导读:本文包含了类间相似性度量论文开题报告文献综述及选题提纲参考文献，主要关键词:相似性度量,欧氏距离,马氏距离,恒星光谱模板
类间相似性度量论文文献综述
陈淑鑫,孙伟民,孔啸[1]（2018）在《LAMOST恒星分类模板间相似性度量分析》一文中研究指出随着获取和收集天文光谱大数据能力的与日俱增,合理利用计算科学技术正确地分析海量光谱的处理方法及结果统计。前述工作采用了欧氏距离分析判别LAMOST实测光谱与模板之间相似度的研究,研究恒星分类准确性取决于高质量的模板光谱,选取LAMOST光谱在用的分类软件中183个恒星模板光谱,分别利用欧氏距离和马氏距离方法得出A,F,G,K和M型恒星模板间的均值和最大值,完成每条谱线相互之间的相关性分析,找出相对距离较大的模板及形成原因。相似度度量可视化实验数据结果表明模板之间具有一定的区分度,通过马氏距离分析模板间相似性能更进一步辨识出相近模板之间的细微差别,具备较优良的判别效果,证实了LAMOST现有分类的各模板间距离较均匀,且分类结果较为准确。该研究可进一步优化在用光谱分类模板,提升LAMOST恒星分类模板库的精确度和可信度。(本文来源于《光谱学与光谱分析》期刊2018年06期）
陈晓[2]（2017）在《网络中顶点间相似性度量方法研究》一文中研究指出Facebook、Twitter、微信和微博等新型在线社交媒体,作为连接现实世界和虚拟空间的纽带,汇聚了大量的关系、行为等可感知和可计算的人类社会的数字足迹。随着网络规模的不断扩大,社会网络分析已成为当前研究的热点之一,受到广大学者的关注。其中,顶点间相似性度量方法作为研究各类社会网络的基础,对链接预测、社区发现、社区演化和影响最大化等问题的研究具有重要的理论意义和应用价值。本论文引入集对分析理论,将社会网络刻画为一个同异反(确定与不确定)系统,提出新的顶点间相似性度量方法,并基于该相似性指标进行社会网络分析的相关研究。具体研究内容如下。首先,在传统社会网络中,针对基于集对理论的相似性度量指标中仅考虑了网络中共同邻居数量、忽略了拓扑结构等问题,提出一种新的顶点间相似性度量指标WCCD(Weighted Clustering-Coefficient Connection Degree)。该指标采用集对联系度重新刻画顶点间的同异反属性,并基于顶点度和网络拓扑结构为同异反属性进行加权,从而描述顶点间的相似性。为了验证WCCD指标的合理性和正确性,给出相关定理和链接预测算法。同时,提出基于WCCD指标的社区发现算法。该算法可以减少凝聚型层次聚类算法中频繁的更新操作,避免顶点聚合中的不合理现象。其次,在符号网络中,针对顶点间相似性度量指标中存在的全局性指标具有较高的复杂度、局部性指标低估了顶点间的相似性等问题,提出一种新的顶点间相似性度量指标SNCD(Connection Degree Between Vertices in Signed Networks)。该指标将符号网络中的确定性和不确定性关系,与网络局部和全局拓扑结构相融合,提高顶点间相似性的精确度。为了兼顾正边和负边预测的准确率,将聚集系数和结构平衡理论相结合,提出符号网络链接预测算法。同时,提出基于该预测模型的符号网络动态社区挖掘算法,可以提高社区划分的准确性和稳定性,从而实现采用集对理论分析符号网络社区演化规律。最后,在主题关注网络中,针对该网络同时具有用户和主题两类实体的特性,提出一种新的顶点间相似性度量指标TANCD(Connection Degree Between Vertices in Topic Attention Networks)。该指标侧重用户对主题的共同关注度刻画顶点间的同异反属性,突出主题在网络结构中的重要性。为了准确划分以主题为中心的社区,提出基于TANCD指标的主题社区发现算法。为了进一步实现主题在网络中最大化的传播,提出主题偏好和用户影响力的定义,以及基于主题的影响最大化算法。并通过实验验证上述算法的正确性和有效性。(本文来源于《燕山大学》期刊2017-05-01）
