHISARTICLEESTABLISHESAUNCERTAINTYASSESSMENTSYSTEMFREMOTESENSINGIMAGECLASSIFICATIONINTHREESCALEPIXELLCOVERCLASSWHOLEIMAGETHETESTUSEDIKONOSMULTISPECTRALIMAGESINSHIHEZIOFXINJIANGASTHEDATASOURCETHENTOCLASSIFYTHEDATAUSINGMINIMUMDISTANCECLASSIFIERSUPPTVECTMACHINECLASSIFIERFINALLYUSINGTHEABOVEASSESSMENTSYSTEMEVALUATETHECLASSIFICATIONRESULTSATTHEPIXELSCALETHEAUTHSTUDIESUNCERTAINTYEVALUATIONTHEYFTHECLASSIFICATIONOFREMOTESENSINGIMAGEBASEDONTHEINFMATIONTHEYPROBABILITYVECTOBTAINEDFROMCLASSIFICATIONASTHEBREAKTHROUGHPOINTUSINGPROBABILITYENTROPYMODELASSESSESTHEUNCERTAINTYOFCLASSIFICATIONATPIXELSCALENOTONLYWONTHECLASSIFICATIONUNCERTAINTYINFMATIONOFEACHPIXELBUTALSOVISUALLYDISPLAYTHELOCATIONINFMATIONOFCLASSIFICATIONUNCERTAINTYATTHESCALEOFLCOVERCLASSTHEAUTHSTUDIESUNCERTAINTYEVALUATIONMETHODFTHECLASSIFICATIONOFREMOTESENSINGIMAGEBASEDONTHEROUGHSETAFTERANALYZINGTHEPROBLEMSOFIGINALMETHODTHEAUTHMODIFIESTHEIGINALMODELPROPOSESTHEBOUNDARYREGIONBASEDMODIFIEDROUGHENTROPYMODELFIRSTOFALLTHEAUTHFROMTHETHEYPROVEDTHATTHEIMPROVEDMODELISMEOBJECTIVEINMEASURINGTHEUNCERTAINTYCAUSEDBYCLASSIFICATIONKNOWLEDGETHENUSINGTHEMODIFIEDROUGHENTROPYMODELTHEBOUNDARYREGIONBASED

簡介：學校代碼10126分類號論文題目學號三三Q墨L主編號蒙古高原長蝽總科半翅目異翅亞目昆蟲分類學研究學院生命科學學院專業(yè)生物工程研究方向農(nóng)牧業(yè)生物工程姓名蔡國瑛指導教師李俊蘭副教授2015年4月27日內(nèi)蒙古大學碩士學位論文蒙古高原長蝽總科半翅目異翅亞目昆蟲分類學研究摘要本文對蒙古高原長蝽總科昆蟲進行了分類學研究。文中概述了長蝽總科昆蟲國內(nèi)外研究簡史與現(xiàn)狀、生物學特性及其經(jīng)濟意義。作者整理鑒定了內(nèi)蒙古大學、內(nèi)蒙古師范大學、蒙古國科學院收藏的長蝽總科昆蟲標本2500余號，并結(jié)合文獻記載，依據(jù)XIE，BUZHENG2005提出的長蝽總科昆蟲分類系統(tǒng)，記述蒙古高原長蝽總科昆蟲7科26屬62種，其中包括內(nèi)蒙古新紀錄3種內(nèi)蒙鹽長蝽HENESTARISIRRORATUSHORV矗TH，1892、異顯脈長蝽LYGAEOSOMASIBIRICUMSEIDENS也CKER，1962、淡色薄翅長蝽LEPTODEMUSPALLIDUSGAOBU，2010，蒙古國新紀錄2種淡色薄翅長蝽LEPTODEMUSPALLIDUSGAOBU，2010、巴氏直緣長蝽ORTHOLOMUSBATUILINONNAIZAB，2004。文中補充了外部形態(tài)特征描述，新增了分布地點，編制了蒙古高原長蝽總科昆蟲分屬、分種檢索表，提供29種成蟲外部形態(tài)圖，15種雄性外生殖器圖。根據(jù)觀察標本及文獻資料記錄的蒙古高原長蝽總科昆蟲地理分布信息，分析了61種蒙古高原長蝽總科昆蟲世界動物地理區(qū)劃特點，結(jié)果表明古北晁分布有45種，占7705％，古北界和東洋界共有種為8種，占1311％，古北界、東洋界、新北界共有種有2種，占328％，古北界、非洲界共有種為2種，占328％，古北界與新北界共有種有1種，占164％，蒙古高原長蝽總科昆蟲區(qū)系具有典型的古北界特征。根據(jù)蒙古高原地形、植被、氣候特點，并結(jié)合文獻，將蒙古高原劃分為九個地理亞區(qū)杭愛山地森林草原亞區(qū)、達烏里一大興安嶺草原亞區(qū)、北戈壁荒漠草原亞區(qū)、中戈壁荒漠亞區(qū)、南戈壁荒漠亞區(qū)、東戈壁荒漠草原亞區(qū)、西戈壁荒漠亞區(qū)、華北亞區(qū)、鄂爾多斯高原亞區(qū)。分析了54種長蝽總科昆蟲的蒙古高原區(qū)系特點，結(jié)果表明蒙古高原長蝽總科昆蟲分為7類36式分布類型，其中單區(qū)型“南戈壁荒漠亞區(qū)”的種類最多，有7種，占1296％。長蝽總科昆蟲在蒙古高原分布比較廣泛，能夠適應(yīng)草原、荒漠草原、荒漠等生境。利用SPSSL90軟件對蒙古高原亞區(qū)進行聚類分析，結(jié)果表明杭愛山地森林草原亞區(qū)和北戈壁荒漠草原亞區(qū)，東戈壁荒漠草原亞區(qū)和華北亞區(qū)分布的長蝽總科昆蟲相似度最高。西戈壁荒漠亞區(qū)、南戈壁荒漠亞區(qū)、中戈壁荒漠亞區(qū)與其它各亞區(qū)相似度最低。關(guān)鍵詞蒙古高原；長蝽總科；種類記述；檢索表；地理區(qū)系

