导读:本文包含了时间数据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:时间,序列,数据,崇左,算法,国土,湘潭。
时间数据论文文献综述
本刊编辑部,HERBERT,A,ABEL,G,A,WINTERS,S[1]（2019）在《全科医生紧急转诊或急诊室接诊后癌症诊断路径的相关因素和时间趋势：基于英国2006—2015年癌症诊断路径数据的分析》一文中研究指出背景紧急癌症诊断与患者病因复杂并具有不良预后相关。研究诊断路径相关因素与时间趋势有助于认识到长久以来全科医疗在癌症患者诊断路径中发挥的关键作用。目的调查被紧急诊断为癌症的患者的社会人口学因素、癌症部位和表现类型的时间相关性。设计与场所对英国癌症患者2006—2015年的《诊断路径》资料进行研究。方法对调整后的经全科医生紧急转诊或急诊室接诊后诊断为癌症的患者比例进行分析,并采用多元回归按照患(本文来源于《中国全科医学》期刊2019年36期）
乌云德吉,于利峰,承昊,包珺玮,许洪滔[2]（2019）在《基于GF-1/WFV时间序列数据的河套灌区主要农作物识别》一文中研究指出河套灌区农业资源条件较好,适宜于多种农作物的生长,且地块较为破碎,为精准进行该地区农业资源的调查和农情评价,采用遥感技术精准识别农作物种类。文章利用2017年4—10月内9个时相的GF-1/WFV数据,结合实地采集样本点转化成感兴区的方法,通过计算分析春小麦、玉米、向日葵、西葫芦和番茄5种农作物在整个生长阶段的时间序列NDVI值和变化特点,构建了基于NDVI阈值分割的决策树分类模型,对研究区春小麦、玉米、向日葵、西葫芦和番茄5种农作物进行了识别分类;在5 m分辨率的RapidEye数据上选定了10个验证样方,目视解译样方内作物,利用解译结果对决策树分类结果进行验证,并用混淆矩阵表达。结果表明:春小麦、玉米、向日葵、西葫芦和番茄的用户精度分别为:88.86%,62.44%,87.29%,65.78%,总体分类精度达到76.29%,Kappa系数为0.652 9。结论为通过分析基于GF-1/WFV NDVI时间序列数据可以较为准确识别中尺度上的大宗农作物,该方法适宜于农业资源调查遥感应用和研究。(本文来源于《北方农业学报》期刊2019年05期）
周敏[3]（2019）在《高职教育与地方经济协同发展的实证研究——基于上海市2009—2018年时间序列数据分析》一文中研究指出本文以上海市2009—2018年时间序列数据为数据分析的基础,利用柯布-道格拉斯生产函数模型,简要研究了高职教育与地方经济协同发展之间的数据关系,并且研究教育发展对于经济发展的突出贡献。通过一段时间的研究可以发现,上海市的国内生产总值、劳动投入、资本存量和高职教育之间的关系存在着唯一性的协调整合关系,只要高职教育的发展增加10%,经济拉动行增长率可以增长约为4%,根据整体的估算,2009—2018年的高职教育对于经济增长的拉动性贡献指数和份额大概为72%。(本文来源于《中国商论》期刊2019年22期）
黄强,苏世峰[4]（2019）在《八桂大地奏佳音》一文中研究指出八桂大地奏佳音。今年9月30日，国务院第叁次全国国土调查领导小组办公室发布的《关于第叁次全国国土调查工作进展情况的通报》显示，在国家级内业核查已完成一半以上的省份中，广西壮族自治区一类错误的差错率为0.31%，在成果质量较好的省份中排名第二。面对(本文来源于《中国自然资源报》期刊2019-11-25）
刘龙威,魏瑄[5]（2019）在《基于时间序列Sentinel-1A数据的水稻识别》一文中研究指出基于时间序列的Sentinel-1A数据,利用光谱相似性方法(SSM)对广东省台山县汶村镇和海宴镇进行了水稻识别。首先将SSM应用于时间序列SAR图像中,计算光谱相似度;再通过设置阈值获得初始水稻种植面积图;最后消除斑点噪声,获得水稻种植面积图。结果表明,基于VH极化图像,利用SSM和阈值法获得的水稻种植面积图的总体精度最高为97.34%,Kappa系数为0.94。因此,时间序列Sentinel-1A数据对于识别水稻或其他作物具有很大的潜力。(本文来源于《地理空间信息》期刊2019年11期）
