导读:本文包含了组合相似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:海上视频监控系统,相似度,图像识别方法
组合相似度论文文献综述
杨花雨[1]（2019）在《海上视频监控系统组合相似度图像智能识别方法》一文中研究指出在海上防御中,准确识别目标物体具有重要的现实意义。为此,针对2种传统图像目标识别方法存在的精度问题,研究一种海上视频监控系统组合相似度图像智能识别方法。该方法主要分为3步骤,首先对海上监控系统采集到的图像进行预处理,包括图像灰度化、图像平滑去噪、图像增强、图像分割等,然后利用HOG特征提取算法对处理好的图像进行特征提取,最后通过距离公式计算目标特征与数据库中相似性评价标准之间的相似度,完成相似度匹配,实现目标识别。结果表明:与基于K-means聚类、CNN模型等2种传统图像目标识别方法相比,利用本方法编程的软件程序进行25000个海上目标识别,识别准确性分别提高8.1%和7%,提高了海上防御的安全性。(本文来源于《舰船科学技术》期刊2019年18期）
杜康,袁宏俊[2]（2019）在《基于IGOWLA算子及叁元区间数相似度的区间型组合预测模型》一文中研究指出为了提高区间型数据的预测精度,构建了一种基于诱导广义有序加权对数平均(IGOWLA)算子及叁元区间数相似度的区间型组合预测模型.首先将传统的区间数转化为叁元区间数,然后利用IGOWLA算子对叁元区间数进行集结,最后选取叁元区间数相似度作为相关性指标构建模型.实例分析表明,该模型能有效地提高区间型数据的预测精度,是一种优性组合预测模型.另外,通过分析模型中的参数λ,给出了参数λ的最优取值范围.(本文来源于《延边大学学报(自然科学版)》期刊2019年03期）
袁宏俊,杜康,胡凌云[3]（2019）在《基于叁角模糊数相似度的区间型组合预测模型》一文中研究指出文章在用区间数描述的不确定现象组合预测问题中,采用一种新的研究思路,将区间数转换成叁角模糊数,选取叁角模糊数相似程度的度量指标作为最优准则,构建基于叁角模糊数相似度的定权系数区间型组合预测模型。在此基础上,引入广义诱导有序信息集成算子,构建基于叁角模糊数相似度的GIOWA算子的变权系数区间型组合预测模型。最后实例分析验证两类模型的合理性和有效性,并针对变权系数模型中GIO?WA算子的参数作出灵敏度分析。(本文来源于《统计与决策》期刊2019年06期）
胡博然[4]（2018）在《基于语义相似度的Web服务组合和推荐》一文中研究指出随着Web服务的广泛应用,Web服务数量的不断增长,大量应用程序被包装成Web服务的形式,并可通过网络进行调用。具有单一功能的Web服务已经越来越难满足用户的需求,所以将服务通过服务组合的方式,组成符合用户需求的服务是当前需要解决的问题。通常需要花费大量的时间才能将相应服务进行组合,Web服务推荐系统可以帮助用户快速找到所需的Web服务并进行组合和推荐。本文基于语义相似度,对于Web服务组合和推荐中面临的主要问题,进行了探索和讨论。首先,将现有的服务和操作通过定义的方式转化为一种层次化的结构,使用语义相似度的方法,计算服务中两个操作之间的调用可能性大小,实现了通过语义相似度评估两个操作之间联系的方法。其次,构建了Web服务网络模型。模型中顶点是Web服务中的操作,其中的有向边的方向表示两个操作之间的调用关系。有向边的粗细表示操作之间调用的可能性。边上的权值表示两个操作之间互相调用的可能性大小。同时,基于Web服务网络模型和用户对于服务操作的功能描述,采用了语义相似度的方式进行了用户需求的识别。最后,提出了基于动态规划的服务组合和推荐和基于遗传算法的服务组合和推荐算法。在进行服务组合和推荐时动态规划算法通过求解问题分解成若干个子问题,按顺序求解子阶段,降低了计算量。在遗传算法中,增加了一个变长运算,使服务组合片段的长度可以发生变化。采用了实数编码方式和相应的交叉运算。提高了遗传算法的准确性,加快了收敛的速度,降低了消耗的时间。本文采用基于语义相似度的算法建立了Web服务网络模型,通过动态规划和遗传算法对服务进行组合和推荐,通过实验进行了评估,验证了服务组合和推荐算法的准确性。(本文来源于《中国地质大学(北京)》期刊2018-05-01）