李林,周一民[3]（2009）在《传递信息分类的句子间相似性度量》一文中研究指出提出了一种计算英文句子间相似度的方法。基于句子所传递的信息——其描述的对象、描述对象的属性和动作,首先将待比较的两个句子进行语块分析,并从中提取以上叁个方面的信息;然后通过语义向量的方法,分别计算两个句子在这叁个方面的相似度;最后将它们结合起来作为两个句子的整体相似度,并通过训练得到最优的结合参数。实验表明,提出的方法与目前计算句子间相似度的方法相比更加符合人工判断句子间相似度的过程,表现出更高的准确性,达到了较高的性能指标。(本文来源于《计算机工程与应用》期刊2009年31期）
类间相似性度量论文开题报告
（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：
Facebook、Twitter、微信和微博等新型在线社交媒体,作为连接现实世界和虚拟空间的纽带,汇聚了大量的关系、行为等可感知和可计算的人类社会的数字足迹。随着网络规模的不断扩大,社会网络分析已成为当前研究的热点之一,受到广大学者的关注。其中,顶点间相似性度量方法作为研究各类社会网络的基础,对链接预测、社区发现、社区演化和影响最大化等问题的研究具有重要的理论意义和应用价值。本论文引入集对分析理论,将社会网络刻画为一个同异反(确定与不确定)系统,提出新的顶点间相似性度量方法,并基于该相似性指标进行社会网络分析的相关研究。具体研究内容如下。首先,在传统社会网络中,针对基于集对理论的相似性度量指标中仅考虑了网络中共同邻居数量、忽略了拓扑结构等问题,提出一种新的顶点间相似性度量指标WCCD(Weighted Clustering-Coefficient Connection Degree)。该指标采用集对联系度重新刻画顶点间的同异反属性,并基于顶点度和网络拓扑结构为同异反属性进行加权,从而描述顶点间的相似性。为了验证WCCD指标的合理性和正确性,给出相关定理和链接预测算法。同时,提出基于WCCD指标的社区发现算法。该算法可以减少凝聚型层次聚类算法中频繁的更新操作,避免顶点聚合中的不合理现象。其次,在符号网络中,针对顶点间相似性度量指标中存在的全局性指标具有较高的复杂度、局部性指标低估了顶点间的相似性等问题,提出一种新的顶点间相似性度量指标SNCD(Connection Degree Between Vertices in Signed Networks)。该指标将符号网络中的确定性和不确定性关系,与网络局部和全局拓扑结构相融合,提高顶点间相似性的精确度。为了兼顾正边和负边预测的准确率,将聚集系数和结构平衡理论相结合,提出符号网络链接预测算法。同时,提出基于该预测模型的符号网络动态社区挖掘算法,可以提高社区划分的准确性和稳定性,从而实现采用集对理论分析符号网络社区演化规律。最后,在主题关注网络中,针对该网络同时具有用户和主题两类实体的特性,提出一种新的顶点间相似性度量指标TANCD(Connection Degree Between Vertices in Topic Attention Networks)。该指标侧重用户对主题的共同关注度刻画顶点间的同异反属性,突出主题在网络结构中的重要性。为了准确划分以主题为中心的社区,提出基于TANCD指标的主题社区发现算法。为了进一步实现主题在网络中最大化的传播,提出主题偏好和用户影响力的定义,以及基于主题的影响最大化算法。并通过实验验证上述算法的正确性和有效性。
（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。
类间相似性度量论文参考文献
[1].陈淑鑫,孙伟民,孔啸.LAMOST恒星分类模板间相似性度量分析[J].光谱学与光谱分析.2018
[2].陈晓.网络中顶点间相似性度量方法研究[D].燕山大学.2017
[3].李林,周一民.传递信息分类的句子间相似性度量[J].计算机工程与应用.2009