导读:本文包含了兴趣域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:兴趣,网络,模型,对等,数据,结构化,图像。
兴趣域论文文献综述
金兵兵,宋颉,丁晶,徐海滨,王楠[1]（2019）在《结合网络评论数据与道路约束的城市兴趣域识别方法研究——以广州市越秀区为例》一文中研究指出城市兴趣域的识别对城市研究具有重要的现实意义。当前识别大多是通过遥感影像以及实地调查,采用欧式距离的区域范围估计方法实现,没有考虑城市居民活动以及道路结构约束对兴趣域产生的影响。本研究提出一种结合网络评论数据和道路约束的城市兴趣域识别方法。首先,采用约束Delaunay算法,对空间结构复杂的道路进行简化;继而,设计基于Epanechnikov核函数的网络核密度算法,实现顾及道路约束的城市兴趣域空间范围的划分;最后,通过网络评论数据中的评论次数与评论文本,量化城市兴趣域的吸引程度,并依此判别其功能类型,从而实现兴趣域的识别。实验以广州市越秀区为例,成功识别出了宜安广场、北京路等城市兴趣域。该方法对城市空间结构的精细化识别、分析和规划具有重要的现实意义。(本文来源于《地理信息世界》期刊2019年03期）
朱国家[2]（2018）在《基于兴趣域检测的图像分类方法研究》一文中研究指出随着互联网和多媒体技术的发展,越来越多的具有拍照功能的智能终端被普及,互联网上每天都有海量的图像和视频信息出现在人们的生活中。面对日益增长的图像数据,如何进行有效的分类,对管理者和用户而言都是至关重要的,还将会带来巨大的经济效益。有越来越多的学者投入研究,图像分类也成为计算机视觉领域的热点之一。在分析国内外对图像分类方法的相关研究成果的基础上,结合传统主流的目标检测方法和图像分类方法,提出两种基于兴趣域检测的图像分类方法,并用分布式平台对所提方法相关步骤进行加速,有效改善了分类的准确率和效率。本文主要研究内容包括:(1)由于在图像分类过程中,图像所包含的目标主体的大小和位置都不确定,直接使用SPM算法进行分类时,分类准确率并不理想。提出一种基于兴趣域检测的空间金字塔匹配图像分类方法,首先使用DPM算法对输入图像提取感兴趣区域(Region of Interest,ROI)和背景区域,然后利用空间金字塔对这两个区域分别进行多尺度划分,得到用视觉词袋表达的直方图特征,并将统计合并的直方图特征输入分类模型中得到初始分类结果;最后结合DPM算法提供的ROI置信度为初始分类结果重新评分,得到最终的分类结果。实验表明,相比传统的SPM算法,提出的算法能明显提升分类准确率。(2)由于基于兴趣域检测的空间金字塔匹配图像分类方法仅使用单一特征和单一的分类器进行分类,存在一定的局限性,提出一种基于兴趣域检测的多特征融合方法,使用多特征和多分类器融合来进行图像分类。通过实验表明该方法能进一步提高分类准确率。(3)针对传统的图像分类过程在单机上处理的效率不高的问题,提出一种基于分布式平台构建的图像处理框架,充分利用分布式平台的高效性和可扩展性。通过实验得到了良好的加速比,提升了图像分类效率。(本文来源于《武汉工程大学》期刊2018-05-30）
周华兵,朱国家,张彦铎,任世强[3]（2018）在《基于兴趣域检测的空间金字塔匹配图像分类》一文中研究指出在图像分类过程中,一个图像区域内起着决定性作用的对象位置和大小都不确定,直接使用空间金字塔匹配算法的分类准确率并不高。为此,提出了一种基于兴趣域检测的空间金字塔匹配方法可以有效改善分类准确率。首先利用检测器得到的定位结果,证实了在图像分类里使用一种主流的目标检测算法去将图像的目标和背景分离,分别得到前景和背景的可行性,然后使用粗目标对齐方式匹配,为这两个区域分别构建基于空间金字塔匹配算法的空间特征直方图,最后结合检测器提供的兴趣域检测评分与支持向量机提供的评分为分类结果重评分。实验结果表明,所提方法比使用标准的空间金字塔匹配算法得到的平均准确度均值提升超过12%,同时在与叁种主流算法的对比中,所提方法平均准确度均值最高,并且在超过一半的图像类别中获得了最高的平均准确度。(本文来源于《计算机工程与应用》期刊2018年03期）
