导读:本文包含了采样策略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:策略,阿基米德,自适应,希尔伯特,螺旋线,计量学,构型。
采样策略论文文献综述
郑建华,刘双印,贺超波,符志强[1]（2019）在《基于混合采样策略的改进随机森林不平衡数据分类算法》一文中研究指出针对传统分类算法难以处理不平衡数据的问题,提出了一种基于混合采样策略的改进随机森林不平衡数据分类算法。首先从理论上分析了混合采样策略提升随机森林基分类器多样性的机理,随后设计了改进随机森林不平衡数据分类算法。算法采用过采样和欠采样混合采样策略为每棵子树生成不同的平衡训练子集,再利用该训练子集训练子树,从而创建随机森林分类器。最后用13种不平衡数据集进行实验测试。结果显示:采用较小的过采样因子可以取得较好的分类效果;与9种对照算法相比,改进的随机森林分类算法在AUC值对比时获得10个最优结果,G-mean值对比时获得9个最优结果。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年07期）
陆肖栋[2]（2019）在《影响环境监测现场采样工作质量因素及应对策略》一文中研究指出分析了影响环境现场监测的质量因素,探讨了环境监测现场采样中存在的问题,针对性地提出了控制环境监测的解决措施,包括提高现场监测质量,提升抽样人员素质方面作为主要改进方向,注重对仪表设备的管理。(本文来源于《绿色科技》期刊2019年12期）
唐兆祥[3]（2019）在《控制器中接地策略对模拟采样电路的影响》一文中研究指出以某城际车上逆变器的过流故障为例,分析了导致采样电路前后级产生耦合干扰的原因并提出了解决方案。通过拆除电路板上提供低阻抗路径的Y电容,逆变器顺利启动,电流采样恢复正常。因此,设计控制器接地策略时应密切关注信号返回路径,谨慎使用Y电容。(本文来源于《船电技术》期刊2019年06期）
杨成飞[4]（2019）在《基于高斯过程的智能采样策略研究》一文中研究指出原子力显微镜是微纳米测量领域中应用非常频繁的一种仪器,其主要功能是测量所研究样品的形貌及力学等特性。目前,随着对测量效率、精度的要求愈发强烈,一种新的高效率、高精度智能采样策略研究趋势正在兴起。机器学习是一门人工智能的科学,它通过学习已经存在的数据或经验,来预测未知的行为。而其中高斯过程是一种强大的模型,可以对数据进行非参数化建模及预测,在机器学习中有非常重要的地位,优点主要是可拟合黑箱函数及给出预测不确定度。本文在保证表面测量精度前提下,从提高测量效率角度出发,基于高斯过程进行了智能自适应采样及轮廓自动追踪研究,以用于提高原子力显微镜等纳米测量仪器表面形貌结构测量效率。其工作主要有以下两个方面:1、扫描路径优化结合自适应采样策略。在该部分工作中,我们使用两种扫描路径,即:阿基米德螺旋线与希尔伯特曲线,并结合自适应基于高斯过程迭代算法来减少采样点以提高测量效率。通过沿着扫描路径去智能化选择采样点,然后基于高斯过程重建样品形貌,可以大大减少采样点数。保证精度前提下,在路径上均匀采样重建可将采样点数降至栅格采样点的12%左右。在路径上智能选择采样点重建后,点数可降至4%左右。可见,扫描时间会显着减少,效率获得了极大提升。与此同时,探针与样品的接触总时间也会减少,探针磨损会降低,从而可提高探针寿命。2、曲线追踪测量。当测量对象是线形的对象时,如纳米线、DNA、边界线等,基底上会有大量的无特征区域不需要测量。栅格扫描会测量整个基底,显然会造成大量的数据冗余。为了减少这种不必要的浪费,一种基于高斯过程的曲线自动追踪测量策略被用于此。该策略以追踪感兴趣轮廓为主,没有样品特征的基底不被测量。仿真及实验验证表明它能减少一个数量级的扫描路径长度。显然能降低采样点数、提高测量效率。这种方法在原子力显微镜上有非常大的应用潜力。(本文来源于《中国科学技术大学》期刊2019-06-03）
