一、两个易混淆的公式（论文文献综述）
邱滨均[1]（2021）在《域自适应中深度度量学习算法研究》文中认为近年来,大规模数据库的样本标记工作成本很高,甚至无法实现,深度模型训练中存在因标记样本不足而导致性能下降问题,为了解决这一问题,使用相关的源域已训练模型来提高缺乏标记信息的目标域训练性能,成为重要的研究内容。因为源域和目标域之间存在因数据分布不同而造成的域偏差,域自适应技术近期得到广泛的研究,域自适应技术通过源域和目标域的联合训练,以减少源域和目标域的域偏差,从而通过源域的监督学习来提高目标域的分类性能。域自适应的核心技术是域对齐操作,而深度度量学习可以在度量空间中调整不同类别样本的分布,二者可以结合在一起,进一步提高域自适应的域对齐效果,增加易混淆类别样本的区分能力。本文提出一种基于深度度量学习的域自适应方法,基本思想是在域对抗生成模型的基础上,引进深度度量学习的三元组训练,通过增加源域易混淆类在度量空间的边缘距离,来间接增加目标域易混淆类的边缘距离,从而有效增加目标域的分类精度,具体包括,首先,构建对抗域自适应网络,通过域对抗训练来初步对齐源域和目标域的数据分布;然后,通过目标域样本的标记空间的分布,识别出目标域中容易混淆的类别;最后,根据识别的结果,构建度量学习三元组训练的边缘值,在度量空间中分开源域中对应类的距离,从而间接分离目标域易混淆类别的距离,显着提高了目标域在深度学习中的分类精度。同时,在Office-31、Image CLEF-DA、Office-Home数据集中的实验结果进一步验证了我们提出算法的有效性。
陈科[2]（2021）在《面向高维数据的分类特征选择方法研究》文中提出分类是数据挖掘和机器学习领域中重要的研究分支,其目的是根据特征所描述的信息将每个实例准确划分到不同的组中。但随着所收集数据集维度的急剧增加,大量与分类任务不相干和冗余的特征信息被添加到数据集中,这些无关特征信息不仅会增加模型构建的复杂度,还会降低机器学习算法的性能,甚至造成“维数灾难”和“过拟合”问题。特征选择是一种有效的数据预处理技术,能够有效去除与目标任务不相干和冗余的特征信息,降低机器学习算法的计算复杂度,提升所建模型的分类精度和泛化推广能力。因此,针对高维分类问题探索高效的特征选择方法具有较高的研究价值和应用价值。粒子群优化算法是受鸟群觅食行为启发而提出的一种智能优化算法,因其具有高效且易实现的优点,因此被广泛应用于解决特征选择问题。但是,在处理高维数据的特征选择时,现有基于粒子群优化算法的特征选择方法大多存在易陷入局部最优、计算成本高、过早收敛和搜索效率低等问题。本文重点对粒子群优化算法在高维特征选择中的关键问题展开相关研究,提出了三种新的特征选择方法,具体研究工作如下:（1）针对粒子群优化算法在特征选择过程中易陷入局部最优、缺乏多样性和局部与全局搜索不平衡等问题,在种群初始化方法、参数调整策略和下一代粒子生成机制方面对原始算法进行了改进,提出了一种基于改进粒子群优化算法的特征选择方法（HPSO-SCAC）。该方法不仅可以有效提高机器学习算法的分类性能,还可以显着提升特征子集搜索的效率。在多个真实高维分类问题上的实验结果表明,HPSO-SCAC方法在找到质量较高特征子集的同时,还可以有效增强粒子群优化算法在搜索过程中的收敛性能。（2）粒子群优化算法依据个体最优位置（pbest）和全局最优位置（gbest）引导粒子在搜索空间中移动,这种策略具有简单和高效的特点,但当需要确定移动方向的粒子位于pbest和gbest之间时,容易导致粒子在搜索过程中的振荡问题,从而降低粒子群优化算法的搜索效率并错失部分性能较好的解。为此,提出了一种基于特征相关性与代理模型的特征选择方法（SPSO-CUS）。该方法的核心思想是利用特征的相关性信息生成了大量质量较高的特征子集,构建了代理模型对这些特征子集进行预评估,设计了粒子选择策略挑选性能较好的粒子形成下一代初始种群。在高维分类问题上的实验结果表明,SPSO-CUS方法能够获得比同类特征选择方法辨别能力更强的特征子集。（3）针对粒子群优化算法在高维数据特征选择中计算复杂度高、搜索效率低等问题,受多任务智能优化方法中知识迁移思想的启发,提出了一种基于多任务智能优化的特征选择方法（MTPSO）。该方法将高维特征选择问题转化为若干个相关的低维特征选择问题,通过在这些低维且相关的特征选择任务之间进行知识迁移完成对最佳特征子集的搜索。与不同类型特征选择方法在多个高维分类问题上进行的对比实验表明,MTPSO方法能够在更短的时间内找到具有较强分类性能的特征子集。本文研究成果不仅适用于高维分类任务的特征选择,而且比同类型特征选择方法具有更好的性能指标。同时本文提出的方法也为高维特征选择研究提供了新的思路与方向。
邱滨均[3]（2021）在《域自适应中深度度量学习算法研究》文中指出
张紫沁[4]（2020）在《初中物理概念形成教学实践策略》文中指出物理概念是物理基础知识的重要组成部分,是构建物理规律、建立物理公式和完善物理理论的前提。掌握物理概念是学好物理的前提、也是学好物理学的关键。因为概念的特点和学生思维发展的局限,所以物理概念也是物理教学中的难点。物理概念的学习可以培养学生的观察能力,培养学生解决物理问题的能力,进而促进学生在学习其他学科学习时的效果。对此初中物理教师应该就如何在物理概念教学的过程中通过有效的方法来帮助学生建立正确的物理概念,加深对物理概念的理解进行深入研究。本文将通过问卷调查法、访谈法、文献研究法等对当前初中物理概念教学现状进行研究。在物理课程标准中明确地指出,要做好物理概念与规律的教学设计,不仅应当注重物理概念与规律的具体内容、意义与适用条件等,同时还应当注重学生建立物理概念与规律的规律过程中所需要的物理思想等等,在新课程标准中对于学生的物理能力的培养提出了明确的要求,不仅关注学生的物理知识的掌握,同时还注重学生物理概念的形成。