导读:本文包含了项聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:高斯混合模型,相似分布准则,高斯聚类,扩展积分均方误差代价函数
项聚类论文文献综述
徐洋,方洋旺,伍友利,张丹旭[1]（2019）在《相似分布特性准则下的高斯混合项聚类-合并算法》一文中研究指出针对高斯混合模型估计非高斯系统时高斯混合项呈指数级增长问题,提出一种基于相似分布特性准则的聚类-合并方法。通过分析高斯混合项的分布特性,基于扩展积分均方误差代价函数搜索最优置信范围,并对混合项进行高斯聚类,进而获得具有不同分布特性的高斯簇。为防止高斯簇间对高斯子项的重复利用,引入局部最近邻思想对交叉高斯项进行重新分配。采用并行多元素合并方法对高斯簇中的混合项进行合并,在保证无偏性基础上减少下一时刻混合项数量。仿真结果表明,改进算法在保证跟踪精度的同时还可有效提高算法效率。(本文来源于《国防科技大学学报》期刊2019年04期）
李雄,丁治明,苏醒,郭黎敏[2]（2018）在《基于词项聚类的文本语义标签抽取研究》一文中研究指出本研究主要解决在大量文本数据中抽取关键语义信息的问题。文本是自然语言的信息载体,在分析和处理文本信息时,由于目标与方式不同,对文本信息的特征表达方式也各不相同。已有的语义抽取方法往往是针对单篇文本的,忽略了不同文本间的语义联系。为此,文中提出了基于词项聚类的文本语义标签提取方法。该方法以语义抽取为目标,以Hinton的分布式表示假说为文本信息的表达方式,并以最大化语义标签与原文本数据间的语义相似度为目标,使用聚类算法对语义标签进行聚类。实验表明,所提方法由于是基于全体词汇表对语义信息分布进行聚类计算的,因此在语义丰富度和表达能力上相比很多现有方法具有更好的表现。(本文来源于《计算机科学》期刊2018年S2期）
李琼,王恒[3]（2012）在《小学教师的专业生涯发展类型:一项聚类分析》一文中研究指出研究以北京市2538名小学教师为样本,从教师的专业精神、学生观、教学效能感、教学组织与管理、教学反思与研究、学科知识、学科教学知识、教学特色及专业自主发展意识九个方面考察了小学教师的专业生涯发展类型。聚类分析的结果表明:(1)小学教师的专业发展类型可分为四类:模仿学习或被动应付型;经验积累或重复型;发展教学风格型;发展教学思想型;(2)不同发展类型的教师在九个专业方面的发展表现出一致性,其差异主要表现为不同专业发展水平的量的差异;(3)教师专业发展路径呈现出动态多维性。(本文来源于《教师教育研究》期刊2012年03期）
熊忠阳,张凤娟,张玉芳[4]（2009）在《基于粒子群优化的项聚类推荐算法》一文中研究指出针对传统推荐算法的数据稀疏性问题和推荐准确性问题,提出基于粒子群优化的项聚类推荐算法。采用粒子群优化算法产生聚类中心,在此基础上搜索目标项目的最近邻居,并产生推荐,从而提高了传统聚类算法的推荐准确性及响应速度。实验表明改进的项聚类协同过滤算法能有效提高推荐精度。(本文来源于《计算机工程》期刊2009年23期）
张凤娟[5]（2009）在《基于粒子群优化的项聚类推荐算法研究》一文中研究指出随着网络的迅速发展,各种信息越来越多的在网络上汇集,信息过载与信息迷失的问题日益严重。电子商务技术的发展,使商务系统为用户提供的越来越多的选择,网站结构也变得越来越复杂,用户经常迷失在大量的商品信息之中,无法顺利的找到自己需要的商品。在这种情况下,Web数据挖掘与电子商务系统的结合,产生了数据挖掘的一个分支——电子商务推荐系统。电子商务推荐系统直接与用户交互,模拟销售人员向用户推荐商品,帮助用户找到真正需要的商品,而商务网站可以保持用户,提高销售与服务质量。电子商务推荐系统因良好的应用前景,在理论和实践中都得到了很大的发展,但是随着商务规模的不断扩大,网络信息的数量与商品种类的急速增长,对推荐系统提出了严峻的挑战。针对电子商务系统遇到的挑战,本文对推荐系统与推荐算法进行了研究,提出了基于粒子群优化(Particle Swarm Optimization)的项聚类推荐算法。粒子群优化算法是一种演化计算技术,它具有简单、有效、收敛速度较快、全局搜索能力较强等特点,近年来受到学术界的高度关注。在以往的基于项目聚类的推荐算法中,多数都用了K-means算法产生聚类,但是该算法的缺陷是容易陷入局部最优,效率不高,而且在推荐系统中遇到相似度衡量不准确的问题,因此本文引入粒子群算法优化聚类过程,粒子群算法的适应度函数能较准确的衡量项目之间的相似性,快速找到较优的聚类中心。论文在研究的过程中,分析了推荐算法数据集的稀疏性问题,采用项目均值填充的方式降低稀疏性,然后用粒子群优化的项聚类算法产生聚类中心,在此基础上搜索目标项目的最近邻居,并产生推荐。这一举措改进了传统聚类算法的推荐准确性问题与数据的稀疏性问题,提高了响应速度与推荐质量。实验表明基于粒子群优化的项聚类改进算法能有效的提高推荐精度。(本文来源于《重庆大学》期刊2009-04-01）
Cooper,P.J.,Chico,M.E.,Vaca,M.G.,王晓君[6]（2006）在《阿苯达唑对土源性蠕虫流行社区儿童遗传性过敏症患病率的影响:一项聚类随机试验》一文中研究指出Background: Epidemiological studies have shown inverse associations between geohelminth (intestinal helminth) infection and atopy, leading to the suggestion that geohelminths might protect against allergy. Periodic deworming of school children with anthelmintics is a widely