导读:本文包含了交互挖掘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:序列,算法,数据挖掘,特征,模式,互动,相互作用。
交互挖掘论文文献综述
赵宇海,印莹,李源,汪嗣尧,王国仁[1]（2019）在《一种面向大规模序列数据的交互特征并行挖掘算法》一文中研究指出序列是一种重要的数据类型,在诸多应用领域广泛存在.基于序列的特征选择具有广阔的现实应用场景.交互特征是指一组整体具有显着强于单独个体与目标相关性的特征集合.从大规模序列中挖掘交互特征面临着位点的"组合爆炸"问题,计算挑战性极大.针对该问题,以生物领域高通量测序数据为背景,提出了一种新的基于并行处理和演化计算的高阶交互特征挖掘算法.位点数是制约交互作用挖掘效率的根本因素.摈弃了现有方法基于序列分块的并行策略,采用基于位点分块的并行思想,具有天然的效率优势.进一步,提出了极大等位公共子序列(maximal allelic common subsequence, MACS)的概念并设计了基于MACS的特征区域划分策略.该策略能将交互特征的查找范围缩小至许多"碎片"空间,并保证不同"碎片"间不存在交互特征,避免计算耦合引起的高额通信代价.利用基于置换搜索的并行蚁群算法,执行交互特征选择.大量真实数据集和合成数据集上的实验结果,证实提出的PACOIFS算法在有效性和效率上优于同类其他算法.(本文来源于《计算机研究与发展》期刊2019年05期）
庞新哲[2]（2019）在《微生物交互关系挖掘中的路径提取算法研究》一文中研究指出自然界中,大多数微生物存在于复杂多样的群落生态系统中,它们相互影响并交织在一起,共同维持微生态系统的生物功能和生态角色。如何准确可靠地从这些群落生态系统中发现重要的微生物交互关系,是近年来研究的热点。其中发现高阶微生物交互关系并研究其对生态系统功能的影响,则是一个具有重要意义的新方向。本文整合宏基因组测序技术得到的微生物丰度数据、系统发育树及其代谢网络数据等多组学数据,开发了基于路径提取的策略用来识别和预测微生物种间交互关系,并发现微生物之间的高阶交互关系。主要贡献如下:第一,开发了基于迭代随机森林(iRF)算法的微生物交互预测方法,整合了微生物系统发育距离信息,使得结果更具有生物学意义。该方法将微生物交互关系提取置于一个有监督的学习框架中,保证了关系提取过程的可靠性与结果的稳定性。整合微生物系统发育距离数据,则确保了被发现的交互关系具有了真实生物意义。最后还利用微生物代谢网络模型从代谢角度对交互关系进行验证,为微生物共培养的生物实验设计提供了候选集合。第二,提出了基于遗传蚁群优化(GACO)算法的微生物高阶关系预测算法。使用启发式搜索策略,不仅可以发现具有线性或逻辑可加性的微生物交互关系,还可以推断具有复杂联系的高阶交互关系。本文通过对数据分类编码,利用分布式搜索策略,基于正反馈机制,不断对微生物种类组合进行交叉编译,最终挖掘出不同类型的微生物交互关系。实验表明,启发式搜索策略可以有效提高发现群落微生物交互关系的能力,避免了传统方法的逻辑缺陷。除此之外,结果还证明了微生物群落生态系统中高阶交互关系的稀疏性。本文基于路径提取策略研究了两种微生物交互关系发现或推断方法,并提出了整合多组学微生物数据,从交互关系提取到结果验证的完整流程,为将来更好的开发识别微生物交互关系的计算方法或设计生物实验提供了重要思路。(本文来源于《华中师范大学》期刊2019-05-01）
彭卉,杜云艳,易嘉伟,刘张,王会蒙[3]（2019）在《基于手机数据的北京市城市与近郊交互模式挖掘》一文中研究指出在城镇化进程中,城市与近郊之间通过职住、货运、游憩等活动产生越来越紧密的交互联系,对于这些交互联系的准确识别和定量刻画,是理解城乡空间关系的重要手段,也能为城市的资源有效配置与合理规划提供重要的现状信息。本文通过对全北京在一日之内的手机信令数据所反映的人群移动轨迹的深入分析,融合城市的POI信息形成顾及人类活动时空信息的空间交互类型推断。以北京市为例,对城市中心与近郊之间远距离的强交互进行定性、定量和定位的探索。本文发现了北京市多尺度下空间交互模式和距离衰减规律,判断了城乡异常交互类型,对比了城乡之间和城市内部的交互模式的异同,以及基于交互类型视角提取了城乡异常交互的空间特征。研究认为,基于手机信令数据,利用停留点提取和高斯核密度估计的空间交互类型推断有效地发现了北京市周末的远距离出行类型特点,提取了其空间交互强度和空间特征,揭示了基于人类活动的北京市周末城乡交互模式。(本文来源于《地球信息科学学报》期刊2019年01期）
