导读:本文包含了基于分解技术算法论文开题报告文献综述及选题提纲参考文献，主要关键词:CP张量分解,CP-ALS算法,GPU,CUDA
基于分解技术算法论文文献综述
武昱,闫光辉,王雅斐,马青青,刘宇轩[1]（2018）在《结合GPU技术的并行CP张量分解算法》一文中研究指出随着高维数据的涌现,张量和张量分解方法在数据分析领域中受到了广泛关注。然而,张量数据的高维度和稀疏特性,导致算法的复杂度较高,阻碍了张量分解算法在实际中的应用。许多学者通过引入并行计算来提升张量分解算法的计算效率。在现有研究的基础上,给出一种简化计算Khatri-Rao乘积的GPU并行CP张量分解算法,称为ParSCP-ALS。在模拟数据集和真实数据集上的实验结果显示,相比现有并行算法,文中设计的ParSCP-ALS算法能有效提高CP张量分解的计算效率,其中在Movielens数据集上的计算时间减少了约58%。(本文来源于《计算机科学》期刊2018年11期）
何伟鹏[2]（2018）在《锥形分解多目标进化算法的约束处理技术研究》一文中研究指出约束多目标优化问题广泛存在于科学研究和工程实践领域,这类问题往往需要同时优化的目标不只一个,且由于受到各种环境因素的影响需要满足一定的约束条件,当目标数大于等于4时,称之为约束高维目标优化问题。随着目标数的增加,现有的多目标进化算法会面临一些挑战性问题,这些问题会影响种群的收敛性和分布性,同时急剧增加算法的计算量。由于约束条件的存在,算法需要合理地处理进化过程中产生的不可行解,才能越过不可行区域从而收敛到全局最优。分解型进化算法和占优型算法相比有明显的计算效率优势,一经提出便广受关注,近年来许多高维目标进化算法都借鉴了分解的思想来维持种群的多样性。然而在求解约束高维目标优化问题时,现有的以MOEA/D为代表的纯分解型多目标进化算法存在的一些缺陷会影响种群的收敛性和分布性,对约束条件的处理也不够合理。因此,本文提出基于锥形分解的约束高维目标进化算法,不仅将多目标优化问题分解成一系列单目标优化子问题,还将子问题的目标和约束构成的二维空间划分成一系列约束子层,将具有不同约束违反程度的个体关联到不同约束子层,从而同时合理地利用了可行个体和不可行个体的有效信息帮助种群进化,更加有效且高效地处理约束高维目标优化问题,主要研究内容如下:1)提出约束锥形分解策略,分为目标锥形分解和约束锥形分层两个阶段。目标锥形分解阶段将约束多目标优化问题分解成一系列约束单目标优化子问题,并把每个子问题和目标空间中特定的锥形子区域进行关联,且可通过K-D树这类数据结构来快速定位个体属于哪个锥形子区域。约束锥形分层阶段将每一个子问题的目标和约束构成的二维空间进行分层,形成一系列约束子层。2)在约束锥形分解策略的基础上,提出锥形分层选择机制,在选择操作时以不同概率选择子问题不同约束子层对应的个体,可以有效挖掘不可行个体中蕴含的有效信息,帮助算法避开局部最优陷阱,特别是突破障碍型约束条件,收敛到全局最优。3)在约束锥形分解策略的基础上,提出锥形分层更新机制,采用邻居协作更新模式,首先通过约束锥形分解策略定位个体所属的子问题,然后用该个体更新所属子问题及其邻居子问题。在更新每个子问题时,首先需要定位个体所属的约束子层,对于不同约束子层采用不同的精英保存策略,从而最大程度地利用了包括不可行个体在内的所有个体的有效信息来帮助种群进化。4)分别在基于C-DTLZ系列的障碍型、断裂型和消失型叁类标准测试例以及两个工程实践问题上,对基于锥形分解的约束高维目标进化算法就算法的解集质量和运行效率进行全面的性能测试,并与多个优秀的分解型和占优型多目标进化算法进行性能对比,以验证算法在处理约束多目标优化问题上的有效性和高效性。在标准测试例和实际工程问题上的实验结果表明,本文提出的基于锥形分解的约束高维目标进化算法在求解约束高维目标优化问题时,不仅能够获得性能优异的解集质量,同时能够保持分解型进化算法的计算效率优势。(本文来源于《华南理工大学》期刊2018-06-25）