簡介：舢刪咖ⅢⅢM咖Ⅲ川刪Y2382214IJONLASTERLDAEANDECNLNASTERLDAE1●J●11N1●●1BVUXIAONINGADISSE】‘TATIONSUBNIITTEDTOUNIVERSI毋OFCHINESEACADEMYOFSCIENCESINPARTIALFUL皿MENTOFTHEREQUIREMENTFORTHEDEGREEOFDOCTOROFMARINEBIOLOGYINS缸T匕藝，OI0CEANOIOGY，CLLINESEACADEMYOFSCIENCESMAY，2012致謝本論文是在導師劉瑞玉研究員和廖玉麟研究員的指導和關(guān)懷下完成的，兩位導師治學嚴謹，學識淵博，品德高尚。在我學習期間不僅傳授了知識，還傳授了為人處世的原則，這些都將使我終生受益。借此機會向他們表示衷心的感謝感謝海洋所分類室的徐鳳山老師，王永良老師，劉錫興老師，任先秋老師，張素萍老師，劉靜老師，沙忠利老師，劉會蓮老師等諸位老師在出海采樣以及學習生活各個方面給予的關(guān)心和幫助。同時也十分感謝實驗室的蔣維、劉文亮、董棟、馬林、郭琳等師兄師姐在學業(yè)上的幫助，感謝張均龍、寧平、陳志云、李陽、吳旭文等同學在學習交流中給我的啟發(fā)、建議和幫助，同窗之誼和手足之情，我將終生難忘。英國自然歷史博物館AMCL破博士和臺灣國立自然科學博物館的李坤軒博士惠贈部分文獻資料，在此表示真誠的感謝。特別感謝家人對我無私的奉獻和一貫的支持和鼓勵。謹此，向多年來所有關(guān)心和幫助過我的人表示深深的謝意

簡介：安徽農(nóng)業(yè)大學碩士學位論文黃山柯屬植物生斑盤菌科的分類和兩近似屬的系統(tǒng)發(fā)育關(guān)系姓名鄭倩申請學位級別碩士專業(yè)微生物學指導教師林英任201106II提供可供參考的依據(jù)。關(guān)鍵詞殼斗科；子囊菌門；散斑殼菌屬；特里爾盤菌屬；RDNAITS序列

