导读:本文包含了子集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:特征选择,聚类集成,连接叁元组,潜在信息
子集算法论文文献综述
陈彦萍,高宇坤,张恒山,夏虹[1]（2019）在《基于多链接特征子集的聚类集成算法》一文中研究指出利用独立特征子集与连接叁元组思想,将多个基聚类结果进行聚合,将显着提高聚类集成结果的准确性.针对特征数目较多的复杂数据集,本文提出了一种基于多链接特征子集的聚类集成算法,根据特征之间的关系,提出独立特征子集的选取算法,将生成的数据子集作为聚类集成算法的输入,使用不同的聚类算法生成多种不同的基聚类结果,然后提出一种能够关联不同属性的集成算法,将多种不同的基聚类结果作为集成算法的输入进行集成,融合不同的结果得到唯一的结果.该算法的优点包括:1)通过对特征子集的选取,消除了重复特征对聚类结果的干扰,有利于充分利用已有特征信息; 2)采用多链接算法融合基聚类结果计算相似度矩阵,可以充分挖掘数据点之间的潜在关系.对不同数据集的实验研究表明,该算法相较于传统的聚类集成算法,可以提高聚类集成结果的准确率.(本文来源于《小型微型计算机系统》期刊2019年10期）
于旭,王前龙,徐凌伟,田甜,徐其江[2]（2019）在《基于有效特征子集提取的高效推荐算法》一文中研究指出推荐系统是根据用户的历史信息对未知信息进行预测.用户项目评分矩阵的稀疏性是目前推荐系统面临的主要瓶颈之一.跨域推荐系统是解决数据稀疏性问题的一种有效方法.本文提出了基于有效特征子集选取的高效推荐算法(FSERA), FSERA是提取辅助域的子集信息,来扩展目标域数据,从而对目标域进行协同过滤推荐.本文采用K-means聚类算法将辅助域的数据进行提取来降低冗余和噪声,获取了辅助域的有效子集,不仅降低了算法复杂度,而且扩展了目标域数据,提高了推荐精度.实验表明,此方法比传统的方法有更高的推荐精度.(本文来源于《计算机系统应用》期刊2019年07期）
程凤伟,任晶晶[3]（2018）在《特征子集区分度与支持向量机的特征选择算法分析》一文中研究指出论文结合特征之间的相关性和类间区分能力进行分析,制定特征子集分度衡量标准,对子集类间辨别能力大小进行区分。(本文来源于《信息系统工程》期刊2018年11期）
韩其琛,赵亚伟,姚郑,付立军[4]（2018）在《基于叙词表的领域知识图谱初始种子集自动生成算法》一文中研究指出随着认知计算的飞速发展,通用知识图谱的自动构建取得了极大的进步,但在垂直领域由于缺乏本体等语义信息,导致进展缓慢。叙词表广泛分布于各个专业领域且蕴藏着丰富的语义信息,如能对这些语义信息进行合理的提取和利用,必然能在一定程度上帮助领域知识图谱的自动构建。该文提出两个假设,利用假设可以从叙词表内部结构中提取实体类型和关系类型,进而设计了一种基于叙词表的领域知识图谱初始种子集自动生成算法。最后,以地质领域和林业领域的叙词表作为实验对象,采用Bootstrapping算法,利用由叙词表自动生成的初始种子集进行抽取工作,通过对抽取到的结果进行分析,结果表明利用叙词表得到的初始种子集可以取得同人工设计种子比较接近的效果。此外,所提模型具有通用性,为叙词表在构建领域知识图谱中的应用提供了一种新的思路。(本文来源于《中文信息学报》期刊2018年08期）
赵小强,刘晓丽[5]（2018）在《基于公理化模糊子集的改进谱聚类算法》一文中研究指出谱聚类算法通常是采用高斯核作为相似性度量,并利用所有可用的特征来构建具有欧氏距离的相似度矩阵,数据集复杂度会影响其谱聚类性能,因此该文提出一种基于公理化模糊子集(AFS)的改进谱聚类算法。首先结合AFS算法,利用识别特征来衡量更合适的数据成对相似性,生成更强大的亲合矩阵;再有效地利用Nystr?m采样算法,计算采样点间以及采样点和剩余点间的相似度矩阵去降低计算的复杂度;最后通过在不同数据集以及图像分割上进行实验,证明了提出算法的有效性。(本文来源于《电子与信息学报》期刊2018年08期）