物理教师在教学的过程中,关注物理概念的教学,严格落实物理概念教学任务。本文在研究过程中先通过阅读文献,了解先前理论对教学难点的研究,以及对物理概念教学相关概念进行界定;其次根据新课标和教学参考书制定调查问卷,通过调查问卷,通过调查发现,当前教师缺少物理概念重视程度、教师缺少物理概念教学方式、学生缺少物理概念学习兴趣、学生学习物理概念能力较差等问题。对此本文针对这些存在的问题,形成如下教学实践策略:改变教师重视程度、优化教师教学方式、提升学生学习兴趣、提高学生学习能力。通过对本课题的研究,希望在初中物理课堂教学中关注物理概念形成的教学,并改变过去物理教师对于物理概念教学认识不到位的观念,善于采取多样化的方式,为学生提供良好的教育环境。通过物理概念教学建构学习情境,激发学生的学习兴趣,建构科学知识,培养学生的科学知识与能力。通过本课题的研究充分了解当前学生已经具备的物理概念,在生活中,物理知识无处不在,学生们对于物理概念已经形成了初步的认识,但是学生们的想法往往比较原始与粗浅,将学生的生活经验作为最重要的课程资源,可以有效帮助教师改变自己传统教学观念与方式,从而实现学生的物理学习方式的转变。通过亲身体验,这对于学生而言是一种比较好的学习方式,对于物理概念的教学而言,也是一种必要的方式教师在正确分析学生已经存在的生活经验的同时,引领学生们通过经历、观察、实验、归纳与操作的过程,从而巩固概念的形成,并提高学生的判断力。通过让学生经历、体会、参与、运用多种教学手段,有效丰富学生的物理概念学习方式,让学生真正地体会到物理概念学习的乐趣,调动学生物理学习的积极性。通过本次的课题研究,致力于培养学生自主获取物理概念知识,并运用自己所掌握的物理概念去解决实际问题,促进学生的物理思维能力的发展。
马玉芬[5]（2020）在《韦恩图在高中生物学教学中的应用研究》文中研究表明高中生物学的知识体系相对于其他学科更为庞大,知识点繁多且零散,因此,生物学学科通常被很多学生称为“理科中的文科”,把它错误地定位成了一门“背诵”学科。高中时期的学生心理发展不够成熟,认知水平有限,看待问题往往想当然,思考问题片面、浅显,因此对于庞大的高中生物学知识体系不能自主进行逻辑建构,死记硬背,忽略了知识间的关联,导致学生大脑中的生物学知识杂乱无章、学习效果不佳。为了解决以上问题,基于当下生物学教学中提倡的“STEM”的项目学习理念,借鉴其“跨学科”的思想,提出把数学中具有逻辑性的一种图示化工具——“韦恩图”用于高中生物学教学之中,以帮助学生对知识进行逻辑建构,也为广大教师提供一种教学方法的参考。首先通过查阅大量文献资料对韦恩图的概念、形式、功能等基础知识进行基本了解,然后以“分子与细胞”、“遗传与进化”、“稳态与调节”三个模块为内容范围,通过具体实例呈现出“韦恩图”在高中生物学教学中的5种应用:利用韦恩图区分高中生物学中的易混淆概念、巧解高中生物学计算题、梳理高中生物学概念的内涵和外延、利用堆积韦恩图呈现知识层次以及韦恩图和其他图示化工具的组合。本研究的实践选择了高一的两个平行班作为实验班和对照班,设计了具体的教学方案实施教学,以探究韦恩图对学生的学习互动水平和生物学成绩的影响,分析其在高中生物学教学中的应用可行性。经过了为期三个月的实践研究,通过对课堂观察记录表结果和学生前、后测考试成绩进行统计分析,得出如下发现:一,通过对实验班和对照班两个班学生的《“学生学习互动”视点的课堂观察记录表》进行对比分析,发现韦恩图可以增强学生的学习互动水平。二,在生物学成绩方面做了三种分析:首先,分别对生物学前、后测考试卷的两种类型的题目（易混淆概念类题目、图表类题目）的得分进行统计分析,发现经过三个月的实践后两个班的易混淆概念类题目（P=0.787>0.05）无显着性差异,而图表类题目（P=0.042<0.05）存在显着性差异,从而说明“韦恩图”教学策略对学生的概念区分能力基本无影响,而有助于提高其图表分析能力;其次,对两个班的前、后测考试卷的总成绩进行分析,发现都无显着性差异,但实验班的班级平均总分比对照班相对提高了4.178分,说明韦恩图对学生的生物学总成绩仍有一定的促进作用,但作用不显着;最后,根据对两个班不同分数段人数的分析,发现韦恩图还有利于提高班级的高分段人数,但其结果可能具有偶然性,需进一步探究。本文对韦恩图在高中生物学教学中的应用研究做了初步探讨和分析,总结了韦恩图的应用优势,反思了研究的不足之处,提出了一些应用韦恩图的“教”和“学”的建议,希望能为广大师生提供一些参考。本文关于韦恩图的应用研究仍不够成熟,需要在今后继续通过实践进行修改和补充。
阮雨菲[6]（2020）在《融资约束视角下民营企业国有化问题研究 ——以东江环保为例》文中研究指明改革开放四十年来,民营企业迅速发展。在我国“一带一路”建设中,民营企业凭借自身先进的技术、产能优势,在国家扩大就业、改善民生以及发展经济等诸多方面发挥积极作用;在国际市场上,借助自身优势,民企逐渐扩大国际竞争力、扩展国际市场。但这一系列显着的成绩背后,仍存在一些问题与挑战,其中影响较大的是投融资问题。相较于国企、外企,民企对风险的识别与应对能力不足,尤其在面临较大资本需求时,缺乏充足的资金来源,这始终是阻碍民企快速发展的因素。十九大会议中明确强调混合所有制改革的重要性,随后2018年末中央经济工作会议上,习总书记又具体提出要解决好民企融资难、贵问题。自此,各级政府和相关单位陆续参与并已完成多家上市公司的控制权交易。民营企业国有化的初衷是借助国企的强大实力解决民企的资金融通问题,但是这一举措对于民企固有的严重融资约束会产生怎样的影响,是否凡是国有化的民企都能借此摆脱融资困境。