黄凯[3]（2018）在《基于矩阵分解技术的个性化推荐系统算法研究》一文中研究指出在DT时代,各类物品信息大量涌入互联网,造成了网络信息的“过载”现象。过载的物品信息并没有过多的刺激用户的消费,反而造成了用户“选择难”的问题。个性化推荐系统在这样的背景下应运而生。个性化推荐系统希望能为各类消费用户群体提供个性精准的推荐。评分预测类推荐算法是推荐系统完成个性化推荐任务的基石,近年来得到了学术界的广泛关注与研究。遗憾的是,人们对评分预测类推荐算法存在问题的研究良莠不齐,有的研究专注于提升冷用户(系统中没有历史评分数据的用户)的评分预测精度,有的研究专注于提升暖用户(系统中存在历史评分数据的用户)的评分预测精度,有的研究又将重点放在冷启动项目的得分预测精度上。也就是说没有一个通用的评分预测模型,从用户和项目两方面着手,同时提升冷、暖用户的评分预测精度。因此,本文基于贝叶斯概率矩阵分解模型(BPMF)提出了一个通用模型,该模型通过融合用户和项目显隐性关系网络信息,辅助用户和项目特征的提取,从而提升冷、暖用户的评分预测精度。具体地,本文做了以下工作:(1)根据用户与用户(项目与项目)之间的关系网络是否来自于评分数据,将由评分数据之外的数据提取出来的用户(项目)之间的关系网络称为用户(项目)的显性关系网络。反之,将从评分数据提取出来的用户(项目)之间的关系网络称为用户(项目)的隐性关系网络。并认为,显性关系网络能辅助冷用户(项目)进行特征的提取,而隐性关系网络能对暖用户(项目)的特征做很好的修正。(2)成功的将用户(项目)显隐性关系网络与BPMF模型进行融合,并给出了融合模型(BPMFG)的概率推理图,详细介绍了用户(项目)特征的提取方法和修正方法。在特征向量修正方面,对冷、暖用户(项目)引入不同的修正系数,保证特征向量修正不失真。在模型实现的细节上,考虑了用户(项目)超参数分布的异均值和异方差特性,考虑了用户评分偏置和项目得分偏置问题。(3)针对信任网络(一种用户显性关系网络)中传统信任度计算方法存在的问题提出了基于PageRank算法的新的用户信任度计算方法。进一步地,针对信任用户较少的用户,提出了考虑k跳信任用户的信任度计算方法。(4)通过与四个性能优秀的评分预测类算法,在叁个真实的评分数据集上的试验对比表明,BPMFG模型能够有效的改善评分数据分布不均衡条件下对冷、暖用户的评分预测精度。相比于其中性能最优的模型,BPMFG模型对冷、暖用户的评分预测均方根误差(RMSE)平均改善了6.04%与5.18%。(5)另外,为了验证BPMFG模型的扩展性能,同时也为业界提供概率矩阵分解系列推荐模型的分布式实现思路,本文基于Spark-GraphX对BPMFG模型进行并行化。并搭建了一个具有6个节点的集群,通过叁组试验测试模型的分布式训练性能。(本文来源于《江南大学》期刊2018-06-01）
刁鹏飞,毕晓君,王艳娇[4]（2018）在《基于分解技术的动态多目标引力搜索算法》一文中研究指出为有效求解动态多目标问题,提出一种基于分解技术的动态多目标引力搜索算法.首先为在环境变化前,得到解集分布性和收敛性都较好的非支配解集,采用基于分解技术的静态多目标引力搜索算法求解环境变化前的静态多目标问题;当环境变化后,根据相邻子种群最优解的相似性与同一权重向量对应子种群最优解的相似性,提出一种新的对最优解的预测模型,以缩小环境变化后各子问题的搜索空间,提高算法的求解效率.最后与目前较先进的静态多目标算法和预测策略在四个测试问题上进行比较,实验结果表明,当待优化问题随时间变化时,本文方法能够取得收敛精度更高、解集分布性更好的最优解集.(本文来源于《系统工程理论与实践》期刊2018年05期）