魏辉[5]（2018）在《基于全局特征融合的舰船组合相似度图像检索研究》一文中研究指出传统舰船组合相似度图像检索方法索引过程图像分割严重,造成图像特征索引方式单一,为此设计基于全局特征融合的舰船组合相似度图像检索系统。通过多单元协作的方式完成图像检索系统框架设计,设立全局特征融查询模块,以图像特征全局融合方式进行查询,使用相似度提取模块,对特征相似度较高的图像进行连接选取;对图像进行全局特征融合后,计算图像相似度,实现舰船组合相似度图像检索。实验数据表明,设计的舰船组合相似度图像检索系统能够实现多种方式的图像索引。(本文来源于《舰船科学技术》期刊2018年08期）
倪潞燕[6]（2018）在《基于组合相似度和用户特征聚类的协同过滤推荐算法研究》一文中研究指出21世纪以来,互联网技术和电子商务快速发展,各种网络数据都呈现出指数级的增长趋势,过量信息呈现的同时使得用户无法快速获取对自己有用的部分。由于信息过量现象的存在,推荐技术得以发展并用于缓解上述情况。目前,在众多个性化推荐技术中,协同过滤推荐算法被广泛应用。但随着推荐系统规模的不断扩大,当前的协同过滤推荐算法依然存在着如数据稀疏性、冷启动、扩展性和实时性等问题。针对协同过滤推荐算法中存在的上述问题,本文提出了一种结合组合相似度模型与用户特征聚类的改进的协同过滤推荐算法,首先在相似度计算方面,结合改进的用户评分相似性和用户项目类别偏好相似性,提出了一种新的综合用户相似度计算模型;然后再引入K-means聚类算法,通过该算法基于用户特征对用户聚类,将目标用户划分到恰当的簇中;最后基于以上改进的相似度计算模型和聚类结果对目标用户进行评分预测和项目推荐。为了验证改进算法的优越性,在MovieLens数据集上与其它改进的协同过滤推荐算法进行对比,实验结果表明文中改进算法的预测准确度最优,可有效缓解因数据稀疏性导致的相似性度量不准确的问题,还在一定程度上提高了推荐算法实时性和可扩展性。(本文来源于《北方民族大学》期刊2018-03-01）
许国威[7]（2017）在《基于节点相似度和链接次数组合时序的链接预测算法》一文中研究指出在网络中,节点表示实体,链接表示它们之间的关系。随着越来越多真实网络数据的获得,通过对网络的分析来挖掘一些有价值的规律成为研究热点。作为链接挖掘最重要的问题之一,链接预测,即根据观察到的节点和链接信息,来估计两个节点之间存在链接的可能性。在众多应用的推动下,链接预测的研究取得了丰硕的成果。目前采用较为广泛的是基于节点相似度的方法,通过相似性分数的大小,预测产生链接的可能性。相似度的计算主要包括基于网络拓扑的方法与基于节点属性的方法,此外社区信息也被证明有助于链接预测。上述静态链接预测方法曾在某些领域取得了不错的效果,但是在现实世界中,网络往往是动态变化的。静态方法里,网络随时间的变化被忽视,如果只采用最近一个时间快照下的网络图,网络变化比较频繁时,预测效果就会急剧下降;如果把历史上各时间快照下的网络图迭加,则不能用于链接重复发生的情况,如电话、邮件等通信链接。随着互联网的发展,链接重复发生的场景越来越广泛,网络的演化越来越普遍,静态链接预测方法已远远不能适应新形势下的需求,因此,近些年时间信息逐渐得到重视。目前,针对链接预测问题的研究,主要有两个方向,一个方向是继续完善静态方法,充分提取当前观察到的有用网络信息,包括拓扑信息、属性信息、社区信息等;另一个方向是给空间结构加上时间维度,考虑如何利用网络随时间的变化,更好地完成预测。时间序列在描述时间信息上取得了较好的效果,将历史上各时间段的网络信息表示为离散的时间序列图,并进行链接预测,主要有两种方式。一种是节点间链接次数的时间序列,仅仅根据节点间过去的链接次数预测未来的链接情况,取得了与静态方法类似的结果,将其与静态方法相结合,能进一步提高预测效果。这种方法的优势在于,考虑链接历史上出现的次数而不是是否出现,时间序列模型较好地利用了链接的变化情况及最近时间的链接信息。