卢瑶[5]（2019）在《月面巡视器车载机械臂采样策略研究》一文中研究指出深空探测对人类进行宇宙的形成与演化,生命的起源与进化等重大科学问题的研究具有重大意义,因此成为人类航天活动的重要发展方向。月球由于其独特的地理位置和潜在资源,成为了人类开展深空探测的首要目标。月面探测主要是利用月面巡视探测器进行月表环境勘测及样本采集。随着对月面研究的不断深入,采样环境日趋复杂,现有的月表采样技术无法满足日益复杂的采样任务需求,因此,研究更为安全高效的月面采样策略,对于加快月面环境研究的进度意义重大。为提高采样任务执行效率,需要更为智能高效的路径规划算法,同时为合理分配采样过程中的资源消耗,需开展采样构型优化的相关研究。本文基于航天五院项目“月壤表取采样封装智能策略分析软件研制”的课题背景,以月面巡视器为研究对象,对月面巡视器车载机械臂执行采样任务过程中的相关技术和策略进行了研究,并通过对所得研究成果的仿真和实验对算法的有效性进行了验证。针对月面巡视器车载机械臂进行重复采样过程中规划效率低的问题,提出了一种基于知识库的学习型规划算法。首先针对月面采样任务的特征进行任务分层分解,将复杂的采样任务分解为机械臂可直接识别执行的原任务。针对单次任务规划过程中规划效率低的特点,提出一种改进的PRM算法,利用动态连接距离提高了PRM学习图的效率,并解决了狭窄通路问题;针对重复规划过程中无法从历史规划结果获取经验的问题,引入了规划知识库进行规划信息的特征提取和存储,从而在进行新的相似任务规划时能从历史规划经验中直接提取规划解,极大地提高了多次相似任务规划过程中的规划效率。针对月面巡视器车载机械臂在采样过程中其末端与样本之间发生接触碰撞的情况,进行了末端采样方案的优化设计。基于调研得到的月面土壤信息,结合末端执行器结构,建立末端执行器-月壤接触力学模型,得到接触力与采样入土角和采样速度的关系,并通过仿真分析得到末端接触力最小的采样方案;针对末端执行器采样过程中与障碍物接触产生刚性碰撞的问题,基于车载机械臂动力学模型及末端执行器-月壤接触力学模型设计机械臂的力位混合控制算法,保证产生刚性碰撞的极短时间内机械臂能及时作出应对措施,从而确保任务安全有效地执行。针对采样过程中月面巡视器车载机械臂系统资源消耗的问题,进行了车载机械臂采样构型的优化分析。首先,提出一种采样点泛化处理的方法,提高了采样方案的灵活性和可选择性;然后,结合末端最优采样方案,分析在不同采样点位置的机械臂采样安全构型,并结合基于知识库的PRM规划算法以及笛卡尔空间规划得到机械臂运动规律;最后,结合任务需求确定优化目标,建立多目标优化模型,基于多目标粒子群优化算法得到最优采样构型,保证采样过程中的资源消耗达到最优。为验证本文中提出的学习型规划算法的有效性和可行性,针对月面采样任务,开展了车载机械臂采样任务规划的实验研究,得到了与预期目标相符的实验结果,从而验证了本文中所提出算法的有效性。(本文来源于《北京邮电大学》期刊2019-06-01）
