导读:本文包含了兴趣特征论文开题报告文献综述及选题提纲参考文献，主要关键词:兴趣点,地图综合,Voronoi图,算法
兴趣特征论文文献综述
黄杰俊,李永树,周启,梁磊[1]（2019）在《一种顾及重要性意义和空间分布特征的兴趣点选取方法》一文中研究指出针对地图上的兴趣点,提出了一种兼顾个体重要性和点群空间分布特征的选取方法。根据单个点的地理特征、地理意义来评估点的重要性程度;通过反复构造加权Voronoi图保持点群的空间分布特征,并在此基础上评估单个兴趣点的选取概率。最后,结合实际数据进行实验,实验表明该方法合理有效。(本文来源于《地理信息世界》期刊2019年03期）
许丹霞[2]（2019）在《通过儿童文学的美学特征,培养小学生的阅读兴趣》一文中研究指出中国儿童文学文体作为一种专为青少年儿童阅读的文本类型,经过20世纪初文学运动的推动,人们对儿童文学的重视程度越来越高,其真实美、情趣美的艺术特征也逐渐的运用到实例课堂教学中,在培养和提高小学生阅读兴趣上发挥了极大作用。(本文来源于《课程教育研究》期刊2019年23期）
张童[3]（2019）在《基于多维特征融合的学习者兴趣度评价》一文中研究指出随着时代的不断发展,社会对教育的要求和期待也在不断的提高。以往侧重于知识和记忆的教育模式和评价模式已经不适合新时代对教育的需求。如何让受教育者能够发现自己的潜能方向,以一种高兴趣度的学习状态在自己适合的领域得到个性化发展成为教育主管部门、各级学校以及教师们需要迫切解决的问题。对学生在学习过程中的兴趣度评价可以帮助学生探索个人学习的潜力方向和真正的兴趣方向,更好的了解自己的学习需要;对于老师,能够更好的把握了解学生的学习状态,对学生进行针对性的教学辅导,提高教学效率,实现因材施教。本文在对学业情绪、学习身体姿态与学生学业兴趣等方面的理论研究基础上,采用面部情绪、头部姿态和身体坐姿、眼睛状态四个维度特征,利用深度学习和机器学习算法,实现对学生对学习兴趣度的评价分析。具体包括:1.针对教学活动视频,进行了关键帧选择;利用Openpose平台,获取面部关键点和头部及躯干关节关键点坐标集,为学习兴趣度特征提取提供基本的数据支撑。2.在学业情绪、学习状态分析等教育理论基础上,确立了学习情绪、头部姿态和身体坐姿等与学习兴趣度相关的多个维度特征及提取方法。针对学业情绪,特别提出了基于愉悦强度统计的学习情绪特征计算方法。3.采用主成分分析法,对与学习兴趣度相关的多维度特征进行了降维与融合,确立了学习兴趣度评价的特征模型。4.基于学习兴趣度评价的特征模型,提出了基于支持向量机的学习兴趣度评价方法。(本文来源于《北方工业大学》期刊2019-05-06）
苏爽爽[4]（2019）在《合理运用儿童心理特征启发其对小提琴的兴趣》一文中研究指出在当今社会,培养儿童学习乐器的观念已经深入人心,小提琴作为主流乐器,深受家长的青睐。但由于小提琴的入门相比其他乐器是比较难的,所以会有许多儿童在启蒙阶段放弃学习。在我教学的过程中,也发现许多儿童在启蒙阶段失去兴趣而放弃学习小提琴,我认为这是非常让人痛心的现象。我认为兴趣是最好的老师,所以在启蒙入门阶段培养儿童的兴趣是非常重要和关键的,这会影响到儿童是否可以坚持长期学习小提琴。本文仅针对儿童在学习小提琴的启蒙入门阶段,结合儿童心理特征,从教师、儿童和家长的叁个方面出发,启发儿童学习小提琴的兴趣,从而达到坚持学习小提琴的目的。(本文来源于《中央音乐学院》期刊2019-04-01）
姬晓飞,谢旋[5]（2019）在《基于兴趣点统计特征的双人交互行为预测算法》一文中研究指出针对一些复杂敏感场景下需要快速及时地对人类交互行为做出预测的问题,提出了一种基于兴趣点统计特征的双人交互行为预测方法。该方法首先对动作视频提取时空兴趣点,并对其进行3D-SIFT描述,然后利用词袋方法对动作视频进行表示。在训练阶段,利用高斯模型建立不同时间比例下每个动作的预测模型。在动作预测阶段,对于一个未知长度的动作视频,提取其词袋表示,并将其与所建立的不同时间长度的预测模型进行比较,得到与各模型之间的预测相似概率,最终实现对该交互行为的识别预测。利用UT-interaction数据库对该方法进行测试的实验结果表明,该方法易于实现,实时性好,并具有较好的预测效果。(本文来源于《计算机技术与发展》期刊2019年07期）
