导读:本文包含了小样本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:样本,电针疗法,函数,深度,向量,病害,效用。
小样本论文文献综述
麦吉么吾甲,赵雨,文谦,杨扬,吕建琴[1]（2019）在《不同疗程电针治疗对颈型颈椎病患者疗效及依从性的影响——一项小样本随机对照研究》一文中研究指出目的:观察不同电针次数对颈型颈椎病患者疗效及依从性的影响。方法:60例颈型颈椎病患者随机分为5次治疗组与10次治疗组,每组各30例。在电针处方相同的情况下,5次治疗组每日治疗1次,共治疗5次;10次治疗组每日治疗1次,治疗5次后休息2 d,共治疗10次。观察两组患者治疗前后颈部疼痛视觉模拟量尺(VAS)评分,颈椎病治疗成绩评分变化;记录两组5次治疗结束后持续治疗意愿及原因,随访两组治疗后12个月的颈椎病复发情况。结果:两组治疗后颈椎VAS评分、颈椎病治疗成绩评分均较本组治疗前明显改善(P<0. 05);两组治疗后VAS评分、颈椎病治疗成绩评分差异无统计学意义(P>0. 05);两组治疗后12个月复发情况比较差异无统计学意义(P>0. 05)。10次治疗组中21例(70%)的受试者在治疗5次后因疗效满意而表达出不希望继续治疗的意愿。结论:电针能有效改善颈型颈椎病患者疼痛症状;相较于5次组,10次电针治疗可能影响患者参与临床治疗研究的依从性。(本文来源于《针刺研究》期刊2019年11期）
韦盛学,李乃医[2]（2019）在《基于小样本、删失情形下Weibull分布参数的Bootstrap估计》一文中研究指出生存分析和可靠性分析中,一般得到的往往是小样本、不完全的数据,在此情形下,基于极大似然方法的参数估计结果可能是不稳定的。而Bootstrap方法是处理小样本数据的一个可行、有效方法,文章给出了小样本、随机右删失数据下Weibull分布参数的Bootstrap区间估计方法 。(本文来源于《统计与决策》期刊2019年23期）
郝海风,朱承治,彭晶[3]（2019）在《基于小样本数据的输变电工程造价估算的建模与仿真》一文中研究指出传统的工程造价预测模型和预测方法繁多,但均有其局限性。加上实际的建设中诸多因素的影响,数学模型建立的难度比较大,并不能符合工程造价预测的需要。针对传统造价估算得不到精确结果的现状,结合工程造价实际的构成状况,从小样本数据学习问题入手,对估算模型进行研究。提出基于向量回归(SVM)的估算模型,并在工程造价和影响因子之间建立映射关系。模型中的参数通过遗传算法优化后,进行实验测试。结果表明,模型的相对估算误差较低,控制在3%之内。精确地预测了输变电工程造价,达到了理论的预期值。(本文来源于《自动化与仪器仪表》期刊2019年11期）
周永福,曾志,罗中良[4]（2019）在《小样本深度学习方法实现LED TV屏缺陷检测》一文中研究指出为实现当前工业4.0时代电子类企业智能制造的全过程,引入机器视觉完成产品的缺陷检测,用于解决缺陷问题多样性导致算法能力不足的问题;首先对已标注小样本数据集通过深度学习得到初始特征模型,接着针对该特征模型施以迁移学习方法用以实现LED TV的检测,并将已检测样本进一步用于增量学习完成模型参数的修正,最后采用全连接神经网络FCNet(Fully Connected Neural Network)完成分类,探讨了一种运用机器视觉实现LED TV的光学屏检技术;并给出了检测样品作为补充的样本数据集增量学习模型;实践表明,所提出的方法能进一步提升工业机器人智能制造阶段自动化检测的准确率,最终实现工业生产的柔性和智能化水平,并为机器视觉的应用提供示范。(本文来源于《计算机测量与控制》期刊2019年11期）
冯国奇,崔东亮,朱凯全,张琦[5]（2019）在《一种面向复杂问题的小样本建模方法研究》一文中研究指出科学研究中常因过高的试验成本导致机器学习的小样本问题,其难点在于数据集信息不足以描述原始问题的全部特征,因此需要根据学习算法特点精心安排试验以最大化小样本数据集的信息量。针对多元线性回归建模提出了一种样本选择方法:依托正交设计变量的水平特性,采用汉明距离评估试验样本相似性,以样本集最小汉明距离表征数据集的偏差;根据回归建模的样本量最低需求,采用深度优先算法建立最大最小汉明距离样本集以建立回归模型。最后以航空发动机高压涡轮盘为例验证该方法有效性,试验证明这种样本选择策略能在保证建模精度前提下降低试验费用。(本文来源于《控制工程》期刊2019年11期）
王一丰,郭渊博,李涛,孔菁[6]（2019）在《小样本下未知内部威胁检测的方法研究》一文中研究指出极少量的内部威胁通常被淹没在海量的正常数据中,而传统的有监督检测方法在此很难发挥作用。此外,各类新形式内部威胁的出现使得传统需要大量同类标记样本数据学习特征的方法在实际中并不适用。针对检测未知内部威胁,文中提出了一种基于原型的分类检测方法。该方法使用长短期记忆网络提取用户行为数据的特征,通过在特征空间上比较与各类原型的距离(余弦相似度)来发现未知内部威胁,并采用元学习方法更新参数。最终通过基于CMU-CERT的合成数据集的实验也验证了该方法的有效性,在小样本条件下,对新出现的未知内部威胁的分类的准确率达到了88%。(本文来源于《计算机科学》期刊2019年S2期）
