导读:本文包含了离散度量论文开题报告文献综述及选题提纲参考文献，主要关键词:区间二型模糊集,Z-numbers,犹豫不确定语言型Z-numbers,几何度量
离散度量论文文献综述
彭颍[1]（2019）在《离散型Z-numbers的不确定性度量及应用》一文中研究指出在不确定理论的研究中,模糊理论的研究举足轻重,模糊理论的形成与应用在很大程度上解决了许多复杂抽象的问题.然而,随着研究的深入探索与挖掘,经典的模糊集理论研究越来越具有其深度和广度.这时研究者们转而研究一种新的模糊理论Z-numbers,以期能够解决更加复杂的问题,弥补经典模糊数的不足.本文以区间二型模糊数为基础,探索Z-numbers的几何度量,熵度量和语言尺度函数运用到多准则决策问题中去.全文分为叁大部分,具体工作如下:在第一部分中,主要介绍了区间二型模糊集,区间梯形二型模糊集,Z-numbers,离散型Z-numbers以及犹豫不确定语言型Z-numbers的相关概念,并围绕具体概念给出相应的解释说明.在第二部分的内容中,首先给出了区间梯形二型模糊集的几何度量以及基于λ截集的区间二型模糊集的几何度量,由此延伸出对Z-numbers的几何度量的猜想,结合实际构建了Z-numbers的几何度量,以此来度量Z-numbers的不确定性.其次,运用多准则决策方法结合实际例子说明了区间梯形二型模糊集的几何度量,基于λ截集的区间二型模糊集的几何度量以及Z-numbers的几何度量的可行性.在将Z-numbers的几何度量方法运用到多准则决策问题中时,给出求解潜在概率的不同模型,而这两个模型根据不同的需要其侧重点也不同.最后,我们进行说明和比较.在多准则决策过程中构造了综合贴近指数公式,并以此解得各方案的得分进行排序,说明了决策方法的有效性.第叁部分内容主要讨论了犹豫不确定语言型Z-numbers的多准则群决策问题,将熵与Z-numbers的语言尺度函数相结合,并构造了一种新的熵公式.在处理决策问题时,给出了求解权重的最优模型.其基本思路是将犹豫不确定语言型Z-numbers的信息用熵进行量化,结合权重确定算例中所有方案的排序值,以此来实现决策结果的择优.(本文来源于《安徽大学》期刊2019-02-01）
王永,王永东,郭慧芳,周玉敏[2]（2018）在《一种基于离散增量的项目相似性度量方法》一文中研究指出【目的】缓解典型的项目相似性度量方法必须使用共同评分、在高度稀疏数据环境中预测精度较低等问题。【方法】引入生物信息科学领域的离散增量,将其构造为相异系数,利用项目评分值的频数及其分布计算项目相似度,克服依赖于共同评分的局限性,改善数据稀疏性的问题;同时结合项目属性信息,提高度量结果的合理性与准确性。【结果】相比于其他典型算法,本文算法的RMSE降低了2.56%,F1值提高了3.88%。【局限】推荐多样性可能不足。【结论】本文算法对于冷启动问题亦有更好的表现,因此,具有良好的应用潜力。(本文来源于《数据分析与知识发现》期刊2018年05期）
郑碧如[3]（2018）在《基于条件概率的离散数据相似性度量研究》一文中研究指出两实例的距离或相似性度量在数据挖掘和机器学习中扮演着重要的角色,其广泛地应用于分类、聚类、异常检测、特征选择和实例检索等机器学习算法中。对连续数据的度量已经很成熟了,而对离散数据的相似性度量还具有很大的研究意义。许多数据驱动的相似性度量方法是通过数据集获取属性值的分布情况,从频数、概率、信息熵等角度构造度量函数。考虑到带有类标签的离散数据的类信息对学习器的训练具有指导作用,本文将利用属性值的类条件概率构造相似性度量函数,并对其在无序和有序离散属性上分别讨论研究,主要研究内容如下:(1)提出基于条件概率的无序离散属性相似性度量。该度量方法利用属性值的类条件概率结合信息熵理论,以两实例对象的共同信息量与描述两者总信息量的比值作为其相似性。并将其应用到多个数据集中,实验结果显示在该度量方法下的学习器具有较低的错误率。(2)提出基于条件概率的有序离散属性相似性度量。针对属性值的序关系,该度量使得序关系相邻的值相似性越大;反之,序关系远隔的值的相似性越小。将其与(1)中提出的度量方法相结合,并应用到混有有序和无序离散属性的多个数据集中,实验结果表明其具有较好的性能。(3)将本文提出的度量方法应用到数据属性包含有序和无序的小额贷款用户申请资质数据集上,并与其他常用相似性度量在该数据下的实验测试结果进行比较。实验结果显示本文提出的新方法在各个性能评估指标上的表现较优,由此表明其具有一定的有效性。(本文来源于《华南理工大学》期刊2018-04-20）
