导读:本文包含了属性排序论文开题报告文献综述及选题提纲参考文献,主要关键词:属性聚合,多视图,相关稀疏排序,深度特征
属性排序论文文献综述
刘利丹[1](2019)在《基于属性聚合和多视图稀疏相关正则化排序的车辆重识别》一文中研究指出近年来,人类的出行和货物运输越来越离不开车辆。汽车保有量逐年增加,使得车辆相关的研究逐渐成为热点。监控场景下的车辆重识别问题,主要任务是匹配非重迭视域多摄像机网络结构下车辆的视频或图像。车辆重识别任务在交通管理、安防监控、智慧城市等领域有着广泛的应用。车牌虽被广泛用作车辆的唯一身份,识别起来简单有效,但车牌信息易受假牌照、遮挡、低分辨率等因素的限制。因此,重要的是找到一种基于车辆外观而不是车牌来识别车辆的方法。然而,受摄像机自身属性不同、图像分辨率低、视角变化、光线变化、遮挡等因素的影响,基于外观的车辆重识别任务也不是一帆风顺的。另外,由于同一品牌的同一型号汽车相似度极高,且不同摄像机拍摄同一车辆的图像存在较大差异,这些因素都使得车辆重识别任务充满了挑战性。因此,本文以车辆外观为研究重点,对基于图像的车辆重识别进行研究和探索,主要工作如下:(1)考虑到颜色和车辆型号是描述车辆最直观的属性,深度学习框架具有鲁棒的数据表示的能力,本文用多种方法提取车辆图像的深度特征。第一个,用基础的卷积神经网络提取车辆的特征表示。第二个,由于外观是车辆的最显着的特征,尤其是颜色和车型更是人们一眼就能识别的特征,于是提出了聚合多属性的多任务深度学习框架,将车辆属性(颜色和车型)加入到传统的身份分类网络中,即在网络的最后一层增加了身份识别损失和属性识别损失。用两个基础网络GoogLeNet和ResNet-50分别进行实验以完成多视图特征的提取,然后将这两个特征进行融合来协同表示车辆信息。最后,在公开的车辆重识别数据集VeRi-776和VehicleID上进行了大量实验,表明该方法的优越性,并且验证了本文提出的聚合多属性的多任务深度学习框架对于车辆重识别结果的提升和贡献。(2)由于单一视图中包含的信息不足,无法全方位获取车辆图像的深度特征,为了弥补由单一视图造成的视觉偏差,和挖掘多视图特征间的一致性,本文提出了一种对多视图特征鲁棒的相关稀疏排序模型,在多视图稀疏表示模型中引入了多视图权重和视图间相关项的一致性约束。具体来说,稀疏编码是将输入向量近似地表示为来自候选库的少量车辆图像的线性组合,而为了探索多视图特征间的相关性,最小化任意两个视图的稀疏系数之间的多样性。优化求解该模型后,将各视图的稀疏系数相加作为最终的相似度排序结果。同时,该方法也可被视为任何现有多视图特征融合的一般框架。由实验结果可以看出,本文提出的基于多视图相关稀疏排序的车辆重识别方法在VeRi-776数据集上表现更优。另外,由于初始排名是直接比较两个图像之间的距离,忽略了相似图像之间的相关性。最后采用一种有效的后处理方法——重排序技术,对初始检索结果进行重新排序,以达到提升检索精度的目的。具体做法是对于每一个图像对,仅将每个图像的直接邻域与另一图像的距离累积有希望的图像进行重新排序。该方法是全自动的,无需监督的,而且无需计算新的排名列表。实验结果表明,该模型在VeRi-776数据集上的取得了90.5%识别精度。(本文来源于《安徽大学》期刊2019-05-01)
宁宝权,谢军,陕振沛[2](2019)在《基于相对熵和VIKOR的多属性决策排序方法》一文中研究指出在相对熵和VIKOR决策方法的基础上,结合各自的优点,提出了一种解决多属性决策问题排序的新方法.首先利用改进熵权法对决策属性进行赋权,其次计算决策方案和正理想决策方案与负理想决策方案的相对熵、决策方案和正理想方案与负理想方案的群体效用值和个别遗憾值,再次根据TOPSIS法中的相对贴近度的思想,利用相对贴近度的大小对决策方案进行排序,案例分析说明了决策方法的有效性和实用性,最后对提出的模型的灵敏度和其他文献中模型的灵敏度进行了对比,发现提出的模型的灵敏度更高.创新和特色一是对传统熵权法进行了改进,不需要人为的特殊约定,具有一定的科学性;二是结合VIKOR方法和相对熵方法的各自优点,将其组合使用;叁是结合TOPSIS法中的相对贴近度的思想将VIKOR方法和相对熵方法进行融合.(本文来源于《数学的实践与认识》期刊2019年07期)
