导读:本文包含了层次图论文开题报告文献综述及选题提纲参考文献，主要关键词:习题分类,知识点层次图,分类系统
层次图论文文献综述
王颖[1]（2019）在《基于知识点层次图的习题分类系统设计与实现》一文中研究指出随着互联网信息技术快速发展和中学生课后习题数量爆炸,本文从当前分类算法、教学资源分类系统以及对习题教学中存在的问题进行了现状分析。接着对基于知识点层次图的习题分类系统设计与实现在此过程中运用到教育学方面的建构主义理论、联通主义理论、新教育目标分类学以及互联网方面的数据爬虫技术、中文分词技术、文本表示和关键词抽取技术、朴素贝叶斯和Spring服务器开发框架的技术进行了深入探索,之后对习题分类系统的需求进行了分析和整体架构设计。然后从现代教育技术的角度对服务器端学生和教师用户的登录模块、系统后台管理模块和学生答题模块、系统底层数据库表结构以及使用爬虫技术对习题数据爬取模块、习题数据清洗模块、构建词云模块和抽取关键词模块进行了详细设计与实现,系统测试部分主要为习题分类算法的准确性测试和系统可用性测试。最后对习题分类系统存在的不足进行了总结与反思并对习题分类系统的未来进行了展望。(本文来源于《中央民族大学》期刊2019-05-20）
杨贵[2]（2017）在《一种基于层次图聚类的蛋白质复合体检测算法》一文中研究指出蛋白质复合物在生物生命活动中扮演着重要作用,基于蛋白质互作用(PPI,Protein-Protein Interaction)网络进行复合物检测是当前的一个研究热点.针对此,提出了一种基于层次图聚类的蛋白质复合物检测算法,其中结合网络拓扑结构和蛋白质复合物信息,给出一种网络结点的权重定义方式;边在蛋白质互作用网络的拓扑属性与层次图聚类算法相结合,提出了一种基于层次图聚类算法的蛋白质复合体识别算法HGCD(Hierarchy Graph Clustering based method for Protein Complexes Discovery).在Utez酿酒酵母PPI网络中进行蛋白质复合物识别结果表明,HGCD算法可以发现网络中的蛋白质复合体.(本文来源于《山西师范大学学报(自然科学版)》期刊2017年04期）
王琥[3]（2017）在《图形化编程组件的层次图模型及应用》一文中研究指出不同于文本型编程语言,图形化编程语言是一种能够将底层实现进行封装,用户仅需要简单拖拽编程组件,就能完成相应具有复杂逻辑的编程任务的编程语言。对于绝大多数非计算机专业的用户来说,简单直观的图形化编程语言能够给他们带来极大的便利;但是,现有的图形化编程系统由于设计难度高或软件缺陷,导致系统耦合性较高,不支持编程组件扩展与线程同步,且运行速度缓慢,给使用者带来了诸多不便。针对上述问题,本文提出了一个图形化编程组件的层次图VDAG(Visual-programming Directed Acyclic Graph)模型,研究如何将图形化编程组件间的关系使用图结构进行描述。层次图是指图中的节点具有编程元组件、基本组件、特殊组件的层次结构,且特殊组件内部能够嵌套子图。模型基于有向无环图建立,具有低耦合性,低时空复杂度,支持组件扩展及多线程同步等特点。本文从元组件的建模开始,通过建模要求分析了图形化编程元组件的性质,定义了能够描述图形化编程且完善的层次图模型,描述了模型有向无环、支持多线程合并与组件扩展、低耦合等特性,并设计了基于改进邻接矩阵描述的有向无环图数据结构;本文还从模型的基本组件层和特殊组件层分析了基本组件的两层流模型和特殊组件的多层次图结构。通过分析和描述叁层图模型的特点和实验对比,得出这种特殊的层次有向无环图模型能够良好的描述图形化编程组件与组件间逻辑和数据的流向,以及执行过程。