导读:本文包含了权值向量论文开题报告文献综述及选题提纲参考文献，主要关键词:数据分析,权值向量,矩阵约简,布尔矩阵
权值向量论文文献综述
杨秋翔,孙涵[1]（2018）在《基于权值向量矩阵约简的Apriori算法》一文中研究指出为解决数据挖掘运算过程中频繁项集丢失及其生成效率低的问题,提出一种基于权值向量矩阵约简的Apriori算法。从数据库所有集合中选择一个子集作为挖掘对象,对集合中元素赋予权值;将数据库信息用布尔矩阵表示,在运算过程中不断约简矩阵结构,提高频繁项集的生成效率。测试结果表明,该方法利用权值的引入和矩阵约简思想,实现了数据动态分析,降低了源数据和候选项集的规模,运算效率较基于压缩矩阵的Apriori算法有明显提升。(本文来源于《计算机工程与设计》期刊2018年03期）
张兴义,蒋小叁,张磊[2]（2016）在《基于权值向量的偏好多目标优化方法》一文中研究指出偏好多目标优化方法是多目标优化领域的一个重要分支,其主要目的是仅搜索Pareto前沿面上部分区域内决策者感兴趣的解.基于MOEA/D算法根据预先设定的均匀分布的权值向量搜索Pareto最优前沿面的思想,本文提出了一种基于权值向量的偏好多目标优化方法,该方法通过引入具有偏好信息的权值向量,使算法仅搜索偏好点附近的解.仿真实验结果表明,与现有偏好多目标优化算法相比,本文方法具有支持多偏好点、偏好区域大小可控、偏好点位置无特别要求及偏好解具有更好收敛性的优势.(本文来源于《电子学报》期刊2016年11期）
蒋小叁[3]（2016）在《基于权值向量的偏好多目标算法及其在最大功率点上的应用研究》一文中研究指出近年来,多目标优化方法已被广泛运用到工程、科学研究等各个领域。这类方法最终的目的是为了获得均匀分布在整个Pareto前沿面上的一组最优解。然而,在实际的多目标优化工程问题中,决策者通常并不是需要Pareto前沿面上所有区域上的最优解,而是仅需要满足其偏好的一部分解。为了可以有效地解决这类问题,偏好多目标优化算法引起了学者们的关注,这类算法是在多目标优化算法中融入决策者的偏好信息。基于此,本文对偏好多目标优化算法进行了研究,提出了一种基于权值向量的偏好多目标优化算法,并验证了该算法搜索偏好解的能力；同时,在此研究基础上对光伏系统的最大功率点跟踪算法进行了研究,提出了一种基于权值向量的偏好多目标最大功率点跟踪算法。本文的主要研究工作如下：(1)提出了一种基于权值向量的偏好多目标优化算法。MOEA/D算法是一种新颖的多目标优化算法,它根据预先设定的权值向量来搜索整个Pareto最优面,然而该方法并没有考虑决策者的偏好信息。因此,本文受MOEA/D思想的启发,提出了一种基于权值向量的偏好多目标优化算法,该算法通过引入具有偏好信息的权值向量,引导搜索方向朝决策者感兴趣的区域进行,从而使得最终得到的解都是满足决策者偏好的解。在一系列测试函数上的仿真实验表明,与已有偏好多目标优化算法相比,本文所提的方法不仅具有支持多偏好点、偏好区域大小可控、偏好点的位置对算法性能影响不大等优点,而且在大多数所测试的低维和高维问题上所获得的偏好解具有更好的收敛性。(2)提出了一种基于权值向量的偏好多目标最大功率点跟踪算法。光伏发电系统在特定的环境条件下,仅存在一个最大输出功率点,一旦其工作点偏离最大输出功率点,太阳能电池的输出功率就会急剧减小。因此,最大功率点跟踪技术是光伏发电系统的一个关键技术。然而,随着外界环境发生骤变或光伏阵列在位于局部遮阴的情形下,传统的最大功率点跟踪算法可能会追踪不到光伏系统在该环境下的最大功率点。通过分析最大功率点跟踪问题可知,此问题既要满足追踪到的功率最大,同时又要满足追踪到的最大功率点下的电流与模型下所对应的真实电流误差要足够小,因此该问题可转化为带偏好的多目标优化问题。故本文提出来了基于权值向量的偏好多目标最大功率点跟踪算法。该算法与传统的大功率点跟踪算法相比,无需不断实时检测功率的变化,仅需检测外界环境的变化即可获得光伏系统的最大功率点。由于该算法中仅需检测外界环境变化即可,故不必要求系统实时性,可以实现离线追踪最大功率点,同时也避免了因在最大功率点附近振荡而造成能量损失。仿真实验结果表明与传统的最大功率点跟踪算法相比,本文所提算法具有更高的精度,同时,误差可以控制在理想的范围内。(本文来源于《安徽大学》期刊2016-05-01）
