导读:本文包含了加权的论文开题报告文献综述及选题提纲参考文献，主要关键词:贪心策略,特征加权,聚类,高维数据
加权的论文文献综述
向志华,邵亚丽[1]（2019）在《一种结合贪心选择和特征加权的高维数据聚类算法》一文中研究指出为解决传统聚类算法无法对高维数据聚类的问题,文中提出了一种结合贪心选择和特征加权的TC-Mean shift高维数据聚类算法。通过对一维数据进行聚类,获得一维数据的聚类结果,再通过加权添加维度聚类,最终获得所有维度数据的聚类,实现对高维数据的聚类。测试结果表明,该算法能够准确地对稀疏的高维数据样本进行聚类,能够处理各种维度的数据,具有良好的实际应用价值。(本文来源于《电子科技》期刊2019年11期）
廖涛,付维成,方贤进[2]（2019）在《基于正负加权的中文事件识别研究》一文中研究指出事件识别是事件抽取的子内容,其主要任务是找出文本中的事件触发词。针对现有的事件识别方法对单一特征的利用还不够充分的问题,通过构建包含正负特征的触发词表,提出一种基于正负加权的事件识别方法。定义一种关联词特征,该特征对事件识别有较好的效果;根据单一特征所属的词是否为触发词将特征分为正特征或负特征,并将正负特征结合起来进行触发词识别,提升单一特征在事件识别时的作用。在此基础上,将正负关联词特征、正负词性特征以及正负依存关系特征结合起来进行触发词识别,进一步提升事件识别效果。实验结果表明,基于正负加权的事件识别方法得到了比较理想的效果。(本文来源于《计算机应用与软件》期刊2019年11期）
丁建策,厉剑,郑成诗,李晓东[3]（2019）在《基于稀疏表示和特征加权的离格双耳声源定位》一文中研究指出基于头相关传递函数数据库的传统双耳声源定位方法的定位角度往往被限定在头相关传递函数数据库的离散测量点上。当头相关传递函数数据库的测量方位角间隔较大时,这类算法的性能会显着下降,这就是典型的离格问题。该文提出了基于加权宽带稀疏贝叶斯学习的离格双耳声源定位算法。首先该算法建立离格双耳信号的稀疏表示模型,然后利用双耳相干与扩散能量比特征对各个频点进行加权以降低噪声和混响的影响,最后通过加权宽带稀疏贝叶斯学习方法估计离格声源的方位角。实验结果表明,该算法在各种复杂的声学环境下都有着较高的定位精度和鲁棒性,特别是提高了离格条件下的声源定位性能。(本文来源于《应用声学》期刊2019年06期）
张胜,彭明喜,杜渂[4]（2019）在《基于特征加权的案例推理在消防救援中的应用》一文中研究指出目前对于CBR(案例推理)的研究,应用较广泛的是KNN(K-近邻)的检索策略,而KNN一般使用均权法,不同的属性对案例的表示通常具有不同的权重,会影响计算结果的可靠性。针对上面存在的问题,文章提出一种新的特征权重计算方法,在现有Relief-F算法上对抽样方法做出改进,通过计算对占有权重较大的属性赋予较合理的权重,并应用于消防火灾救援案例中的相似度检索上。结果表明,无论是在余弦相似度还是均方误差上,该方法结合CBR推荐出的方案具有更好的效果。(本文来源于《电信快报》期刊2019年11期）
于德鑫,曹晓杰,杨敏,赵鹏德[5]（2019）在《基于Kalman滤波与样本加权的压缩感知跟踪算法》一文中研究指出针对压缩感知跟踪算法在目标移动过快时易丢失跟踪目标和跟踪准确性不高的缺点,提出了改进的压缩感知跟踪算法。该算法引入加权函数辅助判断正负样本,使用加权后的样本计算特征找到下一帧的目标中心位置,当目标移动过快时,使用卡尔曼滤波对当前帧目标位置进行预测。对不同测试序列的跟踪结果表明,改进后算法能够稳定跟踪目标,有效地解决了目标移动过快时易丢失跟踪目标的问题,并且具有较高的准确性。(本文来源于《智能计算机与应用》期刊2019年05期）
李炜,李全龙,刘政怡[6]（2019）在《基于加权的K近邻线性混合显着性目标检测》一文中研究指出显着性目标检测旨在于一个场景中自动检测能够引起人类注意的目标或区域,在自底向上的方法中,基于多核支持向量机(SVM)的集成学习取得了卓越的效果。然而,针对每一张要处理的图像,该方法都要重新训练,每一次训练都非常耗时。因此,该文提出一个基于加权的K近邻线性混合(WKNNLB)显着性目标检测方法:利用现有的方法来产生初始的弱显着图并获得训练样本,引入加权的K近邻(WKNN)模型来预测样本的显着性值,该模型不需要任何训练过程,仅需选择一个最优的K值和计算与测试样本最近的K个训练样本的欧式距离。为了减少选择K值带来的影响,多个加权的K近邻模型通过线性混合的方式融合来产生强的显着图。最后,将多尺度的弱显着图和强显着图融合来进一步提高检测效果。在常用的ASD和复杂的DUT-OMRON数据集上的实验结果表明了该算法在运行时间和性能上的有效性和优越性。当采用较好的弱显着图时,该算法能够取得更好的效果。(本文来源于《电子与信息学报》期刊2019年10期）
杜金香,许恒博,祝鹏[7]（2019）在《一种角度加权的最小二乘目标定位算法》一文中研究指出在基于波达方向估计(DOA)的多传感器节点目标叁维空间定位算法中,当目标与传感器节点处于不同深度时,定位原理决定了不同的俯仰角误差将导致不同的定位误差,特别是当传感器与目标接近于同一平面,即俯仰角接近90°时,较小的俯仰角误差将引起非常大的定位误差。为了解决该问题,论文提出在最小二乘定位算法中,根据不同俯仰角进行加权的方法,降低俯仰角估计值接近90°的节点分量在定位方程中的贡献,减少俯仰角估计误差对综合定位精度的影响,提高定位算法对俯仰角估计误差的稳健性。文中对单个目标的定位进行了计算机仿真,对比了某些节点深度与目标接近情况下加权最小二乘算法和最小二乘算法的定位性能,仿真结果说明当参与定位的部分节点与目标深度接近时,所提加权最小二乘算法对目标位置的估计均方根误差低于最小二乘算法,具有更高的定位精度和稳健性。(本文来源于《水下无人系统学报》期刊2019年05期）
