导读:本文包含了统计向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:专利相似度,词向量,统计特征
统计向量论文文献综述
俞琰,陈磊,姜金德,赵乃瑄[1]（2019）在《结合词向量和统计特征的专利相似度测量方法》一文中研究指出【目的】针对传统专利相似度测量忽略词语语义关系的问题,提出一种新的专利相似度测量方法,以提高专利相似度测量的准确度。【方法】引入基于神经网络的词向量模型,获得专利文本中词的语义信息;计算词统计特征信息,度量不同词在专利文本中的重要程度;最后结合词向量和统计特征,形成专利文本表示,测量专利相似度。【结果】本文所提结合词向量和统计特征的专利相似度测量方法比传统的空间向量方法表示专利文本相似度方法准确率提高了13.92%。【局限】辅助专利文本集的选取策略有待进一步研究。【结论】使用空间向量方法表示专利文本结合词向量和统计特征能够显着提高专利相似度测量的准确度。(本文来源于《数据分析与知识发现》期刊2019年09期）
李林阳[2]（2019）在《特征值与特征向量在多元统计分析方法中的应用》一文中研究指出特征值和特征向量具有良好的性质,是线性代数中的重要概念之一,也是矩阵论中研究的重要问题,在其他领域也有广泛的应用。多元统计分析是研究多个随机变量之间相互关系和规律的统计学分支,在统计学中具有重要的地位。总结了特征值和特征向量在主成分分析等多元统计分析方法中的应用。(本文来源于《数码世界》期刊2019年05期）
唐子奇,谢岚,张玉萍[3]（2019）在《基于高斯随机向量统计特性的卡尔曼滤波器推导方法》一文中研究指出为帮助需要深入了解卡尔曼滤波器的研究人员或使用卡尔曼滤波器的工程人员深入学习这一非常有用的工具,利用高斯随机向量及其统计学特性,尤其是概率密度函数对卡尔曼滤波递归方程进行推导。在推导过程中,给出了卡尔曼滤波器推导所需的相关理论依据及数学工具。该推导方法简单、直观,更便于人们理解卡尔曼滤波器工作机理,并根据实际应用过程进一步开展更深层次的研究。(本文来源于《软件导刊》期刊2019年05期）
单慧勇,曹燕,赵辉,杨仁杰,杨延荣[4]（2019）在《二维相关红外光谱与支持向量机和灰度共生矩阵统计法相结合判别掺杂牛奶》一文中研究指出应用二维相关红外光谱与支持向量机(SVM)和灰度共生矩阵统计方法相结合对分别掺杂有尿素、叁聚氰胺和葡萄糖的牛奶进行判别。以质量浓度为外扰,建立掺杂牛奶的二维相关红外光谱图,选择角二阶矩、主对角线惯性矩、相关系数、熵的均值和标准差作为图像纹理特征并分别建立3种掺杂牛奶的SVM判别模型。结果表明:在对同步谱的分析中,上述3种掺杂牛奶样品中,掺杂尿素的牛奶样品训练集分类准确率为91.7%,预测集的准确率为85.0%;掺杂叁聚氰胺和葡萄糖的牛奶的训练集分类准确率和预测集分类准确率分别为96.7%,90.0%和91.7%,100%。用同步谱和异步谱相结合的方法对准确率较低的掺杂尿素的牛奶做进一步试验,两种准确率分别提升为98.1%和92.3%;这一数据的提升是由于两者相结合提供了更大的信息量,有利于掺杂牛奶的判别。据此认为,此方法对掺杂牛奶的判别是可行的。(本文来源于《理化检验(化学分册)》期刊2019年03期）
刘华[5]（2018）在《基于支持向量机的红外图像舰船统计特征分析》一文中研究指出海上舰船的航行统计特征和目标识别对于海上交通管理与监察部门有重要作用,一方面,舰船的航行统计特征是海上航线管理与调度的基础,可以减少海上船舶的碰撞事故;另一方面,舰船目标的特征识别可以帮助监察部门分辨敌我船舶,维护海上领域的安全。随着计算机技术与探测技术的发展,海上舰船的目标识别与特征提取技术取得了明显的进步,本文重点研究了基于支持向量机的舰船红外图像统计特征识别与提取技术,包括图像样本分类等方面,并进行了舰船红外图像边缘像素识别的仿真试验。(本文来源于《舰船科学技术》期刊2018年14期）
