导读:本文包含了粗大数据论文开题报告文献综述及选题提纲参考文献，主要关键词:粗大误差,数据预处理,异常值,靶场
粗大数据论文文献综述
刘艳,于露[1]（2018）在《粗大误差判定准则在靶场试验数据预处理中的应用》一文中研究指出针对靶场试验测量数据处理误差分析的问题,对统计学中常用的四种粗大误差判定准则应用特点进行分析。结合靶场某次试验单台设备的测量数据,分别用四种判定准则进行数据预处理,提出了靶场数据预处理遵循的原则。研究结果表明,实时和事后数据预处理采用不同的准则进行判定,需要将四个准则综合应用。改进了以往单一使用拉依达准则预处理的办法,实例验证了合理性和有效性。对试验数据预处理方法的研究,旨在利用试验数据对被试飞行器的性能做出合理的鉴定。(本文来源于《长春理工大学学报(自然科学版)》期刊2018年03期）
徐琛辉,马明辉[2]（2018）在《基于拉依达准则的交通数据粗大误差处理优化方法》一文中研究指出交通数据质量是影响交通控制方法有效实施的关键因素之一.为进一步提升交通数据的准确性和时效性,对比分析交通预处理方法,采用标准差公式对拉依达准则进行优化,设计一种适用于交通异常数据检测和修复的优化方法,并结合上海城市快速路实际数据对模型有效性和时效性进行检验.结果表明,基于拉依达准则的数据处理优化方法能够有效、实时地检测交通异常数据、改善数据质量,为道路交通状况的监测和预警提供数据支持.(本文来源于《上海工程技术大学学报》期刊2018年01期）
张必明,蒋奇云,莫丹,肖龙英[3]（2015）在《电磁勘探数据粗大误差处理的一种新方法》一文中研究指出由于存在各种地电干扰,电磁法勘探采集到的原始电场数据中往往包含粗大误差.电磁法勘探中信号量的测量与传统的精密测量在误差来源与特点、测量值分布等方面均存在较大差异.经试验,对电磁勘探采集到的原始电场数据采用传统的莱伊达、格拉布斯、狄克逊等准则进行粗大误差的自动判别和剔除,处理效果不好;采用Robust估计和中值滤波方法,也不能达到满意的效果;采用手工方式挑拣剔除粗大误差,处理效率太低,均不能满足电磁勘探数据预处理的要求.作者提出了一种自适应双向均方差阈值法实现电磁勘探数据粗大误差的自动判别和剔除,此方法对采集到的原始电场数据样本进行排序后,采用迭代或递归的方式,每次均以中点为界分别计算前后两部分数据的均方差,将较大的一个与预先设置的均方差阈值进行比较,若其大于阈值,则判断粗大误差存在于相应的一端,进而剔除相应端端点位置的数据点;若前后均方差值都小于阈值或样本数量小于3个时算法结束.此方法具有自适应优化、阈值参数化控制、适应小样本数据以及计算简单效率高等特点.大量实验结果表明:在选取均方差阈值在30至90范围内时(经验值),能够有效地剔除电磁勘探原始电场数据中的粗大误差,保留最可信数据.目前已在多个实际勘探生产项目中应用此方法处理粗大误差,取得了令人满意的处理效果.(本文来源于《地球物理学报》期刊2015年06期）
池浩湉,王旭光[4]（2015）在《关于误差理论与数据处理课程中粗大误差判别方法的探讨》一文中研究指出粗大误差的判别是误差理论与数据处理课程的重要内容之一。教师在教授这部分内容时,一般只介绍判别一类粗大误差的方法,即对某一直接测量量经过多次重复测量得到的测量列进行粗大误差判别。在实际测量中,还存在第二类数据需要进行粗大误差判别,即测量任务是确定多个量之间的函数关系时,判断用于拟合待测模型的数据序列的粗大误差。本文探讨了第二类数据的粗大误差判别方法,即通过检测数据序列对应的残差序列的粗大误差来判断数据序列中是否存在粗大误差。(本文来源于《Proceedings of 2015 International Conference on Education Research and Reform(ERR 2015 V9)》期刊2015-04-21）
卢新柳,高潭华[5]（2015）在《用Excel处理实验数据粗大误差剔除的方法》一文中研究指出本文介绍采用Excel处理大学物理实验数据时,利用格拉布斯准则判别粗大误差,并通过实例说明,用宏命令自动剔除粗大误差的方法。(本文来源于《福建师大福清分校学报》期刊2015年02期）
刘磊,王铁,石晋宏,杨甜甜,曹贻森[6]（2014）在《基于熵方法的柴油机试验数据粗大误差分析》一文中研究指出在四缸增压中冷柴油机上进行国标柴油试验,研究了不同批次国标柴油在柴油机上的经济性及排放性,同时引入测量信息论中熵判别方法计算测试样本的熵及不确定度,判别试验数据在置信区间内是否含有粗大误差。研究表明:在处理小样本数据时,熵判别方法可以对数据进行有效评价。本研究中,在1 600rpm且置信度为95%时,各工况燃油消耗率的置信区间分别为896.25±8.97、324.58±3.68、255.17±2.36、234.58±2.40、224.24±2.74;NOX排放的置信区间分别为232.00±22.81、492.86±32.24、844.43±66.86、1075.00±60.88、1371.71±78.37;排气温度的置信区间分别为161.00±8.48、180.29±8.31、231.43±8.27、300.86±9.83、364.71±10.47。(本文来源于《中国农机化学报》期刊2014年06期）
