导读:本文包含了空间结构性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:叶面积,结构性,空间结构,空间,容重,变异性,指数。
空间结构性论文文献综述
张梓童,张春雷,张艳,张栋,高世臣[1]（2019）在《数据空间结构性及在KNN算法中的应用》一文中研究指出数据空间结构性是多维数据客观存在的本征特征,是数据挖掘的重要内容.通过统计学的方法,分析多维数据空间属性变量和类型变量之间的结构特征,可以准确刻画数据在多维变量空间的相关性及其各向异性.数据空间结构特征可以用于机器学习算法的改进和提升,以提高模式识别的效果.融合了数据空间结构特征的KNN算法在稳定性和识别精度上均优于传统算法.通过在苏里格气田苏东41-33区块复杂碳酸盐岩的岩性识别中的应用表明,与传统KNN算法相比,数据空间结构的引入能提高识别准确率12.35%,并显示出算法的灵活性和适用性.多维数据空间结构的研究对机器学习算法的泛化能力和迁移性的提升等方面具有促进作用.(本文来源于《数学的实践与认识》期刊2019年01期）
荆永滨,孙光中,毕林[2]（2018）在《基于空间结构性的距离幂次反比法品位估值研究》一文中研究指出为使距离反比加权法(IDW)的估值结果反映出矿石品位的空间结构性,提出了基于数据空间结构性的距离反比加权估值方法(SIDW)。对钻孔样品按长度进行品位组合,通过计算矿体走向、倾向和厚度方向的变异函数分析组合样品中矿石品位的空间结构性。根据变异函数的方向和变程建立表示结构性的各项异性椭球体模型,利用线性变换矩阵将样品的品位数据的各向异性转换为各向同性,从而将样品搜索范围从与矿体产状一致的椭球体转换为球体,进而将计算权重的距离转换为各项同性变换后的距离。以某铜矿为例,分别将IDW和SIDW的估值结果与普通克里格法的估值结果进行对比分析,3种方法的品位估值结果的平均值和标准差基本一致,但SIDW与普通克里格法估值结果的相关系数、相对误差的平均值和标准差等指标均优于IDW,说明基于数据空间结构性的距离反比加权法与普通克里格法的品位估值结果更接近,能够以简单的方法较大程度地反映矿石品位的空间变化,得到较好的矿石品位估值结果。(本文来源于《地质科技情报》期刊2018年02期）
黄剑坚,刘素青,韩维栋[3]（2013）在《红海榄叶面积指数的空间结构性》一文中研究指出以湛江市高桥红树林国家级自然保护区红树林植物红海榄为研究对象,选择叶面积指数(LAI)、树高、地径、冠径、枝下高等指标开展调查,运用半方差函数分析,选择球状模型拟合检验红海榄叶面积指数的空间结构性,并进行叶面积指数与树冠体积的相关分析。结果表明:红海榄的叶面积指数在空间上存在中等空间自相关性;叶面积指数与树冠体积存在显着的正相关性;迎潮面的叶面积指数高于背潮面。(本文来源于《西南林业大学学报》期刊2013年02期）
聂桂波,范峰,支旭东[4]（2012）在《大跨空间结构性能水准划分及其易损性分析》一文中研究指出为研究大跨空间结构强震作用下性能水准的确定和量化,以凯威特单层球面网壳为例,确定了结构分级性能水准,采用多地震动全过程分析的方法建立了结构基于多项特征响应的损伤模型,应用此损伤模型刻画了结构不同的损伤程度,并给出了分级性能水准的界限值及对应的结构宏微观响应,从而实现了大跨空间结构分级性能水准易损性分析.(本文来源于《哈尔滨工业大学学报》期刊2012年04期）
王金哲,张光辉,严明疆,周在明,聂振龙[5]（2012）在《环渤海低平原区土壤容重与含水量空间结构性研究》一文中研究指出[目的]查明环渤海低平原区土壤物理性质的空间特征,为土壤盐渍化的防治和农田合理灌溉提供依据。[方法]选取深县、南皮和海兴3个典型区,运用传统统计学和地统计学相结合的方法,研究不同土层土壤容重和含水量的空间规律。[结果]在垂直方向上,研究区各层土壤容重随着深度的增加,逐渐趋于稳定,深县、南皮和海兴为1.51、1.53和1.53 g/cm3,且3个地区的土壤容重均属于中等变异强度;在山前平原至滨海平原的水平方向,0～20、20～60和0～60 cm3层位的土壤容重均表现逐渐增大的趋势。3个典型区的含水量在垂直方向上都表现为逐渐增加态势,且都属于中等变异强度。[结论]整个地区的土壤含水量变异大于容重变异,容重在垂直方向上的离散性和变异性都较小。(本文来源于《安徽农业科学》期刊2012年07期）
赵聪慧,张淑娟,王凤花,介邓飞,赵华民[6]（2010）在《春大豆叶面积指数的空间结构性分析》一文中研究指出为了对春大豆叶面积指数(LAI)的空间结构性进行分析,进一步指导春大豆的精细种植,以晋大74号大豆为研究对象,用DGPS定位系统按7m×7m网格共布54个点,并利用SunScan冠层分析系统采集大豆开花结荚期的叶面积指数;运用地统计学原理对LAI的空间结构性进行分析,并建立其半方差函数模型。结果表明:所测LAI具有中等变异性,变异函数模型为球状模型,且具有中等空间自相关性,相关距离为44.8m,可为后续作物生长性状、土壤特性、产量信息的空间变异性及相关性分析提供了基础和前提。(本文来源于《农机化研究》期刊2010年04期）