武昱[5]（2018）在《结合GPU技术的并行张量分解算法的研究与应用》一文中研究指出张量分解的方法不仅能够保留高维数据中潜在的结构关系,同时能够实现高维数据的降维和特征提取,因此广泛的用于高维数据的数据挖掘研究中。但在实际应用场景中,张量分解算法的时效性较差。因此,研究高效的张量分解算法对于处理现实场景中的应用问题具有重要意义。本文以提高张量分解在实际应用场景中的计算效率为目的,以GPU并行技术为基础,首先针对算法中常用的矩阵运算,给出一种省去冗余计算步骤的改进算法;然后针对现实中高维数据稀疏性的特点,采用稀疏的数据结构进行存储和计算,提高GPU并行计算过程中的内存使用效率;最后设计适当的线程划分方式,设计实现并行算法,最大程度的提高并行算法的计算效率。本文的主要工作如下:第一,总结分析数据挖掘中张量分解相关领域的研究现状,阐明高效的张量分解算法所具有的现实意义,对比现有研究学者对于提高张量分解算法效率的研究思路。第二,介绍张量和张量分解的基本概念,研究CP张量分解的原理,分析了CP-ALS算法的时间与空间复杂度,为后续研究工作奠定基础。第叁,研究现有的并行开发环境和并行技术,包含GPU的硬件特性和CUDA计算平台的并行计算模型特点。分析了现有基于GPU的并行张量分解算法的不足,例如算法并行程度不高,计算任务庞大等。第四,针对张量分解CP-ALS算法中包含复杂矩阵运算的步骤,如Khaki-Rao乘积,提出一种改进的计算思路。同时,采用稀疏的数据结构,给出改进方法的基于GPU的并行化方案。最后,设计实现完整的结合GPU技术的并行CP张量分解算法,并通过CUDA并行计算平台在模拟数据集和真实数据集DBLP与Movielens上进行了算法的性能对比的实验分析。第五,对张量分解算法在实际中的应用做了进一步的研究。在时序网络的社区发现研究中,针对基于张量分解的社区发现算法的理论分析的证明不足,首先论证模块度张量在分解后得到系数与社区模块度之间存在正比关系,建立社区发现算法的优化目标函数与社区模块度之间的等价关系,进而提出一种基于模块度张量的社区发现算法。在模拟数据集和真实数据集PSTN与DBLP上,验证算法的有效性。(本文来源于《兰州交通大学》期刊2018-04-01）
冯佐云[6]（2017）在《基于快速特征值分解的空间谱估计算法实现技术研究》一文中研究指出DOA估计作为阵列测向技术的一个基本研究内容在雷达、通信、声呐、地震勘测及射电天文等军事与民用领域有着极为广泛的应用。DOA估计是对空间中某一区域存在的多个感兴趣信号空间位置进行确定的一项技术。在近四十年来的发展中,DOA估计领域涌现出了众多性能优良的高分辨算法,其中R.O.Schmidt等人于1979年提出的MUSIC算法因其在特定场合下具有的高分辨力、高估计精度、高稳定性叁大特点而受到广泛应用。然而移动通信、电子侦查、电子对抗等对阵列测向的实时性有着极高要求,同时MUSIC算法运算过程复杂,需要进行矩阵的特征值分解,其中包含大量非线性运算,因此MUSIC算法的快速实现成为了当前阵列测向技术方面的一大难题。而近些年来,FPGA技术得到了长足发展,为MUSIC算法的快速实现打下了坚实基础。在此背景下,本文立足于基于缺省数据的窄带调频信号的DOA估计方法研究的项目支持,对基于FPGA的4阵元均匀线阵实时测向系统实现进行了研究,具体工作如下:1.