导读:本文包含了阈值查询论文开题报告文献综述及选题提纲参考文献，主要关键词:得分分布,查询项特定阈值,K-means聚类,语音查询项检索
阈值查询论文文献综述
陆梨花,张连海[1]（2015）在《一种基于改进得分分布的查询项特定阈值方法》一文中研究指出为提高语音查询项检索系统的准确率,提出一种基于改进得分分布的查询项特定阈值方法.在系统判决阶段,根据每个查询项的后验得分分布设定不同阈值.后验得分分布用指数混合模型描述,通过无监督的最大期望(EM)算法估计模型参数,最后根据贝叶斯最小风险准则计算阈值.针对EM算法对初始值较为敏感的问题,初始化时采用K-means聚类算法代替随机初始化方法,首先将候选结果得分分为两类,然后计算每类的先验分布并用最大似然法估计模型参数的初始值.实验结果表明该阈值方法有更好的检索性能.(本文来源于《模式识别与人工智能》期刊2015年05期）
王丽,秦小麟,许建秋[2]（2015）在《室内概率阈值反向最近邻查询》一文中研究指出室内空间变得越发的庞大和复杂,随之产生了越来越多的室内空间查询需求。目前已有文献提出了针对室内空间环境的范围查询和最近邻查询,而作为常见的空间查询类型的反向最近邻查询,尚未有相关的研究。为此,提出了室内概率阈值反向最近邻查询和基于定位设备的设备可达图模型。在图模型基础上,提出了室内概率阈值反向最近邻查询处理算法,该算法由基于图模型的批量剪枝、基于室内距离的剪枝、基于概率的剪枝和概率计算4部分构成,通过剪枝策略修剪掉不可能出现在结果集中的对象,从而缩小了查询空间,提高了效率。(本文来源于《计算机科学》期刊2015年01期）
张敬伟,金澈清,林煜明,周傲英[3]（2013）在《基于对象异常频度的数据流阈值查询》一文中研究指出数据流查询与处理技术广泛应用在金融系统等诸多领域中,银行卡交易系统中存在的由终端复用所导致的不规范交易即是一个典型案例.此类不规范交易存在两个特点:(1)对象频繁出现;(2)对象的值序列频繁波动.然而,现有的频繁项挖掘算法仅考虑第一个特点,无法有效解决问题,亟需开发新技术进行检测.文中首先形式化地定义了这类不规范交易查询,再设计了多个创新算法进行处理.此外,文中还将工作扩展到滑动窗口模型以处理数据流演化问题.理论分析与实验结果均表明所提方法具有较佳性能,空间复杂度与时间复杂度都较低.(本文来源于《计算机学报》期刊2013年08期）
刘文远,李承芳,陈子军[4]（2013）在《面向不确定数据的概率阈值可见最近邻查询算法》一文中研究指出在现实世界中,障碍物的存在影响了查询点到对象的可见性.可见最近邻查询返回到查询点最近的一个可见对象,是时空数据库中的一类重要应用.由于度量设备的误差和隐私保护,很多关于空间对象位置的数据是不确定的.将不确定对象应用到可见最近邻查询中便产生了概率可见最近邻查询,返回成为可见最近邻概率大于0的对象.有些情况下,用户只关心概率超过一定阈值的结果,于是本文提出了概率阈值可见最近邻查询,返回可见最近邻概率超过阈值τ的不确定对象,其中阈值τ是用户设定的,并且给出了高效的概率阈值可见最近邻查询算法.相比以前的工作,不仅处理了概率和为1的不确定对象,而且处理了概率和小于1的不确定对象;此外,通过引入缺失概率和聚类的概念,提出了高效的过滤技术和快速的批处理技术.最后通过实验验证了本算法的高效性和有效性.(本文来源于《小型微型计算机系统》期刊2013年08期）
黄冬梅,舒博,王建,熊中敏[5]（2013）在《基于x-tuple的概率阈值top-k查询算法》一文中研究指出不确定数据库中的概率阈值top-k查询是计算元组排在前k位的概率和,返回概率和不小于p的元组,但现有的查询语义没有将x-tuple内的元组进行整体处理。针对该情况,定义一种新的查询语义——概率阈值x-top-k查询,并给出查询处理算法。在该查询语义下采用动态规划方法求取x-tuple内每个元组排在前k位的概率和,对其进行聚集后做概率阈值top-k查询,并利用观察法、最大上限值等剪枝方法进行优化。实验结果表明,该算法平均扫描全体数据集中60%的数据即可返回正确结果集,证明其查询处理效率较高。(本文来源于《计算机工程》期刊2013年04期）
张炜,翟秋瑛[6]（2012）在《基于距离阈值的不确定图可达性查询处理》一文中研究指出在不确定数据的处理中,不确定图作为典型的数据模型得到了广泛的关注,研究的内容包括基于不确定图的子图匹配、最近邻查询及连接查询等,本文研究基于距离阈值的不确定图可达性查询,即给定不确定图及图中任意两点s、t和距离阈值d,返回s和t的d可达的概率.提出一种基于随机抽样的可达性查询处理算法.定义了一种不确定图可能图实例的分类树模型.为了提高图实例分类的获取效率,提出基于双向遍历的优化分类树模型.设计了基于图实例类抽样的可达性查询处理算法并通过理论分析和实验验证了算法的性能.(本文来源于《小型微型计算机系统》期刊2012年10期）
