导读:本文包含了快速搜索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:算法,快速搜索,框架,时空,快速,栅格,正交。
快速搜索论文文献综述
王培晓,张恒才,王海波,吴升[1]（2019）在《ST-CFSFDP:快速搜索密度峰值的时空聚类算法》一文中研究指出时空聚类算法是地理时空大数据挖掘的基础研究命题。针对传统CFSFDP聚类算法无法应用于时空数据挖掘的问题,本文提出一种时空约束的ST-CFSFDP(spatial-temporal clustering by fast search and find of density peaks)算法。在CFSFDP算法基础上加入时间约束,修改了样本属性值的计算策略,不仅解决了原算法单簇集多密度峰值问题,且可以区分并识别相同位置不同时间的簇集。本文利用模拟时空数据与真实的室内定位轨迹数据进行对比试验。结果表明,该算法在时间阈值90 s、距离阈值5 m的识别正确率高达82.4%,较经典ST-DBCSAN、ST-OPTICS及ST-AGNES聚类算法准确率分别提高了5.2%、4.2%和7.6%。(本文来源于《测绘学报》期刊2019年11期）
范虹,张程程,侯存存,朱艳春,姚若侠[2]（2019）在《结合双树复小波变换和改进密度峰值快速搜索聚类的乳腺MR图像分割》一文中研究指出针对乳腺MR图像组织复杂、灰度不均匀、难分割的特点,本文提出双树复小波(DTCWT)变换结合密度聚类的图像分割方法.首先利用复小波域双变量模型结合各向异性扩散函数对图像进行去噪处理;进而通过简单线性迭代聚类(SLIC)算法将图像划分成一定数量的超像素区域,根据事先设置的阈值搜索每个超像素的近邻,从而降低基于K近邻的密度峰值快速搜索聚类(KNN-DPC)算法寻找每个样本近邻的时间;最终,引入超像素区域的近邻信息度量样本密度,采用KNN-DPC算法的分配策略自适应聚类.仿真和临床数据分割结果表明,所提算法能有效的实现乳腺MR图像的分割.(本文来源于《电子学报》期刊2019年10期）
盛亮,杨华东,肖玉杰,李恒,孟祥尧[3]（2019）在《基于膨胀搜索机理的水下航行器快速路径规划新算法》一文中研究指出针对目前水下航行器路径规划的典型算法中所求最优解质量不高,不能保证得到最短路径的问题,提出了一种基于膨胀搜索机理的水下快速路径规划新算法。该算法通过栅格法进行环境建模,考虑了障碍物、敌对威胁和强湍流的影响,由内而外展开了双循环搜索,能够确保所得路径是全局最优的。仿真结果表明:新算法能够在完全避障、避险的前提下找到起始点和目的点之间的一条最优路径,且相较于传统的A~*算法,所得优化路径长度更短。(本文来源于《海军工程大学学报》期刊2019年05期）
朱元振,刘玉田[4]（2019）在《基于深度学习直流闭锁判断的高风险连锁故障快速搜索》一文中研究指出大容量直流输电系统的快速发展及多馈入直流系统的出现,增加了系统发生连锁故障的风险。建立了基于深度学习的直流闭锁快速判断模型,提出一种高风险连锁故障快速搜索方法。直流闭锁快速判断模型以网络结构和故障位置相关的稳态特征量作为输入,利用堆迭降噪自动编码器(SDAE)提取输入的高阶特征,可以快速判断交流故障是否导致直流闭锁。根据交流故障后正常线路的负载率情况衡量该故障的影响程度,进而得到线路停运风险;搜索过程中采用深度优先策略,以高停运风险为搜索方向,优先获取故障概率较高的交直流连锁故障。实际电网仿真结果表明,所提方法能够快速给出高风险交直流连锁故障的传播路径和故障概率,可用于在线安全预警和防控决策。(本文来源于《电力系统自动化》期刊2019年22期）
