导读:本文包含了多粒度论文开题报告文献综述、选题提纲参考文献，主要关键词:粒度,概念,属性,知识,函数,卷积,形式。
多粒度论文文献综述写法
张雪涛,孙蒙,王金双[1]（2019）在《基于操作码的安卓恶意代码多粒度快速检测方法》一文中研究指出基于操作码的检测方式被广泛用于安卓恶意软件检测中,但存在特征提取方法复杂、效率低等问题。针对此类问题,提出一种基于操作码的安卓恶意软件多粒度快速检测方法,其中多粒度指以词袋模型为基础、函数为基本单位提取特征,通过逐级聚合特征获得APK多层级信息,通过对数长度表征函数规模;并基于Dalvik指令集中操作码语义上的相似性对其进行压缩映射以提升效率,构建相应分类模型。测试表明所提方法在性能和效率上均有明显优势。(本文来源于《网络与信息安全学报》期刊2019年06期）
李松,陈荣国[2]（2019）在《多粒度时空对象数据入库方法初探》一文中研究指出全空间信息系统中,多粒度时空对象建模最终成果主要分为多粒度时空对象交换格式数据和多粒度时空对象数据库数据两种形式。对比分析了两者对多粒度时空对象的组织和存储方式,探讨了对象数据入库流程,设计并实现了基于规则的多粒度时空对象入库方法。该方法主要有两点优势:1)实现了入库工具与源数据格式及目标数据库结构的解耦、减少了编码工作量;2)为应对后续多粒度时空对象建模理论的演进与发展提供了灵活而强大的扩展机制。实验表明该方法为多粒度时空对象数据入库提供了一个可行的解决方案。(本文来源于《测绘科学技术学报》期刊2019年03期）
王忠义,夏立新,李玉海[3]（2019）在《基于知识内容的数字图书馆跨学科多粒度知识表示模型构建》一文中研究指出在当今大科学时代,为支撑跨学科研究,数字图书馆的知识组织方法需要从基于文献、按学科的知识组织向基于知识内容的跨学科知识组织转变。知识表示作为知识组织的核心与基础,是解决数字图书馆跨学科知识组织的关键。本文首先对馆藏知识资源跨学科的共性与差异特征进行分析,为跨学科的知识表示提供理论支撑;而后,依据知识的抽象程度对馆藏知识进行多粒度划分,识别出知识表示的基本单位;接着,基于对以知识为单元的知识表示方法在跨学科知识表示方面的适用性分析,构建跨学科多粒度知识表示模型,实现馆藏知识资源的跨学科多粒度知识表示;最后,通过案例分析指出该知识表示模型具有多粒度、跨学科、多角度、动态性、语义自然和可扩展等特征,对于支撑数字图书馆跨学科知识组织具有参考价值。图3。表5。参考文献24。(本文来源于《中国图书馆学报》期刊2019年06期）
刘之茗,李金海[4]（2019）在《多粒度形式背景的表示》一文中研究指出形式概念分析中多粒度形式背景存在两种表示方法:一种是由多粒度标记属性诱导出的多粒度形式背景,另一种是由属性粒化诱导出的多粒度形式背景.为了对这两种表示方法进行对比研究,本文基于布尔属性取值分布提出了类属性块的概念,在此基础上定义可类属性块分割的形式背景,表明了当原始形式背景为可类属性块分割时多粒度形式背景的两种表示方法能够相互转化.可类属性块分割的研究方法为进一步讨论多粒度形式背景奠定了基础.(本文来源于《海南热带海洋学院学报》期刊2019年05期）
方芳[5]（2019）在《大数据时代下概念格的多粒度构造研究》一文中研究指出概念格被认为是数据分析的有力工具,在诸多领域得到了研究和应用。随着大数据时代的发展需要,要求概念格的完整性,概念格的节点大小随着形式背景大小的增加呈指数增长。鉴于大数据时代构思概念格所面临的挑战,该文将粒计算融于概念格的研究中,在概念格的多粒度计算模型的基础上,通过概念格多粒度构造的渐进式算法,对概念格的概念进行分层次构造。同时,分析概念格多粒度构造与存储模型的验证及应用,来分析概念格构造的问题。(本文来源于《科技资讯》期刊2019年30期）
翁冉,王俊红,魏巍,崔军彪,黄卫华[6]（2019）在《基于区分矩阵的多粒度属性约简》一文中研究指出多粒度是粒计算领域的重要研究方向之一,它在两个或多个不同的粒度下进行问题求解,已经成为解决复杂问题的一种新的范式。属性约简作为粗糙集理论的核心内容之一,已被成功地应用于粒计算、数据挖掘等领域。将多粒度思想应用于属性约简将是一个有意义的研究方向。为此,本文运用粒计算理论中的粒化思想进行属性粒化,构造多个属性粒;然后基于属性粒上的区分矩阵计算属性粒的重要度和属性粒中属性重要度;最后利用这两种重要度设计了一种多粒度属性约简算法。通过在不同的粒中挑选属性,该算法得到的约简结果更具有代表性和差异性。本文利用6个数据集对提出的多粒度属性约简算法的性能进行测试,实验结果表明了提出算法的有效性。(本文来源于《南京航空航天大学学报》期刊2019年05期）
