导读:本文包含了剪枝算法论文开题报告文献综述及选题提纲参考文献，主要关键词:不确定对象,最近邻反向查询,概率剪枝,限界剪枝
剪枝算法论文文献综述
占美星,范少帅,周鹏[1]（2019）在《基于特征类型概率剪枝查询的算法研究》一文中研究指出针对不确定对象的最近邻反向查询没有考虑多种特征类型而不能满足复杂的应用场景的问题,提出了基于限界剪枝和概率剪枝的多类型概率最近邻反向(Multiple types probabilistic nearest neighbor reverse,MTPNNR)查询算法。限界剪枝利用最小耗费来修剪不可行解或者非最优解对象;概率剪枝是基于概率分布模型和不确定对象分解的策略,根据概率各个阀值和剪枝的深度来控制需要剪枝的精度。与原始基于定义的算法相比较,MTPNNR查询算法在CPU资源开销方面有比较大的优势,能够完成在较大数据复杂等环境下的查询。基于实验结果显示,MTPNNR算法在离散型的数据集和不确定数据集上有比较好的查询效率。(本文来源于《科技风》期刊2019年29期）
郑健磊,匡芳君[2]（2019）在《基于极小极大值搜索和Alpha Beta剪枝算法的五子棋智能博弈算法研究与实现》一文中研究指出针对五子棋棋型定义不准确、棋型不充足等问题,提出了一套改进的五子棋棋型模型和估值方法.针对利用极小极大值搜索和Alpha Beta剪枝算法对此棋型模型着棋时存在效率低和博弈水平不高的问题,提出了一系列改进的着棋方法,即利用局部搜索、多线程技术、浅层最优算法优化剪枝算法,以提升着棋的速度和准确率.实验结果表明,提出的着棋方案能提升着棋效率和准确性,设计得出的五子棋博弈系统具备远超过多数人类玩家的棋力.(本文来源于《温州大学学报(自然科学版)》期刊2019年03期）
朱云丽,张继福[3]（2019）在《基于逆k近邻计数和权值剪枝的离群数据挖掘算法》一文中研究指出利用逆k近邻计数与k近邻距离均值相结合的方式,给出了一种无监督离群数据挖掘算法.该算法以k近邻对象集合、k近邻对象距离作为前提条件,首先计算数据集中对象的逆k近邻计数,求得每个对象的antihub分数;其次,根据k近邻距离得到每个对象KNN的antihub分数和权值,将权值大于等于1的对象保存在离群对象候选集List中;然后根据antihub分数以及k近邻距离均值,重新定义了离群分数公式,选取离群分数最大的若干个对象作为离群对象;最后,采用人工数据集和UCI标准数据集,实验验证了该算法的有效性.(本文来源于《小型微型计算机系统》期刊2019年08期）
龚晨,龚博[4]（2019）在《基于改进剪枝的关联规则隐藏算法》一文中研究指出针对序列规则重复过多,导致关联规则隐藏算法中数据I/O流的浪费问题,提出一种基于改进剪枝的关联规则隐藏算法。首先将小于阈值的原始单序列利用聚类思想放入同一存储体内,降低挖掘频繁序列的时间;然后将满足阈值条件的序列进行组合,找到满足条件的频繁序列,既实现规则剪枝,又减少遍历次数;最后完成频繁序列隐藏。实验结果表明,该算法与GSP、SPADE算法比较而言,不但提高时间效率,而且更好地实现频繁序列隐藏。(本文来源于《黑龙江工业学院学报(综合版)》期刊2019年07期）
宋万洋[5]（2019）在《基于α-β剪枝树算法的安卓五子棋程序设计与实现》一文中研究指出本文设计并研发了一种基于智能算法的安卓五子棋应用程序,程序中包括两种模式:玩家对弈和人机对弈,其中在人机对弈模式中,程序一方采用α-β剪枝树算法实现。程序主要由界面显示及控制模块、玩家对弈模块、人机对弈模块和胜负判定模块组成。经过测试,程序具有较高智能程度,能够击败大多数业余选手,并且具有较好的人机交互界面和响应速度,兼顾了智能性与娱乐性。(本文来源于《现代信息科技》期刊2019年11期）
