导读:本文包含了增量式更新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:增量,数据库,国情,算法,失配,数据挖掘,地理。
增量式更新论文文献综述
郭兰勤,吴燕平,王海恒,张婧,刘媛[1]（2019）在《基于增量式更新的1∶50000地形数据库融合方法探讨》一文中研究指出基于增量式更新的数据库融合是国家1∶50 000地形数据库更新项目中的重要技术环节,决定着最终成果的质量能否满足后期入库的要求。介绍1∶50 000地形数据库更新方法和融合的技术流程,探讨人工接边融合法、数据裁切融合法和软件自动融合检查法3种基于增量式更新的融合方法,分析各融合方法的优缺点,并对增量数据融合后成果质量检查要点进行总结,对后期1∶50 000地形数据库持续更新中增量融合方法的选择和质量控制具有一定的参考。(本文来源于《测绘标准化》期刊2019年03期）
沙宗尧,王安,汪辛夷[2]（2019）在《利用道路网眼实现路网的增量式更新》一文中研究指出获取现势性的交通道路数据是数字城市和智慧城市建设的基础,基于传统测绘的道路网更新方法存在一定局限性,而基于众源数据及行车轨迹数据更新道路网近年来则倍受关注。首先提出了一种新的道路变化增量更新方法,该方法先对历史道路网建立面拓扑结构,生成由道路网组成的最小闭合面域(道路网眼);然后以道路网眼为基本控制单元,综合利用轨迹点上下文距离信息和隐马尔可夫模型(hidden Markov model,HMM),提取失配轨迹点和失配轨迹段;最后采用缓冲区分析和最大密度法对失配轨迹提取骨架线,创建新增道路,增量更新历史道路网。实验结果表明,以道路网眼为控制单元,利用轨迹点上下文距离分析和HMM捕获失配轨迹点,可提高失配轨迹点的提取效率,改善道路网更新效果。该方法可用于大规模路网的增量式更新。(本文来源于《武汉大学学报(信息科学版)》期刊2019年08期）
马苗立,张洪波,丁卫颖[3]（2018）在《基于字节级优化更新的云存储增量式网络编码方法研究》一文中研究指出云存储系统是云计算系统概念的衍生和发展,是一种采用大量分布式存储资源以协同工作的方式来构建的大型集群应用系统,用于向用户提供安全可靠的网络存储服务。为提高云存储系统网络编码的有效性,提升数据的存储效率,文章提出一种基于字节级优化更新的云存储增量式网络编码方法。首先,提出一种字节级优化增量式更新模型技术(Opt-DUM)用于块级差分更新,通过只发送与受影响的编码字节相关的更新,实现云存储增量式编码效率的提升;其次,研究了在更新过程中生成更新向量、减少增量矩阵和文件大小变化的问题,并完成了云存储系统中所有参与模块的更新算法和通信协议的设计;最后,实验结果验证了所设计用于云存储系统中的文件更新网络编码方法的性能优势。(本文来源于《信息网络安全》期刊2018年11期）
连恒,杨晓锋,韩丛波,谭龙,仲星[4]（2018）在《地理国情监测增量式更新技术方案研究》一文中研究指出通过开展年度(阶段性)地理国情更新调查工作,掌握地理国情变更数据是反映各类地理环境要素分布与关系的必要途径。在第一次全国地理国情普查工作的基础上,研究了地理国情普查数据的更新模式,推进了对经济社会发展指标的综合监测和统计分析。(本文来源于《地理空间信息》期刊2018年05期）
张元杰,刘建军,刘剑炜[5]（2015）在《国家1:50000地形数据库增量式更新技术方法》一文中研究指出国家1:50 000地形数据库通过采用增量式更新的技术方法,极大地提高了数据的更新效率,减少了数据的冗余。本文介绍了国家1:50 000地形数据库增量更新的技术思路与主要技术方法,包括增量信息采集、数据质量检查、增量信息入库等方面的技术方法。(本文来源于《地理信息世界》期刊2015年06期）
