导读:本文包含了相似性距离论文开题报告文献综述及选题提纲参考文献，主要关键词:读取映射,编辑距离,相似性查询,鸽笼原理
相似性距离论文文献综述
于长永,李淼淼,赵楚,马海涛[1]（2019）在《一种新颖的编辑距离限制下的相似性确认算法》一文中研究指出针对相似性确认步骤中编辑距离计算的高复杂性问题,提出了一种在编辑距离限制下的基于鸽笼原理的字符串相似性确认算法.首先找到满足编辑距离片段映射的片段,以此片段为基准,将长度为500 bp的read分段.然后对满足编辑距离片段映射的左右部分递归地进行编辑距离计算,将各段得到的编辑距离相加即为最后结果.最后根据最长公共子串的下限将需要验证的片段数目降到最低,得到优化方案.实验结果表明,基于鸽笼原理的分段递归计算编辑距离的确认算法减少了验证步骤的时间,并能保证假阳率和假阴率都为零.(本文来源于《东北大学学报(自然科学版)》期刊2019年11期）
孙鹏,冯鹏定,于彤,单大国,王素[2]（2019）在《基于巴氏距离的监控视频人体目标相似性度量》一文中研究指出针对视频侦查过程中犯罪嫌疑人人脸目标比对易受目标自身和采集环境等因素影响的问题,提出一种面向视频侦查应用的监控视频人体目标相似性度量方法,该方法以犯罪嫌疑人人体目标为研究对象,获取单帧抓拍图像帧中包含的待识别人体目标和监控视频中包含的犯罪嫌疑人人体目标,提取人体目标的颜色直方图特征,利用巴氏距离和阈值比对的结果,确定待识别人体目标与监控视频中犯罪嫌疑人体目标之间的相似性。实验表明,该方法计算效率高,可以实现监控视频中犯罪嫌疑人体目标相似性的快速比对,能够提高监控视频中犯罪嫌疑人跟踪的时效性。(本文来源于《中国刑警学院学报》期刊2019年04期）
郭文月,刘海砚,孙群,余岸竹,季晓林[3]（2019）在《利用树编辑距离的等高线拓扑相似性度量方法》一文中研究指出已有的拓扑相似性度量方法主要通过目标之间拓扑关系统计均值的差值,衡量目标之间的拓扑相似程度,在拓扑变化复杂区域由于拓扑关系的增减互补易产生度量误差。为此,提出一种顾及拓扑结构差异的等高线群拓扑相似性度量方法;引入Zhang-shasha算法将等高线群之间的拓扑变化转化为等高线树之间的转换编辑操作;构建基于树结构的拓扑差异表达;并利用动态规划方法求解等高线树之间的转换编辑距离;进而量化度量等高线群间的拓扑结构相似度。模拟数据实验和真实数据实验表明,该方法顾及了拓扑结构差异,能够有效度量多源多尺度等高线数据之间的拓扑相似程度,减少度量误差。(本文来源于《测绘科学技术学报》期刊2019年01期）
程绵绵,孙群,李少梅,徐立[4]（2019）在《多尺度点群广义Hausdorff距离及在相似性度量中的应用》一文中研究指出多尺度点群相似度计算在制图综合过程控制及结果评价中具有重要作用。针对现有方法的不足,提出一种基于广义Hausdorff距离的多尺度点群相似度计算方法。在传统Hausdorff距离基础上,建立距离相似度计算公式;给出拓扑距离的定义及计算方法,建立基于拓扑Hausdorff距离的拓扑相似度计算公式;以点群最小外包圆为基础建立方向关系参考框架,给出方向距离定义,建立基于方向Hausdorff距离的方向相似度计算公式,并得出总相似度计算公式。通过多尺度点群相似度计算实验及综合结果评价实验,验证了所述方法的可行性和有效性。(本文来源于《武汉大学学报(信息科学版)》期刊2019年06期）
李东月,方欢[5]（2019）在《基于行为轮廓的流程模型及其流程变体的距离相似性分析》一文中研究指出针对已有研究对距离相同的流程变体无法进一步区分的问题,利用行为轮廓在描述流程模型相似性方面强大的分析功能,提出了基于行为轮廓的距离相似性分析方法,对流程模型及其流程变体的相似性程度进行了研究。在流程族的模型距离相等的基础上引入行为轮廓相似性度,将距离与行为轮廓相似性度相结合,利用二维度量指标,将流程族模型的结构特性和行为特性进行综合评判,更加全面的分析流程模型及其流程变体的相似程度,解决已有文献使用单一维度无法区分流程变体间差异的问题。(本文来源于《佳木斯大学学报(自然科学版)》期刊2019年03期）