陈伟杰[6]（2019）在《土壤特性的优化采样策略及空间离群样点检测算法研究》一文中研究指出优化的采样策略是对采样强度、分析成本及其研究精度叁方面的均衡,即以最小的经济投入换取最大化的实验精度。采样调查是土壤特性分析的重要手段,同时也广泛地应用于地理研究、环境评估、资源考察等领域,是开展相关实验研究的基础和前提,采样方案设定是否科学不仅对研究工作开展的进程有极大影响,也决定着研究结果的准确性和科学性,因此,如何科学地优化采样策略,是每个研究者共同关注的一个重点和难点问题。随着采样区域的扩大、传感器设备及采样方法的发展,土壤特性研究所需采集的项目越来越多,研究精度也越来越高,庞大的样本数据集和高纬度的数据构成对数据预处理带来了趋于严峻的挑战。而离群样点检测通常是数据预处理的关键任务,对于采样调查而言,离群样点的存在对研究对象的空间变异性及合理采样数的影响程度成为亟待研究的问题。对于具有空间分布属性的数据集,离群样点必然导致研究结果存在一定程度的偏差,甚至对研究结果产生不可小视的影响。为此,需要在数据集中将离群样点检测并筛选出来,以便于数据集的预处理以及进一步分析离群样点产生的机理,故而,需要探究一种适用于土壤特性空间数据集的离群样点检测模型。国内外的采样设计多基于模型来优化,其缺陷在于不适用于初步采样,而偏重为多次采样和后期监测点的布置提供参考,同时,支撑其理论的初步采样数据,往往遵循随机抽样,忽略了空间相关性,在一定程度上将造成结果偏差。针对以上问题,本研究建立了一种可赋权、信息传递完整、包容性强(可涵盖定性、定量两类协同因子)的基于优先级指数的土壤采样设计方法。针对该法提供了一种基于聚类法的代表性验证方法,其中,为避免定性与定量协同因子之间计量运算困难,对数据集间的欧式距离公式和中心点公式进行了修正,并引入贴近度、紧致与分离性效果两个修正后的指标,以此将优先级指数采样法、分层采样法、随机采样法做对比分析,并以基于克里格插值的独立验证作为对比。优先级指数采样法得到的点集所携带的信息相较于分层采样点集和随机采样点集更接近于总样本点集。本研究的采样设计方法能够满足省级及以上区域采样需求,提高采样效率和质量,可为其他土壤采样方案的设计提供一定参考。为了了解离群样点的存在对研究对象的空间变异性及合理采样数的影响程度,本研究通过全局离群样点检测、LOF模型、LDOF模型和SLOF模型对研究区水动力参数数据集的检测和对比,在数据统计特征、空间变异性和合理采样数叁个方面比较分析离群样点所产生的影响。结果表明,离群样点的属性比离群样点的数量对空间变异性及合理采样数影响更明显,其中局部离群样点和全局离群样点在影响对象上各有偏重;离群样点的剔除使得合理采样数有不同程度的降低,其插值效果明显优于原始样本集,其中SLOF模型的效果相对更好;模型对比的独立验证中,数值的模拟误差和趋势的模拟偏差都会对插值效果产生影响。对于空间采样所得的数据而言,特别是采样密度分布不均一的数据集,传统的离群样点检测方法无法满足检测需求,而现有的空间局部离群样点检测算法将空间属性与非空间属性剥离计算,k临近数无法充分体现空间属性的价值,同时,对用户预设初值的依懒性较大,并存在很强的边缘效应,无法得到较为满意的离群样点检测体验和检测结果。为此,本文提出了一种基于斜率的空间局部离群样点检测方法,充分利用空间属性与非空间属性提供的信息,对局部离群样点的捕捉更加敏锐,此外,该算法利用数据集固有的变程来代替传统的k临近数,并引入了k循环增减计算,降低了用户依赖性。在与现有的SLOF算法比较的结果来看,基于斜率的空间局部离群样点检测方法具有更高的精确度,能够更好的适应空间分布数据集特点,更好地完成的离群样点检测工作。土壤特性的优化采样策略及空间离群样点检测算法研究初步完成了在大尺度范围条件下从采样策略到数据预处理的基本工作,为土壤特性研究提供了与其特性相适应的采样策略及离群样点检测的方法,并为离群样点对空间数据集等方面的影响提供了一定的理论基础,为今后进一步的土壤特性研究提供了一定的条件。(本文来源于《东北农业大学》期刊2019-06-01）
