导读:本文包含了汉明距离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:距离,汉明,方差,平均,粒子,算法,空间。
汉明距离论文文献综述
马敏耀,徐艺,刘卓[1]（2019）在《隐私保护DNA序列汉明距离计算问题》一文中研究指出DNA序列承载着人体重要的生物学信息,如何在保护隐私的情况下正确地对不同的DNA序列进行比对,成为亟待研究的科学问题。汉明距离在一定程度上刻画了两个DNA序列的相似程度,在保护隐私的情况下,研究DNA序列的汉明距离计算问题。首先定义了DNA序列的0-1编码规则,该规则将长度为n的DNA序列编码成长度为4n的0-1串,证明了两个DNA序列的汉明距离等于它们的0-1编码串的汉明距离的一半。以此结论为基础,以GM加密算法为主要密码学工具,构造了计算DNA序列汉明距离的一个安全两方计算协议。在半诚实攻击者模型下,证明了协议的正确性,给出了基于模拟器的安全性证明,并对协议的效率进行了分析。(本文来源于《计算机应用》期刊2019年09期）
丛培强,李梁,陈亚茹[2]（2019）在《基于汉明距离与免疫思想的粒子群算法》一文中研究指出针对传统粒子群算法收敛速度慢、无法描述离散问题以及后期容易陷入局部最优解的缺陷等问题,提出一种基于汉明距离与免疫思想的改进粒子群算法(IHPSO)。首先,引入汉明距离表示位置与速度更新,使传统粒子群算法能够求解离散问题;然后,融入免疫接种、免疫选择等免疫思想,定义新的种群更新方式,解决了传统粒子群算法收敛速度慢、易陷入局部最优解的弊端;最后,通过TSP问题的模拟实验证明了改进的粒子群算法在求解速度与精度等方面均有明显提高。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年04期）
阙凤珍,温少挺,崔俊明[3]（2019）在《二元迭加码M(m,k,d)的平均汉明距离和均方差》一文中研究指出根据二元迭加码(Binary Superimposed Code)M(m,k,d)的定义及完全图K_(2m)的性质,研究了M(m,k,d)码的平均汉明(Hamming)距离和它的均方差问题,给出了它们的计算公式.(本文来源于《数学的实践与认识》期刊2019年06期）
吴琼扬,霍丽芳[4]（2018）在《二元迭加码δ(n,d,k)的平均汉明距离和均方差》一文中研究指出研究了二元迭加码δ(n,d,k)的平均汉明距离(Hamming distance)和它的均方差问题.利用δ(n,d,k)的定义和新构造的一个组合函数,获得了求二元迭加码δ(n,d,k)的平均汉明距离和它的均方差公式,并获得了它的平均汉明距离的界.(本文来源于《数学的实践与认识》期刊2018年14期）
徐丽,刘芳,赵燕冰[5]（2017）在《一类BSC码的汉明距离界》一文中研究指出根据二元迭加码(Binary Superimposed Code)M_q(n,k,d)的定义研究了这个BSC码任意两个码字的汉明(Hamming)距离上下界,并由此给出了它的平均汉明距离和均方差的界.(本文来源于《数学的实践与认识》期刊2017年22期）
乔屾,吕志民,张楠[6]（2017）在《基于汉明距离的改进粒子群算法求解旅行商问题》一文中研究指出针对传统粒子群算法不适合求解离散型问题,提出一种基于汉明距离的改进粒子群算法。该算法保留了粒子群算法的基本思想和流程,并基于汉明距离为粒子定义了一种新型的速度表示。同时,为了使算法寻优能力更高、避免迭代过程陷入局部最优无法跳出,设计了2-opt和3-opt算子,结合随机贪婪规则,使求解质量更高、收敛更快。在算法后期,为了提高粒子在整体解空间中的全局搜索能力,采用一部分粒子重新生成的方式去重新探索解空间。为了验证算法的有效性,采用了众多旅行商问题(TSP)标准算例进行测试。实验结果表明,对于小规模TSP,该算法可以找到历史最优解;对于大规模TSP,如城市数在100以上的问题,也可以找到满意解,与已知最优解之间偏差度较小,通常在5%以内。(本文来源于《计算机应用》期刊2017年10期）
