导读:本文包含了粗相似度矩阵论文开题报告文献综述及选题提纲参考文献,主要关键词:变压器,振动信号,负载条件,矩阵相似度
粗相似度矩阵论文文献综述
武立平,杨柳,李刚,贾志义,王仲[1](2019)在《基于振动信号特征矩阵相似度的变压器机械故障诊断技术研究》一文中研究指出目前基于振动信号的变压器机械故障诊断多是通过对某个振动信号进行独立分析、提取特征量进行判定,对变压器机械状态的反映过于片面;基于振动信号特征矩阵相似度可实现综合不同测试位置、多组振动信号的变压器机械故障诊断,但该方法可能受负载条件影响而发成误判。文中改进了振动信号特征矩阵的构造方法,通过实验研究了负载率、功率因数、不平衡度对振动性信号特征矩阵相似度的影响,结果表明:文中所做改进可有效地减少故障诊断中由于负载条件改变造成的误判。应用改进后的特征矩阵相似度对模拟故障进行诊断,结果表明,该方法受负载条件影响较小、能准确诊断出故障存在,有良好的应用前景。(本文来源于《高压电器》期刊2019年11期)
周满满,袁凌云[2](2019)在《一种基于权重矩阵的协同过滤算法的相似度度量方法》一文中研究指出协同过滤算法作为目前推荐系统中重要的技术之一,其中相似度度量方法是衡量其效果的重要指标。传统相似度度量方法主要是在用户评分矩阵的基础上对用户的共同评分项进行度量,却忽视了用户评分标准不一致和共同评分项目之外的可用数据。基于上述问题,从用户交叉项目和交叉项目之外的已有权重项目两方面共同考虑,文中融合了修正的Tanimoto系数和相关相似性,提出一种基于权重矩阵的协同过滤相似度度量方法,有效避免了因用户评分标准不一致出现的误差,提高了数据利用率。实验结果表明,该算法有效地提高了推荐的准确性。(本文来源于《现代电子技术》期刊2019年22期)
张璠,李为相,李为[3](2019)在《基于从众心理矩阵和加权相似度的推荐算法》一文中研究指出为提高推荐算法的精度,提出一种基于从众心理矩阵和加权相似度的推荐算法。引入项目流行度阈值K,根据项目流行度对项目进行筛选,对高流行度项目的评分矩阵进行调整;通过用户兴趣度量函数度量用户的现阶段偏好项目,基于每个用户的现阶段偏好项目计算用户间的兴趣相似度;采用相似度加权融合的方式获取用户相似度。实验结果表明,该算法的推荐精度优于传统的协同过滤算法。(本文来源于《计算机工程与设计》期刊2019年06期)
宋志理,胡胜利[4](2019)在《融入项目属性相似度的矩阵分解算法》一文中研究指出为了解决协同过滤算法中的数据稀疏性问题,本文提出一种融入项目属性相似度的矩阵分解算法(IS-MF)。IS-MF算法首先根据矩阵分解对原始评分矩阵降维;然后计算项目属性相似度预测再去填充原始评分矩阵的缺失数据;最后在填充后的矩阵基础上计算预测得分产生推荐。在真实的MovieLens数据集上进行实验,得出本文提出的IS-MF算法使得推荐的效果极大提高了。(本文来源于《电脑知识与技术》期刊2019年16期)
黄建一,李建江,王铮,方明哲[5](2019)在《基于上下文相似度矩阵的Single -Pass短文本聚类》一文中研究指出在线社交网络已经成为人们信息交流的重要渠道和载体,形成了与现实世界交互影响的虚拟社会。众多的网络事件通过社交网络进行快速传播,可以在短时间内成为舆论热点,而负面事件会对国家安全和社会稳定造成冲击,从而引发一系列的社会问题。因此,挖掘社交网络中蕴含的热点信息,无论是从舆论监督方面还是舆情预警方面都具有重要的意义。文本聚类是挖掘热点信息的一种重要方法,然而,使用传统长文本聚类算法处理海量短文本时准确率将变低,复杂度急剧增长,从而导致耗时过长;现有的短文本聚类算法的准确率偏低、耗时过长。文中基于文本关键词,提出了结合上下文和相似度矩阵的关联模型,从而判断当前文本与上一文本的关联性。此外,根据该关联模型对文本关键词权重进行调整,以进一步降低噪声。最后,在Hadoop平台上实现了分布式的短文本聚类算法。与K-MEANS,SP-NN,SP-WC算法的比较实验验证了所提算法在话题挖掘速度、准确率和召回率等方面都具有更好的效果。(本文来源于《计算机科学》期刊2019年04期)
