导读:本文包含了健壮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:矩阵,明治,健壮性,认知,网络,标度,蛋鸡。
健壮性论文文献综述
王晶晶,张配配,何闪,Gwendolyn,Jones[1](2019)在《提高产蛋母鸡健壮性和产蛋持久性的策略》一文中研究指出在商业性生产环境中,关注动物福利和环境与高生产效率同样重要,我们必须制定新的目标——蛋鸡的新育种目标以及饲养目标。蛋鸡的健壮目标需要通过遗传选育提高它们的健康和福利来实现。(本文来源于《国外畜牧学(猪与禽)》期刊2019年10期)
刘彦楼,张倩萌,郑宗军,尹昊[2](2019)在《认知诊断模型中项目水平模型比较统计量的健壮性》一文中研究指出采使用模拟研究方法比较了以往研究中提出的基于观察信息矩阵、叁明治矩阵的Wald(分别表示为WObs、WSw)、似然比(Likelihood Ratio)统计量以及新提出的基于经验交叉相乘信息矩阵的Wald统计量(WXPD)在模型——数据失拟条件下进行项目水平上模型比较时的表现。结果显示:(1) WSw的一类错误控制率有很强的健壮性。(2) N> 500时,WXPD在Q矩阵错误设定的大多数条件下的表现优于WSw。结论:模型——数据拟合良好时可以使用WSw进行项目水平上的模型比较,当模型与数据失拟时WXPD可能是更好的选择。(本文来源于《心理科学》期刊2019年05期)
潘华,肖雨涵,梁作放,朱兆顺,何辉[3](2019)在《基于复杂网络的电-气-热综合能源系统健壮性分析》一文中研究指出随着综合能源系统网络规模的不断扩大以及耦合程度的不断加强,对其结构的稳定性和运行的安全性提出了更加严格的要求,为此将复杂网络理论运用到综合能源系统的静态结构与健壮性分析中。利用NetworkX对系统进行网络拓扑建模并调用G.degree、nx.betweenness_centrality(G)、nx.average_clustering(G)等算法计算其网络特征参数,在此基础上进一步分析计算结果,研究综合能源系统的无标度与小世界等复杂网络特性。引入网络破碎度、连通因子、供能效率比3个分析指标,模拟系统受到7种不同模式的破坏,通过观察不同故障下电-气-热综合能源系统的网络破碎度、连通因子、供能效率比的变化曲线,综合分析系统在不同故障下的健壮性并对系统中的脆弱环节进行识别,研究成果为建设更可靠的大规模综合能源系统网络体系提供了参考和决策支持。(本文来源于《电力自动化设备》期刊2019年08期)
张倩萌[4](2019)在《认知诊断模型中项目水平模型比较统计量的健壮性研究》一文中研究指出近十年来,心理测量领域中的认知诊断模型受到研究者广泛的关注。通过这种多维的潜在类别模型,我们可以为学生在学习中的进步和不足提供更详细的反馈。认知诊断模型弥补了传统测量理论只关注测验结果的局限性,强调从微观角度描述、解释被试的外显作答反应与其内部心理过程的关系。目前,文献中已经发展出很多特定的和通用的认知诊断模型。正确指定的认知诊断模型可以提供比一般模型更高准确性的属性掌握模式,所以说在项目级别选择最为合适的认知诊断模型是非常重要的。在正确指定Q矩阵或属性层级的条件下,有很多方法可以帮助我们去更好地选择项目水平中最为合适的认知诊断模型,如Wald、Likelihood Ratio(LR)检验等。但在实际研究中,所选用的认知诊断模型很难完美的与数据契合。因此在模型与数据不能完全拟合条件下,去探讨项目水平模型比较统计量的健壮性是有必要的。