关于可疑值取舍问题的看法

定量分析中,Q检验法是判断可疑值取舍常用的方法,但对可疑值检验的顺序不同,所得结果往往不完全一致,而提出自己的一些看法,并以Grubbs法作仲裁。     

测定材料条纹值的一个新方法

提出从全场等差条纹图中的可靠数据点上测取数据，进而求出材料条纹值的一种新方法，这种方法与传统方法相比，可提高材料条纹值的精确度，且可采用有缺陷的试件（如有气泡）进行测定，此法同样适用于等厚材料条纹值及冻结的材料条纹值的测定。     

基于修正Sigmoid核的成分数据缺失值填补法

大多数统计分析方法基于完整的数据集,这些方法不能直接用于包括缺失值的数据集.此外,由于成分数据的特殊属性,传统的缺失值插补方法直接用于这种类型的数据可能得到不良的结果.因此,对成分数据而言,缺失值的填补具有十分重要的意义.为了解决这个问题,根据核函数的性质,提出了一种基于修正Sigmoid核的成分数据缺失值非参数插补方法.该方法使用模拟和真实的数据集与k近邻插补法和最小二乘迭代回归插补法进行比较.实验结果表明,新的插补方法可以得到更准确的估计.     

复合材料许用值试验数据处理方法

基于现有文献资料中对于复合材料许用值试验数据统计方法的总结,论述了复合材料许用值试验数据处理方法,包括正则化要求,异常数据的处理以及B基准统计方法,并对B基准统计过程中的批间差异检验、方差等同性检验和正态分布检验的工程判断进行了详细的介绍。重点阐述了合并法、单点法、小样本方法和最小批次B基准值方法的使用方法与限制条件,提出了B基准统计方法的选择流程。在B基准统计过程中,提出了采用修改离散系数方法补偿过低的变异性,以提高通过批间变异性和方差等同性检验的机率,并得到保守的复合材料许用值。采用所述方法对2组复合材料许用值试验数据进行了B基准值计算,结果表明：合并法与单点法得到的B基准值比较稳定且差异较小;小样本统计方法得到相对保守的B基准值,但是与母体的B基准值十分接近;最小批次B基准值方法得到的B基准值不一定保守,得到的B基准值不够稳定,需补充试验数据以得到用于设计和强度分析的许用值。     

基于集值统计法在项目评估中的可信性检验

针对模糊评估的特点,通常采用集值统计方法对项目进行评估,由于传统的集值统计方法在对评估的结果进行可信性检验时,检验方案的缺陷使最终的结果具有失真性。文中在验证传统的集值统计法存在缺陷的同时,建立了在数据删除模型下的集值统计可信性检验,通过对评估区间进行检验和处理,提高了评估结果的可信度。     

海洋环境监测系统中关键数据处理技术的研究与应用

结合海洋环境监测系统中关键数据的特点,针对海洋自动监测上位机数据处理中存在问题,分别采用了滑动平均法和数据插值、拟合等方法进行高、低潮潮位值的提取和潮位值的数据补遗.对现场实际数据进行的处理结果表明,此数据处理方法可行,能够实现预期的效果.     

基于灰色关联分析的类中心缺失值填补方法

真实数据集中含有缺失值,许多数据分析技术不能直接应用到不完整数据上,且缺失值的存在会明显地降低算法的有效性,缺失数据处理是一个不可缺少的数据预处理过程,因此提出了一个基于统计度量的缺失值填补算法,名为灰色类中心缺失值填补(GCCMVI)方法,利用数据点的类中心和标准差来填补缺失值,此外,通过比较阈值和实例与类中心间相关性的大小关系,决定是否加上(减去)标准差,灰色关联分析用来计算相关性,在缺失值被填补后,得到的完整的数据集用来训练支持向量机(SVM)分类器.在三种类型不同的数据集上进行比较,以分类精度,填补效果,填补时间作为评估准则来衡量算法的有效性.实验结果表明,所提出的算法显著地提高了分类精度和填补效果.     

面向多维特性数据的缺失值检测及填补方法对比

针对传统缺失值检测方法缺少对多维特性数据全面立体的分析及难以从众多缺失值填补算法中选择合适方法的问题，通过设计缺失值检测方法，在目前常见的数据点缺失度基础上，首次提出数据总体缺失度和加权数据总体缺失度的概念，实现对数据集缺失程度的全面检测，进而通过实验对比分析不同缺失值填补方法性能。实验结果表明，在不同缺失度的情况下，不同缺失值填补算法的性能不同，所提出的方法可为缺失值填补算法的选择提供有效依据。     

电导法测定乙酸乙酯皂化反应速度常数的简化

本文介绍了一种只需要氢氧化钠的准确浓度，不需要乙酸乙酯的准确浓度测定皂化反应速度常数的方法。此法避免了酯溶液浓度不易配准。且测定的数据个数较少。测定的速度常数值在实验误差范围内与文献值符合较好。     

畜肉质量生化检测法的实际应用

采用六种生化检测方法(pH值测定,硫化氢试验、过氧化物酶试验、微生物内毒素检验、酸度氧化力系数检验和蛋白胨及多肽类检验)分别对四种不同品质的猪、牛肉(新鲜肉、可疑新鲜肉、不新鲜肉、病畜肉)作检查。结果表明,采用上述六种方法检查不同质量猪、牛肉得到的结果是基本相符的。将以上方法用于生产实践,对采自农贸市场、罐头厂的肉样进行检测,表明农贸市场个体户销售的猪、牛肉、多数为新鲜而健康的肉,有少数为病肉和不新鲜肉;罐头厂生产用的解冻猪肉,大多数符合质量要求,但也有少数为病畜肉或不新鲜肉。作者认为用其鉴别肉的品质既有理论依据,实际应用也简便快速可行。     

基于谱正则化算法的大数据矩阵完备化研究

矩阵完备化是基于部分观测数据来完成全部矩阵预测的问题.随着互联网技术的发展,大数据时代的来临,大数据矩阵中大多数据依然是空白的,需要补充,即大数据存在矩阵完备化的问题.本文利用谱正则化模型和算法来解决大数据的矩阵完备化问题,该方法将矩阵完备化问题整理成核范数最小二乘问题,再通过截断奇异值分解、软输入算法和硬输入算法给出了一系列正则化低秩解.最后基于实际的Netflix 大数据的实验结果证明了本文的方法.     