王昭聪,潘学萍,马倩[3](2019)在《基于“奖优罚劣”线性变换改进前景理论的电网建设项目多属性投资排序方法》一文中研究指出提出了基于"奖优罚劣"线性变换改进前景理论的电网建设项目投资排序新方法。针对市场环境下各指标值的不确定性问题,采用区间数来描述定量指标、模糊数来描述定性指标。为计及决策者的主观风险态度,提出一种基于改进前景理论的多属性排序方法。首先提出基于"奖优罚劣"的[-1,1]线性算子将原始数据规范化,并获得项目最优方案和最劣方案。进一步定义区间数和叁角模糊数与最优、最劣方案的关联系数,将其应用到前景理论中改进其价值函数和损失函数,求得项目的正负前景值矩阵。然后,构建综合前景值最大的优化模型,确定最优属性权重,根据综合前景值进行项目投资排序。以IEEE RTS-79节点系统的4个建设项目为例,将上述结果与效用理论方法、逼近理想解排序法的结果进行了对比,说明了所提方法的可行性和有效性。(本文来源于《电网技术》期刊2019年06期)
钱晓东,罗彦福[4](2019)在《基于互信息属性排序的不完整数据聚类算法》一文中研究指出数据缺失对聚类算法提出了挑战,传统方法往往采用均值或回归方法将不完整数据进行填充,再对填充后的数据进行聚类.为解决均值填充和回归填充等方法在数据缺失比率增大时填充精度以及聚类效果变差的问题,提出一种新的不完整数据相似度计算方法.以期望互信息为依据对数据集中的属性排序,充分考虑了数据集中与位置相关的属性值特征,以数据集本身元素作为缺失值填充的来源,对排序后的不完整数据集进行相似度填充计算,最后采用基于局部密度的聚类算法进行聚类.利用UCI机器学习库中的数据集验证本文填充聚类算法,实验结果表明,当数据集中缺失值增多时,算法对缺失值的容忍性较好,对缺失元素的恢复能力较强,填充精度以及最终聚类结果方面均表现良好.本文填充计算相似度的方法考虑数据集的每个属性值来对缺失值逐个填充,因而耗时较多.(本文来源于《信息与控制》期刊2019年01期)
张瑾,尤天慧,樊治平[5](2019)在《基于多属性在线评价信息的商品购买推荐排序方法》一文中研究指出针对支持消费者购买决策,提出了一种基于多属性在线评价信息的商品购买推荐排序方法.在该方法中,首先将消费者关注的备选商品各属性在线评价信息转化为关于属性评价标度的概率分布,并确定备选商品各属性在线评价结果的累积分布函数,进而构建加权累积分布函数决策矩阵;然后,依据该决策矩阵,确定正、负理想商品加权累积分布向量,并计算各备选商品与正、负理想商品的加权累积分布向量的距离以及相应的贴近度;进一步地,依据贴近度的大小,可确定备选商品的推荐排序结果.最后,以一个支持消费者购买轿车决策为例说明了该方法的可行性和有效性.(本文来源于《东北大学学报(自然科学版)》期刊2019年01期)
宁宝权,刘娟,李若鸿,李凌云[6](2018)在《基于灰关联分析和相对熵的多属性决策排序方法》一文中研究指出在灰关联分析和相对熵决策方法的基础上,结合各自的优点,提出了一种解决多属性决策问题排序的新方法.首先利用改进熵对评价属性进行赋权,其次计算被评方案与理想方案和负理想方案的灰色关联度和相对熵,最后根据相对贴近度的大小对被评方案进行排序,案例说明了决策方法的有效性和实用性.(本文来源于《数学的实践与认识》期刊2018年19期)
张先韬[7](2018)在《属性排序的粗糙集和统计方法研究》一文中研究指出引入实际问题需求决策表,研究属性排序的层级式计算方法,给出层级式计算的过程,并总结出层级式计算的金字塔模型。使用粗糙集属性重要度为第1层方法,位于金字塔底端,是宏观度量;基于约简的属性频次统计为第2层方法,在约简基础上结合统计方法计算属性重要程度数值度量,是宏观和微观兼有的度量;将基于约简的属性影响程度均值作为第3层方法,考量属性的微观区别并以数值度量来进行重要性比较,位于金字塔顶端。研究结果完善了粗糙集理论和应用的方法。(本文来源于《重庆理工大学学报(自然科学)》期刊2018年09期)