本文在基于前人研究的基础上进行了两个模拟研究和一个实证研究:研究一为模拟研究,分析了Q矩阵错误设定时,以往研究者提出的基于经验交叉相乘矩阵(Empirical Cross-product Information Matrix)、观察信息矩阵(Observed Information Matrix)、叁明治形矩阵(Sandwich-type Matrix)构建的Wald统计量(分别记作W_(XPD)、W_(Obs)、W_(Sw))与LR统计量的表现,进一步探讨统计量的健壮性。模拟研究结果发现:基于经验交叉相乘矩阵和叁明治形矩阵构建的Wald统计量在Q矩阵错误设定时具有健壮性。研究二同样为模拟研究,尝试在属性层级错误设定的条件下去观察W_(Obs)、W_S _w、W_(XPD)、和LR统计量是否具有健壮性。模拟研究结果发现:属性层级错误设定严重影响了W_(Obs)、W_S _w、W_(XPD)、和LR统计量的健壮性表现。研究叁为实证研究,基于G-DINA模型对包含2922名考生的英语水平证书考试项目(Henson&Templin,2007)进行分析评估。所得研究结果表明:英语水平证书考试的数据中确实存在属性层级,但其中的某些项目可能存在Q矩阵设定错误的问题。(本文来源于《曲阜师范大学》期刊2019-06-12)
陈曦,余国瑞,徐文劼,肖天雷[5](2019)在《自动化标记语言Automation ML健壮性分析及验证》一文中研究指出首先对自动化标记语言Automation ML技术以及国内外发展情况进展作了介绍,介绍了什么是健壮性,对自动化标记语言健壮性的分析及验证方法进行了描述,并给出了验证方案。(本文来源于《数字技术与应用》期刊2019年05期)
庄磊磊,张旭,马仲航[6](2018)在《线激光条纹特征的健壮性快速提取》一文中研究指出为了提高传统的线激光条纹特征提取算法的精度、健壮性和计算效率,使其能够满足更大范围的工业应用,本文在平顶激光模型的基础上提出了线激光条纹中心的健壮性快速提取算法。首先将线激光条纹建模为平顶激光来提高其对各种场景激光条纹的检测鲁棒性;同时,在遍历图像查找激光条纹中心点的过程中加入一种"加窗预判加速机制",将每个激光条纹中心的检测范围限制在与前一个目标点相连的梯形域中,极大地提高了条纹中心点的检测速度。仿真实验表明:当图像中亮度噪声水平小于6时,该算法的条纹中心提取误差小于0. 07pixel,并且检测单张130万像素的线激光条纹图像耗时小于5ms。对各种零件的实际测量实验表明:该算法可以用于光滑、粗糙、深色、浅色、普通金属材质等各种物体的线激光条纹特征的提取,具有很强的健壮性。(本文来源于《计量与测试技术》期刊2018年12期)
孙鹏,冯翔[7](2018)在《一种基于集成学习的健壮性半监督SVM》一文中研究指出如今半监督学习在许多实际应用中都具有很高的应用价值,然而却很少有可用的标签样本。半监督支持向量机(SVM)是其中一个比较典型的模型,但是缺陷是无法估计未知样本的分布。本文提出了一种名为EnsembleS3VM的集成方法,通过集成学习[1]的方法处理未知样本分布。通过建立基于不同干扰因素的基学习器组成一个半监督SVM模型,并提出了一种基于聚类评价的集成方法。同时,提出了两种多分类策略的组合,以减少运行时间,提高分类精度。该方法甚至可以处理未知分布或不平衡数据的分类问题。(本文来源于《软件》期刊2018年11期)
胡进,江源远,别韦苇,韩飞,耿泳[8](2018)在《环视视野辅助系统的健壮性设计方法》一文中研究指出环视视野辅助系统作为辅助驾驶的关键组件,使用频率高,其健壮性对用户体验产生直接影响。本文以一项实际开发问题的解析为例:左/右转向无法触发环视画面,功能失效对用户影响等级高。通过针对性测试,明确问题与随速关闭有关。从外部功能时序展开分析,可见问题源于环视系统自身:主动关闭转向开关,打断了原本随速关闭的处理过程。从内部处理逻辑分析根本原因,明确原因为:随速关闭的执行过程被打断,导致"车速超速"参数的标记未被重置,引发下一轮循环时,程序因认为车速超过25km/h而不予执行。从程序逻辑开展整改对策:在进行判断前,新增对"车速超速标记"的重置操作,从而能够准确判断实时车速,增强了程序健壮性。从开发流程开展对策,并形成组织记忆,作为再发防止。本文形成了包含测试、解析、对策、验证的健壮性设计方法,在此后的项目开发实施有效,并应用到后续一系列产品,对于提升产品开发质量具有积极的意义。(本文来源于《2018中国汽车工程学会年会论文集》期刊2018-11-06)