用化学检测法测定氯硝柳胺含量

目的:在测定氯硝柳胺浓度上 ,我省一直采用生物学方法进行测定 ,不能准确测量出水体中的氯硝柳胺含量 ,现建立氯硝柳胺浓度化学测定方法。方法 :采用紫外分光光度法测定氯硝柳胺标准品和氯硝柳胺商品药 ,两样品分别配制为0.1、0.25、0.5、1.0、2.0、4.0、5.0、8.0、10.0mg/L溶液,测定两样品各浓度的吸光度值(Abs)。结果 :用氯硝柳胺标准品测定的吸光度值求出回归方程为y=0.2557x 0.0953 ,并绘制氯硝柳胺标准品工作曲线 ,氯硝柳胺标准品和商品药所测定吸光度值经统计学检验无显著性差异 (t=0.032 ,P>0.05)。结论 :氯硝柳胺标准品测定所求出的回归方程和绘制的标准曲线可用于氯硝柳胺的浓度测定 ,对灭螺、杀蚴工作将起到指导作用。     

浅谈药品检验数据的控制及其评价

药品是一种具有特殊性质的商品,其安全性和质量需要严格保证.而在药品的检验过程中,药品检验数据控制和评价的准确性直接影响药品的质量,也是检验工作的最终产品.该文通过分析药品检验机关在检验过程中对检验结果进行内部和外部比对,从而实现合理、有效的控制药品质量的方法,以期抛砖引玉.     

稳健估计的两种粗差探测方法

在测量数据服从正态分布的情况下,最小二乘估计具有最优化统计性质,它是应用最广泛的一种估计方法.针对测量数据由于过失误差而偏离正态分布,最小二乘估计并没有抵抗异常值的能力,需要寻求具备抗粗差能力的估计理论和方法,对测量数据中的粗差进行判别和剔除,使其不影响测量结果.使用了两种粗差检验的方法对观测数据中存在的粗差进行检验,分别是选权迭代法和数据探测法,并利用水准网数据验证了它们抵抗粗差的效果,表明选权迭代法中IGG法更容易实现粗差的探测与定位.     

矩阵奇异值分解和Arnold置乱技术在图像隐藏中的应用

基于数字图像的奇异值分解和Arnold置换,提出了一种图像的隐藏方法．在该方法中,置乱用于数字图像隐藏的预处理和后处理,奇异值分解用于将一幅图像隐藏于另一幅图像中．根据提出的数字图像隐藏技术,探讨了在数字水印技术中的应用．实验结果显示,该方法实现方便,水印的提取不需要原图像,并能较好地保障数据的安全性。     

水分对冶金焦炭反应性测定的影响

研究了水分对冶金焦炭反应性CRI值测定的影响,结果表明直接测定样品, 再用水分值进行换算后的结果与样品经干燥后测定的结果无显性差异,即水分在CRI值测定中没有影响。因此,CRI值测定前无须对样品进行干燥处理。     

基于直方图对二值图像无损数据隐藏算法的改进

提出一种改进基于游程编码和直方图对二值无损数据隐藏算法的新方法.先对载体二值图像进行"与"操作或"异或"操作的预处理,再利用基于游程编码的直方图对的二值图像无损数据隐藏方法进行数据嵌入.实验表明,该方法在嵌入容量和视觉效果都优于改进前的方法.     

基于奇异值分解与融合的音频盲认证算法

提出一种适用于检验音频真实性和完整性的盲音频认证方法.它采用奇异值分解(SVD)与融合技术相结合,将音频奇异值分解所得的奇异值作为不变特征,利用融合将其嵌入到原始音频中.验证时无需原始音频数据,利用融合的逆过程提取不变特征,进行匹配,达到音频认证的目的.实验结果表明,该算法不但可以有效地检测出音频中被篡改内容的位置,而且能将随机噪声同恶意篡改区分开.     

工业硫酸中铁含量的快速测定法

探讨了一种快速测定工业硫酸(98%、92.5%、发烟硫酸等)中铁含量的方法,弥补了原国标中的方法分析铁含量耗时较长的不足.该方法采用氨水中和硫酸后直接比色,具有快速、准确的特点.对两种方法所得数据进行了显著性检验,证明它们不存在显著差异,可以满足工业分析检验的要求.     

存在奇异值时AR模型的迭代稳健建模法

推广Abraham和Yatawara提出的检测时间序列中单个奇异值的评分检验法,用以检测AP(p)模型中多个相距大于2p+1的加性奇异值(A0).当检验到奇异值时,即用其预测值代替.用已经修改过的数据重新作阶数识别和参数估计,即可获得时间序列建模的稳健性.作为时序建模的典型应用,我们将该法用于谱估计.文中给出的计算机模拟例子表明,当时序中存在奇异值使通常的时序建模法的性能急剧恶化时,采用此方法,可以恢复到没有奇异值时该方法所能达到的性能水平.