导读:本文包含了动态权重论文开题报告文献综述及选题提纲参考文献，主要关键词:可拓理论,动态权重,预警模型,矸石山滑坡
动态权重论文文献综述
吴洁,吕品,姜鹏鹏[1]（2019）在《基于动态权重的矸石山滑坡灾害预警模型》一文中研究指出基于可拓理论中的物元理论和关联函数,构建可拓预警模型,利用指标值与最危险警级阈值的可拓距越小越重要的特点,建立判断矩阵,再结合层次分析法确定权重,从而使各指标权重既不受主观条件影响,又能达到动态权重的效果.将该模型应用于淮南某矿的矸石山滑坡灾害预警,考虑降雨量对权重的影响,计算得出对于不同权重有着不同的预警等级,从而验证了该动态权重预警模型的实用性与可行性.(本文来源于《中北大学学报(自然科学版)》期刊2019年06期）
李亮[2]（2019）在《动态惯性权重粒子群算法研究与实现》一文中研究指出为提高基本粒子群优化算法(PSO)的收敛性能,并达到一定收敛率和精度,提出了动态惯性权重粒子群算法(DCWPSO),给出了改进算法在采用固定控制参数取值时,参数的最佳取值范围,并应用测试函数进行仿真研究。和以往文献中多种改进的PSO算法进行比较,仿真分析表明:动态惯性权重粒子群算法(DCWPSO)加快了收敛速度,提高了解的精度,这种改进的粒子群优化算法在解决实际优化问题中很有潜力,并通过神经网络仿真研究,深入研究分析了原始算法PSO和DCWPSO算法在优化不同结构网络中控制的作用。(本文来源于《信息化研究》期刊2019年05期）
熊霖,唐万梅[3]（2019）在《一种加入动态权重的AdaBoost算法》一文中研究指出【目的】由于AdaBoost算法弱分类器对各待测样本其投票权重是固定不变的,这会导致使用该算法进行分类时准确性不高,于是针对该问题提出了一种结合静态权重与动态权重的学习算法AdaBoost_DW。【方法】该算法保留了AdaBoost算法训练阶段产生的全部弱分类器,在预测阶段加入了能度量待测样本与各个弱分类器适应性的动态权重,通过双权重共同决定该弱分类器的投票权重。【结果】实验结果表明,AdaBoost_DW算法的分类精度绝大多数情况下高于原AdaBoost算法。【结论】证明了动态权重的加入能够提高原AdaBoost算法在各数据集上的分类准确率。(本文来源于《重庆师范大学学报(自然科学版)》期刊2019年05期）
付雪松,王建林,胡志雄,郭永奇,邱科鹏[4]（2019）在《基于动态权重PSO算法的眼科OCT设备横向分辨率检测》一文中研究指出眼科光学相干层析成像(OCT)设备的横向分辨率检测易受光斑噪声和干涉条纹影响,为提高横向分辨率检测精度,提出一种基于动态权重粒子群优化(DWPSO)算法的眼科OCT设备横向分辨率检测方法。通过构造动态权重因子对局部PSO算法进行改进,构建了DWPSO算法;建立了光束光强分布模型,采用DWPSO算法辨识模型参数并获得光束宽度,应用最小二乘算法拟合光束宽度得到数值孔径,用于实现眼科OCT设备横向分辨率检测。实验结果表明:DWPSO算法与其他相关算法相比较能够快速得到光束光强分布模型的全局最优解;被测眼科OCT设备在近焦点位置的横向分辨率为18. 21μm,远焦点位置的横向分辨率为49. 91μm,该横向分辨率检测方法使光斑噪声和干涉条纹的影响有效降低,具有较好的噪声鲁棒性。(本文来源于《仪器仪表学报》期刊2019年09期）
肖利军,郭继昌,顾翔元[5]（2019）在《一种采用冗余性动态权重的特征选择算法》一文中研究指出由于候选特征与类标签间的相关性,候选特征、已选特征与类标签间的交互性以及特征间的冗余性是特征选择算法应考虑的重要因素,而一些基于互信息和叁维互信息的特征选择算法没有同时考虑相关性、交互性和冗余性信息,这影响了它们的性能。针对该问题,提出一种采用冗余性动态权重的特征选择算法,将对称不确定性和叁路交互信息作为评价指标,采用一种动态更新特征权重的方法使目标函数在考虑相关性、交互性的基础上,同时考虑特征间的冗余性。在10种数据集上利用3种分类器与典型的基于互信息的特征选择算法做了对比实验,结果表明所提算法具有更好的特征选择性能。(本文来源于《西安电子科技大学学报》期刊2019年05期）
居亚亚,杨璐,严建峰[6]（2019）在《基于动态权重的LDA算法》一文中研究指出潜在狄利克雷分布(Latent Dirichlet Allocation,LDA)是一种流行的叁层概率主题模型,其实现了文本与文本中的单词在主题层次上的聚类。该模型以词袋(Bag of Words,BOW)模型为假设,所有单词的重要性相同,简化了建模的复杂度,但使得主题分布倾向于高频词,影响了主题模型的语义连贯性。针对此问题,提出了一种基于动态权重的LDA算法,该算法的基本思想是每个单词在建模中具有不同的重要性,在迭代过程中根据单词的主题分布动态生成相应的权重并反作用于主题建模,降低了高频词对建模的影响,提高了关键词的重要性。在4个公开数据集上的实验表明,基于动态权重的LDA算法在主题语义连贯性、文本分类准确率、泛化性能和精度方面比目前流行的LDA推理算法表现得更加优越。(本文来源于《计算机科学》期刊2019年08期）