卜范玉,陈志奎,张清辰[6]（2015）在《支持增量式更新的大数据特征学习模型》一文中研究指出大数据具有高速变化特性,其内容与分布特征均处于动态变化之中,目前的前馈神经网络模型是一种静态学习模型,不支持增量式更新,难以实时学习动态变化的大数据特征。针对这个问题,提出一种支持增量式更新的大数据特征学习模型。通过设计一个优化目标函数对参数进行快速增量式更新,为了在更新过程中保持网络的原始知识,最小化平方误差函数。对于特征变化频繁的数据,通过增加隐藏层神经元数目网络对结构进行更新,使得更新后的网络能够实时学习动态变化大数据的特征。在对网络参数与结构更新之后,通过权重矩阵SVD分解对更新后的网络结构进行优化,删除冗余的网络连接,增强网络模型的泛化能力。实验结果表明提出的模型能够在尽可能保持网络模型原始知识的基础上,通过不断更新神经网络的参数与结构实时学习动态大数据的特征。(本文来源于《计算机工程与应用》期刊2015年12期）
龙浩,徐超[7]（2015）在《基于改进差别矩阵的属性约简增量式更新算法》一文中研究指出针对目前基于差别矩阵的属性约简算法需要耗费大量的时间和空间,粗糙集中求属性核和属性约简更新效率低以及有关属性约简的增量式更新算法目前还比较少等问题,提出了一种基于改进差别矩阵的属性约简增量式更新算法。该算法在更新差别矩阵时,仅须插入某一行及某一列,或删除某一行并修改相应的列,因而可有效地提高核和属性约简的更新效率。然后在分析新增对象x与原决策系统对象的关系的基础上,给出了属性约简增量更新算法。理论与实验分析表明,提出的算法提高了属性约简的更新效率,明显降低了时间和空间复杂度。(本文来源于《计算机科学》期刊2015年06期）
汪小燕,杨思春,叶红,周建平[8]（2015）在《传递闭包的增量式更新研究》一文中研究指出针对二元关系中添加序偶原有传递闭包更新问题,先提出一种新的传递闭包算法,并基于新的传递闭包算法给出传递闭包的增量式更新方法,只需要在原有传递闭包的基础上,根据所添加的不同序偶,进行简单的更新即可,利用该方法可以较快地实现动态变化的二元关系传递闭包的求解。(本文来源于《苏州科技学院学报(自然科学版)》期刊2015年01期）
郑劼诚[9]（2014）在《基于改进FP-树的关联规则增量式更新算法的研究与应用》一文中研究指出数据挖掘技术是当今的研究热点，已在诸如商务、医学与工程学等众多领域拥有广泛应用。它能够探查隐藏在数据间的有用信息，帮助分析决策。关联分析作为数据挖掘技术中极其重要的一环，研究成果相对较多。关联分析的主要功能是探查数据集中数据之间的关联，并用关联规则或者频繁项集来表示它们。本文首先对关联规则挖掘算法中的经典算法Apriori算法、FP-增长算法以及FUP算法分别加以介绍。然后对于关联规则增量式更新这一问题提出了一种基于改进FP-树的关联规则增量式更新算法FPmineUA。该算法基于一种不生成条件FP-树的改进FP-树，并将其与增量式更新算法相结合，在对FP-树进行优化的基础上，改进了传统增量式更新算法产生巨大候选项集以及频繁扫描数据库的性能缺陷，提高了时间以及空间的效率。实验表明，随着支持度的降低，FPmineUA算法相比传统增量式更新算法在性能上有一定提升。(本文来源于《南昌大学》期刊2014-06-30）
崔冠男[10]（2014）在《基于FP-Tree的关联规则增量式更新算法-BIT算法》一文中研究指出随着科技的进步，人们所获得数据的手段越来越多，数据量也越来越大，可是面对这些海量数据进行分析处理的工具却越来越少。数据挖掘技术就是为满足对海量数据分析、处理的需求应运而生的。关联规则是数据挖掘技术中最重要的方法，Apriori算法是关联规则中最经典的一种算法，但Apriori算法需要多次扫描数据库，生成大量候选项集。本文通过深入分析研究关联规则算法，系统分析和总结了关联规则中一些提高算法效率的改进方法。