导读:本文包含了自动加权论文开题报告文献综述及选题提纲参考文献，主要关键词:网页排序算法,道路选取,重要度,复杂网络
自动加权论文文献综述
马超,孙群,陈换新,徐青,温伯威[1]（2018）在《加权网页排序算法在道路网自动选取中的应用》一文中研究指出针对现有算法在计算道路网节点重要度时忽略节点间的相互影响以及道路密度引起的重要度异常等问题,提出了一种基于加权网页排序算法的道路网自动提取方法。首先将道路连接成路段,以路段为网络节点,道路交叉作为节点连线,路段长度作为边的权重,将道路网抽象成有向有权图;然后利用加权网页排序算法计算有向有权图节点的重要度,并利用链接作弊检测的方法修正由道路密度引起的节点重要度异常,得到道路节点的最终重要度排序,从而完成道路网的提取。通过真实路网数据进行实验分析,结果表明,相对基于网络中心性的方法,该算法的提取结果能够更好地保留原始路网的密度差异和整体结构。(本文来源于《武汉大学学报(信息科学版)》期刊2018年08期）
巢琳,杨鸣[2]（2016）在《基于图像熵值加权的自动白平衡算法》一文中研究指出针对图像颜色块较少时的校正结果不理想问题,对白平衡算法中增益因子的计算进行改进。首先对图像进行直方图均衡化,然后对图像分块并计算子块图像熵,最后用基于熵值加权的灰色世界算法对图像进行白平衡校正。算法校正结果表明:改进算法颜色还原准确度高,校正结果较为理想。(本文来源于《数据通信》期刊2016年05期）
李湘东,巴志超,高凡[3]（2016）在《数字文本自动分类中特征语义关联及加权策略研究综述与展望》一文中研究指出【目的】探讨目前针对书目、题录信息以及新闻网页、博客等新兴媒体开展的数字文本自动分类研究中存在的主要问题和可能的解决方向。【文献范围】基于机器学习方法的自动分类研究领域中,关于特征语义转换、特征扩展和加权策略等方面的主要研究成果及相关文献。【方法】按照主要研究、关键技术、现有成果水平和今后发展方向等方面进行分析归纳。【结果】针对特征语义转换、特征扩展和加权策略等研究领域,分析问题的现象和原因,指出当前研究在文本语义表示、各种知识库的利用等方面存在的不足。【局限】没有涉及分类过程中分类算法等其他比较成熟的研究领域。【结论】今后可以从向量空间模型与概率主题模型相结合、利用各种外部知识库并提高概念相似度计算能力、结合多种加权策略构建复合加权表示模型等方向开展分类研究,以提高数字文本自动分类的性能。(本文来源于《现代图书情报技术》期刊2016年09期）
张宽,韩威华[4]（2016）在《基于加权信息熵的航天器姿态稳定自动监测》一文中研究指出为监视航天器的姿态控制稳定度以为后续飞行控制决策提供依据,提出了一种基于加权信息熵的航天器姿态稳定监测方法,该方法使用加权信息熵计算航天器姿态局部时域内的非线性变化复杂度,进而量化评估航天器的姿态稳定性,可对航天器的姿态稳定进行自动辅助监视和判断。探月叁期再入返回飞行试验任务期间的17次调姿数据验证了方法的有效性,并且发现了某次调姿后俯仰角和偏航角均未收敛和稳定,此现象在任务期间并未被测控人员监视发现,进一步证明亟需开展航天器姿态稳定自动辅助监视和判断的必要性。(本文来源于《载人航天》期刊2016年05期）
林东弟[5]（2016）在《浅谈线性加权法在自动扶梯主机选型中的应用》一文中研究指出线性加权法在自动扶梯驱动主机选型中的应用可以有效提高选型效率和合理性。本文既对自动扶梯结构和特点、线性加权法评价模型进行了论述,讨论了线性加权法评价模型在自动扶梯驱动方案选型中的应用,并对线性加权法应用于自动扶梯驱动方案选型中的分析要点进行了论述。(本文来源于《科技风》期刊2016年13期）
盛靖友,张洪伟[6]（2016）在《基于预测强度的变量自动加权K-Means算法的研究与应用》一文中研究指出为了克服传统K-Means算法k值不能确定问题和不具备变量自动选择能力,将预测强度和变量自动加权K-Means算法相结合,提出基于预测强度的变量自动加权K-Means算法。预测强度表示聚类模型对未知数据的预测能力,预测能力越强,则聚类结果越佳,主要用于k值的确定;变量自动加权K-Means算法具有在聚类过程中自动调整变量权重的能力,对于噪声变量和冗余变量削弱其对距离的贡献,使聚类结果反映最真实的聚类结构。实验表明,算法具有较强的分类能力和预测能力。(本文来源于《四川理工学院学报(自然科学版)》期刊2016年02期）