钟丽娜,王融,董敏[6]（2018）在《基于子集遍历的INS/BDS/GPS组合导航多故障检测识别算法研究》一文中研究指出北斗卫星导航系统与GPS联合应用在显着增加可用导航卫星数量的同时,也导致多颗观测星同时发生故障的概率大幅上升,这给涉及生命安全等关键应用场合的导航应用带来潜在风险。同时,在与惯导组合应用时,信息融合滤波器的信息分配特性使得各观测量之间具有相关性,导致在多颗观测卫星同时发生故障的情况下,非故障观测量也会受到故障污染而引起观测质量下降。针对上述问题,本文对INS/BDS/GPS组合导航系统中多颗卫星同时发生故障时的系统误差特性进行了分析,提出了基于子集遍历和显着性水平的组合导航多故障自主检测与识别方法,在此基础上进行故障星剔除和系统重构,旨在降低发生故障后无故障观测量受到的不良影响。仿真测试结果表明,该算法能够有效检测多故障发生情况下INS/BDS/GPS联合导航系统的检测能力,提高了系统容错性能,对于有效发挥多星座联合观测有事,实现高性能可靠导航具有有益的参考价值。(本文来源于《第九届中国卫星导航学术年会论文集——S07 卫星导航增强技术》期刊2018-05-23）
薛倩[7]（2018）在《PSO-SMFCM：一种新的基于粒子群算法的多子集模糊聚类算法》一文中研究指出随着科技的发展,数据呈现爆炸式增长,为了获取海量数据中的有效信息,数据挖掘技术开始蓬勃发展。作为数据挖掘的一个重要方向,聚类算法也得到了空前的重视。人们对能适应大规模数据的、高时效性的、高性能的聚类算法的迫切需求,使得传统的聚类算法不可避免的面临着巨大的挑战。模糊C均值聚类算法(FCM)是当前最流行的模糊聚类算法之一。传统的FCM算法需要将数据集全部载入内存,当数据集很大往往无法使用FCM算法。为了处理大规模数据,学者们提出了许多改进的FCM算法,在这些算法中,可伸缩的随机取样迭代优化模糊聚类算法(SRSIO-FCM)相比很多其他改进算法取得了更好的性能。SRSIO-FCM提出将数据点随机划分为多个子集,在每个子集上单独运行FCM算法,再将前两个子集的聚类结果进行某种合并后,作为第叁个子集的初始聚类中心,如此将每个子集的结果以环环相扣的形式结合起来,得到最终的聚类划分。虽然SRSIO-FCM算法比当前很多聚类大数据的算法在性能上有很大提升,但仍存在一些不足。第一,它以随机的方式选择初始聚类中心,容易造成不稳定的聚类结果;第二,它对子集聚类结果的合并方式没有考虑到子集内数据点的分布特征,容易造成聚类结果不够精确。本文提出一种基于粒子群算法的多子集模糊聚类算法(PSO-SMFCM),能够很好地克服SRSIO-FCM的缺陷。首先引入粒子群算法决定优质的初始聚类中心,使聚类结果更稳定,同时减少迭代次数;其次,定义一种新的结果合并方式,充分考虑子集间数据点的分布特征,有效提升聚类结果准确率。同时,由于FCM是迭代算法,选择适合迭代计算的Spark编程框架执行程序来提升算法效率。在理论上,详细阐述并对比PSO-SMFCM算法与SRSIO-FCM算法的思想和步骤;在实验上,通过基于不同测试数据集的大量实验,从高效性、准确性和稳定性叁个方面佐证PSO-SMFCM的优势。最后证明本文提出的算法PSO-SMFCM比SRSIO-FCM更高效、更准确和更稳定。(本文来源于《厦门大学》期刊2018-05-01）
郑列,任秀伟,罗幼喜[8]（2018）在《基于可固定用户自定义特征子集的特征选择新算法》一文中研究指出高通量生物技术的应用产生了大量的高维小样本生物数据。在生物医学"大数据"领域中,特征选择算法是解决维数灾难的有效方法之一。基于此提出一种新的特征选择算法(记为Sub(filter)Lasso)。实验结果表明:对于现有特征选择算法,分类性能表现较差的两个生物数据集ALL2和CNS,新算法的分类性能显着提高;新算法选出了具有非常好分类性能的特征子集,在不同的分类器上取得了稳健的分类效果;对15个数据集进行比较实验的结果表明,Sub(filter)Lasso是表现更好的算法,显着提高了分类准确性。(本文来源于《湖北工业大学学报》期刊2018年02期）