最后,本文还提出了一种基于层次图模型图形化编译系统的设计方案,进行了系统的实现、测试和结果分析。并通过介绍本系统的应用情况,说明层次图模型具有实际应用效果,最后指出其不足与待改进之处。系统实现采用消息驱动机制,进一步保证了系统后端编译部分与前端显示的松耦合,并使用层次有向无环图模型对图形化编程组件、自定义函数以及组件间的逻辑等编程要素进行描述。系统还对组件的逻辑关系和数据流向进行图形化编程语法的错误检测,最后进行图形化编程的编译和链接,生成最终的代码或可执行程序。(本文来源于《华南理工大学》期刊2017-05-20）
蒋昌猛,冯筠,孙霞,陈静,张蕾[4]（2018）在《基于知识点层次图的个性化习题推荐算法》一文中研究指出针对海量习题带来的信息过载导致学习针对性不强、效率不高等问题,提出了基于知识点层次图的个性化习题推荐算法(a personalized exercises Recommendation algorithm based on Knowledge Hierarchical Graph,Re KHG)。借鉴课程知识点体系结构的特点,构建了表征知识点层次关系的权重图,该权重图有效反映知识点间的层次关系。根据学生对知识点的掌握情况,在知识点层次图的基础上提出了一种个性化习题推荐算法。该算法通过更新学生-知识点失分率矩阵,获取学生掌握薄弱的知识点,以此实现习题推荐。实验结果表明,Re KHG算法能够针对性给学生推荐适合的习题。(本文来源于《计算机工程与应用》期刊2018年10期）
廖刘承[5]（2015）在《基于内容感知的层次图集可视化技术研究》一文中研究指出层次图集数据不仅具有普通图集数据所包含的图像视觉信息和图像数据量,其节点间还存在层级关系,所以传统的图集可视化方案很难直接有效地表达层次图集数据。常用的图像拼贴技术能有效地利用画布并保证图集视觉信息的呈现,但无法表达图集节点间的层次关系,图集马赛克技术则难以兼顾可视化效果和效率的平衡。本文针对层次图集数据,结合图像拼贴与图集马赛克技术,提出一个有效的基于内容感知的可视化表达方案。本文的主要研究工作与贡献如下:1.针对层次图集数据,结合图像拼贴、Voronoi树图和图集马赛克等技术,设计了一个基于内容感知的层次图集可视化方案并实现了原型系统。采用图像拼贴与Voronoi树图结合来呈现图集数据的层次信息和视觉信息,能有效提高图集浏览效率。对于用户感兴趣的目标图像,提供以目标图为底图的不规则马赛克可视化效果,支持可缩放的细粒度图集全局可视化方式。2.提出了基于图像内容的图像重要度计算方法和有效的父节点代表图选取策略,综合运用了颜色复杂度、梯度复杂度和图像差异度。根据人的视觉特点,图像在整个图集中引人注意的程度主要由图像中的显着区域贡献。所以本文通过图像显着区域相对于背景的颜色复杂度、梯度复杂度和考虑图集内该图像相对其他图像的差异度定义出合理的图像重要度计算方法,以此作为树图节点权重来确定图集层次的显示区域大小。并以图集中平均差异度最小的图像作为父节点的代表图,尽可能地反映本层次内所有子图像的特征。3.针对层次图集数据变化特点,为提升可视探索的可用性,设计了包含初始稳定布局和增补稳定布局的分阶段稳定布局方案。初始稳定布局阶段通过hash一致性与wachspress重心坐标保证树图计算时节点初始位置的稳定,使对同一层次图集数据的可视化结果相近,便于用户探索。增补稳定布局阶段为减少新增节点对原区域各节点的影响,通过区域边缘插入策略来增加节点,降低了前后可视化状态的差异,从而提高了视觉稳定性。4.针对典型规则矩形的马赛克图集可视化方法伴随的可视效果单一,且瓦片边界明显等缺陷,通过对矩形瓦片的旋转重定位和补缺匹配,改进了支持可视化的不规则马赛克图集方案,规避了典型不规则马赛克耗时过长的问题。本文将普通图集数据的可视化技术扩展到层次图集上。利用基于内容感知的颜色复杂度、梯度复杂度和图像差异度设计了合理的图像重要度计算方法和父节点代表图选取策略。通过初始稳定布局和增补稳定布局的分阶段稳定布局策略,保证了可视化结果的视觉连续性,并以快速的不规则图集马赛克方案丰富了可视化效果,最后完成了一个原型系统。(本文来源于《浙江工业大学》期刊2015-12-23）
