导读:本文包含了分组抽样论文开题报告文献综述及选题提纲参考文献，主要关键词:两代繁殖毒性试验,大鼠,分组,抽样
分组抽样论文文献综述
陆丰荣,曾玉梨,王海兰,李国梁,谢植伟[1]（2019）在《大鼠两代繁殖毒性试验中分组和抽样方法探讨》一文中研究指出大鼠两代繁殖毒性试验涉及到大量动物的分组和抽样。基于计算机的统计分析软件SPSS软件、SAS软件、Stata软件、R软件或Excel程序,可在亲代大鼠剂量分组时进行分层随机分组,在亲代动物雌雄配对时采用完全随机方法对每个剂量组内的雌雄动物进行一对一配对。在预先制定均衡留取方法的前提下,可通过抛骰子的方法进行子代窝大小的标准化,以及子代留养与解剖仔鼠的选择;采用典型抽样和随机抽样相结合的方法选择大鼠进行精子分析和组织病理学检查。不同试验阶段采用不同的分组和抽样方法有利于保证实验设计的随机性原则和样本的代表性,减少实验误差。(本文来源于《中国职业医学》期刊2019年04期）
皮埃尔·佩兰[2]（2015）在《流行病学 分组抽样》一文中研究指出1.概述分组抽样包括以下几个步骤:·用与简单随机抽样相同的公式计算样本量,N=Z2 x pq/D2,所得结果乘以2(这一步非常必要,因为分组抽样没有简单随机抽样精确)·确定分组数——至少30组,可以更多·用样本量除以分组数,求得每一组的样本量。·组的定位:·准备一个抽样框架——亦即所涉地点及其各自人口数的清单——并制作一个关于这些人口的累积清单(本文来源于《红十字国际委员会资料汇编——政策与实践指南》期刊2015-12-01）
高长喜,吴亚飚,王枞[3]（2015）在《基于抽样分组长度分布的加密流量应用识别》一文中研究指出基于确定性抽样数据分组序列的位置、方向、分组长度和连续性、有序性等流统计特征和典型的分组长度统计签名,并结合带数据分组位置、方向约束和半流关联动作的提升型DPI,提出了一种基于假设检验的加密流量应用识别统计决策模型,包括分组长度统计签名决策模型和DFI决策模型,并给出了相应的分组长度统计签名匹配算法以及基于DPI和DFI混合方法的加密流量应用识别算法。实验结果表明,该方法能够成功捕获加密应用在流坐标空间中独特的统计流量行为,并同时具有极高的加密识别精确率、召回率、总体准确率和极低的加密识别误报率、总体误报率。(本文来源于《通信学报》期刊2015年09期）
李玮玮,郭志涛,张晶,顾军华[4]（2013）在《基于标签分组的DFSA抽样训练规则防冲突算法》一文中研究指出主要对标签防冲突的问题进行研究,阐述了已有的分组算法原理,并分析其仍存在的可改进的地方,将标签分布特点与数据结构原型进行有机结合,提出相应的改进方案。引入了抽样和训练规则的概念,经过对分组过程的研究,找出帧长调整的规律性变化,提出了基于标签分组的DFSA抽样训练规则防冲突算法。通过实验仿真,充分体现了该方法在保证现有识别率的情况下,能够有效减少系统功耗,降低识别过程中的计算复杂度,缩短识别时间。(本文来源于《计算机应用研究》期刊2013年10期）
张海,张健,戴少锋[5]（2012）在《一种基于分组抽样的TRW改进算法》一文中研究指出端口扫描是最常见的网络异常流量,TRW是端口扫描检测中最有代表性的算法之一。在高速网络环境下,网络测量通常采用分组抽样技术。已有的研究表明,分组抽样对原始流的流大小分布有细化和扭曲的作用,使得TRW检测算法随着抽样率的增加,成功检测率和误检率呈现出先增加后减少的趋势。本文提出了一种TRW的改进算法,原理是利用抽样后样本流中包含的TCP协议信息改善分组抽样下的流大小分布估计,从而提高TRW检测算法的有效性。实验证明,新算法与原算法相比,在成功检测率差不多的情况下,误检率明显降低了。(本文来源于《计算机工程与科学》期刊2012年09期）