Vahid,Aminghafarigharehshiran[6]（2018）在《轻量级流密码的设计及选择初始向量统计分析》一文中研究指出本论文分为两大部分。第一部分,即第二章,与设计超轻量级流密码相关。该章节引入了一类新的流密码—Fruit,这是当前ASIC硬件实现中最轻量化的一种。Fruit函数族的设计基于FSE 2015上提出的一个新思路(即在设计具有较小内部状态的流密码时,不仅在初始化过程中,而且在密钥流生成过程中使用密钥)。在我们的设计中,内部状态的大小等于密钥长度和安全级别。然而为了抵抗经典的时间—存储-数据权衡攻击,内部状态的大小至少应为安全级别的两倍。为了满足这个规则并设计一个具体的密码方案,我们还使用了一些新的设计思想。一个新的轮密钥函数,一个初始化过程中的新方案,一个用于防止LFSR在初始化后变为全零的新方法,增加LFSR的大小(同时减少NFSR的大小)以便在每次加载时获得更长的密钥流,输出函数直接涉及密钥,这些思想都是首次使用。第二部分,即第叁章,涉及到一个针对对称密码的新的选择Ⅳ统计区分攻击框架。该框架基于立方体测试和d-单项式测试。在d-单项式测试中,关注的是布尔函数代数标准型中特殊单项式的频率,但在我们提出的框架中,重点放在真值表上。我们攻击了ACORN-v3和Grain-128a以展示我们攻击框架的效果。我们还展示了如何应用该攻击框架对多达670个初始轮次的ACORN-v3和171个初始轮次的Grain-128a进行区分攻击。此前仅有一种针对ACORN-v3的被动攻击,但是其攻击时间复杂度很高,因此我们提出的针对ACORN-v3的攻击是目前最好的实际攻击。条件差分攻击是目前唯一针对Grain-128a的被动单密钥攻击。在条件差分攻击中,Ⅳ和密钥需要满足一些条件,而在我们提出的攻击中,Ⅳ和密钥是没有限制条件的,因此在某些应用场景下,我们提出的攻击看起来是最好的。研究者可以通过我们所提出的框架将区分攻击应用于对称密码的黑盒,我们还建议通过分析密码方案的内部结构来改进攻击。该框架适用于所有对称密码和散列函数。我们探讨了它是如何揭示其他统计测试无法发现的弱点。这些攻击在实际中已得到实现和验证。(本文来源于《中国科学技术大学》期刊2018-05-30）
吴桐雨,吴少雄[7]（2018）在《基于核主成分分析和粒子群优化支持向量机的统计数据缺失值插补》一文中研究指出文章利用核主成分分析法对统计数据进行特征提取,将获得的主成分作为最小二乘支持向量机的特征向量建立支持向量机模型,应用粒子群算法对最小二乘支持向量机参数进行优化,并应用于福建省流通产业统计数据的缺失值插补。研究结果表明,应用核主成分分析与粒子群优化最小二乘支持向量机的方法具有较高的的精度,可以应用于统计数据缺失值的插补。(本文来源于《统计与决策》期刊2018年08期）
沈会[8]（2018）在《基于最小二乘支持向量机方法的统计优化预测模型》一文中研究指出最小二乘支持向量机(LSSVM)将二次规划问题转换为线性规划求解,可降低支持向量机模型的计算复杂度,提高求解速度,但使其鲁棒性变差,更易受到噪声影响。为了增强LSSVM模型的泛化能力和鲁棒性,本文针对LSSVM模型的特征提取、参数优化、误差修正等方面进行研究。首先,建立GR-LSSVM模型。将输入特征与输出特征进行灰色关联分析,选取灰色关联度大的输入特征;基于选取的输入特征,对LSSVM模型的预测能力进行训练,得到灰色关联——最小二乘支持向量机模型(GR-LSSVM);运用我国天然气年消费量数据,验证所得模型的拟合能力与泛化能力。将GR-LSSVM模型与LSSVM模型的训练效果和预测效果进行比较,结果表明:GR-LSSVM模型较LSSVM模型具有更好的泛化能力。其次,改进粒子群算法。为了进一步提高GR-LSSVM模型预测精度,本文采用粒子群算法(PSO)对GR-LSSVM模型的参数进行优化;针对粒子群算法的过早收敛和陷入局部极值问题,本文基于二阶粒子群算法(BPSO)设计了自适应权重的二阶粒子群算法(AWBPSO);分别运用PSO、BPSO、AWBPSO算法对GR-LSSVM模型参数进行优化,比较这叁种算法寻优速度与寻优效果及其对GR-LSSVM模型的训练和测试效果。结果表明:AWBPSO算法较PSO算法,BPSO算法有更好的寻优效果;基于AWBPSO算法的GR-LSSVM模型具有更好的泛化能力。然后,建立误差修正模型。针对GR-LSSVM优化模型的训练误差,本文运用Markov模型进行修正;基于该修正模型,将GR-LSSVM优化模型的预测误差序列进行误差状态划分,构建了相应的状态转移矩阵;通过该状态转移矩阵计算出相应的预测误差矩阵,从而得到预测误差;由预测误差获取GR-LSSVM优化模型修正后的预测值。实证结果表明:Markov修正的GR-LSSVM优化模型较其他的预测模型有更好的预测能力。最后,对本文的研究工作进行了总结以及对未来的进一步研究做了展望。(本文来源于《武汉理工大学》期刊2018-03-01）
