图书采访数据筛选算法设计

面对数量巨大的图书采访数据,如何准确迅速地筛选出有用数据,是采访人员面临的重要课题.文章设计了一套图书采访数据筛选算法,把采访人员从低端的人工筛选中解放出来,大大提高了采访效率.     

FWD路面弯沉数据筛选方法

依托新疆某沥青路段基层FWD弯沉数据,采用拉依达法、肖维纳特法、格拉布斯法以及残差剔除法进行数据筛选,进而建立与贝克曼梁弯沉数据LB的线性回归关系.研究结果显示:在满足JTG D50—2006《公路沥青路面设计规范》的前提下,经1S+残差剔除法综合处理后的基层FWD弯沉数据LFWD与LB相关系数R值达到0.957,比采用其他数据处理方法的相关性更高.然后,将改进的1S+残差剔除法用于沥青面层LFWD的筛选,建立与LB的线性回归关系,LFWD与LB相关系数R值达到0.975,满足规范要求.1S+残差剔除法综合运用拉依达法和残差剔除法,1S+残差剔除法能够更加有效地剔除线性无关的离散点,可用于数据量较大的数据处理.     

随机P-集合的数据筛选过滤

在随机P-集合概念的基础上,给出了基于随机P-集合的数据生成,提出了基于随机P-集合的数据筛选-过滤粒度定理、数据筛选-过滤剩余定理和数据筛选-过滤恢复定理等,并给出基于随机P-集合的数据筛选-过滤在医疗诊治系统中的应用。     

基于纵向数据的超高维特征筛选

实际问题研究中常常面临复杂数据,其中超高维数据和纵向数据常见于医学、经济学等大数据领域.基于超高维纵向数据的结构特征,推广确定独立筛选SIS(Sure Independence Screening)方法,构造了基于纵向数据组内相关结构的边际特征筛选方法,对超高维问题进行筛选降维,并从理论上证明了所提出降维筛选过程满足确定性筛选性质,从数值模拟上研究了其有限样本性质.     

样本观测值数据筛选标准的分析

常用的进行数据筛选的方法一般是以样本观测值的某一靠近中心的数据为起点,向样本数据两侧以一定的距离划定范围,然后剔除这一范围之外的数据。因此,具体确定划分范围的标准是一个很重要的问题。现给出一个具体的大样本下的数据筛选标准,并说明使用这一标准的理由和确定这一标准的过程。     

基于数据筛选算法的协作频谱检测系统

针对由遮挡导致信号判决错误这一隐藏终端问题, 提出了一种基于法的频谱检测系统。首先, 根据距离值与能量值之间的对应关系, 从众多认知用户信息中筛选出有效认知用户的检测信息组成最佳信息集合。然后, 采用权值合并的方式对最佳信息集合进行融合判决并得到判决输出。实验结果表明, 该算法的检测性能明显优于传统的最优权值合并算法和基于信噪比比较的感知算法。     

基于多种数据筛选的维汉神经机器翻译

为了得到更好的翻译结果，研究者对于利用平行数据生成大量高质量生成数据进行了广泛的研究.为此，针对数据增强和系统训练方法，提出结合知识蒸馏、数据增强和数据筛选的方法得到高质量生成数据.具体为利用知识蒸馏的方法得到鲁棒性更强的汉维翻译模型，在该汉维模型的基础之上通过反向翻译的方法生成质量较好的生成数据，并利用不同的数据筛选方法进一步得到高质量生成数据.之后利用现有的平行数据和生成数据训练得到一个高性能的维吾尔语-汉语神经机器翻译系统.在CCMT2021维汉评测任务中验证上述方法对于维汉翻译质量的影响，对比基线系统、反向翻译和同任务其他系统，该方法训练得到的系统有着更好的翻译结果，并在该翻译任务上获得了第一名.     

内P-集合与F-优化数据-筛选

应用内P-集合的内-动态特性及其结构,提出了F-优化数据概念,讨论F-优化数据的生成与筛选,获得F-优化数据-筛选定理及F-优化数据的生成-筛选算法,并给出F-优化数据-筛选的应用.研究结果为动态信息系统的数据优化提供了一种新方法.     

单向S-粗集与数据筛选-过滤

利用单向S-粗集,给出了数据属性, 数据筛选-过滤概念,提出了数据筛选-过滤序定理,合成数据筛选-过滤定理,数据筛选-过滤准则,利用这些结果,给出其应用.     

学生评教异常数据的筛选与处理

学生评教存在个人喜好影响,从而产生评教异常数据,它会降低学生评教的可信度,文章在分析历史测评数据基础上,重点研究学生评教异常数据特点,给出筛选流程,进而提出处理方法.     

基于模型平均的超高维数据特征筛选方法

结合模型平均技术和条件分位数方法,提出一种基于变量间相关度量的模型平均特征筛选方法.该方法具有无模型假设、对异常值或重尾分布稳健以及计算简单快捷等优点,并通过理论证明和蒙特卡洛数值模拟验证了该方法满足确定性筛选性质和有限样本性质.实例分析结果表明,本文所提出的方法具有优良的表现.     

