导读:本文包含了相似度量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:相似性,度量,矩阵,算法,极大值,卷积,神经网络。
相似度量论文文献综述
李巍,王鸥,于亮亮,同东辉,曹智[1]（2019）在《基于改进的高斯对数信号指纹相似性度量方法》一文中研究指出由于WiFi信号在许多室内环境中普遍存在,因此利用WiFi信号进行室内定位,相比于其他的室内定位方式,如蓝牙定位、超宽带定位、RFID定位等,有着成本低,可推广等优点,是当前研究的热点。WiFi定位中,通常分为离线训练阶段和在线定位阶段。离线训练阶段需要采集室内环境中不同位置的信号指纹生成指纹地图。在线定位阶段中,通过一定的信号指纹距离定义寻找当前最新采集到的信号指纹与指纹地图中最近的k指纹,再通过加权最近邻法(Weighted K Nearest Neighbor,WKNN)求得当前位置估计。文本研究了在线定位中的不同的信号指纹信号距离定义,并且提出一种改进的高斯对数距离。传统的高斯对数距离仅仅利用了信号强度信息(Received Signal Strength,RSS),而本文提出的改进距离,既利用了RSS信息,也利用了信号指纹不同WiFi接入点(Acess Point,AP)的可见性信息。本文的实验部分中,对比了传统的高斯对数距离、传统的基于秩(rank based)的距离与本文提出的距离在实际定位中的精度,证明了本文提出的距离对信号指纹定位的精度有一定提高。(本文来源于《电子设计工程》期刊2019年23期）
郑文萍,刘韶倩,穆俊芳[2]（2019）在《一种基于相对熵的随机游走相似性度量模型》一文中研究指出针对基于随机游走的节点相似性度量模型中存在的大度节点依赖问题,从信息论的角度提出了一种改进的随机游走节点相似性度量方法:基于相对熵的随机游走相似性度量方法RE-model(A random walk similarity measure model based on Relative Entropy).首先根据随机游走模型得到网络中节点的转移概率向量,再计算两个节点转移概率向量的相对熵得到该节点对的相似性.由于转移概率向量给出了从一个特定节点出发经过多步随机游走后到达网络其他所有节点的概率,导致网络中的每个节点在计算相对熵的过程中都被等同看待,并且网络规模的增大会使计算得到的节点间相似性耗时更多且存在较大偏差.根据节点经过多步随机游走后到达网络中影响力较大的节点的转移概率来构造该节点的转移概率分布,计算两个节点的转移概率分布的相对熵以得到网络中节点对之间的差异分数,进而得到网络节点间的相似性矩阵. RE-model度量方法降低了传统随机游走相似性度量对于大度节点的依赖性.通过在真实网络数据集上的实验表明,RE-model算法在对称性、网络传播及社区发现等方面表现良好.(本文来源于《南京大学学报(自然科学)》期刊2019年06期）
王刚,郭雪梅[3]（2019）在《基于用户兴趣序列相似性度量的图书协同过滤推荐方法研究》一文中研究指出论文通过用户在一系列时间节点对所借阅图书的评分形成用户兴趣序列,并提取用户之间的最长公共兴趣子序列(LCSIS)和所有公共兴趣子序列(ACSIS),以此为基础计算用户之间的相似性并与传统的协同过滤推荐方法相结合,提出了基于用户兴趣序列的改进协同过滤图书推荐方法。将本文提出的方法和传统的基于用户的协同过滤推荐方法在天津医科大学图书馆图书借阅数据集进行实验验证,结果发现该方法在推荐效果上优于传统方法。(本文来源于《新世纪图书馆》期刊2019年11期）
周满满,袁凌云[4]（2019）在《一种基于权重矩阵的协同过滤算法的相似度度量方法》一文中研究指出协同过滤算法作为目前推荐系统中重要的技术之一,其中相似度度量方法是衡量其效果的重要指标。传统相似度度量方法主要是在用户评分矩阵的基础上对用户的共同评分项进行度量,却忽视了用户评分标准不一致和共同评分项目之外的可用数据。基于上述问题,从用户交叉项目和交叉项目之外的已有权重项目两方面共同考虑,文中融合了修正的Tanimoto系数和相关相似性,提出一种基于权重矩阵的协同过滤相似度度量方法,有效避免了因用户评分标准不一致出现的误差,提高了数据利用率。实验结果表明,该算法有效地提高了推荐的准确性。(本文来源于《现代电子技术》期刊2019年22期）
