导读:本文包含了特征信息建模论文开题报告文献综述及选题提纲参考文献，主要关键词:内部威胁人物,异常检测,孤立森林算法,交叉分组
特征信息建模论文文献综述
刘宇,罗森林,曲乐炜,潘丽敏,张笈[1]（2019）在《全特征信息均衡建模的内部威胁人物检测》一文中研究指出针对目前内部威胁人物检测准确率低及高维数据特征信息利用不全的问题,提出全特征信息均衡建模的内部威胁人物检测方法.该方法对组织内部产生的多源数据进行特征提取和构建,通过对所有特征进行交叉分组,利用交叉分组后的特征进行孤立森林模型构建,提高模型构建过程中对数据特征信息利用的均衡性,利用生成的孤立森林模型进行内部威胁人物检测.实验结果表明,该方法在CERT-IT(v4.2)内部威胁人物数据集上具有较高F_1,且算法效率高,能够有效地用于内部威胁人物检测.(本文来源于《浙江大学学报(工学版)》期刊2019年04期）
曹建农[2]（2018）在《高分影像信息提取的特征结构化多尺度分析建模方法研究》一文中研究指出围绕高分影像丰富的细节信息和多分辨率特征多尺度分析与信息提取的建模方法开展研究。首先研究高分影像特征分解与表达的变换域方法,构成多尺度、多通道、多层级的变换特征,然后分别使用下采样、上采样和非下采样方法进行特征结构化,最后建立特征结构化多尺度分析模型。并对直塔模型进行具体建模过程分析与实验研究,验证了特征结构化多尺度分析模型方法的有效性。结果表明,该方法可以增强高分影像多尺度分析的灵活性,并有效解决其多尺度分析与信息提取问题。(本文来源于《武汉大学学报(信息科学版)》期刊2018年12期）
刘世民,王海超,鲍劲松,张小龙,郭国强[3]（2018）在《面向工序建模的特征MBD设计信息提取方法》一文中研究指出为提供工序建模时所需的特征MBD(model based definition)设计信息,提出了面向工序建模的设计信息提取算法。以MBD模型为唯一依据,获取模型中的设计信息,搜寻设计信息的依附元素所在特征,依据其关联的特征将其分类为独立标注、关联标注与形状尺寸,最后以特征为单位输出相关的设计信息。试验表明,该方法能有效获取工序建模所需的特征MBD设计信息。(本文来源于《东华大学学报(自然科学版)》期刊2018年04期）
郑德炼[4]（2018）在《图像检索中局部特征的几何信息建模》一文中研究指出在过去的几十年中,数码技术的快速发展使得数字图像的数量出现了爆炸式的增长。特别是随着移动互联网时代的到来,每天都有数以亿计的用户通过移动终端拍摄图像并上传至网络,这些日益增长的海量图像对高效的图像检索技术提出了迫切的需求。本文首先介绍了图像检索中经典的词袋模型,该模型快速有效但是忽略了局部特征点的几何信息和空间信息,例如角度、尺度和空间坐标等,从而制约了检索性能。本文提出了一种基于密度的几何校验方法,该方法利用图像局部特征的几何信息来改进图像检索。在图像检索的重排序阶段,利用图像间局部特征匹配对在相似变换参数空间中的概率密度来加权该匹配对对图像相似度的贡献。实验表明该方法能有效地提高基于局部特征的图像检索算法的平均精度均值MAP。目前,利用卷积神经网络生成的聚合特征进行图像检索取得较好的效果,也存在着进一步提升的空间。本文的第二项工作研究基于空间加权的深度特征图像检索技术,提出了一种基于空间加权的深度特征聚合方法。本文首先改进了监督的空间加权方法——类激活图的空间加权,通过把多类别类激活图聚合操作提前来提高检索的效率,然后提出了一种基于响应均值的通道加权方法进一步提高其平均精度均值MAP,最后,把改进的基于类激活图的空间加权方法与一种非监督的空间加权方法——响应聚合加权相结合得到更好的平均精度均值MAP。(本文来源于《电子科技大学》期刊2018-03-01）
