导读:本文包含了相似序列论文开题报告文献综述及选题提纲参考文献，主要关键词:用户兴趣序列,相似性度量,协同过滤推荐,智能荐书
相似序列论文文献综述
王刚,郭雪梅[1]（2019）在《基于用户兴趣序列相似性度量的图书协同过滤推荐方法研究》一文中研究指出论文通过用户在一系列时间节点对所借阅图书的评分形成用户兴趣序列,并提取用户之间的最长公共兴趣子序列(LCSIS)和所有公共兴趣子序列(ACSIS),以此为基础计算用户之间的相似性并与传统的协同过滤推荐方法相结合,提出了基于用户兴趣序列的改进协同过滤图书推荐方法。将本文提出的方法和传统的基于用户的协同过滤推荐方法在天津医科大学图书馆图书借阅数据集进行实验验证,结果发现该方法在推荐效果上优于传统方法。(本文来源于《新世纪图书馆》期刊2019年11期）
姜廷慈,李敬有,吕洪柱[2]（2019）在《基于学习行为时间序列相似性模型的研究》一文中研究指出以学习者学习行为为研究对象,提取了学习行为特征,构建了一组学习行为时间序列数据,提出了一种学习行为时间序列相似性模型;通过学习行为相似性模式的表示、度量和聚类,验证模型的有效性;结果表明,能够很好地对学习行为进行分类,对无效样本有效检验。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2019年06期）
李敏,于长永,张峰,马海涛,赵宇海[3]（2019）在《基于LSH的时间序列DTW相似性查询》一文中研究指出提出了一种新颖的基于LSH的时间序列DTW相似性近似查询算法,较好地解决了DTW相似性查询速度慢的问题.首先,分析了DTW相似性度量的特点,即时间弯曲的重要特性;其次,将该特性与LSH函数相结合,设计了高效的DTW相似时间序列过滤方法.在很大概率程度上保证了相似的时间序列至少具有一个相同的LSH函数值;最后,给出了一个基于过滤加验证框架的时间序列DTW相似性近似查询算法,该算法利用低维的Hash索引加快候选集合的筛选,从而加快查询速度.实验结果表明,在保持较好的召回率的情况下,本文提出的方法较现有算法有效地提高了DTW相似性查询速度.(本文来源于《小型微型计算机系统》期刊2019年10期）
张乔夫,何文明[4]（2019）在《基于指数平滑和WKNN的金融时间序列相似性搜索》一文中研究指出采用叁重指数移动平均平滑金融时间序列。使用动态时间弯曲方法,计算当前样本与历史高收益样本之间的柔性距离。平均收益随平滑次数(0～3次)增加而提高;收益率加权KNN优于中位数KNN,后者又优于1NN;观察长度等于50时,平均收益最高。最优参数可以将平均收益从2.02%提高到4.8%。(本文来源于《现代计算机》期刊2019年29期）
杨良怀,柳乔凡,范玉雷[5]（2019）在《运动腕表心率序列相似性检测》一文中研究指出近年来学生整体的体质状况呈现下降的趋势。许多高校实行了阳光晨跑计划,但不尽理想。采用运动心率腕表采集运动心率数据来监控学生课外健身跑状况是较好的方案,由于缺少直接监督,可能会出现一人佩戴多个腕表替他人代跑的情形,这将成为该方案实施的一个技术挑战。对所有时间上重迭的心率序列对抽取距离相关和统计相关的特征,通过基于支持向量机的代跑检测方案,可实现精准并且召回较高的代跑检测。实验验证了所提方法的有效性。(本文来源于《浙江工业大学学报》期刊2019年05期）
张赛男,徐桂华,高笑宇,孙德俊[6]（2019）在《家族序列相似性13A基因与慢性阻塞性肺疾病的研究进展》一文中研究指出慢性阻塞性肺疾病是呼吸系统的常见病,其发病主要与环境和遗传因素相关,支气管舒张实验FEV1/FVC<70%是其主要的诊断标准。近年来,慢性阻塞性肺疾病发病率不断升高,其在慢性病死亡率中所占构成比亦不断上升。近年的研究显示,家族序列相似性13A基因与慢性阻塞性肺疾病和肺功能密切相关,其参与GTP磷酸酶活性调节、脂肪酸β-氧化和Wnt/β-连环蛋白信号通路,为慢性阻塞性肺疾病的发病机制的研究指明了方向。(本文来源于《内蒙古医学杂志》期刊2019年08期）
武明超,崔晓兵,姚欣,邵咏慧[7]（2019）在《一种最优相似度的公共序列研究》一文中研究指出针对多条序列最长公共子序列的多解问题,为了能够求出若干条字符串序列,对它们共有的最大相似序列,在计算中按照相似度和长度进行打分,并且对输出的子序列进行排序,以便能够输出相似序列的位置并且达到最优的相似度。根据最优相似度确定字符串之间匹配的公共长度和重复率,用比重复率作为判别相似度的一个指标,在一个已知的字符串,通过和其他字符的比较,利用此种思想,可以找出插入在字符串中的空格位置,并能使相似度达到最优化。通过构建代数结构"格",利用递归求解当前格与当前序列的公共格。再通过动态规划求出最长公共子序列的长度数组和状态数组,矩阵搜索求出所有有效的跳跃点,能有效避免重复搜索,大大提高时间效率。(本文来源于《无线互联科技》期刊2019年12期）
