导读:本文包含了邻域关系论文开题报告文献综述及选题提纲参考文献，主要关键词:邻域粗糙集,邻域信息粒,邻域关系矩阵,属性约简
邻域关系论文文献综述
徐波,冯山[1]（2019）在《基于邻域关系矩阵的属性约简算法》一文中研究指出对邻域决策系统属性约简,针对邻域决策误差率最小化准则不能准确反映各类分布均匀时样本邻域信息粒中决策信息的问题,结合样本邻域信息粒及其决策分布提出一种能反映条件属性子集与决策属性相关性的度量.首先,用邻域关系矩阵将邻域关系间的集合运算转为矩阵运算;其次,证明新度量的粒化单调性,结合排序思想与邻域关系矩阵对称性改进计算单属性的邻域关系矩阵算法(SANRM),构建了基于邻域关系矩阵的启发式属性约简算法(NRMAR);最后,UCI数据集上实验分析表明,NRMAR能够有效选择属性且保持或改善数据集分类能力.(本文来源于《小型微型计算机系统》期刊2019年08期）
刘波,燕琴,马磊,吕文清[2]（2019）在《一种结合空间邻域关系特征的面向对象遥感影像变化检测方法》一文中研究指出为了充分挖掘遥感影像特征,提高遥感影像变化检测精度,在面向对象遥感图像分割基础上,提出一种遥感影像空间关系特征度量方法,并应用到了变化检测中。首先,通过对两个时期遥感影像迭加分割,提取影像对象;然后,利用目标对象光谱特征及对象与其邻域对象的空间关系特征,构建两个时期影像对象差异特征影像。对象光谱特征参数主要选择对象内像元亮度均值,对象空间关系特征参数主要为目标对象与两个时期的邻域对象之间的像元亮度之间的差值。最后,通过最大期望EM算法自动获取分割阈值,得到影像变化信息。文中利用两期QuikBird影像对实验区域构建多组特征变化矢量影像,实验结果发现,新加入的空间邻域关系特征能较好地提高变化检测精度。(本文来源于《测绘工程》期刊2019年01期）
胡正平,刘怀飚,孙德刚[3]（2019）在《邻域排斥稀疏判决单样本亲属关系认证算法》一文中研究指出针对如何利用人脸图像进行亲属关系认证问题,提出邻域排斥测度学习稀疏判决的单样本亲属关系认证算法。学习能使具有亲属关系样本距离变小,而非亲属关系样本距离变大的变换矩阵,目的是利用已有数据样本间相似程度的先验知识学习最佳相似性度量,使之能更好地刻画亲属样本间的相似关系。在新的测度空间下采用稀疏表示方法用父母样本集建立过完备字典来线性表示子女图像,并以稀疏系数大小衡量样本间相似程度。针对亲属样本间相似性不明显问题提出子模块综合稀疏认证方法,通过多重稀疏系数综合判别两输入样本的亲属关系。在KinFaceW-Ⅰ和KinFaceW-Ⅱ两个亲属图像库上的实验结果表明,采用测度学习空间下稀疏系数判决的方法相比已有亲属关系人脸认证方法具有更好的性能。(本文来源于《计算机工程与应用》期刊2019年22期）
温欣,李德玉,王素格[4]（2018）在《一种基于邻域关系和模糊决策的特征选择方法》一文中研究指出数据特征空间的高维性使得学习过程耗费了相对较多的时间,而且可能影响分类性能.邻域粗糙集模型可以用来解决特征选择问题,但该模型未能描述现实存在的样本的模糊性,可能导致信息的丢失.因此,建立了一种新的单标记特征选择模型,采用两种不同的隶属度计算方法获得样本对等价类的模糊隶属度,将每个等价类中最小隶属度值作为隶属度阈值.然后利用邻域样本隶属度与阈值的关系重新定义邻域粗糙上、下近似,进而通过衡量决策属性对特征子集依赖度的大小进行特征选择.在七个公开的UCI数据集上进行了实验,实验结果表明,与已有的几种特征选择方法相对比,分类准确度得到了进一步提高,选择的特征数目明显减少.(本文来源于《南京大学学报(自然科学)》期刊2018年04期）
