导读:本文包含了加权矩阵模型论文开题报告文献综述及选题提纲参考文献，主要关键词:推荐系统,矩阵分解,Bagging,动态加权
加权矩阵模型论文文献综述
何轶凡,邹海涛,于化龙[1]（2019）在《基于动态加权Bagging矩阵分解的推荐系统模型》一文中研究指出为了提升推荐模型的预测精度,传统方法通常是利用更多的附加信息参与模型的构建.然而,此类方法在提高算法精度的同时也大大增加了算法的时间开销,同时对数据集也存在一定的要求.为了解决上述问题,提出一种基于Bagging集成的矩阵分解模型.该模型根据用户、产品评分数为基学习器动态分配权重,并通过加权求和得到预测评分.在叁个不同规模的真实数据集上的实验结果显示:该动态加权Bagging矩阵分解模型拥有与传统矩阵分解模型一样的时间消耗,并且在各个衡量指标上都优于传统的矩阵分解模型.(本文来源于《南京大学学报(自然科学)》期刊2019年04期）
冯翔,赵占锋,赵宜楠,周志权[2]（2018）在《基于矩阵加权多模型融合的认知跟踪波形设计》一文中研究指出针对机动目标状态跟踪问题,认知雷达能够调整发射端波形来获取持续、稳健目标跟踪信息.本文基于矩阵加权多模型融合思想引入一种新的面向机动目标跟踪的认知雷达自适应波形设计方法(Adaptive waveform design method based on Matrix-weighted Interacting Multiple Model,AMIMM).首先,利用多模型思路对机动目标状态进行建模,并考虑各模型目标状态估计及其误差协方差矩阵中元素间相关性,以矩阵加权融合方式代替传统概率加权方式,进而构造基于矩阵加权多模型信息融合的跟踪算法框架;然后,以多模型状态融合后的状态估计误差协方差矩阵为基准,利用特征值分解(Eigen Value Decomposition,EVD)技术求取融合后状态估计误差协方差矩阵对应椭圆参数;最后,通过分数阶傅里叶变换(fractional Fourier transform,FrFT)来旋转雷达量测误差椭圆,使得量测误差椭圆与融合后目标状态估计误差椭圆正交,从而获得下一时刻认知波形参数,实现波形自适应捷变.仿真实验表明,与当前流行多种算法相比,本文所提算法能够进一步提高机动目标跟踪精度和稳健性.(本文来源于《哈尔滨工业大学学报》期刊2018年05期）
白宏阳,马军勇,熊凯,胡福东[3]（2016）在《图像修复中的加权矩阵补全模型设计》一文中研究指出针对矩阵补全问题中基于低秩的矩阵补全模型通常将迹范数的每一个奇异值用同一常数进行阈值化导致在滤除小奇异值的同时会使大奇异值信息丢失的问题,提出了一种基于低秩的加权矩阵补全模型,通过对迹范数中的每个奇异值赋予不同的权重,从而避免用同一常数对所有的奇异值进行阈值化,采用逼近梯度算法解决加权的矩阵补全模型。最后,通过图像修复仿真实验,证明了所提出的加权矩阵补全模型相对于传统的不加权矩阵补全模型可得到更高的峰值信噪比,所设计的算法具有明显的优势。(本文来源于《系统工程与电子技术》期刊2016年07期）
曾雷[4]（2015）在《基于项权值变化的矩阵加权关联规则挖掘和扩展查询技术信息检索模型研究》一文中研究指出将项权值变化的矩阵加权关联规则挖掘技术应用于信息检索,提出一种基于项权值变化的矩阵加权关联规则挖掘的信息检索模型及其算法,采用新的剪枝策略和模式支持度计算方法。实验结果表明,新模型检索性能得到改善和提高。(本文来源于《软件导刊》期刊2015年07期）
张玮奇,张宏志,左旺孟,崔梦天[5]（2015）在《基于加权核范数最小化的矩阵填充模型》一文中研究指出协同过滤是目前推荐系统最常用的技术之一,相比于传统的推荐技术具有一定优势,但其缺点是受用户对商品评价的稀疏性制约,现阶段一般利用矩阵填充技术来解决这一问题。主要研究了基于低秩的矩阵填充模型,针对原有模型解对所有奇异值用同一值收缩的问题,提出了一种加权核范数最小化模型以提高核范数灵活度,给出了该模型用收缩算子可得到全局最优解的相关定理及证明,同时对模型的另一种形式在求解过程中的迭代收敛性进行了证明。用凸优化主流算法在两种真实数据集上进行的实验表明,改进后的模型一定程度上提高了计算速度与准确性。(本文来源于《计算机科学》期刊2015年07期）
李为,李一平,封锡盛[6]（2015）在《基于修正加权矩阵的3维解耦无偏量测转换交互式多模型算法》一文中研究指出为解决使用正规变换方法解耦高维耦合运动模型进行机动目标跟踪造成各坐标轴估计结果相互影响的问题,提出了一种改进的解耦方法.首先给出了基于卡尔曼滤波预测量的3维无偏量测补偿系数和转换量测方差表达式.然后在正规变换的基础上,详细给出了构造修正加权矩阵的改进解耦方法.最后结合交互式多模型算法进行了仿真实验,结果表明该方法能够在减少计算量的同时,消除各坐标轴向估计结果之间的相互影响,有利于交互式多模型算法的分析和使用.(本文来源于《机器人》期刊2015年02期）