王宇飞,杜天苍[6]（2019）在《基于Holt-Winters的时间序列预测在大数据监控系统中的分析与应用》一文中研究指出针对大数据监控系统对时间序列预测准确性和实时性的需求,以及大数据监控系统中时间序列呈现趋势性和季节性变化的特点,选择Holt-Winters算法建立时间序列预测模型。首先介绍时间序列的概念和特点,然后分析Holt-Winters算法的原理以及预测条件。选取合适的平滑系数是影响Holt-Winters算法预测准确性的关键,结合L-BFGS算法在不同时间区间求最优解,实现动态平滑系数的选取。最后以用户2天的页面访问量作为实验数据,通过相对误差指标的比较分析,验证该算法能满足大数据监控系统对时间序列预测的需求,具有较好的实际应用效果。(本文来源于《计算机与现代化》期刊2019年11期）
郭玉彬,吴宇航,薄傲峰,郑淑敏,张晓鹏[7]（2019）在《基于认证数据的学生上网时间特征分析》一文中研究指出为研究高校本科生上网时间特征,将学生上网认证数据转换成学生上网时长向量集。利用K-canopy算法去除离群点,并通过指标投票机制得到最佳聚类个数;利用K-means算法分别对工作日和周末上网时长向量集进行聚类,将工作日向量集聚为6个类、周末向量集聚为5个类;分析聚类结果,得到各类学生的上网时间特征、学生个人的上网时间特征和各专业中各年级学生上网时间特征。学生上网时间特征可为专业课程时间安排、学生管理等工作提供参考。(本文来源于《计算机应用与软件》期刊2019年11期）
陈津津[8]（2019）在《湘潭商事制度改革改出营商好环境》一文中研究指出今年10月,创业者郭书长打算在湘潭开办一家企业。令他惊喜的是,从申报到资料审核,再到执照下发,只用了 一天半时间就办好了。他所经历的办照便捷之旅,正是湘潭深入商事制度改革、不断优化营商环境的生动体现。“哪里营商环境好,企业就往哪里走,资金就往哪里(本文来源于《湘潭日报》期刊2019-11-12）
孙晓丽,郭艳,李宁,宋晓祥[9]（2019）在《基于改进RNN的多变量时间序列缺失数据填充算法》一文中研究指出随着大数据时代的来临,多变量时间序列的应用价值得到了越来越多的关注。然而,缺失数据的存在严重影响了对多变量时间序列的进一步开发利用。针对这个问题,提出了基于改进递归神经网络的多变量缺失数据填充算法,该算法通过衰减机制可以获得更多有用的隐藏信息,从而更好地完成对多变量缺失数据的填充。首先,对多变量数据进行预处理,得到网络的输入向量;其次,在长短时记忆(Long-Short-Term Memory,LSTM)单元的基础上引入衰减机制,提出了两种改进的缺失数据填充模型。改进后的模型能够更多更好地获取长时间间隔的隐藏信息,并对输入进行相应的衰减处理。为检验算法的性能,在上海空气质量数据集以及多传感器数据融合活动识别系统(Activity Recognition system based on Multisensor data fusion,ARe M)数据集上进行了仿真实验。结果表明,相比于其他算法,所提算法能够更好地实现多变量时间序列的缺失数据填充。(本文来源于《信息技术与网络安全》期刊2019年11期）
