导读:本文包含了聚集系数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:系数,叶面积,社区,网络,模型,发现,指数。
聚集系数论文文献综述
张智奇,钱胜,王瑞金,朱泽飞[1]（2019）在《纳米颗粒聚集形态对纳米流体导热系数的影响》一文中研究指出纳米流体中悬浮的纳米颗粒可以增强其导热性能已经得到广泛认可,然而纳米流体颗粒增强传热的机理目前尚不清楚.研究表明,纳米颗粒的聚集是纳米流体导热系数增大的重要机制,而且纳米颗粒聚集的形态对纳米流体的导热系数有重要影响,但是目前的导热系数模型大多是建立在Maxwell有效介质理论的"静态"和"均匀分散"假设基础上.本文用平衡分子动力学模拟Cu-Ar纳米流体,采用Green-Kubo公式计算导热系数,采用Schmidt-Ott关系式计算不同聚集形态下的分形维数.对比导热系数与分形维数可以发现:在相同体积分数下,较低的分形维数会有更高的导热系数,分析了分形维数与导热系数的定量关系.此外,通过径向分布函数可以看出纳米颗粒紧密聚集与松散聚集的差异,基液分子在纳米颗粒附近的纳米薄层中处于动态平衡状态.研究结果有助于理解纳米颗粒聚集形态对导热系数的影响机理.(本文来源于《物理学报》期刊2019年05期）
张睿,俞俊杰,李法杰[2]（2018）在《基于聚集系数的社区发现算法》一文中研究指出对复杂网络进行社区发现,可以发掘网络内部结构,将庞大复杂的网络分成具有某些强关联关系的小网络,便于理解隐藏在复杂网络中的隐性信息,对于研究复杂网络结构,具有较高的实用价值。本文采用凝聚算法的思想,提出聚集中心度概念选取社区中心节点,依据点聚集系数和边聚集系数两种局部信息参数进行社区凝聚,有效降低了计算复杂度。(本文来源于《电子制作》期刊2018年Z2期）
张斌,李亚婷,戴怡清[3]（2018）在《聚集系数对合着网络链路预测效果的影响研究》一文中研究指出[目的/意义]发现网络结构如何影响预测指标的选定,对在合着网络中应用链路预测非常重要。[方法/过程]从CSSCI数据库中选取7门学科,构建合着网络,抽取其中的巨片,开展链路预测实验,并将网络结构的改变程度与链路预测效果的变化情况进行关联分析。[结果/结论]研究表明,当聚集系数很大时,最近邻的局部指标预测效果会很好。随着聚集系数增大,在稀疏网络中,SRW指标的预测效果会比较好;在稠密网络中,AA和RA指标的预测效果会比较好。[局限]研究指标只考虑到了网络拓扑结构特征,而忽略了社会、认知以及其他间接因素。此外,相关结论的普遍性还需要在更多的合着网络中验证才行。(本文来源于《情报理论与实践》期刊2018年01期）
黄婷[4]（2017）在《大兴安岭森林植被叶片聚集度系数遥感反演及验证》一文中研究指出叶片聚集度系数量化了在树冠随机的情况下叶片空间分布的聚集程度,对生态模型建模有重要作用。聚集度系数量化了树叶在不同树冠结构中的水平分布,如在树冠、灌木和农作物中。叶片聚集度系数已被证明对于准确估计吸收光合有效辐射、光合作用、冠层导度以及地表能量守恒是相当重要的。聚集度系数在同一个土地覆盖类型中差异很大,使用遥感数据得到指数的空间分布是非常可取的。过去,提出了基于热点和暗点的归一化差值指数(NDHD),是利用多角度遥感数据反演聚集度系数。本研究利用MODIS BRDF模型参数产品(MCD43A1)以及土地覆盖类型数据(MCD12Q1),基于Ross-Li半经验模型模拟了热点和暗点的反射率,计算出归一化的热点与暗点差值指数(NDHD),结合最小二乘法模拟的NDHD与聚集度系数的关系,反演了2014年8月500 m分辨率的大兴安岭地区的植被叶片聚集度系数。并在大兴安岭地区采用冠层分析仪TRAC采样测量,对反演的聚集度系数进行实地验证并对结果进行分析。通过聚集度系数反演得到真实叶面积指数,并利用TRAC与LAI-2000相组合(将LAI-2000观测的LAI_e和TRAC观测的?代入式(2-11))(下文简称组合法)计算森林冠层的真实LAI,通过组合法得到的大兴安岭森林冠层LAI对反演的LAI进行精度验证并对结果进行分析。结果表明:Ross-Li模型模拟的数据与样地实测数据具有显着的相关性(R~2=0.8879),表明了利用MCD43A1数据反演聚集度系数算法的可行性;MODIS近红外波段对于叶片聚集度系数变化的灵敏度比红色波段更高;随着太阳天顶角的增加,ROSS-Li模型推导出的聚集度系数呈线性增长趋势(R~2=0.9699),说明叶片聚集度系数与天顶角变化有关;通过组合法得到的叶面积指数与聚集度系数反演得到的大兴安岭森林冠层LAI具有显着的相关性。(本文来源于《东北林业大学》期刊2017-04-01）
