计算机博士论文参考文献格式模板怎么写？本文以计算机论文为例，为大家列举80例论文的参考文献，希望能够帮助大家写好论文。
参考文献的格式案例一：复杂噪声背景下的稀疏测向方法研究
[1]DOA Estimation Based on Sparse Representation of the Fractional Lower Order Statistics in Impulsive Noise[J]. Sen Li,Rongxi He,Bin Lin,Fei Sun. IEEE/CAA Journal of Automatica Sinica. 2018(04)
[2]基于SL0范数的改进稀疏信号重构算法[J]. 冯俊杰,张弓,文方青. 数据采集与处理. 2016(01)
[3]基于改进光滑l0范数的块稀疏信号重构算法[J]. 祁锐,李宏伟,张玉洁. 计算机工程. 2015(11)
[4]阵元位置误差校正Toeplitz预处理算法[J]. 杨洁,刘聪锋. 西安电子科技大学学报. 2011(02)
[5]面阵测向性能相对于阵元位置误差敏感性研究[J]. 刘洪盛,肖先赐. 电波科学学报. 2008(01)
[6]一种对称α稳定噪声中的DOA估计新方法[J]. 周神,冯大政,刘建强,郑春弟. 信号处理. 2007(02)
[7]线阵阵元位置误差造成的测向误差估算[J]. 刘洪盛,肖先赐. 电波科学学报. 2006(05)
[8]利用分数低阶空时矩阵进行冲击噪声环境下的DOA估计[J]. 何劲,刘中. 航空学报. 2006(01)
[1]基于压缩感知的阵列DOA估计[D]. 黄祖镇.哈尔滨工业大学 2013
[1]统计信号处理[M]. 电子工业出版社 , 邱天爽等编著, 2004
[1]基于时间反转聚焦的通信信号测向方法研究[D]. 刘伟.哈尔滨工程大学 2015
[2]宽带与二维阵列测向的几个关键技术研究[D]. 李南君.电子科技大学 2010
[3]宽带信号测向与定位算法研究[D]. 杨健.南京航空航天大学 2014
[4]相干信号的超分辨测向技术研究[D]. 甄佳奇.哈尔滨工程大学 2011
[5]基于压缩采样的比幅测向方法研究[D]. 杨瑞明.电子科技大学 2010
[6]通信信号测向与分析技术研究[D]. 甘露.电子科技大学 2009
[7]声矢量阵校正及测向技术研究[D]. 张柯.哈尔滨工程大学 2014
[8]被动雷达导引头高精度超分辨测向技术研究[D]. 唐建红.哈尔滨工程大学 2009
[9]基于空间谱估计的无源测向技术研究[D]. 周陬.华中科技大学 2007
[10]高分辨测向阵列几何结构研究[D]. 刘洪盛.电子科技大学 2009
参考文献的格式案例二：电动汽车热管理直冷系统研究及其控制分析
[1]电动汽车集成热管理研究进展[J]. 姚孟良,甘云华,梁嘉林,李勇. 工程科学学报. 2020(04)
[2]SOC区间选择对动力电池性能的影响[J]. 樊彬,徐梓荐,何兴. 中国汽车. 2019(12)
[3]燃料电池冷却方法及热管理控制策略进展[J]. 张宝斌,刘佳鑫,李建功,谢世满. 电池. 2019(02)
[4]电动汽车发展综述[J]. 胡堋湫,谭泽富,邱刚,王欣煜,邓明. 电气应用. 2018(20)
[5]热力学熵分析法改善双级喷射制冷系统的研究[J]. 许浩,李香,徐昆,刘进阳,谢超许,王博韬,王南,王祥. 当代化工. 2017(10)
[6]基于容量增量分析的复合材料锂电池分区间循环衰退机理[J]. 薛楠,孙丙香,白恺,韩智强,李娜. 电工技术学报. 2017(13)
[7]动力汽车用锂离子电池全生命周期标准体系建设研究分析[J]. 崔妍,付强,潘薇,李晶. 标准科学. 2016(12)
[8]基于动态规划的增程式电动汽车优化控制[J]. 张晓玲,贝绍轶,汪伟,朱凯,杭卫星. 现代制造工程. 2016(10)
[9]基于Sobol指数法作战能力全局敏感性分析方法[J]. 尹文进,张静远,饶喆,冯炜. 船电技术. 2015(12)
[10]带有冷变换器的双压缩机耦合冰箱[J]. 唐黎明,周苏明,陈光明,陈琪. 浙江大学学报(工学版). 2013(11)
[1]基于智能理论的纯电动汽车热管理系统研发[D]. 李美静.山东大学 2020
[2]基于区间应力的锂离子电池容量估计及寿命预测研究[D]. 任鹏博.北京交通大学 2019
[3]四轮独立驱动电动汽车多源优化能量管理研究[D]. 李广民.东南大学 2019
[4]某型纯电动汽车热管理系统研究分析[D]. 高峰.合肥工业大学 2019
[5]基于电池热效应分析的混合动力系统控制策略研究[D]. 罗钧夫.吉林大学 2019
[6]纯电动汽车动力总成热管理策略研究[D]. 冯权.浙江大学 2019
[7]纯电动客车三电系统选型设计及其热管理分析[D]. 胡杰.吉林大学 2018
[8]车用永磁同步电机模型预测控制方法研究[D]. 张霖.大连理工大学 2018
[9]液冷式电池热管理系统换热特性与控制方法研究[D]. 刘玮.吉林大学 2017
[10]并联式双蒸发器客车制冷系统的建模仿真与实验[D]. 段胜利.上海交通大学 2016
[1]电动汽车用复合储能系统关键技术及设计方法研究[D]. 王峰.华南理工大学 2019
[2]电动汽车热泵空调系统及降能耗策略研究[D]. 张子琦.上海交通大学 2018
[3]分布式驱动电动汽车状态估计与力矩矢量控制研究[D]. 张琳.吉林大学 2019