魏会贤,胡海燕[7]（2017）在《二元迭加码M_q(n,k,d)码的平均汉明距离和均方差》一文中研究指出根据二元迭加码(Binary Superimposed Code)M_q(n,k,d)的定义及有限域F_q上n维向量空间的k维子空间的维数性质定义了一个高斯组合函数,利用这个组合函数研究了M_q(n,k,d)码的平均汉明(Hamming)距离和它的均方差问题,给出了计算公式.(本文来源于《数学的实践与认识》期刊2017年06期）
刘妍,金鑫,赵耿,李晓东,陈迎亚[8]（2016）在《基于高效隐秘汉明距离计算的安全人脸识别》一文中研究指出为使人脸识别能够在云端进行隐秘计算,实现一种能够安全计算的人脸识别系统。服务器端(云端)存储一组嫌疑人的人脸数据,客户端(终端)获取人脸图像,在隐秘的情况下将其与服务器端的数据进行安全运算,判断客户端的人脸是否与人脸库中的人脸匹配,若答案是肯定的,则返回给客户端"匹配",不透露任何一方的信息。人脸识别采用人脸特征块提取算法,安全计算采用同态加密和不经意传输算法,在此基础上提出一种高效隐秘汉明距离算法,解决在加密情况下计算人脸向量汉明距离复杂度高的问题,程序测试时间明显减少。(本文来源于《计算机工程与设计》期刊2016年09期）
胡维华,鲍乾,李柯[9]（2016）在《结合汉明距离及语义的文本相似度量方法研究》一文中研究指出利用VSM模型的TF-IDF算法对文本进行相似度量是文本信息处理领域的常用做法,但是该方法涉及到高维稀疏矩阵的处理,计算效率不高,不利于处理大规模文本,同时该方法忽略词项语义信息对文本的影响.另有一种基于语义的相似度算法可克服前一种方法的语义缺点,但需要知识库的支持,其建立过程的繁杂使此类算法理论多过实践.为此提出一种新的文本相似度计算方法,方法综合TF-IDF算法以及HOWNET的语义信息,并利用汉明距离计算文本相似度,避开对高维稀疏矩阵的直接处理.实验结果表明,与常用方法相比较,处理速度更快、性能更好,适用于大规模文本处理.(本文来源于《杭州电子科技大学学报(自然科学版)》期刊2016年03期）
韩桂玲,霍丽芳,赵燕冰[10]（2016）在《一类二元容错码的平均汉明距离》一文中研究指出利用有限域上特征为2的正交空间中的全奇异子空间构作了一类容错码,并利用特征为2的正交空间中的计数公式给出了这类容错码的平均汉明距离.(本文来源于《数学的实践与认识》期刊2016年09期）
汉明距离论文开题报告
（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：
针对传统粒子群算法收敛速度慢、无法描述离散问题以及后期容易陷入局部最优解的缺陷等问题,提出一种基于汉明距离与免疫思想的改进粒子群算法(IHPSO)。首先,引入汉明距离表示位置与速度更新,使传统粒子群算法能够求解离散问题;然后,融入免疫接种、免疫选择等免疫思想,定义新的种群更新方式,解决了传统粒子群算法收敛速度慢、易陷入局部最优解的弊端;最后,通过TSP问题的模拟实验证明了改进的粒子群算法在求解速度与精度等方面均有明显提高。
（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。
汉明距离论文参考文献
[1].马敏耀,徐艺,刘卓.隐私保护DNA序列汉明距离计算问题[J].计算机应用.2019
[2].丛培强,李梁,陈亚茹.基于汉明距离与免疫思想的粒子群算法[J].重庆理工大学学报(自然科学).2019
[3].阙凤珍,温少挺,崔俊明.二元迭加码M(m,k,d)的平均汉明距离和均方差[J].数学的实践与认识.2019
[4].吴琼扬,霍丽芳.二元迭加码δ(n,d,k)的平均汉明距离和均方差[J].数学的实践与认识.2018
[5].徐丽,刘芳,赵燕冰.一类BSC码的汉明距离界[J].数学的实践与认识.2017
[6].乔屾,吕志民,张楠.基于汉明距离的改进粒子群算法求解旅行商问题[J].计算机应用.2017
[7].魏会贤,胡海燕.二元迭加码M_q(n,k,d)码的平均汉明距离和均方差[J].数学的实践与认识.2017
[8].刘妍,金鑫,赵耿,李晓东,陈迎亚.基于高效隐秘汉明距离计算的安全人脸识别[J].计算机工程与设计.2016
[9].胡维华,鲍乾,李柯.结合汉明距离及语义的文本相似度量方法研究[J].杭州电子科技大学学报(自然科学版).2016
[10].韩桂玲,霍丽芳,赵燕冰.一类二元容错码的平均汉明距离[J].数学的实践与认识.2016
论文知识图