王培,江南,万幼,王玉晶[6]（2019）在《应用Hausdorff距离的时空轨迹相似性度量方法》一文中研究指出相似性度量方法的选取和稳健性对时空轨迹聚类结果的有效性是至关重要的.针对时空轨迹数据复杂的多重维度信息,选取空间维和时间维2个维度度量时空轨迹的相似性,提出一种应用Hausdorff距离的时空轨迹相似性度量方法.首先从时空轨迹的3个特性出发,提出面向相似性度量的时空轨迹重组策略;然后将传统的以点为中心进行相似性度量的思路转换为以轨迹段为中心,提出一个考虑时间同步性的时空轨迹段距离度量公式;最后鉴于传统的Hausdorff距离进行时空轨迹相似性度量具有时空轨迹整体形状特征的优点,针对其容易受时空轨迹局部空间分布影响和忽略时间维信息的缺陷,提出一种基于单位时间平均值Hausdorff距离的时空轨迹相似性度量方法.采用微博签到轨迹数据和出租车GPS轨迹数据进行轨迹时空聚类实验,将文中提出的时空轨迹相似性度量方法与已有的其他方法进行比较,实验结果表明,该方法可以有效地计算时空轨迹的相似性,满足时空轨迹聚类的需求.(本文来源于《计算机辅助设计与图形学学报》期刊2019年04期）
陆遥,李东生,高杨[7]（2019）在《基于序列趋势和集合距离的UAV态势相似性度量方法》一文中研究指出在无人机(UAV)自主作战与智能决策的过程中,无人机获取的新态势与历史态势的相似性度量是态势评估与作战决策的重要环节,而现有的相似性度量方法主要处理离散时刻态势,采用的欧式距离等方法对数据敏感,不符合作战态势特性,且处理效率低下,针对该问题,提出基于序列趋势和集合距离的UAV态势相似性度量方法。该方法首先选取UAV作战态势要素并以时间序列形式表征数据;然后,使用经验模态分解方法提取历史态势与新态势的序列趋势以度量序列趋势的相似性;最后,对趋势相似的每条态势序列进行自组织映射聚类,得到若干聚类中心构成集合,利用最优子模式分配距离度量集合间的距离,提取集合距离较小的部分获得与新态势相似的历史经验态势。通过公用数据集的分类效果比对实验以及作战仿真态势的相似性度量实验,表明该方法能够有效度量两序列之间的相似性程度,度量效果好,分类实验中分类精度较传统方法最高提高18%,且方法简便,具有一定的实用价值。(本文来源于《航空学报》期刊2019年03期）
许嘉,宋超,吕品,李陶深[8]（2019）在《基于EMD距离的数据流分布式相似性连接技术》一文中研究指出随着数据获取设备的不断进步和数据获取技术的快速发展,如何分析和挖掘应用中快速产生的数据流成为亟待解决的问题.数据流的相似性连接返回两个数据流上相似的数据对,是分析和挖掘数据流的重要操作.相比于Lp范式距离,例如曼哈顿距离和欧氏距离,EMD距离(Earth Mover's Distance)因其可以更准确地量化直方图元组之间的相似性而受到广泛关注,被广泛应用于解决基于内容的图像检索、冗余图像识别以及视频对象跟踪等重要应用问题.然而EMD距离的计算复杂度却高达叁次方,阻碍了EMD距离在数据流相似性连接问题中的应用.该文基于开源的Apache Storm数据流分布式并行处理框架,设计并实现了基于EMD距离的数据流分布式相似性连接技术,命名为EMD-DDSJ技术.该技术在数据分发时维护了连接计算节点上的数据局部性,并基于该数据局部性增强了连接算法对不相似直方图元组对间EMD计算的过滤性能,提高了各个连接计算节点的执行效率.同时基于连接计算节点的代价模型,提出了基于反馈的负载均衡策略,有效提升EMD-DDSJ技术的整体执行性能.在真实数据集上的实验结果展示了该文提出的EMD-DDSJ技术的高效性和可扩展性,比相关最好的技术在处理吞吐率上最高提升了1.4倍,在元组平均处理延迟上最多降低了44%,并且随着相似性阈值或滑动窗口大小的增大该提升比率还会进一步增大.(本文来源于《计算机学报》期刊2019年08期）
万艳红[9]（2018）在《基于距离与相似性度量学习的说话人识别研究》一文中研究指出说话人识别是以语音作为识别特征,采用机器学习方法对语音信息进行处理,自动进行识别说话人身份的技术。目前,基于I-vector模型的说话人识别模型性能良好,已经成为说话人识别领域中的主流模型。本文主要是对基于I-vector模型的说话人识别算法进行研究,并在此基础上引入距离与相似性度量学习算法。度量学习算法通过使得同类样本更紧凑,非同类样本更分散,提高说话人识别系统性能。本文主要研究KISS(Keep It Simple and Straightforward)与SUB-SML(intra-person Subspace Similarity Metric Learning)度量学习算法在说话人识别系统中的应用。KISS算法具备可利用大规模数据集和可扩展性等特点,通过引入等价约束关系学习度量矩阵,而且学习得到的度量矩阵可保证同类样本强相关。本文将KISS度量学习算法应用在说话人识别系统中,通过对i-vector向量进行KISS度量矩阵线性变换,减少信道差异和说话人个人内在变化对系统的影响。在NIST SRE 2014库上进行实验,分别使用余弦相似分类器和马氏距离分类器进行打分判别。实验结果表明KISS模型采用余弦相似分类器打分可以提高系统性能,而且采用采用马氏距离分类器打分系统性能提高更显着。