刘义鹏,李志鹏,蒋哲臣,梁荣华[5]（2019）在《基于密度峰值搜索的脑纤维快速聚类算法》一文中研究指出弥散张量成像为人类大脑白质结构无创检测提供了良好的前景,但是这类方法往往会产生庞大且难以理解的纤维数据集,如何对纤维集合进行有效地可视分析是临床研究中的重要问题。为解决该问题,采用动态时间规整算法,该算法通过拉伸和压缩两时间序列将其整合成同一长度然后计算最短折迭路径距离作为其相似距离,并将其扩展用于脑纤维相似性测量并得到快速且准确的结果。相似度是纤维聚类的唯一信息来源,纤维相似度矩阵的计算占据主要的计算时间,对密度峰值搜索算法进行改进,在连续聚类框架中对脑纤维进行聚类。最后通过实验证明这种连续聚类方法在满足聚类精度要求的同时能显着降低计算复杂度。(本文来源于《浙江工业大学学报》期刊2019年05期）
王亮,王晓霞,戴祥利[6]（2019）在《快速搜索随机树算法在航空电缆布线中的应用》一文中研究指出针对航空电缆布线中面临的电缆线路分支多、路径复杂等问题,提出一种改进的快速搜索随机树算法。应用这一算法对各电缆线路分支进行计算,进而得出最优路径轨迹,以及各电缆线路分支轨迹的长度。对所提出的算法进行样机试验,确认电缆布线包装机能够达到包装技术标准中无褶皱冗余、路径最短、表面绝缘层无磨损等要求。应用所提出的改进快速搜索随机树算法,可以有效提高航空电缆布线效率,降低劳动量和报废率。(本文来源于《机械制造》期刊2019年09期）
李世明,张明宇,周英,周国辉,付宝君[7]（2019）在《基于DHT的轻量级Chord协议快速搜索的研究》一文中研究指出提高P2P网络资源快速定位效率是Chord协议的应用之一.提出了一种基于DHT的轻量级Chord资源快速定位算法.该算法根据节点自身资源被访问次数建立资源管理表并利用哈希函数对资源号有序序列实现相同资源搜索时减少遍历次数,也就加快了热度资源查询与定位速度.仿真实验表明,该算法在小型P2P网络中用来提高资源定位效率是可行的.(本文来源于《哈尔滨师范大学自然科学学报》期刊2019年04期）
盛斯雨,郭微,付金山,朴胜春[8]（2019）在《快速正交搜索算法在水声信号处理中的应用》一文中研究指出信号的谱估计技术作为一种十分重要且应用广泛的信号分析处理手段,对其性能的不断提升和改进一直是水声信号处理领域研究的重点和热点。对此,该文将快速正交搜索算法应用于水声信号的谱估计中,通过隐式正交对参数进行搜索,实现对信号频率、幅度、相位的估计。仿真和实验数据处理结果表明,相较于传统的谱估计方法,该方法能稳定且准确地估计水声信号的多个参数,获得频率分辨率较高的谱估计结果。(本文来源于《应用声学》期刊2019年04期）
王雅[9]（2019）在《快速搜索运动估计算法的性能优化研究与实现》一文中研究指出近年来,随着互联网信息技术的迅速发展,人们对于视频信息的需求急速增长,因而对视频质量的要求也越来越高,提高视频质量变得尤为重要。然而,没有经过压缩的视频数据量巨大,难以进行存储和传输。视频压缩是用于消除冗余数据、减少视频存储和传输开销的一项关键视频应用。提高视频压缩的质量和效率,已经成为科研人员和业界关注的热点问题。在视频压缩时可采用帧间预测来去除帧序列中的时间冗余,而运动估计是用于帧间预测的一项核心技术。但是,运动估计算法非常耗时,大约花费70%的编码时间,并且对于高清晰度视频,该比率甚至更高。因此,降低运动估计的时间成本成为整个视频压缩过程得到加速的关键。运动估计算法分为全搜索算法和快速搜索算法。快速搜索算法虽然在速度上优于全搜索算法,但是由于快速搜索运动估计算法数据访问的不规则性,其搜索时间仍然较长。数据重用是提高运动估计算法性能的一种有效手段,国内外学者应用这一方法作了大量的相关研究。然而,目前针对于快速搜索运动估计的数据重用方法研究较少。