[4]基于电机精确扭矩计算的轮毂电机电动汽车主动安全新方法[D]. 刘翔.上海交通大学 2016
[5]电动汽车对区域配电网的影响评估及其控制策略研究[D]. 詹晓晖.华北电力大学(北京) 2016
[6]基于信息物理融合计算的电动汽车能源优化管理[D]. 孙中豪.西北工业大学 2017
[7]计及多元效益的电动汽车换电站与风电协同优化研究[D]. 蒋哲.哈尔滨工业大学 2018
[8]电动汽车充换电定价模型及政策研究[D]. 梁燕妮.华北电力大学(北京) 2018
[9]考虑顾客需求异质性的电动汽车服务网络优化研究[D]. 郭放.华中科技大学 2018
[10]电动汽车采纳行为的影响因素及市场干预机制研究[D]. 何秀红.华中科技大学 2018
参考文献的格式案例三：CT影像组学与机器学习在诊断Bosniak Ⅲ级肾脏囊性病变中的应用
[1]基于T2WI的纹理分析和机器学习在鉴别肾乏脂血管平滑肌脂肪瘤和肾癌中的价值[J]. 刘震昊,白旭,叶慧义,郭爱桃,林明权,左盼莉,王海屹. 磁共振成像. 2021(02)
[2]基于CT图像纹理分析结合机器学习随机森林模型对急性脑梗死的辅助诊断价值[J]. 刘畅,赵泓博,贾宏茹,彭云,罗先富,夏巍,孙骏,凌俊,傅剑雄,叶靖. 临床放射学杂志. 2020(07)
[3]2019版肾脏囊性病变Bosniak分级标准解读[J]. 康欢欢,白旭,王海屹. 中华放射学杂志. 2020(08)
[4]基于图像处理与机器学习的岩土湿度检测系统[J]. 李磊,陈向东,丁星,李皋,陈一健. 传感器与微系统. 2020(06)
[5]特征选择方法综述[J]. 李郅琴,杜建强,聂斌,熊旺平,黄灿奕,李欢. 计算机工程与应用. 2019(24)
[6]采用多任务学习和循环神经网络的语音情感识别算法[J]. 冯天艺,杨震. 信号处理. 2019(07)
[7]基于机器学习算法的金融期权波动率预测[J]. 马天平,吴卫星. 学海. 2018(05)
[8]特征降维技术的研究与进展[J]. 黄铉. 计算机科学. 2018(S1)
[9]实值多变量维数约简:综述[J]. 单洪明,张军平. 自动化学报. 2018(02)
[10]乏脂肪肾血管平滑肌脂肪瘤与肾透明细胞癌的CT鉴别诊断[J]. 张亚琴,朱俊颖,侯永和,方友强. 中华腔镜泌尿外科杂志(电子版). 2017(05)
[1]肾癌FORCE双能量CT及增强CT表现与肿瘤微结构关系研究[D]. 欧阳爱梅.山东大学 2018
[2]肾细胞癌CT灌注成像和血管生成的临床研究[D]. 任方远.第二军医大学 2006
[3]CT血管成像精准定位在预防经皮肾镜取石术出血的应用研究[D]. 孟祥军.南方医科大学 2016
[4]肾脏肿瘤的CT灌注成像磁共振扩散加权成像和灌注加权成像研究[D]. 陈超.第二军医大学 2015
[5]肾透明细胞癌侵袭性与CT强化特征相关性研究[D]. 朱冶华.上海交通大学 2015
[6]CT能谱成像在肾细胞癌诊断中的应用初探[D]. 潘召城.上海交通大学 2014
[7]64排螺旋CT肾癌灌注成像实验与临床应用研究[D]. 梁文.第一军医大学 2007
[8]经皮肾镜取石的低剂量CT定位研究暨围术期患者血肾功能变化的观察[D]. 蒋立城.山东大学 2012
[9]FLASH双源CT双能量扫描在肾脏肿瘤低kV扫描技术中的应用研究[D]. 彭洪娟.山东大学 2013
[10]正常肾脏与梗阻性肾积水患者患肾功能的64层螺旋CT研究[D]. 王云华.中南大学 2008
[1]Usefulness of CT texture analysis in differentiating benign and malignant renal tumours[J] . Y. Deng,E. Soule,E. Cui,A. Samuel,S. Shah,C. Lall,C. Sundaram,K. Sandrasegaran. Clinical Radiology . 2020 (2)
[2]Radiomics of small renal masses on multiphasic CT: accuracy of machine learning-based classification models for the differentiation of renal cell carcinoma and angiomyolipoma without visible fat.[J] . Yang Ruimeng,Wu Jialiang,Sun Lei,Lai Shengsheng,Xu Yikai,Liu Xilong,Ma Ying,Zhen Xin. European radiology . 2020 (2)
[3]A CT-based radiomics nomogram for differentiation of renal angiomyolipoma without visible fat from homogeneous clear cell renal cell carcinoma.[J] . Nie Pei,Yang Guangjie,Wang Zhenguang,Yan Lei,Miao Wenjie,Hao Dapeng,Wu Jie,Zhao Yujun,Gong Aidi,Cui Jingjing,Jia Yan,Niu Haitao. European radiology . 2020 (2)