谢春丽,蔺疆旭,刘小洋,张文斌,黄军伟[5]（2019）在《改进的卷积神经网络源代码相似性度量方法》一文中研究指出源代码相似性是指不同代码段功能上的相似程度,是软件工程领域一项重要的研究问题.现有的方法主要从文本、结构两方面,利用代码的统计学特征计算相似性,其最大缺点就是无法表达代码的语义特征.为解决此类问题,提出了一种融合统计信息的卷积神经网络(statistics information for code embedding-convolutional neural networks, SICE-CNN)源代码相似性检测方法.该方法首先通过词嵌入对源代码进行信息表示,获取代码的词嵌入向量信息;其次,构建CNN训练模型学习源代码文档的嵌入表示;最后,计算源代码对的余弦相似值.实验表明,该方法和一般词嵌入方法相比提高了一定的性能,能较好地检测源代码的语义相似性.(本文来源于《应用数学和力学》期刊2019年11期）
谢秦,张清华,王国胤[6]（2019）在《基于相似度量的自适应叁支垃圾邮件过滤器》一文中研究指出垃圾邮件过滤是信息时代的一个重要研究课题,一封重要邮件被错分会产生不可估量的代价.因此,如何提高过滤器的性能成为垃圾邮件过滤领域中的核心问题.目前,业界通常采用机器学习算法中的二分类模型以处理垃圾邮件过滤问题.然而,较之于叁支决策模型,二分类模型会产生较大的错分代价.作为叁支决策的一个重要分支,基于决策理论粗糙集的叁支决策模型符合人类认知习惯,且能有效地降低错分代价,进而提高过滤器的性能.然而,在构造损失函数时,少有研究考虑由于等价类之间的差异性而对分类结果带来的影响.因此,在基于决策理论粗糙集的叁支决策模型的基础上,提出了一种基于相似度量的自适应叁支垃圾邮件分类模型.该模型根据集合方差计算了条件属性的权重,并基于相似度量建立了一种刻画差异信息的综合评价函数,进而根据贝叶斯决策规则构建了一种计算自适应阈值对的方法.实验结果表明所提模型在垃圾邮件过滤领域表现优异.(本文来源于《计算机研究与发展》期刊2019年11期）
邹锋[7]（2019）在《基于深度神经网络和改进相似性度量的推荐算法》一文中研究指出为了提高协同过滤推荐系统对于稀疏数据的推荐效果,提出一种基于深度神经网络和改进相似性度量的推荐算法。分析普通Jaccard相似性度量指标处理稀疏数据集的不足之处,对Jaccard相似性提出改进方案。设计交互的两个自编码器,一个自编码器利用显式反馈数据分析用户对于项目的偏好,其优化目标为最小化重建误差和正则成对排列损失;另一个自编码器利用隐式反馈数据分析用户对于项目的潜在偏好,其学习目标是采样数据集的负项集,利用隐式反馈数据增强显式反馈自编码器的学习效果。基于不同规模稀疏数据集的实验结果显示,该算法有效地增强了稀疏数据集的推荐准确率,实现了合理的推荐效率。(本文来源于《计算机应用与软件》期刊2019年11期）
宗琴,彭荃,秦万英[8]（2019）在《一种基于模糊矩阵的空间面对象相似性度量算法》一文中研究指出针对地理信息科学中相似性描述尚未考虑其模糊性本质这一现状,将空间面对象相似性度量进行程度划分,而不是界定在相似和不相似两个绝对地带,从而将空间面对象的相似性度量转化为相似程度评判。以纵横轴比、矩形度、面积凹凸比、周长凹凸比和方向为相似程度评判因子,通过模糊矩阵组建评判矩阵,将空间面对象相似性度量模拟为专家评判系统,最终获取待比较的空间面对象之间的相似程度。通过实例验证,算法具有一定可行性,为相关空间查询、空间分析、空间推理、制图综合、地图匹配等起到一定参考作用。(本文来源于《北京测绘》期刊2019年10期）