本文以此为方向,选取东江环保作为研究对象,探究民营企业国有化对于其融资约束程度的影响。本文采用案例分析方法。首先,从融资和融资约束理论,国有化目的以及民营企业国有化对融资约束的影响几个方面,分类归纳国内外文献,介绍国有化改革和融资约束的相关理论基础,找到两者间的关系及影响。基于已有的理论基础,引入案例公司东江环保股份有限公司,阐述东江环保国有化的原因及改革过程。文中将引用衡量融资约束的两个计算公式——Baker（2003）和李雅琴（2019）界定的KZ指数及Whited和Wu（2006）定义的WW指数,结合单变量指标,利用定量与定性分析两种方式,综合探讨国有化前后案例企业融资约束度量指标变化趋势以及融资渠道是否扩宽、融资方式是否趋于多元化、融资规模是否提高。本文旨在通过对该案例的分析研究,为我国同类民营企业提供在国有化改革中的建议和启示。研究表明,东江环保通过国有化改革对其自身受到的融资约束起到了缓解作用,由此,我们可以初步得出结论:国有化改革可以在一定程度上缓解民营企业的融资约束。同时,针对案例公司国有化改革中的问题,提出相应建议供类似民营企业予以借鉴,以对我国混合所有制经济的持续发展有所帮助。
王荣姗[7]（2020）在《留学生易混淆词教学实验研究 ——以新HSK五级词汇为例》文中提出掌握好易混淆词是留学生学习汉语的难点之一。在中高级阶段的汉语学习中词汇学习是一个重点,易混淆词辨析是课堂教学的重要内容之一。目前,易混淆词的辨析研究主要集中在静态的经验总结和方法梳理,采用教学实验的方式全程、动态的研究比较少。本文以新HSK五级含相同语素的双音节易混淆词作为教学实验的内容,以四川师范大学南亚汉语师资班的同学作为教学对象,选取两种不同的教学方法“语境—发现法”和“讲解—接受法”开展教学实验,探讨易混淆词的课堂教学问题。全文共分为五章。第一章绪论,介绍了研究缘起,从辨析、偏误、教学三个方面梳理了易混淆词的研究现状。“含相同语素”是造成留学生词语混淆的常见因素。此外还介绍了课题理论基础、研究方法以及语料来源。第二章分析新HSK五级含相同语素的双音节易混淆词,为第三章教学实验提供汉语本体知识的支持。结合HSK动态作文语料库,我们筛选出误用率高、分布范围广的11组易混淆词作为实验内容,其中谓词性的词语占多数。从词义特点看,这11组词可分为“词义范围不同”和“词义侧重点不同”两大类。结合词义和语法两方面的特征理清两类词与教学方法之间的适应性关系:“词义范围不同”类可以借助语义范围图直观讲解;“词义侧重点不同”类可以结合词语搭配、例句语境让学生对比感受;总体的辨析思路以词义辨析为主,语法特征辨析为辅。第三章展现实验过程,分析实验结果。从词义特征分类中分别选取两组代表词,展示“语境—发现法”和“讲解—接受法”的教学思路、过程以及结果。我们发现“语境—发现法”的课堂氛围更活跃,学生参与度更高,习得知识的记忆时间更长久;用“讲解—接受法”的教师讲解时间较多,学生以听讲为主,习得的知识需要及时复习避免遗忘。第四章对实验进行总结,得出教学启示,提出教学建议。我们认为,“语境—发现法”可以调动学生的课堂思维,培养学生自我发现的学习能力。“讲解—接受法”适合汉语基础扎实、学习目的性强的成年学习者。因此,建议教师在易混淆词教学中明确两种教学法的使用情景,广泛掌握、灵活运用多种教学法,了解留学生的学习动机,以提高教学效果。第五章总结本次实验研究,提出教学建议以及说明了论文的局限性和未来的研究方向。词义辨析是易混淆词的主要辨析角度,建议以词义辨析为主,语法辨析为辅。同时建议教师了解学生的学习动机,灵活采用不同的教学方法,延长备课时间。
朱洪涛[8]（2020）在《英语朗读发音质量评价模型的研究》文中研究表明语言是人类最便捷的交流方式,随着全球化程度的不断加深,越来越多的人希望掌握一门除母语之外的交流语言。英语作为一门全球性的通用语言,获得了日益广泛的关注,而其中口语学习至关重要。对于英语学习者来说,一对一的师生交流和指导是提高口语水平最有效的方式,但传统的英语课堂教学很难满足大多数学习者的口语学习需求。得益于语音处理技术的不断进步,计算机辅助语言学习（Computer Assisted Language Learning,CALL）系统日趋智能化,不仅能指出学习者的发音错误,还能评估其整体发音水平。本文就是对CALL系统中的发音错误检测和发音质量评测这两项关键技术进行研究,并将两者有效融合,旨在构建一个适合于中国学生的英语朗读发音质量评价模型。本文的主要研究内容如下:1、研究了两种不同的发音错误检测方法。第一种方法基于语音识别框架,将计算得到的音素发音标准度得分和判决门限进行比较,从而判断音素发音是否正确。其中,对标准美音声学模型进行了优化调整,使其适合于评价中国学生的英语发音,并设置音素独立门限来提高发音错误检测性能。2、针对第一种方法对易混淆音素检测能力有限的问题,本文采用了第二种基于声学语音学知识的发音错误检测方法,重点研究了中国学生在英语发音过程中出现的典型易混淆音素/i/和/（?）/,通过提取区分性的声学语音学特征,并使用支持向量机（Support Vector Machine,SVM）进行发音错误检测,取得了比第一种方法更高的发音错误检测性能。3、发音质量评测时,为了更全面地评估学生整体朗读发音质量,除了传统的发音标准度评测外,又分别从发音流畅度和语调两个维度进行评测。在发音流畅度评测中,设计了一种新的评测特征,即单词段长比;在语调评测中,研究了基于动态时间规整（Dynamic Time Warping,DTW）算法的语调评测方法。最后,引入支持向量回归（Support Vector Regression,SVR）算法实现以上不同维度评测特征的有效融合,显着提高了发音质量评测性能。
