导读:本文包含了分层过滤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:人民法院,算法,基层,机制,抚养权,荷载,调解员。
分层过滤论文文献综述
李广丽,朱涛,袁天,滑瑾,张红斌[1]（2019）在《混合分层抽样与协同过滤的旅游景点推荐模型研究》一文中研究指出采用问卷调查与自动抓取相结合的方式,采集用户信息、用户评分等旅游数据,对数据做分层抽样,生成包含用户旅游喜好信息的"智慧旅游"数据集。围绕该数据集,预处理用户评分并执行基于用户聚类的协同过滤算法,以计算目标用户与聚类中心的相似性。结合分层抽样模型生成的旅游喜好信息,输出混合推荐列表。实验结果表明:相比基线,混合分层抽样与协同过滤的推荐模型对评分预测的均方根误差(Root mean square error,RMSE)和平均绝对误差(Mean absolute error,MAE)分别降低11.5%～64.9%和18.8%～47.7%。混合推荐的准确率和召回率相比基线也有较大程度提升,旅游景点推荐效果良好。(本文来源于《数据采集与处理》期刊2019年03期）
吴亚楠[2]（2019）在《基于分层过滤的动态数据竞争并发检测与验证》一文中研究指出当前,随着多核系统的广泛应用,多线程正成为一种必不可少的编程技术,通常用于从操作系统到智能多媒体应用程序,来提高特定程序的性能或响应性。但是,由于并发线程执行的不确定性,编写正确执行的多线程程序要比编写正确执行的顺序程序困难得多。当线程未正确同步时,非确定性线程交织可能对于同一输入会产生非确定性的输出。当这种不确定的线程行为导致系统故障或结果不正确时,它被称为并发错误。数据竞争就是多线程并发程序中最复杂的并发错误之一。并发线程执行调度的随机性和对共享存储空间访问的隐蔽性,造成了数据竞争的检测变得及其困难。动态数据竞争检测需要监视所有执行并分析多线程程序中的每个冲突的内存操作,导致大量的运行时开销。如何在有限的时间内检测和验证数据竞争成为提高软件可靠性和安全性的迫切问题。本文主要针对现有的动态数据竞争检测中产生的大量额外开销,且不能准确地找到有害竞争等问题,提出了一种分层过滤的方法来减少动态监视程序执行行为的高性能开销,并且通过两种并发策略高效地检测多线程程序中的数据竞争和验证有害竞争。首先,该算法利用动态二进制插桩工具Pin分别从Image级别(IML)、Section级别(SEL),Instruction级别(INL)和Code级别(COL)四个方面移除不必要的监视存储器操作,以减少原始踪迹中的冗余数据。其次,将Pin工具提取到的踪迹信息基于HashMap分为多个独立的集合,添加到多进程任务队列中,由进程池动态地调度每个进程,依据lockset算法和happens-before关系相结合的方式,并发地离线分析多线程并发程序中的数据竞争。然后使用加权Round-Robin算法将数据竞争按需划分到多台云服务器上,结合线程调度技术延迟阻塞以尽可能地创造竞争条件,在多台云服务器上并发验证数据竞争,识别出有害的竞争。最后,我们设计并实现了动态数据竞争检测工具,并从数据竞争的检测精度,检测效率和可扩展性等方面进行了测试分析,实验结果表明本文算法可以有效地检测和验证数据竞争,而不会对原始程序的性能产生很大的影响。(本文来源于《哈尔滨理工大学》期刊2019-03-01）
余建华,方帅,邱春燕[3]（2019）在《分层过滤，矛盾消弭在源头》一文中研究指出浙江省衢州市两级法院紧紧围绕市委提出的“打造中国基层治理最优城市”目标，主动将矛盾化解工作纳入社会治理大格局，提出并践行“法院+社会”“专业+群众”“现代+传统”“线上+线下”等矛盾纠纷多元化解平台，推动形成“社会调解优先，法院诉讼断后”的矛盾纠纷解决理(本文来源于《人民法院报》期刊2019-02-22）
