导读:本文包含了密度估计论文开题报告文献综述、选题提纲参考文献，主要关键词:密度,变换器,概率,生物量,卷积,逐次,神经网络。
密度估计论文文献综述写法
李竟成,吴越,胡斯登,石健将[1]（2020）在《基于递推最小二乘法与核密度估计的同步整流Boost变换器回流功率抑制》一文中研究指出为了提高同步整流Boost变换器空载、轻载的工作效率,针对同步整流Boost变换器空载、轻载时存在的功率回流问题,分析该状态下电路的工作波形与工作特性.根据电路工作特性,提出能够准确识别功率回流状态并关断同步整流开关管的功率回流抑制策略.为了保证策略的精度与效率的优化,引入递推最小二乘法(RLS)和核密度估计(KDE),减少了电感误差和采样误差对策略精度的影响.搭建1 kV·A航空静止变流器仿真和实验平台进行验证.仿真和实验结果表明,该控制策略对功率回流的识别精度高,能够显着抑制回流功率,提高了电路空载和轻载效率.(本文来源于《浙江大学学报(工学版)》期刊2020年01期）
赵威,吴晓红,刘文璨,何小海,卿粼波[2]（2019）在《基于多信息卷积神经网络的人群密度估计》一文中研究指出针对现有人群密度估计方法在实际应用中容易受到环境干扰、适应性不强等限制,提出一种基于多信息卷积神经网络的人群密度估计方法。首先,根据样本数据的特点生成数据密度图标注与数据增强;然后,为适应不同真实场景的巨大差异,提取图像的色调、色饱和度、灰度(HSG)信息作为训练数据的输入,并利用共享卷积层、结合两个子网络不同卷积深度的特征构建网络模型;最后,对网络输出的密度图进行积分,得到相应的人数。与主流方法对比,在Shanghaitech数据集上进行的相关实验证明了所提方法的良好性能。(本文来源于《光电技术应用》期刊2019年06期）
金会赏,何玉林,常秀颖,王晓兰,蒋捷[3]（2019）在《一种改进的可适应变宽核密度估计器》一文中研究指出可适应变宽核密度估计器(kernel density estimator with adaptive varying bandwidth,KDE-AVB)是一种基于单个数据点的概率密度估计方法,它以单个数据点为处理对象,利用置信区间交叉法则确定核密度估计器的最优窗口宽度.为加快可适应变宽核密度估计器对最优窗口宽度的寻找,通过引入一种可变的标准差项因子去确定置信区间的上下边界,提出一种改进的可适应变宽核密度估计器(improved kernel density estimator with adaptive varying bandwidth,IKDE-AVB).可变标准差项因子的引入不仅加快了可适应变宽核密度估计器搜索最优窗口宽度的速度,且在一定程度上降低了"过平滑"概率密度估计现象发生的风险.对KDE-AVB和IKDE-AVB的仿真结果表明,IKDE-AVB不仅获得了更快的训练速度(最高降低64%),同时提升了概率密度的估计精度(估计误差最高降低63%).(本文来源于《深圳大学学报(理工版)》期刊2019年06期）
何潇,雷渊才,薛春泉,徐期瑚,李海奎[4]（2019）在《广东省木荷碳密度及其不确定性估计》一文中研究指出【目的】基于实测的广东省木荷地上和地下生物量数据及加权平均含碳率,建立单木地上、地下生物量模型,获得区域尺度木荷碳密度及其估计误差,为其他树种的区域尺度碳汇估计提供参考。【方法】参考广东省木荷分布数据,选择并伐倒90株木荷测定地上部分的含碳率和生物量,并从中抽取40株木荷测定地下部分的含碳率和生物量。分地上、地下部分构建生物量随胸径变化的异速模型,利用非线性回归拟合模型参数。基于广东省第八次森林资源连续清查数据,使用Monte Carlo模拟法分地上、地下部分估计区域尺度上木荷的碳密度。采用决定系数、均方根误差和平均预估误差评价单木生物量模型拟合效果,通过均方根误差和相对均方根误差度量区域碳密度估测的不确定性。