同时,混合模型将静态方法预测新链接的能力与时间序列预测重复链接的能力结合起来,是一种较为全面的方法。这种方法存在的问题是,对于新链接,由于失去了链接次数时间序列,混合模型就降级成了静态相似度方法;此外,混合模型将最终的静态方法预测值与时间序列预测值相乘,难以描述每个时间段的网络信息。另一种时间序列方法做出了改进,采用节点相似性分数的时间序列,根据节点间历史上各时间段的相似性分数,预测未来的相似性,从而预测链接情况。这种方法也尝试将节点间通过整个网络计算的相似性分数与节点间真正发生的链接次数结合,混合模型将每个时间段的相似性分数与链接次数归一化后相加,以此作为时间序列的输入,然后以一元时间序列预测值作为未来链接发生的分数。但是,由于模型过于简单未能描述相似性分数与链接次数的关系,两者的变化规律不同,混合模型得到的结果反而不如仅仅采用相似性分数时间序列。针对以上不足,本文提出了一种新的基于节点相似度和链接次数组合时序的链接预测方法SOTS(Similarities and Occurrences Time Series)。首先通过有趋向的随机游走,计算历史各时间段节点间的相似性分数,然后采用时间序列模型将其与各时间段节点间的实际链接次数组合起来,预测下个时间段各节点对发生链接的可能性。通过两种组合时间序列模型,本文研究了节点间相似性分数与实际链接次数的关系。该方法能够用于演化网络中未来新的链接以及重复出现链接的预测。本文贡献如下:(1)采用一种新的方法将属性社区与网络拓扑组合起来,计算相似性分数。(2)研究了链接的形成与相似性分数的关系。(3)将相似性分数与链接次数有机结合,充分提取每个时间段的信息。尤其是二元时间序列模型的结合方式,有效描述了二者随时间的协同演化。通过对时间序列与静态信息的分析,我们将网络结构的时间、空间两个维度结合起来。该方法比传统方法利用的网络信息更加全面,模型更加有效,经过详实的实验,本文在中文DBLP数据集上评价了该方法与前人方法的预测效果,实验证明,该方法提高了约15%的预测准确度,达到了本文工作的预期目标。(本文来源于《吉林大学》期刊2017-05-01）
牛东攀[8]（2016）在《基于用户细分及组合相似度的个性化推荐算法的研究与实现》一文中研究指出随着移动互联网技术不断向前发展,人们提前进入到“信息过剩”的时代。然而,用户的真实需求被埋藏在海量数据中,如何为用户提供有效且有价值的信息与服务已经成为学术界深入研究的方向之一。针对中国某省移动手机阅读管理系统推荐方法存在的问题,本文提出了基于用户细分的个性推荐策略与面向稀疏与冷启动问题的组合推荐方法实现中国移动某省手机阅读平台的个性化推荐。其主要工作如下:1.给出一种新的基于Item-Based用户细分推荐方法。新的基于Item-Based用户细分推荐方法,根据用户的图书阅读情况,将用户划分为深度阅读用户和非深度阅读用户两大类;同时,为了提高用户的忠诚,降低用户流失率将深度阅读用户分类分为高价值用户群体、中价值用户群体与低价值用户群体,应用不同的推荐策略进行个性化图书推荐。实验结果表明该方法推荐质量有较大提升,用户点击与购买率较以前也有明显改进。2.给出了一种新的基于SlopeOne用户细分推荐方法。新的基于SlopeOne用户细分与Item-Based用户细分推荐方法不同之处是,对于低价值用户群无需进行用户细分,而是直接采用SlopeOne予以推荐。在推荐性能、用户点击与购买率上,该方法均有很好地改进与提升。3.给出了一种新的基于组合相似度的关联推荐方法。实现一种结合关联规则推荐与协同过滤推荐模式,该方法能够有效地处理稀疏数据和冷启动问题,具有很好的实用价值。4.给出了新用户活跃度提升方法。通过目标用户选择、阅读用户互联网阅读内容偏好计算与阅读用户手机上网时间偏好计算等方法构建面向沉默用户与新用户的用户活跃度提升方法。在相同测试数据和实验环境下,沉默用户活跃度有明显提升。(本文来源于《长春工业大学》期刊2016-03-01）