马高群[9]（2020）在《基于图卷积的区域池化与注意力模型的行为识别》文中指出随着深度学习的发展,行为识别已经成为计算机视觉领域一个十分热门且重要的分支。当前行为识别已经有了广泛的应用,包括视频理解、人机交互以及虚拟现实等等。近年来,随着图卷积网络（将卷积神经网络应用到图中）的发展,行为识别领域又获得新的突破,识别准确率进一步提升。然而,当前存在的图卷积方法感受野太小,只能学习到邻近关节点的相关信息,无法像卷积神经网络一样通过池化扩大感受野提取行为的高层次特征,例如人体五个区域之间的交互特征;其次,当前图卷积方法对于易混淆的行为类别区分较差,原因在于其给予所有动作的关节点和通道分配的权重相同,导致用于区分易混淆动作的关节点和通道不能重点突出。本文从现有的基于图卷积的行为识别模型存在的问题出发,综合考虑模型的实用性和识别性能,创新性地提出了基于图卷积的人体区域池化策略、基于图卷积的轻量化模型以及基于图卷积的关节点和通道注意力模型。本文的主要研究内容以及创新性包括:（1）提出了一种新的基于图卷积的人体区域池化策略,即基于人体运动形态的三步区域池化策略。考虑到人体骨骼固有的图结构以及人体的运动形态特征,采用一种按照人体五部分区域逐步池化的方法来学习行为的高层次特征。人体骨骼大致可以分为五个区域,双手,双脚以及躯干;更进一步,可以分为上半身和下半身。通过逐步池化来学习区域之间的交互特征进而提高行为识别的准确率;（2）提出了一种新的基于图卷积的轻量化模型,即四层图卷积的轻量化模型。经过人体区域池化策略后,关节点之间的信息流通速度加快,可使用更少的图卷积网络层数提取行为特征;在减少模型参数和计算量的同时不影响识别的准确率,使得图卷积网络模型更加轻量化;（3）提出了一种新的基于图卷积的关节点和通道注意力模型,即融合局部信息和全局信息的注意力模型。此注意力模型可综合考虑到行为的时序信息、局部信息以及全局信息,为不同的关节点和通道学习不同的权重,挖掘易混淆行为在关节点和通道中存在的微小差别,对易混淆的行为做出更好的区分。为验证本文所提出方法的有效性,采用当前应用最广泛的三个行为识别数据库:NTU-RGB+D,Kinetics-M和SYSU-3D进行了验证。实验结果表明,本文的模型在前述三个行为识别数据库中的准确率均优于当前最先进的方法。
李心雨[10]（2020）在《细粒度的新闻文本分类方法》文中进行了进一步梳理近年来,互联网上充斥着越来越多的信息,各种媒体每天在网络上发布大量的新闻。在金融领域当中,由于人们对于企业信誉等更加看重,会更加关注网络当中的相关新闻。同时,大量金融新闻的广告性、总结性较强,不具有价值性,这类新闻的存在增添了人们在获取相关资讯过程中的时间成本。此外,对含有潜在价值的金融新闻进行分析往往可以迅速获得信息的升值价值,有效鉴别该类新闻可以避免专业分析人员接触大量不具有分析意义的新闻文本,从而大量节约该过程当中的人工分析成本。因此,如何从大量的新闻数据当中有效鉴别含有潜在价值的金融新闻拥有重要的研究意义。本文当中,我们通过文本分类方法鉴别含有潜在价值的金融新闻。与传统文本分类问题不同的是,待分类的文本具有较长的文本长度,且不同类别之间数据具有比较大的相似性,因而是一个细粒度的长文本分类问题。对于自然语言处理当中的文本分类任务,研究重点一般在于文本表示建模方法当中。现有的文本建模方法一般在较短文本上能够取得比较好的建模效果,对于长文本的建模尝试相对较少。本文提出,在细粒度新闻文本分类问题的长文本建模过程当中,层次化地建模长文本能够更好地获取文本特征。为此,本文基于预训练语言模型,BERT（Bidirectional Embedding Representation from Transformers）,构建了层次化的长文本建模框架,并且在该框架之上加入了不同的篇章编码器,构建了两个具体的长文本分类器。我们在不同的数据集上进行实验,两个长文本分类模型在两个新闻分类数据集上均获得了优于当前已有模型的分类性能,说明了我们提出的长文本建模方法的有效性。根据当前任务的细粒度分类特性,我们为文本分类任务构建辅助的文本匹配任务,进行多任务学习,从而提升基础模型的分类性能。在构建文本匹配任务数据集的过程当中,我们从当前分类结果的混淆情况出发,设计算法进行负样例的定量构建,控制易混淆类别之间的文本构成更多的文本匹配负样本。我们在不同的细粒度文本分类数据集上进行了实验,实验结果表明,这种经过设计的辅助学习任务能够很好地帮助我们在多个基础模型之上提升细粒度分类任务的分类性能。我们在多任务学习之后继续进行了目标任务微调的实验,并在多数基础模型上取得了更优的分类性能。
二、两个易混淆的公式（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、两个易混淆的公式（论文提纲范文）
（1）域自适应中深度度量学习算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 域自适应研究现状 |
| 1.2.2 深度度量学习算法的研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文的结构 |
| 第二章 域自适应技术和度量学习技术 |
| 2.1 域自适应技术介绍 |
| 2.1.1 域自适应技术背景 |
| 2.1.2 域自适应技术关键技术 |
| 2.2 度量学习技术介绍 |
| 2.2.1 传统距离度量学习算法 |
| 2.2.2 深度度量学习算法 |
| 2.3 本章小结 |