簡介：論文題目沈陽大學碩士學位論文中國伐蚤蠅屬分類研究雙翅目蚤蠅科作者指導教師協(xié)助指導教師蔡云龍劉廣純教授單位單位單位論文提交日期2012年2月26日學位授予單位沈陽大學沈陽大學中國伐蚤蠅屬分類研究雙翅目蚤蠅科ATAXONOMICSTUDYOFTHEGENUSPHALACROTOPHORAENDERLEINFROMCHINADIPTERAPHOROIDEA研究生姓名蔡云龍指導教師姓名劉廣純沈陽大學沈陽，110044，中國CANDIDATECAIYUNLONGSUPERVISORLIUGUANGCHUNSHENYANGUNIVERSITY21SOUTHWANGHUASTREET，DADONGDISTRICTSHENYANG，110044，PRCHINA

簡介：西安建筑科技大學碩士學位論文基于多元統(tǒng)計分析的神經(jīng)元特征提取及分類研究專業(yè)應(yīng)用數(shù)學碩士生焦琳指導教師趙彥暉摘要神經(jīng)科學和腦科學迅速崛起是三十年內(nèi)自然科學發(fā)展的重大事件之一，并且越來越多的事實證明，神經(jīng)科學可能會引發(fā)自二十一世紀以來生命科學迅猛發(fā)展的又一高潮。本文利用多元統(tǒng)計方法，以神經(jīng)元幾何形態(tài)特征數(shù)據(jù)為研究對象，對神經(jīng)元分類問題進行了研究。本文數(shù)據(jù)來源為NEUROMPHOG數(shù)據(jù)庫，所用的62個神經(jīng)元的原始數(shù)據(jù)均以標準的SWC文件格式描述。本文首先使用LMEASURE從原始數(shù)據(jù)中提取神經(jīng)元的43個幾何形態(tài)特征，并從每個特征的7個指標中選取一個有研究意義指標，或者將幾個有研究意義的指標加權(quán)組合成一個指標進行分析，然后，構(gòu)造離散系數(shù)篩選標準，選擇出27個幾何特征，應(yīng)用因子分析對27個幾何特征進行降維，使27個幾何特征轉(zhuǎn)化為6個綜合特征因子（1）神經(jīng)元的緊密情況；（2）神經(jīng)元的的大小情況；（3）神經(jīng)元的分叉情況；（4）神經(jīng)元的胞體的相關(guān)情況；（5）神經(jīng)元分支與總支間的情況；（6）神經(jīng)元分叉點間的情況。針對每個神經(jīng)元的上述6個綜合特征因子，應(yīng)用聚類分析對神經(jīng)元進行分類，經(jīng)過特征選擇的聚類結(jié)果與根據(jù)神經(jīng)元功能的分類結(jié)果基本一致，而未進行特征選擇的聚類結(jié)果正確率相對較低，且所得譜系圖不易區(qū)分神經(jīng)元類別，分析比較可得進行特征選擇的聚類結(jié)果優(yōu)于未進行特征選擇的結(jié)果。針對每個神經(jīng)元的6個綜合特征因子，本文還應(yīng)用判別分析進行研究，選取70的神經(jīng)元作為訓練樣本，求得了七類神經(jīng)元相應(yīng)的判別函數(shù)，通過對30測試樣本檢驗，誤判率為0053，效果較好。關(guān)鍵詞關(guān)鍵詞特征提??；特征選擇；因子分析；聚類分析；判別分析

簡介：分類號UDC密級學位論文基于機載LIDAR與長波紅外影像的典型地物分類算法作者姓名指導教師申請學位級別學科專業(yè)名稱論文提交日期學位授予日期評閱人徐婷王植副教授東北大學資源與土木工程學院碩士學科類別大地測量學與測量工程2013年6月論文答辯日期2013年7月答辯委員會主席李德昌教授徐白山副教授東北大學2013年6月工學2013年6月楊倫教授獨創(chuàng)性聲明本人聲明，所呈交的學位論文是在導師的指導下完成的。論文中取得的研究成果除加以標注和致謝的地方外，不包含其他人己經(jīng)發(fā)表或撰寫過的研究成果，也不包括本人為獲得其他學位而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。學位論文作者簽名粥J日期為L弓‘∥學位論文版權(quán)使用授權(quán)書本學位論文作者和指導教師完全了解東北大學有關(guān)保留、使用學位論文的規(guī)定即學校有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復印件和磁盤，允許論文被查閱和借閱。本人同意東北大學可以將學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索、交流。作者和導師同意網(wǎng)上交流的時間為作者獲得學位后半年口一年口一年半口兩年∥學位論文作者簽名蠲簽字日期ⅫL弓，F(xiàn)形新簽名易擄簽字日期∞良莎形