胡正平,郭增洁,王蒙,孙哲[5]（2017）在《基于局部特征融合的邻域排斥度量学习亲属关系认证算法》一文中研究指出针对如何利用人脸图像局部特征进行亲属关系认证的问题,文中提出基于局部特征融合的邻域排斥度量学习亲属关系认证算法.首先抽取脸部的关键区域,分别对每块关键区域提取纹理和肤色特征.然后进行特征融合.最后引入度量学习,学习能使具有亲属关系样本距离变小、非亲属关系样本距离变大的变换矩阵,利用已有数据样本间相似程度的先验知识学习最佳相似性度量,更好地刻画亲属样本间的相似关系.在Kin Face W-I和KinFace W-II数据库中的实验表明,相比已有的亲属关系认证算法,文中算法性能更好.(本文来源于《模式识别与人工智能》期刊2017年06期）
姚晟,徐风,赵鹏,汪杰,陈菊[6]（2017）在《基于邻域量化容差关系粗糙集模型的特征选择算法》一文中研究指出数值型不完备信息系统的特征选择方法大多是以容差关系为基础,但是这种处理方式存在数据相似性刻画过于宽松的缺陷.文中提出邻域量化容差关系的粗糙集模型,在该模型的基础上定义邻域量化容差条件熵,分析相关性质,根据邻域量化容差条件熵的单调性构造相应的特征选择算法.实验表明,文中算法在特征选择结果、运行时间和分类精度方面具有优越性.(本文来源于《模式识别与人工智能》期刊2017年05期）
任梦男[7]（2017）在《基于概念邻域的不确定对象方向关系定性推理研究》一文中研究指出目前空间方向关系及其定性推理作为空间数据库的重要研究内容之一发挥着不可替代的作用。随着时代的发展,对空间方向关系推理技术也提出了越来越高的要求。但是现有方向关系推理大多基于确定对象或静止对象。在实际应用中,空间对象的不确定性广泛存在,且大部分空间对象都是处在运动状态。缺乏对于不确定对象的动态方向关系推理问题的研究,针对上述问题,本文进行了相应的研究,主要内容有:首先,提出一种不确定对象空间方向关系推理模型。基于矩形空间关系表达模型和概念邻域结构,将空间不确定对象抽象成为宽边界模型,分别给出以确定对象为参考对象和以不确定对象为参考对象的方向关系运算规则和推理过程。该模型不仅能够推理不确定对象下一时刻可能的方向关系,还能够将不确定对象和确定对象进行统一处理,从而避免将不确定对象和确定对象割裂开来分析。其次,给出不确定对象下一时刻方向关系的判定规则和方向关系合理性判定算法。对方位关系进行分类,给出每个类别下相应的方向关系判定规则,利用这些规则快速排除候选结果集中大量不符合对象自身以及参考对象和目标对象之间关系限定的方向关系,提高该算法的执行效率。最后,设计实现方位关系推理原型系统。结合具体的实例给出系统的运算过程和运算结果,并且论证结果的合理性。将确定对象作为不确定对象的一种特殊情况进行计算和分析,证明该系统不仅能够推理不确定对象下一时刻方向关系,还能够处理确定对象方向关系推理问题,做到了空间对象方向关系推理问题的完整性和统一性。(本文来源于《燕山大学》期刊2017-05-01）
刘美春,王芬[8]（2017）在《基于自适应邻域相似关系的脑-机接口识别算法》一文中研究指出针对脑-机接口(BCI)研究数据分布不确定问题,提出基于自适应邻域相似关系识别算法,以提取脑电信号中的运动相关电位(MRP)特征。采用映射后MRP模式的邻域相似关系,寻找最佳投影方向,使得映射后异类与同类的样本期望距离的比值最大。利用映射后的样本距离确定相似概率,避免在高维空间使用距离方程可能产生的不适应性。在随机生成数据和BCI竞赛公开数据应用中,该算法的识别效果优于线性判别分析算法和共空间模式算法。(本文来源于《计算机工程》期刊2017年01期）
刘艳芳,陈雪云[9]（2016）在《关系粗糙集的邻域拟阵结构研究》一文中研究指出本文在论域任一关系中,通过邻域定义了一个集族,证明其满足拟阵的独立集公理,建立了邻域拟阵。为了进一步了解邻域拟阵,研究了其极小圈、秩函数和闭包算子。同时,给出了从拟阵诱导关系的一种形式,研究了关系的上近似算子和由其诱导的拟阵闭包算子之间的关系。更进一步的研究了从关系到拟阵再到新关系与原关系之间的关联,尤其是,原关系通过邻域可以等价表示新关系。(本文来源于《数码设计》期刊2016年02期）