李跑,周骏,蒋立文,刘霞,杜国荣[7]（2019）在《窗口竞争性自适应重加权采样策略的近红外特征变量选择方法》一文中研究指出通过消除光谱中的冗余信息变量,挑选出代表样品性质的特征变量代替全谱建立定量模型,可以提高近红外分析结果的准确性。基于进化论中适者生存原理的竞争性自适应重加权采样(CARS)算法因具有计算速度快、筛选得到的特征波长少等优点,在近红外特征变量筛选方面得到了广泛的应用。然而该方法在计算过程中容易出现校正集和验证集结果不一致情况。这是因为算法过于强调校正集交叉验证结果,且并未考虑相邻变量之间的协同作用。为了建立更加稳健的变量筛选方法,通过结合"窗口"以及CARS算法的优势,提出了一种基于窗口竞争性自适应重加权采样(WCARS)策略的近红外特征变量筛选方法,并将其应用于复杂植物样品近红外光谱与其化学成分含量之间的建模分析。采用WCARS方法可以实现准确定量分析,且通过与竞争性自适应重加权采样(CARS)方法结果相比较, WCARS方法得到的校正集和预测集结果一致,在一定程度上减少了过拟合问题的出现。该策略能有效增强特征变量选择的稳健性,提高了定量模型的可信度,具有一定的应用价值。(本文来源于《光谱学与光谱分析》期刊2019年05期）
徐乔笙,谢维成,江山,曾传华,江德凤[8]（2019）在《一种监测母线槽温升信号的无线传感器动态采样策略》一文中研究指出母线槽的温升会因异常因素发生快速变化,但无线传感器受能源和传输速度限制无法一直保持高采样率和高上传率。为了使无线传感器根据温升变化速率自动调节采样间隔和上传频率,改进了一种无线传感器节点动态采样策略FDSI。首先分析了原采样策略对于采集变化快速的温升信号的缺陷,然后对其调节采样间隔的方法做出调整,最后利用Matlab仿真进行两者的对比研究。结果表明对于监测密集型母线槽温升信号,调整后的无线传感器动态采样策略与原策略相比信息丢失更少,冗余采样更少。(本文来源于《电力系统保护与控制》期刊2019年08期）
董磊,卢振武,刘欣悦,李正炜[9]（2019）在《叁种降采样成像策略的性能优化以及与传统傅里叶望远镜的比较》一文中研究指出为了获得成像质量较好且成像时间较少的新型傅里叶望远镜成像策略,本文比较了叁种降采样成像策略(压缩感知方法 (CS)、低频全采样方法 (LF)和变密度随机采样方法 (VD))与传统傅里叶望远镜(FT)在图像质量和成像时间上的差异.分析方法如下:利用传统FT外场实验所获得的目标频谱数据作为基础,叁种降采样方法 (LF, VD和CS)分别按照各自的采样模式和重构方法实现目标图像的重构;通过直观观察和Strehl比两种方法比较叁种降采样方法与传统FT在图像质量上的差异;通过分析成像时间的组成要素,初步比较叁种降采样方法与传统FT在成像时间上的差异.分析表明:1)压缩感知方法的图像质量优于其他两种降采样方法 (LF和VD),但略低于传统成像结果; 2)压缩感知方法在成像质量上略低于传统FT,但在成像时间上却明显小于传统FT; 3)分析中采用的外场数据均含噪声,这说明上述叁种降采样重构过程对噪声有较好的鲁棒性.综合上述分析结果可以看出,基于压缩感知的傅里叶望远镜(CS-FT)是在实际含噪情况下可大幅减少成像时间的优良成像策略.(本文来源于《物理学报》期刊2019年07期）