邬毅,梅洪元[7]（2009）在《从营口沿海产业基地看城市空间结构性形态的优化调控》一文中研究指出城市空间结构性形态是一个涉及政治、经济、规划、人文、社会的综合性问题。本文以辽宁营口沿海产业基地为例,试图在城市空间结构性形态的优化调控方面进行有益的探索。(本文来源于《华中建筑》期刊2009年06期）
杨树青,史海滨,李为萍,郑和祥,马金慧[8]（2008）在《土壤水盐信息与容重在垂直方向的空间结构性研究》一文中研究指出通过对土样含水率和EC值的测定,运用地质统计学理论研究在垂直方向上土壤水盐的空间结构性及容重的变化情况。统计分析表明,水分的变异性小于盐分的变异性。容重在垂直方向上的离散性和空间变异性都很小。容重在距地表2.0 m深垂直剖面内的均值为1.48 g/cm3。运用OK法估计区域水盐信息,结果表明,试验田内的测点与微咸水试验田外的测点土壤含水率在垂直剖面上的分布,主要区别是干燥层位置明显下移,表层和底层含水率变化范围基本保持一致。试验田内的测点EC分布基本上从0~80 cm深度内为单调递减,80 cm以下EC值基本上为一常数。微咸水试验田外的测点,剖面上存在有明显的变化,在距地面约90 cm深度处有EC峰值。土壤容重在80 cm以下深度土层基本上稳定,大约在1.45 g/cm3左右。与统计分析均值计算结果1.48 g/cm3非常接近。(本文来源于《灌溉排水学报》期刊2008年06期）
冯建波,肖伟中,张锁荣[9]（2008）在《小麦叶面积指数和产量空间结构性分析》一文中研究指出运用地统计学和相关分析法探讨了小麦叶面积指数与产量的空间分布及关系。结果表明,小麦叶面积指数与产量有中等变异和较好的空间结构特征。它们的相关系数为0.692,表现出显着的相关性,说明可以通过对叶面积指数的合理调控来提高小麦的产量。同时也为通过小麦的叶面积指数进行估产提供了一定的依据。(本文来源于《安徽农业科学》期刊2008年32期）
薛亚锋,周明耀,徐英,郭文善,朱新开[10]（2006）在《冬小麦叶面积指数的空间结构性分析》一文中研究指出通过对冬小麦抽穗期的生理性状指标——叶面积指数(LA I)的采样分析,探讨LA I的空间结构性,并建立变差函数模型。结果表明:该变量具有明显的区域化变量特征和较好的空间结构性,可用区域化变量理论进行分析研究。该模型的建立弥补了单纯采用经典概率统计法对作物生理性状进行分析的不足。(本文来源于《扬州大学学报》期刊2006年01期）
空间结构性论文开题报告
（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：
为使距离反比加权法(IDW)的估值结果反映出矿石品位的空间结构性,提出了基于数据空间结构性的距离反比加权估值方法(SIDW)。对钻孔样品按长度进行品位组合,通过计算矿体走向、倾向和厚度方向的变异函数分析组合样品中矿石品位的空间结构性。根据变异函数的方向和变程建立表示结构性的各项异性椭球体模型,利用线性变换矩阵将样品的品位数据的各向异性转换为各向同性,从而将样品搜索范围从与矿体产状一致的椭球体转换为球体,进而将计算权重的距离转换为各项同性变换后的距离。以某铜矿为例,分别将IDW和SIDW的估值结果与普通克里格法的估值结果进行对比分析,3种方法的品位估值结果的平均值和标准差基本一致,但SIDW与普通克里格法估值结果的相关系数、相对误差的平均值和标准差等指标均优于IDW,说明基于数据空间结构性的距离反比加权法与普通克里格法的品位估值结果更接近,能够以简单的方法较大程度地反映矿石品位的空间变化,得到较好的矿石品位估值结果。
（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。
空间结构性论文参考文献
[1].张梓童,张春雷,张艳,张栋,高世臣.数据空间结构性及在KNN算法中的应用[J].数学的实践与认识.2019
[2].荆永滨,孙光中,毕林.基于空间结构性的距离幂次反比法品位估值研究[J].地质科技情报.2018
[3].黄剑坚,刘素青,韩维栋.红海榄叶面积指数的空间结构性[J].西南林业大学学报.2013
[4].聂桂波,范峰,支旭东.大跨空间结构性能水准划分及其易损性分析[J].哈尔滨工业大学学报.2012
[5].王金哲,张光辉,严明疆,周在明,聂振龙.环渤海低平原区土壤容重与含水量空间结构性研究[J].安徽农业科学.2012
[6].赵聪慧,张淑娟,王凤花,介邓飞,赵华民.春大豆叶面积指数的空间结构性分析[J].农机化研究.2010
[7].邬毅,梅洪元.从营口沿海产业基地看城市空间结构性形态的优化调控[J].华中建筑.2009
[8].杨树青,史海滨,李为萍,郑和祥,马金慧.土壤水盐信息与容重在垂直方向的空间结构性研究[J].灌溉排水学报.2008
[9].冯建波,肖伟中,张锁荣.小麦叶面积指数和产量空间结构性分析[J].安徽农业科学.2008
[10].薛亚锋,周明耀,徐英,郭文善,朱新开.冬小麦叶面积指数的空间结构性分析[J].扬州大学学报.2006
论文知识图
