导读:本文包含了生成树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:最小,算法,序数,复杂度,相似性,遥感,垫片。
生成树论文文献综述
耿彧,赵仲孟,刘建业[1](2019)在《重构肿瘤克隆单体型的改进生成树算法》一文中研究指出目的基于叁代测序数据重构肿瘤克隆单体型,有效识别肿瘤异质性。方法该算法提取混合肿瘤数据中的变异位点数据,通过概率函数求解各体细胞突变位点的连接权值;设计了一种基于最大生成树的单体型重构算法,遵循肿瘤克隆间继承原则逐级扩展最大生成树,以确定克隆中各变异位点的连接模式;采用厚度剥离方法估计求得子克隆个数、配比及演化关系。结果在仿真实验中,分别对测序覆盖度、读段长度、亚克隆数目及体细胞变异率四个指标进行了准确率分析,充分说明了该算法具有良好的鲁棒性;该算法对肿瘤克隆单体型重构精度均值可达到97%以上,与其它工具进行性能比较具有显着优势。结论所提方法可以较为精确的重构肿瘤亚克隆单体型,明晰肿瘤克隆演化过程,为肿瘤异质性研究和临床决策提供理论依据。(本文来源于《南方医科大学学报》期刊2019年11期)
李蓟涛,梁永全[2](2019)在《基于最小生成树的分割区域密度聚类算法》一文中研究指出针对传统密度聚类算法因使用全局变量导致对不平衡数据集的适应能力较差的问题,提出了一种基于最小生成树的密度聚类算法.首先进行数据集密度峰值计算,用于估计全局密度;然后通过密度聚类将数据集划分为高密度区域和低密度区域;接着构建和分割最小生成树对低密度区域内样本进行关联挖掘,用于将高密度区域与低密度区域互联;最后计算簇密度并以此作为特征进行簇合并,得到聚类结果.该算法结合图论知识,将数据按密度特征进行分块后合并处理,克服了传统密度聚类算法存在的局限性.通过选取多个不平衡人工数据集和UCI数据集对该算法进行测试,验证了该算法的有效性与鲁棒性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年09期)
孙利浩,张晓炎,陈思超,韩荣杰,邱海锋[3](2019)在《基于最小生成树的配电通信接入网规划算法》一文中研究指出智能电网是未来电网发展的必然趋势,而通信网络则是实现智能电网的基础。无源光纤网络(Passive Optical Network,PON)技术以其多样性、高速率、成本低等优点在配电自动化工程中广泛应用,但是由于各种因素影响,目前PON通信网络规划通常只能由工程师依靠经验完成,效率低且不经济。研究以最小建设成本为目标,在保证通信网络正常工作的前提下,应用最小生成树理论和普利姆算法,设计了一种配电通信接入网PON网络规划算法,实现了一键式PON通信网络规划。将算法运用于实际的区域中,仿真结果表明,研究所提的算法能有效地降低建设成本。(本文来源于《电力学报》期刊2019年04期)
李舒婷[4](2019)在《基于局部差异的最小生成树功能脑网络分类研究》一文中研究指出复杂脑网络的分析与研究是近几年来神经精神疾病领域的研究热点。作为复杂网络理论在神经认知科学的具体应用,复杂脑网络在了解有关神经精神疾病的发病机理方面起到了很重要的作用。将图论应用于复杂网络中,会为复杂网络的研究提供更多的方向和思路。最小生成树是应用最为广泛的图论算法之一,作为新兴的有效研究手段,活跃于神经精神疾病的相关研究中。该方法能够确保脑网络的连通性,按一定规则对边进行删减,最终获得总权重最小的生成树。在进行相关指标的计算时,其结果也不会受到网络大小以及密度等因素的干扰,同时,该网络在神经学上也具有良好的可解释性。尽管这一领域已经取得许多令人惊喜的成果,但仍然存在一些亟待解决的问题。先前的研究发现,传统最小生成树的特征提取方法使用局部可量化指标来分类脑疾病,忽略了低权重的连接和集群在大脑网络中信息处理的重要作用,造成网络中一些有用信息丢失,较其他网络特征而言,其分类正确性明显偏低,特征有效性和分类准确率都将会因此下降。在此基础上,本文希望找到一种综合方法既可以最大程度实现组间差异的表征,又能提供更多更有效的分类特征,以服务分类研究。为解决这些问题,本文提出了一种在局部差异网络的基础上构建最小生成树功能网络进行特征提取的新方法。具体的创新工作如下:首先,基于网络的统计被用于识别抑郁组与对照组间功能连接强度有明显区别的连接及连接所涉及的大脑区域,作为构建局部差异网络的第一步。该方法是对大型网络进行统计分析的一种处理图上多重比较问题的非参数统计的有效方法。