李德玉,翁小奎,李艳红[4]（2013）在《基于用户兴趣域的混合数据聚类标签算法》一文中研究指出数据聚类标签技术是在小规模样本上进行聚类,然后利用聚类结果对其余样本标注类别的方法是提高大规模数据聚类效率的一种有效途径.混合数据是现实应用中最广泛的数据类型,文章将用户兴趣数据作为小规模数据,利用K-prototypes算法对其聚类,在此基础上构建用户兴趣域.利用拟标签数据的各属性值与用户兴趣域分量的关系定义了数据关于用户兴趣域隶属度.基于用户兴趣域和"数据-用户兴趣域"隶属度的概念,提出了一种基于用户兴趣混合数据聚类标签算法UIMCL(User’s Interest Mixed Data Clustering Label).该算法克服了以往数据标签算法只能为拟标记数据指派一个类标签的局限性,可以应用于电子商务的推荐服务和用户行为分析.实验结果表明,该算法对混合数据聚类标签处理有较好的效果.(本文来源于《山西大学学报(自然科学版)》期刊2013年02期）
严轶群,郑刚[5]（2013）在《一种新的基于兴趣域的P2P信任模型》一文中研究指出针对P2P网络中节点之间由于兴趣不对称难以建立直接信任关系,参考人类社会网络结构,借鉴小世界理论(small_word),提出一种新的基于兴趣域划分的P2P信任模型(BIDTM信任模型)。BIDTM模型通过计算节点兴趣相似度划分兴趣域,计算节点总体信任度综合域内信任与域间信任。模拟试验表明,BIDTM信任模型在迭代的收敛速度、下载成功率、抑制恶意节点方面较传统模型有较大的改进。(本文来源于《长江大学学报(自科版)》期刊2013年13期）
郭志伟,李玮,张涛,王攀峰[6]（2012）在《基于兴趣域的P2P气象资料搜索机制研究》一文中研究指出P2P技术有助于解决目前气象资料传输效率不高的问题,如何高效地搜索资源是P2P网络中最为关键的问题。文中为了在P2P环境中实现气象资料的更快更精确搜索,结合气象资料特点,提出了一种基于兴趣域的P2P气象资料搜索机制。通过该方法建立气象元数据向量空间模型,计算向量空间模型相似度来划分不同兴趣域,从而提高搜索成功率。实验结果表明该方法只将查询消息路由到相关兴趣的节点上,缩短了平均搜索路径,提高了查询效率,高于一般洪泛算法。(本文来源于《计算机技术与发展》期刊2012年08期）
赵新慧[7]（2011）在《基于兴趣域的非结构化P2P模型》一文中研究指出泛洪式路由(Flooding)是在非结构化对等网络中进行有效资源查找的主要方式,但其路由过程将产生大量冗余消息,因而严重制约了其可扩展性。随节点数增多,泛洪式路由的网络带宽消耗也变得异常严重。针对非结构化P2P网络拓扑的特点,结合对已有的非结构化P2P搜索算法的研究,文章提出了一种基于兴趣域的非结构化P2P搜索算法,使得节点能在短时间内查找到有效的资源,减少了查询信息量,缩短了路由路径,提高了搜索效率。(本文来源于《计算机与数字工程》期刊2011年09期）
赵新慧,冯锡炜,石元博[8]（2011）在《基于兴趣域中心节点的P2P网络拓扑》一文中研究指出资源搜索是P2P应用所面临的最核心问题之一,相关的非结构化P2P系统主要采用查询消息泛洪和信息索引机制。通过对分布非结构化的搜索算法以及对现有改进算法的研究,参考网络中的小世界性给出一种基于兴趣域中心节点的P2P网络拓扑结构。该算法使得节点能在短时间内查找到有效的资源,减少了查询信息量,缩短了路由路径,提高了搜索效率。(本文来源于《科学技术与工程》期刊2011年21期）
杨莉,张毓森,邢长友,王金双[9]（2011）在《兴趣域信任相似度敏感的P2P拓扑构建模型》一文中研究指出为了提高对等(P2P)网络系统中资源定位效率,保证资源下载质量,基于P2P网络中节点偏好的兴趣域划分机制,给出了兴趣域信任相似度的概念和计算方法,并在此基础上设计实现了一种基于兴趣域信任相似度的对等网络拓扑(ITAPT)模型.ITAPT模型通过引入节点间的兴趣域信任相似度,使具有相近兴趣偏好且兴趣域可信度向量相似的节点互为邻居,提高了节点资源查询效率,同时又能激励节点提供更多贡献.仿真结果表明,该模型在拓扑有效性和安全性等方面比现有典型机制均有较大提高.(本文来源于《北京邮电大学学报》期刊2011年02期）
