导读:本文包含了数据稀疏论文开题报告文献综述及选题提纲参考文献，主要关键词:稀疏数据,Logistic回归,LASSO,基因表达
数据稀疏论文文献综述
王纯杰,刘斌霞,蒋京京[1]（2019）在《稀疏数据下的Logistic回归模型研究》一文中研究指出基于临床试验中结肠癌的样本数据,利用R软件中的glmnet程序包对数据进行实证分析,筛选出对结肠癌影响作用大的基因,然后建立稀疏数据下的Logistic回归模型,并联系背景对模型进行解释.同时用SAS软件对数据做逐步回归,得到逐步回归下的Logistic回归模型,对两种方法下得到的Logistic回归模型进行比较,成功地解决了数据稀疏问题.(本文来源于《吉林师范大学学报(自然科学版)》期刊2019年04期）
魏亚杰,张盼,许卓[2]（2019）在《基于稀疏约束反演的叁维混采数据分离》一文中研究指出混合震源采集技术相对于传统的地震数据采集,在极大提高采集效率的同时引入了混迭噪声,很大程度上影响了成像结果的精度.二维混采数据中,我们通常利用混迭噪声在非共炮域呈非相干分布这一特点来压制混迭噪声,从而实现混合震源数据分离.相对于二维混采数据,叁维混采数据具有数据量巨大,构建混合震源算子困难,混合度的增加引入了高强度混迭噪声的特点.针对上述问题,本文采用稀疏约束反演方法在Radon域实现混采数据分离,混迭噪声强度比较大的情况下,稀疏约束反演方法能够得到更高精度的分离结果;利用震源激发的GPS时间通过长记录的方式在共接收点道集对上一次迭代分离结果做混合、伪分离,实现了单个共接收点道集自身混合、伪分离,避免了对整个数据做运算,同时不需要构建混合震源算子.通过模拟数据和实际数据计算来验证上述方法的适用性.(本文来源于《地球物理学报》期刊2019年10期）
陈少波[3]（2019）在《多维稀疏数据流异常数据关联挖掘仿真》一文中研究指出针对当前方法异常数据集数量占用内存大、异常数据关联挖掘运行时间长,导致异常数据关联挖掘效率低的问题,提出多维稀疏数据流异常数据关联挖掘方法。首先对多维稀疏数据流异常数据进行降维处理,通过最大间隔准则查询最佳鉴别向量,求得最小最大概率以分离变量的超平面。利用频域谐振幅度等条件构建异常数据的频域模型,获取数据的最大隶属度,建立异常数据信息特征模型;在此基础上,计算其影响函数,根据计算结果对数据的异常值展开分析,采用非线性函数对其投影变换,通过相关联拉格朗日乘数的值来完成对异常数据的关联挖掘。实验结果表明,提出方法在对异常数据关联挖掘时,异常数据集数据量占用内存容量较小,并且异常数据关联挖掘的运行时间短。(本文来源于《计算机仿真》期刊2019年09期）
唐欢欢,毛伟建,杜蒙[4]（2019）在《基于不同稀疏表示的压缩感知地震数据重建效果分析》一文中研究指出压缩感知理论打破了信号离散采样中奈奎斯特采样定理的限制,使其在地震数据重建中得到广泛应用。压缩感知方法要求数据是稀疏的或者可以被稀疏表示,因此地震数据的稀疏表示方法是影响重建效果的重要因素之一。本文主要分析了常用的Curvelet、Fourier以及Radon变换这叁种地震数据稀疏表示方法对重建效果和重建效率的影响。通过模型数据和实际数据实验,比较了这叁种稀疏表示在数据不同缺失程度下重建效果、保幅能力以及重建效果这叁方面的优缺点,为实际地震数据重建中稀疏表示的选择提供可靠依据。(本文来源于《中国石油学会2019年物探技术研讨会论文集》期刊2019-09-09）