【结果】广东省木荷地上部分含碳率为0554 9,地下部分含碳率为0548 7;建立的单木地上和地下生物量模型的决定系数分别为0909 8和0793 1,表明木荷单木生物量模型具有良好的拟合优度和预估精度;广东省第八次森林资源清查时的木荷地上碳密度为580±044 t·hm~(-2),不确定性占比762%,地下碳密度为173±017 t·hm~(-2),不确定性占比976%,总碳密度为753±054 t·hm~(-2),不确定性占比723%。【结论】广东省木荷地上和地下部分含碳率均大于南方地区的平均水平,有明显的地域特征。使用Monte Carlo方法可得到稳定可靠的区域尺度的碳密度,并可量化广东省木荷碳密度估计的不确定性。(本文来源于《林业科学》期刊2019年11期）
Saqib,Ali,Haidery,万旺根,曾本冲,Naimat,Ullah,Khan,Muhammad,Rizwan[5]（2019）在《基于核密度估计的新浪微博数据地理空间分析:以上海市为例》一文中研究指出为了提取和分析中国上海的社交网络位置数据,通过使用KDE作为空间分析技术来探讨LBSN数据的应用,分析用户参与的新浪微博签到数据与城市特征之间的关系,更重要的是调查上海密集地区的人口密度,以便于相关部门更好地观察和管理。通过使用新浪微博API收集了中国上海10个不同地区在2016年1月～3月期间的数据,并利用核密度估计对基于位置社交网络数据集的新浪微博用户的签到频率进行分析。研究结果表明,核密度估计方法为利用地理空间数据集进行空间模式建模提供了有益的见解。此外,与研究区域的副城区相比,中心城区的密度更大。由此得出结论:通过使用核密度估计技术,可以评估个体的签到行为以及更广泛的总体人口模式。该研究对城市功能及其环境影响、城市可持续性发展和基于城市人口密度的应急响应等领域都有一定的借鉴意义。(本文来源于《电子测量技术》期刊2019年21期）
李桂伟,赵明清[6]（2019）在《基于非参数核密度估计与Copula方法的山东省小麦收入保险定价研究》一文中研究指出农作物收入保险具有同时覆盖产量风险和价格风险的优势,对稳定农户预期收益,保障农业持续稳定发展具有重要意义。以山东省小麦为研究对象,在通过非参数核密度估计测算小麦产量及价格双重风险的基础上,运用Copula函数与蒙特卡罗模拟相结合的方法进行小麦收入保险费率厘定。研究表明:非参数核密度估计避免了参数分布选择的主观性问题,所测风险更符合实际,能够有效提高费率厘定结果的稳定性;山东省小麦单产与其价格之间存在较弱的负相关性;在75%～100%保障水平下,测算的山东省小麦收入保险费率在1.13%～6.71%之间,低于山东省现行产量保险费率。(本文来源于《山东科技大学学报(自然科学版)》期刊2019年05期）
萧凌波[7]（2019）在《基于核密度估计的清代中国自然灾害时空分布特征》一文中研究指出基于《清史·灾赈志》中的历史灾害信息,提取清代(1644-1911年)自然灾害共24 537县次,重建逐年灾害频次序列,以核密度估计法对5类主要灾害(水灾、旱灾、蝗灾、疫灾、冷害)的空间分布特征进行分析。结果表明:清代自然灾害频次序列没有明显的趋势性特征,而体现为阶段性波动,基于灾害频次30年滑动平均值可提取出4个峰值时段(1644-1673、1721-1750、1812-1841和1872-1901年);相比于现代,清代灾害类型更加集中在农业灾害,最为多发的是水灾和旱灾,合计占总数的近80%,其次是蝗灾、疫灾和冷害;灾害最为多发的高风险区分布在黄淮海平原和长江叁角洲,前者集中了水灾、旱灾、蝗灾的极端多发区,后者除了水旱多发,还是疫灾和冷害的极端多发区; 4个峰值时段的灾种类型组合和灾害多发区均有明显差异,时空变化受到致灾因子、暴露度和脆弱性因素的共同作用。上述工作有助于更好地认识历史灾害发生规律,对于当前及未来的防灾减灾工作具有重要参考价值。(本文来源于《灾害学》期刊2019年04期）