杨子江[7]（2019）在《CTA策略有效环境和失效环境研究》一文中研究指出目前国内二级市场交易策略的机构化、同质化呈现日益增强的特点，在通过大类资产配置实现全天候投资组合的收益稳定性和持续性过程中，策略的择时和策略权重的动态调整显得尤为重要。本文从CTA策略的市场环境适应性、有效性及失效情况层面进行分析，旨在探索CTA策略的市(本文来源于《期货日报》期刊2019-08-07）
任春华,孙林夫[8]（2019）在《面向协作企业群的叁阶段主客观公平权重动态评价》一文中研究指出为构建汽车产业链协作企业群评价模型,根据核心制造厂的评价需求,设计了一套可定制的协作企业群评价指标体系,包括通用评价指标和专用评价指标。为避免单一主客观权重或组合权重带来的不稳定性,采用Delphi法、层次分析法、熵权法和指标相关性权重法分别计算主客观权重,为使指标的权重公平合理,建立了叁阶段主客观公平权重优化模型,并提出叁阶段主客观公平权重评价算法。针对协作企业长期不变的评价级别,提出改进的贝叶斯增量更新分类评价算法,实现了不同时间段协作企业的动态评价。通过实例和对比分析验证了评价模型的有效性和合理性。(本文来源于《计算机集成制造系统》期刊2019年11期）
赵青杰,李捷,于俊洋,吉宏远[9]（2019）在《基于动态自适应权重和柯西变异的蝙蝠优化算法》一文中研究指出为了加快蝙蝠算法的收敛速度并提高寻优精度,提出一种基于动态自适应权重和柯西变异的蝙蝠优化算法。该算法在速度公式中加入了动态自适应权重,以动态地调整自适应权重的大小,加快算法的收敛速度。此外,该算法引入了柯西逆累积分布函数方法,在每次迭代时,能有效提高蝙蝠算法的全局搜索能力,避免陷入局部最优。对12个典型的测试函数进行仿真实验,结果表明,改进后的算法显着提高了寻优性能,具有较快的收敛速度和较高的寻优精度。(本文来源于《计算机科学》期刊2019年S1期）
刘良凤,刘叁阳[10]（2019）在《基于权重差异度的动态模糊聚类算法》一文中研究指出针对传统模糊聚类算法需提前设置参数和初始聚类中心,导致聚类结果不稳定的问题,提出一种基于权重差异度的动态模糊聚类算法.首先引入样本特征权重向量和样本间差异度的概念,对数据集分布情况进行描述,并采用新的评价指标获取候选聚类中心;然后根据最小差异度准则,对剩余样本点进行分类;最后结合Davies-Bouldin指数(DBI)评价准则对候选聚类中心做进一步筛选与合并.实验结果表明,该算法在不同测试数据集上的性能明显优于传统聚类算法,具有更高的自适应性和稳定性.(本文来源于《吉林大学学报(理学版)》期刊2019年03期）
动态权重论文开题报告
（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：
为提高基本粒子群优化算法(PSO)的收敛性能,并达到一定收敛率和精度,提出了动态惯性权重粒子群算法(DCWPSO),给出了改进算法在采用固定控制参数取值时,参数的最佳取值范围,并应用测试函数进行仿真研究。和以往文献中多种改进的PSO算法进行比较,仿真分析表明:动态惯性权重粒子群算法(DCWPSO)加快了收敛速度,提高了解的精度,这种改进的粒子群优化算法在解决实际优化问题中很有潜力,并通过神经网络仿真研究,深入研究分析了原始算法PSO和DCWPSO算法在优化不同结构网络中控制的作用。
（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。
动态权重论文参考文献
[1].吴洁,吕品,姜鹏鹏.基于动态权重的矸石山滑坡灾害预警模型[J].中北大学学报(自然科学版).2019
[2].李亮.动态惯性权重粒子群算法研究与实现[J].信息化研究.2019
[3].熊霖,唐万梅.一种加入动态权重的AdaBoost算法[J].重庆师范大学学报(自然科学版).2019
[4].付雪松,王建林,胡志雄,郭永奇,邱科鹏.基于动态权重PSO算法的眼科OCT设备横向分辨率检测[J].仪器仪表学报.2019
[5].肖利军,郭继昌,顾翔元.一种采用冗余性动态权重的特征选择算法[J].西安电子科技大学学报.2019
[6].居亚亚,杨璐,严建峰.基于动态权重的LDA算法[J].计算机科学.2019
[7].杨子江.CTA策略有效环境和失效环境研究[N].期货日报.2019
[8].任春华,孙林夫.面向协作企业群的叁阶段主客观公平权重动态评价[J].计算机集成制造系统.2019
[9].赵青杰,李捷,于俊洋,吉宏远.基于动态自适应权重和柯西变异的蝙蝠优化算法[J].计算机科学.2019
[10].刘良凤,刘叁阳.基于权重差异度的动态模糊聚类算法[J].吉林大学学报(理学版).2019