| 第三章 无监督域自适应中目标域易混淆类的识别方法 |
| 3.1 无监督域自适应对抗训练 |
| 3.2 无监督域自适应易混淆类识别算法 |
| 3.3 实验过程 |
| 3.3.1 实验设置及数据集介绍 |
| 3.3.2 实验步骤及结果分析 |
| 3.4 本章小结 |
| 第四章 无监督域自适应中深度度量学习算法 |
| 4.1 基于三元组损失的深度度量学习 |
| 4.2 无监督域自适应中深度度量学习模型 |
| 4.3 实验分析及比较 |
| 4.3.1 实验软硬件介绍 |
| 4.3.2 对比的算法 |
| 4.3.3 实验结果和对比分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间申请的专利 |
| 附录2 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（2）面向高维数据的分类特征选择方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文选题背景与研究意义 |
| 1.2 高维特征选择问题的研究价值 |
| 1.3 智能优化算法在高维特征选择中的研究现状 |
| 1.3.1 智能优化算法的概念与发展历史 |
| 1.3.2 基于智能优化算法的高维特征选择方法研究现状 |
| 1.4 论文的主要贡献与创新点 |
| 1.5 基准数据集 |
| 1.6 论文章节安排 |
| 第二章 相关研究基础 |
| 2.1 特征选择问题的定义 |
| 2.2 特征选择的过程 |
| 2.2.1 特征子集生成策略 |
| 2.2.2 特征子集评估准则 |
| 2.2.3 特征选择停止条件 |
| 2.2.4 模型性能验证 |
| 2.3 特征选择的类型 |
| 2.3.1 过滤型特征选择方法 |
| 2.3.2 封装型特征选择方法 |
| 2.3.3 嵌入型特征选择方法 |
| 2.4 特征选择与特征变换的关系 |
| 2.5 常用的分类学习算法 |
| 2.6 本章小结 |
| 第三章 基于改进粒子群优化算法的特征选择方法研究 |
| 3.1 粒子群优化算法 |
| 3.2 改进的粒子群优化算法 |
| 3.3 基于改进粒子群优化算法的特征选择方法 |
| 3.3.1 总体架构 |
| 3.3.2 粒子的表征形式 |
| 3.3.3 适应度函数 |
| 3.4 实验及分析 |
| 3.4.1 对比算法及实验设置 |
| 3.4.2 性能分析与评价 |
| 3.4.3 收敛性能分析 |
| 3.5 本章小结 |
| 第四章 基于特征相关性与代理模型的特征选择方法研究 |
| 4.1 代理模型技术 |
| 4.2 ReliefF算法概述 |
| 4.3 基于特征相关性与代理模型的特征选择方法 |
| 4.3.1 基于特征相关性的粒子更新策略 |
| 4.3.2 代理模型构建 |
| 4.3.3 粒子选择策略 |
| 4.3.4 算法实现流程 |
| 4.4 实验及分析 |
| 4.4.1 对比算法及参数设置 |
| 4.4.2 性能分析与评价 |
| 4.4.3 策略有效性分析 |
| 4.5 本章小结 |
| 第五章 基于多任务智能优化的特征选择方法研究 |
| 5.1 多任务智能优化 |
| 5.2 基于多任务智能优化的特征选择方法 |
| 5.2.1 任务生成策略 |
| 5.2.2 知识迁移机制 |
| 5.2.3 算法实现流程 |
| 5.3 实验及分析 |
| 5.3.1 对比算法及参数设置 |
| 5.3.2 性能分析与评价 |
| 5.3.3 算法稳定性分析 |
| 5.3.4 与非启发式特征选择方法的性能对比 |
| 5.3.5 不同分类学习算法对所提方法的性能影响 |
| 5.3.6 策略有效性分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文研究工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间主要的科研成果及参与的科研项目 |
| 学位论文评阅及答辩情况表 |
（4）初中物理概念形成教学实践策略（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 研究背景 |
| 1.1.1 新课程标准对于初中物理概念形成教学的基本要求 |
| 1.1.2 学生掌握物理概念重要性 |
| 1.2 物理概念教学国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究目的 |
| 1.4 研究过程与方法 |
| 1.4.1 研究方法 |
| 1.4.2 研究思路 |
| 2.理论基础 |
| 2.1 概念界定 |
| 2.1.1 物理概念 |
| 2.1.2 物理前概念 |
| 2.1.3 物理概念教学 |
| 2.1.4 物理概念形成 |
| 2.2 物理概念教学的教育心理学理论基础 |
| 2.2.1 皮亚杰认知发展理论 |
| 2.2.2 建构主义学习理论 |
| 2.2.3 奥苏贝尔有意义学习理论 |
| 3.初中物理概念教学现状分析 |
| 3.1 调查对象 |
| 3.2 调查目的 |
| 3.3 调查问卷设计 |
| 3.4 调查问卷数据分析 |
| 3.4.1 初中物理概念教学情感态度分析 |
| 3.4.2 初中物理概念教学概念引入过程分析 |
| 3.4.3 初中物理概念教学概念形成过程分析 |
| 3.4.4 初中物理概念教学概念掌握过程分析 |
| 3.4.5 初中物理概念教学概念巩固过程分析 |
| 3.4.6 初中物理概念教学知识评价 |