针对EVD模块中CORDIC计算单元旋转模式迭代次数过多的问题,率先在EVD模块计算中引入MAR CORDIC算法,同时提出了针对MAR CORDIC算法模值修正时伸缩因子不稳定问题的解决方案,并使用Verilog语言进行了RTL级描述,完成了MAR CORDIC算法与传统CORDIC算法的综合与仿真。2.利用Jacobi算法的并行特点,对基于BLV阵列结构与MAR CORDIC算法的改进型EVD模块实现方案进行了研究,完成了主对角线处理单元、非主对角线处理单元以及特征向量计算单元的设计,并使用Verilog语言进行了RTL级描述,完成了4?4矩阵EVD模块的综合与仿真,提升了EVD模块的计算速度。3.对协方差模块与谱峰搜索模块使用Verilog语言进行了RTL级描述,并完成了综合与仿真。4.对FPGA实现MUSIC算法的叁个模块进行了互连调试,完成了基于全定点的MUSIC算法RTL级实现。整个项目基于Xilinx的Virtex-5系列的XC5VSX95T与ISE 14.4软件开发系统进行设计,其中4?4矩阵EVD模块在110MHz的最大时钟频率下计算时间为1.3μs,在保证精度情况下短于目前国内外绝大多数4?4矩阵EVD计算时间。MUSIC算法的实现时间为6.5μs,较基于DSP的MUSIC专用处理器实现时间减少3个数量级,同样快于目前大多数同类型的MUSIC算法FPGA实现方案。(本文来源于《西安电子科技大学》期刊2017-06-01）
甘凯[7]（2017）在《基于“二次分解—集成”学习范式及组合优化算法的预测技术研究与应用》一文中研究指出在大气污染严重的地区建立一个有效的PM2.5浓度预警系统,对环境监管部门做好预防措施起着极其关键的作用。因此,本文提出了一个新颖的“二次分解-集成”学习范式,其结合了小波包分解(WPD),互补集成经验模态分解(CEEMD),相空间重构(PSR),最小二乘支持向量回归(LSSVR),混沌粒子群-重力搜索算法(CPSOGSA),来进行短期的PM2.5浓度预测。首先,二次分解(SD)将WPD和CEEMD分解算法结合,被用来分解原始PM2.5时间序列,从而获得若干个本征模态函数(IMFs)。其次,利用PSR方法确定各个分解分量的最优模型输入形式,减少了人为选择和其他方法对预测精度带来的影响。然后,利用CPSOGSA优化的LSSVR模型对每个重构后的分量分别建模预测,从而得到所有的分量的预测值。最后,使用另外一个LSSVR-CPSOGSA预测模型对每个预测的分量进行集成建模,从而得到PM2.5浓度的最终预测值。为了验证和说明,所提出的模型被用来预测沈阳、成都两个城市的PM2.5浓度。实验结果表明,SDLSSVR-CPSOGSA模型在方向和水平预测精度上,明显优于本文中其它基准模型,其充分展示了基于“二次分解-集成”学习范式及组合优化算法预测模型的稳健性和泛化能力。(本文来源于《兰州大学》期刊2017-04-01）
杨路春,杨晨俊,汪志强,李学斌[8]（2016）在《基于分解的进化算法和多变量分析技术在船型参数设计中应用》一文中研究指出引入优化和决策技术讨论船型参数设计的多目标优化论证,基于分解的进化算法(DBEA)将船型参数设计的多个目标优化问题分解为一定数量的单目标优化子问题,采用进化算法同时求解这些单目标优化子问题.DBEA算法的种群由法向边界相交方法(NBI)构建,子问题的优化通过和邻近个体的进化操作完成.采用熵权和灰色关联方法对DBEA算法得到的船型Pareto解集进行综合评价,给出每个设计方案的定量指标排序.基于多变量分析技术讨论了船舶设计变量的层次聚类属性,给出了设计变量间的类别特性.采用多维标度方法(MDS)给出了这些变量在二维平面里的映射图形,结合聚类树形图可以加深对船舶参数设计模型的认识.对一艘3万t油船进行船型参数设计,算例分析表明,DBEA算法能够快速获得分布均匀的Pareto解,灰色关联方法的决策合理可行.(本文来源于《上海交通大学学报》期刊2016年08期）