基于动态协方差建模的纵向数据特征筛选方法

为了使统计分析有效进行,特征筛选问题在超高维领域已被众多学者广泛研究;针对现存特征筛选方法不 能灵活处理超高维纵向数据的组内相关性问题,提出一个基于动态协方差建模的迭代特征筛选方法,并称之为迭代的动态特征筛选方法;在每次迭代过程中,均使用修正的 Cholesky 分解代替静态协方差矩阵建模方法对纵向数据的组内协方差矩阵进行动态建模,获得灵活的组内协方差矩阵估计,然后将所得估计代入广义估计方程中,并基于广义估计方程特征筛选方法的思想建立特征筛选准则进行筛选,最后当迭代算法收敛时得到最终的筛选子模型;引入随机模拟和酵母细胞周期循环基因表达数据集对迭代的动态特征筛选方法和基于广义估计方程的特征筛选方法以及其他 2 个经典的独立特征筛选方法进行测试,结果表明:迭代的动态特征筛选方法不仅可以快速地筛选出重要协变量,而且还能够更加灵活地处理纵向数据的组内相关性,拥有更高的筛选精度。     

基于SSDBSCAN的跨项目缺陷预测数据筛选方法

针对跨项目软件缺陷预测中大量不相关的跨项目数据损害了缺陷预测模型性能的问题,提出了一种基于SSDBSCAN(semi-suppervised density-based clustering)的跨项目缺陷预测数据筛选方法——SSDBSCAN filter.首先,SSDBSCAN filter结合少量带类标号的本项目历史数据、跨项目历史数据和大量不带类标号的本项目数据;然后,利用SSDBSCAN算法对这些数据进行聚类发现子簇;最后,收集子簇中的跨项目数据,不属于任何簇的跨项目数据被作为噪声数据而丢弃.实验使用15个公开的PROMISE数据集,3种分类器和4种性能度量指标.实验结果表明,相比于目前已有的Burak filter和DBSCAN filter方法,SSDBSCAN filter在提高了预测率的同时降低了误报率,且G-measure与AUC度量值更佳.     

反求工程中的数据筛选与优化的研究

在含复杂曲面的产品反求工程中,通过测量所获取的数据点云通常十分庞大,且具有一定的杂乱性和冗余性,这样的数据不利于定义曲面和产生CAD／CAM数据库数据．针对这些问题,本文利用测量数据的特征线输入技术,降低了测量数据量;并提出了弦切角偏差法对这些测量数据进行过滤筛选,确保生成曲面的数据的有效和规则;同时利用参数样条函数对过滤筛选后的数据进行拟合优化,将数据函数化,以更利于曲面的生成,且能利用数据的函数表达选择优化数据点的数量,并控制生成曲面的质量．     

一种基于数据筛选的导热系数计算方法

导热系数测量过程中实验数据的准确性是导热系数计算的关键。实验数据不准确,直接影响导热系数的精度。现有的导热系数测量计算中对数据是否准确没有很好的评判准则或方法。鉴于此,本文提出了一种以斜率相对标准差为依据筛选数据的导热系数计算新方法。该方法以斜率相对标准差为准则判断并筛选实验数据,利用最小二乘法拟合筛选后的数据求解导热系数。将该方法应用于乙二醇标定溶液的导热系数计算中,同传统算法相比,新方法数据处理简单、计算导热系数精度提高明显、能够广泛地应用到导热系数测量实验中,测量结果明显优于传统算法。     

基于距离相关的超高维竞争风险数据特征筛选

针对超高维竞争风险数据,提出并研究了一种新的基于距离相关的特征筛选方法.从理论和数值模拟两方面对新提出的方法进行了研究.理论上证明了新方法的确定性筛选性质.数值上的结果表明,新提出的方法比现有筛选方法有更好的表现,并将新方法应用到了一个实际问题.     

应用数据集GSE63514和GSE67522对宫颈癌关键基因的筛选研究

通过DAVID网站进行上调基因的GO分析,借助STRING工具建立上调基因的蛋白-蛋白相互作用网络图(PPI),使用Cytoscape软件里的MCODE插件筛选出宫颈癌关键基因;借助基因表达谱交互分析数据库(GEPIA)和人蛋白质数据库(HPA)探讨宫颈癌关键基因在宫颈癌组织的表达及预后情况.通过两个数据集获取12个共...     

微生物的筛选

采用筛选试验方法，从含有大量微生物菌群的土壤、活性污泥等试样中筛选出多种具有产絮效果的菌种，其中Y5效果最好。试验表明，当培养基初始PH值为5．5，培养时间为65h时，Y5菌液上清波对土壤悬浊液的絮凝率最好。     

四川省杜鹃属植物大数据的分析及园林推广优先应用种类的筛选

四川省是我国杜鹃属植物三大自然分布中心之一.为更好了解四川省杜鹃属植物概况,本研究构建了四川大学植物标本馆(SZ)杜鹃属植物标本信息数据库,并以此为基础,分别从种类、采集地、海拔等方面进行了统计和分析.结果表明,SZ有16077份杜鹃属植物腊叶标本,分别隶属于6个亚属14个组29个亚组260种(包含11亚种、29变种),其中有85种3亚种9变种为四川特有.模式标本158份,隶属于2亚属17种;新增四川省杜鹃属植物地理分布新记录16种.四川省15个市(州)75个县有杜鹃属植物分布,以凉山州、甘孜州、阿坝州、雅安市和乐山市分布种类最多,利用最大熵模型(MaxEnt)并结合园林应用价值筛选出四川省园林推广6个优先应用种类:黄花杜鹃、亮叶杜鹃、绒毛杜鹃、秀雅杜鹃、腋花杜鹃、凹叶杜鹃.