石剑,刘忠乐,周敏佳,文无敌[4]（2018）在《一种基于离散Fréchet距离的磁场相似性度量方法》一文中研究指出随着磁场模拟技术的发展,多种磁源能够对目标磁场进行精细化的模拟,传统的磁场判定方法难以对其相似情况进行度量.针对此问题,提出了一种基于离散Fréchet距离的磁场相似性度量特征值.根据磁场曲线的特点,首先改进了Fréchet方法中离散点间的距离评价指标,并提出了能够度量横坐标相似情况且消除目标速度不同的影响的参数,然后得到磁场相似性度量特征值,最后通过实例验证了其可行性.相对于传统方法,该特征值能够对更加相近的磁场曲线的相似情况进行评价.(本文来源于《电子学报》期刊2018年04期）
夏军[5]（2016）在《离散度量空间的强嵌入》一文中研究指出2013年,Ji,Ogle和Ramsey[28]为度量空间引进了强嵌入的概念,这是一种介于粗嵌入与性质A之间的度量几何性质,并且这种性质在任意的群扩张下是封闭的。在文献[46]中,郁国梁证明了一个具有有界几何的度量空间如果可以粗嵌入到可分的Hilbert空间中,则该空间上的粗Baum-Connes猜测成立,从而如果一个具有有界几何的度量空间是可强嵌入的,则该空间上的粗Baum-Connes猜测自然成立。在粗几何中,对于度量空间的某种性质我们通常会研究它在粗几何运算下的保持性质,从而我们可以构造出更多的具有这种性质的度量空间。在这一点上,我们很自然的想知道强嵌入在哪些粗几何运算下是保持的,这样我们可以构造出更多的满足粗Baum-Connes猜测的度量空间。本文主要研究强嵌入在粗几何运算下的保持性质。主要证明了强嵌入是一种粗几何性质;强嵌入对取子空间、直积、群的归纳极限、有限并以及某种无限并是封闭的;强嵌入在相对双曲群、自由积和融合积、群图的基本群以及有限分解复杂度下都是保持的。(本文来源于《重庆大学》期刊2016-04-01）
童晓冲,贲进,谢金华,韩硕[6]（2015）在《全球六边形离散格网的几何最优化设计与空间度量》一文中研究指出全球离散格网系统(Discrete Global Grid System,DGGS)是一种新型的空间数据模型。它采用特定的方法进行地球表面的同构离散化,提供了一种无缝无迭的多尺度的全球格网结构。DGGS使用格网的地址编码运算代替传统的坐标计算来处理各种空间操作。本文以六边形DGGS为研究对象,提出了一种用于评价格网几何均匀性的新型最优化目标函数,设计了以启发式全局优化方法为核心,结合数值投影变换方法,构建六边形的DGGS。另外,针对DGGS目前的短板问题——空间度量,研究了DGGS上基于格网方法的面积度量、长度度量和角度度量,旨在发展一套全球六边形离散格网上的空间度量体系。(本文来源于《地球信息科学学报》期刊2015年07期）
徐盈盈[7]（2015）在《基于集成的无监督离散化及在数据集相似性度量上的应用》一文中研究指出随着信息技术的高速发展,模式识别在现实生活中的应用日益广泛,但是一些数据挖掘领域的算法只能处理离散属性值,而现实中的很多数据都呈现连续型,这将直接影响机器学习的效果。根据是否考虑数值的类别信息,离散化可分为有监督和无监督的方法。文献中对前者研究颇深并且效果较好,而后者仍具有挑战性。本文提出了一种基于集成学习的无监督离散化算法,并将其应用于聚类算法选择分析。基于集成的无监督离散化算法的主要思想如下:首先使用k-means对数据集进行划分可得到一些类别信息;然后使用有监督的方法对标签数据进行离散化,重复这两个过程便可得到多个离散结果;再应用集成学习的思想,从这些结果中得到最小子区间集合,最后根据相邻数据之间的相似性关系合并最小子区间,并且提出了两种有效的停止准则来终止合并过程。其中,合并的过程考虑了数据的邻居关系,这样尽可能地保持了数据集的内在结构关系。为验证算法的精确性,可将离散后的数据应用于聚类算法,如谱聚类,然后再评价聚类后的效果。实验结果表明,该无监督离散化算法比其他的四种方法聚类精度平均提高了约33%,验证了其可行性及高效性。聚类分析是数据挖掘等领域的重要工具,由于它是一个病态问题,尽管文献中有大量的聚类算法,但一个聚类算法通常仅适合某些特定的数据集,而用户对数据集并无先验知识,那么如何选择一个适合自身数据集的聚类算法,是一个棘手的问题。根据上述基于集成的离散化方法,本文定义了面向聚类算法特征的数据集相似性度量,并提出了聚类算法选择的框架。其主要思想如下:首先创建一个经典聚类算法空间与典型的数据集空间及两者之间的映射,然后对典型数据集及给定数据集进行二值化(针对离散数据进行处理,因此可应用前面提出的无监督的方法)及其稳定性分析,得到数据集的关于聚类的特征向量,再计算特征向量之间的相似性可得到给定数据集k个最邻近的数据集,最后将邻居的聚类算法推荐到给定的数据集。实验中选取七种经典的聚类算法,对给定的数据集进行聚类效果很好,表明该算法是有效可行的。(本文来源于《宁波大学》期刊2015-06-15）