许多研究已经使用这种方法来识别与实验效果或组间差异相关的连接以及包含人类连接体的网络。其次,对每个局部差异子网进行最小生成树脑网络的构建。所构建的网络在确保连通性的同时,尽可能保持较高的连接强度。本文分别构建以每个脑区及其差异连接所涉及的脑区为节点的局部差异网络,在此基础上,对每个子网进行最小生成树功能连接网络的构建,进行下一步的分析研究。最后,本文对局部差异最小生成树脑网络进行分类研究。大脑作为一种复杂网络,需要对其从多方面进行量化。在每一个局部差异最小生成树脑网络上进行全局和局部指标的计算,可以获得更多可用于分类的有效特征,能在一定程度上提升分类准确率。结果表明,与传统在全脑使用最小生成树构建脑网络的分类方法相比,本文的方法能够提供更多的有效特征,这将使分类准确率有明显的提升。本文为今后在脑网络拓扑属性分析及机器学习应用方面,对网络构建以及特征提取提供重要的可参考依据,也为医学辅助诊断和脑科学特别是脑疾病的研究提供一定的帮助。本文是国家自然科学基金项目《静息态功能脑网络高阶复杂时空效应分析及建模研究》(61876124)的主要组成部分。研究工作还得到了山西省科技厅应用基础研究项目(201801D121135),山西省教育厅高等学校科技创新研究项目(2016139),山西省科技厅重点研发计划项目(201803D31043),教育部赛尔网络下一代互联网技术创新项目(NGII20170712)的支持。本文的关键是在局部差异最小生成树脑网络上进行相关的研究,以及发掘脑疾病患者在其脑网络上发生的改变,希望能获得可以为脑疾病早期诊断起到一定帮助的标志物。这一课题在国际和国内都非常热门且重要。(本文来源于《太原理工大学》期刊2019-06-01)
陈小坤[5](2019)在《Sierpinski垫片分形图上的生成树与树熵》一文中研究指出本文通过计算Sierpinski垫片分形图序列上的生成树数目,研究生成树数目序列的渐进复杂度——树熵.针对一类特殊的Sierpinski垫片分形的子集,考虑其相应的图逼近序列.我们证明了相应生成树数目序列的树熵都存在且相等,并且生成树数目序列可以由树熵、顶点数、次熵、边界点数渐进表示.(本文来源于《南京大学》期刊2019-05-01)
张亚蕾[6](2019)在《最大生成树算法及其应用的研究》一文中研究指出在最小生成树常见算法的基础上,研究了最大生成树的避圈法、破圈法、Prim算法、逐步短接法等,并研究了这些算法的实际应用.(本文来源于《河南教育学院学报(自然科学版)》期刊2019年02期)
于修成,宋燕,李航[7](2019)在《基于改进Census变换与最小生成树的立体匹配算法》一文中研究指出针对现有立体匹配算法对噪声敏感、在视差不连续和弱纹理区域匹配率低的问题,提出一种改进Census变换的多尺度立体匹配算法。选取支持窗口内像素的加权平均值作为Census变换参考值,其中权重由空间与像素差异信息共同决定;然后为参考值设置一定的噪声容限α,并通过四种状态得到比特串。在多尺度下,融合最小生成树完成代价聚合。实验结果表明,论文提出的立体匹配算法有效降低了图像的误匹配率:对标准图像对的平均误匹配率仅为3.65%;噪声干扰下的误匹配率为4.53%;对27组扩展图像对的误匹配率为10.8%。因此,论文提出的改进立体匹配算法不仅能有效降低图像在低纹理区域和视差不连续区域的误匹配率,还对噪声等干扰能表现出较好的稳健性。(本文来源于《计算机与数字工程》期刊2019年03期)
吕晓波[8](2019)在《基于最小生成树的聚类算法研究》一文中研究指出聚类方法在数据挖掘与图像处理中处于非常重要的地位,然而由于数据的多样性与数据分布的复杂性,诸如分块法、层次聚类、基于密度和格点等方法都无法做到令人满意。有足够多的证据显示,最小生成树表示对于簇边界处的几何变化具有不变性。因此,簇的形状对于基于最小生成树的聚类算法的性能影响较小。基于此,国内外许多学者在基于最小生成树(MST)的聚类算法上做了大量的研究。但是,大多数方法都存在着无法适应不同特点的数据集或对噪声敏感等问题。因此,提出一种能适应不同形状数据集的聚类算法具有很重要的意义。本文根据目前的研究状况,主要进行了以下的工作:(1)针对已有的初始聚类中心选取算法在描述聚类中心上具有一定的局限性,使得聚类算法仅适用于簇状数据集。本文提出了一种基于密度与测地距离的初始聚类中心选取方法。