孙世强,左海维,赵露婷[9]（2019）在《联合特征相似性度量和交并比的检测框优选研究》一文中研究指出非极大值抑制(Non-Maximum Suppression,NMS)算法作为Faster R-CNN(region-based convolutional neural network,R-CNN)的后置处理算法,从物理空间判定检测框的重迭比例,忽略内在特征联系,造成漏检和误检问题。因此提出联合特征相似性度量和交并比的检测框优选方法(Optimized box Based on IoU and Feature similarity,OBIF)。该方法首先计算两个检测框的交并比(Intersection over Union,IoU),判断检测框之间的重迭比例;然后计算闵式距离,表示重迭的检测框之间的特征相近性,进行深层次判断;最后联合闵氏距离和交并比实现检测框优选。当运行效率一致和时间复杂度相同时,将Faster R-CNN+OBIF应用到PASCAL VOC 2007数据集和结直肠腺癌数据集,比较传统NMS算法,平均识别准确率分别提高了1.4%和1.1%,方法检测精度得到显着的提升。(本文来源于《电脑知识与技术》期刊2019年29期）
刘露,胡封晔,牛亮,彭涛[10]（2019）在《异质网络中基于节点影响力的相似度度量方法》一文中研究指出异质网络相似度学习,即分析两个不同类型对象间的相关程度.不同类型对象在异质网络中的重要程度不同,它们在相似度学习过程中的发挥的作用也不同.针对异质网络,提出了一种基于节点影响力的相似度度量方法NISim,该模型既考虑了网络中的链接结构,也保留了网络中的语义信息,同时区分不同类型节点对异质网络的作用.在异质信息网络环境下,通过启发式规则区分并量化不同类型节点的影响力权值,并结合网络链接结构和节点间语义关系,解决了提高相似度学习准确性的问题.实验结果表明,该方法能够有效地对异质信息网络不同类型节点进行相似度度量,可以应用在网络搜索、推荐系统以及知识图谱构建等不同领域.(本文来源于《电子学报》期刊2019年09期）
相似度量论文开题报告
（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：
针对基于随机游走的节点相似性度量模型中存在的大度节点依赖问题,从信息论的角度提出了一种改进的随机游走节点相似性度量方法:基于相对熵的随机游走相似性度量方法RE-model(A random walk similarity measure model based on Relative Entropy).首先根据随机游走模型得到网络中节点的转移概率向量,再计算两个节点转移概率向量的相对熵得到该节点对的相似性.由于转移概率向量给出了从一个特定节点出发经过多步随机游走后到达网络其他所有节点的概率,导致网络中的每个节点在计算相对熵的过程中都被等同看待,并且网络规模的增大会使计算得到的节点间相似性耗时更多且存在较大偏差.根据节点经过多步随机游走后到达网络中影响力较大的节点的转移概率来构造该节点的转移概率分布,计算两个节点的转移概率分布的相对熵以得到网络中节点对之间的差异分数,进而得到网络节点间的相似性矩阵. RE-model度量方法降低了传统随机游走相似性度量对于大度节点的依赖性.通过在真实网络数据集上的实验表明,RE-model算法在对称性、网络传播及社区发现等方面表现良好.
（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。
相似度量论文参考文献
[1].李巍,王鸥,于亮亮,同东辉,曹智.基于改进的高斯对数信号指纹相似性度量方法[J].电子设计工程.2019
[2].郑文萍,刘韶倩,穆俊芳.一种基于相对熵的随机游走相似性度量模型[J].南京大学学报(自然科学).2019
[3].王刚,郭雪梅.基于用户兴趣序列相似性度量的图书协同过滤推荐方法研究[J].新世纪图书馆.2019
[4].周满满,袁凌云.一种基于权重矩阵的协同过滤算法的相似度度量方法[J].现代电子技术.2019
[5].谢春丽,蔺疆旭,刘小洋,张文斌,黄军伟.改进的卷积神经网络源代码相似性度量方法[J].应用数学和力学.2019
[6].谢秦,张清华,王国胤.基于相似度量的自适应叁支垃圾邮件过滤器[J].计算机研究与发展.2019
[7].邹锋.基于深度神经网络和改进相似性度量的推荐算法[J].计算机应用与软件.2019
[8].宗琴,彭荃,秦万英.一种基于模糊矩阵的空间面对象相似性度量算法[J].北京测绘.2019
[9].孙世强,左海维,赵露婷.联合特征相似性度量和交并比的检测框优选研究[J].电脑知识与技术.2019
[10].刘露,胡封晔,牛亮,彭涛.异质网络中基于节点影响力的相似度度量方法[J].电子学报.2019
论文知识图
