导读:本文包含了软决策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:分布式,藏语,传感器,直觉,模糊,需求方,规则。
软决策论文文献综述
陈乔伟[1]（2019）在《基于软决策树的实时竞价展示广告成交价格预测》一文中研究指出实时竞价(Real-Time Bidding,RTB)是大数据时代新兴的具有影响力的展示广告购买机制,RTB系统基于对互联网用户产生的大量数据的分析,能够识别每个广告展现(Impression)目标受众的特征和兴趣,并自动投放最佳匹配的广告。RTB系统中最受关注的是与需求方平台(Demand-Side Platform,DSP)相关的研究工作,DSP代表了广告主的诉求,DSP竞价策略的优劣直接影响广告主获取优质流量的能力,进而影响广告营销所带来的转化。在DSP中,成交价格作为广告展现的成本,能够有效地指导竞价策略的制定和投放预算的分配。本文针对成交价格预测展开了相关的研究工作,提出了基于软决策树的成交价预测模型,解决了两方面的问题:(1)目前,关于成交价格预测的相关研究工作通常是假设成交价格服从某种参数化的函数分布形式。但在实际中,成交价格来自成百上千广告主对某次广告展现的竞价,并不简单服从于某种假定的函数分布形式。而决策树模型可以避免这个问题,决策树提供了从输入到输出的自学习过程,无需函数假设;(2)普通决策树的构建过程忽视了维度间可能存在的相关性,而软决策树不同于普通决策树,软决策树在结点分裂时能根据不同概率影响左右子结点,利用这种特性能够建模维度间的相关性。此外,由于RTB过程采用第二竞价机制,DSP只有竞价成功才能观测到成交价格,竞价失败只能知道自身的出价,因此在成交价格预测中会面临数据缺失的问题。本文结合生存分析对软决策树模型提出了改进,采用K-M乘积限方法无偏估计竞价成功概率,并使用逆概率加权方法修正成交价格的真实误差,使竞价成功和竞价失败的数据记录能够同时反馈到软决策树模型的学习中,减少了实际应用中成交价格数据缺失问题带来的模型偏差。本文基于真实展示广告数据集iPinYou设计实验并进行实验验证,实验分别对比了基于假设分布和基于普通决策树的成交价格预测模型。实验结果表明,对比其他模型,本文提出的模型在预测误差上表现更佳,同时验证了考虑缺失数据的有效性和必要性。最后在树模型规模的比较上,本文提出的模型具有更小的树模型复杂度。(本文来源于《华南理工大学》期刊2019-01-08）
冯锋,闫梦娜,柳晓燕[2]（2018）在《基于期望得分函数的直觉模糊软决策方法》一文中研究指出针对直觉模糊数排序中的一些局限性,通过改进直觉模糊数的经典得分函数,利用期望得分函数及其诱导的偏序给出一种直觉模糊软决策方法.实例分析表明,该方法推广了直觉模糊软集的补运算,可有效解决相关决策问题.(本文来源于《吉林大学学报(理学版)》期刊2018年05期）
陆汝华,张家录,钟嘉鸣[3]（2019）在《软决策分析方法及其在智能推荐中的应用》一文中研究指出引入基于软集的软命题逻辑公式,给出软命题逻辑公式的语义解释,软集中的参数是原子公式,参数的函数值是原子公式的赋值集。将决策信息系统转化为决策软集,而软决策规则表示为由原子公式组成的蕴含逻辑公式。引进基本软真度、条件软真度、绝对软真度等概念,从充分性、必要性、合理性等不同方面来评价软决策规则,提出基于决策软集的典型软决策规则提取算法。将基于软集的软决策规则分析方法应用于智能推荐,给出基于软决策规则分析的推荐算法,实际例子和数值实验表明提出的算法是有效的。(本文来源于《计算机科学与探索》期刊2019年03期）
曲珍,扎西加,春燕[4]（2017）在《最大熵软决策树HMM最大似然藏语音合成》一文中研究指出针对传统的硬决策树藏语音合成系统存在泛化性能不强的问题,设计改进一种二进制软决策树算法,实现基于语境因子的藏语音合成模型参数估计。内部节点根据子代节点隶属度进行选取,每个节点可视为基于语境依赖隶属度的模糊集合,将每个语境分配给几个重迭的叶节点,提高模型概括和函数逼近性能;采用最大熵平滑分布进行局部一阶矩和全局二阶矩特征捕捉,实现隐式马尔可夫(HMM)输出概率分布的软决策参数最大似然估计。仿真验证结果表明,所提算法在满足应用实时性要求的前提下,可有效提高藏语音合成效果。(本文来源于《计算机工程与设计》期刊2017年04期）
景妮琴[5]（2017）在《基于软决策驱动和协作MIMO的数据采集系统设计》一文中研究指出为了提高远距离和恶劣信道环境下数据采集终端工作效率和精度,设计了一种基于软决策驱动和协作MIMO的数据采集系统。该系统,通过软决策驱动数据采集终端,根据软决策驱动输出强度和信道质量实现软决策因子漫游,同时架构协作MIMO信道矩阵实现数据采集的协作控制。实验结果表明,所设计的数据采集系统在50 m以内距离工作效率可以达到85%以上,信噪比大于30 d B后数据精度可以达到85%以上,表明该系统不仅具有高工作效率而且数据采集精度提高显着。(本文来源于《电子设计工程》期刊2017年06期）