黄婷,范文义,毛学刚,于颖[5]（2017）在《大兴安岭地区主要植被类型的叶片聚集度系数》一文中研究指出叶片聚集度系数量化了在树冠随机的情况下叶片空间分布的聚集程度,对生态模型建模有重要作用.本研究利用MODIS BRDF模型参数产品(MCD43A1)以及土地覆盖类型数据(MCD12Q1),基于Ross-Li半经验模型模拟了热点和暗点的反射率,计算归一化的热点与暗点差值指数(NDHD),结合最小二乘法模拟的NDHD与聚集度系数的关系,反演了2014年8月500 m分辨率的大兴安岭地区植被叶片聚集度系数.并在大兴安岭地区采用冠层分析仪TRAC采样测量,对聚集度系数进行实地验证并对结果进行分析.结果表明:Ross-Li模型模拟的数据与样地实测数据具有显着的相关性(R~2=0.8879),说明利用MCD43A1数据反演聚集度系数算法的可行性;MODIS近红外波段对叶片聚集度系数变化的灵敏度比红色波段更高;随着太阳天顶角的增加,Ross-Li模型推导出的聚集度系数呈线性增长趋势(R~2=0.9699),说明叶片聚集度系数与天顶角变化有关.(本文来源于《应用生态学报》期刊2017年03期）
曾剑平,刘华[6]（2016）在《一种基于聚集系数的人名识别方法》一文中研究指出在中文文本分析的许多应用领域中,人名识别是一个广泛存在且受到持续关注的基本问题。虽然目前人名识别方法较多,但大多以语料统计和语言规则为基础。为此,针对事件文本中人名具有紧密联系的特征,基于聚集系数,提出一种新的人名识别方法。利用姓氏列表获得原始文本中的可能姓氏信息,基于人名语料信息所构建的统计模型和上下文新的信息提取出候选人名,定义人际语义相似性、人名可能度等量化方法,在此基础上设计一种基于人际网络聚集系数的人名过滤方法。实验结果表明,与现有基于隐马尔可夫模型的方法相比,该方法所获得的F1值有1.2%的提升,并且不需要人工标注语料及使用语言规则。(本文来源于《计算机工程》期刊2016年07期）
朱高龙[7]（2016）在《2000～2013年中国植被叶片聚集度系数时空变化特征》一文中研究指出聚集度系数(clumping index,CI)表征了植被叶片在空间分布的随机程度,作为一个重要的植被结构参数,它强烈影响冠层辐射传输、光合作用及陆气交互过程.本文利用MODIS BRDF模型参数产品提取了中国区域2000~2013年每8天的500 m分辨率CI,并分析其时空变化特征.研究结果表明CI在空间分布上具有明显的地域差异,并且与地表覆盖类型密切相关.平均而言,落叶针叶林和常绿针叶林具有最小CI,代表叶片聚集程度最大,常绿阔叶林、落叶阔叶林和常绿灌木林次之,耕地和草地的CI值最大.各种植被类型CI具有明显的季相变化,但是不同植被类型CI季相表现差别很大.CI与年均温度和年均降水量相关性不显着.基于MODIS数据提取的CI能够捕捉到不同植被类型叶片空间分布特征的时空变化规律,这对于提高我国生态、水文、气候及其他地表过程模型的模拟精度具有重要价值.(本文来源于《科学通报》期刊2016年14期）
张素智,孙嘉彬,王威[8]（2016）在《基于节点聚集系数的分布式标签传播算法》一文中研究指出随着互联网的发展和普及,越来越多的用户加入到社交网络,逐渐形成了大规模、多样化的社区。对于新浪微博等社交服务来说,这些社区的发现可以为用户和商家提供有价值的信息。在社区发现算法中,标签传播算法(LPA算法)具有算法思想简单、复杂度低、无需初始化社区数量等优点,但准确率较低,同时在大数据环境下,效率还不够高。将节点聚类系数引入LPA的标签更新过程中,提出一种结合MapReduce分布式计算框架的社区发现算法——DisLPA算法。实验表明,该算法不仅提高了准确率,同时有效改善了计算瓶颈问题。(本文来源于《计算机应用与软件》期刊2016年04期）