周丽杰,于伟海,郭成[9]（2016）在《基于词项语义组合的文本相似度计算方法研究》一文中研究指出文本之间在相似度比较时主要考虑关键词的匹配特性,缺乏对关键词间组合关系的深入分析。针对关键词间组合特性,按序组合的关键词数目越大,对文本之间相似度贡献越大,并提出基于关键词组合数目的非线性语义关联性函数,在LCS基础上提取文本中所有关键词组合块。将这种结合关键词组合关系的相似度比较方法运用于短文本的相似度比较中,数据采用微软语义释义语料库,实验结果表明,短文本相似度计算的准确率和F1值都有了提高,其中F1值的提高较为明显。(本文来源于《计算机工程与应用》期刊2016年19期）
刘雪平[10]（2015）在《基于语义相似度的WEB服务组合方法研究》一文中研究指出近年来,越来越多的Web服务发布在Internet上,当用户利用已有的细粒度服务创建粗粒度服务时,将会面临从庞大的服务集合中选择服务的问题。因此,如何重用已有的功能实体来组建符合新的需求的服务是当前研究的热点。在现有的Web服务组合技术的基础上,本文提出了一种基于语义相似度的Web服务组合方法。首先研究了Web服务的两种描述方式,即语法级的描述和语义级的描述。由于语义级的描述对于服务的智能规划组合有更好的支持,因此本文采用语义级服务描述语言OWL-S作为描述工具。其次对传统的本体相似度计算算法进行研究,分析了基于距离的方法、基于信息量的方法,以及综合考虑距离和信息量的计算方法等。考虑到Web服务相似度计算中,参与计算的两个本体具有不对称的地位,在服务匹配中不同方向的匹配会产生不同的匹配精度,本文在综合考虑距离和信息量的算法基础上,引入了不对称因子,对本体以及服务间相似度算法进行了改进。以此算法计算服务本体间的语义相似度,作为聚类的依据,进而将服务集合拆分成功能相似的若干域,提高服务之间匹配的精准率并优化组合的实施。最后,利用分层任务网络规划引擎,设计并实现了一个服务组合方法的模型。它的功能单元包括服务聚类、规划组合、匹配执行等核心模块。实验结果表明本文提出的基于语义相似度的Web服务组合方法要比传统的组合方法具有更优越的性能和应用价值。(本文来源于《哈尔滨工程大学》期刊2015-01-01）
组合相似度论文开题报告
（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：
为了提高区间型数据的预测精度,构建了一种基于诱导广义有序加权对数平均(IGOWLA)算子及叁元区间数相似度的区间型组合预测模型.首先将传统的区间数转化为叁元区间数,然后利用IGOWLA算子对叁元区间数进行集结,最后选取叁元区间数相似度作为相关性指标构建模型.实例分析表明,该模型能有效地提高区间型数据的预测精度,是一种优性组合预测模型.另外,通过分析模型中的参数λ,给出了参数λ的最优取值范围.
（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。
组合相似度论文参考文献
[1].杨花雨.海上视频监控系统组合相似度图像智能识别方法[J].舰船科学技术.2019
[2].杜康,袁宏俊.基于IGOWLA算子及叁元区间数相似度的区间型组合预测模型[J].延边大学学报(自然科学版).2019
[3].袁宏俊,杜康,胡凌云.基于叁角模糊数相似度的区间型组合预测模型[J].统计与决策.2019
[4].胡博然.基于语义相似度的Web服务组合和推荐[D].中国地质大学(北京).2018
[5].魏辉.基于全局特征融合的舰船组合相似度图像检索研究[J].舰船科学技术.2018
[6].倪潞燕.基于组合相似度和用户特征聚类的协同过滤推荐算法研究[D].北方民族大学.2018
[7].许国威.基于节点相似度和链接次数组合时序的链接预测算法[D].吉林大学.2017
[8].牛东攀.基于用户细分及组合相似度的个性化推荐算法的研究与实现[D].长春工业大学.2016
[9].周丽杰,于伟海,郭成.基于词项语义组合的文本相似度计算方法研究[J].计算机工程与应用.2016
[10].刘雪平.基于语义相似度的WEB服务组合方法研究[D].哈尔滨工程大学.2015