赵刚,刘杰,王洪鑫,杨兴发,文桂林[4]（2018）在《敏度分层过滤策略克服连续体拓扑优化荷载病态问题》一文中研究指出针对工程结构中所承受载荷幅值之间相差多个数量级,使用传统拓扑优化方法所得结果中较小载荷传递路径消失的荷载病态现象,提出一种简单有效的敏度分层过滤策略.将各载荷以幅值大小进行分层,并计算各载荷对结构对应的应变能数值.在此基础上,引入比较判断系数和放大应变能影响系数,将各灵敏度以大小进行分层,对不同层次灵敏度进行不同的过滤以取得多载荷作用下最佳材料布局.本文敏度分层过滤策略是在Solid Isotropic Material with Penahiation(SIMP)框架下提出的,并使用Optimality Criteria(OC)方法进行求解.使用二维和叁维算例验证了所提策略的有效性,表明该策略可以有效克服荷载病态现象,为结构设计中得到完整传力结构布局提供重要指导.(本文来源于《湖南大学学报(自然科学版)》期刊2018年08期）
刘斌[5]（2018）在《基于分层抽样统计与协同过滤的旅游景点推荐系统研究》一文中研究指出旅游景点推荐系统是旅游门户网站向人们推荐景点的一种主要方式。目前,旅游景点推荐研究已取得一定进展,但仍存在“冷启动”、用户兴趣不充分、未考虑用户隐性喜好等问题。本文基于分层抽样统计模型挖掘用户兴趣,对传统协同过滤算法加以改进,设计并实现了性能更优的旅游景点推荐系统,主要工作有:一、基于聚类算法的旅游景点推荐系统。基于协同过滤算法的旅游景点推荐系统能提升用户满意度,增强旅游网站影响力与竞争力,并在一定程度上解决“冷启动”问题。采用问卷调查与自动抓取相结合的方式,采集用户信息、用户评分等旅游数据,生成“智慧旅游”数据集。围绕该数据集,预处理用户评分并执行层次聚类、模糊聚类、K-means聚类等叁种基于用户聚类的协同过滤算法,以计算目标用户与聚类中心的相似性,生成预推荐列表L_B。实验表明:基于K-means聚类的协同过滤算法在叁种推荐算法中性能最优,当聚类数k=8时,推荐效果最好。二、基于分层抽样统计与聚类算法的旅游景点推荐系统。基于聚类算法的协同过滤推荐系统仅考虑用户间相似性,未充分挖掘用户兴趣。利用问卷调查收集不同用户属性的旅游偏好,基于分层抽样统计模型挖掘用户兴趣,并运用层次分析法设定用户属性权重,生成预推荐列表L_A;设定聚类数k=8,分别执行层次聚类、模糊聚类、K-means聚类算法,生成预推荐列表L_B,融合L_A、L_B进行混合推荐。实验表明:相比传统方法,基于分层抽样统计与K-means聚类算法的推荐系统性能最佳,相比最强基线,它的准确率平均值、召回率平均值、F1平均值分别提升14.3%、32.4%、27.1%,推荐效果良好。叁、基于分层抽样统计与SVD++算法的旅游景点推荐系统。多数推荐系统基于聚类算法,它们易陷入局部极小值,且未考虑用户隐性喜好。提出基于分层抽样统计与SVD++算法的推荐系统:对“智慧旅游”数据集进行分层抽样统计,挖掘针对不同用户属性的用户兴趣,生成预推荐列表L_A;设计基于SVD++算法的协同过滤模型,生成预推荐列表L_C,融合L_A、L_C进行混合推荐。实验表明:相比最强基线,该混合推荐的准确率平均值、召回率平均值、F1平均值分别提升7.5%、6.2%、6.5%,推荐效果最优。主要创新点:1)建立“智慧旅游”数据集,采用分层抽样统计模型挖掘用户兴趣;2)将用户兴趣融入到基于聚类或SVD++算法的协同过滤推荐系统中,提升推荐性能。(本文来源于《华东交通大学》期刊2018-06-30）
陈东升,苏以云,黄宇珂[6]（2018）在《“4个+”打造“枫桥经验”升级版》一文中研究指出近年来,浙江省衢州市法院系统坚持、创新和发展新时代“枫桥经验”,建立和完善诉前化解、立案调解、简案速裁“叁道过滤网”矛盾纠纷分层递进化解机制,不断拓展“法院+社会”“专业+群众”“现代+传统”“线上+线下”等矛盾纠纷多元化解平台,助推提高基层社会治理能力(本文来源于《法制日报》期刊2018-05-25）
王晓东[7]（2018）在《分层型水库溶解性有机物特征及其混凝和膜过滤特性研究》一文中研究指出为深入认识分层型水库溶解性有机物(DOM)的来源、性质及其处理特性,以黑河金盆水库为研究对象,在监测其水体热分层特征的基础上,考察了不同季节和水深条件下DOM含量和性质的变化规律,研究了不同季节和水深条件下DOM的混凝和膜过滤特性,并以李家河水库为研究对象考察了藻类爆发时期分层型水库DOM含量、性质及其处理特性的变化。论文主要成果和结论如下:(1)水库分层期DOM含量和性质也呈现明显的分层特征,表层水体DOM受光化学降解作用影响较大,溶解性有机碳(DOC)含量低于中下层水体,芳香族化合物所占比例较小,但类蛋白荧光组分含量略高;中间水层受外源输入有机物影响较大,DOC和比紫外吸光度(SUVA)较高,类富里酸和类腐殖酸荧光组分含量较高。