王一丰,郭渊博,李涛,刘春辉[7]（2019）在《一种小样本下的内部威胁检测方法研究》一文中研究指出极少量的内部威胁通常被淹没在大量的正常数据中,对检测造成了很大困难.传统的异常检测方法在此很难发挥作用.本文针对小样本的环境设计了一种内部威胁检测框架.该文先使用经验学习中的一些技巧来生成足量的样本,然后提出一种基于深度学习的内部威胁检测方法.所提出的分类模型结合卷积神经网络和递归神经网络模型,采用视频行为识别的架构来进行特定内部威胁的检测和关联.最终通过用CMU-CERT数据集的实验也验证了该文方法的有效性,并且该方法特别是在检测共谋攻击方面中取得了很好的效果,其分类正确率达到了82%.(本文来源于《小型微型计算机系统》期刊2019年11期）
任胜男,孙钰,张海燕,郭丽霞[8]（2019）在《基于one-shot学习的小样本植物病害识别》一文中研究指出针对植物病害小样本问题提出一种基于one-shot学习的植物病害识别方法。以公开数据集PlantVillage中8类样本数量较少的植物病害图像作为识别对象,使用焦点损失函数(focal loss, FL)训练基于关系网络的植物病害分类器。训练过程中,调整FL超参数使模型聚焦于困难样本,从而提高植物病害识别精确率。结果表明:该方法在5-way、1-shot任务中识别精确率达到89.90%,相比原始关系网络模型精确率提高了4.69个百分点。同时,与匹配网络和迁移学习相比,改进后的方法在实验数据集上识别精确率分别提高了25.02个百分点和41.90个百分点。(本文来源于《江苏农业学报》期刊2019年05期）
朱永国,邓斌,霍正书,周结华[9]（2019）在《小样本检测数据驱动的飞机结构件装配关键偏差源诊断》一文中研究指出飞机结构件的装配质量与其偏差源之间呈现非线性、多层级强耦合、不确定度大的传递关系,不能通过构建装配尺寸链方程的方法诊断出影响装配质量的关键偏差源,为此,以装配偏差实测数据为基础,引入测量信息论,将熵权法和灰色综合关联度进行融合,提出小样本数据驱动的影响结构件装配质量的关键偏差源诊断方法。挖掘结构件装配质量检测数据的潜在信息,利用熵权法对结构件装配质量属性进行差异化度量;利用灰色综合关联度量化结构件各偏差源与结构件装配质量之间的关联度;利用装配质量属性权重对各偏差源与装配质量之间的灰色综合关联度进行修正;最后,按照修正后的关联度对各偏差源的重要程度进行排序,量化确定影响结构件装配质量的关键偏差源。装配应用案例证明了基于熵权法和灰色综合关联度的装配质量关键偏差源诊断方法的准确性和计算可行性。(本文来源于《中国机械工程》期刊2019年22期）
张琪,吴义忠,刘鑫,乔平[10]（2019）在《基于最小样本空间的Johnson分布拟合方法》一文中研究指出基于应力-强度干涉模型计算可靠度指标时,常使用统计方法获得应力和强度的概率分布,然而,在复杂机电产品的设计过程中,每一个样本值的获取都是一次昂贵估值,大量样本值的获取面临耗时严重等问题。针对该问题,采用参数化的Johnson分布拟合概率分布,研究基于最小样本空间的Johnson分布拟合方法。采用百分位数配比法求解Johnson分布族函数的参数,并基于假设检验原理确定满足拟合精度要求的最小样本空间,同时通过K-S拟合检验法对总体真实分布与拟合分布进行一致性分析,保证拟合精度符合要求。工程应用结果表明,该方法基于少量的昂贵估值样本可快速得到样本的总体分布,为可靠度指标的快速计算奠定了基础。(本文来源于《中国机械工程》期刊2019年21期）
小样本论文开题报告
（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：
生存分析和可靠性分析中,一般得到的往往是小样本、不完全的数据,在此情形下,基于极大似然方法的参数估计结果可能是不稳定的。而Bootstrap方法是处理小样本数据的一个可行、有效方法,文章给出了小样本、随机右删失数据下Weibull分布参数的Bootstrap区间估计方法 。
（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。
小样本论文参考文献
[1].麦吉么吾甲,赵雨,文谦,杨扬,吕建琴.不同疗程电针治疗对颈型颈椎病患者疗效及依从性的影响——一项小样本随机对照研究[J].针刺研究.2019
[2].韦盛学,李乃医.基于小样本、删失情形下Weibull分布参数的Bootstrap估计[J].统计与决策.2019
[3].郝海风,朱承治,彭晶.基于小样本数据的输变电工程造价估算的建模与仿真[J].自动化与仪器仪表.2019
[4].周永福,曾志,罗中良.小样本深度学习方法实现LEDTV屏缺陷检测[J].计算机测量与控制.2019
[5].冯国奇,崔东亮,朱凯全,张琦.一种面向复杂问题的小样本建模方法研究[J].控制工程.2019
[6].王一丰,郭渊博,李涛,孔菁.小样本下未知内部威胁检测的方法研究[J].计算机科学.2019
[7].王一丰,郭渊博,李涛,刘春辉.一种小样本下的内部威胁检测方法研究[J].小型微型计算机系统.2019
[8].任胜男,孙钰,张海燕,郭丽霞.基于one-shot学习的小样本植物病害识别[J].江苏农业学报.2019
[9].朱永国,邓斌,霍正书,周结华.小样本检测数据驱动的飞机结构件装配关键偏差源诊断[J].中国机械工程.2019
[10].张琪,吴义忠,刘鑫,乔平.基于最小样本空间的Johnson分布拟合方法[J].中国机械工程.2019
论文知识图