李泽文,贺子凝,郭田田,胡开庚,刘基典[6](2019)在《基于时频矩阵相似度的输电线路暂态保护方法》一文中研究指出为提高传统暂态保护方法的可靠性,综合运用宽频带暂态信号在时域和频域上的故障信息,提出一种输电线路保护新方法。该方法利用S变换提取宽频带暂态信号在不同时段不同频带下的故障信息,通过构造时频矩阵来反映暂态信号的时频变化特性;利用奇异值分解提取时频矩阵的时频特征,并减少矩阵冗余量;将奇异值矩阵与样本库矩阵进行时频特征匹配,计算矩阵相似度;根据矩阵相似度判别区内外故障。仿真结果表明,该暂态保护方法能准确快速识别区内外故障。(本文来源于《电力系统自动化》期刊2019年05期)
李俭兵,刘栗材[7](2018)在《结合矩阵分解和延伸相似度的最近邻算法》一文中研究指出为有效解决目前绝大多数推荐系统存在数据稀疏、个性化低、计算负荷量大等特点,在最近邻(KNN)模型基础上提出一种结合降维的最近邻算法(KNN-DR),利用矩阵分解的方法降低矩阵的稀疏性,过程中融合更多隐式因子并加快运算速度;在皮尔逊相似度基础上添加延伸相似度,进一步克服数据稀疏性问题。该算法有效解决计算复杂度高和推荐效果大众化的缺点。实验结果表明,KNN-DR算法在推荐准确度上取得了更好的效果。(本文来源于《计算机工程与设计》期刊2018年10期)
谢伟建[8](2018)在《基于L_(2,1/2)稀疏约束和余弦相似度的非负矩阵分解聚类算法》一文中研究指出文本聚类算法在大数据时代,一直是一个热点问题。流行的方法是使用主题模型或谱聚类算法作为基础,使用传统的k-均值方法进行进一步聚类。一些模型使用非负矩阵分解算法分解高维的稀疏文本特征矩阵,然后在降维后的矩阵向量上进行聚类。但这类模型在优化过程中往往受到潜在特征之间的内在关联影响,增加最小化损失函数的难度。一般非负矩阵分解采用构建大量稀疏NMF,尝试用附加的约束和转换找到合适的解决方案,这将导致计算很复杂。本文深入研究传统的非负矩阵分解算法包括稀疏约束NMF和其它正则化NMF算法的模型和思想,在现有的算法基础上,引入余弦相似度的理念,提出了基于L_(2,1/2)稀疏约束和余弦相似度的非负矩阵分解聚类算法INMF。该模型在对文档词频矩阵进行非负矩阵分解时,提出利用余弦相似度方法减少潜在特征之间的相关性,防止特征共适应性,提高NMF独立特征学习能力,在此基础上,INMF采用L_(2,1/2)稀疏约束,达到数据稀疏表示和简化计算的目的,并增强了算法的局部学习能力和鲁棒性。因此潜在特征中的语义信息更为明显,潜在空间的表示更具有判别性。本文在公开的数据集上进行实验分析,结果表明,在具有高稀疏性的数据集上,本文提出的INMF算法在一系列评价指标上都显着优于传统的NMF算法。(本文来源于《华东交通大学》期刊2018-06-30)
刘欢[9](2018)在《基于节点邻域信息与相似度矩阵的社区检测》一文中研究指出复杂网络是对现实复杂系统的抽象化描述,如社交网络、科学合作网络、生物蛋白系统等。社区是用于描述复杂网络中连接紧密的节点簇或模块,复杂网络的社区检测就是利用网络中特殊的拓扑结构来识别这些连接紧密的节点簇,有时也被称为复杂网络的聚类。对复杂网络进行社区检测,能够帮助人们发现网络中潜在的结构模式,并进一步理解网络的组织功能。近些年来,研究者从不同的角度设计出许多复杂网络的社区检测算法,但是大多数算法都是针对于单一的网络结构,即无符号复杂网络。然而,现实的复杂系统往往涵盖着多种特征,如符号网络可以描述实体之间的多种关系,而属性网络不仅可以描述实体之间的关系,还可以描述实体的属性或特征。这些网络能够更真实地描绘现实系统的复杂性,给社区检测问题带来更多信息的同时也带来了更大挑战。此外,充分利用节点的邻域信息,更为针对性地设计出合理的操作步骤,能够更大程度上提高算法的检测精度。针对以上现存算法普遍存在的问题,本文对不同类型的网络进行深层次研究。设计出具体的解决方案如下:1)提出一种基于节点邻域信息与叁步策略的社区检测算法。首先,算法将K近邻思想引入标签传播算法,并提出网络的预划分策略。该策略充分考虑节点间的亲近度,并且克服了标签传播算法在社区结构较为模糊的情况下无法识别社区的缺陷,使得算法初期能够精确识别局部连接紧密的子社区。其次,在预处理的基础上设计了基于社区互隶属度的子社区融合策略,并对亲密度高的子社区进行有效合并。最后,一种精制策略被用来对误划分的节点进行重划分。