高强,胡强[9](2018)在《基于Petri网的服务流程结构健壮性判定》一文中研究指出结构健壮性判定是服务组合领域的一个重要研究问题。已有研究成果通常仅对健壮性进行定性分析,难以精准对服务流程的结构质量进行评价。针对上述问题,本文提出一种基于Petri网的结构健壮性的层次评价方法,建立4个层次的服务流程结构健壮性划分准则,并给出相关判定算法。最后,以网上在线交易服务流程为背景,构建不同级别结构健壮性的流程算例,例证了所提出方法的可行性。(本文来源于《计算机与现代化》期刊2018年10期)
郝英稳,闫亚力[10](2018)在《运用可靠性强化试验技术提高设计健壮性和成熟度》一文中研究指出高加速寿命试验能够有效提高电子产品可靠性,在航天、汽车电子、通讯、家电等领域得到了广泛应用。该文着重介绍了在电子测量仪器领域,高加速寿命试验的过程及参数设置,最后以实例说明其在消除设计缺陷方面发挥的作用。(本文来源于《电子质量》期刊2018年06期)
健壮性论文开题报告
(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:
采使用模拟研究方法比较了以往研究中提出的基于观察信息矩阵、叁明治矩阵的Wald(分别表示为WObs、WSw)、似然比(Likelihood Ratio)统计量以及新提出的基于经验交叉相乘信息矩阵的Wald统计量(WXPD)在模型——数据失拟条件下进行项目水平上模型比较时的表现。结果显示:(1) WSw的一类错误控制率有很强的健壮性。(2) N> 500时,WXPD在Q矩阵错误设定的大多数条件下的表现优于WSw。结论:模型——数据拟合良好时可以使用WSw进行项目水平上的模型比较,当模型与数据失拟时WXPD可能是更好的选择。
(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。
健壮性论文参考文献
[1].王晶晶,张配配,何闪,Gwendolyn,Jones.提高产蛋母鸡健壮性和产蛋持久性的策略[J].国外畜牧学(猪与禽).2019
[2].刘彦楼,张倩萌,郑宗军,尹昊.认知诊断模型中项目水平模型比较统计量的健壮性[J].心理科学.2019
[3].潘华,肖雨涵,梁作放,朱兆顺,何辉.基于复杂网络的电-气-热综合能源系统健壮性分析[J].电力自动化设备.2019
[4].张倩萌.认知诊断模型中项目水平模型比较统计量的健壮性研究[D].曲阜师范大学.2019
[5].陈曦,余国瑞,徐文劼,肖天雷.自动化标记语言AutomationML健壮性分析及验证[J].数字技术与应用.2019
[6].庄磊磊,张旭,马仲航.线激光条纹特征的健壮性快速提取[J].计量与测试技术.2018
[7].孙鹏,冯翔.一种基于集成学习的健壮性半监督SVM[J].软件.2018
[8].胡进,江源远,别韦苇,韩飞,耿泳.环视视野辅助系统的健壮性设计方法[C].2018中国汽车工程学会年会论文集.2018
[9].高强,胡强.基于Petri网的服务流程结构健壮性判定[J].计算机与现代化.2018
[10].郝英稳,闫亚力.运用可靠性强化试验技术提高设计健壮性和成熟度[J].电子质量.2018