簡介：學位論文獨創(chuàng)性聲明U／_9293U5學位論文獨創(chuàng)性聲明本人聲明所呈交的學位論文是本人在導師指導下進行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得直昌太堂或其他教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。學位論文作者簽名手寫／筵寸簽字日期加／口年，2月憾日學位論文版權(quán)使用授權(quán)書本學位論文作者完全了解直昌太堂有關(guān)保留、使用學位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復印件和磁盤，允許論文被查閱和借閱。本人授權(quán)直昌太堂可以將學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存、匯編本學位論文。同時授權(quán)中國科學技術(shù)信息研究所和中國學術(shù)期刊光盤版電子雜志社將本學位論文收錄到中國學位論文全文數(shù)據(jù)庫和中國優(yōu)秀博碩士學位論文全文數(shù)據(jù)庫中全文發(fā)表，并通過網(wǎng)絡(luò)向社會公眾提供信息服務(wù)。保密的學位論文在解密后適用本授權(quán)書學位論文作者簽名手寫／炙●I于簽字日期2OO年／J月／8日導師簽名手寫鄉(xiāng)毒工‘Z人簽字日期痧形1，年，2月，∥日摘要摘要隨著人類基因組計劃的順利完成和各種后基因組計劃的開始實施，出現(xiàn)了海量的生物分子數(shù)據(jù)，這使得科學家們需要分析大量DNA數(shù)據(jù)。如何充分利用這些數(shù)據(jù)，進而揭示這些數(shù)據(jù)的內(nèi)涵，得到對人類有用的生物信息，是科學家們面臨的一個嚴峻的挑戰(zhàn)【L】。DNA序列的處理方法一般是先尋找一種數(shù)學模型用以表示DNA，再借助其它工具對其進行分析。支持向量機SVM是在統(tǒng)計學習理論基礎(chǔ)上發(fā)展起來的新算法，該算法是一種模式識別技術(shù)，相當于一種模式分類器。其訓練算法本質(zhì)上是一個凸二次規(guī)劃的求解問題。它在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多特有的優(yōu)勢，并在文本分類、生物信息、語音識別、遙感圖像分析、故障識別和預(yù)測、時間序列預(yù)測、信息安全等諸多領(lǐng)域有了成功的應(yīng)用【2一。本文采用SVM算法對DNA序列進行分類。為了提供算法所需要的輸入數(shù)據(jù)格式，首先要將DNA序列用數(shù)學模型表示出來。SVM對輸入數(shù)據(jù)的格式要求是表示成特征向量的形式。因此本文從DNA序列中單個堿基的含量和DNA序列的長度出發(fā)，結(jié)合滑動窗口方法計算出DNA序列中特征序列的出現(xiàn)頻率，提取出DNA序列的特征，將DNA序列表示成特征向量的形式，然后根據(jù)SVM算法對已知類別標簽的DNA序列訓練樣本做訓練得到分類超平面，利用此超平面分類DNA序列的測試樣本。分類結(jié)果表明這種提取特征的方法具有很好的分類精度。本文對SVM算法采用MATLAB實現(xiàn)。典型二分類中的數(shù)據(jù)采用文獻9DG的數(shù)據(jù)。首先對已知類別的1～20個人工DNA序列進行SVM算法訓練，利用參數(shù)尋優(yōu)得到分類器。根據(jù)分類結(jié)果的精度反饋，進一步選擇是否對數(shù)據(jù)歸一化和降維等操作對結(jié)果進行優(yōu)化，得到最佳的分類超平面。然后對另外的20個人工DNA序列和182個自然DNA序列進行分類預(yù)測。典型的SVM算法是一個二分類問題，DNA序列的多類分類實現(xiàn)是利用SVM的多類分類理論和算法，數(shù)據(jù)采用的是UCI數(shù)據(jù)庫中的DNA序列數(shù)據(jù)，該序列集合中的數(shù)據(jù)分成了訓練集和測試集，并且兩個集合中的記錄均有類別標簽，便于分類測試。對于SVM多類算法的實現(xiàn)，同樣用MATLAB編程實現(xiàn)了DNA序列的多類分類。兩部分的分類結(jié)果表明，SVM算法具有分類簡單且分類結(jié)果精度較高的優(yōu)