导读:本文包含了数值型数据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:数据,数值,卷积,神经网络,粗糙,邻域,概念。
数值型数据论文文献综述
程诚,任佳[1]（2019）在《一种基于雷达图表示的数值型数据的CNN分类方法》一文中研究指出卷积神经网络(convolutional neural networks, CNN)是一种广泛用于分析视觉图像的分类方法.由于数值数据存在着非线性、耦合性等复杂的空间关系,因此基于CNN的数值型数据的研究较少.本文的目的是找到一种可行的方法,将CNN的应用领域扩展到数值数据.于是提出了一种基于雷达图表示的数值型数据的CNN分类方法(Radar-CNN).该算法首先将数值数据表示成雷达图形式,然后将其输入CNN中构建分类模型.为了进一步研究特征尺度和序列对性能的影响,提出了两种改进算法Rank Radar-CNN和SFS Radar-CNN.为了验证所提算法的有效性,引入TE化工过程数据集进行实验测试并比较,实验结果表明Radar-CNN及其改进算法具有优异的性能.(本文来源于《信息与控制》期刊2019年04期）
韩冰,姜合[2]（2019）在《一种非独立同分布下针对数值型数据的PAM改进算法》一文中研究指出PAM算法是K-中心点算法中最具代表性的算法。在此算法中,相似性度量的计算方法仅假设数据对象属性之间是独立同分布,采用欧几里得距离公式来进行计算。但现实数据集中,数据对象属性之间是非独立同分布的,即它们之间都是相关联的。因此,本文针对数值型数据,在PAM算法中引入了数值型数据非独立同分布计算公式,将原本的皮尔森相关系数替换为斯皮尔曼等级相关系数,并进行了实验验证。结果显示,数值型数据非独立同分布计算公式的引入很好地提高了PAM算法的聚类精度。(本文来源于《齐鲁工业大学学报》期刊2019年02期）
程诚,任佳[3]（2019）在《基于自适应卷积核的改进CNN数值型数据分类算法》一文中研究指出针对卷积神经网络(Convolutional neural network,CNN)模型在对工业数值型数据分类方面存在特征使用不充分、模型分类性能不佳等问题,提出了一种基于自适应卷积核的改进CNN(Improved CNN based on adaptive convolution kernel, ACK-ICNN)算法。该算法为了增加特征的重复使用率,构建了一种多尺度卷积核的模型结构,通过融合处理卷积核提取的不同特征来实现,增强了模型的适应能力;为了进一步提升该算法的性能,利用网格搜索算法自适应选取CNN中最优的卷积核大小,使得模型能够提取出最优的特征。采用TE过程的故障数据对其进行测试,并与支持向量机、极限学习机、最近邻等典型的数据驱动方法进行对比,测试结果表明,该算法能有效提升各类故障的分类精度。(本文来源于《浙江理工大学学报(自然科学版)》期刊2019年05期）
刘冬,刘更新,黄祖一[4]（2018）在《大数据出版之数值型数据的应用探索——以中国口岸数据库和中国海关统计数据库为例》一文中研究指出"大数据出版"一词始于2013年,近年也有学者陆续进行研究,但研究多在理论和过程层面,少有以大数据置于出版底层思维的方式对出版路径变革进行思考。本文以数值型数据为例,梳理出版路径的变化,总结了其在大数据思维方式下的应用经验,验证了大数据出版对于数值型数据应用的合理性和可行性,呼吁在出版机构知识服务转型的背景下,通过大数据出版的方式,发挥数值型数据的出版价值。(本文来源于《科技与出版》期刊2018年12期）
徐风[5]（2018）在《数值型数据的粗糙集模型与特征选择研究》一文中研究指出粗糙集理论诞生于二十世纪八十年代,是一种重要的新型数据处理工具,尤其在不确定性和不完备性数据处理方面表现出了显着的性能。粗糙集理论以等价关系为核心,通过数据的粒化来粗糙逼近研究目标,从而对模糊不确定性的知识达到了清晰的认识,其中信息系统的特征选择是粗糙集理论的重要应用。邻域粗糙集和模糊粗糙集是整个粗糙集理论体系中两个重要的分支,同时这两种模型也是处理数值型数据的强有力工具,数值型数据是一种常见的数据类型,因此基于这两种模型的特征选择具有重要的研究意义。在邻域粗糙集模型中,基于完备型数据的特征选择研究未考虑数据的聚集分布,从而对特征选择的结果带来一定的误差;基于不完备型数据的特征选择大多是基于容差关系构建,在描述的数据相似性方面存在一定的缺陷。