算法对初始点个数及迭代次数的依赖性很小,因此能够节省大量时间成本,适合大规模网络的社区检测问题。2)提出一种基于K节点更新策略与相似度矩阵的多目标社区检测算法。首先,建立泛化的相似度函数来计算无符号网络或符号网络的相似度矩阵,并根据节点的相似度矩阵设计了一种预划分技术,这种预划分技术仅仅考虑相似度值较高的部分节点,能够有效地避免噪声节点对标签更新过程的影响,因此可以将连接紧密的节点迅速聚集成局部子社区。其次,交叉合并算子被设计并用于合并预处理策略所得到的子社区,以及基于相似度矩阵的变异算子被用于调整边界节点所属的社区。最后,构建多目标优化模型并用于处理不同类型的网络。因此,算法能够处理无符号网络与符号网络的社区检测问题。3)提出一种基于边结构与节点属性的多目标离散粒子群社区检测算法。首先,该算法计算边结构的相似性矩阵与节点的属性相似度矩阵,通过混合参数将两者结合得到网络的混合相似度矩阵,并基于此设计一种更新邻居节点标签的初始化策略。其次,考虑到粒子群算法的易操作性以及其时间效率较高,该算法首次将多目标离散粒子群算法引入属性网络中。最后,设计属性网络的平均属性相似度函数并用于构建多目标优化模型,能够兼顾社区内部节点连接紧密的同时使得社区内节点属性同质化程度高。(本文来源于《西安电子科技大学》期刊2018-06-01)
陶宇,蒋序平[10](2018)在《基于相似度矩阵的雷达探测目标分群算法》一文中研究指出目前对于雷达探测的目标分群问题,在技术实现上仍然存在操作效率低、分群正确性得不到保证、适用性不强等不足,对此,本文提出了一种基于相似度矩阵的目标分群算法,该算法具有过程易于实现、分群效率高、正确率高、适用性强等优点,算法根据雷达探测目标的分布特点,定义了目标属性间的相似度计算方法,构建相似度矩阵,通过设计行列变换准则和判定准则来实现矩阵目标分群,并设计了维护规则来实现在群结构发生变化的情况下对编群结构进行动态维护,最后在此基础上,通过一个典型实例采用SPSS数学工具验证了算法的正确性、有效性与适用性。(本文来源于《火控雷达技术》期刊2018年01期)
粗相似度矩阵论文开题报告
(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:
协同过滤算法作为目前推荐系统中重要的技术之一,其中相似度度量方法是衡量其效果的重要指标。传统相似度度量方法主要是在用户评分矩阵的基础上对用户的共同评分项进行度量,却忽视了用户评分标准不一致和共同评分项目之外的可用数据。基于上述问题,从用户交叉项目和交叉项目之外的已有权重项目两方面共同考虑,文中融合了修正的Tanimoto系数和相关相似性,提出一种基于权重矩阵的协同过滤相似度度量方法,有效避免了因用户评分标准不一致出现的误差,提高了数据利用率。实验结果表明,该算法有效地提高了推荐的准确性。
(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。
粗相似度矩阵论文参考文献
[1].武立平,杨柳,李刚,贾志义,王仲.基于振动信号特征矩阵相似度的变压器机械故障诊断技术研究[J].高压电器.2019
[2].周满满,袁凌云.一种基于权重矩阵的协同过滤算法的相似度度量方法[J].现代电子技术.2019
[3].张璠,李为相,李为.基于从众心理矩阵和加权相似度的推荐算法[J].计算机工程与设计.2019
[4].宋志理,胡胜利.融入项目属性相似度的矩阵分解算法[J].电脑知识与技术.2019
[5].黄建一,李建江,王铮,方明哲.基于上下文相似度矩阵的Single-Pass短文本聚类[J].计算机科学.2019
[6].李泽文,贺子凝,郭田田,胡开庚,刘基典.基于时频矩阵相似度的输电线路暂态保护方法[J].电力系统自动化.2019
[7].李俭兵,刘栗材.结合矩阵分解和延伸相似度的最近邻算法[J].计算机工程与设计.2018
[8].谢伟建.基于L_(2,1/2)稀疏约束和余弦相似度的非负矩阵分解聚类算法[D].华东交通大学.2018
[9].刘欢.基于节点邻域信息与相似度矩阵的社区检测[D].西安电子科技大学.2018
[10].陶宇,蒋序平.基于相似度矩阵的雷达探测目标分群算法[J].火控雷达技术.2018