陈智斌[9]（2017）在《基于句向量和统计特征的自动摘要方法》一文中研究指出作为自然语言处理领域中重要的研究课题受到了广泛的关注。由于互联网高速发展带来的信息快速增长的问题,精简浓缩文本信息的技术显得尤为迫切。虽然目前关于自动文本摘要的研究工作较多,但仍存在一定的不足。在数据方面,存在着数据稀缺的问题,特别是在中文领域。在技术方面,传统的基于统计、图模型以及机器学习的自动摘要技术无法深入的利用文本的语义信息;而基于自然语言处理的技术和基于深度学习的技术又存在着需要额外数据支撑以及需要大量训练数据的问题。针对上述的问题,本文利用微博内容作为摘要,相应的新闻作为正文,收集了足够的中文摘要数据集。同时,本文提出的两种自编码机模型,分别利用词性和相似度的方式解决语义分析和数据量的问题,并通过提取统计特征的方式对语义分析结果中的不足进行补充,从而获得更高质量的摘要模型。在基于词性的自编码机模型中,本文通过利用词语的词性信息,根据不同句子间相同词性的词语构建原始的词袋模型向量,利用自编码机对其进行语义的压缩。同时本文利用句子组合的方式完成对训练数据的扩充。在基于相似度的自编码机模型中,本文通过分析句子的相关信息自动构建自编码机,并利用句子的词袋模型向量作为输入,以还原后的向量损失和相似度损失作为更新模型参数的依据完成对自编码机的训练;在训练数据方面,本文同样利用组合句子的方式完成对数据的扩充。由于上述两个自编码机无法有效利用句子间的语序信息,本文通过语义图和句子的位置相结合的方式提取语序位置特征对句子的语序信息进行补充,并加入实体词数进一步完善摘要的生成模型。本文以Lead,Text Rank和整合重要度非冗余度以及连贯性的摘要算法作为对比算法,在收集到的数据集上进行对比。本文的基于词性句向量及统计特征的摘要模型在ROUGE-2,ROUGE-3以及ROUGE-4指标上比对比算法中最好的模型分别提升了10.154%,15.779%,18.253%,而基于相似性的句向量及统计特征摘要模型则分别提升了13.327%,19.399%,22.058%。(本文来源于《哈尔滨工业大学》期刊2017-12-01）
秦楚越,段嘉旭,王泽勇,高晓蓉[10]（2017）在《基于高阶统计量的DAISY特征向量降维》一文中研究指出采用DAISY算子描述特征点时,每个特征点会生成一个1×200维度的特征向量。维度较高的特征向量会对后续的工作如特征点匹配等,带来非常大的计算量,严重影响算法的效率。因此,需要采取一定的方法降低特征向量的维度。因此,提出了一种基于叁阶统计量的方法。这种方法可以通过提取原始向量中的主成分来降低维度。数值实验中证明,相对于经典的PCA降维算法,所提算法在提取主成分方面有更好的效果,同时可将向量的维数降到更低水平,大大提高了算法效率。(本文来源于《通信技术》期刊2017年08期）
统计向量论文开题报告
（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：
特征值和特征向量具有良好的性质,是线性代数中的重要概念之一,也是矩阵论中研究的重要问题,在其他领域也有广泛的应用。多元统计分析是研究多个随机变量之间相互关系和规律的统计学分支,在统计学中具有重要的地位。总结了特征值和特征向量在主成分分析等多元统计分析方法中的应用。
（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。
统计向量论文参考文献
[1].俞琰,陈磊,姜金德,赵乃瑄.结合词向量和统计特征的专利相似度测量方法[J].数据分析与知识发现.2019
[2].李林阳.特征值与特征向量在多元统计分析方法中的应用[J].数码世界.2019
[3].唐子奇,谢岚,张玉萍.基于高斯随机向量统计特性的卡尔曼滤波器推导方法[J].软件导刊.2019
[4].单慧勇,曹燕,赵辉,杨仁杰,杨延荣.二维相关红外光谱与支持向量机和灰度共生矩阵统计法相结合判别掺杂牛奶[J].理化检验(化学分册).2019
[5].刘华.基于支持向量机的红外图像舰船统计特征分析[J].舰船科学技术.2018
[6].Vahid,Aminghafarigharehshiran.轻量级流密码的设计及选择初始向量统计分析[D].中国科学技术大学.2018
[7].吴桐雨,吴少雄.基于核主成分分析和粒子群优化支持向量机的统计数据缺失值插补[J].统计与决策.2018
[8].沈会.基于最小二乘支持向量机方法的统计优化预测模型[D].武汉理工大学.2018
[9].陈智斌.基于句向量和统计特征的自动摘要方法[D].哈尔滨工业大学.2017
[10].秦楚越,段嘉旭,王泽勇,高晓蓉.基于高阶统计量的DAISY特征向量降维[J].通信技术.2017