黄克敏,冯彦林,梁伟棠,李林,冯叶霞[9]（2018）在《不同重建算法及有序子集最大期望值法重建参数对SPECT/CT定量计算结果的影响》一文中研究指出目的探讨叁维有序子集最大期望值法(3D-OSEM)、二维有序子集最大期望值法(2D-OSEM)、滤波反投影(FBP)重建图像及OSEM迭代次数和子集数对SPECT/CT定量计算结果的影响。方法分别对Jaszczak圆筒模型、NEMA/IEC体模进行SPECT/CT断层显像,并进行CT衰减校正和散射校正以及3D-OSEM图像重建。根据Jaszczak圆筒模型重建图像获得特定采集及重建条件下的系统容积灵敏度(cpm/kBq),计算IEC体模内不同大小放射性热区的绝对放射性活度(kBq/ml;绝对定量值),并与真实活度值进行比较,计算定量误差。改变图像重建算法(2D-OSEM、FBP)和OSEM重建参数(迭代次数和子集数)对IEC体模进行图像重建,比较不同重建算法及OSEM迭代次数和子集数对定量误差的影响。结果采用3D-OSEM、2D-OSEM、FBP重建图像时,各球体定量误差均随球体容积的减小而明显增大(r=-0.831、-0.831、-0.826,P均<0.05)。3种重建算法间不同容积球体定量误差差异有统计学意义(F=8.850,P<0.05),其中,3D-OSEM小于2D-OSEM重建(P<0.05),2D-OSEM小于FBP重建(P<0.05)。各不同容积球体定量误差均随迭代次数增加而减小(r=-0.721、-0.681、-0.691、-0.711、-0.845、-0.893,P均<0.05),随子集数的增加而减小(r=-0.670、-0.694、-0.717、-0.852、-0.956、-0.998,P均<0.05)。结论基于CT衰减校正和散射校正的3DOSEM重建定量精确性明显优于2D-OSEM、FBP重建,选择合适的OSEM重建参数有利于提高SPECT/CT定量精确性。(本文来源于《中国医学影像技术》期刊2018年01期）
孙艳歌,尤磊,卲罕,李艳灵[10]（2018）在《基于随机标记子集的多标记数据流分类算法》一文中研究指出提出了基于随机标记子集的多标记数据流分类算法,其基本思想是在多标记分类过程中,将原始较大的标记集随机地划分为多个较小的标记子集,并针对每个标记子集训练一个概率分类器链.在充分利用标记间依赖关系的同时,又有效地降低了概率分类器链的时间复杂度.同时,在算法中嵌入了自适应滑动窗口算法来检测概念漂移.实验结果表明,同其他算法相比,在大多数数据集合上能够更有效地预测实例的类标集合,更适合概念漂移的环境.(本文来源于《信阳师范学院学报(自然科学版)》期刊2018年01期）
子集算法论文开题报告
（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：
推荐系统是根据用户的历史信息对未知信息进行预测.用户项目评分矩阵的稀疏性是目前推荐系统面临的主要瓶颈之一.跨域推荐系统是解决数据稀疏性问题的一种有效方法.本文提出了基于有效特征子集选取的高效推荐算法(FSERA), FSERA是提取辅助域的子集信息,来扩展目标域数据,从而对目标域进行协同过滤推荐.本文采用K-means聚类算法将辅助域的数据进行提取来降低冗余和噪声,获取了辅助域的有效子集,不仅降低了算法复杂度,而且扩展了目标域数据,提高了推荐精度.实验表明,此方法比传统的方法有更高的推荐精度.
（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。
子集算法论文参考文献
[1].陈彦萍,高宇坤,张恒山,夏虹.基于多链接特征子集的聚类集成算法[J].小型微型计算机系统.2019
[2].于旭,王前龙,徐凌伟,田甜,徐其江.基于有效特征子集提取的高效推荐算法[J].计算机系统应用.2019
[3].程凤伟,任晶晶.特征子集区分度与支持向量机的特征选择算法分析[J].信息系统工程.2018
[4].韩其琛,赵亚伟,姚郑,付立军.基于叙词表的领域知识图谱初始种子集自动生成算法[J].中文信息学报.2018
[5].赵小强,刘晓丽.基于公理化模糊子集的改进谱聚类算法[J].电子与信息学报.2018
[6].钟丽娜,王融,董敏.基于子集遍历的INS/BDS/GPS组合导航多故障检测识别算法研究[C].第九届中国卫星导航学术年会论文集——S07卫星导航增强技术.2018
[7].薛倩.PSO-SMFCM：一种新的基于粒子群算法的多子集模糊聚类算法[D].厦门大学.2018
[8].郑列,任秀伟,罗幼喜.基于可固定用户自定义特征子集的特征选择新算法[J].湖北工业大学学报.2018
[9].黄克敏,冯彦林,梁伟棠,李林,冯叶霞.不同重建算法及有序子集最大期望值法重建参数对SPECT/CT定量计算结果的影响[J].中国医学影像技术.2018
[10].孙艳歌,尤磊,卲罕,李艳灵.基于随机标记子集的多标记数据流分类算法[J].信阳师范学院学报(自然科学版).2018