郑倩月,曹卫真[4]（2019）在《交互式电子白板应用中交互功能的缺失与挖掘》一文中研究指出交互式电子白板作为一种新型的多媒体工具,正在全世界范围内被广泛运用。如何在交互式电子白板应用中发挥其交互功能依然是一个亟待思考、解决的问题。本文通过对国内外相关文献的梳理、优秀案例的分析以及现场观摩等方式,分析了课堂教学应用中电子白板交互功能缺失的原因并提出了交互功能挖掘的策略。(本文来源于《中小学电教》期刊2019年Z1期）
冯慧婷[5]（2018）在《从与申请人交互过程中挖掘有效检索策略》一文中研究指出通信领域的技术发展日新月异,新技术、新标准层出不穷,申请案件具有技术性强、难以理解的特性;审查员在审查过程中难以站位于本领域技术人员的角度进行检索和"叁性"评判。对于此类专利申请,准确理解、精准分析交互文件以挖掘重要信息是审查员接近本领域技术人员一种行之有效的方法。本文基于此提出针对"意见陈述叁问"的概念,在检索审查中以"意见陈述叁问"作为主线,并通过案例阐述了如何从与申请人的交互文件中挖掘有效的检索信息,更新检索策略,获取有效对比文件。(本文来源于《中国发明与专利》期刊2018年S1期）
尤云弟,傅宏梁[6]（2018）在《基于立方书APP移动微课堂功能的实时交互教学模式的理念挖掘与应用——以高校思想政治理论课教学为例》一文中研究指出本教学改革研究立足于浙江大学出版社出品的"立方书APP"移动微课堂应用于高校思想政治理论课课堂所构建的实时互动教学模式。研究发现"互联网+"时代背景下,促进教学方式由教师讲授型转向师生互动、生生互动和师生与教学资源互动的多重模式,可以有效提升高校思政课堂教学的实效性和时效性。(本文来源于《教育教学论坛》期刊2018年52期）
李维娜,任家东[7]（2018）在《软件群体中基于交互序列的频繁模式挖掘算法研究》一文中研究指出互联网模式下,软件之间的交互日益频繁,具有交互特征的软件逐渐形成群体,其个体行为不断地影响着群体的特性.频繁模式挖掘是发现关联规则的一种重要技术,软件交互行为频繁模式对软件的安全性稳定性分析起着至关重要的作用.因此,从软件群体交互的角度提出了一种频繁模式挖掘算法SG-FIP.首先,定义了软件群体,构建基于时间段滑动的交互序列挖掘模型;其次,定义了一种基于时间段及交互次数的序列权重,提升了交互模式的兴趣度.第叁,定义了约束系数,在预定义的滑动时间段内挖掘得到针对性更强、实时性更高的交互模式.最后,实验结果验证了交互模型的可行性,SG-FIP算法的时间消耗在一定程度上优于先前算法,并且精简了先前算法的挖掘结果,提高了挖掘精度,高效地挖掘出了软件群体中的频繁模式.(本文来源于《小型微型计算机系统》期刊2018年05期）
赵文博,王曙燕[8]（2018）在《可视化交互空间数据挖掘技术的探讨》一文中研究指出文章主要围绕可视化交互空间数据挖掘技术,阐述了可视化与空间数据挖掘之间的关系、交互可视化的关键方式。进而对数据挖掘中的两种常用技术做出了进一步探究,以供相关人员参考。(本文来源于《无线互联科技》期刊2018年04期）
翟鹏珺,方贤文,刘祥伟[9]（2018）在《基于接口变迁的交互流程模型挖掘方法》一文中研究指出流程模型挖掘是基于系统运行记录下的事件日志来还原特征对应流程模型的技术。目前已有的挖掘方法多是基于由系统分解出的不同模块之间交互频繁且模块包含特征较少的场景。在挖掘包含较多特征、交互不频繁的流程模型方面,目前的方法存在一定的局限性。鉴于此,文中提出了基于接口变迁的交互流程模型挖掘方法。首先,利用现有的挖掘方法来挖掘模块内部的特征序,确定初始模块网;其次,遍历事件日志以查找疑似接口变迁;然后,通过挖掘特征网来确定接口变迁,并对接口变迁增加接口库所;最后,基于开放Petri网,利用合成网的观点将交互模块合成为一个完善的流程模型Petri网。通过实例分析,验证了该挖掘方法的有效性。(本文来源于《计算机科学》期刊2018年03期）
