导读:本文包含了广义相关性论文开题报告文献综述、选题提纲参考文献，主要关键词:相关性,广义,逻辑,逻辑学,地学,矿产资源,柔性。
广义相关性论文文献综述写法
潘树伟,戴文战,李俊峰[1]（2017）在《基于纹理特征与广义相关性结构信息的医学图像融合》一文中研究指出结合多尺度变换的图像特征,提出了一种基于纹理特征与相关性结构信息的医学图像融合方法。首先对已配准的源图像进行非下采样Contourlet变换,得到低频、高频子带系数。其次考虑人眼视觉对纹理特征的敏感性,提出局部差分计盒维数来统计图像的纹理信息;分析NSCT高频子带兄弟系数间及其父子系数间的强相关性,分别计算出系数间的结构相似度与邻域拉普拉斯能量和,作为高频子带系数间的广义相关性结构信息。然后对低频提出Sigmoid函数自适应融合,对高频采用广义相关性结构信息取大法。最后进行逆NSCT变换得到融合图像。通过灰度与彩色图像融合实验发现,该算法不仅可以保留源图像的边缘信息,还得到较好的客观评价指标和视觉效果。(本文来源于《浙江理工大学学报(自然科学版)》期刊2017年03期）
刘城霞,何华灿[2]（2015）在《广义相关性基础上的量化容差关系的改进》一文中研究指出为了更好地处理不完备信息系统,对改进粗糙集模型中的容差关系和量化容差关系进行了分析,提出了一种新的量化容差关系.新量化容差关系从已知属性和未知属性关联的角度,考虑不同属性取值之间的相吸性和相斥性,结合泛逻辑中的广义相关系数,定义属性间的广义相关因子,在新量化容差相似度计算中使用该广义相关因子参与计算,并给出了具体的计算方法,证明了新的量化容差关系的基本性质.最后通过实例对该量化容差关系进行了验证.(本文来源于《北京邮电大学学报》期刊2015年05期）
陈国强[3]（2014）在《基于广义相关性的大数据融合模型及在矿产预测中的应用》一文中研究指出在矿产资源预测研究中,地学大数据信息反映地质样品的原始空间状态,直接计算样品问亲近关系往往存在偏差,应对变量空间进行重新标度。在对样品单元(己知、未知)全部赋予定性变量条件下,通过构建新的组合匹配系数,并使之与样品在最大相关准则下,寻求最佳空间维数下的样品标度,依此作为样品的空间预测标准。所谓地学大数据在定义上区别传统地质变量,前者是将通过获取手段集成的全部地学数据集合,这些数据除去大数据所具有的4"V"特性外,严格不同的是地学数据具有多元性、异构性、周期性与广延性四大特征,因此,地学大数据所代表的地质时空演化过程是地壳动力学系统或地质作用行为产生的数据集合;而后者是指通过人工或定量筛选办法,在地学数据中掘取典型有代表意义的地质标志集合,一般情况下不具备上述四大典型特征。根据大样本空间下的大数据集合建立定量模型,需有效的进行大数据同化整合,使之成为不同尺度、不同分辨率下的广义相似模型,为此,首先进行大样本容量下的大数据广义相似性融合分析,通过所谓空间匹配性度量实施广义相关分析,从而对大样本给出某正交空间下的最小维数度量,同时定义最小维数标度之间的马氏距离,进行大样本的正交空间分类,依此进行空间预测。上述最小维空间标度相当于对大样本容量下通过大数据融合处理进行空间压缩,用独立因子空间表达大数据向量空间,其所用的正交子空间可通过斜交变换形成相关子空间,更加贴近数据自然模型。在矿产资源预测中,依大数据特征将全部样品单元进行数字分类,并依分类特征实施空间预测不失为一种行之有效的预测方法,尤其是大比例尺的矿产资源预测过程,地学数据的观测尺度与学科类型之间不可机械罗列迭加,需经融合处理方可应用于模型外推,上述定量预测方法可作为一种尝试性的研究案例。(本文来源于《第十叁届全国数学地质与地学信息学术研讨会论文集》期刊2014-10-10）
李新[4]（2009）在《基于广义相关性的关联规则抽取》一文中研究指出在关联规则的数据挖掘中,良好的规则评价方法有利于去除价值不大的关联规则。分析基于概率运算的可信度和作用度这2种传统方法的局限性,指出其缺乏有力的逻辑基础。根据广义相关性理论,运用泛逻辑运算,提出新的关联规则抽取方法。分析和实验表明,该方法能有效提高关联规则的抽取质量。(本文来源于《计算机工程》期刊2009年08期）
