硕士论文范文大全5例「计算机论文」

; 2.1 内存的行存储结构
        2.1.1 DRAM存储
        2.1.2 ReRAM存储
    2.2 内存的双端存储结构
        2.2.1 DRAM双端存储
        2.2.2 NVM双端存储
    2.3 数据库的行存储模型
    2.4 数据库的列存储模型
    2.5 数据库混合存储模型
    2.6 本章小结
第三章 行列访问计算模型
    3.1 引言
    3.2 计算模型
        3.2.1 相关定义
        3.2.2 情况分类
    3.3 实验数据构建
        3.3.1 数据的字段情况
        3.3.2 行存储情况
        3.3.3 列存储情况
        3.3.4 混合存储情况
    3.4 模拟实验结果及分析
    3.5 本章小结
第四章 SQL语句的判别算法
    4.1 引言
    4.2 算法设计
        4.2.1 类型划分
        4.2.2 状态判别划分
        4.2.3 算法基本思想
        4.2.4 实现步骤
        4.2.5 SQL语句判别算法流程图
    4.3 实验结果
    4.4 结果分析
    4.5 本章小结
第五章 模糊搜索应用
    5.1 引言
    5.2 底层实现原理
    5.3 搜索系统设计
        5.3.1 数据来源
        5.3.2 数据解析
        5.3.3 数据封装
        5.3.4 创建索引
        5.3.5 数据分词
        5.3.6 数据存放
        5.3.7 数据查询
    5.4 模糊搜索应用系统流程图
    5.5 性能对比
    5.6 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献

计算机论文范文四：基于改进DenseNet-BC的信用风险预测研究

本文针对信用风险预测问题进行研究,提出了基于改进DenseNet-BC的信用风险预测模型。其主要工作内容如下:（1）现代经济数据集通常具有高维和不平衡的问题,导致信用风险预测模型的训练精度降低、鲁棒性差。针对上述问题,提出了一种融合Focal Loss的DenseNet-BC信用风险预测模型,该模型以DenseNet-BC为基础模型架构,在分类层引入Focal Loss损失函数,利用DenseNet-BC的密集连接特性,既有利于加深网络层数来增强对借款人特征信息的有效提取,又可以将浅层网络与深层网络的重要特征信息进行有效结合。同时,Focal Loss函数通过权重对样本间的类别不平衡和难易样本间的数量不平衡进行调节,减少了多比例类别样本和易分类样本对模型预测造成的误差,提高了模型的泛化性。

第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 论文研究内容
    1.4 论文组织结构
第2章 相关理论
    2.1 信用风险相关知识
        2.1.1 信用风险概念
        2.1.2 信用风险成因
    2.2 深度学习与神经网络
        2.2.1 深度学习概述
        2.2.2 人工神经网络
        2.2.3 BP神经网络
    2.3 卷积神经网络
        2.3.1 卷积神经网络的结构
        2.3.2 卷积神经网络的训练
        2.3.3 卷积神经网络的发展
    2.4 密集卷积神经网络
    2.5 自编码器
    2.6 本章小结
第3章 融合Focal Loss的 DenseNet-BC信用风险预测模型
    3.1 算法概述
        3.1.1 算法设计思想
        3.1.2 算法描述及模型构建
    3.2 数据来源与预处理
        3.2.1 数据来源
        3.2.2 数据预处理
    3.3 实验与结果分析
        3.3.1 实验流程
        3.3.2 实验环境与参数
        3.3.3 实验评价指标
        3.3.4 对比实验设置
        3.3.5 结果与分析
    3.4 本章小结
第4章 融合自编码器与静态重启SGD的 DenseNet-BC信用风险预测模型
    4.1 算法概述
        4.1.1 算法设计思想
        4.1.2 算法描述及模型构建
    4.2 实验与结果分析
        4.2.1 实验流程
        4.2.2 实验环境与参数
        4.2.3 对比实验设置
        4.2.4 结果与分析
    4.3 本章小结
第5章 结论与展望
    5.1 结论
    5.2 展望
致谢
参考文献

计算机论文范文五：目标跟踪算法研究及在视频监控中的应用

本文对已有目标跟踪技术进行了详细的算法介绍,归纳总结出来近年来学者对目标跟踪技术的相关研究,并分析了现有方法存在的不足。针对孪生网络架构方法中,目标对象图像由对象框选择,而存在的目标对象不细致的问题,提出基于图像分割的孪生网络目标跟踪算法,在标准数据集上进行跟踪实验,验证了方法的有效性,并将改进后的方法应用到监控视频的智能分析过程中。

第1章 绪论
    1.1 研究背景和意义
    1.2 国内外发展现状
    1.3 主要研究工作
    1.4 论文组织结构
第2章 目标跟踪相关算法理论基础
    2.1 目标跟踪算法概述
        2.1.1 目标跟踪中的难点
        2.1.2 目标跟踪算法分类
        2.1.3 基于图形学的目标跟踪算法
        2.1.4 相关滤波方法
    2.2 孪生网路跟踪方法
    2.3 图像分割算法
    2.4 本章小结
第3章 基于图像分