白洪忠,刘宁,纪俊雨,耿广,李雯[10]（2019）在《家兔肺动脉栓塞模型D-二聚体数据采集及时间相关性研究》一文中研究指出目的通过多种方法试验性采集家兔抗凝血,以获取家兔D-二聚体实验室数据,记录并描绘家兔D-二聚体时间曲线。方法成年健康中国大耳白兔30只,体重3.5～5 kg,分别抽取耳缘静脉血,A组:标准法;B组:标准改良法;C组:提高抗凝剂浓度法;D组:增加抗凝剂剂量法。比较并选取最优采集方法。采用胶体比浊法D-二聚体试剂盒采集,记录各种方法的D-二聚体数值,根据时间随访,记录完整数据并描绘数据曲线。结果成功采集抗凝血62例,失败58例,C组及D组较A组和B组采集抗凝血样成功率高。C组测得D-二聚体为(0.4967±0.20307)μg/ml,D组D-二聚体为(0.2060±0.12316)μg/ml;差异有统计学意义(P<0.05)。家兔急性肺动脉栓塞模型D-二聚体检测,时间/D-二聚体曲线峰值多位于栓塞后3～7 d,于栓塞后14 d左右开始回落。结论选择高浓度3.8%(119 mmol/L)枸橼酸钠溶液0.1 ml均匀涂抹注射器,按照1∶9比例抽取静脉血0.9 ml制备家兔抗凝血具有可行性;本组动物实验最终完成7组完整数据,可显示无外因干扰下D-二聚体随肺动脉栓塞时间呈单峰样曲线,故D-二聚体的动态变化对肺动脉栓塞的诊断及治疗评价具有一定价值。(本文来源于《河北医药》期刊2019年21期）
时间数据论文开题报告
（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：
河套灌区农业资源条件较好,适宜于多种农作物的生长,且地块较为破碎,为精准进行该地区农业资源的调查和农情评价,采用遥感技术精准识别农作物种类。文章利用2017年4—10月内9个时相的GF-1/WFV数据,结合实地采集样本点转化成感兴区的方法,通过计算分析春小麦、玉米、向日葵、西葫芦和番茄5种农作物在整个生长阶段的时间序列NDVI值和变化特点,构建了基于NDVI阈值分割的决策树分类模型,对研究区春小麦、玉米、向日葵、西葫芦和番茄5种农作物进行了识别分类;在5 m分辨率的RapidEye数据上选定了10个验证样方,目视解译样方内作物,利用解译结果对决策树分类结果进行验证,并用混淆矩阵表达。结果表明:春小麦、玉米、向日葵、西葫芦和番茄的用户精度分别为:88.86%,62.44%,87.29%,65.78%,总体分类精度达到76.29%,Kappa系数为0.652 9。结论为通过分析基于GF-1/WFV NDVI时间序列数据可以较为准确识别中尺度上的大宗农作物,该方法适宜于农业资源调查遥感应用和研究。
（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。
时间数据论文参考文献
[1].本刊编辑部,HERBERT,A,ABEL,G,A,WINTERS,S.全科医生紧急转诊或急诊室接诊后癌症诊断路径的相关因素和时间趋势：基于英国2006—2015年癌症诊断路径数据的分析[J].中国全科医学.2019
[2].乌云德吉,于利峰,承昊,包珺玮,许洪滔.基于GF-1/WFV时间序列数据的河套灌区主要农作物识别[J].北方农业学报.2019
[3].周敏.高职教育与地方经济协同发展的实证研究——基于上海市2009—2018年时间序列数据分析[J].中国商论.2019
[4].黄强,苏世峰.八桂大地奏佳音[N].中国自然资源报.2019
[5].刘龙威,魏瑄.基于时间序列Sentinel-1A数据的水稻识别[J].地理空间信息.2019
[6].王宇飞,杜天苍.基于Holt-Winters的时间序列预测在大数据监控系统中的分析与应用[J].计算机与现代化.2019
[7].郭玉彬,吴宇航,薄傲峰,郑淑敏,张晓鹏.基于认证数据的学生上网时间特征分析[J].计算机应用与软件.2019
[8].陈津津.湘潭商事制度改革改出营商好环境[N].湘潭日报.2019
[9].孙晓丽,郭艳,李宁,宋晓祥.基于改进RNN的多变量时间序列缺失数据填充算法[J].信息技术与网络安全.2019
[10].白洪忠,刘宁,纪俊雨,耿广,李雯.家兔肺动脉栓塞模型D-二聚体数据采集及时间相关性研究[J].河北医药.2019
论文知识图