谢馨,王华庆,宋浏阳,李景乐,郝彦嵩[5]（2019）在《基于改进的稀疏度自适应振动数据修复方法》一文中研究指出基于压缩感知的数据重构方法已用于解决信号采集中受损数据的修复问题,该算法首先需要已知数据稀疏度,而振动信号的稀疏度通常难以确定,增加了数据修复的难度;稀疏度自适应匹配追踪算法(SAMP)无需预估信号稀疏度,可用于受损数据修复,但SAMP算法的修复结果受终止条件影响较大,导致修复精度不高且效率较低;为此提出了基于终止准则改进的稀疏度自适应数据修复方法。基于振动信号波形特征和先验知识,选择适当的字典矩阵实现信号稀疏化;以单位矩阵为基础,根据数据的缺失模型构造观测矩阵;为了避免传统SAMP算法终止系数选取不当,导致支撑集引入错误原子的问题,采用改进的SAMP算法重构出完整信号,实现受损数据修复。通过仿真信号及轴承实测信号验证了方法有效性,且改进的SAMP算法在重构精度和运算效率上均有所提高;此外,改进的SAMP算法重构效果优于正交匹配追踪(OMP)与正则化正交匹配追踪(ROMP)。(本文来源于《振动与冲击》期刊2019年16期）
曲红艳,王化琨,周影,田甜,岳宇巍[6]（2019）在《基于稳定稀疏主成分的基因表达数据聚类分析方法》一文中研究指出通过对基因表达数据的聚类分析能够较快地发现肿瘤细胞,较为准确快速地诊断疾病。本文在稀疏主成分的基础上,研究了基于稳定稀疏主成分的基因表达数据聚类分析方法的问题。改进的方法主要应用于解决稀疏主成分的Lasso方法在高维度中缺乏变量选择的一致性。使用直接聚类、主成分聚类、稀疏主成分、稳定稀疏主成分四种聚类方法对2个基因表达数据进行K均值聚类和层次聚类,比较方法的准确率,验证了基于稳定稀疏主成分的基因表达数据的聚类分析方法的准确度更高。(本文来源于《黑龙江大学自然科学学报》期刊2019年04期）
朱丹,刘天佑,李宏伟[7]（2019）在《利用数据低秩性和稀疏性的位场分离》一文中研究指出鲁棒主成分分析将低维信号秩最小的单目标函数优化问题扩展成低维信号秩最小且高维信号稀疏的双目标函数优化问题。针对传统位场分离方法(如匹配滤波等)易出现欠拟合或过拟合现象,本文分析了区域场的低秩特征和局部场的稀疏特征,采用鲁棒主成分分析对位场进行分离,使得位场分离更加稳健。理论模型计算结果表明,该方法是一种有效、易于实现、权系数λ取值宽松的空间域方法,能够避免傅里叶变换带来的误差。最后将该方法用于宁夏卫宁北山地区重磁异常的处理解释,分离的局部低重、高磁异常与已知隐伏岩体对应关系好,并圈定了6个可能赋存隐伏岩体的异常区。(本文来源于《石油地球物理勘探》期刊2019年04期）
张超,颜伟[8]（2019）在《一种面向稀疏数据基于间接评分的协同过滤算法》一文中研究指出针对数据稀疏性问题,从提高稀疏数据矩阵利用效率这个角度,提出了一种基于间接评分的协同过滤算法,在基于用户和基于项目的协同过滤算法基础上,将2种算法的预测评分进行动态地混合加权作为直接预测评分,同时引入"相似用户"对"相似物品"的评分作为间接预测评分,最后把间接预测和直接预测2种评分加权形成用户对项目的最终评分.为证明该方法的有效性,使用MovieLens电影评分数据集对算法进行验证,结果表明该方法的平均绝对误差要比传统的基于用户和基于项目的协同过滤算法低,表明了在稀疏数据上该文提出的基于间接评分的协同过滤算法效果更佳.(本文来源于《曲阜师范大学学报(自然科学版)》期刊2019年03期）
张良,韩立国,方金伟,张盼,刘争光[9]（2019）在《双稀疏字典和FISTA的地震数据去噪》一文中研究指出地震数据的随机噪声去除是地震数据处理中的一项重要步骤,双稀疏字典提供了两层稀疏模型,比单层稀疏模型可以更好地去除噪声.该方法首先利用contourlet变换对地震数据进行稀疏表示,然后在contourlet域中使用快速迭代收缩阈值算法(fast iterative shrinkage-thresholding algorithm,FISTA)对初始字典系数进行更新,接着采用数据驱动紧标架(data-driven tight frame,DDTF)在contourlet域中得到DDTF字典并通过FISTA得到更新后的字典系数,最后通过DDTF字典和更新后的字典系数获得新的contourlet系数,并对新的contourlet系数进行硬阈值和contourlet反变换得到去噪后的数据.通过模拟数据和实际数据的实验证明:与固定基变换去噪方法相比,该方法可以自适应地对地震数据进行稀疏表示,在地震数据较为复杂时得到更高的信噪比;与字典学习去噪方法相比,该方法不仅拥有较快的去噪速度,而且克服了字典学习因为缺少先验约束造成瑕疵的缺点.(本文来源于《地球物理学报》期刊2019年07期）
