已閱讀1頁，還剩155頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、⑧論文作者簽名：指導(dǎo)教師簽名：論文評(píng)閱人1：評(píng)閱人2：評(píng)閱人3：評(píng)閱人4：評(píng)閱人5：評(píng)閱人6：答辯委員會(huì)主席：委員1：委員2：委員3：委員4：答辯日期：浙江大學(xué)研究生學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)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，也不包含為獲得逝婆盤堂或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于核方法的糾錯(cuò)輸出編碼多類分類算法改進(jìn).pdf
- 基于超通道的空時(shí)距先驗(yàn)概率的編碼.pdf
- 概率2010分類
- 基于超球體多類支持向量數(shù)據(jù)描述的醫(yī)學(xué)圖像分類方法研究.pdf
- 基于多層自編碼和超像素的極化SAR圖像分類.pdf
- 基于自適應(yīng)自編碼和超像素的sar圖像分類
- 基于自適應(yīng)自編碼和超像素的SAR圖像分類.pdf
- 基于AUC的SVM多類分類算法的優(yōu)化.pdf
- 基于類中心最小超球體的快速分類法.pdf
- 基于類引力的多標(biāo)簽分類方法研究.pdf
- 10053.基于超通道的空時(shí)距先驗(yàn)概率的編碼(1)
- 基于支持向量機(jī)的多類網(wǎng)頁分類方法.pdf
- 基于遺傳規(guī)劃的多類分類技術(shù)研究.pdf
- 基于類信息的潛在語義多類文本分類模型研究.pdf
- 基于支持向量機(jī)的多類分類問題的研究.pdf
- 基于SIFT特征表示和稀疏編碼的多標(biāo)記場(chǎng)景分類.pdf
- 基于FBT的改進(jìn)SVM多類分類方法研究.pdf
- 基于聚類樹的多類標(biāo)文本分類算法研究.pdf
- 量子隱形傳態(tài)和概率性受控超密編碼.pdf
- 基于概率計(jì)算的多碼率LDPC譯碼器設(shè)計(jì).pdf
評(píng)論
0/150
提交評(píng)論