丁剑,白凤伟[8]（2012）在《一种基于相似性度量的离散化方法》一文中研究指出针对基于信息熵的离散化方法的不足,提出了一种应用相似性度量理论将数值型属性进行离散化的方法.数值型属性离散化后,每一个区间所获得的信息量用一个叫做代数-几何平均数距离公式的相似性度量公式来度量;区间的数目由训练数据集合的大小动态决定.将此方法和基于信息熵的离散化方法在一些数据集合上进行实验,并用朴素贝叶斯分类器对离散化后的数据集合进行分类,结果表明该方法有更好的分类正确率.(本文来源于《西北师范大学学报(自然科学版)》期刊2012年05期）
徐春晖,李明瑞[9]（2012）在《可离散有限元法中应变度量的选择》一文中研究指出可离散有限元法是将有限元法与离散元法有机结合,用于分析连续体破裂问题的数值方法。指出由于在研究准脆性材料问题时,多采用软化的本构模型,同时破碎的离散子块在运动碰撞过程中可能存在大的转动,所以计算须基于材料与几何双重非线性理论。经严格证明发现,对数应变是合理的应变度量。更进一步,由于各向同性材料对数应变增量与旋转变形率增量相同,从而得出了旋转变形率增量与旋转Cauchy应力增量能量共轭。由于Cauchy应力与旋转Cauchy应力主应力相同,这就为判断材料的失效必须以Cauchy应力为依据提供了极大的方便。(本文来源于《第五届全国计算爆炸力学会议论文摘要》期刊2012-08-01）
翟红利,林亚静,孙波[10]（2012）在《完备度量空间中离散动力系统的混沌(英文)》一文中研究指出考虑度量空间中离散动力系统的混沌,改进了两条现有判据,证明了当一个系统有正则退化snap backrepeller时拓扑共轭于符号动力系统.(本文来源于《湖南文理学院学报(自然科学版)》期刊2012年01期）
离散度量论文开题报告
（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：
【目的】缓解典型的项目相似性度量方法必须使用共同评分、在高度稀疏数据环境中预测精度较低等问题。【方法】引入生物信息科学领域的离散增量,将其构造为相异系数,利用项目评分值的频数及其分布计算项目相似度,克服依赖于共同评分的局限性,改善数据稀疏性的问题;同时结合项目属性信息,提高度量结果的合理性与准确性。【结果】相比于其他典型算法,本文算法的RMSE降低了2.56%,F1值提高了3.88%。【局限】推荐多样性可能不足。【结论】本文算法对于冷启动问题亦有更好的表现,因此,具有良好的应用潜力。
（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。
离散度量论文参考文献
[1].彭颍.离散型Z-numbers的不确定性度量及应用[D].安徽大学.2019
[2].王永,王永东,郭慧芳,周玉敏.一种基于离散增量的项目相似性度量方法[J].数据分析与知识发现.2018
[3].郑碧如.基于条件概率的离散数据相似性度量研究[D].华南理工大学.2018
[4].石剑,刘忠乐,周敏佳,文无敌.一种基于离散Fréchet距离的磁场相似性度量方法[J].电子学报.2018
[5].夏军.离散度量空间的强嵌入[D].重庆大学.2016
[6].童晓冲,贲进,谢金华,韩硕.全球六边形离散格网的几何最优化设计与空间度量[J].地球信息科学学报.2015
[7].徐盈盈.基于集成的无监督离散化及在数据集相似性度量上的应用[D].宁波大学.2015
[8].丁剑,白凤伟.一种基于相似性度量的离散化方法[J].西北师范大学学报(自然科学版).2012
[9].徐春晖,李明瑞.可离散有限元法中应变度量的选择[C].第五届全国计算爆炸力学会议论文摘要.2012
[10].翟红利,林亚静,孙波.完备度量空间中离散动力系统的混沌(英文)[J].湖南文理学院学报(自然科学版).2012
标签：区间二型模糊集; Z-numbers; 犹豫不确定语言型Z-numbers; 几何度量;