| 3.5 问卷调查结论 |
| 4.初中物理概念形成教学策略 |
| 4.1 初中物理概念教学活动基本环节 |
| 4.2 初中物理概念教学方法 |
| 4.2.1 新课引入的方法 |
| 4.2.2 物理概念正确形成的方法 |
| 4.2.3 物理概念掌握与巩固的方法 |
| 5.初中物理概念形成教学案例与实践 |
| 5.1 教学实践对象基本情况 |
| 5.2 概念形成教学应用案例分析 |
| 5.2.1 “滑动摩擦力”案例分析 |
| 5.3 概念形成教学效果研究分析 |
| 5.3.1 调查的形式与目的 |
| 5.3.2 试题设计选题内容与范围 |
| 5.3.3 成都市新都第四中学初2019学生概念测试情况分析 |
| 6.研究总结 |
| 6.1 研究结论 |
| 6.1.1 .教材层面 |
| 6.1.2 学生层面 |
| 6.1.3 教师层面 |
| 6.2 研究不足 |
| 参考文献 |
| 附录 |
| 致谢 |
（5）韦恩图在高中生物学教学中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 前言 |
| 1.1 研究背景 |
| 1.2 研究内容和拟解决的关键问题 |
| 1.2.1 研究内容 |
| 1.2.2 拟解决的关键问题 |
| 1.3 研究方法 |
| 1.3.1 文献法 |
| 1.3.2 实验研究法 |
| 1.3.3 课堂观察法 |
| 1.4 研究的思路框架与创新 |
| 1.5 研究目标 |
| 1.6 研究意义 |
| 2 文献综述 |
| 2.1 概念界定 |
| 2.2 韦恩图的形式 |
| 2.3 韦恩图的功能 |
| 2.4 韦恩图的研究现状 |
| 3 研究的理论基础 |
| 3.1 有意义学习理论 |
| 3.2 建构主义理论 |
| 3.3 概念转变理论 |
| 4 韦恩图在高中生物学教学中的具体应用 |
| 4.1 利用韦恩图区分高中生物学中的易混淆概念 |
| 4.2 利用韦恩图巧解高中生物学计算题 |
| 4.3 利用韦恩图梳理高中生物学概念的内涵和外延 |
| 4.4 利用堆积韦恩图呈现知识层次 |
| 4.5 韦恩图和其他图示化工具的组合 |
| 5 韦恩图的构建 |
| 5.1 韦恩图的构建原则 |
| 5.2 韦恩图的构建步骤 |
| 5.3 引导学生构建韦恩图的案例 |
| 6 韦恩图在高中生物学教学中应用的实践研究 |
| 6.1 研究目的 |
| 6.2 研究对象 |
| 6.3 实施时间 |
| 6.4 变量分析 |
| 6.4.1 自变量 |
| 6.4.2 因变量 |
| 6.4.3 控制无关变量 |
| 6.5 研究过程 |
| 6.5.1 课堂观察记录表的制作 |
| 6.5.2 前测和后测考试卷的来源 |
| 7 结果及分析 |
| 7.1 《“学生学习互动”视点的课堂观察记录表》分析 |
| 7.2 学生试卷成绩分析 |
| 7.2.1 不同类型题目成绩分析 |
| 7.2.2 试卷总成绩差异显着性分析 |
| 7.2.3 不同分数段人数分析 |
| 8 讨论与结论 |
| 8.1 韦恩图可以提高学生的学习互动水平 |
| 8.2 韦恩图对学生的成绩有一定的促进作用,有利于提高学生的图表分析能力 |
| 9 反思与建议 |
| 9.1 反思 |
| 9.1.1 韦恩图运用于高中生物学教学中的优势 |
| 9.1.2 研究的不足之处 |
| 9.2 建议 |
| 9.2.1 学生“学”的建议 |
| 9.2.2 教师“教”的建议 |
| 参考文献 |
| 附录1 |
| 附录2 |
| 附录3 |
| 附录4 |
| 附录5 |
| 附录6 |
| 致谢 |
| 在读期间发表的学术论文及研究成果 |
（6）融资约束视角下民营企业国有化问题研究 ——以东江环保为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容及方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 研究创新点及重难点 |
| 1.3.1 研究创新点 |
| 1.3.2 重难点 |
| 2 相关理论基础和文献综述 |
| 2.1 相关理论 |
| 2.1.1 信息不对称理论 |
| 2.1.2 优序融资理论 |
| 2.1.3 民企国有化动因论 |
| 2.1.4 融资约束理论及衡量指标 |
| 2.2 文献综述 |
| 2.2.1 融资约束定义研究 |
| 2.2.2 融资约束成因研究 |
| 2.2.3 民营企业中的融资约束程度及影响研究 |
| 2.2.4 民营企业国有化目的研究 |
| 2.2.5 民营企业国有化对融资约束的影响研究 |
| 2.2.6 文献评述 |
| 3 案例介绍 |
| 3.1 东江环保公司及广晟公司介绍 |
| 3.1.1 东江环保股份有限公司概况 |
| 3.1.2 广晟公司介绍 |
| 3.2 东江环保国有化进程 |
| 4 东江环保国有化对融资约束的影响 |
| 4.1 东江环保国有化前后融资约束程度的定量分析 |
| 4.1.1 国有化前融资约束程度定量分析 |
| 4.1.2 国有化后融资约束程度定量分析及变化趋势 |
| 4.2 东江环保国有化前后融资约束程度定性分析 |
| 5 东江环保国有化缓解融资约束的原因及国有化过程中存在的问题 |
| 5.1 东江环保国有化缓解融资约束的原因 |
| 5.1.1 广晟公司优势 |
| 5.1.2 东江环保扩张局限及企业优势 |
| 5.1.3 两家公司结合后产生良好的协同效应 |
