导读:本文包含了加权矩阵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:矩阵,分解,协方差,迭代法,迭代,度量,车牌。
加权矩阵论文文献综述
邓秀勤,刘太亨,刘富春,龙咏红[1]（2019）在《基于全加权矩阵分解的用户协同过滤推荐算法》一文中研究指出针对传统的基于用户协同过滤推荐算法将用户对某物品的喜好程度等同看待的问题,文中提出了一种融合全加权矩阵分解的用户协同过滤模型。该模型首先为观测值设计频率感知加权,且非均匀地设计用于未观测值的用户导向加权。然后组合观测值和未观测值的加权,并根据评分确定用户声誉和用户关系的相似性,构建融合全加权矩阵分解的用户协同过滤模型。为了验证提出的推荐算法的性能,在Douban、Epinions和Last.fm 3个真实数据集上进行了仿真实验。实验结果表明,所提出的AWMF_UCFR算法的推荐准确性与MF算法、WRMF-UO算法、SoRS算法相比有显着提高。(本文来源于《计算机科学》期刊2019年S2期）
石春鹤,吴成东[2]（2019）在《基于加权稀疏非负矩阵分解的车脸识别算法》一文中研究指出为提高多种光照条件下交通卡口视频中车脸识别的准确性,提出了一种基于改进非负矩阵分解的车脸识别算法.对采集图像进行预处理,获得车脸图像与车牌信息.基于特定光照条件,自适应提取车脸图像的初始特征.针对车脸图像中像素位置的重要性差异,建立了加权稀疏约束非负矩阵分解的特征降维方法.通过判断特征相似性与车牌信息一致性,确定车辆是否合法.实验结果表明所提算法具有较好的识别性能,真实接受率与错误拒绝率分别可达到0. 987 5与0. 04,并满足实时性要求.(本文来源于《东北大学学报(自然科学版)》期刊2019年10期）
王志颖,刘忠贺[3]（2019）在《选权迭代法求解加权秩亏网平差权矩阵》一文中研究指出加权秩亏网平差是自由网平差的统一解算形式,但其权矩阵的确定较为困难,且目前尚无被大家普遍承认的求解理论与方法。本文利用抗差估计中的选权迭代法,模拟大量试验,统计加权秩亏网的平差效果。对自由网平差的应用扩展有一定的参考价值。(本文来源于《测绘通报》期刊2019年S2期）
王彤,魏巍,王锋[4]（2019）在《基于样本对加权共协关系矩阵的聚类集成算法》一文中研究指出聚类集成的目标是通过集成多个聚类结果来提高聚类算法的稳定性、鲁棒性以及精度.近些年,聚类集成受到了越来越多的关注.现有的集成聚类通常平等地对待所有基聚类,而不考虑它们的重要度.虽然学者们已经在这一方面做出了一些努力,例如使用加权策略来改进共协关系矩阵,但无论是给基聚类加权还是对类重要度评价时都忽略了样本对于其所在类贡献的差异.为此,提出了基于样本对加权共协关系矩阵的聚类集成算法,该算法利用k-means算法产生多个基聚类结果,然后对于其中的每个类再利用k-means算法产生多个小类,并计算去掉样本对所在的小类后类的不确定性变化的程度来评价该样本对的重要度,最后通过层次聚类算法得到聚类结果 .在六个UCI数据集上的实验结果表明,基于样本对加权共协关系矩阵的聚类集成算法的性能优于叁种经典的基于共协关系矩阵的聚类集成算法.(本文来源于《南京大学学报(自然科学)》期刊2019年04期）
何轶凡,邹海涛,于化龙[5]（2019）在《基于动态加权Bagging矩阵分解的推荐系统模型》一文中研究指出为了提升推荐模型的预测精度,传统方法通常是利用更多的附加信息参与模型的构建.然而,此类方法在提高算法精度的同时也大大增加了算法的时间开销,同时对数据集也存在一定的要求.为了解决上述问题,提出一种基于Bagging集成的矩阵分解模型.该模型根据用户、产品评分数为基学习器动态分配权重,并通过加权求和得到预测评分.在叁个不同规模的真实数据集上的实验结果显示:该动态加权Bagging矩阵分解模型拥有与传统矩阵分解模型一样的时间消耗,并且在各个衡量指标上都优于传统的矩阵分解模型.(本文来源于《南京大学学报(自然科学)》期刊2019年04期）