在模糊粗糙集模型中,基于完备型数据的特征选择未考虑数据的类与类之间的间隔问题,因此不能够选择出很好的特征结果;基于不完备型数据的特征选择目前相关研究较少,因此模糊粗糙集对不完备型数据的研究是一块空缺。针对以上存在的问题,本文将依次对其进行改进,并提出对应的特征选择算法,本文的主要工作内容如下:(1)针对邻域粗糙集模型关于数值型完备信息系统特征选择存在的缺陷,本文通过方差来评估数据的聚集分布,然后提出一种自适应邻域粒化,将自适应邻域粒化结合模糊熵度量,提出自适应邻域模糊熵,并用于数值型信息系统的属性重要度评估,构造出一种启发式特征选择算法。最后通过仿真实验证明在数值型完备信息系统中,所提出的特征选择算法比邻域粗糙集的其他特征选择算法具有更高的特征选择性能。(2)针对邻域粗糙集模型关于数值型不完备信息系统特征选择存在的缺陷,本文将量化容差关系与邻域关系进行结合,提出邻域量化容差关系,然后在邻域量化容差关系的基础上提出条件熵模型,本文称之为邻域量化容差条件熵,并作为数值型不完备信息系统的属性重要度评估,进一步地构造出一种启发式特征选择算法。最后通过仿真实验证明在数值型不完备信息系统中,所提出的特征选择算法比邻域粗糙集的其他特征选择算法具有更高的特征选择性能。(3)针对模糊粗糙集模型关于数值型完备信息系统特征选择存在的缺陷,本文引入大间隔学习来评估属性下类与类之间的分类间隔,并根据间隔学习得到的属性权重结果来构造模糊粗糙集模型下的模糊粒化,本文称之为大间隔模糊粒化。然后在大间隔模糊粒化的结果上定义依赖度和知识粒度两种度量,并将它们结合起来用于信息系统中属性重要度的评估,从而构造出一种启发式特征选择算法。最后通过仿真实验证明了在数值型完备信息系统中,所提出的特征选择算法比模糊粗糙集的其他特征选择算法具有更高的特征选择性能。(4)模糊粗糙集模型在数值型不完备信息系统中的特征选择研究较少,本文在模糊粗糙集模型中引入容差关系,提出一种基于模糊容差关系的模糊粗糙集模型,然后在该模型下定义模糊信息增益率,并将模糊信息增益率用于信息系统中属性重要度的评估,同时给出了一种启发式特征选择算法。最后通过仿真实验证明了在数值型不完备信息系统中,所提出的特征选择算法比其他相关的特征选择算法具有更高的特征选择性能。因此在本文中将提出4种特征选择算法,分别为基于邻域粗糙集模型的数值型完备信息系统和不完备信息系统的特征选择算法和基于模糊粗糙集模型的数值型完备信息系统和不完备信息系统的特征选择算法,在本文的最后将通过仿真实验来对比所提出的算法之间的性能。(本文来源于《安徽大学》期刊2018-02-01）
耿云,胡雨,张忠斌,张萌,姚喻晨[6]（2018）在《风道结构对地板下送风型数据中心气流组织的影响(1)数值设计》一文中研究指出本文以排布奇数列机柜冷通道封闭的数据中心子模块为研究对象(3列机柜为例),采用CFD模拟将静压层高度与地板穿孔率对数据中心气流组织的联合影响进行可视化,并分析了两种参数组合的25个典型模型的温度场,选出最佳静压层高度与地板穿孔率的范围分别为600~700 mm,20%~50%。对比了最佳静压层高度与地板穿孔率组合范围内的8个数据中心气流组织模型,选出机柜内部温度分布较均匀的气流组织模型。在此基础上,在静压层内架设挡板,并在-15°~45°的挡板角度中选择最佳角度以获得最优冷却效果。结果表明:静压层高度为600 mm,穿孔地板穿孔率为20%,设置15°挡板的数据中心子模块为最优模型。(本文来源于《制冷学报》期刊2018年02期）
黄保华,王添晶,贾丰玮[7]（2016）在《数据库中数值型数据的加密存储与查询方法》一文中研究指出为提高数据库中数值型数据的密文查询效率,提出一种为数据库中数值型数据建立索引的新方法。对敏感数据应用单调递增函数计算得出比较值,应用非单调函数对敏感数据计算求得混淆值,将比较值和混淆值组成索引值并随密文数据一起存入数据库中。密文数据的查询采用两阶段方法,第一阶段查询时先根据查询条件计算得出比较值,将数据库中的索引值去混淆后与其进行比较,筛选出符合条件的密文结果集,第二阶段对一阶段得到的密文结果集解密后查询得到最终所需的结果集。实验结果表明,该方法能够提高数值型数据的密文查询效率。(本文来源于《计算机工程》期刊2016年07期）