| 5.1.4 东江环保国有化改革速度适宜 |
| 5.2 东江环保国有化改革存在的问题 |
| 5.2.1 信息系统不统一,整合不及时 |
| 5.2.2 资金管理系统不一致,使用效率较低 |
| 6 研究结论与启示 |
| 6.1 研究结论 |
| 6.2 启示 |
| 参考文献 |
| 致谢 |
（7）留学生易混淆词教学实验研究 ——以新HSK五级词汇为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究缘起与研究意义 |
| 1.2 研究现状 |
| 1.2.1 易混淆词辨析研究 |
| 1.2.2 易混淆词偏误研究 |
| 1.2.3 易混淆词教学研究 |
| 1.2.4 小结 |
| 1.3 理论基础 |
| 1.3.1 布鲁纳发现式学习理论 |
| 1.3.2 奥苏伯尔有意义学习理论 |
| 1.3.3 语境理论 |
| 1.4 研究方法及语料来源 |
| 1.4.1 研究方法 |
| 1.4.2 语料来源 |
| 2 新HSK五级含相同语素的双音节易混淆词分析 |
| 2.1 易混淆词的确定 |
| 2.1.1 易混淆词的选取标准 |
| 2.1.2 本文选取的易混淆词 |
| 2.1.3 本文选取的易混淆词类型 |
| 2.2 易混淆词的辨析 |
| 2.2.1 词义对比分析 |
| 2.2.2 语法对比分析 |
| 2.3 小结 |
| 3 新HSK五级含相同语素的双音节易混淆词教学实验 |
| 3.1 实验介绍 |
| 3.1.1 实验目的 |
| 3.1.2 实验对象 |
| 3.1.3 实验内容 |
| 3.1.4 实验步骤 |
| 3.2 教学实验的开展 |
| 3.2.1 前测 |
| 3.2.2 教学实施 |
| 3.2.2.1 “语境—发现法”的教学实验过程 |
| 3.2.2.2 “讲解—接受法”的教学实验过程 |
| 3.2.3 后测 |
| 3.3 教学实验数据分析与讨论 |
| 3.3.1 实验分班的有效性分析 |
| 3.3.2 教学效果的数据统计与分析 |
| 3.3.3 实验过程讨论 |
| 3.4 小结 |
| 4 教学启示及建议 |
| 4.1 教学启示 |
| 4.2 教学建议 |
| 4.2.1 相异语素的辨析 |
| 4.2.2 教学方法的运用 |
| 4.2.3 学习动机的了解 |
| 4.3 小结 |
| 5 结语 |
| 参考文献 |
| 附录 |
| 致谢 |
（8）英语朗读发音质量评价模型的研究（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 发音错误检测研究现状 |
| §1.2.2 发音质量评测研究现状 |
| §1.3 论文主要工作 |
| §1.4 论文组织结构 |
| 第二章 相关理论与方法 |
| §2.1 隐马尔科夫模型 |
| §2.2 语音信号预处理 |
| §2.2.1 预加重 |
| §2.2.2 分帧 |
| §2.2.3 加窗 |
| §2.3 语音信号声学特征提取 |
| §2.3.1 梅尔频率倒谱系数 |
| §2.4 知识库 |
| §2.4.1 声学模型 |
| §2.4.2 语言模型 |
| §2.4.3 发音词典 |
| §2.5 维特比束搜索解码 |
| §2.5.1 搭建搜索网络 |
| §2.5.2 Viterbi束搜索解码 |
| §2.6 本章小结 |
| 第三章 英语朗读发音质量评价模型 |
| §3.1 模型的总体结构 |
| §3.2 单词发音错误检测模块 |
| §3.2.1 单词发音音素错误检测算法 |
| §3.2.2 单词发音易混淆音素检测算法 |
| §3.3 发音质量评测模块 |
| §3.3.1 发音标准度评测算法 |
| §3.3.2 发音流畅度评测算法 |
| §3.3.3 基于DTW的语调评测算法 |
| §3.3.4 基于SVR的发音评分算法 |
| §3.4 本章小结 |
| 第四章 评价模型的实验与分析 |
| §4.1 实验环境与配置 |
| §4.1.1 实验环境 |
| §4.1.2 实验配置 |
| §4.2 评价模型的实验数据 |
| §4.3 单词发音错误检测实验与分析 |
| §4.3.1 单词发音错误检测实验评价指标 |
| §4.3.2 单词发音音素错误检测实验与分析 |
| §4.3.3 单词发音易混淆音素检测实验与分析 |
| §4.4 发音质量评测模块实验与分析 |
| §4.4.1 发音质量评测实验的评价指标 |
| §4.4.2 发音标准度评测实验与分析 |
| §4.4.3 发音流畅度评测实验与分析 |
| §4.4.4 发音语调评测实验与分析 |
| §4.4.5 评价模型的评测实例实验与讨论 |
| §4.5 评价模型的具体实现 |
| §4.6 本章小结 |
| 第五章 总结与展望 |
| §5.1 论文总结 |
| §5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者在攻读硕士期间的主要研究成果 |
（9）基于图卷积的区域池化与注意力模型的行为识别（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景和意义 |
| 1.2 人体行为识别研究现状 |
| 1.2.1 基于传统方法的骨骼关节点行为识别 |
| 1.2.2 基于卷积和循环神经网络方法的骨骼关节点行为识别 |
| 1.2.3 基于图卷积网络方法的骨骼关节点行为识别 |
| 1.3 基于图卷积网络方法的骨骼关节点行为识别存在的问题 |
| 1.4 本文的研究内容及创新点 |
