全文获取类型
收费全文 | 62篇 |
免费 | 4篇 |
国内免费 | 5篇 |
专业分类
系统科学 | 10篇 |
丛书文集 | 1篇 |
现状及发展 | 12篇 |
综合类 | 48篇 |
出版年
2021年 | 3篇 |
2020年 | 1篇 |
2019年 | 1篇 |
2018年 | 1篇 |
2016年 | 1篇 |
2015年 | 1篇 |
2014年 | 4篇 |
2013年 | 3篇 |
2012年 | 2篇 |
2011年 | 4篇 |
2010年 | 2篇 |
2009年 | 7篇 |
2008年 | 3篇 |
2007年 | 3篇 |
2006年 | 4篇 |
2005年 | 5篇 |
2004年 | 9篇 |
2003年 | 2篇 |
2002年 | 2篇 |
2001年 | 1篇 |
2000年 | 1篇 |
1999年 | 3篇 |
1998年 | 2篇 |
1997年 | 1篇 |
1996年 | 1篇 |
1994年 | 3篇 |
1990年 | 1篇 |
排序方式: 共有71条查询结果,搜索用时 31 毫秒
1.
月度电力负荷序列中离群值及节假日因素会影响月度负荷预测的准确性.为此,提出了基于季节调整方法和BP神经网络的月度电力负荷组合预测模型.首先,利用季节调整方法对原始负荷序列进行预处理,消除离群值和春节假日的影响;然后用BP神经网络对回归残差序列建模预测得到预测结果或对季节调整后序列和季节成分序列分别建模预测,并对分量预测结果重构后得到最终预测结果的方法.通过实例对预测效果进行检验,结果表明提出的预测方法的预测表现要优于BP神经网络,SARIMA,支持向量机等模型,可以获得更高的预测精度. 相似文献
2.
为在评价数据的无量纲化处理过程中兼顾异常值情形,并减弱因异常值的存在而导致的无量纲化后数据之间分布不均衡的问题,在极值处理法的基础上,提出了一种非线性的无量纲化方法,即序比例诱导分段无量纲化方法。该方法以原始指标值的排序百分比为诱导变量对原始指标值进行分段,并在各区段内以极值处理法为基础分别进行无量纲化处理。通过性质分析,发现该方法能够较大程度地提升无量纲化结果对“总量恒定性”性质的满足程度。此外,采用模拟仿真的方法发现,该无量纲化方法对异常值具有较好的抗干扰性、且随着分段层级的增加其对异常值的敏感程度越来越低等主要结论。 相似文献
3.
当回归模型误差服从非对称或非正态分布时,尤其是在重尾分布或分布受污染的情况下,如何检测纵向数据中的异常值是数据分析中的一个重要问题。为了克服非正态分布模型误差的影响,采用稳健的分位数方法对一类线性混合效应模型进行参数估计,并分别基于数据删除模型和均值漂移模型构造强影响点的诊断度量和异常值的检验统计量,以有效地检测强影响点和异常值点。在识别强影响点时,为了减轻计算负担,利用光滑逼近的方法给出了数据删除模型参数的一步近似估计,并据此构造出基于损失函数的距离和Cook距离。为了能够识别异常值点,首先构造出检验异常值点的Wald统计量,然后基于数据删除模型和均值漂移模型的系数估计的等价性,利用Bootstrap抽样得到检验的拒绝域。数值模拟结果表明,本文所提的诊断度量和检验统计量都能够很好地判断出强影响点和异常值点。最后应用本文方法针对化学实验纵向数据进行了影响分析。 相似文献
4.
现有的基于密度的数据流聚类算法难于发现密度不同的簇,难于区分由若干数据对象桥接的簇和离群点.本文提出了一种基于共享最近邻密度的演化数据流聚类算法.在此算法中,基于共享最近邻图定义了共享最近邻密度,结合数据对象被类似的最近邻对象包围的程度和被其周围对象需要的程度这两个环境因素,使聚类结果不受密度变化的影响.定义了数据对象的平均距离和簇密度,以识别离群点和簇间的桥接.设计了滑动窗口模型下数据流更新算法,维护共享最近邻图中簇的更新.理论分析和实验结果验证了算法的聚类效果和聚类质量. 相似文献
5.
针对超声成像测井中因各种不确定因素而导致测井图像中出现异样点的现象,通过分析目前清除异样点所采取的常规方式的不足,提出一种能够有效解决此类问题的全变分修复算法;该方法先于选定区域内依据阈值大小识别待修复的异样点,随后采用该修复算法对此进行修复;并分别将其应用于标准测井图像与实际测井资料处理中并进行效果比对;实践证明:该算法能够完全恢复其图像的原始特征,为后期图像资料中此类状况的修复处理提供了有效的解决方案. 相似文献
6.
通过对量测数据新息的统计数学特性的分析,借助于主成分分析法的思想,根据矩阵的最大特征值反映矩阵的主要信息这一特点,提出了一种检测量测数据中是否含有野值的判别方法.此基础上,修正了Kalman滤波器的状态估计算法.使该算法在出现连续型野值时,能明显地降低误差,提高滤波精度.仿真结果证明了该方法的有效性. 相似文献
7.
8.
通过对量测数据新息序列的统计数学特性的分析,利用服从wishart分布的AA^U(k)=(N-1)·AS^U(k)随机矩阵的最大特征值提出了一种检测量测数据中是否含有野值的判别方法.此基础上,修正了Kalman滤波器的状态估计算法.使该算法在出现连续型野值时,能明显地降低误差,提高滤波精度.仿真结果证明了该方法的有效性. 相似文献
9.
10.