implemented intervention and has raised concerns that such programmes could increase allergy. We investigated the effect of repeated anthelmintic treatments with albendazole over 12 months on the prevalence of atopy and clinical indices of allergy. Methods: We did a cluster-randomised controlled trial in schoolchildren from 68 rural schools. Children were randomly assigned by school to either albendazole (34 schools, 1164 children) every 2 months for 12 months, or to no intervention (34 schools, 1209 children). The intervention schools received a total of seven albendazole treatments. The primary outcome was atopy at 12 months (allergen skin-test reactivity), and analysis was by intention-to-treat for whole-school analyses and per protocol for children. This study is registered as an International Standard Randomised Controlled Trial, number ISRCTN61195515. Findings: Data for analysis were available for all schools and from 67.4%(784 of 1164) and 70.1%(848 of 1209) of children in albendazole and no-treatment groups, respectively. Albendazole treatment caused large reductions in geohelminth prevalence over the study period (adjusted odds ratio 0.13, 95%CI 0.09-0.19, p < 0.001), but there was no evidence that treatment was associated with an increase in atopy prevalence (0.97, 0.68-1.39, p=0.862), or clinical allergy (wheeze, 1.07, 0.54-2.11, p=0.848) in the albendazole compared with the no-treatment group. Interpretation: We saw no increase in the prevalence of atopy or clinical allergy associated with albendazole treatment. Deworming programmes for schoolchildren are unlikely to be accompanied by an increase in allergy.(本文来源于《世界核心医学期刊文摘(胃肠病学分册)》期刊2006年10期）
项聚类论文开题报告
（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：
本研究主要解决在大量文本数据中抽取关键语义信息的问题。文本是自然语言的信息载体,在分析和处理文本信息时,由于目标与方式不同,对文本信息的特征表达方式也各不相同。已有的语义抽取方法往往是针对单篇文本的,忽略了不同文本间的语义联系。为此,文中提出了基于词项聚类的文本语义标签提取方法。该方法以语义抽取为目标,以Hinton的分布式表示假说为文本信息的表达方式,并以最大化语义标签与原文本数据间的语义相似度为目标,使用聚类算法对语义标签进行聚类。实验表明,所提方法由于是基于全体词汇表对语义信息分布进行聚类计算的,因此在语义丰富度和表达能力上相比很多现有方法具有更好的表现。
（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。
项聚类论文参考文献
[1].徐洋,方洋旺,伍友利,张丹旭.相似分布特性准则下的高斯混合项聚类-合并算法[J].国防科技大学学报.2019
[2].李雄,丁治明,苏醒,郭黎敏.基于词项聚类的文本语义标签抽取研究[J].计算机科学.2018
[3].李琼,王恒.小学教师的专业生涯发展类型:一项聚类分析[J].教师教育研究.2012
[4].熊忠阳,张凤娟,张玉芳.基于粒子群优化的项聚类推荐算法[J].计算机工程.2009
[5].张凤娟.基于粒子群优化的项聚类推荐算法研究[D].重庆大学.2009
[6].Cooper,P.J.,Chico,M.E.,Vaca,M.G.,王晓君.阿苯达唑对土源性蠕虫流行社区儿童遗传性过敏症患病率的影响:一项聚类随机试验[J].世界核心医学期刊文摘(胃肠病学分册).2006
标签：高斯混合模型; 相似分布准则; 高斯聚类; 扩展积分均方误差代价函数;