导读:本文包含了剪辑算法论文开题报告文献综述及选题提纲参考文献，主要关键词:半监督学习,数据剪辑,最邻近分类,weka
剪辑算法论文文献综述
谢永芳,蒋有为,唐明珠[1]（2011）在《一种基于数据剪辑的半监督最邻近分类算法》一文中研究指出针对YATSI(Yet Another Two-stage Idea)算法中无标记样本被误标记,导致分类正确率下降的问题,提出一种基于数据剪辑的半监督最邻近分类算法DE-YATSI(YATSI with Data Editing)。该算法采用基于估计类条件概率的数据剪辑方法识别并剔除预标记样本集中的误标记样本,利用已标记样本集与经数据剪辑处理的预标记样本集所形成的样本集训练带权重的最邻近分类器。UCI数据集上实验结果表明,该算法比YATSI算法具有更高的分类准确率。(本文来源于《Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）》期刊2011-05-23）
伍以文[2]（2010）在《重复剪辑近邻算法在数据分类中的应用》一文中研究指出近邻法是模式识别非参数法中最重要的方法之一,重复剪辑近邻算法是近邻法的一种改进算法。在剪辑近邻法基础上重复执行剪辑运算,消除了样本集中的临界区的噪声样本,形成的决策面与贝叶斯决策面十分接近,因此用其设计的分类器是一种较理想的分离器。在一些样本类别较多和样本数据量较大的数据分类中有着广泛的应用。(本文来源于《电脑开发与应用》期刊2010年10期）
邓超,郭茂祖[3]（2008）在《基于Tri-Training和数据剪辑的半监督聚类算法》一文中研究指出提出一种半监督聚类算法,该算法在用seeds集初始化聚类中心前,利用半监督分类方法Tri-training的迭代训练过程对无标记数据进行标记,并加入seeds集以扩大规模;同时,在Tri-training训练过程中结合基于最近邻规则的Depuration数据剪辑技术对seeds集扩大过程中产生的误标记噪声数据进行修正、净化,以提高seeds集质量.实验结果表明,所提出的基于Tri-training和数据剪辑的DE-Tri-training半监督聚类新算法能够有效改善seeds集对聚类中心的初始化效果,提高聚类性能.(本文来源于《软件学报》期刊2008年03期）
邓超,郭茂祖[4]（2007）在《基于自适应数据剪辑策略的Tri-training算法》一文中研究指出Tri-training能有效利用无标记样例提高泛化能力.针对Tri-training迭代中无标记样例常被错误标记而形成训练集噪声,导致性能不稳定的缺点,文中提出ADE-Tri-training(Tri-training with Adaptive Data Editing)新算法.它不仅利用Remove Only剪辑操作对每次迭代可能产生的误标记样例识别并移除,更重要的是采用自适应策略来确定Remove Only触发与抑制的恰当时机.文中证明,PAC理论下自适应策略中一系列判别充分条件可同时确保新训练集规模迭代增大和新假设分类错误率迭代降低更多.UCI数据集上实验结果表明:ADE-Tri-training具有更好的分类泛化性能和健壮性.(本文来源于《计算机学报》期刊2007年08期）
林芳[5]（2007）在《用于邮件自动分类的聚类剪辑算法设计》一文中研究指出垃圾邮件给网络及用户造成了极大的危害,严重影响人们的工作、生活和学习。文章分析传统KNN技术在进行邮件分类中存在的问题,提出用聚类技术解决问题;进一步分析一般聚类算法存在的时间性能较低特点,设计改进算法提高算法的时间性能。(本文来源于《福建工程学院学报》期刊2007年04期）
王浩,刘荣利,黄登仕[6]（2005）在《重复剪辑近邻算法预测股票波动趋势》一文中研究指出引言聚类分析以某种度量(如欧氏距离、相似系数或关联度等)作为判别标准,其主要目标就是要识别存在于数据中的聚类或结构。近邻算法作为一种密度估计方法,是模式识别非参数法中最重要的方法之一。计算及存储量巨大是该方法最主要的缺点,严重影响了其实际应用。同时该算法(本文来源于《管理科学文摘》期刊2005年09期）
叶晨洲,杨杰,姚莉秀,陈念贻[7]（2003）在《采用重复剪辑近邻法提高决策树算法的性能》一文中研究指出决策树算法易受训练样本集中噪声和混杂区域的影响。重复剪辑近邻法能消除样本集中符合某些先决条件的噪声 ,清除混杂区域中后验概率较小的类别所包含的样本 ,并在各类样本间形成符合Bayes分类准则的界线。用它对合适的训练样本集进行筛选 ,可在不损害分类准确率的同时明显地减小决策树的规模 ,有助于增强决策树的可理解性和可用性 ,从而提高决策树的性能。(本文来源于《控制与决策》期刊2003年01期）
王立平,罗森林,成华[8]（2002）在《基于MPEG-1/2视频的音频同步剪辑算法》一文中研究指出根据MPEG-1/2码流的特点,实现视音频同步编辑算法.通过对MPEG-1/2视音频码流的分析,利用两者的PTS值实现了基于MPEG-1/2码流PES层的非线性视音频同步编辑,并详述了剪辑算法.该算法无音频编解码操作,实时性好,不存在音频质量损失问题;对于少数次的剪辑同步效果很好.该算法实用性强,现已将该算法模块应用于非线性编辑系统中.(本文来源于《北京理工大学学报》期刊2002年06期）
剪辑算法论文开题报告
（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：
近邻法是模式识别非参数法中最重要的方法之一,重复剪辑近邻算法是近邻法的一种改进算法。在剪辑近邻法基础上重复执行剪辑运算,消除了样本集中的临界区的噪声样本,形成的决策面与贝叶斯决策面十分接近,因此用其设计的分类器是一种较理想的分离器。在一些样本类别较多和样本数据量较大的数据分类中有着广泛的应用。
（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。
剪辑算法论文参考文献
[1].谢永芳,蒋有为,唐明珠.一种基于数据剪辑的半监督最邻近分类算法[C].Proceedingsofthe2011ChineseControlandDecisionConference（CCDC）.2011
[2].伍以文.重复剪辑近邻算法在数据分类中的应用[J].电脑开发与应用.2010
[3].邓超,郭茂祖.基于Tri-Training和数据剪辑的半监督聚类算法[J].软件学报.2008
[4].邓超,郭茂祖.基于自适应数据剪辑策略的Tri-training算法[J].计算机学报.2007
[5].林芳.用于邮件自动分类的聚类剪辑算法设计[J].福建工程学院学报.2007
[6].王浩,刘荣利,黄登仕.重复剪辑近邻算法预测股票波动趋势[J].管理科学文摘.2005
[7].叶晨洲,杨杰,姚莉秀,陈念贻.采用重复剪辑近邻法提高决策树算法的性能[J].控制与决策.2003
[8].王立平,罗森林,成华.基于MPEG-1/2视频的音频同步剪辑算法[J].北京理工大学学报.2002