导读:本文包含了分层抽样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:旅游景点,故障,分配,变体,句法,野生动物,近似。
分层抽样论文文献综述
戚永为,王文,张婉莹[1](2019)在《分层抽样法在配网应急项目后评价的应用研究》一文中研究指出配网项目后评价是项目全生命周期中不可缺少的重要环节,是对项目投资建设效果进行衡量的重要依据。基于南方某市2015-2018年的1186个配网应急项目,采用分层抽样的方法选取40个评价样本,进而通过构建的配网项目后评价指标体系对40个配网项目从项目前期决策、项目投资、项目实施效果等多个角度进行全面评价。(本文来源于《科技经济导刊》期刊2019年30期)
金久富,孙齐超[2](2019)在《分层抽样法在塔机故障调查中的应用》一文中研究指出针对塔机故障调查采用分层抽样调查方法,可以缩短调查周期,节约调查费用,方便统计管理。列举并比较叁种样本量的分配方式,应用最优分配的方式确定总体样本量以及各层样本量,最后通过实例验证方法的有效性。(本文来源于《建筑机械化》期刊2019年09期)
刘大伟,周用武,郑善跃[3](2019)在《分层抽样在破坏野生动物资源案件的应用——以象牙制品为例》一文中研究指出在破坏野生动物资源案件中,分层抽样取证能够解决物证数量巨大的证明困难。为将该方法应用到具体的案件取证中,阐述了分层抽样取证的基本思路,然后以具体案例中涉及的象牙制品的分层抽样取证方法为例,开展该取证方法的案例研究。最后指出抽样取证的结果应表述为一定置信水平下的置信区间,建议在量罪定刑时考虑使用置信区间的下限。(本文来源于《辽宁警察学院学报》期刊2019年05期)
王丹,王超,徐习亮,王健,黄雷[4](2019)在《液晶显示屏SPC分层抽样及分区管控的研究应用》一文中研究指出在液晶显示屏制造过程中,因工艺及产品特殊性导致现有SPC管理存在一些不足。为了消除现有SPC管理不足、更好地进行质量管理,需要对SPC管理方法进行分析和改进。本文通过实际案例介绍了如何通过实验研究、数据分析及原理探究确定产品分层抽样的方法;并打破传统过程监(本文来源于《电子世界》期刊2019年16期)
邬志罡,荆一楠,何震瀛,王晓阳[5](2019)在《基于用户查询与样本间匹配度评估的分层抽样策略》一文中研究指出在数据探索性分析场景下,用户倾向于借助抽样系统获取近似查询结果来换取更快的查询速度。现有的抽样系统通常假设用户的历史查询记录能很好地表征未来的查询情况,从而针对特定的查询特征生成特定的抽样策略。然而,在现实场景中,用户探索意图变化丰富,用户查询特征的稳定性假设通常无法得到保证。为解决上述问题,提出一种评估任意用户查询与样本间匹配度的方法。离线训练生成多份样本集,并在应对具体查询时自动选取最匹配样本集进行近似结果计算。离线样本集的生成是以在所有可能的用户查询上的预期匹配度损失总和最小作为训练目标。实验结果表明,在真实数据集上,该抽样系统与现有方法相比,将近似结果的精确度提高了26.3%。(本文来源于《计算机应用与软件》期刊2019年08期)
吕恕,宋颖潇[6](2019)在《分层抽样下的变体平行模型及其实证研究》一文中研究指出敏感问题的专业调查方法近年来得到不断完善,同时伴随着互联网的发展,网络调查开始渗透到敏感问题调查的实证研究中。变体平行模型是目前应用范围最广的敏感问题专业调查方法,将分层抽样方法引入到变体平行模型中,可以适用于调查总体较为复杂、单位间差异较大的情况,极大地提高调查效率及调查结果的准确性。分层抽样下的变体平行模型也有效地降低了网络调查的误差,使得敏感问题调查与网络调查的结合有了更坚实的基础。(本文来源于《税务与经济》期刊2019年04期)
赵靖,吴栋[7](2019)在《测试性试验样本量按比例分层抽样补充分配方法》一文中研究指出GJB2072中给出的样本量按比例分层抽样分配存在分配完毕的样本总数可能不等于规定的样本总数,导致样本分配失败,需要手动补充分配,成为开展测试性、维修性相关试验的障碍。针地该问题,提出了一种基于最小舍入误差排序的补充分层抽样分配法,给出了软件实现的流程,开发了测试性方案设计软件,并通过多种样本量的分配对比验证了方法的有效性和适应性。(本文来源于《兵器装备工程学报》期刊2019年10期)