我们认为聚类中心符合2个特点:一是密度大于其邻点的密度;其次是与比其密度更大的数据点的距离相对更大。根据这两个特点来选取初始聚类中心,可以适应不同形状的数据集。(2)对于基于最小生成树的聚类算法,其性能受簇形状的影响较小,但如何准确找到簇间不一致边是该类方法中亟待解决的问题之一。大多数基于最小生成树的聚类算法把最小生成树中较长的边作为不一致边的候选边,使得算法对簇的形状与噪声敏感。本文将不一致边的候选边限制在初始聚类中心间的路径上,大大减少了候选边的搜索范围,并且最终结果不受噪声影响。(3)大多数类内评价指标方法使用欧式距离作为相似度标准,并且使用两簇点对间的平均距离等作为类间距离,使得评价结果受限于簇的形状。本文提出一种新的类间距离计算方法,该方法利用位于类间交界处数据点间的距离来定义类间距离。另外,本文提出了一种新的内部聚类评价指标来选择最优聚类结果。在合成数据集,真实数据集,以及图像数据集上面的实验结果表明,本文提出的基于基于最小生成树方法具有良好的性能。(本文来源于《上海师范大学》期刊2019-03-01)
王智敏,郭正胜[9](2019)在《基于最小生成树的遥感影像分割》一文中研究指出随着遥感影像在人们生产生活各个方面的广泛应用,普通的分割算法已不适用于高分辨率遥感影像的目标识别需求。本文提出了一种基于最小生成树的遥感影像分割算法,首先根据像素间的相似性测度构建遥感影像的无向带权图,然后通过Prim算法生成遥感影像的最小生成树用于刻画影像的像素间相似性结构,并建立最小生成树的拓扑结构;在此基础上,建立基于最小生成树的分割模型,进行子树划分,从而达到影像分割的目的。模拟和真实影像的分割实验表明,本文算法是一种有效的遥感影像分割算法。(本文来源于《测绘与空间地理信息》期刊2019年01期)
戴文彬[10](2019)在《基于最小生成树的聚类集成》一文中研究指出将最小生成树引入聚类集成问题中,以基聚类所生成的簇为顶点,以簇间相似性为权重,利用普里姆算法得到最小生成树,通过依次剔除树中所剩的边的最小权重边,生成所对应的元聚类,计算每个元聚类的簇内相似性与簇间相似性的差值,差值最大的元聚类为最终的聚类结果。该方法自动生成最终的聚类,并不需要接收任何输入参数。在多组人工数据集与真实数据集上进行实验,实验结果表明所提出的方法较其他主流聚类集成方法具有一定的性能优势。(本文来源于《电子元器件与信息技术》期刊2019年01期)
生成树论文开题报告
(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:
针对传统密度聚类算法因使用全局变量导致对不平衡数据集的适应能力较差的问题,提出了一种基于最小生成树的密度聚类算法.首先进行数据集密度峰值计算,用于估计全局密度;然后通过密度聚类将数据集划分为高密度区域和低密度区域;接着构建和分割最小生成树对低密度区域内样本进行关联挖掘,用于将高密度区域与低密度区域互联;最后计算簇密度并以此作为特征进行簇合并,得到聚类结果.该算法结合图论知识,将数据按密度特征进行分块后合并处理,克服了传统密度聚类算法存在的局限性.通过选取多个不平衡人工数据集和UCI数据集对该算法进行测试,验证了该算法的有效性与鲁棒性.
(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。
生成树论文参考文献
[1].耿彧,赵仲孟,刘建业.重构肿瘤克隆单体型的改进生成树算法[J].南方医科大学学报.2019
[2].李蓟涛,梁永全.基于最小生成树的分割区域密度聚类算法[J].计算机辅助设计与图形学学报.2019
[3].孙利浩,张晓炎,陈思超,韩荣杰,邱海锋.基于最小生成树的配电通信接入网规划算法[J].电力学报.2019
[4].李舒婷.基于局部差异的最小生成树功能脑网络分类研究[D].太原理工大学.2019
[5].陈小坤.Sierpinski垫片分形图上的生成树与树熵[D].南京大学.2019
[6].张亚蕾.最大生成树算法及其应用的研究[J].河南教育学院学报(自然科学版).2019
[7].于修成,宋燕,李航.基于改进Census变换与最小生成树的立体匹配算法[J].计算机与数字工程.2019
[8].吕晓波.基于最小生成树的聚类算法研究[D].上海师范大学.2019
[9].王智敏,郭正胜.基于最小生成树的遥感影像分割[J].测绘与空间地理信息.2019
[10].戴文彬.基于最小生成树的聚类集成[J].电子元器件与信息技术.2019