导读:本文包含了上下文相关性论文开题报告文献综述及选题提纲参考文献，主要关键词:极化SAR,变化检测,极化散射互相关,空间上下文
上下文相关性论文文献综述
余小萍,魏钜杰[1]（2019）在《一种综合极化互相关性和空间上下文信息的多时相极化SAR变化检测方法》一文中研究指出在利用差异图分析法进行多时相极化SAR变化检测时,现有差异图计算方法通常忽略了不同时相极化数据间的散射特性相关性,导致弱散射地物之间的变化易产生漏检;而且,受SAR影像固有相干斑噪声的影响,差异图二值化提取变化的结果中往往存在较为严重的检测虚警。因此,本文发展了一种综合极化互相关性和空间上下文信息的极化SAR变化检测方法,利用HotellingLawley Trace(HLT)统计量同时考虑不同时相极化数据间的极化散射相关性及其幅度比进行差异图的计算,然后结合马尔科夫模型(MRF)和模拟退火(SA)方法对差异图进行二值分割来提取变化区域。同时,选择覆盖武汉地区的两景Radarsat-2全极化数据进行实验,获得了0.003的检测虚警、0.017的漏检和0.979的Kappa系数。实验证明,本文方法相对于传统方法在一定程度上抑制了检测虚警和漏检,提高了变化检测精度。(本文来源于《第六届高分辨率对地观测学术年会论文集（上）》期刊2019-09-20）
张硕硕[2]（2019）在《基于上下文和标签相关性的推荐算法研究》一文中研究指出基于上下文和基于标签相关性的推荐就是利用上下文和标签预测用户下一个感兴趣的物品。随着信息技术趋于成熟,用户的属性标签、时间上下文、评分、评价、物品特征标签等多种类型的数据信息越来越容易被获取。那么,如何有效融合已经获取的上下文和标签信息来挖掘用户偏好轨迹和预测用户偏好显得尤为重要,也成为推荐系统的热门研究方向。目前,基于上下文推荐算法和基于标签推荐算法的研究都取得了一定进展,但也存在一些问题:首先,推荐结果在追求提高精确率的时候,常常会忽略用户兴趣的多样性,易使推荐结果同质化;其次,虽然已经注意到了时间信息带来的影响,但是没能充分考虑时间间隔的因素,影响了推荐结果的准确率。最后,用户评分数据非常稀疏,稀疏程度甚至高达90%以上,这种仅依靠极少评分数据的推荐降低了其有效性。针对上述存在的问题,本文将影响推荐效果的时间上下文以及标签相关性进行恰当的融合,提出了相应的新的推荐算法,从而提高推荐效果。(1)着眼于标签信息和时间信息,来缓解“数据稀疏”问题和提高推荐结果多样化,本文做了如下改进:首先,从纵向上融合用户属性标签信息和评分信息来划分用户偏好,从横向上结合项目特征标签信息来更精确地计算项目相关性,通过混合偏好用户集和项目相关集作为预测的基准,提高推荐结果多样化;然后,通过取值融合标签的流行度和时间参数,重构用户标签矩阵和项目标签矩阵,并融合这两个标签矩阵的信息来保障相似值信任度,得出推荐结果。经过对比实验发现,新算法在保障推荐准确率的情况下,提高了推荐结果的多样性。(2)基于充分利用标签相关性并考虑时间间隔的影响,本文通过融合会话段(时间间隔)和标签信息对算法进行改进,为了方便进一步对时间间隔信息建模,此处借鉴了长短期记忆网络对序列数据信息建模的有效性。首先,将会话段引入长短期记忆网络模型,研究时间间隔对标签的影响;然后,将每个输出层结合LDA主题模型,对重要性高的标签进行加权;最后融合评分信息得出预测值。经过实验证明,新的算法缓解了“数据稀疏”问题,提高了推荐结果的准确率。(本文来源于《中国矿业大学》期刊2019-05-25）