时艳玲,杜宇翔,蒋锐,王昕[6]（2019）在《部分均匀海杂波中基于分组加权的协方差矩阵估计算法》一文中研究指出本文主要研究空间部分均匀海杂波背景下协方差矩阵的估计问题。海杂波的空间部分均匀性和假目标干扰的不可避免性导致利用传统算法来估计海杂波协方差矩阵时存在较大的估计误差。为了减小该估计误差,本文对海杂波的参考样本进行分组处理,利用纹理的最大后验估计值作为加权系数,提出了分组加权样本协方差矩阵估计算法。考虑到假目标干扰的存在,利用协方差矩阵之间的差异提出了一致性因子,以确定干扰所在的分组,并剔除干扰。实测数据的实验结果表明,在存在假目标干扰的空间部分均匀海杂波背景下,本文提出的分组加权协方差矩阵估计算法不仅能有效剔除假目标,而且优于不分组算法约3 dB。(本文来源于《信号处理》期刊2019年07期）
刘世建[7]（2019）在《基于加权影响矩阵的提篮拱二次调索方法研究》一文中研究指出为避免大跨提篮拱吊杆索力二次调索过程中,结构内力、位移出现顾此失彼的情况。以一450 m特大跨钢箱提篮拱为工程背景,二次调索过程中对影响矩阵增加加权系数,通过MATLAB求解加权后方程的最小二乘解,经过少量的迭代运算,索力差值即趋于稳定。结果表明:实测索力与设计成桥索力的相对误差可控制在5%以内,完全满足规范限值的要求;在有限元计算过程中考虑几何非线性效应的方式,减小了几何非线性效应对结构的影响;作为一种加速收敛的方法,加权影响矩阵具有收敛速度较为均匀的特点。(本文来源于《河北工程大学学报(自然科学版)》期刊2019年02期）
张璠,李为相,李为[8]（2019）在《基于从众心理矩阵和加权相似度的推荐算法》一文中研究指出为提高推荐算法的精度,提出一种基于从众心理矩阵和加权相似度的推荐算法。引入项目流行度阈值K,根据项目流行度对项目进行筛选,对高流行度项目的评分矩阵进行调整;通过用户兴趣度量函数度量用户的现阶段偏好项目,基于每个用户的现阶段偏好项目计算用户间的兴趣相似度;采用相似度加权融合的方式获取用户相似度。实验结果表明,该算法的推荐精度优于传统的协同过滤算法。(本文来源于《计算机工程与设计》期刊2019年06期）
刘世建,卓小丽[9]（2019）在《基于加权影响矩阵的提篮拱初张索力确定方法研究》一文中研究指出大跨提篮拱吊杆初张索力确定过程中,因其空间结构及受力复杂,容易出现顾此失彼的情况。以某450 m特大跨钢箱提篮拱为工程背景,初张索力求解过程中对影响矩阵增加加权系数,通过Matlab求解加权后方程的最小二乘解,经过少量的迭代运算,索力差值即趋于稳定,计算成桥索力与设计成桥索力的相对误差最大为0.28%。加权影响矩阵作为一种加速收敛的方法,吊杆索力收敛速度较为均匀,对类似桥梁成桥索力的确定或索力二次调整提供了一种新思路。(本文来源于《华东交通大学学报》期刊2019年03期）