许万林[6]（2014）在《大规模层次图集的可视化研究》一文中研究指出层次图集是我们日常生活中经常需要查阅的数据。但当数据规模较大时,传统的浏览就由于低效而不适用了。可视化则可以提供快速有效的查看层次图集信息的方法,它能展现大规模层次图集数据的分类、数据变化、多维标签等信息。本文主要研究大规模层次图集有效的可视化表达方法,具体的研究内容有：(1)设计大规模层次图集可视化方案,以Voronoi树图和Photomosaic技术分别表达数据的层次信息和图集信息。针对大规模层次图集,Voronoi树图稳定且快速地表达了数据的变化,Photomosaic技术艺术化表达图像信息,也呈现了图像对应的文本描述信息。(2)在表达层次数据信息时,对Voronoi树图的核心CVT算法迭代计算进行改进,并提出了动态Voronoi树图的数据稳定性算法。本文设计了均值调整法有效地减小了CVT的计算误差,并基于节点误差变化率、节点误差值优化了迭代终止条件,从而使CVT迭代计算效率提升了近1/3。为表达数据变化特性,本文针对“结构不变、权重改变”和“结构改变、权重改变”两种情况设计了一种数据处理方法,使计算生成的Voronoi树图布局具有稳定性,动态地表达数据变化特性。本文还制定了基于模板、基于图像轮廓提取、基于用户自定义的叁种Voronoi树图的凸多边形轮廓设计方案,以丰富Voronoi树图布局的视觉效果。(3)在利用Photomosaic技术对图集可视化基础上,本文对静态的Photomosaic进行了扩展与改进,并提出了一种目标图选取策略。本文使Photomosaic技术可以支持动态层次图集,并能交互展现图像与图像的文本信息。为适应大规模图集可视化的计算需求,本文在兼顾马赛克图的视觉效果的同时,利用FFT算法对核心的瓦片匹配计算做了加速。分析目标图对马赛克图效果的影响,提出了一个目标图选取策略,能针对不同的图集,得到可视效果较好的马赛克图。(4)设计与实现了层次图集可视化原型系统。原型系统以数据处理、层次数据可视化、图集可视化叁个模块为主,综合呈现了大规模图集的可视化效果。并以“中国植物图像库”为例,对数万计的层次图集进行案例了分析,验证了本文的可视化方案对较大规模图集的可行性。本文以Voronoi树图和Photomosaic的联合方案支持大规模层次图集数据可视化。在对Voronoi树图的算法原理研究基础上,提高了计算精度与时间效率,并能表达数据的时变性。深入研究Photomosaic的瓦片匹配算法研究,采用FFT算法实现加速匹配,可生成效果较好的马赛克图。从而实现了对大规模层次图集数据的可视化研究。(本文来源于《浙江工业大学》期刊2014-10-01）
薛洁,刘希玉[7]（2012）在《基于DNA计算的层次图聚类算法》一文中研究指出为解决使用DNA计算图聚类问题,提出一种基于DNA计算的层次图聚类算法。在分裂层次聚类中,使用DNA分子对图中顶点、边进行编码,在试管中并行产生最小生成树,根据给定阈值,通过切割树枝得到聚类结果。在凝聚聚类中使用DNA计算产生哈密尔顿路径,通过寻找最短哈密尔顿路径得到聚类结果。实验结果验证了该算法的可行性。(本文来源于《计算机工程》期刊2012年12期）