朱宁贤[8]（2016）在《Excel中数值与字符混合型数据的自动运算实现》一文中研究指出Excel在处理数据方面能力很强大,但它也有一套规则和标准规范,即一个单元格只有一个属性。学生在学习excel时,只是掌握了利用函数和公式的自动运算功能,但如果函数与公式中的数据带有单位,excel就会改变数据的本质属性,从而导致运算的失败。很多学生对此感到困惑不解。尤其是带有不同长度的单位时,更是给数据的处理带来较大的困难。如何才能解决带用单位的excel数据运算呢?本文结合教学中积累的经验,通过设置通用格式设置、显示格式设置、函数转换数据、函数提取数据等方式,从不同的途径探讨了固定长度单位、任意单位的数据运算方法,解决人们实际生活中经常遇到的实际问题。(本文来源于《办公自动化》期刊2016年07期）
井敏英[9]（2015）在《MATLAB中数值型数据的机内编码与存贮空间浪费》一文中研究指出MATLAB中的数值型数据分为整数型和浮点型,整数型数据以二进制补码存储,浮点型数据存储复杂。针对此情况,在MATLAB 2012a环境中,对浮点型单精度实数和双精度实数的机内编码方案进行实验研究,结果表明浮点型数据表示为规范形式,存储其中的数符码、指数码和尾数编码。根据实数绝对值大小范围的不同,尾数有两种不同的机内编码方案:"大实数"尾码和"小实数"尾码。MATLAB浮点型数据的机内编码一方面对所表示数的范围做了扩充,另一方面实数编码方案存在大量存贮空间闲置。为充分利用存储资源,MATLAB软件有必要进一步优化。(本文来源于《陕西理工学院学报(自然科学版)》期刊2015年05期）
智慧来[10]（2014）在《基于概念格的非数值型数据聚类稳定性分析》一文中研究指出概念稳定性的计算是一个NP-完全问题,且概念稳定性在聚类分析中具有十分重要的意义。概念格自身特点决定了其适合作为概念稳定性分析的工具。为了获得一个形式化的计算概念稳定性的方法,定义了概念的核心对象集,并给出了计算核心对象集的方法,进而得到了计算概念稳定性的方法。另外,根据概念格的对偶原理,得到了一个计算类标签的方法。最后用例子说明概念稳定性在聚类分析中的应用。(本文来源于《计算机科学》期刊2014年10期）
数值型数据论文开题报告
（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：
PAM算法是K-中心点算法中最具代表性的算法。在此算法中,相似性度量的计算方法仅假设数据对象属性之间是独立同分布,采用欧几里得距离公式来进行计算。但现实数据集中,数据对象属性之间是非独立同分布的,即它们之间都是相关联的。因此,本文针对数值型数据,在PAM算法中引入了数值型数据非独立同分布计算公式,将原本的皮尔森相关系数替换为斯皮尔曼等级相关系数,并进行了实验验证。结果显示,数值型数据非独立同分布计算公式的引入很好地提高了PAM算法的聚类精度。
（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。
数值型数据论文参考文献
[1].程诚,任佳.一种基于雷达图表示的数值型数据的CNN分类方法[J].信息与控制.2019
[2].韩冰,姜合.一种非独立同分布下针对数值型数据的PAM改进算法[J].齐鲁工业大学学报.2019
[3].程诚,任佳.基于自适应卷积核的改进CNN数值型数据分类算法[J].浙江理工大学学报(自然科学版).2019
[4].刘冬,刘更新,黄祖一.大数据出版之数值型数据的应用探索——以中国口岸数据库和中国海关统计数据库为例[J].科技与出版.2018
[5].徐风.数值型数据的粗糙集模型与特征选择研究[D].安徽大学.2018
[6].耿云,胡雨,张忠斌,张萌,姚喻晨.风道结构对地板下送风型数据中心气流组织的影响(1)数值设计[J].制冷学报.2018
[7].黄保华,王添晶,贾丰玮.数据库中数值型数据的加密存储与查询方法[J].计算机工程.2016
[8].朱宁贤.Excel中数值与字符混合型数据的自动运算实现[J].办公自动化.2016
[9].井敏英.MATLAB中数值型数据的机内编码与存贮空间浪费[J].陕西理工学院学报(自然科学版).2015
[10].智慧来.基于概念格的非数值型数据聚类稳定性分析[J].计算机科学.2014
论文知识图