此外,对KISS模型与PLDA模型进行得分融合实验,实验结果表明系统性能得到进一步提高。SUB-SML算法从保持相似性度量学习的鲁棒性和判别性两方面出发,提出在说话人个人子空间内学习训练度量矩阵,联合马氏距离度量和双线性相似性度量,形成广义的相似性度量学习。NIST SRE 2014库只提供训练样本的标签信息,所以需要为SUB-SML算法构造训练样本对集合。本文提出选取欧式距离最大的相似对和欧氏距离最小的非相似对构造训练样本对集合,使得训练得到的度量矩阵具备判别相似度低的同类样本以及相似度高的非同类样本能力。本文将SUBSML度量学习算法应用在说话人识别系统中,提出新方法构造SUB-SML算法的训练样本对集合,并且对i-vector向量进行SUB-SML度量矩阵线性变换。实验结果表明基于SUB-SML模型与基线i-vector模型相比系统性能有所提高,而且采用新方法构造的训练样本对集合的SUB-SML模型性能提高显着。SUB-SML算法联合马氏距离度量和双线性相似性度量,若只考虑马氏距离度量或双线性相似性度量,则分别得到SUB-ML和SUB-SL算法。本文将SUB-ML和SUB-SL度量学习算法分别应用到说话人识别中,实验在NIST SRE 2014年库上进行,结果表明这两种模型性能均优于传统余弦距离分类器模型。此外,还对SUB-ML模型与基于SUB-SL模型进行系统得分融合实验,实验结果表明融合后的系统性能比基于PLDA模型的系统性能更佳。(本文来源于《江西师范大学》期刊2018-05-01）
曹伟,韩华,王裕明,孙宪坤[10]（2018）在《目标再确认中的优化扩散距离相似性度量》一文中研究指出跨摄像头目标再确认是多摄像头监控领域中一个亟需解决的难点问题,如何获得准确率更高的距离度量算法成为解决该难点的关键。为此本文在提取优秀的多特征基础上,建立了一种无需训练,适应更多场景的度量算法:优化扩散距离相似性度量,用于跨摄像头目标再确认。在高维扩散距离的基础上,加入高斯金字塔图像采样和加权性优化处理,用于提高相似空间向量的辨别力,并提高计算效率。通过对高维扩散距离的二次优化建立起最终的相似性度量函数。最后对VIPe R和ETHZ数据库中的图片进行多次目标再确认实验,排名第一的图片的正确匹配率达到了50.5%。实验结果表明本文算法取得了较好的匹配结果。(本文来源于《智能系统学报》期刊2018年02期）
相似性距离论文开题报告
（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：
针对视频侦查过程中犯罪嫌疑人人脸目标比对易受目标自身和采集环境等因素影响的问题,提出一种面向视频侦查应用的监控视频人体目标相似性度量方法,该方法以犯罪嫌疑人人体目标为研究对象,获取单帧抓拍图像帧中包含的待识别人体目标和监控视频中包含的犯罪嫌疑人人体目标,提取人体目标的颜色直方图特征,利用巴氏距离和阈值比对的结果,确定待识别人体目标与监控视频中犯罪嫌疑人体目标之间的相似性。实验表明,该方法计算效率高,可以实现监控视频中犯罪嫌疑人体目标相似性的快速比对,能够提高监控视频中犯罪嫌疑人跟踪的时效性。
（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。
相似性距离论文参考文献
[1].于长永,李淼淼,赵楚,马海涛.一种新颖的编辑距离限制下的相似性确认算法[J].东北大学学报(自然科学版).2019
[2].孙鹏,冯鹏定,于彤,单大国,王素.基于巴氏距离的监控视频人体目标相似性度量[J].中国刑警学院学报.2019
[3].郭文月,刘海砚,孙群,余岸竹,季晓林.利用树编辑距离的等高线拓扑相似性度量方法[J].测绘科学技术学报.2019
[4].程绵绵,孙群,李少梅,徐立.多尺度点群广义Hausdorff距离及在相似性度量中的应用[J].武汉大学学报(信息科学版).2019
[5].李东月,方欢.基于行为轮廓的流程模型及其流程变体的距离相似性分析[J].佳木斯大学学报(自然科学版).2019
[6].王培,江南,万幼,王玉晶.应用Hausdorff距离的时空轨迹相似性度量方法[J].计算机辅助设计与图形学学报.2019
[7].陆遥,李东生,高杨.基于序列趋势和集合距离的UAV态势相似性度量方法[J].航空学报.2019
[8].许嘉,宋超,吕品,李陶深.基于EMD距离的数据流分布式相似性连接技术[J].计算机学报.2019
[9].万艳红.基于距离与相似性度量学习的说话人识别研究[D].江西师范大学.2018
[10].曹伟,韩华,王裕明,孙宪坤.目标再确认中的优化扩散距离相似性度量[J].智能系统学报.2018