本文以快速搜索运动估计算法的性能优化方法及其实现为研究目标,以一种典型的快速搜索运动估计算法TZSearch为研究对象,从同一个当前块的不同搜索步骤之间的数据重用和两个相邻当前块的搜索区域之间的数据重用两个方面展开研究工作。通过实验证明本文所提出数据重用方法可以有效地提高算法的运行效率。本文的创新点和贡献包括以下几个方面:(1)提出同一个当前块的不同搜索步骤之间的数据重用方法。结合TZSearch算法的搜索步骤,算法首先进行钻石搜索,然后再以上一步的搜索结果为中心进行光栅搜索,最后进行循环钻石搜索。根据算法的搜索过程,本文提出同一个当前块不同搜索步骤之间的数据重用方法,可以充分地利用搜索过程中数据重用区的数据,从而提高数据处理效率,降低算法的运行时间。本文首先分析了TZSearch运动估计算法及其数据访问特点。然后,分析算法在不同搜索步骤之间的数据重用范围。最后,将可重用数据保存在片上存储器以备后续搜索步骤中使用。在后续搜索步骤中可以直接从片上存储器中读取可重用数据,减少了对片外存储器的访问次数,加快了数据访问速度。实验结果表明,本文所提供的数据重用方法明显提高了TZSearch算法搜索的运行速度,最多将时间降低了62.02%。(2)提出两个相邻当前块的搜索区域之间的数据重用方法。结合TZSearch算法的搜索过程,本文提出两个相邻当前块的搜索区域之间的数据重用方法。该方法将搜索过程中数据重用区的数据在片上合理的利用起来,减少算法访问片外存储器的次数,降低算法的运行时间,进而提高数据处理效率。以TZSearch算法为例,本文首先分析了两个相邻当前搜索块在搜索过程中对应搜索区数据的可重用性,发现当两个相邻的当前块进行搜索时搜索区内的数据会发生重迭;然后预先将重迭区数据保存在片上存储器,以备后续搜索步骤中使用。在算法运行的过程中,可以直接在片上存储器中读取到视频图像重迭区域内的数据,仅需要访问片外存储器来搜索视频图像非重迭区域,从而减少了对片外存储器的访问次数,加快了数据访问速度。实验结果表明,本文所提供的数据重用方法明显提高了TZSearch算法的运行速度,最多将时间降低了54.79%。(3)优化方法的实现。在众核GPU平台上基于CUDA架构对运动估计算法进行性能优化,主要结合TZSearch算法的具体搜索特征和GPU的存储架构,运用数据重用这一优化方法对快速运动估计算法进行具体的分析与优化。通过对提出的优化方法进行实验,并且与相关的研究进行比较,测试提出的优化方法是否能得到最优的实验结果,最后将实验结果进行直观的展示。(本文来源于《山东师范大学》期刊2019-06-10）
陈春涛[10]（2019）在《快速搜索与密度峰值发现算法的研究与应用》一文中研究指出聚类是无监督机器学习的一种,在不需要先验知识的情况下,根据数据间的相似性将数据划分为不同的集合,称为类簇。聚类在自然科学、机械工程、生物医学等众多领域得到广泛的应用。因此,获得一种高质量的聚类算法对学术研究和生产生活都有重要的意义。根据算法分析数据的状态,聚类可以分为针对静态数据的经典聚类算法和针对数据流的数据流聚类算法。快速搜索与密度峰值发现算法DP,是新近提出的基于局部密度和距离的聚类算法。该算法具有能够发现任意形状的类簇、逻辑简单易于理解、超参数少并且可以高效划分数据的优点。但是该算法无法处理单个类簇中同时存在的多个密度峰值,以及存在数据划分不稳定的不足。同时,当数据分布不均匀时,无法准确识别稀疏类簇和小规模类簇。因此,本文聚焦于对DP算法的改进和推广,提高DP算法的聚类效果和使用范围,分别提出针对静态数据与数据流的改进算法,本文主要内容包括:1.