孔雪元,王亚芹,汪涛,皮水露,彭海平[8]（2011）在《基于逻辑层次图的大批量复杂密钥管理服务系统》一文中研究指出群组密钥管理是当前的一个热点问题。本文以逻辑层次图的推导方法为理论依据提出了一种批量复杂密钥管理系统的实现方案。该系统能够有效地减少群组访问所有数据所需要的密钥总数,同时使得组内被授权用户实际需要存储的密钥数量大大缩减,降低了密钥管理中的存储代价和密钥分配过程的通信开销。(本文来源于《信息与电脑(理论版)》期刊2011年09期）
潘荷新,伊崇信,李满[9]（2011）在《级连层次图的网络最大流算法研究》一文中研究指出给出一种通过构造网络级连层次图的方法,来间接求出最大网络流的算法。对于给定的有n个顶点,e条边的网络N=(G,s,t,C),该算法可在O(n2)时间内快速求出流经网络N的最大网络流及达最大流时的网络流。(本文来源于《计算机工程与应用》期刊2011年19期）
王海玲,印桂生,陈怀友,张菁[10]（2011）在《基于拓扑层次图的碰撞检测算法》一文中研究指出为了提高虚拟环境中碰撞检测的实时性和精确性,提出了一种基于拓扑层次图的碰撞检测方法。利用拓扑结构的连接关系将模型分割成凸集;然后利用凸集较强的适应性和OBB紧密性好的优点构造包围盒的拓扑层次图,提高了剔除不相交包围盒的效率,减少了检测时间;利用智能搜索算法———改进的A*算法搜索潜在碰撞集(PCS),进一步提高相交检测的速度和准确性。实验表明,该算法具有较高的速度和精度,能够满足复杂虚拟环境碰撞检测实时性和精确性的要求。(本文来源于《计算机应用》期刊2011年02期）
层次图论文开题报告
（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：
蛋白质复合物在生物生命活动中扮演着重要作用,基于蛋白质互作用(PPI,Protein-Protein Interaction)网络进行复合物检测是当前的一个研究热点.针对此,提出了一种基于层次图聚类的蛋白质复合物检测算法,其中结合网络拓扑结构和蛋白质复合物信息,给出一种网络结点的权重定义方式;边在蛋白质互作用网络的拓扑属性与层次图聚类算法相结合,提出了一种基于层次图聚类算法的蛋白质复合体识别算法HGCD(Hierarchy Graph Clustering based method for Protein Complexes Discovery).在Utez酿酒酵母PPI网络中进行蛋白质复合物识别结果表明,HGCD算法可以发现网络中的蛋白质复合体.
（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。
层次图论文参考文献
[1].王颖.基于知识点层次图的习题分类系统设计与实现[D].中央民族大学.2019
[2].杨贵.一种基于层次图聚类的蛋白质复合体检测算法[J].山西师范大学学报(自然科学版).2017
[3].王琥.图形化编程组件的层次图模型及应用[D].华南理工大学.2017
[4].蒋昌猛,冯筠,孙霞,陈静,张蕾.基于知识点层次图的个性化习题推荐算法[J].计算机工程与应用.2018
[5].廖刘承.基于内容感知的层次图集可视化技术研究[D].浙江工业大学.2015
[6].许万林.大规模层次图集的可视化研究[D].浙江工业大学.2014
[7].薛洁,刘希玉.基于DNA计算的层次图聚类算法[J].计算机工程.2012
[8].孔雪元,王亚芹,汪涛,皮水露,彭海平.基于逻辑层次图的大批量复杂密钥管理服务系统[J].信息与电脑(理论版).2011
[9].潘荷新,伊崇信,李满.级连层次图的网络最大流算法研究[J].计算机工程与应用.2011
[10].王海玲,印桂生,陈怀友,张菁.基于拓扑层次图的碰撞检测算法[J].计算机应用.2011