王玲敏[10]（2019）在《基于随机跳转策略的社交网络采样算法研究》一文中研究指出近年来,随着互联网的飞速发展,社交网络正在影响和改变着人们的生活。基于大量复杂数据的网络结构研究日益受到人们的欢迎。由于现有的在线社交网络中,用户交互信息的数据量庞大,且存在隐私问题,如果直接对整个网络数据进行分析耗时严重,几乎不可能完成。因此,一种可靠而有效的网络采样算法对于在线社交网络(OSNs)特征的实际估计非常重要。现有的网络采样算法可以从Facebook等大规模复杂社交网络中获得无偏的样本集,并描述原始网络的关键特征。经典的Metropolis-Hasting随机行走法(Metropolis-Hasting Random Walk,MHRW)通过使用分布函数进行抽样控制,较好的满足了社交网络采样的需求。但是,MHRW算法的采样过程中存在陷入局部区域中过度采样的缺陷。针对在线社交网络数据的上述特性以及MHRW采样算法存在的缺陷,以网络数据采样问题为核心,对网络数据的在线采样、样本评估等方面开展了一系列研究。主要研究内容和创新点如下:1.为解决MHRW采样算法存在的局部区域过度采样问题,引入了随机跳转策略进行改进,得到一种新的混合跳转采样算法(Hybrid Jump sample,HJ)。本文分别在Facebook和Twitter两个数据集上进行了大量实验,通过对比不同算法采样所得到的样本集的收敛性、网络的度分布、采样节点分布和传递性等网络特征,证实HJ算法的采样性能更强且适用范围比较广。并且本文中通过调整HJ算法中跳转概率值的大小进行实验,观察实验结果发现:不同跳转概率对HJ采样算法收敛性的影响微小,可以忽略不计。2.以知乎在线网络为研究实例,运用本文所提出的HJ算法,设计了分布式社交网络采样系统。本文中详细的介绍了系统的构成和资源优化方案。基于HJ算法采集知乎网站的用户URL。然后提取用户页面信息进行处理,整理后进行存储。通过此采样系统能够更加便捷的进行社交网络数据的采集和存储工作。(本文来源于《浙江理工大学》期刊2019-03-09）
采样策略论文开题报告
（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：
分析了影响环境现场监测的质量因素,探讨了环境监测现场采样中存在的问题,针对性地提出了控制环境监测的解决措施,包括提高现场监测质量,提升抽样人员素质方面作为主要改进方向,注重对仪表设备的管理。
（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。
采样策略论文参考文献
[1].郑建华,刘双印,贺超波,符志强.基于混合采样策略的改进随机森林不平衡数据分类算法[J].重庆理工大学学报(自然科学).2019
[2].陆肖栋.影响环境监测现场采样工作质量因素及应对策略[J].绿色科技.2019
[3].唐兆祥.控制器中接地策略对模拟采样电路的影响[J].船电技术.2019
[4].杨成飞.基于高斯过程的智能采样策略研究[D].中国科学技术大学.2019
[5].卢瑶.月面巡视器车载机械臂采样策略研究[D].北京邮电大学.2019
[6].陈伟杰.土壤特性的优化采样策略及空间离群样点检测算法研究[D].东北农业大学.2019
[7].李跑,周骏,蒋立文,刘霞,杜国荣.窗口竞争性自适应重加权采样策略的近红外特征变量选择方法[J].光谱学与光谱分析.2019
[8].徐乔笙,谢维成,江山,曾传华,江德凤.一种监测母线槽温升信号的无线传感器动态采样策略[J].电力系统保护与控制.2019
[9].董磊,卢振武,刘欣悦,李正炜.叁种降采样成像策略的性能优化以及与传统傅里叶望远镜的比较[J].物理学报.2019
[10].王玲敏.基于随机跳转策略的社交网络采样算法研究[D].浙江理工大学.2019
论文知识图