彭冬亮,王天兴[6]（2019）在《基于GoogLeNet模型的剪枝算法》一文中研究指出GoogLeNet包含多个并行的卷积层和池化层,极具表现力,但也导致其参数数量冗余和计算量大,解决该问题的根本途径是将网络稀疏化.剪枝算法通过训练网络、修剪低权重连接和再训练网络叁步操作,只保留卷积层和完全连接层中的强相关连接,实现简化网络结构和参数数量的效果,获得近似的网络模型,不影响网络后验概率估计的准确性,达到压缩效果.传统计算方式不适合非均匀稀疏数据结构,所提出的阈值剪枝算法设定合适的阈值,将原始GoogLeNet模型中将近1040万参数减少到65万,大约压缩了16倍.原始网络在进行剪枝处理后,准确率会有所降低,但经过少数次迭代,网络的准确率与原始模型不相上下,达到了压缩模型的效果,验证了阈值剪枝算法对改进GoogLeNet模型训练过程的有效性.(本文来源于《控制与决策》期刊2019年06期）
何声一[7]（2019）在《行人重识别算法和深度学习模型剪枝的研究》一文中研究指出近年来,国家和个人对于安全问题日益重视,安防监控日益普遍,从海量的视频中寻找到所需要的信息也越来越困难,通过人工的方式往往需要耗费大量的人力。行人重识别任务的目的是通过计算机对使用不同摄像机拍摄的同一行人的图像建立对应关系,行人重识别在智能安防等领域中有着重要的作用。近年来,基于深度学习技术的方法在计算机视觉、语音、自然语言处理等领域都取得了重大的进展。对于行人重识别任务而言,基于深度学习的方法已经成为了学术上主流的方法,但现有的深度学习方法在准确率上存在不足,很少考虑到行人实体的不同粒度的细节特征,更没利用到不同粒度的特征之间存在的关系。不仅如此,现在基于深度学习的方法对于计算量和存储都有着很高的要求,无法部署到资源受限的嵌入式设备上。本文对行人重识别的深度模型算法和深度学习模型的剪枝加速进行研究,主要研究内容有:1、提出了针对行人重识别任务的多粒度特征提升网络。不同于现有的行人重识别算法,多粒度特征提升网络引入了注意力机制和特征提升模块融合了行人实体不同粒度的细节特征,经过多任务学习的方式对网络的训练,多粒度特征提升网络在各个主流数据集上取得了不错的实验效果,尤其是在采用新测试协议的CUHK03数据集上,rank-1和mAP准确度达到了79.1和77.1。2、提出了联合L2范式和泰勒一阶展开的卷积滤波剪枝方法。该方法结合了L2范式和泰勒一阶展开两种剪枝标准,多粒度特征提升网络经过该方法剪枝后达到了2.5倍的压缩比,和4.2倍的加速比,并且模型的精度损失在可以接受的范围内。(本文来源于《中国科学技术大学》期刊2019-05-26）
昌晶[8]（2019）在《细粒度模型剪枝算法研究》一文中研究指出近年来,深度神经网络在计算机视觉、语音、自然语言处理等领域取得了持续的突破性进展。随着算法的进步,在云、端、边缘等场景部署神经网络应用的需求也逐渐增加。现有的神经网络计算复杂度高、参数量大,给在移动设备等硬件资源和功耗要求较为严格的场景下的部署提出了很大的挑战。细粒度模型剪枝算法能够在几乎不损失精度的情况下,大幅度的缩减参数量和计算量,大大降低了神经网络部署的难度。本文对现有的细粒度剪枝算法进行了调研,并针对现有算法存在大量难以优化的超参数和如何进一步提升压缩比的问题,分别提出了自动化的细粒度剪枝框架和基于L1/2正则项的剪枝算法。针对现有算法存在大量难以优化的超参数的问题,本文对算法的关键步骤进行抽象,基于强化学习实现对超参数的自动优化,提出了自动化的细粒度剪枝框架。通过与现有算法对比,本算法可以以自动化的流程进一步提升压缩率。通过引入L1/2正则提升预训练模型的稀疏性,本文提出的基于L1/2正则项的剪枝算法有效的减少了错误剪枝的影响。通过与现有算法对比,本算法进一步提升了压缩率,在多个模型上取得了最优的压缩率。本文还提出了一种软硬件联合设计的访存系统优化方案,利用细粒度剪枝算法带来的稀疏性,验证了细粒度剪枝算法对于硬件加速的重要意义。(本文来源于《南京大学》期刊2019-05-23）