龚卫华,杨良怀,金蓉,丁维龙[10]（2011）在《基于主题的用户兴趣域算法》一文中研究指出针对用户兴趣偏好多变问题,提出一种兴趣特征权重随时间而变化的迭代计算方法。构造了用户兴趣特征与主题类间的二部图关系,并在此基础上提出了一种基于主题的用户兴趣聚类算法(TBC),改变了聚类对象"非此即彼"的硬划分方式。该算法所形成的基于主题的用户兴趣域结构,不仅充分表达了用户的多域兴趣特征和域间主题的联系,还能适应用户兴趣变化。实验表明,TBC算法比传统的K-Means算法以及属于软划分方式的FCM聚类具有更好的用户兴趣划分效果,并且在个性化推荐服务中表现出更高的推荐质量和效率。(本文来源于《通信学报》期刊2011年01期）
兴趣域论文开题报告
（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：
随着互联网和多媒体技术的发展,越来越多的具有拍照功能的智能终端被普及,互联网上每天都有海量的图像和视频信息出现在人们的生活中。面对日益增长的图像数据,如何进行有效的分类,对管理者和用户而言都是至关重要的,还将会带来巨大的经济效益。有越来越多的学者投入研究,图像分类也成为计算机视觉领域的热点之一。在分析国内外对图像分类方法的相关研究成果的基础上,结合传统主流的目标检测方法和图像分类方法,提出两种基于兴趣域检测的图像分类方法,并用分布式平台对所提方法相关步骤进行加速,有效改善了分类的准确率和效率。本文主要研究内容包括:(1)由于在图像分类过程中,图像所包含的目标主体的大小和位置都不确定,直接使用SPM算法进行分类时,分类准确率并不理想。提出一种基于兴趣域检测的空间金字塔匹配图像分类方法,首先使用DPM算法对输入图像提取感兴趣区域(Region of Interest,ROI)和背景区域,然后利用空间金字塔对这两个区域分别进行多尺度划分,得到用视觉词袋表达的直方图特征,并将统计合并的直方图特征输入分类模型中得到初始分类结果;最后结合DPM算法提供的ROI置信度为初始分类结果重新评分,得到最终的分类结果。实验表明,相比传统的SPM算法,提出的算法能明显提升分类准确率。(2)由于基于兴趣域检测的空间金字塔匹配图像分类方法仅使用单一特征和单一的分类器进行分类,存在一定的局限性,提出一种基于兴趣域检测的多特征融合方法,使用多特征和多分类器融合来进行图像分类。通过实验表明该方法能进一步提高分类准确率。(3)针对传统的图像分类过程在单机上处理的效率不高的问题,提出一种基于分布式平台构建的图像处理框架,充分利用分布式平台的高效性和可扩展性。通过实验得到了良好的加速比,提升了图像分类效率。
（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。
兴趣域论文参考文献
[1].金兵兵,宋颉,丁晶,徐海滨,王楠.结合网络评论数据与道路约束的城市兴趣域识别方法研究——以广州市越秀区为例[J].地理信息世界.2019
[2].朱国家.基于兴趣域检测的图像分类方法研究[D].武汉工程大学.2018
[3].周华兵,朱国家,张彦铎,任世强.基于兴趣域检测的空间金字塔匹配图像分类[J].计算机工程与应用.2018
[4].李德玉,翁小奎,李艳红.基于用户兴趣域的混合数据聚类标签算法[J].山西大学学报(自然科学版).2013
[5].严轶群,郑刚.一种新的基于兴趣域的P2P信任模型[J].长江大学学报(自科版).2013
[6].郭志伟,李玮,张涛,王攀峰.基于兴趣域的P2P气象资料搜索机制研究[J].计算机技术与发展.2012
[7].赵新慧.基于兴趣域的非结构化P2P模型[J].计算机与数字工程.2011
[8].赵新慧,冯锡炜,石元博.基于兴趣域中心节点的P2P网络拓扑[J].科学技术与工程.2011
[9].杨莉,张毓森,邢长友,王金双.兴趣域信任相似度敏感的P2P拓扑构建模型[J].北京邮电大学学报.2011
[10].龚卫华,杨良怀,金蓉,丁维龙.基于主题的用户兴趣域算法[J].通信学报.2011
论文知识图