康佳鑫[8]（2019）在《DNA序列表示及相似性比较》一文中研究指出DNA序列是一种符号序列,其承载了关于物种遗传的全部信息,也编码了物种在进化中的演化过程.DNA序列中的重复性结构是反映物种演化过程的重要信息之一,其主要表现为周期性结构.本文主要从DNA序列周期性的角度来研究DNA序列的表示方法,并给出不同物种间亲缘关系的比较方法.DNA序列具有复杂的周期性结构,除明显重复性周期外,还存在着无法直接观察的隐周期结构.DNA序列中具有隐周期结构的成分可采用Ramanujan子空间进行刻画,整个DNA序列所在的空间可视为一系列Ramanujan子空间的并集构成.基于DNA序列的Ramanujan子空间可构建周期分解模型.为了实现所提出模型的分解,将DNA序列看成信号来进行处理分析,应用信号处理领域周期性识别的相关思想,针对DNA序列不等长且为了提高计算效率,提出了一种基于周期和能量策略的Ramanujan复共轭子空间匹配追踪算法(CSPPE).由于DNA序列的周期性具有局部性的特点,在CSPPE算法的基础上给出加窗的CSPPE算法,以适应DNA序列局部周期性结构的特点.通过加窗CSPPE算法可得到DNA序列的周期成分构成,并将其作为DNA序列的表示.基于周期结构分解的DNA序列表示方法和周期结构的相似性度量方法,进行DNA序列相似性比较的实验.实验表明所提出的方法能很好地表示不同物种间的相似性程度,是一种有效的DNA序列表示方法.(本文来源于《哈尔滨师范大学》期刊2019-06-01）
陈海兰,高学东[9]（2019）在《基于波动特征的时间序列相似性度量及聚类分析》一文中研究指出在时间序列数据挖掘中,传统的时间序列相似性度量算法没有考虑反映时间序列结构的关键点特征。为了解决该问题,文章提出了基于波动特征的时间序列相似性度量算法,并通过聚类进行了效果分析。研究中首先利用小波分析方法提取时间序列整体变化趋势,然后给出了针对小波分析得到的序列进行波动点识别的方法,构造出包含时间序列重要波动信息的波动点序列。最后提出了非等长时间序列的相似性度量方法计算波动点序列间的距离。实验结果表明,该时间序列度量方法能更好地反映时间序列的趋势特征。(本文来源于《统计与决策》期刊2019年11期）
魏晓辉,许国威,王兴旺,徐海啸[10]（2019）在《基于节点相似性和链接次数组合时间序列的链接预测》一文中研究指出针对现有方法利用网络信息相对割裂,很难描述链接次数与相似性分数关系的问题,提出一种动态网络中的链接预测方法,用节点相似性分数和链接次数组合时间序列模型进行预测.首先通过社区演化,预测历史上各时间快照下节点间的相似性分数;然后用二元时间序列模型将其与各时间快照下节点间的事实链接次数相结合,判断下一个时间段内各节点对链接发生的可能性;最后在Weibo-Net-Tweet微博转发数据集上进行测试.实验结果表明,该方法至少提高了5%的预测准确度,证明了社区演化与链接预测之间的内在联系,验证了二元时间序列模型的有效性.(本文来源于《吉林大学学报(理学版)》期刊2019年03期）
相似序列论文开题报告
（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：
以学习者学习行为为研究对象,提取了学习行为特征,构建了一组学习行为时间序列数据,提出了一种学习行为时间序列相似性模型;通过学习行为相似性模式的表示、度量和聚类,验证模型的有效性;结果表明,能够很好地对学习行为进行分类,对无效样本有效检验。
（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。
相似序列论文参考文献
[1].王刚,郭雪梅.基于用户兴趣序列相似性度量的图书协同过滤推荐方法研究[J].新世纪图书馆.2019
[2].姜廷慈,李敬有,吕洪柱.基于学习行为时间序列相似性模型的研究[J].齐齐哈尔大学学报(自然科学版).2019
[3].李敏,于长永,张峰,马海涛,赵宇海.基于LSH的时间序列DTW相似性查询[J].小型微型计算机系统.2019
[4].张乔夫,何文明.基于指数平滑和WKNN的金融时间序列相似性搜索[J].现代计算机.2019
[5].杨良怀,柳乔凡,范玉雷.运动腕表心率序列相似性检测[J].浙江工业大学学报.2019
[6].张赛男,徐桂华,高笑宇,孙德俊.家族序列相似性13A基因与慢性阻塞性肺疾病的研究进展[J].内蒙古医学杂志.2019
[7].武明超,崔晓兵,姚欣,邵咏慧.一种最优相似度的公共序列研究[J].无线互联科技.2019
[8].康佳鑫.DNA序列表示及相似性比较[D].哈尔滨师范大学.2019
[9].陈海兰,高学东.基于波动特征的时间序列相似性度量及聚类分析[J].统计与决策.2019
[10].魏晓辉,许国威,王兴旺,徐海啸.基于节点相似性和链接次数组合时间序列的链接预测[J].吉林大学学报(理学版).2019