导读:本文包含了网络对齐论文开题报告文献综述及选题提纲参考文献，主要关键词:用户对齐,社交网络,网络嵌入,负采样
网络对齐论文文献综述
滕磊,李苑,李智星,胡峰[1]（2019）在《基于知识图嵌入的跨社交网络用户对齐算法》一文中研究指出针对目前跨社交网络用户对齐算法存在的网络嵌入效果不佳、负采样方法所生成负例质量无法保证等问题,提出一种基于知识图嵌入的跨社交网络用户对齐(KGEUA)算法。在嵌入阶段,利用部分已知的种子锚用户对进行正例扩充,并提出Near_K负采样方法生成负例,最后利用知识图嵌入方法将两个社交网络嵌入到统一的低维向量空间中。在对齐阶段,针对目前的用户相似度度量方法进行改进,将提出的结构相似度与传统的余弦相似度结合共同度量用户相似度,并提出基于自适应阈值的贪心匹配方法对齐用户,最后将新对齐的用户对加入到训练集中以持续优化向量空间。实验结果表明,提出的算法在Twitter-Foursquare数据集上的hits@30值达到了67.7%,比用户对齐现有最佳算法的结果高出3.3～34.8个百分点,显着提升用户对齐效果。(本文来源于《计算机应用》期刊2019年11期）
杨晓青,莫建文[2]（2019）在《基于深度卷积神经网络的端对端人脸对齐算法》一文中研究指出针对现有基于深度学习的人脸对齐算法难以实现真正意义上"端对端"、浅层特征表征能力及鲁棒性差的问题,提出一种基于深度卷积神经网络的端对端人脸对齐算法。该算法网络含5个模块,使用堆迭卷积层提取人脸特征,通过增加隐含层的宽度达到丰富特征的目的,在前3个模块引入监督约束层提取更有效的人脸特征,采用两次迭代训练过程获取更佳的网络模型,该网络能够学习高维空间特征并预测人脸特征点的坐标位置。实验结果表明,即使在遮挡、复杂姿势、光照等情况下,该算法依然可以取得较优的人脸对齐效果。(本文来源于《计算机工程与设计》期刊2019年09期）
何鑫,祁欣,马海涛,赵宇海,于长永[3]（2019）在《轻量非对齐卷积神经网络模型探索》一文中研究指出本文提出了一种轻量非对齐卷积神经网络模型的探索方法,探讨了现有卷积神经网络(CNN)模型中网络的参数数量与性能的关系,针对现有模型存在参数冗余的问题,给出了带有参数控制的解决方案.首先,分析了经典CNN模型的网络结构,并将其标准化表示为基于最小计算单元的模型结构;基于此进行比较分析,总结了近年来网络模型存在的问题和调整的趋势.其次,提出了一种轻量非对齐卷积神经网络模型的探索方法,该方法能够基于一组概率参数对模型参数数量进行控制,并实现不同级别特征的深度融合.最后,以DenseNet-40模型为基础进行了实验分析,得出了以测试误差下降≤1%为代价能够削减掉≥50%模型参数的结果.(本文来源于《小型微型计算机系统》期刊2019年09期）
张继,金翠,王洪元,陈首兵[4]（2019）在《基于奇异值分解行人对齐网络的行人重识别》一文中研究指出为解决行人重识别的训练数据集中自动检测出的行人图像背景过大和行人部分缺失的错位现象问题,使用空间变换网络层对图像错位进行处理。为优化整个网络的深度学习过程,提高图像检索能力,增加网络特征层,使用奇异值向量分解方法对其进行处理。将行人对齐网络和奇异向量分解相结合,构造奇异值分解行人对齐网络,既可解决图像错位问题,又提高图像特征的相似性度量的效果。在Market1501、CUHK03和DukeMTMC-reID数据集上进行试验,并与行人对齐网络和其他深度学习与非深度学习的行人重识别方法进行比较,试验结果中整个网络的平均检索精度和行人图像第一次匹配正确的概率平均达到了65%和80%左右,这表明奇异值分解行人对齐网络可以提高对行人匹配的效果。(本文来源于《山东大学学报(工学版)》期刊2019年05期）
丁颖,李军辉,周国栋[5]（2019）在《基于词对关联网络的句子对齐研究》一文中研究指出句子对齐能够为跨语言的自然语言处理任务提供高质量的对齐句子对。受对齐句子对通常包含大量对齐的单词对这种直觉的启发,该文通过探索神经网络框架下词对间的语义相互作用来解决句子对齐问题。特别地,该文提出的词对关联网络通过融合叁种相似性度量方法从不同角度来捕获词对之间的语义关系,并进一步融合它们之间的语义关系来确定两个句子是否对齐。在单调和非单调文本上的实验结果表明,该文提出的方法显着提高了句子对齐的性能。(本文来源于《中文信息学报》期刊2019年07期）
