导读:本文包含了向量关联度论文开题报告文献综述及选题提纲参考文献，主要关键词:沥青路面使用性能,支持向量机回归,灰色关联度分析,使用性能预测
向量关联度论文文献综述
赵静,王选仓,丁龙亭,房娜仁,李善强[1]（2019）在《基于灰色关联度分析和支持向量机回归的沥青路面使用性能预测》一文中研究指出沥青路面使用性能多因素预测是一个复杂的非线性问题,传统预测模型存在很多不足。为弥补传统模型的缺陷,建立一个高精度、长周期、多因素的预测模型,通过灰色关联度分析对各因素进行降维处理,选择与沥青路面使用性能关联度较大的影响因素进行支持向量机回归非线性预测,提出了基于灰色关联度分析和支持向量机回归(GRA-SVR)的沥青路面使用性能预测模型。最后选用广云高速实测车辙指数(RDI)值进行实例验证,并同GM(1,1)和PPI两种模型的预测结果进行了对比分析。结果表明:基于GRA-SVR建立的多因素预测模型具有很好的精度和可操作性,可在长周期过程中使用,为大数据养护决策提供了模型参考和依据。(本文来源于《重庆大学学报》期刊2019年04期）
刘备[2]（2018）在《基于词向量的工业机器人领域关联度分析》一文中研究指出随着科学技术的高速发展,新兴技术领域不断的涌现,技术学科领域知识也变得日益复杂,不同技术领域开始互相渗透,技术领域之间的网络结构变得越来越复杂。对以论文专利为代表的科技成果展开系统的研究,分析不同技术领域关联度,能够反映不同技术类别之间的关联程度,从而分析不同领域之间技术发展的联系,由此可以对技术的发展趋势做出预测。作为热门的技术领域之一,工业机器人已经在越来越多的领域得到广泛的使用,工业机器人领域和其他的技术领域之间的关联也日趋复杂。作为高端制造装备的重要组成部分,分析工业机器人领域与其他技术领域的关联度可以对工业机器人领域未来的发展趋势、发展方向做出预测,从而为我国工业机器人技术与产业提供相关的战略思考与建议。传统的基于专利共引、专利IPC号共现等技术领域关联方法都没有将数据的语义考虑在内,并且在不同的领域层面这些方法也存在着各自的局限性。在此基础上,本文提出了一种基于词向量的技术领域关联度研究方法,使用word2vec词向量算法,以工业机器人技术领域为核心,得到工业机器人领域与其相关领域之间的领域关联度,分析领域之间的技术交叉、融合等趋势,从而把握工业机器人的发展趋势和发展方向。最后扩充实验数据,以德温特手工代码划分的21个技术领域大类为研究对象,以这21个领域的TI专利和WOS论文数据为基础进行领域关联度实验,实验结果验证了本文方法的有效性,同时表明不同领域之间的关联度存在很大的差异,关联度越高的领域在发展过程中关系越密切。(本文来源于《华中科技大学》期刊2018-05-01）
衣柏衡,朱建军,张世涛[3]（2016）在《基于双参照点灰色关联度的模糊支持向量机改进方法》一文中研究指出改进了模糊支持向量机隶属度函数设计方法。考虑样本分布不确定的问题,使用灰色关联度代替现有方法中的欧氏距离,定义了样本的平均灰色绝对关联度;针对噪声识别过程中支持向量对分类贡献被削弱的问题,提出了基于同类中心和异类中心双参照点的噪声判别方法;分析了模糊支持向量机求解对偶问题中参数与支持向量的对应关系,进而给出新的隶属度函数设置步骤。实验结果说明了方法的有效性及实用性。(本文来源于《计算机工程与科学》期刊2016年06期）
衣柏衡[4]（2016）在《基于灰色关联度与改进SMOTE的支持向量机建模与应用》一文中研究指出随着信贷行业的迅速发展和数据挖掘技术的不断进步,传统人工完成的信用风险评估工作正逐步被大数据背景下的机器学习所代替。作为一种有效的分类工具,支持向量机通过对历史样本的学习,可在短时间内构建出一个分类模型,用于对新样本所属类别的判定。严格的数学推理和扎实的统计学基础,使其被越来越多的专家和学者所接纳,同时被广泛应用于工业生产、文本识别、图像分析、入侵检测、广告推荐、管理评估、金融保险、医疗诊断、生命科学等诸多领域。然而在现现实生活中,分类问题中的数据复杂性不断增加,如噪声样本对正常分类的干扰、非均衡数据带来的分类倾向性改变,这些问题的存在使得经典支持向量机分类精度下降。为了更好地将支持向量机应用于实际问题当中,需要结合支持向量机自身性质,充分考虑噪声样本和非均衡数据给分类结果带来的影响,深入分析分类精度下降的原因,从而有针对性地对经典支持向量机模型加以改进,进一步拓宽支持向量机的理论价值和应用价值。本文系统地研究了经典支持向量机的相关理论及其性质,针对支持向量机中的噪声问题和数据非均衡问题分别进行了讨论,并提出同时解决噪声和非均衡数据的改进支持向量机算法,将其应用到小额贷款公司客户信用风险评估的实际案例当中,违约客户识别率有所提高。本文的主要研究内容如下:(1)引入灰色关联度,定义了样本的平均灰色绝对关联度;针对噪声识别过程中支持向量对分类贡献被削弱的问题,提出了基于同类中心和异类中心双参照点的噪声判别方法;给出新的隶属度函数设置具体步骤。