(2)人工混合充氧系统的运行加速了水体混合,使不同水深处DOM含量和性质趋于一致;人工强制混合与后续自然混合过程中水体溶解氧充足,微生物的降解作用使DOC整体呈下降趋势,平行因子分析(PARAFAC)表明类富里酸和类腐殖酸荧光组分在混合前期基本不变,后期有所下降,而类蛋白荧光组分在水体混合期持续下降。(3)混凝对不同组分DOM的去除效果有明显差异,SUVA较高的组分易被混凝去除,PARAFAC分析表明类腐殖酸和类富里酸荧光组分易被混凝去除,而类蛋白质荧光组分不易被混凝去除,因此,水库分层期混凝对水深20m处DOM的去除率最高,对表层水体DOM去除率最低。(4)不同荧光组分对超滤膜污染影响不同,类蛋白荧光组分对可逆污染影响较大,而类富里酸和类腐殖酸组分是造成不可逆污染的重要组分,因此,水库分层期表层原水超滤过程中造成的膜污染最严重,但污染的可逆性较好,中下层原水超滤造成的跨膜压差增长较小,但污染的可逆性较差;水库混合期原水超滤过程中膜污染整体呈下降趋势。(5)水库分层期藻类爆发对中上层水体DOM含量和组成影响较大,对下层水体影响较小;藻类爆发产生的DOM具有SUVA较低、类蛋白荧光组分含量较高等特点,难以被混凝有效去除,且会造成膜总污染的显着升高;模拟实验表明铜绿微囊藻衰亡过程中生成的蛋白质、多糖等具有较好的生物降解性,而腐殖质等芳香族组分不易被生物分解。(本文来源于《西安建筑科技大学》期刊2018-05-01）
蒋新宇[8]（2016）在《基于Spark平台分层协同过滤算法研究》一文中研究指出随着互联网以及信息技术的迅猛发展,网络中的信息量也在不断增长并逐渐迈向了大数据的时代。但在海量数据面前,用户往往无所适从越来越难以从中获取到各自感兴趣的信息,已从过去信息匮乏的状态转向了目前信息过载的状态。个性化推荐系统的出现,成为了信息过载问题的一种良好解决方案。它根据用户的历史行为信息以及有效的推荐算法,主动为用户推送个性化信息。在推荐系统当中,推荐算法尤为重要直接关系到推荐系统的性能。其中,协同过滤算法是推荐系统中应用最为成熟、有效的推荐算法之一,在个性化、持久性以及自动化等方面均有较大优势。但随着推荐系统中用户数据规模的不断扩大,协同过滤算法仍然面临着数据稀疏性以及可扩展性等问题。为了改善协同过滤算法在高维稀疏数据情况下的推荐精度,本文在基于项目协同过滤的基础上进行相关改进,提出了一种分层联合聚类协同过滤算法(A Hierarchical Co-clustering Collaborative Filtering,简称AHCCF)。考虑到在同一个用户群中由于其共同的喜好用户所感兴趣的项目评分比较密集,计算出的两个项目之间的相似性能够比较真实的反映这两个项目的实际相似性。因此,在AHCCF算法中运用联合聚类技术,对数据集从用户和项目两个维度进行聚类划分。根据联合聚类的划分结果,在不同的用户类簇中对项目相似度进行计算。其中,通过评分密集度对联合聚类划分的分块矩阵以及用户类簇矩阵进行评分稀疏性分析。并根据每个矩阵的评分密集度,由层次分析法计算出每个用户类簇在相似度计算过程中的所占权重,进而计算出项目间的最终相似度。由此,可有效缓解数据稀疏性对相似度计算准确性的影响,提高算法的推荐质量。为了改善传统单机模式下的协同过滤算法在大数据环境中的可扩展性,本文在AHCCF算法的基础上,基于Spark分布式计算平台实现AHCCF算法的并行化,进而提高AHCCF算法的可扩展性和推荐效率。通过在GroupLens提供的不同规模MovieLens数据集上进行实验表明,改进后的AHCCF算法能够明显提高推荐的准确度,并且AHCCF算法在Spark分布式环境下能够获得更好的推荐效率和可扩展性。(本文来源于《河北工业大学》期刊2016-12-01）
易平安,杨惠兰[9]（2016）在《分层、过滤、循环教学法初探》一文中研究指出怎样让每个学生都在课堂上动起来?美国教育学家布鲁纳说过:"学习的最好刺激,乃是所学内容的刺激。"现代行为科学家研究也认为:在没有受到刺激的情况下,其能力发挥仅有20%~30%,如果受到正确而充分的激励,能力就可能发挥到70%~90%,甚至更多。由此可见,教学的艺术不仅仅在于传授的本领,而在于激励、唤醒。只有学生真正动起来,才能爱学、乐学,才能学会、会学。下面谈谈我们让每个学生都在课堂上动起来的做法。(本文来源于《新课程(下)》期刊2016年09期）