| 1.5 本文的组织结构 |
| 2 基于骨骼关节点行为识别的相关基础和理论 |
| 2.1 神经网络基础 |
| 2.1.1 神经网络的基本结构 |
| 2.1.2 神经网络的激活函数 |
| 2.1.3 损失函数 |
| 2.1.4 梯度下降与反向传播 |
| 2.1.5 神经网络防止过拟合方法 |
| 2.2 本章小结 |
| 3 基于图卷积的人体区域池化策略研究 |
| 3.1 算法概述 |
| 3.2 图卷积操作 |
| 3.2.1 图的定义 |
| 3.2.2 图卷积基础 |
| 3.2.3 基于人体骨骼关节点的图卷积实现 |
| 3.3 基于人体运动形态的三步区域池化策略 |
| 3.4 实验结果对比与分析 |
| 3.4.1 基准模型 |
| 3.4.2 人体区域池化策略详细设计 |
| 3.4.3 实验结果对比与分析 |
| 3.5 本章小结 |
| 4 基于图卷积的轻量化模型研究 |
| 4.1 算法概述 |
| 4.2 四层图卷积轻量化模型研究 |
| 4.2.1 关节点信息流动速度 |
| 4.2.2 网络模型的计算量 |
| 4.3 实验结果对比与分析 |
| 4.4 本章小结 |
| 5 基于图卷积的关节点和通道注意力模型 |
| 5.1 算法概述 |
| 5.2 融合局部信息与全局信息的注意力模型 |
| 5.2.1 行为识别易混淆动作分析 |
| 5.2.2 注意力模型详细设计 |
| 5.3 实验结果对比与分析 |
| 5.3.1 关节点和通道注意力模型实验分析 |
| 5.3.2 NTU-RGB+D |
| 5.3.3 Kinetics-M |
| 5.3.4 SYSU-3D |
| 5.4 参数设置及数据集简介 |
| 5.4.1 实验环境及训练细节 |
| 5.4.2 数据集介绍 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 附录 A 数据库中包含的行为类别 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（10）细粒度的新闻文本分类方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究的背景及意义 |
| 1.3 国内外相关技术研究现状分析 |
| 1.3.1 基于传统机器学习的文本分类 |
| 1.3.2 基于深度学习的文本分类 |
| 1.3.3 基于多任务学习的文本分类 |
| 1.4 本文主要研究内容 |
| 1.5 论文的组织与结构 |
| 第2章 新闻文本分类方法简介 |
| 2.1 引言 |
| 2.2 目标类别新闻鉴别的整体流程 |
| 2.3 基于深度学习的文本分类方法 |
| 2.3.1 基于深度学习的文本分类框架 |
| 2.3.2 基于深度学习的文本分类模型 |
| 2.3.3 基于预训练语言模型的文本分类方法 |
| 2.3.4 基于深度学习的文本分类器 |
| 2.4 基于多任务学习的文本分类方法 |
| 2.4.1 多任务学习的基本概念 |
| 2.4.2 多任务学习下的两种学习模式 |
| 2.4.3 多任务学习在文本分类当中的应用 |
| 2.5 本章小结 |
| 第3章 层次化文本表示的长文本分类 |
| 3.1 引言 |
| 3.2 层次化的长文本表示方法 |
| 3.2.1 嵌入层的设计方法 |
| 3.2.2 基于BERT的句子编码方法 |
| 3.2.3 篇章编码方法 |
| 3.2.4 篇章分类方法 |
| 3.3 数据集介绍 |
| 3.3.1 细粒度新闻文本分类数据集 |
| 3.3.2 公开数据集简介 |
| 3.4 评价指标介绍 |
| 3.5 实验与结果分析 |
| 3.5.1 实验环境与配置 |
| 3.5.2 实验结果 |
| 3.5.3 实验分析 |
| 3.6 本章小结 |
| 第4章 基于多任务学习的细粒度文本分类 |
| 4.1 引言 |
| 4.2 基于多任务学习的文本分类方法 |
| 4.2.1 辅助学习任务的构建 |
| 4.2.2 多任务学习的文本分类实现方法 |
| 4.3 实验结果与分析 |
| 4.3.1 基于多任务学习的实验结果 |
| 4.3.2 加入目标任务微调之后的实验结果 |
| 4.3.3 IMDb数据集上多任务学习实验结果 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
四、两个易混淆的公式（论文参考文献）
- [1]域自适应中深度度量学习算法研究[D]. 邱滨均. 南京邮电大学, 2021
- [2]面向高维数据的分类特征选择方法研究[D]. 陈科. 山东大学, 2021
- [3]域自适应中深度度量学习算法研究[D]. 邱滨均. 南京邮电大学, 2021
- [4]初中物理概念形成教学实践策略[D]. 张紫沁. 西南大学, 2020(05)
- [5]韦恩图在高中生物学教学中的应用研究[D]. 马玉芬. 贵州师范大学, 2020(12)
- [6]融资约束视角下民营企业国有化问题研究 ——以东江环保为例[D]. 阮雨菲. 河南财经政法大学, 2020(07)
- [7]留学生易混淆词教学实验研究 ——以新HSK五级词汇为例[D]. 王荣姗. 四川师范大学, 2020(08)
- [8]英语朗读发音质量评价模型的研究[D]. 朱洪涛. 桂林电子科技大学, 2020(02)
- [9]基于图卷积的区域池化与注意力模型的行为识别[D]. 马高群. 北京交通大学, 2020(03)
- [10]细粒度的新闻文本分类方法[D]. 李心雨. 哈尔滨工业大学, 2020(02)