聂彩玲,李永明,应锐[8]（2019）在《NSD样本最近邻密度估计的强相合性》一文中研究指出本文研究负超可加相依样本的最近邻密度估计强相合性.利用负超可加相依序列的不等式与性质,获得最近邻密度估计的弱相合性、强相合性和一致强相合性.(本文来源于《应用数学》期刊2019年04期）
卢钰坤,宋向东[9]（2019）在《基于密度核估计的最大熵方法改进探析》一文中研究指出基于最大熵方法的随机变量统计模型,可以确定出一个含有最少主观假定的分布。针对传统最大熵方法在拉格朗日优化计算中存在的全局优化困难、求解精度不高等问题,提出了一种基于"核密度+逐次迭加法"求解最大熵的方法。通过验证,对密度核估计最大熵方法的改进,不仅优于非参数方法中的密度核估计方法,也提高了传统最大熵算法的精度。(本文来源于《现代商贸工业》期刊2019年28期）
吴聪,曾晓晨,王晋茹[10]（2019）在《带超级光滑噪声密度函数的小波自适应点态估计》一文中研究指出利用小波方法在局部Holder空间中研究一类反卷积密度函数的点态估计问题.首先,针对超级光滑噪声给出该模型任一估计器的点态风险下界;其次,构造有限求和小波估计器,并证明其在超级光滑噪声条件下达到了最优收敛阶,即该估计器在点态风险下的收敛速度与下界一致.最后,还讨论了这类小波估计器的强收敛性.值得指出的是上述估计都是自适应的.(本文来源于《数学学报(中文版)》期刊2019年05期）
密度估计论文开题报告范文
（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：
针对现有人群密度估计方法在实际应用中容易受到环境干扰、适应性不强等限制,提出一种基于多信息卷积神经网络的人群密度估计方法。首先,根据样本数据的特点生成数据密度图标注与数据增强;然后,为适应不同真实场景的巨大差异,提取图像的色调、色饱和度、灰度(HSG)信息作为训练数据的输入,并利用共享卷积层、结合两个子网络不同卷积深度的特征构建网络模型;最后,对网络输出的密度图进行积分,得到相应的人数。与主流方法对比,在Shanghaitech数据集上进行的相关实验证明了所提方法的良好性能。
（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。
密度估计论文参考文献
[1].李竟成,吴越,胡斯登,石健将.基于递推最小二乘法与核密度估计的同步整流Boost变换器回流功率抑制[J].浙江大学学报(工学版).2020
[2].赵威,吴晓红,刘文璨,何小海,卿粼波.基于多信息卷积神经网络的人群密度估计[J].光电技术应用.2019
[3].金会赏,何玉林,常秀颖,王晓兰,蒋捷.一种改进的可适应变宽核密度估计器[J].深圳大学学报(理工版).2019
[4].何潇,雷渊才,薛春泉,徐期瑚,李海奎.广东省木荷碳密度及其不确定性估计[J].林业科学.2019
[5].Saqib,Ali,Haidery,万旺根,曾本冲,Naimat,Ullah,Khan,Muhammad,Rizwan.基于核密度估计的新浪微博数据地理空间分析:以上海市为例[J].电子测量技术.2019
[6].李桂伟,赵明清.基于非参数核密度估计与Copula方法的山东省小麦收入保险定价研究[J].山东科技大学学报(自然科学版).2019
[7].萧凌波.基于核密度估计的清代中国自然灾害时空分布特征[J].灾害学.2019
[8].聂彩玲,李永明,应锐.NSD样本最近邻密度估计的强相合性[J].应用数学.2019
[9].卢钰坤,宋向东.基于密度核估计的最大熵方法改进探析[J].现代商贸工业.2019
[10].吴聪,曾晓晨,王晋茹.带超级光滑噪声密度函数的小波自适应点态估计[J].数学学报(中文版).2019