李科,游雄,杜琳,李钦[7]（2015）在《多特征组合与自动加权K-Means聚类算法的影像分类技术研究》一文中研究指出为了提高遥感影像地物分类精度,提出了一种基于多特征组合与自动加权K-Means聚类算法的影像分类方法。首先提取影像的SIFT,GIST,颜色,Census和Gabor等多种类型特征,然后通过实验分析确定最佳特征组合。针对一般K-Means算法没有考虑各个特征值权重的问题,提出利用自动加权K-Means算法计算不同特征分量的权值,分别对SIFT,GIST和Gabor特征构建了基于权重的影像特征词汇表;然后利用稀疏编码算法进行影像编码;最后使用SVM算法完成影像分类。通过实验表明提出的方法能有效提高遥感影像分类准确性,并且具有较好的稳定性和鲁棒性。(本文来源于《测绘科学技术学报》期刊2015年06期）
李勇明,陈勃翰,王品[8]（2015）在《采用基于密度加权和偏好信息的K均值聚类的胸阻抗信号自动检测算法》一文中研究指出为了自动识别胸阻抗(Trans Thoracic Impedance,TTI)信号中的按压和通气波形,完成相关重要参数的计算,从而实现对心肺复苏质量的监测评估,该文提出一种基于密度加权与偏好信息的胸阻抗信号自动检测算法。该方法针对实验采集的猪的电诱导心脏骤停模型TTI信号,通过预处理和多分辨率窗口搜索法完成潜在按压和通气波形的标记;接着,提取每个标记波形的宽度、幅值以及相邻波形特征差作为特征,并按标记波形宽度对信号进行分段;之后,再对信号进行小波分解,提取其小波系数每段的能量与原始波形幅值之比作为特征;最后采用基于密度加权与偏好信息的K均值聚类分析法对标记的波形进行分类识别。实验结果表明,该算法对TTI信号中按压波形和波形分析识别的正确率和敏感度均较高,鲁棒性好,且运行时间(0.43 s±0.07 s)满足实时性要求。(本文来源于《电子与信息学报》期刊2015年04期）
齐兴斌,赵丽,李雪梅,田涛[9]（2015）在《基于直方图梯度计算的T2加权脑部MR图像自动分割》一文中研究指出针对脑部核磁共振图像分割问题,提出了一种直方图梯度计算方法。首先,对MR图像的直方图进行平滑处理,从而去除叁个体素中出现的最低灰度级;然后,在预处理后的直方图上计算梯度;最后,计算对象数和其所在位置的梯度,并对图像进行自动分割。基于直方图处理进行梯度计算,大大降低了计算复杂度。在T2加权脑部MR图像上的实验结果表明,该方法可以有效地从二维和叁维图像中提取出主要脑部区域,并在临床环境中获得的人类脑部MR图像上成功实施,分割效果优于其他几种现有分割算法。(本文来源于《计算机应用研究》期刊2015年05期）
滕召良,吕文生,杨鹏,王述清,李斌[10]（2014）在《基于加权线性规划法的变异函数球状模型自动拟合研究》一文中研究指出对加权线性规划拟合法的权进行了改善,提出兼顾滞后距和数据对数目对权的影响的计算方法。并以山东某金矿等多个金属矿山为例进行了可行性验证,实验得出结论为本文提出的权计算方法适应性更强(既能适用于数据对数目随滞后距的增大而减小的实验变异函数拟合,也能适用于数据对数目与滞后距变化不一致的实验变异函数拟合),拟合所得理论变异函数能使储量估算的精确性得到提高。(本文来源于《西部探矿工程》期刊2014年09期）
自动加权论文开题报告
（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：
针对图像颜色块较少时的校正结果不理想问题,对白平衡算法中增益因子的计算进行改进。首先对图像进行直方图均衡化,然后对图像分块并计算子块图像熵,最后用基于熵值加权的灰色世界算法对图像进行白平衡校正。算法校正结果表明:改进算法颜色还原准确度高,校正结果较为理想。
（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。
自动加权论文参考文献
[1].马超,孙群,陈换新,徐青,温伯威.加权网页排序算法在道路网自动选取中的应用[J].武汉大学学报(信息科学版).2018
[2].巢琳,杨鸣.基于图像熵值加权的自动白平衡算法[J].数据通信.2016
[3].李湘东,巴志超,高凡.数字文本自动分类中特征语义关联及加权策略研究综述与展望[J].现代图书情报技术.2016
[4].张宽,韩威华.基于加权信息熵的航天器姿态稳定自动监测[J].载人航天.2016
[5].林东弟.浅谈线性加权法在自动扶梯主机选型中的应用[J].科技风.2016
[6].盛靖友,张洪伟.基于预测强度的变量自动加权K-Means算法的研究与应用[J].四川理工学院学报(自然科学版).2016
[7].李科,游雄,杜琳,李钦.多特征组合与自动加权K-Means聚类算法的影像分类技术研究[J].测绘科学技术学报.2015
[8].李勇明,陈勃翰,王品.采用基于密度加权和偏好信息的K均值聚类的胸阻抗信号自动检测算法[J].电子与信息学报.2015
[9].齐兴斌,赵丽,李雪梅,田涛.基于直方图梯度计算的T2加权脑部MR图像自动分割[J].计算机应用研究.2015
[10].滕召良,吕文生,杨鹏,王述清,李斌.基于加权线性规划法的变异函数球状模型自动拟合研究[J].西部探矿工程.2014