针对静态数据,提出基于影响空间的稳健密度峰值聚类算法,I-DP(Influence Space Based Robust Fast Search and Density Peak Clustering)。该改进算法引入影响空间,制定一种新的数据划分策略,对拥有高密度的数据采用该划分策略以提高算法划分的稳定性。提出新的局部密度计算公式,通过邻近数据计算加权局部密度,提高算法对小规模类簇和稀疏类簇的识别能力。2.针对数据流,根据数据流的特点,提出基于EDA框架的基于经验数据分析的数据流密度峰值聚类算法,EDA-DP(Density Peak Clustering based on Empirical Data Analysis over Data Stream)。该算法采用EDA框架在不需要预聚类的情况下,实时捕获数据流生成微簇,并且动态调整微簇的统计信息。当收到聚类请求时,EDA-DP算法执行改进的DP算法,生成决策图,选取中心微簇,得到最终的数据划分。3.文章最后研究了经典聚类算法在文本分析中的应用。将K-means、DP、I-DP算法结合向量空间模型(VSM)、潜在语义索引模型(LSI)和隐含狄利克雷分布模型模型(LDA),根据文本之间的相似性,分别对中文语料与英文语料进行聚类分析。对比实验表明,本文所提出的I-DP以及EDA-DP算法在多种评价指标中均取得较好的结果。在文本分析的应用中,I-DP算法相对于DP算法的F1指标提高了9%。(本文来源于《华东师范大学》期刊2019-05-05）
快速搜索论文开题报告
（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：
针对乳腺MR图像组织复杂、灰度不均匀、难分割的特点,本文提出双树复小波(DTCWT)变换结合密度聚类的图像分割方法.首先利用复小波域双变量模型结合各向异性扩散函数对图像进行去噪处理;进而通过简单线性迭代聚类(SLIC)算法将图像划分成一定数量的超像素区域,根据事先设置的阈值搜索每个超像素的近邻,从而降低基于K近邻的密度峰值快速搜索聚类(KNN-DPC)算法寻找每个样本近邻的时间;最终,引入超像素区域的近邻信息度量样本密度,采用KNN-DPC算法的分配策略自适应聚类.仿真和临床数据分割结果表明,所提算法能有效的实现乳腺MR图像的分割.
（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。
快速搜索论文参考文献
[1].王培晓,张恒才,王海波,吴升.ST-CFSFDP:快速搜索密度峰值的时空聚类算法[J].测绘学报.2019
[2].范虹,张程程,侯存存,朱艳春,姚若侠.结合双树复小波变换和改进密度峰值快速搜索聚类的乳腺MR图像分割[J].电子学报.2019
[3].盛亮,杨华东,肖玉杰,李恒,孟祥尧.基于膨胀搜索机理的水下航行器快速路径规划新算法[J].海军工程大学学报.2019
[4].朱元振,刘玉田.基于深度学习直流闭锁判断的高风险连锁故障快速搜索[J].电力系统自动化.2019
[5].刘义鹏,李志鹏,蒋哲臣,梁荣华.基于密度峰值搜索的脑纤维快速聚类算法[J].浙江工业大学学报.2019
[6].王亮,王晓霞,戴祥利.快速搜索随机树算法在航空电缆布线中的应用[J].机械制造.2019
[7].李世明,张明宇,周英,周国辉,付宝君.基于DHT的轻量级Chord协议快速搜索的研究[J].哈尔滨师范大学自然科学学报.2019
[8].盛斯雨,郭微,付金山,朴胜春.快速正交搜索算法在水声信号处理中的应用[J].应用声学.2019
[9].王雅.快速搜索运动估计算法的性能优化研究与实现[D].山东师范大学.2019
[10].陈春涛.快速搜索与密度峰值发现算法的研究与应用[D].华东师范大学.2019
论文知识图