洪新海,宋彦[5]（2017）在《结合CNN不同层信息的全变量建模人脸特征表达学习方法》一文中研究指出如何学习有效的人脸特征表达是人脸识别的关键性问题。现有基于卷积神经网络(Convolutional Neural Networks,CNN)的人脸深度特征表达学习方法大多在人脸图像经过了有效检测和校正的情况下,能够获得优异的性能,而在复杂场景下其推广性和鲁棒性受到极大限制。对此,本文提出了结合CNN不同层信息的全变量建模人脸特征表达学习方法,将提取的人脸局部深度特征中所包含的差异信息按照子空间进行建模,有效聚合局部深度特征的同时得到人脸在低维子空间的特征表达(i Vector)。在IJB-A(IARPA Janus Benchmark A)上的实验结果表明,与现有的深度特征表达相比,该方法学习得到的人脸iVector表达能够显着提升人脸识别系统的识别性能和计算效率。(本文来源于《信号处理》期刊2017年08期）
张鑫[6]（2017）在《基于用户行为特征及关系的在线社交网络信息传播研究与建模》一文中研究指出迅猛发展的在线社交网络已经成为人们获取和分享信息的重要平台,极大改变了人类社会的信息传播方式,在线社交网络上的信息传播也是近年来研究者们关注的热点。然而现有的研究成果虽然取得了一定成功,但依然存在以下问题:1)受限于实际数据的缺失,信息传播建模往往基于静态网络,依赖于用户接触和传播信息概率均等、用户行为相对静态等基本假设,难以描述真实信息传播中的复杂现象。2)随着近年来信息内容的复杂性和个体行为的多样性,用户具体通过哪些行为使信息得以传播、如何准确衡量用户的影响力和传播效率等问题,依然没有得到普遍认同的解释。围绕这些问题,本文利用大数据分析手段挖掘Twitter数据,基于用户行为特征的研究,对在线社交网络中信息传播过程进行了系统描述和动态建模分析。本文的主要研究成果和学术贡献如下:1)分析了在线社交网络中特有的用户行为特征,讨论了用户传播影响力的相关因素和评价方法。本文采集并利用了 Twitter平台的信息数据和相关用户数据,基于用户的信息转发行为构建了信息传播网络,分析了其网络拓扑结构性质和度分布,引入了基于用户发布或转发信息数量的用户活跃度指标,提出了基于等待时间和时间间隔的用户积极度和用户持续度指标,将转发数量作为传播影响力的评价指标,发现了用户活跃度难以和用户的信息传播影响力挂钩,而高用户积极度和持续度则是获得出色信息传播影响力的必要条件,发现了用户行为特征存在社区性和群体性差异。2)利用Fast-unfolding社团划分的方法,研究了在线社交网络中用户行为特征的社区性,解释了网络中的信息传播机制。基于Fast-unfolding算法对Twitter信息传播网络进行了社团划分,验证了用户行为具有社区特性。随后挖掘了用户的行为特征社区性的深层作用,发现了信息传播过程中的信息创造者、传播促进者、传播支持者和信息消费者这四类群体,并描述了他们的行为特征和先后发挥的创造话题、引发传播潮流、扩散传播以及终结传播的作用。3)提出了基于信息流行度和用户关系的动态信息传播模型。不同于传统的静态网络模型或仿真模型,本文提出了一种双层动态网络信息传播模型。通过随时间变化的发布信息构建了信息云网络,通过用户的关注关系构建了用户关系网络。综合考虑信息流行度、信息时效性和用户关系的影响,通过权重参数来衡量各因素的影响比例,动态计算了某个用户在某时对于某条信息的转发概率,实现了双层网络之间的动态联系,根据发布信息随时间的变化情况演化了信息转发的整个过程。最后,基于Twitter的信息发布、转发和用户关注数据检验了模型的可行性和结果的准确性,讨论了权重参数的最优取值,模型准确解释了流行度和用户关系在信息传播中的动态共同作用关系,可以用于在线社交网络的信息传播描述和预测。(本文来源于《华东师范大学》期刊2017-03-01）
蒋昕祎,杜红彬,李绍军[7]（2017）在《基于核慢特征回归与互信息的常压塔软测量建模》一文中研究指出针对工业过程的非线性及动态特性,提出了一种新的慢特征回归软测量方法。该方法首先通过添加时延数据构造动态数据集,利用互信息最大化准则筛选变量从而减少信息冗余的影响。同时该方法在慢特征分析的基础上引入核函数扩展,加强模型处理非线性数据的能力,并将获得的核慢特征用于回归建模。核慢特征分析通过分析样本的变化,提取具有缓慢变化特征的成分,可以有效地刻画工业过程的变化趋势,提升回归模型精度。最后该方法的有效性在常压塔常顶油干点与常一线初馏点的软测量模型中得到了验证。(本文来源于《化工学报》期刊2017年05期）