肖俊安[9]（2016）在《基于稀疏分解算法的局部放电信号干扰抑制技术的学习与思考》一文中研究指出局部放电(PD)是电力设备内部存在绝缘缺陷或者存在绝缘劣化的重要征兆以及表现形式,有效检测局部放电对准确评估电力设备的绝缘健康状况具有非常重要的现实意义。然而在对电力设备进行实时在线监测的过程中,往往会因为受到监测现场复杂的电磁环境的影响,从而使检测得到的PD信号中包含着各种复杂的噪声干扰信号。如何有效地将有用的PD信号和噪声干扰信号进行分离,是目前电力设备在线监测研究的重点和难点。本文针对目前在电力设备PD信号干扰抑制方面的不足,将稀疏表示的思想应用到PD信号处理当中,并综合小波函数对PD脉冲信号提取方面的优良性能,利用了基于级联小波原子字典的匹配追踪稀疏分解算法对PD信号中的白噪干扰进行抑制。基于匹配追踪的稀疏分解算法能够自适应地从过完备的级联小波原子字典中选择与PD信号最佳匹配的小波原子,通过选定的残差比阈值作为迭代终止条件,并将每次迭代过程选择的最佳匹配的小波原子进行线性组合表示有用的PD信号。通过对仿真及现场的指数型PD信号和UHF PD信号进行分析与处理,验证了该方法的可行性和有效性。并与传统的全阈值小波分解法、分层阈值小波分解法以及小波包分解法作对比分析。结果表明,基于级联小波原子字典的稀疏分解算法在PD信号白噪声干扰抑制方面,具有结果准确度高,波形畸变小,较好保留了原始PD信号的主要特征信息等优点。针对PD信号中的周期性窄带干扰的抑制,本文构建了级联小波原子子字典和傅里叶原子子字典,并利用了傅里叶原子子字典中傅里叶原子巧妙地对PD信号中的周期性窄带干扰信号进行提取,消除了周期性窄带干扰信号对PD信号干扰抑制的影响,从而提高了对PD信号中噪声干扰的抑制性能。同样选择利用仿真及现场的指数型PD信号和UHF PD信号进行分析与处理,验证了该方法在周期性窄带干扰抑制方面的可行性和有效性。并与不含周期性窄带干扰的分层阈值小波分解法的干扰抑制效果进行对比分析,充分说明本文方法在PD信号中的周期性窄带干扰抑制方面的优越性。(本文来源于《华中科技大学》期刊2016-05-01）
任小梅,杨刚[10]（2016）在《基于模糊聚类技术的肌电信号完全分解算法》一文中研究指出肌电(EMG)信号分解是EMG信号产生的逆过程。通过EMG分解获取完整的运动单元(MU)的波形和发放信息,需完成复杂的迭加波形分解过程。首先,基于小波滤波和小波阈值估计技术去除EMG信号中的噪声;接着,利用幅度-斜率双阈值法检测出MUAP波形;然后,采用分类功能强的模糊K均值聚类技术对波形进行聚类,再利用最近邻法将未分配波形分类;最后,采用基于伪相关相似性度量的剥落法,进行迭加电位波形分解,实现肌电信号的完全分解,获取完整的MUAP波形和发放模式。利用对来自正常人的真实EMG信号和模拟EMG信号进行实验,系统平均正确率可达87%以上。(本文来源于《计算机应用》期刊2016年03期）
基于分解技术算法论文开题报告
（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：