冯朔,申德荣,聂铁铮,寇月,于戈[6]（2019）在《一种基于最大公共子图的社交网络对齐方法》一文中研究指出随着Internet的普及,各类社交网络走进人们的视野,用户为满足不同的服务需求,往往不会局限于单一社交网络中,因此,跨社交网络环境下的用户识别问题成为研究者的热门话题.主要利用网络结构信息,针对社交网络对齐问题进行研究,主要包含以下研究点:首先,将网络对齐问题抽象为最大公共子图问题(a-MCS),并提出求解自适应参数a的方法,相比于传统的基于启发式定义参数a的方法,该方法可有效区分不同类型网络中匹配用户与非匹配用户;其次,为快速而准确地解决a-MCS,提出了基于最大公共子图的迭代式网络对齐算法MCS_INA(a-MCS based iterative network alignment algorithm),该算法每次迭代过程主要包含两个阶段.第1个阶段,分别在两个社交网络中选取各自的候选匹配用户,第2个阶段,针对候选匹配用户进行识别.相比于其他算法,MCS_INA时间代价低,且依据不同网络特征,通过参数估计,可保证较高的识别精度;最后,在真实数据集和合成数据集中验证了算法MCS_INA的有效性.(本文来源于《软件学报》期刊2019年07期）
罗子朦[7]（2019）在《基于空间转换网络的人脸对齐》一文中研究指出人脸对齐是人脸识别系统的一个重要组成部分,人脸对齐通过几何变换来减小不同人脸之间的姿态差异,提升人脸识别系统对各种人脸姿态变化的鲁棒性。现有的人脸对齐方法是通过定位面部特征点的位置,把所有的人脸变换到一个统一的几何形状。尽管这种方法有效的减少了人脸图片间的姿态差异,但在一些特殊场景下任然存在一些问题。把所有的人脸对齐到固定的几何形状会带来人脸几何信息的丢失,因为不同人的面部几何形状是不同的。对于一些人脸姿态比较大的图片,例如侧脸,旋转角度大的人脸,现有的人脸特征点检测器还存在比较大的误差,把一些侧脸图片强行对齐到正脸的模板姿态,会带来很大的图片失真。同时,我们很难定义一个合理的人脸对齐模版来适应所有的人脸图片。因此,现有的利用特征点信息的固定几何模板人脸对齐的方法存在一些局限性,尤其是在大姿态人脸识别的场景中。本论文利用空间转换网络来解决大姿态人脸识别场景下的人脸对齐问题。设计了一种基于级联结构的空间转化网络来更好的解决大姿态人脸的对齐问题。同时提出了一种基于多尺度聚合特征约束的中心损失函数,对包含丰富空间信息的特征进行紧凑性约束,用于优化空间转换网络来获得更加统一的人脸对齐效果。本文从人脸对齐效果以及大姿态人脸识别基准库的识别性能出发,在L.FW以及IJB-A数据库上验证了我们提出的方法的有效性。(本文来源于《北京邮电大学》期刊2019-06-02）
李世宝,王宜馨,赵大印,叶伟,郭琳[8]（2019）在《异构网络中天线资源有限时的部分干扰对齐方案》一文中研究指出针对异构网络中天线资源有限导致无法实现完全干扰对齐(IA)这一问题,提出一种根据异构网络特点使天线资源利用率最大的部分IA方案。首先,根据异构网络中部分连通性构建系统模型,并分析系统实现IA的可行性条件;然后,基于网络的异构性(基站功率和用户稳定性的不同)对用户划分不同的优先级并分配不同的天线资源;最后,以系统总速率最大和天线资源利用率最大为目标设计高优先级用户完全对齐、低优先级用户消除最大干扰的部分IA方案。在Matlab仿真实验中,所提算法相比传统的IA算法在天线有限情况下能提高10%的系统总速率,并且高优先级用户接收到的速率比低优先级用户的速率高40%。实验结果表明,所提算法能充分利用有限天线资源,在满足用户差异性需求的同时实现系统总速率最大。(本文来源于《计算机应用》期刊2019年07期）
