导读:本文包含了数据场论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:数据,信号,脉冲,社交,算法,蛙跳,相似性。
数据场论文文献综述
卢意红,王雪红,薛开创,王明杰,刘持超[1]（2019）在《一种基于数据场聚类的图片相似性比较方法》一文中研究指出针对图片相似性比较的问题,提出了一种基于数据场聚类的图片相似性比较方法。该方法首先把图片信息从RGB颜色模型转换到HSV颜色模型,再把每个像素点投影到HSV叁维空间,通过数据场聚类算法提取主颜色,最后依据两张图片的主颜色进行图片相似程度的判断。通过试验验证,该算法具有较好相似性判断的效果。(本文来源于《光电技术应用》期刊2019年04期）
张怡霄,郭文普,康凯,姚云龙,张林科[2]（2019）在《基于数据场联合PRI变换与聚类的雷达信号分选》一文中研究指出基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交迭、局部脉冲丢失的复杂信号环境,分选正确率明显提升。(本文来源于《系统工程与电子技术》期刊2019年07期）
龚艳冰,巢妍[3]（2019）在《基于数据场K-means聚类的农村贫困人口精准分级研究——以贵州省某镇为例》一文中研究指出综合考虑贫困人口分级单指标和多指标,提出了一种基于数据场K-means融合聚类的农村贫困人口精准分级方法,该方法先由数据场势函数得到初始聚类的个数与聚类中心,再将其导入K-means聚类算法得到最终分级结果,有效地解决了传统K-means算法需要主观给定聚类参数的问题。最后,以贵州省某乡镇贫困人口数据为例进行实证分析,结果表明,该融合聚类方法更简洁、高效,能够为农村贫困人口分级提供科学合理的参考。(本文来源于《软科学》期刊2019年06期）
郜丽鹏,沙作金[4]（2019）在《一种改进的数据场聚类算法》一文中研究指出雷达信号分选是电子侦察中的关键步骤,针对传统聚类算法需要先验知识、算法需要人为设定参数、对孤立噪声点敏感和对初始聚类中心的选取对聚类效果有直接的影响、容易出现"增批"缺点,提出一种改进的数据场聚类算法。该算法计算所有的数据对象的势值,通过寻找势心来确定初始聚类中心和聚类数目,根据数据对象的势值大小和阈值进行比较,剔除孤立噪声点,将数据对象划分到距离最近的聚类中心的那一类中完成聚类。文中仿真了12部雷达信号,包括了常规雷达、抖动雷达、参差雷达和捷变频雷达,雷达参数相近或交迭。仿真结果表明,改进的数据场聚类算法有良好的聚类效果。(本文来源于《应用科技》期刊2019年06期）
张明阳,查诚,塔什甫拉提·尼扎木丁,徐新洲,赵力[5]（2019）在《结合数据场情感空间和混合蛙跳算法的连续语音情感变化趋势检测》一文中研究指出针对现有的情感计算算法中存在着情感跟踪延迟的问题,且没有考虑到情感状态的连续性的情况,提出了一种结合数据场情感空间和混合蛙跳算法的连续语音情感变化趋势检测技术。首先构建数据场情感空间,利用情感特征量模拟数据场粒子,用势能函数描述粒子之间的相互作用。然后运用混合蛙跳算法技术,用青蛙个体来模拟情感状态变化过程中的情感特征量,得到情感变化的趋势。通过对变化趋势的分析,可以达到情感预测的目的。经实验证明,该算法性能比现有算法有较大改进。(本文来源于《声学学报》期刊2019年01期）
沙作金[6]（2019）在《数据场聚类与平面变换雷达信号分选算法研究》一文中研究指出随着科学技术的进步,战争的所依赖的因素越来越多,作为战争双方“资源”的比拼,谁的“资源”多,获胜的可能性就越大。从一开始的兵力的多寡和兵器的质量,一直到现在全方位的经济。政治。军事上的综合实力,都在证明这“资源”的重要性。频谱作为一种有限的资源,势必成为双方争夺的目标之一,这就是电子战。雷达信号分选在电子战中担当着极为重要的作用,因为只有分选出电磁空间中的雷达脉冲信号,才能够对其进行威胁的评估,只有在充足信息下的决策才是正确性最高的,依赖于这个威胁评估的各种战场上的作战计划和作战策略才能使有效的。