约束多目标优化问题广泛存在于科学研究和工程实践领域,这类问题往往需要同时优化的目标不只一个,且由于受到各种环境因素的影响需要满足一定的约束条件,当目标数大于等于4时,称之为约束高维目标优化问题。随着目标数的增加,现有的多目标进化算法会面临一些挑战性问题,这些问题会影响种群的收敛性和分布性,同时急剧增加算法的计算量。由于约束条件的存在,算法需要合理地处理进化过程中产生的不可行解,才能越过不可行区域从而收敛到全局最优。分解型进化算法和占优型算法相比有明显的计算效率优势,一经提出便广受关注,近年来许多高维目标进化算法都借鉴了分解的思想来维持种群的多样性。然而在求解约束高维目标优化问题时,现有的以MOEA/D为代表的纯分解型多目标进化算法存在的一些缺陷会影响种群的收敛性和分布性,对约束条件的处理也不够合理。因此,本文提出基于锥形分解的约束高维目标进化算法,不仅将多目标优化问题分解成一系列单目标优化子问题,还将子问题的目标和约束构成的二维空间划分成一系列约束子层,将具有不同约束违反程度的个体关联到不同约束子层,从而同时合理地利用了可行个体和不可行个体的有效信息帮助种群进化,更加有效且高效地处理约束高维目标优化问题,主要研究内容如下:1)提出约束锥形分解策略,分为目标锥形分解和约束锥形分层两个阶段。目标锥形分解阶段将约束多目标优化问题分解成一系列约束单目标优化子问题,并把每个子问题和目标空间中特定的锥形子区域进行关联,且可通过K-D树这类数据结构来快速定位个体属于哪个锥形子区域。约束锥形分层阶段将每一个子问题的目标和约束构成的二维空间进行分层,形成一系列约束子层。2)在约束锥形分解策略的基础上,提出锥形分层选择机制,在选择操作时以不同概率选择子问题不同约束子层对应的个体,可以有效挖掘不可行个体中蕴含的有效信息,帮助算法避开局部最优陷阱,特别是突破障碍型约束条件,收敛到全局最优。3)在约束锥形分解策略的基础上,提出锥形分层更新机制,采用邻居协作更新模式,首先通过约束锥形分解策略定位个体所属的子问题,然后用该个体更新所属子问题及其邻居子问题。在更新每个子问题时,首先需要定位个体所属的约束子层,对于不同约束子层采用不同的精英保存策略,从而最大程度地利用了包括不可行个体在内的所有个体的有效信息来帮助种群进化。4)分别在基于C-DTLZ系列的障碍型、断裂型和消失型叁类标准测试例以及两个工程实践问题上,对基于锥形分解的约束高维目标进化算法就算法的解集质量和运行效率进行全面的性能测试,并与多个优秀的分解型和占优型多目标进化算法进行性能对比,以验证算法在处理约束多目标优化问题上的有效性和高效性。在标准测试例和实际工程问题上的实验结果表明,本文提出的基于锥形分解的约束高维目标进化算法在求解约束高维目标优化问题时,不仅能够获得性能优异的解集质量,同时能够保持分解型进化算法的计算效率优势。
（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。
基于分解技术算法论文参考文献
[1].武昱,闫光辉,王雅斐,马青青,刘宇轩.结合GPU技术的并行CP张量分解算法[J].计算机科学.2018
[2].何伟鹏.锥形分解多目标进化算法的约束处理技术研究[D].华南理工大学.2018
[3].黄凯.基于矩阵分解技术的个性化推荐系统算法研究[D].江南大学.2018
[4].刁鹏飞,毕晓君,王艳娇.基于分解技术的动态多目标引力搜索算法[J].系统工程理论与实践.2018
[5].武昱.结合GPU技术的并行张量分解算法的研究与应用[D].兰州交通大学.2018
[6].冯佐云.基于快速特征值分解的空间谱估计算法实现技术研究[D].西安电子科技大学.2017
[7].甘凯.基于“二次分解—集成”学习范式及组合优化算法的预测技术研究与应用[D].兰州大学.2017
[8].杨路春,杨晨俊,汪志强,李学斌.基于分解的进化算法和多变量分析技术在船型参数设计中应用[J].上海交通大学学报.2016
[9].肖俊安.基于稀疏分解算法的局部放电信号干扰抑制技术的学习与思考[D].华中科技大学.2016
[10].任小梅,杨刚.基于模糊聚类技术的肌电信号完全分解算法[J].计算机应用.2016