导读:本文包含了残缺数据论文开题报告文献综述、选题提纲参考文献，主要关键词:数据,向量,运输量,机器,方法,组合,神经网络。
残缺数据论文文献综述写法
徐婧,石磊,赵新惠,高爱颖[1]（2019）在《残缺数据影响下的运输量预测方法研究》一文中研究指出本文通过分析交通运输行业统计残缺数据的产生原因,针对传统残缺数据处理方法及其存在的问题进行改进。选择神经网络组合模型开展预测方法研究,并利用实例对该方法进行验证。(本文来源于《中国物流与采购》期刊2019年16期）
殷娟娟[2]（2019）在《样本残缺状态下数据处理方法的研究》一文中研究指出由于人为疏忽或设备限制等多种原因,现实中的数据在收集过程中表达的信息不完整,残缺样本给数据挖掘和决策造成不便。为了得到理想的完整数据集,需要处理、填补数据集,使其成为完整数据集。针对数据残缺的不同机制和填补方法,分析各自方法的适用场景,从而总结、比较不同方法的填补效果。结果表明,残缺率越大填补效果越差,随机填补方法的稳定性较差,回归填补方法的效果更好。(本文来源于《信息与电脑(理论版)》期刊2019年10期）
毛颖颖[3]（2018）在《可扩展机器学习中残缺数据补全方法研究》一文中研究指出现代社会中的各行各业都在广泛运用互联网的相关技术,最具代表性的便是网络大数据的搜集、处理、储存以及输出反馈工作。现对可扩展机器学习中的残缺数据进行补全方法的相关研究。通过对残缺数据补全方法的设计,可以发现数据残缺问题的出现主要是由数据属性残缺所导致的。通过对数据属性相关算法的设计,可以有效完成残缺数据的补全工作。通过对残缺数据补全方法的实验论证,可以发现G-G估算法对残缺数据的补全有重大实践意义。(本文来源于《信息与电脑(理论版)》期刊2018年17期）
曹歆雨,曹卫权,李峥,孙金德[4]（2018）在《面向不确定残缺数据的大学生成绩预测方法》一文中研究指出大学生在课程规划方面有很高的自由度,这使得成绩数据较不规整,研究者很难对学生的前序课程成绩进行有效分析、利用。已有的成绩预测方法普遍未考虑学生前序课程成绩残缺的现象,从而导致预测准确性不佳。提出一种基于K近邻局部最优重建的残缺数据插补方法,该方法能够有效抑制前序课程成绩缺失对预测模型精度的影响。实验表明,该方法的补全效果优于已有的均值插补、GMM插补等方法,结合随机森林模型实现了有效的成绩预测,为学生成绩管理、就业能力预警提供了客观的参考。(本文来源于《现代电子技术》期刊2018年06期）
田晗,冯朝一[5]（2018）在《残缺指纹激光数据的走势推定》一文中研究指出残缺指纹在激光扫描下存在关联特征,但是,当前方法没有考虑特征关联性,指纹恢复效果差。提出一种新的残缺指纹激光数据推定方法。将采集的指纹激光扫描数据进行关联分类,依据分类的结果建立指纹特征之间输入输出关联关系表达式,通过该关联关系获取与输入残缺指纹对比,实现残缺指纹激光数据的走势推定。实验结果表明,所提技术推定精度高,可以有效恢复残缺指纹的激光特征。(本文来源于《激光杂志》期刊2018年02期）
曹卫权,褚衍杰,李显[6]（2017）在《针对机器学习中残缺数据的近似补全方法》一文中研究指出针对机器学习中含残缺项的数据不能被有效利用,导致分类和回归准确率不高的问题,提出了一种近似补全方法——k-ANNO方法。给定残缺的数据样本,该方法首先通过离线构建的图结构来近似搜索与该样本最接近的k个近邻顶点,然后采用快速二次规划估计各近邻的最优权重,最后基于权重值来补全样本中的残缺项,用户可以根据实际需求在补全效率与准确性之间折中。k-ANNO方法较好地解决了机器学习中普遍存在的数据残缺问题,有效抑制了数据残缺对分类和回归精度的干扰。利用多份公开数据集评估了k-ANNO方法的补全效果,结果表明:当加速比在2~10之间时,k-ANNO方法的分类错误率比已有的均值补全、C均值补全、自组织映射补全方法低1%~4%,回归均方根误差比已有方法低约0.5~2.0;当样本规模为4 000时,在不同加速比参数下,k-ANNO方法的计算效率比朴素k近邻方法高约35%~320%。(本文来源于《西安交通大学学报》期刊2017年10期）