高淑蕾,周冕,薛彦兵,徐光平,高赞[8](2018)在《基于多级子网络和排序性Dropout机制的人脸属性识别》一文中研究指出如何提高自然环境下或非受限环境下人脸属性识别的准确率是应用人脸属性的一个重要问题。在日常生活中,人脸姿势和光照等不可控制的因素对识别人脸属性产生了较大影响,如何在上述因素影响下提高识别的精度是我们研究人脸属性识别的关键问题。目前卷积神经网络(Convolutional neural network,CNN)在图像分类中已经取得显着性成果,本文通过采用多级子网络和排序性Dropout机制算法重新构建一个网络结构,该结构对处理人脸姿势变化等具有较强的鲁棒性,在CelebA数据集和LFWA数据集中取得较好的效果,且大大降低了网络体积。(本文来源于《数据采集与处理》期刊2018年05期)
谢海斌[9](2018)在《直觉梯形模糊数的新排序指标及其在多属性决策中应用》一文中研究指出文章在考虑决策者偏好态度的基础上,基于一般梯形模糊数的可能均值和可能标准差构造直觉梯形模糊数的可能优势度指标,进而依据可能优势度指标值越大,直觉梯形模糊数越优的原则对直觉梯形模糊数进行排序,并通过算例分析与比较,说明此排序方法的有效性,最后通过具体案例说明新排序方法在直觉梯形模糊多属性决策方法中的应用。(本文来源于《统计与决策》期刊2018年12期)
余成斌,敖小爽,罗圣梅,丁克[10](2018)在《基于VIKOR和相对熵的多属性决策排序方法——以贵州省地州本科高校图书馆为例》一文中研究指出[目的/意义]旨在为高校图书馆科研能力综合评价提供参考。[方法/过程]以"中国知网(CNKI)"为引文分析工具,对2010—2017年间9所贵州地州本科高校图书馆的论文总数、h指数、总被引次数、篇均被引次数、论文被引率5个指标进行计量统计。建立VIKOR和相对熵的多属性决策排序模型,对上述高校图书馆的科研能力进行排序。[结果/结论]所建的多属性决策排序模型能够正确反映贵州省地州本科高校图书馆的科研能力。该研究不仅丰富了属性的赋权方法,而且丰富了高校图书馆在科研评价中的决策方法。(本文来源于《情报探索》期刊2018年05期)
属性排序论文开题报告
(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:
在相对熵和VIKOR决策方法的基础上,结合各自的优点,提出了一种解决多属性决策问题排序的新方法.首先利用改进熵权法对决策属性进行赋权,其次计算决策方案和正理想决策方案与负理想决策方案的相对熵、决策方案和正理想方案与负理想方案的群体效用值和个别遗憾值,再次根据TOPSIS法中的相对贴近度的思想,利用相对贴近度的大小对决策方案进行排序,案例分析说明了决策方法的有效性和实用性,最后对提出的模型的灵敏度和其他文献中模型的灵敏度进行了对比,发现提出的模型的灵敏度更高.创新和特色一是对传统熵权法进行了改进,不需要人为的特殊约定,具有一定的科学性;二是结合VIKOR方法和相对熵方法的各自优点,将其组合使用;叁是结合TOPSIS法中的相对贴近度的思想将VIKOR方法和相对熵方法进行融合.
(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。
属性排序论文参考文献
[1].刘利丹.基于属性聚合和多视图稀疏相关正则化排序的车辆重识别[D].安徽大学.2019
[2].宁宝权,谢军,陕振沛.基于相对熵和VIKOR的多属性决策排序方法[J].数学的实践与认识.2019
[3].王昭聪,潘学萍,马倩.基于“奖优罚劣”线性变换改进前景理论的电网建设项目多属性投资排序方法[J].电网技术.2019
[4].钱晓东,罗彦福.基于互信息属性排序的不完整数据聚类算法[J].信息与控制.2019
[5].张瑾,尤天慧,樊治平.基于多属性在线评价信息的商品购买推荐排序方法[J].东北大学学报(自然科学版).2019
[6].宁宝权,刘娟,李若鸿,李凌云.基于灰关联分析和相对熵的多属性决策排序方法[J].数学的实践与认识.2018
[7].张先韬.属性排序的粗糙集和统计方法研究[J].重庆理工大学学报(自然科学).2018
[8].高淑蕾,周冕,薛彦兵,徐光平,高赞.基于多级子网络和排序性Dropout机制的人脸属性识别[J].数据采集与处理.2018
[9].谢海斌.直觉梯形模糊数的新排序指标及其在多属性决策中应用[J].统计与决策.2018
[10].余成斌,敖小爽,罗圣梅,丁克.基于VIKOR和相对熵的多属性决策排序方法——以贵州省地州本科高校图书馆为例[J].情报探索.2018