导读:本文包含了多相似度论文开题报告文献综述及选题提纲参考文献，主要关键词:推荐算法,数据稀疏,项目评分预测,用户相似度
多相似度论文文献综述
宋勇建,宋金玲,张正阳,许佳松,赵家琳[1]（2019）在《基于项目评分预测与用户多相似度的协同过滤推荐算法》一文中研究指出根据项目之间的相似性预测用户对未评分项目的评分,解决协同过滤推荐的数据稀疏性问题。在此基础上,分别从用户评分、用户属性、用户历史行为等角度对用户的相似度进行衡量,并综合各种相似度用来计算目标用户的最近邻居。最后,综合利用项目评分预测和用户多相似度,提出一种改进的协同过滤推荐算法。(本文来源于《现代化农业》期刊2019年03期）
石宽[2]（2014）在《基于多相似度融合图像检索技术研究》一文中研究指出随着移动互联网的快速发展,智能终端设备的快速普及,人们每天要产生海量的图像、音频和视频等数字多媒体数据。用户如何从海量的数据中找到自己所需要的数据,已经成为一个信息检索领域非常热门的问题。这样的热门问题不仅能为科研领域带来技术的革新,同样能为商业领域带来无穷的商业价值。因此研究图像检索相关技术具有重要意义。本文主要是在前辈的研究基础上,对基于内容的图像检索技术进行了深入的学习,并提出了一种基于多相似度融合算法的图像检索算法。主要的工作包括以下几个部分：首先,对基于内容的图像检索算法涉及的技术做了分析和研究,学习并总结了CBIR中核心技术,其中包括图像分割、图像特征的提取、特征匹配及图像检索技术等等。其次,介绍了基于多相似度融合图像检索算法。图像检索可以简化为图像识别和检索两个部分,大量的研究主要集中在最关键的图像识别部分。图像识别的研究又主要集中在图像特征和识别算法。在特征匹配这部分所做的研究并不是很多。本论文另辟蹊径在一些大家忽视的地方能给研究领域带来一点收获。基于多相似度融合图像检索算法主要研究方向是特征匹配,通过综合不同特征匹配算法的优势,提高识别的准确率,有点类似于Adaboost算法,结合各种弱分类器使之成为强分类器,但是两者的实现方式是不同的。最后,基于本文介绍实现了基于多相似度融合图像检索算法,并对其进行了实验测试,进行了实验比较和分析。基于多相似度融合图像检索算法相较于传统的图像检索算法能够有效地提高检索的准确率,并且这种算法的思路能为图像检索算法研究带来新的思路。(本文来源于《北京邮电大学》期刊2014-12-02）
范波,程久军[3]（2012）在《用户间多相似度协同过滤推荐算法》一文中研究指出传统的User-based协同过滤推荐算法仅采用了单一的评分相似度来度量用户之间对任何项目喜好的相似程度。然而根据日常经验,人们对不同类型事物的喜好程度往往是不同的,单一的评分相似度显然无法准确描述这种不同。针对上述问题,提出了一种基于用户间多相似度的协同过滤推荐算法,即基于用户间对不同项目类型的多个评分相似度来计算用户对未评分项目的预测评分。实验结果表明,该算法可以有效地提高预测评分的准确性及推荐质量。(本文来源于《计算机科学》期刊2012年01期）
王丰年,戴国骏,周文晖[4]（2010）在《基于多相似度的条件密度手势识别跟踪算法》一文中研究指出基于视觉的人手跟踪在智能人机交互中吸引越来越多的注意。该文提出一种基于粒子滤波的多相似度计算的条件密度跟踪算法。该算法主要对于非刚体运动的运动目标的输入、输出状态矩阵维数进行了降维。通过对每一粒子中的位置参数分别进行相似度验证从而显着地减少了状态矩阵的维数如旋转角度、倾斜程度等。实验数据表明,此算法能有效地对人手进行跟踪。(本文来源于《杭州电子科技大学学报》期刊2010年02期）
多相似度论文开题报告
（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：
随着移动互联网的快速发展,智能终端设备的快速普及,人们每天要产生海量的图像、音频和视频等数字多媒体数据。用户如何从海量的数据中找到自己所需要的数据,已经成为一个信息检索领域非常热门的问题。这样的热门问题不仅能为科研领域带来技术的革新,同样能为商业领域带来无穷的商业价值。因此研究图像检索相关技术具有重要意义。本文主要是在前辈的研究基础上,对基于内容的图像检索技术进行了深入的学习,并提出了一种基于多相似度融合算法的图像检索算法。主要的工作包括以下几个部分：首先,对基于内容的图像检索算法涉及的技术做了分析和研究,学习并总结了CBIR中核心技术,其中包括图像分割、图像特征的提取、特征匹配及图像检索技术等等。其次,介绍了基于多相似度融合图像检索算法。图像检索可以简化为图像识别和检索两个部分,大量的研究主要集中在最关键的图像识别部分。图像识别的研究又主要集中在图像特征和识别算法。在特征匹配这部分所做的研究并不是很多。本论文另辟蹊径在一些大家忽视的地方能给研究领域带来一点收获。基于多相似度融合图像检索算法主要研究方向是特征匹配,通过综合不同特征匹配算法的优势,提高识别的准确率,有点类似于Adaboost算法,结合各种弱分类器使之成为强分类器,但是两者的实现方式是不同的。最后,基于本文介绍实现了基于多相似度融合图像检索算法,并对其进行了实验测试,进行了实验比较和分析。基于多相似度融合图像检索算法相较于传统的图像检索算法能够有效地提高检索的准确率,并且这种算法的思路能为图像检索算法研究带来新的思路。
（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。
多相似度论文参考文献
[1].宋勇建,宋金玲,张正阳,许佳松,赵家琳.基于项目评分预测与用户多相似度的协同过滤推荐算法[J].现代化农业.2019
[2].石宽.基于多相似度融合图像检索技术研究[D].北京邮电大学.2014
[3].范波,程久军.用户间多相似度协同过滤推荐算法[J].计算机科学.2012
[4].王丰年,戴国骏,周文晖.基于多相似度的条件密度手势识别跟踪算法[J].杭州电子科技大学学报.2010