(2)针对传统SMOTE算法在处理非均衡数据时对全部少数类样本操作的问题,提出仅对错分样本人工合成的改进思想;引入Random-SMOTE算法,改善新合成样本的分布情况;给出具体非均衡数据下的改进支持向量机算法流程。(3)分析了在使用SMOTE过程中噪声对分类结果的影响;提出一种新型支持向量机算法,首先使用双参照点灰色关联度的噪声判别方法对样本进行筛选,再通过改进SMOTE算法合成新样本;给出组合算法的流程。(4)研究了小额贷款公司对客户进行信用风险评估时面临的问题;构建了信用风险评估指标体系,给出真实案例背景下的各指标违约分布情况;将本文提出的改进支持向量机算法应用到具体数据当中,与其他算法对比违约客户的识别精度。(本文来源于《南京航空航天大学》期刊2016-03-01）
黄亚平,祁雪梅[5]（2014）在《基于灰色关联度和支持向量机的地震属性优选方法》一文中研究指出1.引言应用地震属性进行储层预测已成为人们认识储层的一种重要方法。但由于地震属性和岩性、流体性质及储层参数之间的关系较为复杂,因此一般从地震资料中提取的地震属性较多,这给储层预测带来诸多不利的影响,如占用大量的存储空间和计算时间等。另外,大量的地震属性之间肯定包含彼此相关的因素,容易造成信息的重复和浪费,所以在进行储层预测之前,有必要对地震属性进行优选。本文将灰(本文来源于《2014年中国地球科学联合学术年会——专题22：煤炭资源与矿山安全勘查技术论文集》期刊2014-10-20）
周静,陈允平,梁劲,周策[6]（2005）在《灰色向量关联度在故障定位中的判相》一文中研究指出为迅速准确地选择出高压输电故障线路和故障相别、保证继电保护装置正确动作、有选择地切除故障相,基于灰色系统理论中的灰色关联分析,提出一种新的关联度———向量关联度用于故障定位中的判相。利用 MAT- LAB程序计算了现场实际故障波形与RTDS(实时数据仿真系统)采集到的 10 种标准故障波形的向量关联度系数。结果表明,通过比较关联度系数的大小可得出正确的故障类型及相别。同时该方法不受过渡电阻和系统运行方式的影响,且实验的重复性好、准确度高。(本文来源于《高电压技术》期刊2005年03期）
向量关联度论文开题报告
（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：
随着科学技术的高速发展,新兴技术领域不断的涌现,技术学科领域知识也变得日益复杂,不同技术领域开始互相渗透,技术领域之间的网络结构变得越来越复杂。对以论文专利为代表的科技成果展开系统的研究,分析不同技术领域关联度,能够反映不同技术类别之间的关联程度,从而分析不同领域之间技术发展的联系,由此可以对技术的发展趋势做出预测。作为热门的技术领域之一,工业机器人已经在越来越多的领域得到广泛的使用,工业机器人领域和其他的技术领域之间的关联也日趋复杂。作为高端制造装备的重要组成部分,分析工业机器人领域与其他技术领域的关联度可以对工业机器人领域未来的发展趋势、发展方向做出预测,从而为我国工业机器人技术与产业提供相关的战略思考与建议。传统的基于专利共引、专利IPC号共现等技术领域关联方法都没有将数据的语义考虑在内,并且在不同的领域层面这些方法也存在着各自的局限性。在此基础上,本文提出了一种基于词向量的技术领域关联度研究方法,使用word2vec词向量算法,以工业机器人技术领域为核心,得到工业机器人领域与其相关领域之间的领域关联度,分析领域之间的技术交叉、融合等趋势,从而把握工业机器人的发展趋势和发展方向。最后扩充实验数据,以德温特手工代码划分的21个技术领域大类为研究对象,以这21个领域的TI专利和WOS论文数据为基础进行领域关联度实验,实验结果验证了本文方法的有效性,同时表明不同领域之间的关联度存在很大的差异,关联度越高的领域在发展过程中关系越密切。
（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。
向量关联度论文参考文献
[1].赵静,王选仓,丁龙亭,房娜仁,李善强.基于灰色关联度分析和支持向量机回归的沥青路面使用性能预测[J].重庆大学学报.2019
[2].刘备.基于词向量的工业机器人领域关联度分析[D].华中科技大学.2018
[3].衣柏衡,朱建军,张世涛.基于双参照点灰色关联度的模糊支持向量机改进方法[J].计算机工程与科学.2016
[4].衣柏衡.基于灰色关联度与改进SMOTE的支持向量机建模与应用[D].南京航空航天大学.2016
[5].黄亚平,祁雪梅.基于灰色关联度和支持向量机的地震属性优选方法[C].2014年中国地球科学联合学术年会——专题22：煤炭资源与矿山安全勘查技术论文集.2014
[6].周静,陈允平,梁劲,周策.灰色向量关联度在故障定位中的判相[J].高电压技术.2005