娄天禺[3]（2012）在《基于上下文相关性的视觉特征表示及其应用》一文中研究指出云的调节作用在地球上发挥着显着的作用,是气候变化的一个重要影响因子。随着摄影摄像技术的不断发展以及数字图像处理技术的不断完善,国内外已经开发了一些地基云观测设备,这些设备自动地拍摄全天空的视觉场景,并生成数字图像,即地基数字云图。这些设备的出现及发展使得我们获取到的地基数字云图越来越庞大,然而目前我们只能依靠手工浏览云图来进行云图的检索,但是在庞大的数据库中难以找到符合自己要求的图片,于是基于内容的地基数字云图检索技术是气象云观测业务的迫切需求。本文借鉴传统的基于内容的图像检索(Content-Based Image Retrieval,简称CBIR)的技术,研究地基数字云图的局部特征以及和局部特征相关的特征抽取方法,并用这些方法进行云图检索,主要工作包括：1)本文综合了CBIR技术的局部特征描述子抽取技术、BoW思想以及成熟的文字搜索引擎当中的倒排索引技术,将其应用于地基数字云图的检索当中,通过对比实验数据来分析不同参数设置在基于局部特征的云图检索中所带来的影响。2)本文综合了CBIR技术的局部特征描述子抽取技术、BoW思想以及空间关系金字塔的技术,实现了云图空间关系的探索,提出了基于全局特征描述子的检索方法,将其应用于地基数字云图的检索当中,通过对比实验数据来分析不同参数设置在基于全局特征的云图检索中所带来的影响。3)设计并实现了一个地基数字云图检索系统的实验平台,包括特征点描述子抽取、描述子聚类、图片特征点描述子量化、建立图片SPM特征向量、建立倒排索引、建立KD-Tree索引、检索结果评测等模块。(本文来源于《北京交通大学》期刊2012-06-01）
上下文相关性论文开题报告
（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：
基于上下文和基于标签相关性的推荐就是利用上下文和标签预测用户下一个感兴趣的物品。随着信息技术趋于成熟,用户的属性标签、时间上下文、评分、评价、物品特征标签等多种类型的数据信息越来越容易被获取。那么,如何有效融合已经获取的上下文和标签信息来挖掘用户偏好轨迹和预测用户偏好显得尤为重要,也成为推荐系统的热门研究方向。目前,基于上下文推荐算法和基于标签推荐算法的研究都取得了一定进展,但也存在一些问题:首先,推荐结果在追求提高精确率的时候,常常会忽略用户兴趣的多样性,易使推荐结果同质化;其次,虽然已经注意到了时间信息带来的影响,但是没能充分考虑时间间隔的因素,影响了推荐结果的准确率。最后,用户评分数据非常稀疏,稀疏程度甚至高达90%以上,这种仅依靠极少评分数据的推荐降低了其有效性。针对上述存在的问题,本文将影响推荐效果的时间上下文以及标签相关性进行恰当的融合,提出了相应的新的推荐算法,从而提高推荐效果。(1)着眼于标签信息和时间信息,来缓解“数据稀疏”问题和提高推荐结果多样化,本文做了如下改进:首先,从纵向上融合用户属性标签信息和评分信息来划分用户偏好,从横向上结合项目特征标签信息来更精确地计算项目相关性,通过混合偏好用户集和项目相关集作为预测的基准,提高推荐结果多样化;然后,通过取值融合标签的流行度和时间参数,重构用户标签矩阵和项目标签矩阵,并融合这两个标签矩阵的信息来保障相似值信任度,得出推荐结果。经过对比实验发现,新算法在保障推荐准确率的情况下,提高了推荐结果的多样性。(2)基于充分利用标签相关性并考虑时间间隔的影响,本文通过融合会话段(时间间隔)和标签信息对算法进行改进,为了方便进一步对时间间隔信息建模,此处借鉴了长短期记忆网络对序列数据信息建模的有效性。首先,将会话段引入长短期记忆网络模型,研究时间间隔对标签的影响;然后,将每个输出层结合LDA主题模型,对重要性高的标签进行加权;最后融合评分信息得出预测值。经过实验证明,新的算法缓解了“数据稀疏”问题,提高了推荐结果的准确率。
（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。
上下文相关性论文参考文献
[1].余小萍,魏钜杰.一种综合极化互相关性和空间上下文信息的多时相极化SAR变化检测方法[C].第六届高分辨率对地观测学术年会论文集（上）.2019
[2].张硕硕.基于上下文和标签相关性的推荐算法研究[D].中国矿业大学.2019
[3].娄天禺.基于上下文相关性的视觉特征表示及其应用[D].北京交通大学.2012