李广丽,朱涛,袁天,滑瑾,张红斌[8](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)
吴林静,劳传媛,刘清堂,黄景修,巴深[9](2019)在《基于依存句法的初等数学分层抽样应用题题意理解》一文中研究指出数学应用题自动求解,即利用计算机对自然语言描述的应用题进行自动理解和作答,一直是人工智能领域研究的重难点和核心目标之一。针对应用题语义复杂、上下文情景多变、关键参数难以准确识别的问题,提出一种基于依存句法的初等数学分层抽样应用题题意理解方法。通过构建一个面向初等数学分层抽样类应用题的句模库,并结合依存句法来实现分层抽样应用题解题信息的自动抽取。实验研究发现,与仅基于句模的信息抽取方法相比,该方法对不同语义角色的句子的信息抽取准确率均有一定提升,整题理解的准确率从40%上升至68%。(本文来源于《计算机应用与软件》期刊2019年05期)
李广丽,朱涛,滑瑾,邱蝶蝶,邬任重[10](2019)在《混合分层抽样统计与贝叶斯个性化排序的旅游景点推荐模型研究》一文中研究指出传统协同过滤推荐模型仅处理稀疏的评分数据,未深入挖掘用户及对象的潜在语义,且用户喜好信息也未充分利用.围绕旅游景点推荐这一热点问题,提出全新的混合分层抽样统计与贝叶斯个性化排序的推荐模型:采用分层抽样统计及主观赋值评价法刻画用户旅游喜好;基于矩阵分解算法(Matrix Factorization,简称MF)分析用户及对象(景点)的潜在语义,运用贝叶斯个性化排序算法(Bayesian Personalized Ranking,简称BPR)对推荐模型进行优化;综合用户旅游喜好信息及BPR优化结果,生成混合推荐列表.在新的"Wisdom Tourism"数据集上进行仿真实验.实验表明:推荐模型的RMSE、MAE、F1值较最强基线分别提升16.59%、10.05%、5.04%;相比于分层抽样统计方法,BPR算法在推荐过程中发挥更显着的作用.(本文来源于《华中师范大学学报(自然科学版)》期刊2019年02期)
分层抽样论文开题报告
(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:
针对塔机故障调查采用分层抽样调查方法,可以缩短调查周期,节约调查费用,方便统计管理。列举并比较叁种样本量的分配方式,应用最优分配的方式确定总体样本量以及各层样本量,最后通过实例验证方法的有效性。
(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。
分层抽样论文参考文献
[1].戚永为,王文,张婉莹.分层抽样法在配网应急项目后评价的应用研究[J].科技经济导刊.2019
[2].金久富,孙齐超.分层抽样法在塔机故障调查中的应用[J].建筑机械化.2019
[3].刘大伟,周用武,郑善跃.分层抽样在破坏野生动物资源案件的应用——以象牙制品为例[J].辽宁警察学院学报.2019
[4].王丹,王超,徐习亮,王健,黄雷.液晶显示屏SPC分层抽样及分区管控的研究应用[J].电子世界.2019
[5].邬志罡,荆一楠,何震瀛,王晓阳.基于用户查询与样本间匹配度评估的分层抽样策略[J].计算机应用与软件.2019
[6].吕恕,宋颖潇.分层抽样下的变体平行模型及其实证研究[J].税务与经济.2019
[7].赵靖,吴栋.测试性试验样本量按比例分层抽样补充分配方法[J].兵器装备工程学报.2019
[8].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
[9].吴林静,劳传媛,刘清堂,黄景修,巴深.基于依存句法的初等数学分层抽样应用题题意理解[J].计算机应用与软件.2019
[10].李广丽,朱涛,滑瑾,邱蝶蝶,邬任重.混合分层抽样统计与贝叶斯个性化排序的旅游景点推荐模型研究[J].华中师范大学学报(自然科学版).2019