车晋强,谢红薇[10]（2015）在《基于Spark的分层协同过滤推荐算法》一文中研究指出协同过滤是推荐系统中最广泛使用的推荐算法。针对单机模型已经不能满足推荐系统的实时性与扩展性,提出一种基于Spark的分层协同过滤推荐算法。算法首先基于用户时间行为序列构建用户兴趣模型;其次基于RDD实现了并行化EM聚类算法,将用户划分为不同的用户簇;最后基于不同的用户簇实现了并行化Item-based协同过滤推荐算法。通过阿里巴巴天池数据集实验表明,该算法可明显减少推荐时间并提高了推荐准确度,具有良好的可扩展性。(本文来源于《电子技术应用》期刊2015年09期）
分层过滤论文开题报告
（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：
当前,随着多核系统的广泛应用,多线程正成为一种必不可少的编程技术,通常用于从操作系统到智能多媒体应用程序,来提高特定程序的性能或响应性。但是,由于并发线程执行的不确定性,编写正确执行的多线程程序要比编写正确执行的顺序程序困难得多。当线程未正确同步时,非确定性线程交织可能对于同一输入会产生非确定性的输出。当这种不确定的线程行为导致系统故障或结果不正确时,它被称为并发错误。数据竞争就是多线程并发程序中最复杂的并发错误之一。并发线程执行调度的随机性和对共享存储空间访问的隐蔽性,造成了数据竞争的检测变得及其困难。动态数据竞争检测需要监视所有执行并分析多线程程序中的每个冲突的内存操作,导致大量的运行时开销。如何在有限的时间内检测和验证数据竞争成为提高软件可靠性和安全性的迫切问题。本文主要针对现有的动态数据竞争检测中产生的大量额外开销,且不能准确地找到有害竞争等问题,提出了一种分层过滤的方法来减少动态监视程序执行行为的高性能开销,并且通过两种并发策略高效地检测多线程程序中的数据竞争和验证有害竞争。首先,该算法利用动态二进制插桩工具Pin分别从Image级别(IML)、Section级别(SEL),Instruction级别(INL)和Code级别(COL)四个方面移除不必要的监视存储器操作,以减少原始踪迹中的冗余数据。其次,将Pin工具提取到的踪迹信息基于HashMap分为多个独立的集合,添加到多进程任务队列中,由进程池动态地调度每个进程,依据lockset算法和happens-before关系相结合的方式,并发地离线分析多线程并发程序中的数据竞争。然后使用加权Round-Robin算法将数据竞争按需划分到多台云服务器上,结合线程调度技术延迟阻塞以尽可能地创造竞争条件,在多台云服务器上并发验证数据竞争,识别出有害的竞争。最后,我们设计并实现了动态数据竞争检测工具,并从数据竞争的检测精度,检测效率和可扩展性等方面进行了测试分析,实验结果表明本文算法可以有效地检测和验证数据竞争,而不会对原始程序的性能产生很大的影响。
（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。
分层过滤论文参考文献
[1].李广丽,朱涛,袁天,滑瑾,张红斌.混合分层抽样与协同过滤的旅游景点推荐模型研究[J].数据采集与处理.2019
[2].吴亚楠.基于分层过滤的动态数据竞争并发检测与验证[D].哈尔滨理工大学.2019
[3].余建华,方帅,邱春燕.分层过滤，矛盾消弭在源头[N].人民法院报.2019
[4].赵刚,刘杰,王洪鑫,杨兴发,文桂林.敏度分层过滤策略克服连续体拓扑优化荷载病态问题[J].湖南大学学报(自然科学版).2018
[5].刘斌.基于分层抽样统计与协同过滤的旅游景点推荐系统研究[D].华东交通大学.2018
[6].陈东升,苏以云,黄宇珂.“4个+”打造“枫桥经验”升级版[N].法制日报.2018
[7].王晓东.分层型水库溶解性有机物特征及其混凝和膜过滤特性研究[D].西安建筑科技大学.2018
[8].蒋新宇.基于Spark平台分层协同过滤算法研究[D].河北工业大学.2016
[9].易平安,杨惠兰.分层、过滤、循环教学法初探[J].新课程(下).2016
[10].车晋强,谢红薇.基于Spark的分层协同过滤推荐算法[J].电子技术应用.2015
论文知识图