冯锡钢,阙朝晖,张海[6]（2012）在《分组抽样对端口扫描检测的影响及其改进算法》一文中研究指出端口扫描检测是网络安全防御系统的重要组成部分,而分组抽样在高速主干网络中有着广泛的应用。论文分析了分组抽样给TRW检测方法造成影响的原因,提出了一种改进TRW算法,通过样本流中的TCP序列号信息改进原始流的流大小分布估计,降低了入侵检测的误检率。(本文来源于《电脑知识与技术》期刊2012年26期）
张海,朱旭阳,郭文明[7]（2010）在《随机分组抽样下子群体的流大小分布估计》一文中研究指出随机分组抽样是网络管理和测量中最常见的抽样方法。已有的研究大都集中在此抽样方法下基于总体的流大小分布估计算法,但一些网络应用更关心总体流量中某个子群体的流大小分布。本文将总体的网络流划分成子群体S和子群体的补集-S,提出了一种在随机分组抽样下运用TCP协议信息的由S与S-共同组成流大小的联合分布的估计算法。实验证明,该算法能够较好地还原子群体及其在总体下的流大小分布的特征;另一方面,通过运用样本流中TCP协议信息,提高了子群体流大小分布估计算法的准确性。(本文来源于《计算机工程与科学》期刊2010年08期）
张震,汪斌强,朱珂[8]（2010）在《基于业务流数量自适应的资源限制分组抽样》一文中研究指出高速网络中,流量抽样测量技术是一种重要可扩展的解决方案,其中NetFlow在流量测量中有着广泛的应用。针对Net-Flow的缺陷提出了一种基于业务流数量自适应的资源限制分组抽样算法,该算法结合"分层抽样"的思想,把"累积业务流数量"作为重要的参数,来自适应地调节抽样概率,该抽样方法简单、易于实现,平衡了资源的消耗量和准确性。并基于实际互联网数据进行了实验比较,结果显示:该方法具有简单性、自适应性、资源可控性的同时不会失去准确性。(本文来源于《计算机工程与应用》期刊2010年17期）
张海,许勇,张凌[9]（2010）在《随机分组抽样下流大小的分布估计》一文中研究指出为提高流大小分布估计的精度,比较了运用TCP流的SYN包和TCP序列号信息的几种极大似然估计(MLE)算法.结果表明,运用TCP流中的SYN包和SEQ信息对流大小的分布估计比单纯的抽样估计具有更高的准确性,其中在样本流中同时运用SYN包和SEQ信息的估计效果最佳.在此基础上结合实际提出了一种对小流采取细粒度、对大流采取粗粒度的流大小非均匀粒度分布估计算法,并以实例验证了该方法的适用性.结果表明,该方法在减少算法计算量的情况下,提高了对大流的估计精度.(本文来源于《华南理工大学学报(自然科学版)》期刊2010年04期）
张海[10]（2010）在《分组抽样下网络测量可扩展性问题及其关键算法的研究》一文中研究指出网络被动测量研究的主要目的之一是对各种流特性的测量和估计。在高速网络下,现有的硬件和技术难以对网络流量中的每个分组信息进行测量,所以必须对测量的数据进行删减,抽样是最常采用的数据删减方法。已有的研究大都集中在流抽样(Flow Sampling)方向上,即在分组数据采集时对分组进行流聚类后再按照某些规则进行抽样,这些抽样方法往往针对的是某一类的流特性测量,不具备应用上的可扩展性。另一方面,这些抽样方法实现时需要网络设备较高的运算资源和存储资源,因此没有得到大规模的商业应用。目前,网络被动测量中主流数据采集方法仍然是分组抽样(Packet Sampling)。因此,本论文研究方向是:网络分组数据通过分组抽样后,根据样本中所包含的协议信息,研究各种流特性度量的测量和估计算法,以提高分组抽样下网络测量的可扩展性。本论文的工作主要包括以下几个方面内容:1)流大小分布是网络流量工程和网络监控方面一个重要的测量度量,是近年来网络测量研究的热点方向。已有的研究表明,通过随机分组抽样到的样本中包含的协议信息,能够有效地改善流大小分布的估计。