单良[6]（2019）在《增强时间特征的兴趣点推荐算法研究》一文中研究指出随着深度学习的发展,人工智能领域取得了革命性的进步,各领域的研究也随之得到了迅速发展,其中推荐系统应用深度神经网络模型,得到了进一步的革新,受到了学者们的广泛关注。近年来,便携式智能设备越来越普及,人们与互联网的交互日益频繁,位置跟踪和定位的准确性不断增强,使得基于位置的服务趋于多样,在社交网络中随处可见用户分享自己的定位与心得,这让兴趣点推荐成为了学术界乃至工业界的热门任务,它不仅要求算法模型能够很好地从海量的数据中提取出位置中的有效信息,还需要能够将位置信息与其他异构信息进行交叉组合,准确地进行个性化推荐。本文主要研究的是兴趣点推荐的应用领域,它专注于帮助移动用户探索新的区域,通过用户偏好和兴趣点特征等多种因素来对用户此时可能做出的行为进行预判,从而推荐最佳兴趣点列表以供用户选择。为此,本文包括以下几个方面的工作:首先本文的整体架构采用wide&deep模型进行建模,在deep侧本文构建了叁个特征,分别是用户的分布式表达、兴趣点的分布式表达和增强时间特征的上下文分布式表达。其中后两者是本文的关键特征。对于兴趣点的分布式表达,本文利用兴趣点大量的评论信息,使用词嵌入技术将拼接起来的文本转化为特征向量,在经过卷积神经网络得到兴趣点的分布式表达,这样做主要是利用卷积神经网络能够获取N-gram等特点,而且对兴趣点的评论信息进行嵌入表达可以有效的提取出大量用户对该兴趣点的潜在关键特征。对于增强时间特征的上下文分布式表达,鉴于兴趣点的签到呈现序列形式,本文将兴趣点的分布式表达向量输入到长短期记忆网络,以利用长短期记忆网络对序列特征良好的模拟能力,本文还将序列构造成长时间的序列和短时间的序列两种,分别用来模拟用户长期的行为习惯和短期的兴趣变化,最后拼接得到增强的上下文分布式表达。本文还简要介绍了wide侧的特征工程,通过人为构造的离散特征、统计特征以及时空特征,进一步提高了模型的泛化性能。最后,本文将deep侧和wide侧统一训练,排序所得到的概率值,利用Top-N推荐的思想将得到的最佳预判集推荐给用户。最后,本文在两个开源数据集进行实验,与若干推荐算法进行对比,证实本文所提出的增强时间特征的兴趣点推荐算法取得了较好的成绩。(本文来源于《电子科技大学》期刊2019-03-01）
郑泽爽[7]（2019）在《珠海市职住空间分布特征及其影响因素研究——基于高德地图兴趣点和交通传感数据的调查分析》一文中研究指出文章基于高德地图兴趣点(POI)和出租车GPS轨迹对城市居住与就业空间进行实证研究,重点关注珠海市总体层面和分区尺度的居住与就业空间的匹配状况。研究发现:珠海市居住空间分布相对均衡,产业空间分化较为明显,东部城区居住与就业空间匹配程度较高,西部新区居住与就业的空间存在一定不匹配性。据此,文章从经济发展、城市交通、规划政策和制度转型等方面出发,分析了职住空间关系的影响因素,提出城市规划应更加重视居住与就业的空间配置研究,关注如何满足职住平衡要求并提高城市发展效率。(本文来源于《规划师》期刊2019年04期）
孙娟娟[8]（2019）在《积极培养幼儿的真实兴趣,认清“影子教育”本质特征——以家园社区共育为基点,提出解决建议》一文中研究指出"影子教育"作为课外的补充辅导,已成为许多家长不可或缺的教育方法。不仅是中小学的家长使用它,连幼儿园的家长也将"影子教育"充满了幼儿的生活。它占用幼儿的自由时间,混淆家长视听,以为参加了"影子教育"就能培养幼儿的兴趣,不知真正的兴趣在于幼儿主动、自由的探索。本文针对"影子教育"本身及其引出的家庭教育问题,利用家园社区共育,提出相应的解决策略。(本文来源于《课程教育研究》期刊2019年05期）