王刚,李咏梅,孟超,王灏,衡伟[9]（2019）在《基于波束成形和干扰对齐的D2D通信蜂窝网络接入控制（英文）》一文中研究指出提出了一种基于波束成形和干扰对齐的D2D通信蜂窝网络接入控制算法.首先,选择部分距离基站最远的D2D对与蜂窝用户进行联合迫零波束成形并接入网络.基站发射信号对蜂窝用户的干扰和该部分D2D对的干扰被同时完全消除.然后,基于干扰对齐的思想,给出信道平行度的定义.利用基站到D2D设备的信道状态信息,计算未参与联合迫零波束成形的剩余D2D对的信道平行度.信道平行度的值越高,则D2D对受到基站干扰越小.最后,按照信道平行度的降序,逐个检查剩余D2D对是否可以接入蜂窝网络.算法在D2D对的接入使得系统的和速率下降时终止.仿真结果表明,所提算法有效降低了基站发射信号对于D2D用户的干扰,使得系统的容量性能得到显着提高,D2D通信更适用于短距离通信场景.(本文来源于《Journal of Southeast University(English Edition)》期刊2019年01期）
齐程,解志斌,鲁春燕,钱洪娟[10]（2019）在《两层网络中基于聚类算法的分簇干扰对齐研究》一文中研究指出由Femtocell和Macrocell构成两层网络可以提高系统容量,但也会引起严重的共道干扰.干扰对齐是一种避免干扰的有效方式,但对密集部署的两层网络全网实行干扰对齐是不现实的,也是没有必要的,但有必要对网络进行分簇,以减小干扰管理复杂度.为此,提出基于聚类思想分簇的干扰对齐算法.文中首先对实际场景的Femtocell网络模型进行研究,然后基于K-Medoids算法对叁维泊松点过程分布的Femtocell网络进行分簇,最后对确定的簇利用干扰对齐技术进行干扰消除,以达到降低系统干扰对齐复杂度的目的.仿真结果表明,所提算法在实现系统有效分簇的同时,提高了系统的信道容量,适用于实际通信系统.(本文来源于《江苏科技大学学报(自然科学版)》期刊2019年01期）
网络对齐论文开题报告
（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：
针对现有基于深度学习的人脸对齐算法难以实现真正意义上"端对端"、浅层特征表征能力及鲁棒性差的问题,提出一种基于深度卷积神经网络的端对端人脸对齐算法。该算法网络含5个模块,使用堆迭卷积层提取人脸特征,通过增加隐含层的宽度达到丰富特征的目的,在前3个模块引入监督约束层提取更有效的人脸特征,采用两次迭代训练过程获取更佳的网络模型,该网络能够学习高维空间特征并预测人脸特征点的坐标位置。实验结果表明,即使在遮挡、复杂姿势、光照等情况下,该算法依然可以取得较优的人脸对齐效果。
（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。
网络对齐论文参考文献
[1].滕磊,李苑,李智星,胡峰.基于知识图嵌入的跨社交网络用户对齐算法[J].计算机应用.2019
[2].杨晓青,莫建文.基于深度卷积神经网络的端对端人脸对齐算法[J].计算机工程与设计.2019
[3].何鑫,祁欣,马海涛,赵宇海,于长永.轻量非对齐卷积神经网络模型探索[J].小型微型计算机系统.2019
[4].张继,金翠,王洪元,陈首兵.基于奇异值分解行人对齐网络的行人重识别[J].山东大学学报(工学版).2019
[5].丁颖,李军辉,周国栋.基于词对关联网络的句子对齐研究[J].中文信息学报.2019
[6].冯朔,申德荣,聂铁铮,寇月,于戈.一种基于最大公共子图的社交网络对齐方法[J].软件学报.2019
[7].罗子朦.基于空间转换网络的人脸对齐[D].北京邮电大学.2019
[8].李世宝,王宜馨,赵大印,叶伟,郭琳.异构网络中天线资源有限时的部分干扰对齐方案[J].计算机应用.2019
[9].王刚,李咏梅,孟超,王灏,衡伟.基于波束成形和干扰对齐的D2D通信蜂窝网络接入控制（英文）[J].JournalofSoutheastUniversity(EnglishEdition).2019
[10].齐程,解志斌,鲁春燕,钱洪娟.两层网络中基于聚类算法的分簇干扰对齐研究[J].江苏科技大学学报(自然科学版).2019