余如,冯平,黄名选[7]（2014）在《基于PR模型的教育数据矩阵加权正负模式研究》一文中研究指出提出一种新的基于PR(Probability Ratio,简称PR)模型的教育信息化数据矩阵加权正负关联模式挖掘算法。算法从教育信息化数据中挖掘矩阵加权频繁项集和负项集,采用PR模型作为正负关联模式评价标准,对频繁项集和负项集挖掘教育数据矩阵加权正负关联模式,发现有趣的教育信息矩阵加权正负关联模式。通过模式分析,发现教育领域信息化数据中潜在的、有用的教育信息、教学规律和教育发展趋势。以真实的教育信息化数据作为实验数据,实验结果表明,该算法更有效、合理。(本文来源于《信息技术》期刊2014年06期）
张弘,范九伦[8]（2010）在《灰度-梯度共生矩阵模型的加权条件熵阈值法》一文中研究指出基于二维灰度直方图的最大熵阈值法是依据"灰度-灰度均值"构成直方图的图像分割方法,该方法着重于图像的内部信息,忽略了边界区域的信息。应用图像的梯度信息建立"灰度-梯度共生矩阵",构造图像的二维灰度直方图,结合最大条件熵法进行阈值选取。为了充分提取图像内部和边缘信息,提出了二维加权最大熵阈值法。结果表明,该方法一方面能够保留更多的图像边缘信息,另一方面能够根据实际需要调节权值大小,得到兼顾图像内部和边缘信息的分割结果。(本文来源于《计算机工程与应用》期刊2010年06期）
富元斋[9]（2002）在《利用广义指数加权回归估计贝叶斯动态线性模型误差方差矩阵W_t的方法(英文)》一文中研究指出本文主要研究广义指数加权回归在贝叶斯线性动态线性模型参数估计中的作用 ,提供了一种估计模型误差方差矩阵的方法(本文来源于《经济数学》期刊2002年02期）
张福悦[10]（1984）在《复合材料应力-应变关系加权柔度矩阵模型实验验证》一文中研究指出复合材料显着特点之一是拉压模量不等.因而对它的构件进行强度理论分析时应考虑材料本身这一特性.Ambartsumyan 对拉压模量不等的各向同性旋转体进行应力分析时,提出一套应力-应变关系,称 Ambartsumyan 模型.Jones 用它去分(本文来源于《力学与实践》期刊1984年03期）
加权矩阵模型论文开题报告
（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：
针对机动目标状态跟踪问题,认知雷达能够调整发射端波形来获取持续、稳健目标跟踪信息.本文基于矩阵加权多模型融合思想引入一种新的面向机动目标跟踪的认知雷达自适应波形设计方法(Adaptive waveform design method based on Matrix-weighted Interacting Multiple Model,AMIMM).首先,利用多模型思路对机动目标状态进行建模,并考虑各模型目标状态估计及其误差协方差矩阵中元素间相关性,以矩阵加权融合方式代替传统概率加权方式,进而构造基于矩阵加权多模型信息融合的跟踪算法框架;然后,以多模型状态融合后的状态估计误差协方差矩阵为基准,利用特征值分解(Eigen Value Decomposition,EVD)技术求取融合后状态估计误差协方差矩阵对应椭圆参数;最后,通过分数阶傅里叶变换(fractional Fourier transform,FrFT)来旋转雷达量测误差椭圆,使得量测误差椭圆与融合后目标状态估计误差椭圆正交,从而获得下一时刻认知波形参数,实现波形自适应捷变.仿真实验表明,与当前流行多种算法相比,本文所提算法能够进一步提高机动目标跟踪精度和稳健性.
（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。
加权矩阵模型论文参考文献
[1].何轶凡,邹海涛,于化龙.基于动态加权Bagging矩阵分解的推荐系统模型[J].南京大学学报(自然科学).2019
[2].冯翔,赵占锋,赵宜楠,周志权.基于矩阵加权多模型融合的认知跟踪波形设计[J].哈尔滨工业大学学报.2018
[3].白宏阳,马军勇,熊凯,胡福东.图像修复中的加权矩阵补全模型设计[J].系统工程与电子技术.2016
[4].曾雷.基于项权值变化的矩阵加权关联规则挖掘和扩展查询技术信息检索模型研究[J].软件导刊.2015
[5].张玮奇,张宏志,左旺孟,崔梦天.基于加权核范数最小化的矩阵填充模型[J].计算机科学.2015
[6].李为,李一平,封锡盛.基于修正加权矩阵的3维解耦无偏量测转换交互式多模型算法[J].机器人.2015
[7].余如,冯平,黄名选.基于PR模型的教育数据矩阵加权正负模式研究[J].信息技术.2014
[8].张弘,范九伦.灰度-梯度共生矩阵模型的加权条件熵阈值法[J].计算机工程与应用.2010
[9].富元斋.利用广义指数加权回归估计贝叶斯动态线性模型误差方差矩阵W_t的方法(英文)[J].经济数学.2002
[10].张福悦.复合材料应力-应变关系加权柔度矩阵模型实验验证[J].力学与实践.1984