本文在已有的研究基础上,提出了一种在样本流中同时运用SYN包和SEQ信息的估计方法(ALL-PS+SYN+SEQ),并与其它4种利用TCP SYN包和TCP序列号进行流大小分布估计算法进行比较。为了评估这几种算法的精度,用Fisher信息量计算这几种估计方法的方差下界(即C-R下界)。C-R下界的计算结果和实验结果表明,ALL-PS+SYN+SEQ估计算法效果最佳。2)在流大小分布实际应用中,我们往往关心的是小流准确的分布,而大流只需知道一定范围内的分布情况。因此我们在利用TCP协议信息改善流大小分布估计的基础上,提出了非均匀粒度流大小分布,对小流采取细粒度的估计,对大流采取粗粒度的估计。这样做的好处是既减少了估计算法的计算量,又提高了粗粒度后大流估计精度。3)在网络应用中,有时会更关注总体流量中某个子群体的流大小分布。本文提出了一种随机分组抽样下运用TCP协议信息的任意子群体流大小分布估计算法。实验证明,该算法通过运用TCP协议信息,提高了子群体流大小分布的准确性,并还原了不同应用的流大小分布特征。4)流字节大小是网络测量中最常用的的度量,已有的大多数研究大都集中在通过改进抽样算法,来提高流字节大小估计的准确性。本文提出了一种在简单随机分组抽样下流字节大小估计算法,该算法在运用TCP协议信息对流分组大小进行估计的前提下,然后根据线性回归模型来估计字节大小分布。通过实验,该估计算法能够较准确反映了原始流字节大小的分布特征。5)端口扫描检测是最常见的网络异常行为,TRW是最具代表性的端口扫描检测算法之一。已有的研究表明分组抽样对原始流的流大小分布有细化的作用,使得TRW检测算法随着抽样率的增加,成功检测率Rs和误检率Rf+呈现出先增加后减少的趋势。本文通过利用样本流中的TCP序列号信息,提出一种TRW的改进算法。通过实验验证,改进算法在相同抽样率下成功检测率Rs保持不变的情况下,误检率Rf+明显降低了。(本文来源于《华南理工大学》期刊2010-04-12）
分组抽样论文开题报告
（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：
1.概述分组抽样包括以下几个步骤:·用与简单随机抽样相同的公式计算样本量,N=Z2 x pq/D2,所得结果乘以2(这一步非常必要,因为分组抽样没有简单随机抽样精确)·确定分组数——至少30组,可以更多·用样本量除以分组数,求得每一组的样本量。·组的定位:·准备一个抽样框架——亦即所涉地点及其各自人口数的清单——并制作一个关于这些人口的累积清单
（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。
分组抽样论文参考文献
[1].陆丰荣,曾玉梨,王海兰,李国梁,谢植伟.大鼠两代繁殖毒性试验中分组和抽样方法探讨[J].中国职业医学.2019
[2].皮埃尔·佩兰.流行病学分组抽样[C].红十字国际委员会资料汇编——政策与实践指南.2015
[3].高长喜,吴亚飚,王枞.基于抽样分组长度分布的加密流量应用识别[J].通信学报.2015
[4].李玮玮,郭志涛,张晶,顾军华.基于标签分组的DFSA抽样训练规则防冲突算法[J].计算机应用研究.2013
[5].张海,张健,戴少锋.一种基于分组抽样的TRW改进算法[J].计算机工程与科学.2012
[6].冯锡钢,阙朝晖,张海.分组抽样对端口扫描检测的影响及其改进算法[J].电脑知识与技术.2012
[7].张海,朱旭阳,郭文明.随机分组抽样下子群体的流大小分布估计[J].计算机工程与科学.2010
[8].张震,汪斌强,朱珂.基于业务流数量自适应的资源限制分组抽样[J].计算机工程与应用.2010
[9].张海,许勇,张凌.随机分组抽样下流大小的分布估计[J].华南理工大学学报(自然科学版).2010
[10].张海.分组抽样下网络测量可扩展性问题及其关键算法的研究[D].华南理工大学.2010