首先，与Apriori算法相比而言，FP-Growth算法利用FP-Tree存储压缩原始事务数据，将挖掘频繁项目集的问题转化成挖掘FP-Tree的问题，减少了扫描数据库的次数，成为广泛应用的关联规则算法。但是FP-Growth算法过于依赖固定的最小支持度和固定的数据库，因此当最小支持度变化或者事务数据库发生变化时，不能直接利用先前挖掘出的频繁项目集，需要重新扫描数据库挖掘新的频繁项目集。最后基于此问题，本文提出了一种BIT（Batch Incremental Tree）算法，来解决当最小支持度和事务数据库同时发生变化时利用先前结果进行挖掘的一种增量挖掘方法。实验证明，BIT算法与Apriori算法和FP-Growth算法相比，大大提高了算法效率。本文的最后，通过一个案例加深关联规则在增量式更新方面的探讨。利用BIT算法解决当最小支持度变大，事物数据库增加时关联规则更新的问题。此时，无需再次扫描原始数据库，有效利用原频繁项集生成新支持度下的频繁1-项集。在生成新频繁1-项集后，删除了每个事务中不必要的项，也就是支持度计数小于新支持度的项，减少了搜索共享前缀的时间和计算不必要的项，降低了计算量，在其挖掘结果与FP-Growth算法挖掘结果一致的情况下，算法的运行时间大大减少了。因此，通过案例分析，不仅证明了BIT算法的执行效率高于FP-Growth算法，也证明了算法在实际应用中的可行性和通用性。(本文来源于《兰州商学院》期刊2014-06-08）
增量式更新论文开题报告
（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：
获取现势性的交通道路数据是数字城市和智慧城市建设的基础,基于传统测绘的道路网更新方法存在一定局限性,而基于众源数据及行车轨迹数据更新道路网近年来则倍受关注。首先提出了一种新的道路变化增量更新方法,该方法先对历史道路网建立面拓扑结构,生成由道路网组成的最小闭合面域(道路网眼);然后以道路网眼为基本控制单元,综合利用轨迹点上下文距离信息和隐马尔可夫模型(hidden Markov model,HMM),提取失配轨迹点和失配轨迹段;最后采用缓冲区分析和最大密度法对失配轨迹提取骨架线,创建新增道路,增量更新历史道路网。实验结果表明,以道路网眼为控制单元,利用轨迹点上下文距离分析和HMM捕获失配轨迹点,可提高失配轨迹点的提取效率,改善道路网更新效果。该方法可用于大规模路网的增量式更新。
（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。
增量式更新论文参考文献
[1].郭兰勤,吴燕平,王海恒,张婧,刘媛.基于增量式更新的1∶50000地形数据库融合方法探讨[J].测绘标准化.2019
[2].沙宗尧,王安,汪辛夷.利用道路网眼实现路网的增量式更新[J].武汉大学学报(信息科学版).2019
[3].马苗立,张洪波,丁卫颖.基于字节级优化更新的云存储增量式网络编码方法研究[J].信息网络安全.2018
[4].连恒,杨晓锋,韩丛波,谭龙,仲星.地理国情监测增量式更新技术方案研究[J].地理空间信息.2018
[5].张元杰,刘建军,刘剑炜.国家1:50000地形数据库增量式更新技术方法[J].地理信息世界.2015
[6].卜范玉,陈志奎,张清辰.支持增量式更新的大数据特征学习模型[J].计算机工程与应用.2015
[7].龙浩,徐超.基于改进差别矩阵的属性约简增量式更新算法[J].计算机科学.2015
[8].汪小燕,杨思春,叶红,周建平.传递闭包的增量式更新研究[J].苏州科技学院学报(自然科学版).2015
[9].郑劼诚.基于改进FP-树的关联规则增量式更新算法的研究与应用[D].南昌大学.2014
[10].崔冠男.基于FP-Tree的关联规则增量式更新算法-BIT算法[D].兰州商学院.2014
论文知识图