朱高龙[9]（2016）在《基于LAI-2200的草地LAI测量与聚集度系数分析》一文中研究指出叶面积指数(LAI)是陆地表层生态系统最重要的植被结构参数之一。近年来,利用LAI-2200观测草地叶面积指数的研究逐渐增多,但是其精度验证研究却很少。本文利用LAI-2200获取19个草地样地的有效植被面积指数(PAI_e),并利用草地孔隙率模型模拟LAI-2200测量值,然后与收获法得到的植被面积指数(PAI)进行比较,进而评估LAI-2200的测量精度,并分析草地聚集度系数(CI)的变化规律。结果表明LAI-2200观测天顶角较小的4圈数据计算的PAI_e比5圈数据计算的PAI_e的精度更高;PAI_e与PAI相关性极显着(R2=0.951);当PAI小于3时,PAIe略小于PAI;随着PAI继续增大,PAI_e低估逐渐严重。这种低估现象主要原因是叶片的聚集效应,当PAI小于3时,CI均值为0.97;当PAI为3~6时,CI均值为0.88;当PAI大于6时,CI均值为0.71,因此LAI-2200用于浓密草地测量时需要用CI进行订正。(本文来源于《农业机械学报》期刊2016年05期）
樊梦佳,钮艳,杜翠兰,张仰森[10]（2016）在《一种基于聚集系数的社区发现算法》一文中研究指出社区划分一直是复杂网络研究中的一个热门话题,社区的快速准确划分为研究复杂网络的性质提供了良好的基础。传统的社区发现方法都是在全局复杂网络的基础上进行社区划分,随着网络中节点的增加,网络规模的变大,社区发现变得更为复杂。提出了一种局部社区发现算法,该算法无需知道整个复杂网络的全部信息,只需从一个待求节点出发,考察其与邻接节点的紧密程度,逐步将邻接点添加到社区中,得到该节点所在的社区结构。同时,该算法还可实现全局网络的社区发现。利用该算法分别对Zachary空手道俱乐部网络和海豚社会网络进行社区发现,实验结果表明了该算法的准确性与可行性。(本文来源于《计算机工程与科学》期刊2016年02期）
聚集系数论文开题报告
（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：
对复杂网络进行社区发现,可以发掘网络内部结构,将庞大复杂的网络分成具有某些强关联关系的小网络,便于理解隐藏在复杂网络中的隐性信息,对于研究复杂网络结构,具有较高的实用价值。本文采用凝聚算法的思想,提出聚集中心度概念选取社区中心节点,依据点聚集系数和边聚集系数两种局部信息参数进行社区凝聚,有效降低了计算复杂度。
（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。
聚集系数论文参考文献
[1].张智奇,钱胜,王瑞金,朱泽飞.纳米颗粒聚集形态对纳米流体导热系数的影响[J].物理学报.2019
[2].张睿,俞俊杰,李法杰.基于聚集系数的社区发现算法[J].电子制作.2018
[3].张斌,李亚婷,戴怡清.聚集系数对合着网络链路预测效果的影响研究[J].情报理论与实践.2018
[4].黄婷.大兴安岭森林植被叶片聚集度系数遥感反演及验证[D].东北林业大学.2017
[5].黄婷,范文义,毛学刚,于颖.大兴安岭地区主要植被类型的叶片聚集度系数[J].应用生态学报.2017
[6].曾剑平,刘华.一种基于聚集系数的人名识别方法[J].计算机工程.2016
[7].朱高龙.2000～2013年中国植被叶片聚集度系数时空变化特征[J].科学通报.2016
[8].张素智,孙嘉彬,王威.基于节点聚集系数的分布式标签传播算法[J].计算机应用与软件.2016
[9].朱高龙.基于LAI-2200的草地LAI测量与聚集度系数分析[J].农业机械学报.2016
[10].樊梦佳,钮艳,杜翠兰,张仰森.一种基于聚集系数的社区发现算法[J].计算机工程与科学.2016
论文知识图