李翔宇,高宪文,李琨,侯延彬[8]（2016）在《基于多源信息特征融合的抽油井动液面集成软测量建模》一文中研究指出针对传统抽油井动液面(DLL)检测只能依靠人工操作回声仪测试,无法实时在线检测的问题,提出基于多源信息特征融合的抽油井动液面集成软测量新方法。采用快速傅里叶变换(FFT)将抽油机悬点载荷及振动时域信号转换成频域信号;采用核主元分析(KPCA)提取悬点载荷及振动频谱和电功率、井口油、套压时域信号非线性特征;利用改进的模糊交互式自组织数据分析聚类(ISODATA)和高斯过程回归(GPR)融合时频信息特征,建立多个动态子模型;利用权重优化证据理论(D-S)构造的概率分配函数作为权值因子,对子模型输出进行集成以得到最终的DLL预测值。油田现场应用证明了该方法的有效性。(本文来源于《化工学报》期刊2016年06期）
梁艳超,乔立红,樊景松[9]（2015）在《基于UDF建模的特征信息管理方法研究》一文中研究指出依据MBD规范,应用UDF快速建模方法进行产品叁维数字化模型的定义.研究面向制造的特征信息模型,对特征信息进行统一且结构化的管理,对零件模型的特征信息进行提取与组织,向下游工艺设计、制造仿真活动传递完整的特征信息,有效支持设计与制造信息的一体化应用.(本文来源于《成组技术与生产现代化》期刊2015年03期）
潘耀辉,颜志军,刘文洋[10]（2015）在《基于群体特征的复杂网络信息传播建模》一文中研究指出为对不同人群中信息传播进行有效控制,建立了基于群体特征的复杂网络信息传播模型,研究了网络拓扑结构、社会强化作用和群体传播特征对信息传播的影响.仿真结果表明:群体传播特征的同质性更有利于信息的传播;小世界网络中行为传播范围较广,无标度网络在传播过程早期具有最快的传播速度;信息传播的范围随社会强化作用的增加而增加,异质群体中这一趋势更加明显.(本文来源于《北京理工大学学报》期刊2015年08期）
特征信息建模论文开题报告
（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：
围绕高分影像丰富的细节信息和多分辨率特征多尺度分析与信息提取的建模方法开展研究。首先研究高分影像特征分解与表达的变换域方法,构成多尺度、多通道、多层级的变换特征,然后分别使用下采样、上采样和非下采样方法进行特征结构化,最后建立特征结构化多尺度分析模型。并对直塔模型进行具体建模过程分析与实验研究,验证了特征结构化多尺度分析模型方法的有效性。结果表明,该方法可以增强高分影像多尺度分析的灵活性,并有效解决其多尺度分析与信息提取问题。
（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。
特征信息建模论文参考文献
[1].刘宇,罗森林,曲乐炜,潘丽敏,张笈.全特征信息均衡建模的内部威胁人物检测[J].浙江大学学报(工学版).2019
[2].曹建农.高分影像信息提取的特征结构化多尺度分析建模方法研究[J].武汉大学学报(信息科学版).2018
[3].刘世民,王海超,鲍劲松,张小龙,郭国强.面向工序建模的特征MBD设计信息提取方法[J].东华大学学报(自然科学版).2018
[4].郑德炼.图像检索中局部特征的几何信息建模[D].电子科技大学.2018
[5].洪新海,宋彦.结合CNN不同层信息的全变量建模人脸特征表达学习方法[J].信号处理.2017
[6].张鑫.基于用户行为特征及关系的在线社交网络信息传播研究与建模[D].华东师范大学.2017
[7].蒋昕祎,杜红彬,李绍军.基于核慢特征回归与互信息的常压塔软测量建模[J].化工学报.2017
[8].李翔宇,高宪文,李琨,侯延彬.基于多源信息特征融合的抽油井动液面集成软测量建模[J].化工学报.2016
[9].梁艳超,乔立红,樊景松.基于UDF建模的特征信息管理方法研究[J].成组技术与生产现代化.2015
[10].潘耀辉,颜志军,刘文洋.基于群体特征的复杂网络信息传播建模[J].北京理工大学学报.2015