彭杰[10]（2017）在《基于对话内容的交互型文本会话主题挖掘》一文中研究指出即时通讯软件(如短信、微信、QQ、微博等)会产生海量的交互信息数据,它们与以往的数据有很大的不同,其以会话形式存在,主要特点在于数据中包含两个或以上的用户的消息。这些会话消息中隐含很多有价值信息,比如可用于调查疑犯的犯罪证据以及犯罪动机,了解社会舆情,为个性化推荐提供数据依据等。但在海量的交互信息中挖掘有价值的信息需要花费大量的人力物力,因此通过人工智能的某些算法从海量交互信息中自动挖掘出有价值的信息成为近些年来研究的热点。本文详细分析了交互型文本的特点以及当前的研究现状,针对已有研究成果的不足,提出了基于对话内容的交互型文本会话主题挖掘模型(Session Topic-Latent Dirichlet Allocation,ST-LDA)。首先,通过分析交互型文本的特征,基于主题树的概念,定义了一个五层结构的对话生成树(文本-会话主题-对话主题-文档主题-词语);以此为基础,再基于LDA模型构建会话主题生成模型(ST-LDA);而后,采用吉布斯抽样法对ST-LDA进行推导,得到会话主题及其分布概率。采用某电信运营商的真实短信数据,实证结果表明,该模型达到了较好的综合性能。最后,在电信客户行为分析系统中的短信内容分析子系统中,基于Hadoop和Storm的云平台,实现了ST-LDA模型,提高了模型的即时性和并发性。(本文来源于《南昌大学》期刊2017-05-20）
交互挖掘论文开题报告
（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：
自然界中,大多数微生物存在于复杂多样的群落生态系统中,它们相互影响并交织在一起,共同维持微生态系统的生物功能和生态角色。如何准确可靠地从这些群落生态系统中发现重要的微生物交互关系,是近年来研究的热点。其中发现高阶微生物交互关系并研究其对生态系统功能的影响,则是一个具有重要意义的新方向。本文整合宏基因组测序技术得到的微生物丰度数据、系统发育树及其代谢网络数据等多组学数据,开发了基于路径提取的策略用来识别和预测微生物种间交互关系,并发现微生物之间的高阶交互关系。主要贡献如下:第一,开发了基于迭代随机森林(iRF)算法的微生物交互预测方法,整合了微生物系统发育距离信息,使得结果更具有生物学意义。该方法将微生物交互关系提取置于一个有监督的学习框架中,保证了关系提取过程的可靠性与结果的稳定性。整合微生物系统发育距离数据,则确保了被发现的交互关系具有了真实生物意义。最后还利用微生物代谢网络模型从代谢角度对交互关系进行验证,为微生物共培养的生物实验设计提供了候选集合。第二,提出了基于遗传蚁群优化(GACO)算法的微生物高阶关系预测算法。使用启发式搜索策略,不仅可以发现具有线性或逻辑可加性的微生物交互关系,还可以推断具有复杂联系的高阶交互关系。本文通过对数据分类编码,利用分布式搜索策略,基于正反馈机制,不断对微生物种类组合进行交叉编译,最终挖掘出不同类型的微生物交互关系。实验表明,启发式搜索策略可以有效提高发现群落微生物交互关系的能力,避免了传统方法的逻辑缺陷。除此之外,结果还证明了微生物群落生态系统中高阶交互关系的稀疏性。本文基于路径提取策略研究了两种微生物交互关系发现或推断方法,并提出了整合多组学微生物数据,从交互关系提取到结果验证的完整流程,为将来更好的开发识别微生物交互关系的计算方法或设计生物实验提供了重要思路。
（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。
交互挖掘论文参考文献
[1].赵宇海,印莹,李源,汪嗣尧,王国仁.一种面向大规模序列数据的交互特征并行挖掘算法[J].计算机研究与发展.2019
[2].庞新哲.微生物交互关系挖掘中的路径提取算法研究[D].华中师范大学.2019
[3].彭卉,杜云艳,易嘉伟,刘张,王会蒙.基于手机数据的北京市城市与近郊交互模式挖掘[J].地球信息科学学报.2019
[4].郑倩月,曹卫真.交互式电子白板应用中交互功能的缺失与挖掘[J].中小学电教.2019
[5].冯慧婷.从与申请人交互过程中挖掘有效检索策略[J].中国发明与专利.2018
[6].尤云弟,傅宏梁.基于立方书APP移动微课堂功能的实时交互教学模式的理念挖掘与应用——以高校思想政治理论课教学为例[J].教育教学论坛.2018
[7].李维娜,任家东.软件群体中基于交互序列的频繁模式挖掘算法研究[J].小型微型计算机系统.2018
[8].赵文博,王曙燕.可视化交互空间数据挖掘技术的探讨[J].无线互联科技.2018
[9].翟鹏珺,方贤文,刘祥伟.基于接口变迁的交互流程模型挖掘方法[J].计算机科学.2018
[10].彭杰.基于对话内容的交互型文本会话主题挖掘[D].南昌大学.2017
论文知识图