王东霞,周观民[4]（2015）在《遗传算法优化特征权值的支持向量机图像分类》一文中研究指出为了提高图像分类的准确率,提出了一种遗传算法优化特征权值的支持向量机图像分类(GA-SVM)。首先分别提取图像的颜色和纹理特征,然后采用改进遗传算法确定特征权值,最后采用支持向量机建立图像分类器,并对corel图像库进行仿真测试。结果表明,相对于其他图像分类算法,GA-SVM提高了图像分类精度。(本文来源于《电视技术》期刊2015年02期）
付永贵,尚成国,马尚才[5]（2013）在《基于云计算的改进余弦向量度量法索引项权值算法》一文中研究指出针对用户对索引项重要程度无区分以及普通计算平台承载能力受限提出基于云计算的改进余弦向量度量法索引项权值算法(ICVMMITWCC算法),该算法通过从包含全部索引项的文本集中计算索引项平均权值对经典的余弦向量度量法索引项权值算法(CCVMMITW算法)修改求得相对权值;通过实验对比ICVMMITWCC算法与CCVMMITW算法下文本的排序效率,说明ICVMMITWCC算法更贴近用户查询需求.(本文来源于《计算机系统应用》期刊2013年06期）
李晓波,樊养余[6]（2012）在《一种不受初始权值向量影响的MCA学习算法》一文中研究指出最小主元分析(Minor Component Analysis,MCA)类自适应总体最小二乘算法易受初始权值向量的影响而无法收敛。为解决这一问题,提出了一种不受初始权值向量影响的MCA学习算法,推导出了该算法的收敛条件与最终收敛域,并通过计算机仿真验证了该算法的正确性。(本文来源于《计算机工程与应用》期刊2012年26期）
吴金花,孙德山[7]（2009）在《加权支持向量回归的权值确定方法》一文中研究指出针对标准支持向量回归中由于噪声和野点造成的回归误差,提出了一种基于线性规划的权值确定方法。该方法的基本思想是首先根据样本偏离数据域距离的不同,采用线性规划下的一类分类算法得到一个权值确定函数,然后将得到的权值确定函数应用于加权支持向量回归,加权的目的是为了减弱噪声和野点对回归结果的影响。实验表明,该权值确定方法与标准支持向量回归相比,可以有效减小回归误差,提高支持向量机抗噪声的能力。(本文来源于《计算机技术与发展》期刊2009年06期）
权值向量论文开题报告
（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：
偏好多目标优化方法是多目标优化领域的一个重要分支,其主要目的是仅搜索Pareto前沿面上部分区域内决策者感兴趣的解.基于MOEA/D算法根据预先设定的均匀分布的权值向量搜索Pareto最优前沿面的思想,本文提出了一种基于权值向量的偏好多目标优化方法,该方法通过引入具有偏好信息的权值向量,使算法仅搜索偏好点附近的解.仿真实验结果表明,与现有偏好多目标优化算法相比,本文方法具有支持多偏好点、偏好区域大小可控、偏好点位置无特别要求及偏好解具有更好收敛性的优势.
（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。
权值向量论文参考文献
[1].杨秋翔,孙涵.基于权值向量矩阵约简的Apriori算法[J].计算机工程与设计.2018
[2].张兴义,蒋小叁,张磊.基于权值向量的偏好多目标优化方法[J].电子学报.2016
[3].蒋小叁.基于权值向量的偏好多目标算法及其在最大功率点上的应用研究[D].安徽大学.2016
[4].王东霞,周观民.遗传算法优化特征权值的支持向量机图像分类[J].电视技术.2015
[5].付永贵,尚成国,马尚才.基于云计算的改进余弦向量度量法索引项权值算法[J].计算机系统应用.2013
[6].李晓波,樊养余.一种不受初始权值向量影响的MCA学习算法[J].计算机工程与应用.2012
[7].吴金花,孙德山.加权支持向量回归的权值确定方法[J].计算机技术与发展.2009