王成敏,吴君钦,方莹,汤绍春,刘刚[8]（2019）在《基于迭代重加权的信道估计方案》一文中研究指出针对传统的基于压缩感知的信道估计分辨率损失严重、精度不高问题,提出一种基于迭代重加权(iterative reweight,IR)的超分辨信道估计方案。通过部分自适应动量估计方法 (partially adaptive momentum estimation method,Padam)迭代优化目标函数,使到达角/离开角(angle of arrivals/departures,AoAs/AoDs)趋向最优解,实现高分辨率信道估计。在优化过程中,使用加权参数来平衡稀疏性和数据拟合误差。仿真结果表明,与正交匹配追踪(orthogonal matching pursuit,OMP)信道估计方案、自适应码本信道估计方案相比,所提方案归一化均方误差和频谱效率等性能更优。(本文来源于《计算机工程与设计》期刊2019年10期）
左喻灏,贾连印,游进国,张丹威[9]（2019）在《基于Relief-F特征加权的模糊支持向量机的分类算法》一文中研究指出传统基于样本与类中心的欧氏距离构造模糊支持向量机隶属度函数的方法将所有特征同等对待,并未考虑不同特征对样本与类中心距离的影响。针对这一问题,提出基于Relief-F特征加权的模糊支持向量机分类算法。首先通过Relief-F算法计算各特征权重并剔除权重较小的特征;然后应用特征权重计算样本到所属类中心的加权欧氏距离;最后,基于加权欧氏距离构造隶属度函数。该方法在考虑到特征重要性对分类效果影响的同时,通过权重阈值剔除权重较小的特征,从而将数据降维,提高了分类准确度和训练效率。实验结果表明:与支持向量机和传统基于距离构造隶属度的模糊支持向量机相比,基于Relief-F特征加权的模糊支持向量机具有更高的训练效率和分类准确率。(本文来源于《化工自动化及仪表》期刊2019年10期）
贺庆,汪亚中,郑驰超,彭虎[10]（2019）在《广义相干系数加权的超声虚拟源成像算法研究》一文中研究指出超声虚拟源成像相对于传统的聚焦成像和合成孔径成像,使阵列孔径在虚拟意义上得到了扩大,增加了探测深度,提高图像对比度。自适应加权成像技术能够根据回波信号本身的特征进行动态加权,提升成像质量。本研究将广义相干系数(general coherence factor, GCF)与虚拟源成像(virtual source imaging,VS)相结合,提出GCF加权的VS成像算法(GCF-VS),进一步提高虚拟源成像效果。Field Ⅱ仿真和实验结果证明该算法相对于传统的VS成像和相干系数(coherence factor,CF)加权的VS成像,具有更高的成像质量。(本文来源于《生物医学工程研究》期刊2019年03期）
加权的论文开题报告
（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：
事件识别是事件抽取的子内容,其主要任务是找出文本中的事件触发词。针对现有的事件识别方法对单一特征的利用还不够充分的问题,通过构建包含正负特征的触发词表,提出一种基于正负加权的事件识别方法。定义一种关联词特征,该特征对事件识别有较好的效果;根据单一特征所属的词是否为触发词将特征分为正特征或负特征,并将正负特征结合起来进行触发词识别,提升单一特征在事件识别时的作用。在此基础上,将正负关联词特征、正负词性特征以及正负依存关系特征结合起来进行触发词识别,进一步提升事件识别效果。实验结果表明,基于正负加权的事件识别方法得到了比较理想的效果。
（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。
加权的论文参考文献
[1].向志华,邵亚丽.一种结合贪心选择和特征加权的高维数据聚类算法[J].电子科技.2019
[2].廖涛,付维成,方贤进.基于正负加权的中文事件识别研究[J].计算机应用与软件.2019
[3].丁建策,厉剑,郑成诗,李晓东.基于稀疏表示和特征加权的离格双耳声源定位[J].应用声学.2019
[4].张胜,彭明喜,杜渂.基于特征加权的案例推理在消防救援中的应用[J].电信快报.2019
[5].于德鑫,曹晓杰,杨敏,赵鹏德.基于Kalman滤波与样本加权的压缩感知跟踪算法[J].智能计算机与应用.2019
[6].李炜,李全龙,刘政怡.基于加权的K近邻线性混合显着性目标检测[J].电子与信息学报.2019
[7].杜金香,许恒博,祝鹏.一种角度加权的最小二乘目标定位算法[J].水下无人系统学报.2019
[8].王成敏,吴君钦,方莹,汤绍春,刘刚.基于迭代重加权的信道估计方案[J].计算机工程与设计.2019
[9].左喻灏,贾连印,游进国,张丹威.基于Relief-F特征加权的模糊支持向量机的分类算法[J].化工自动化及仪表.2019
[10].贺庆,汪亚中,郑驰超,彭虎.广义相干系数加权的超声虚拟源成像算法研究[J].生物医学工程研究.2019