王澜[5]（2006）在《基于广义相关性的多Agent交互作用研究》一文中研究指出本课题的研究来源：国家自然科学基金项目“经验知识推理理论研究”(60273087)、北京市自然科学基金项目“不确定推理理论研究”(4032009)。多Agent系统(Multi-Agent System，MAS)研究的是由多个智能Agent通过相互交互作用而组成的系统。在对MAS的研究中，最重要的是理解发生在这些Agent之间的交互的类型。现有的成果仅仅对交互作用中的合作、协商、协调等行为进行了孤立地研究，而没有从系统的观点对这些行为之间的内在联系进行深入探讨。此外，对于同样存在于MAS交互作用中的敌对关系的研究还是一片空白。何华灿教授提出的泛逻辑学思想，充分考虑到存在于事物之间的关系柔性——广义相关性对推理运算具有的影响，并以广义相关系数来刻画广义相关性的连续变化。本文将广义相关性概念引入到MAS交互作用中，定量研究了合作、自利、竞争、敌对等关系，取得了以下创新性成果：1)提出目标相容性概念，并应用于NAS交互作用分类现有的MAS合作、协调、协商等概念不能明确地描述Agent间的相互关系，本文提出了目标相容性的概念，并以此为基础，重新界定合作、协调、非协调关系，从而明确了各种交互作用，为后续的量化研究打下了基础。2)提出基于广义相关性的多Agent交互作用量化表示方法将泛逻辑学中广义相关性的思想引入到MAS的交互作用中，建立了基于广义相关性的MAS交互作用量化表示方法，可以根据广义相关系数的大小来定量地研究各种交互作用。该表示方法不仅包括了现有研究中的协作、自利、竞争等关系，而且还能涵盖敌对关系。3)提出基于广义相关性的Agent决策模型London大学Jennings教授等提出了社会责任Agent的决策函数，本文针对其中加权系数存在的难以取值、求解算法复杂、未考虑敌对关系等问题，提出了基于广义相关性的Agent决策模型，该模型具有加权系数取值方便、通过线性运算即可求解的优点。运用该模型对博弈论“囚徒两难”等问题进行仿真，验证了Agent可以在合作和敌对之间进行灵活的行为选择。4)设计并实现了广义相关性MAS系统——GCC-MAS对基于广义相关性的Agent的思维模型进行形式化，将决策函数引入到形式化过程中，并建立了广义相关性MAS系统。在Swarm仿真环境下，验证了该系统中Agent在不同目标导向下的决策行为效果。本文对基于广义相关性的Agent交互作用及决策进行了初步研究，今后还需要进一步深入探讨在实时系统中，广义相关系数根据历史经验进行学习，合理调节等问题。(本文来源于《西北工业大学》期刊2006-09-01）
薛占熬,张小红,何华灿[6]（2004）在《论广义相关性在柔性逻辑中的重要性》一文中研究指出本文用测度论的观点,证明柔性逻辑中命题连接词的运算模型是连续可变性的算子族,它受广义相关系数h的控制,并给出了h的物理意义和计算公式,最后,用实例说明了柔性逻辑的方法比CRI和叁Ⅰ方法更合理。(本文来源于《计算机科学》期刊2004年02期）
谷晓巍,何华灿,邢春晓[7]（2001）在《基于广义相关性的泛类比度和泛逻辑组合规则》一文中研究指出传统的关于事物间类比关系的研究过于简单化 ,且缺乏目的性 .首先对事物间的类比关系进行了详细分析 ,既考虑了类比事物间的公共属性 ,又考虑了它们的冗余属性和冲突属性 ,并用广义相关性对其进行了解释 .然后定义了不同决策原则下的泛类比度 ,使类比度定义符合不同的决策要求 .最后给出了类比推理中的泛逻辑组合运算规则 ,从而弥补了传统类比推理研究中运算规则固定不变的缺陷 .(本文来源于《软件学报》期刊2001年01期）
广义相关性论文开题报告范文
（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：
为了更好地处理不完备信息系统,对改进粗糙集模型中的容差关系和量化容差关系进行了分析,提出了一种新的量化容差关系.新量化容差关系从已知属性和未知属性关联的角度,考虑不同属性取值之间的相吸性和相斥性,结合泛逻辑中的广义相关系数,定义属性间的广义相关因子,在新量化容差相似度计算中使用该广义相关因子参与计算,并给出了具体的计算方法,证明了新的量化容差关系的基本性质.最后通过实例对该量化容差关系进行了验证.
（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。
广义相关性论文参考文献
[1].潘树伟,戴文战,李俊峰.基于纹理特征与广义相关性结构信息的医学图像融合[J].浙江理工大学学报(自然科学版).2017
[2].刘城霞,何华灿.广义相关性基础上的量化容差关系的改进[J].北京邮电大学学报.2015
[3].陈国强.基于广义相关性的大数据融合模型及在矿产预测中的应用[C].第十叁届全国数学地质与地学信息学术研讨会论文集.2014
[4].李新.基于广义相关性的关联规则抽取[J].计算机工程.2009
[5].王澜.基于广义相关性的多Agent交互作用研究[D].西北工业大学.2006
[6].薛占熬,张小红,何华灿.论广义相关性在柔性逻辑中的重要性[J].计算机科学.2004
[7].谷晓巍,何华灿,邢春晓.基于广义相关性的泛类比度和泛逻辑组合规则[J].软件学报.2001