正因为雷达信号分选拥有这么重要的作用,战争双方自然会尽可能地对其进行研究,在研究的同时,为了防止己方的雷达信号被分选出来,各种雷达体制不断涌现出来,雷达信号的种类不断增多,变化形式愈加复杂。在这种情况下,雷达信号的分选任务的难度不断升级。本文从电子战中的雷达信号分选这一硬性需求出发,主要研究在复杂的电磁环境中实现雷达信号分选的工作,主要研究内容为以下几个方面:首先分析了雷达信号分选面临的现状,包括实际的电磁环境,雷达信号的各种参数和由此延伸出的各种信号形式,并介绍了几种经典的传统分选算法,包括CDIF、SDIF和PRI变换法等。其次针对传统聚类算法需要人为提供参数、聚类过程中因为初始聚类中心的选取容易造成局部最优解的出现及其对噪声点敏感等缺点,使用数据场完成聚类工作,可以自动确认聚类数目和聚类中心,通过势值大小设置阈值剔除孤立噪声点。之后对数据场的场强函数进行改进,因为数据场的场强函数描述的是数据对象对周围其他数据对象的影响方式,改进后的数据场减少了求得的聚类中心与理论值的误差。然后介绍了平面变换的原理,研究了平面变换算法对各种雷达脉冲信号的分选效果,结合PRI变换的思想对其进行优化,减少运算量,缩短运行时间。最后使用数据场聚类和平面变换算法对雷达脉冲进行联合分选,仿真结果表明,联合分选算法在存在脉冲丢失和干扰的情况下,仍有良好的分选正确的结果。(本文来源于《哈尔滨工程大学》期刊2019-01-01）
侯雨楠[7]（2019）在《基于动态数据场的位置社交网络社区发现方法研究》一文中研究指出随着互联网技术的蓬勃发展,包括Facebook、Twitter、微信、微博等社交网络已然成为每个人生活中重要的社交媒介。与此同时,伴随着GPS技术的不断提升,传统的在线社交网络与基于位置的服务充分结合,基于位置的社交网络即LBSN(Location-based Social Network)也就应运而生。基于位置的社交网络通过用户的签到行为,把线上虚拟社交环境与线下真实位置环境充分结合在一起。在对社交网络的研究中,通过社区发现可以了解用户间联系的密切程度,获取用户之间的社交关系及社交角色,有助于理解社交网络拓扑结构特点从而进行社区内个体关系行为的演化分析。在基于位置的社交网络中,用户的好友关系体现为社交网络的拓扑结构,受到用户间交互行为的影响,而用户签到行为所产生的地理位置信息则是线下真实的社交行为的体现。通过加入地理位置属性,在进行社区发现时,真实的地理位置信息可以作为一个重要的影响因素,加入到社区发现方法中,从而提升划分结果的准确性,使得社区发现的结果更加准确。现有的社区发现方法大多根据社交网络的拓扑结构或用户间交互进行研究,这些方法不能很好地适用于具有多模异构特性的基于位置的社区网络。考虑到以上情况,本文设计了一种适用于基于位置的社区网络特性的社区发现方法:首先根据基于位置的社交网络的网络特性,对基于位置的社交网络进行建模处理,除了社交网络中最基本的用户-用户的网络结构,根据用户在基于位置的社交网络中的签到行为还形成了用户-地理位置信息的网络结构,由此引申开来在社交网络中还存在着地理位置信息-地理位置信息的网络结构。之后根据动态数据场中用户互相影响作用的特性,提出了融合签到情境信息的情境轨迹的概念。随后针对情境轨迹建立以“时间”、“位置”、“情境”叁种对象的叁元关系矩阵,利用矩阵中的“位置”信息和“情境”信息来计算签到记录的位置相似度和主题相似度,结合位置相似度和主题相似度及用户间关系可以获得情境轨迹的相似度。最后,基于获得的用户间情境轨迹的相似度采用k-means聚类算法在完成初始化社区后,进行多次聚类处理,最终完成社区发现。最后,通过实验对本文提出的基于动态数据场的位置社交网络社区发现方法进行分析与评价。(本文来源于《哈尔滨工程大学》期刊2019-01-01）