亢文英[10]（2019）在《基于隐含知识点和加权矩阵分解的习题推荐算法研究》一文中研究指出习题是教育领域重要的学习资源。个性化的习题推荐算法在在线教育平台中发挥着重要作用。由于认知诊断模型很好地描述了学生、知识点和习题叁者之间的关系,因此在习题推荐领域得到了广泛的应用,但仍然存在一些问题。首先,基于认知诊断模型的习题推荐算法依赖于Q矩阵作为输入。Q矩阵是习题与知识点的关系映射矩阵,通常由领域专家手动标注,因此有较强的主观依赖性。其次,Q矩阵的标注费时费力,含有Q矩阵标注的习题数量有限。对于缺少Q矩阵标注的习题,一直没有行之有效的推荐算法。因此,针对Q矩阵标注不准确和大量习题缺少Q矩阵标注这两个问题,本文分别提出两种不同的习题推荐算法,均在公开数据集上取得了较好的实验结果,优于现有的算法。同时,基于这两种算法开发了在线教学系统原型。研究内容与创新点如下:(1)提出基于隐含知识点的习题推荐算法。首先,该算法利用知识追踪技术得到习题和隐含知识点的动态映射结果,即习题—隐含知识点矩阵。然后,将专家标注的Q矩阵作为桥梁,结合习题—隐含知识点矩阵重新构建Q矩阵,并将该矩阵作为认知诊断模型的输入。最后,利用认知诊断模型预测习题得分并进行习题推荐。(2)提出基于学生—习题加权矩阵分解的习题推荐算法。该算法无需Q矩阵作为输入,仅在基础矩阵分解模型中加入习题难度和学生能力值作为未知数据的先验知识,并采用基于元素的快速交替最小二乘更新策略优化模型参数,最后,利用模型的预测值进行习题推荐。(3)设计并实现了基于习题推荐算法的在线教学系统原型。该系统将提出的两种习题推荐算法应用在教学系统中,利用学生的做题记录检验学生是否掌握所学知识,并为学生推荐合适的习题,避免重复作答已经掌握的习题。实验结果表明,提出的两种习题推荐算法在公开数据集的F1值均取得了较好的结果。不仅缓解了认知诊断领域手动标注Q矩阵带来的误差问题,还为大量缺少Q矩阵标注的习题提供了一种可行的推荐策略。在线教学系统上对这两种算法的成功应用更有利于改善学生的学习过程并提升教师的教学效果。(本文来源于《西北大学》期刊2019-06-01）
加权矩阵论文开题报告
（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：
为提高多种光照条件下交通卡口视频中车脸识别的准确性,提出了一种基于改进非负矩阵分解的车脸识别算法.对采集图像进行预处理,获得车脸图像与车牌信息.基于特定光照条件,自适应提取车脸图像的初始特征.针对车脸图像中像素位置的重要性差异,建立了加权稀疏约束非负矩阵分解的特征降维方法.通过判断特征相似性与车牌信息一致性,确定车辆是否合法.实验结果表明所提算法具有较好的识别性能,真实接受率与错误拒绝率分别可达到0. 987 5与0. 04,并满足实时性要求.
（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。
加权矩阵论文参考文献
[1].邓秀勤,刘太亨,刘富春,龙咏红.基于全加权矩阵分解的用户协同过滤推荐算法[J].计算机科学.2019
[2].石春鹤,吴成东.基于加权稀疏非负矩阵分解的车脸识别算法[J].东北大学学报(自然科学版).2019
[3].王志颖,刘忠贺.选权迭代法求解加权秩亏网平差权矩阵[J].测绘通报.2019
[4].王彤,魏巍,王锋.基于样本对加权共协关系矩阵的聚类集成算法[J].南京大学学报(自然科学).2019
[5].何轶凡,邹海涛,于化龙.基于动态加权Bagging矩阵分解的推荐系统模型[J].南京大学学报(自然科学).2019
[6].时艳玲,杜宇翔,蒋锐,王昕.部分均匀海杂波中基于分组加权的协方差矩阵估计算法[J].信号处理.2019
[7].刘世建.基于加权影响矩阵的提篮拱二次调索方法研究[J].河北工程大学学报(自然科学版).2019
[8].张璠,李为相,李为.基于从众心理矩阵和加权相似度的推荐算法[J].计算机工程与设计.2019
[9].刘世建,卓小丽.基于加权影响矩阵的提篮拱初张索力确定方法研究[J].华东交通大学学报.2019
[10].亢文英.基于隐含知识点和加权矩阵分解的习题推荐算法研究[D].西北大学.2019
论文知识图