郭黎利,高飞,孙志国[6]（2016）在《基于局部软决策的分布式检测算法》一文中研究指出为在保证一定检测性能的前提下有效地降低所需传输的数据量,文中提出了一种基于局部软决策的分布式检测算法,推导并构造了基于局部软决策分布式检测的优化问题,求解得到使系统检测性能达到最优的局部软决策方案;将文中方案与均匀量化方案、未量化方案进行对比,分析了在理想/非理想信道条件下检测性能的优劣.实验结果表明:文中提出的算法性能优于基于均匀量化的分布式检测算法;当量化深度为3时,系统的检测性能十分接近未量化方案的检测性能.(本文来源于《华南理工大学学报(自然科学版)》期刊2016年01期）
梁红林[7]（2015）在《超软决策理论在特定建筑消防投资决策中的应用》一文中研究指出针对某一特定建筑消防方案决策过程中存在大量认知不确定性这一问题,文章采用超软决策理论对其进行克服,并将各方案的投资情况及其对应火灾结果的风险同时纳入目标决策函数进行计算,能够快速有效地计算出某一建筑不同消防方案之间的差异,为其消防投资决策提供了较为可靠的决策依据。(本文来源于《消防技术与产品信息》期刊2015年11期）
吉晨莉,杨勇[8]（2013）在《基于差别矩阵的双射软决策系统的约简》一文中研究指出在Gong K等人给出双射软集和双射软决策系统概念的基础上,提出基于差别矩阵的求双射软决策系统约简的方法。利用差别矩阵的一些性质,把粗糙集理论中的约简方法应用到双射软决策系统中,既简化了求约简的过程,又推广了粗糙集理论中的约简方法。(本文来源于《计算机工程与应用》期刊2013年23期）
吕国飞,王海燕,申晓红,闫永胜[9]（2013）在《非理想信道不同量化规则软决策算法性能分析》一文中研究指出在分布式检测系统中,为提高系统的检测性能,各传感器向融合中心发送多位二进制判决信息用来表示判决的可信度及判决结果。不同的量化规则及信道条件对融合系统的检测性能都有较大影响。推导出了无记忆非理想信道的条件下概率转移矩阵与误码率的关系,研究了误码率对两种不同量化规则软决策融合检测性能的影响,对比分析了两种不同量化规则的软决策融合在非理想信道条件下检测性能的优劣。最后通过3个传感器组成的网络,量化等级为3的条件下,根据N-P准则仿真对比分析了两种不同量化规则的软决策融合在不同信道条件下检测性能。(本文来源于《电子设计工程》期刊2013年07期）
夏双志,周万幸[10]（2008）在《分布式检测系统的一种软决策融合算法》一文中研究指出在分布式检测系统中,为了进一步提高系统的性能,各传感器可以向融合中心发送多位二进制判决信息。对于这种发送多位判决信息的软决策融合系统,提出了一种对各传感器观测空间进行再划分的方法,它将各传感器的观测空间按照其检测概率和虚警概率进行再划分。这种划分方法能够简化融合中心的计算,且计算机仿真结果表明,应用该方法后融合系统的检测性能有明显的提高。(本文来源于《传感技术学报》期刊2008年07期）
软决策论文开题报告
（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：
针对直觉模糊数排序中的一些局限性,通过改进直觉模糊数的经典得分函数,利用期望得分函数及其诱导的偏序给出一种直觉模糊软决策方法.实例分析表明,该方法推广了直觉模糊软集的补运算,可有效解决相关决策问题.
（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。
软决策论文参考文献
[1].陈乔伟.基于软决策树的实时竞价展示广告成交价格预测[D].华南理工大学.2019
[2].冯锋,闫梦娜,柳晓燕.基于期望得分函数的直觉模糊软决策方法[J].吉林大学学报(理学版).2018
[3].陆汝华,张家录,钟嘉鸣.软决策分析方法及其在智能推荐中的应用[J].计算机科学与探索.2019
[4].曲珍,扎西加,春燕.最大熵软决策树HMM最大似然藏语音合成[J].计算机工程与设计.2017
[5].景妮琴.基于软决策驱动和协作MIMO的数据采集系统设计[J].电子设计工程.2017
[6].郭黎利,高飞,孙志国.基于局部软决策的分布式检测算法[J].华南理工大学学报(自然科学版).2016
[7].梁红林.超软决策理论在特定建筑消防投资决策中的应用[J].消防技术与产品信息.2015
[8].吉晨莉,杨勇.基于差别矩阵的双射软决策系统的约简[J].计算机工程与应用.2013
[9].吕国飞,王海燕,申晓红,闫永胜.非理想信道不同量化规则软决策算法性能分析[J].电子设计工程.2013
[10].夏双志,周万幸.分布式检测系统的一种软决策融合算法[J].传感技术学报.2008
论文知识图