袁野,王国仁[7]（2010）在《基于阈值的概率图可达查询》一文中研究指出图的可达性查询被广泛应用于生物网络、社会网络、本体网络、RDF网络等.由于对数据操作时引入的噪声和错误使这些图数据具有不确定性,而确定图的可达查询不能有效地处理不确定性,因此该文研究用概率语义描述的图可达性查询.具体的,该文使用可能世界概率模型定义不确定图(称为概率图),基于该模型,研究了基于阈值的概率可达查询(T-PR).首先为避免枚举所有可能世界,给出一个基本算法可精确求解T-PR查询.其次为进一步加速基本算法,给出3种改进方法,它们是不确定事件界、同构图的缩减、基于不相交路径和割集的界.通过合理的组合给出3种方法的合并算法.最后基于真实概率图数据的大量实验验证了该文的设计.(本文来源于《计算机学报》期刊2010年12期）
艾文凯,张剡,柏文阳[8]（2010）在《基于用户偏好的不确定数据阈值轮廓查询算法》一文中研究指出不确定数据轮廓查询的研究主要是在假设每一维的属性都有确定的全序关系上进行的.在现实的应用中会出现属性的属性值优先级是不确定的,需要根据用户的偏好来定义属性值之间的优先级次序.而现有的不确定数据轮廓查询算法并不适用.先通过不确定数据预处理算法得到索引ObjectInstanceMap并构造基本偏好次序索引,再在用户偏好轮廓查询算法中利用这2个索引得到用户偏好次序下的轮廓集合.实验验证了算法的有效性.(本文来源于《NDBC2010第27届中国数据库学术会议论文集(B辑)》期刊2010-10-13）
信俊昌,王国仁,公丕臻,吴俊杰[9]（2009）在《不确定数据库中的阈值轮廓查询处理》一文中研究指出传统轮廓查询算法都没有考虑不确定数据的特殊性质,因而不能直接应用到不确定数据应用中.深入地研究了不确定数据库中的轮廓查询处理技术.首先,提出了不确定数据库中阈值轮廓查询的定义;其次,通过对其性质的分析,提出了基于R-树索引的基本的阈值轮廓算法(BPS);接着,通过对其性质的进一步分析,在BPS算法的基础上,增加了有效的过滤策略,提出了改进的阈值轮廓算法(IPS).实验结果表明,IPS算法可以有效地减少阈值轮廓的计算时间,从而满足实际应用的性能需求.(本文来源于《第26届中国数据库学术会议论文集（B辑）》期刊2009-10-15）
刘灿,张德贤[10]（2007）在《一种在KNN查询处理中预估剪枝阈值的方法》一文中研究指出KNN查询是多媒体数据库管理系统中最具代表性的查询方式之一。与范围查询不同,KNN查询过程中缺乏固定的剪枝阈值。为达到剪枝的目的KNN算法使用保守的KNN距离剪枝,通常把到当前访问过的第K个最近点的距离作为剪枝阈值。传统的KNN查询处理算法在找到K个候选查询结果之前无法生成剪枝阈值,使得在此期间所有访问到的节点都被置入待访问节点队列。文中提出了在KNN查询处理中预估剪枝阈值的方法,该方法在找到K个候选查询结果前通过分析当前所访问过的页区域来预估剪枝阈值,试验表明使用预估剪枝阈值进行剪枝可有效缩短待访问节点队列的长度。(本文来源于《计算机技术与发展》期刊2007年02期）
阈值查询论文开题报告
（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：
室内空间变得越发的庞大和复杂,随之产生了越来越多的室内空间查询需求。目前已有文献提出了针对室内空间环境的范围查询和最近邻查询,而作为常见的空间查询类型的反向最近邻查询,尚未有相关的研究。为此,提出了室内概率阈值反向最近邻查询和基于定位设备的设备可达图模型。在图模型基础上,提出了室内概率阈值反向最近邻查询处理算法,该算法由基于图模型的批量剪枝、基于室内距离的剪枝、基于概率的剪枝和概率计算4部分构成,通过剪枝策略修剪掉不可能出现在结果集中的对象,从而缩小了查询空间,提高了效率。
（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。
阈值查询论文参考文献
[1].陆梨花,张连海.一种基于改进得分分布的查询项特定阈值方法[J].模式识别与人工智能.2015
[2].王丽,秦小麟,许建秋.室内概率阈值反向最近邻查询[J].计算机科学.2015
[3].张敬伟,金澈清,林煜明,周傲英.基于对象异常频度的数据流阈值查询[J].计算机学报.2013
[4].刘文远,李承芳,陈子军.面向不确定数据的概率阈值可见最近邻查询算法[J].小型微型计算机系统.2013
[5].黄冬梅,舒博,王建,熊中敏.基于x-tuple的概率阈值top-k查询算法[J].计算机工程.2013
[6].张炜,翟秋瑛.基于距离阈值的不确定图可达性查询处理[J].小型微型计算机系统.2012
[7].袁野,王国仁.基于阈值的概率图可达查询[J].计算机学报.2010
[8].艾文凯,张剡,柏文阳.基于用户偏好的不确定数据阈值轮廓查询算法[C].NDBC2010第27届中国数据库学术会议论文集(B辑).2010
[9].信俊昌,王国仁,公丕臻,吴俊杰.不确定数据库中的阈值轮廓查询处理[C].第26届中国数据库学术会议论文集（B辑）.2009
[10].刘灿,张德贤.一种在KNN查询处理中预估剪枝阈值的方法[J].计算机技术与发展.2007