毕孝儒[9]（2019）在《融合用户兴趣分布变化和特征差异的协同过滤推荐算法》一文中研究指出针对传统协同过滤算法没有考虑由时间引起的用户兴趣分布变化、致使其推荐精度不高的问题,提出了融合用户兴趣分布变化和特征差异的协同过滤推荐算法。采用窗方法估计用户在整个项目空间上的兴趣分布,设计时间遗忘曲线因子用以确定用户兴趣分布变化函数,最后结合兴趣分布变化相对熵和用户特征差异计算用户相似程度并进行项目推荐。实验结果表明,该算法能够有效追踪用户对项目兴趣变化,提高了数据稀疏情况下的推荐精度。(本文来源于《计算机时代》期刊2019年01期）
聂颖杰[10]（2018）在《基于情感认知和个性化特征的用户兴趣分析方法研究与实现》一文中研究指出随着在线社交媒体的发展,对用户兴趣的研究以及在此基础上进行相关的应用开发,具有重要意义。由于微博中用户一般具有个性化的信息,同时在用户发布的微博短文本中往往含有情绪或情感信息,因此,对用户微博文本进行分析挖掘,完成用户的情绪认知、个性人格分析、兴趣抽取,并在此基础上完善个性化推荐,是有意义的。本文构建了用户能量模型,改进了基于LDA的兴趣抽取模型,完善了个性化推荐。主要工作如下:1)根据用户情感语义分析,结合Big-Five心理个性方法,构建用户能量模型。通过算法对比,构建用户正负能量的模型,将用户的文字转换成向量输入到SVM进行训练,分析新的语料库,预测新用户能量极性。2)构建基于改进LDA的个性化兴趣抽取算法,探究用户兴趣标签抽取的有效方法。通过LTP句法分析工具处理词对,经由LDA算法进行兴趣标签抽取。通过与BTM算法对比,使用多个基准进行校验,实验结果表明使用改进算法抽取的兴趣标签更准确。3)提出了一个基于用户能量模型和兴趣标签的推荐方法,该方法可以推荐群体中能量相似的用户。其中协同过滤算法用来扩展兴趣标签,Doc2vec用来将文本向量化,以此实现用户之间的相似推荐。实验结果表明,所提出的模型对用户能量预测具有一定的价值;改进的LDA算法能够降低困惑度和时间复杂度,提升准确率;所提出的推荐算法能推荐出相似的用户。(本文来源于《河北科技大学》期刊2018-12-01）
兴趣特征论文开题报告
（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：
中国儿童文学文体作为一种专为青少年儿童阅读的文本类型,经过20世纪初文学运动的推动,人们对儿童文学的重视程度越来越高,其真实美、情趣美的艺术特征也逐渐的运用到实例课堂教学中,在培养和提高小学生阅读兴趣上发挥了极大作用。
（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。
兴趣特征论文参考文献
[1].黄杰俊,李永树,周启,梁磊.一种顾及重要性意义和空间分布特征的兴趣点选取方法[J].地理信息世界.2019
[2].许丹霞.通过儿童文学的美学特征,培养小学生的阅读兴趣[J].课程教育研究.2019
[3].张童.基于多维特征融合的学习者兴趣度评价[D].北方工业大学.2019
[4].苏爽爽.合理运用儿童心理特征启发其对小提琴的兴趣[D].中央音乐学院.2019
[5].姬晓飞,谢旋.基于兴趣点统计特征的双人交互行为预测算法[J].计算机技术与发展.2019
[6].单良.增强时间特征的兴趣点推荐算法研究[D].电子科技大学.2019
[7].郑泽爽.珠海市职住空间分布特征及其影响因素研究——基于高德地图兴趣点和交通传感数据的调查分析[J].规划师.2019
[8].孙娟娟.积极培养幼儿的真实兴趣,认清“影子教育”本质特征——以家园社区共育为基点,提出解决建议[J].课程教育研究.2019
[9].毕孝儒.融合用户兴趣分布变化和特征差异的协同过滤推荐算法[J].计算机时代.2019
[10].聂颖杰.基于情感认知和个性化特征的用户兴趣分析方法研究与实现[D].河北科技大学.2018