[4]Bosniak classification of cystic renal masses version 2019 does not increase the interobserver agreement or the proportion of masses categorized into lower Bosniak classes for non-subspecialized readers on CT or MR[J] . Eduardo Oliveira Pacheco,Ulysses S. Torres,Aldo Maurici Araújo Alves,Daniel Bekhor,Giuseppe D’Ippolito. European Journal of Radiology . 2020
[5]Deep Feature Stability Analysis Using CT Images of a Physical Phantom Across Scanner Manufacturers, Cartridges, Pixel Sizes, and Slice Thickness.[J] . Paul Rahul,Shafiq-Ul Hassan Mohammed,Moros Eduardo G,Gillies Robert J,Hall Lawrence O,Goldgof Dmitry B. Tomography （Ann Arbor, Mich.） . 2020 (2)
[6]Standardization in Quantitative Imaging: A Multicenter Comparison of Radiomic Features from Different Software Packages on Digital Reference Objects and Patient Data Sets.[J] . McNitt-Gray M,Napel S,Jaggi A,Mattonen S A,Hadjiiski L,Muzi M,Goldgof D,Balagurunathan Y,Pierce L A,Kinahan P E,Jones E F,Nguyen A,Virkud A,Chan H P,Emaminejad N,Wahi-Anwar M,Daly M,Abdalah M,Yang H,Lu L,Lv W,Rahmim A,Gastounioti A,Pati S,Bakas S,Kontos D,Zhao B,Kalpathy-Cramer J,Farahani K. Tomography （Ann Arbor, Mich.） . 2020 (2)
[7]Stanford DRO Toolkit: Digital Reference Objects for Standardization of Radiomic Features.[J] . Jaggi Akshay,Mattonen Sarah A,McNitt-Gray Michael,Napel Sandy. Tomography （Ann Arbor, Mich.） . 2020 (2)
[8]Differentiation of renal angiomyolipoma without visible fat from renal cell carcinoma by machine learning based on whole-tumor computed tomography texture features[J] . En-Ming Cui,Fan Lin,Qing Li,Rong-Gang Li,Xiang-Meng Chen,Zhuang-Sheng Liu,Wan-Sheng Long. Acta Radiologica . 2019 (11)
[9]Contrast-Enhanced CT Texture Analysis for Distinguishing Fat-Poor Renal Angiomyolipoma From Chromophobe Renal Cell Carcinoma[J] . Guangjie Yang,Aidi Gong,Pei Nie,Lei Yan,Wenjie Miao,Yujun Zhao,Jie Wu,Jingjing Cui,Yan Jia,Zhenguang Wang. Molecular Imaging . 2019
[10]The value of quantitative CT texture analysis in differentiation of angiomyolipoma without visible fat from clear cell renal cell carcinoma on four-phase contrast-enhanced CT images[J] . M.-W. You,N. Kim,H.J. Choi. Clinical Radiology . 2019 (7)
以上是80例计算机论文的参考文献，如果你想了解更多关于论文写作的素材或者方法，可以在本网站查询；如果需要寻求写作帮助，可以在线咨询。