许伦辉,陈凯勋,郭雅婷[10]（2019）在《基于NB和DTW组合模型的稀疏浮动车数据填充》一文中研究指出利用浮动车数据对交通状态进行挖掘和分析已经是交通领域的重要研究手段之一,而浮动车数据的稀疏性给数据挖掘工作带来了阻碍。对路网数据缺失特性进行分析后,提出了稀疏浮动车数据的填充模型,模型中对缺失小于30%的偶然性数据缺失采用基于朴素贝叶斯(NB)的分类方法进行数据填充,对缺失大于30%的多发性数据缺失采用基于动态时间规整(DTW)的方法进行二次填充,将两种方法结合并应用于路网实例中,对路段缺失的交通流速度数据进行填充,提升了浮动车数据的路网覆盖率,有效降低了浮动车数据缺失对交通流速度信息的采集、发布以及预测工作带来的影响。(本文来源于《中山大学学报(自然科学版)》期刊2019年04期）
数据稀疏论文开题报告
（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：
混合震源采集技术相对于传统的地震数据采集,在极大提高采集效率的同时引入了混迭噪声,很大程度上影响了成像结果的精度.二维混采数据中,我们通常利用混迭噪声在非共炮域呈非相干分布这一特点来压制混迭噪声,从而实现混合震源数据分离.相对于二维混采数据,叁维混采数据具有数据量巨大,构建混合震源算子困难,混合度的增加引入了高强度混迭噪声的特点.针对上述问题,本文采用稀疏约束反演方法在Radon域实现混采数据分离,混迭噪声强度比较大的情况下,稀疏约束反演方法能够得到更高精度的分离结果;利用震源激发的GPS时间通过长记录的方式在共接收点道集对上一次迭代分离结果做混合、伪分离,实现了单个共接收点道集自身混合、伪分离,避免了对整个数据做运算,同时不需要构建混合震源算子.通过模拟数据和实际数据计算来验证上述方法的适用性.
（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。
数据稀疏论文参考文献
[1].王纯杰,刘斌霞,蒋京京.稀疏数据下的Logistic回归模型研究[J].吉林师范大学学报(自然科学版).2019
[2].魏亚杰,张盼,许卓.基于稀疏约束反演的叁维混采数据分离[J].地球物理学报.2019
[3].陈少波.多维稀疏数据流异常数据关联挖掘仿真[J].计算机仿真.2019
[4].唐欢欢,毛伟建,杜蒙.基于不同稀疏表示的压缩感知地震数据重建效果分析[C].中国石油学会2019年物探技术研讨会论文集.2019
[5].谢馨,王华庆,宋浏阳,李景乐,郝彦嵩.基于改进的稀疏度自适应振动数据修复方法[J].振动与冲击.2019
[6].曲红艳,王化琨,周影,田甜,岳宇巍.基于稳定稀疏主成分的基因表达数据聚类分析方法[J].黑龙江大学自然科学学报.2019
[7].朱丹,刘天佑,李宏伟.利用数据低秩性和稀疏性的位场分离[J].石油地球物理勘探.2019
[8].张超,颜伟.一种面向稀疏数据基于间接评分的协同过滤算法[J].曲阜师范大学学报(自然科学版).2019
[9].张良,韩立国,方金伟,张盼,刘争光.双稀疏字典和FISTA的地震数据去噪[J].地球物理学报.2019
[10].许伦辉,陈凯勋,郭雅婷.基于NB和DTW组合模型的稀疏浮动车数据填充[J].中山大学学报(自然科学版).2019
标签：稀疏数据; Logistic回归; LASSO; 基因表达;