周博,马林兵,胡继华,吴苏杰,何桂林[8]（2019）在《基于轨迹数据场的热点区域提取及空间交互分析——以深圳市为例》一文中研究指出以深圳市出租车GPS数据为基础,运用时空拓展的轨迹数据场聚类方法提取城市交通热点区域,结合城市POI(Point of Interest)数据和地理实况对热点区域加以理解和分析。基于复杂网络的视角,计算交互分析指标并可视化热点区域的空间交互网络,探究城市交通和居民出行的时空规律。结果表明:1)交通枢纽(机场、火车站和口岸)、综合性商圈、城市重要主干道周边和城市商务中心在节假日和工作日均表现为持续热点区域;2)节假日热点区域分布较"发散",主要反映了居民个性化出行需求;3)工作日热点区域分布较"收敛",主要表现为职住分离的通勤模式;4)不同热点区域在空间交互网络中的重要性存在明显差异,其空间交互体现了距离衰减效应和局部抱团现象,居民出行的热点区域网络本身具有小世界效应和无标度特征。(本文来源于《热带地理》期刊2019年01期）
冯鑫,胡晓曦,匡银[9]（2018）在《基于数据场的多模雷达信号分选算法》一文中研究指出雷达辐射源信号分选是现代电子对抗和未来信息战中的首要技术,也是电子情报侦察系统和电子支援中的瓶颈技术。针对新型综合体制多模雷达信号分选处理中存在的关键问题,将数据挖掘理论引入到雷达信号分选技术,提出了一种基于数据场的k-means聚类算法。该方法通过计算数据场势值寻找局域势值最大值,选取距最大值最近的样本数据作为初始聚类中心,然后用传统k-means聚类算法进行聚类,并通过计算机仿真进行验证。结果表明,该算法能够自动获取初始聚类中心和聚类数,可有效减少多模雷达信号分选过程中"增批"现象的出现。(本文来源于《电子设计工程》期刊2018年23期）
邓曦辉[10]（2018）在《基于时间与数据场聚类的社交推荐模型研究》一文中研究指出向用户推荐其感兴趣的信息是推荐系统的主要目标。客观地确定用户的兴趣中心是社交网络推荐系统需要解决的首要问题,然而,用户的兴趣会随着时间而改变。本文提出加入时间因素的数据场聚类算法,根据动态变化的用户兴趣,实现主题信息的推荐。实验表明该推荐算法更具有客观性,推荐的信息更具有价值性。(本文来源于《电子技术与软件工程》期刊2018年22期）
数据场论文开题报告
（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：
基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交迭、局部脉冲丢失的复杂信号环境,分选正确率明显提升。
（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。
数据场论文参考文献
[1].卢意红,王雪红,薛开创,王明杰,刘持超.一种基于数据场聚类的图片相似性比较方法[J].光电技术应用.2019
[2].张怡霄,郭文普,康凯,姚云龙,张林科.基于数据场联合PRI变换与聚类的雷达信号分选[J].系统工程与电子技术.2019
[3].龚艳冰,巢妍.基于数据场K-means聚类的农村贫困人口精准分级研究——以贵州省某镇为例[J].软科学.2019
[4].郜丽鹏,沙作金.一种改进的数据场聚类算法[J].应用科技.2019
[5].张明阳,查诚,塔什甫拉提·尼扎木丁,徐新洲,赵力.结合数据场情感空间和混合蛙跳算法的连续语音情感变化趋势检测[J].声学学报.2019
[6].沙作金.数据场聚类与平面变换雷达信号分选算法研究[D].哈尔滨工程大学.2019
[7].侯雨楠.基于动态数据场的位置社交网络社区发现方法研究[D].哈尔滨工程大学.2019
[8].周博,马林兵,胡继华,吴苏杰,何桂林.基于轨迹数据场的热点区域提取及空间交互分析——以深圳市为例[J].热带地理.2019
[9].冯鑫,胡晓曦,匡银.基于数据场的多模雷达信号分选算法[J].电子设计工程.2018
[10].邓曦辉.基于时间与数据场聚类的社交推荐模型研究[J].电子技术与软件工程.2018
论文知识图