陈羽中,施松,朱伟平,于志勇,郭昆[10]（2017）在《一种基于邻域跟随关系的增量社区发现算法》一文中研究指出社区发现能够揭示真实社会网络的拓扑结构和动态特性.目前的社区发现算法多针对静态社会网络所设计,而绝大多数真实社会网络的社区结构是动态变化的.针对动态社区发现,现有算法通常基于社区结构平稳变化的假设,无法处理演化过程中可能出现的大量社区消亡或涌现等突发事件.为解决有效并高效地发现大规模动态社会网络的社区结构的问题,提出了一种基于邻域跟随关系的社区表示模型Follow-Community,模型刻画的社区由不同角色的节点以及节点间的跟随关系组成,通过发现节点间存在的直接或间接的跟随关系,可将跟随同一个节点的节点所构成的集合归为一个社区.基于该模型提出了一种具有接近线性时间复杂度的邻域跟随算法NFA(Neighborhood Following Algorithm),遍历网络节点一次即可得到静态社会网络的社区结构.进一步扩展得到增量邻域跟随算法iNFA(incremental Neighborhood Following Algorithm).通过更新网络演化过程中相关节点的邻域跟随关系,iNFA可发现动态社会网络的社区结构及社区演化.实验结果验证了算法在大规模动态社会网络社区发现方面具有精度、效率以及稳定性的优势.(本文来源于《计算机学报》期刊2017年03期）
邻域关系论文开题报告
（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：
为了充分挖掘遥感影像特征,提高遥感影像变化检测精度,在面向对象遥感图像分割基础上,提出一种遥感影像空间关系特征度量方法,并应用到了变化检测中。首先,通过对两个时期遥感影像迭加分割,提取影像对象;然后,利用目标对象光谱特征及对象与其邻域对象的空间关系特征,构建两个时期影像对象差异特征影像。对象光谱特征参数主要选择对象内像元亮度均值,对象空间关系特征参数主要为目标对象与两个时期的邻域对象之间的像元亮度之间的差值。最后,通过最大期望EM算法自动获取分割阈值,得到影像变化信息。文中利用两期QuikBird影像对实验区域构建多组特征变化矢量影像,实验结果发现,新加入的空间邻域关系特征能较好地提高变化检测精度。
（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。
邻域关系论文参考文献
[1].徐波,冯山.基于邻域关系矩阵的属性约简算法[J].小型微型计算机系统.2019
[2].刘波,燕琴,马磊,吕文清.一种结合空间邻域关系特征的面向对象遥感影像变化检测方法[J].测绘工程.2019
[3].胡正平,刘怀飚,孙德刚.邻域排斥稀疏判决单样本亲属关系认证算法[J].计算机工程与应用.2019
[4].温欣,李德玉,王素格.一种基于邻域关系和模糊决策的特征选择方法[J].南京大学学报(自然科学).2018
[5].胡正平,郭增洁,王蒙,孙哲.基于局部特征融合的邻域排斥度量学习亲属关系认证算法[J].模式识别与人工智能.2017
[6].姚晟,徐风,赵鹏,汪杰,陈菊.基于邻域量化容差关系粗糙集模型的特征选择算法[J].模式识别与人工智能.2017
[7].任梦男.基于概念邻域的不确定对象方向关系定性推理研究[D].燕山大学.2017
[8].刘美春,王芬.基于自适应邻域相似关系的脑-机接口识别算法[J].计算机工程.2017
[9].刘艳芳,陈雪云.关系粗糙集的邻域拟阵结构研究[J].数码设计.2016
[10].陈羽中,施松,朱伟平,于志勇,郭昆.一种基于邻域跟随关系的增量社区发现算法[J].计算机学报.2017