树爱兵,王婷婷,刘成生,徐新东[9]（2019）在《基于遍历剪枝算法的干线绿波协调控制参数自动计算系统》一文中研究指出针对当前交通干线绿波协调控制参数求解过程复杂、计算耗时较长等不足,基于遍历剪枝算法和SVG技术,构建由干线参数配置、绿波时距图展示、绿波参数自动计算模块等组成的干线绿波协调控制参数自动计算系统。并选取无锡市梁清路4个交叉口进行测试应用,实地验证系统的可行性。应用测试结果表明:该系统能够大幅简化干线绿波协调信号配时参数的设置流程,提高配置干线双向绿波协调参数的实施效率。(本文来源于《计算机应用与软件》期刊2019年04期）
张青[10]（2018）在《聚类剪枝算法在离群点检测中的应用》一文中研究指出数据源中的离群点是由于系统受外部干扰而形成,它会直接影响模型的拟合精度,甚至会得到一些虚假的结论。在模型构建前期的数据预处理阶段,为有效检测样本中的离群点,采用聚类算法,按稠密度抽取非最稀疏的那些类进行剪枝后,利用箱线图进行离群点检测。经过实验验证该离群点检测算法具有较好的泛化性,检测结果符合预期。(本文来源于《广东通信技术》期刊2018年12期）
剪枝算法论文开题报告
（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：
针对五子棋棋型定义不准确、棋型不充足等问题,提出了一套改进的五子棋棋型模型和估值方法.针对利用极小极大值搜索和Alpha Beta剪枝算法对此棋型模型着棋时存在效率低和博弈水平不高的问题,提出了一系列改进的着棋方法,即利用局部搜索、多线程技术、浅层最优算法优化剪枝算法,以提升着棋的速度和准确率.实验结果表明,提出的着棋方案能提升着棋效率和准确性,设计得出的五子棋博弈系统具备远超过多数人类玩家的棋力.
（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。
剪枝算法论文参考文献
[1].占美星,范少帅,周鹏.基于特征类型概率剪枝查询的算法研究[J].科技风.2019
[2].郑健磊,匡芳君.基于极小极大值搜索和AlphaBeta剪枝算法的五子棋智能博弈算法研究与实现[J].温州大学学报(自然科学版).2019
[3].朱云丽,张继福.基于逆k近邻计数和权值剪枝的离群数据挖掘算法[J].小型微型计算机系统.2019
[4].龚晨,龚博.基于改进剪枝的关联规则隐藏算法[J].黑龙江工业学院学报(综合版).2019
[5].宋万洋.基于α-β剪枝树算法的安卓五子棋程序设计与实现[J].现代信息科技.2019
[6].彭冬亮,王天兴.基于GoogLeNet模型的剪枝算法[J].控制与决策.2019
[7].何声一.行人重识别算法和深度学习模型剪枝的研究[D].中国科学技术大学.2019
[8].昌晶.细粒度模型剪枝算法研究[D].南京大学.2019
[9].树爱兵,王婷婷,刘成生,徐新东.基于遍历剪枝算法的干线绿波协调控制参数自动计算系统[J].计算机应用与软件.2019
[10].张青.聚类剪枝算法在离群点检测中的应用[J].广东通信技术.2018