管利群,赵惠贤[7]（2012）在《分析数据中粗大误差处理实例剖析》一文中研究指出通过对两组水质数据进行实例分析,并结合作者的多年的工作经验,对分析数据中存在的粗大误差如何处理进行了探讨,并提出了在处理分析数据时对粗大误差处理的一些建议,以便分析误差产生的原因,最大限度地减少误差。(本文来源于《黑龙江水利科技》期刊2012年12期）
刘宗宝,高世桥,杜井庆[8]（2012）在《测量数据剔除粗大误差与平滑处理的一种算法》一文中研究指出在工程测试信号中,由于种种原因,造成测试数据中含有较多的粗大误差,这些粗大误差必须剔除。在拉伊达(Paйтa)准则的基础上,提出了一种新的算法,即滑动移窗自适应拉伊达准则算法,该算法在剔除粗大误差数据的同时还具有对测量数据在统计学上进行平滑处理的作用。此外针对该算法还提出了步长、窗宽和阶的概念。该算法计算简单,处理数据耗时少,运算速度快,适合在高速、短时实时性强的条件下应用;用此方法对弹丸侵彻半无限厚混凝土靶体和弹丸侵彻叁层有限厚混凝土靶体的侵彻过载信号进行处理,取得了良好的效果。理论和实践结果表明,此算法用于测量数据去除粗大误差和数据平滑处理是可行的,作为一种短时、快速实时处理数据的算法是有效的,能够满足工程的需要,可以作为一种快速实时处理数据的算法予以推广。(本文来源于《第叁十一届中国控制会议论文集D卷》期刊2012-07-25）
夏斌[9]（2010）在《基于GM(1,1)粗大误差判别的天波场强数据处理方法》一文中研究指出针对在短波天波信道中受电离层快衰落影响的短波天波信号场强数据处理问题,本文提出采用GM(1,1)模型粗大误差判别算法,剔除由电离层快衰落影响而突变的数据,提高统计理论中值法处理的精度。在Matlab中对短波天波场强典型数据进行处理,结果表明GM(1,1)粗大误差判别算法能很好地剔除受电离层快衰落影响而突变的数据,具有较好的判别精度,提高短波天波场强中值法处理的精度,并在实践中得到应用。(本文来源于《第19届灰色系统全国会议论文集》期刊2010-04-20）
许博,徐文静,任守广,谢和平[10]（2006）在《岩土工程安全监测数据中粗大误差的处理》一文中研究指出岩土工程安全监测中数据的误差处理是整个数据分析的基础性工作,它关系到工程安全性评价的正确性。总结了岩土工程监测数据中粗大误差的来源、处理方法的研究现状,提出了几种简单实用的误差处理方法,并对各种方法进行了比较,最后通过工程实例加以分析。(本文来源于《工业建筑》期刊2006年S1期）
粗大数据论文开题报告
（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：
交通数据质量是影响交通控制方法有效实施的关键因素之一.为进一步提升交通数据的准确性和时效性,对比分析交通预处理方法,采用标准差公式对拉依达准则进行优化,设计一种适用于交通异常数据检测和修复的优化方法,并结合上海城市快速路实际数据对模型有效性和时效性进行检验.结果表明,基于拉依达准则的数据处理优化方法能够有效、实时地检测交通异常数据、改善数据质量,为道路交通状况的监测和预警提供数据支持.
（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。
粗大数据论文参考文献
[1].刘艳,于露.粗大误差判定准则在靶场试验数据预处理中的应用[J].长春理工大学学报(自然科学版).2018
[2].徐琛辉,马明辉.基于拉依达准则的交通数据粗大误差处理优化方法[J].上海工程技术大学学报.2018
[3].张必明,蒋奇云,莫丹,肖龙英.电磁勘探数据粗大误差处理的一种新方法[J].地球物理学报.2015
[4].池浩湉,王旭光.关于误差理论与数据处理课程中粗大误差判别方法的探讨[C].Proceedingsof2015InternationalConferenceonEducationResearchandReform(ERR2015V9).2015
[5].卢新柳,高潭华.用Excel处理实验数据粗大误差剔除的方法[J].福建师大福清分校学报.2015
[6].刘磊,王铁,石晋宏,杨甜甜,曹贻森.基于熵方法的柴油机试验数据粗大误差分析[J].中国农机化学报.2014
[7].管利群,赵惠贤.分析数据中粗大误差处理实例剖析[J].黑龙江水利科技.2012
[8].刘宗宝,高世桥,杜井庆.测量数据剔除粗大误差与平滑处理的一种算法[C].第叁十一届中国控制会议论文集D卷.2012
[9].夏斌.基于GM(1,1)粗大误差判别的天波场强数据处理方法[C].第19届灰色系统全国会议论文集.2010
[10].许博,徐文静,任守广,谢和平.岩土工程安全监测数据中粗大误差的处理[J].工业建筑.2006