聂维民,陈永洲,马静[7]（2019）在《融合多粒度信息的文本向量表示模型》一文中研究指出【目的】更加全面地提取文本语义特征,提高文本向量对文本语义的表示能力。【方法】通过卷积神经网络提取词粒度、主题粒度和字粒度文本特征向量,通过"融合门"机制将叁种特征向量融合得到最终的文本向量,并进行文本分类实验。【结果】该模型在搜狗语料库文本分类实验上的准确率为92.56%,查准率为92.33%,查全率为92.07%,F1值为92.20%,较基准模型Text-CNN分别提高2.40%,2.05%,1.77%,1.91%。【局限】词序关系范围较小,语料库规模较小。【结论】该模型可以更加全面地提取文本语义特征,得到的文本向量对文本语义表示能力更强。(本文来源于《数据分析与知识发现》期刊2019年09期）
胡文华,牟永敏[8]（2019）在《多粒度数据变更影响域分析方法》一文中研究指出完整准确提取程序变更影响范围是分析由数据变化引发程序错误的关键,能够有效缩短回归测试的周期。为此,提出一种基于多粒度的数据变更影响域分析方法。通过静态分析,结合程序局部控制信息和数据信息流规则,提取关键函数,得到影响函数调用路径,以程序影响函数调用路径为分析集,提取受变更影响的基本路径集,即从函数粒度和语句粒度对数据变更影响域进行分析,分别得到影响函数调用路径和影响基本路径集。大量实验结果表明,该方法能够完整准确提取程序影响函数调用路径和影响基本路径集,定位数据变更影响域,提高回归测试的效率。(本文来源于《计算机工程与设计》期刊2019年09期）
贺晓丽,刘华丽,刘瑶瑶[9]（2019）在《多粒度数据的区间形式概念分析方法》一文中研究指出经典概念格和面向属性(对象)概念格都是形式概念分析中重要的数据结构,将区间集引入到这些概念格中,可以得到区间集概念格和面向属性(对象)区间集概念格。证明了面向属性区间集概念格与面向对象区间集概念格是反序同构的,将多粒度的思想引入到形式概念分析中,研究粒化前后区间集概念之间的关系;在多粒形式背景下,进一步研究了面向对象(属性)区间集概念之间的内在联系。(本文来源于《计算机工程与应用》期刊2019年19期）
杨晓晖,张圣昌[10]（2019）在《基于多粒度级联孤立森林算法的异常检测模型》一文中研究指出孤立森林算法是基于隔离机制的异常检测算法,存在与轴平行的局部异常点无法检测、对高维数据异常点缺乏敏感性和稳定性等问题。针对这些问题,提出了基于随机超平面的隔离机制和多粒度扫描机制,随机超平面使用多个维度的线性组合简化数据模型的隔离边界,利用随机线性分类器的隔离边界能够检测更复杂的数据模式。同时,多粒度扫描机制利用滑动窗口的方式进行维度子采样,每一个维度子集均训练一个森林,多个森林集成投票决策,构造层次化集成学习异常检测模型。实验表明,改进的孤立森林算法对复杂异常数据模式有更好的稳健性,层次化集成学习模型提高了高维数据中异常检测的准确性和稳定性。(本文来源于《通信学报》期刊2019年08期）
多粒度论文开题报告范文
（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：
全空间信息系统中,多粒度时空对象建模最终成果主要分为多粒度时空对象交换格式数据和多粒度时空对象数据库数据两种形式。对比分析了两者对多粒度时空对象的组织和存储方式,探讨了对象数据入库流程,设计并实现了基于规则的多粒度时空对象入库方法。该方法主要有两点优势:1)实现了入库工具与源数据格式及目标数据库结构的解耦、减少了编码工作量;2)为应对后续多粒度时空对象建模理论的演进与发展提供了灵活而强大的扩展机制。实验表明该方法为多粒度时空对象数据入库提供了一个可行的解决方案。
（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。
多粒度论文参考文献
[1].张雪涛,孙蒙,王金双.基于操作码的安卓恶意代码多粒度快速检测方法[J].网络与信息安全学报.2019
[2].李松,陈荣国.多粒度时空对象数据入库方法初探[J].测绘科学技术学报.2019
[3].王忠义,夏立新,李玉海.基于知识内容的数字图书馆跨学科多粒度知识表示模型构建[J].中国图书馆学报.2019
[4].刘之茗,李金海.多粒度形式背景的表示[J].海南热带海洋学院学报.2019
[5].方芳.大数据时代下概念格的多粒度构造研究[J].科技资讯.2019
[6].翁冉,王俊红,魏巍,崔军彪,黄卫华.基于区分矩阵的多粒度属性约简[J].南京航空航天大学学报.2019
[7].聂维民,陈永洲,马静.融合多粒度信息的文本向量表示模型[J].数据分析与知识发现.2019
[8].胡文华,牟永敏.多粒度数据变更影响域分析方法[J].计算机工程与设计.2019
[9].贺晓丽,刘华丽,刘瑶瑶.多粒度数据的区间形式概念分析方法[J].计算机工程与应用.2019
[10].杨晓晖,张圣昌.基于多粒度级联孤立森林算法的异常检测模型[J].通信学报.2019