徐国天[7]（2015）在《残缺Excel文件数据信息恢复方法研究》一文中研究指出目的针对残缺Excel文件研究有效的残留文本数据的定位、提取、恢复方法。方法针对NTFS文件系统上破损较轻的Office2003版本Excel文件设计了一种WorkBook流整体替换恢复方法:准备一个较大的Excel文件,将它的WorkBook流数据重置为0x00,使用Winhex从残缺Excel文件中完整提取出WorkBook流数据,并将其复制到目标Excel文件的WorkBook流位置。双击打开目标文件即可看到残缺Excel文件中的文本信息。针对破损严重的Excel文件设计了一种基于关键数据结构重组的文本恢复方法:准备一个较大的Excel文件,将它的WorkBook流数据重置为0x00,使用Winhex从破损文件中依次提取出WorkBook haeacder、BoundSheet、语言和地区设置、SST共享字符串、Extended SST和每个Sheet的数据内容,并逐个复制到目标文件的WorkBook流位置,补充缺失的数据结构,调整BoundSheet和Extended SST的绝对地址引用,最后打开目标文件即可看到残缺Excel文件中的文本信息。结果使用WorkBook流整体替换恢复方法得到的目标文件可以正常使用,可以恢复文本、格式设置、公式。基于关键数据结构重组的恢复方法得到的目标文件在打开时会提示出错信息,连续单击确定按钮之后,文本信息可以正常显示,但格式设置丢失。结论应用本文提出的残缺Excel文件数据信息恢复方法可以有效提取残缺Excel文件中的文本数据。(本文来源于《刑事技术》期刊2015年06期）
蔡敏,成思源,杨雪荣,张湘伟[8]（2015）在《基于Geomagic Design Direct的残缺数据实体重构》一文中研究指出面向实物的逆向工程技术是近几年来研究和发展的热点,已广泛应用于产品设计、文物保护和零件修复等领域。报告了对模型的残缺表面数据进行曲面和实体重构的研究现状,以及结合正向和逆向建模软件进行实体模型重构的局限性。介绍了应用软件Geomagic Design Direct进行实体模型重构的优势以及对残缺表面数据实体模型重构的一般流程。提出了基于软件Geomagic Design Direct的特征识别与提取功能,对残缺表面数据进行实体重构的解决方案,并以某一零部件的残缺表面数据为例进行实体重构验证了该方案的可行性和便利性。(本文来源于《组合机床与自动化加工技术》期刊2015年03期）
徐国天[9]（2015）在《残缺Word文件数据信息提取方法研究》一文中研究指出从涉案计算机恢复出的大量残缺Word文件中,通常残留大量对案件办理有价值的文字、图像和表格数据,定位、提取出这些残留数据对公安机关的调查、取证工作有着重要的意义。基于此,研究了一种从残缺Word文件中手工提取残留文字、表格和图像数据的方法。通过实践证明,应用这种方法可以准确提取出残缺Word文件中残留的数据信息。(本文来源于《中国刑警学院学报》期刊2015年01期）
张杰[10]（2013）在《基于跨区域差异残缺数据分析的数据补齐方法》一文中研究指出提出了基于支持向量机以及量化容差关系的数据补齐模型,针对不同区域数据塑造差异残缺数据的支持向量机预测模型,实现对跨区域差异残缺数据的预测,采用RBF神经网络修补残缺数据,通过基于量化容差关系的残缺数据补齐方法对残缺数据进行深度补齐,实现对跨区域差异残缺数据的进一步优化。实验结果显示了该种方法进行的跨区域差异残缺数据补齐效果优于传统方法。该种方法具有较高的补齐准确率,可获得满意的修补效果。(本文来源于《科技通报》期刊2013年10期）
残缺数据论文开题报告范文
（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：
由于人为疏忽或设备限制等多种原因,现实中的数据在收集过程中表达的信息不完整,残缺样本给数据挖掘和决策造成不便。为了得到理想的完整数据集,需要处理、填补数据集,使其成为完整数据集。针对数据残缺的不同机制和填补方法,分析各自方法的适用场景,从而总结、比较不同方法的填补效果。结果表明,残缺率越大填补效果越差,随机填补方法的稳定性较差,回归填补方法的效果更好。
（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。
残缺数据论文参考文献
[1].徐婧,石磊,赵新惠,高爱颖.残缺数据影响下的运输量预测方法研究[J].中国物流与采购.2019
[2].殷娟娟.样本残缺状态下数据处理方法的研究[J].信息与电脑(理论版).2019
[3].毛颖颖.可扩展机器学习中残缺数据补全方法研究[J].信息与电脑(理论版).2018
[4].曹歆雨,曹卫权,李峥,孙金德.面向不确定残缺数据的大学生成绩预测方法[J].现代电子技术.2018
[5].田晗,冯朝一.残缺指纹激光数据的走势推定[J].激光杂志.2018
[6].曹卫权,褚衍杰,李显.针对机器学习中残缺数据的近似补全方法[J].西安交通大学学报.2017
[7].徐国天.残缺Excel文件数据信息恢复方法研究[J].刑事技术.2015
[8].蔡敏,成思源,杨雪荣,张湘伟.基于GeomagicDesignDirect的残缺数据实体重构[J].组合机床与自动化加工技术.2015
[9].徐国天.残缺Word文件数据信息提取方法研究[J].中国刑警学院学报.2015
[10].张杰.基于跨区域差异残缺数据分析的数据补齐方法[J].科技通报.2013