导读:本文包含了卡方检验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:算法,特征,直方图,可信性,组合,神经网络,信道。
卡方检验论文文献综述
林照授,李金钎,陈森森[1]（2019）在《基于Excel函数及图表工具的泊松分布卡方检验法应用》一文中研究指出根据泊松分布检验计算原理,利用Excel函数,计算出了各统计数据的参数及卡方值,以自动查找临界值,并可以利用图表工具绘制统计数据直方图。该模板适合泊松分布卡方检验,具有界面直观、操作简单、速度快捷的特点。(本文来源于《绿色科技》期刊2019年21期）
熊鑫,黄国勇,王晓东[2]（2019）在《基于卡方检验的自适应鲁棒CKF组合导航算法》一文中研究指出针对组合导航系统在过程噪声统计特性不确定和观测值异常时鲁棒性差的问题,提出了基于卡方检验的自适应鲁棒CKF组合导航算法(CTAR-CKF)。该算法首先第一次引入卡方检验对系统进行评估,并根据卡方检验值和预设的模糊逻辑函数对过程噪声统计特性进行调节;然后,再次利用卡方检验对观测异常进行判断,并通过增强因子对量测噪声的统计特性进行调节。仿真结果表明,所提出的算法能有效抑制过程噪声变化和观测异常对系统的影响,且在噪声正常和观测值充足的情况下也同样适用。(本文来源于《探测与控制学报》期刊2019年05期）
邹玲平[3]（2019）在《卡方检验公式的来源》一文中研究指出2019年高考全国卷1文科数学17题考查独立性检验知识,近年来独立性检验问题在全国卷解答题出现的频率非常高,比如2018年全国卷3文理18题,2017年全国卷文19理18,需引起老师和同学的重视.但在实际教学中,有些教师受应试教育思想影响,将卡方检验公式降格为了解操作规则,学生会套公式计算即可,至于卡方公式的来源很多老师和学生都一知半解,本文将深入探究卡方检验公式的统计解释.(本文来源于《中学数学研究》期刊2019年09期）
陈谌,梁雪春[4]（2019）在《基于基尼指标和卡方检验的特征选择方法》一文中研究指出针对传统的机器学习分类算法在非平衡数据集上准确率较低的问题,提出一种基于随机森林Gini指标和卡方检验的最优特征子集的特征选择方法 (RFG-χ~2),并应用于支持向量机算法模型中。利用SMOTE算法对非平衡数据集进行预处理,通过权衡特征的关联性和特征强度这两个指标,训练生成支持向量机模型所需的最优特征子集。实验结果表明,该方法在支持向量机(SVM)模型上筛选的两个特征子集对应的分类精度分别提高了2.5%和1.5%。(本文来源于《计算机工程与设计》期刊2019年08期）
张建,喻国荣,潘树国,闫志跃,王彦恒[5]（2019）在《基于卡方检验的GNSS观测值部分粗差抗差滤波算法》一文中研究指出在进行抗差卡尔曼(Kalman)滤波过程中,为避免由于全球导航卫星系统(GNSS)观测值之间的相关性而导致粗差转移的问题,提出了一种基于卡方检验的GNSS观测值部分粗差抗差算法。首先,基于观测模型异常检验量,分析了观测值之间的相关性,并针对由于观测值之间的相关性所导致的粗差误判问题,提出了部分粗差抗差算法;根据假设检验理论,构造了滤波模型整体检验量,基于卡方检验判断整体模型是否存在异常,并给出了基于卡方检验的GNSS观测值部分粗差抗差算法整体流程框架;最后设计了两组实验,采用3种方法进行对比分析,以验证所提算法的性能。实验结果表明,所提算法极大地消弱了观测值之间相关性的影响,能准确的识别粗差位置,明显降低了粗差探测的误警率,保证了定位的鲁棒性。(本文来源于《仪器仪表学报》期刊2019年08期）
赵晨飞[6]（2019）在《基于谱特征分析和卡方检验的特征选择方法研究》一文中研究指出维度降低是处理大型高维度数据必须面临的一个重要问题。特征选择就是在大型数据集上选择原始特征的一个子集,预处理数据以获得一组较小的有代表性的特征集合。从有无类标签参与特征选择的角度,将特征选择方法分为监督型特征选择、无监督特征选择和半监督特征选择。由于无监督特征选择方法只考虑了特征之间的相关性,而忽略了特征与类别之间的相关性,导致了无监督特征选择获得的特征子集的分类能力较弱,比如基于谱图理论的谱特征选择。而一些监督特征选择方法只考虑了特征与分类类别之间的相关性,不能很好的考虑到特征之间的冗余,造成了特征子集中有很多特征是相互关联的,影响了特征的独立性以及分类的准确性。因此本文提出了一种基于谱特征分析和卡方检验的特征选择方法。使用谱分析评价特征之间的相关性,使用卡方检验评价特征与类别标签之间的相关性。监督学习部分的卡方检验通过观察值和理论值之间的偏差来判断理论值的正确率,特征选择时应该更优先选择卡方值更高的特征。无监督学习部分的谱聚类方法首先需要计算给定的样本数据集中每对样本点之间的相似性,来得到一个相似性矩阵,进而构建出一个邻接图,最后通过图的归一化切分(Normalized Cut)得到特征的评价准则,通过这一评价指标来进行特征选择。基于谱特征分析和卡方检验的特征选择方法(SpeChi)结合监督学习和无监督学习的特点,计算过程中卡方检验使用已标记数据,谱特征分析使用未标记数据进行特征选择,通过特征评分进行特征选择,弥补了谱特征分析没有考虑类别相关性的不足。最终选择出特征之间低冗余且特征与类别之间高相关性的特征子集。验证实验使用了4种不同分类器,和8个公开数据集,在与其他4种特征选择方法进行对比后表明:该算法提高了特征集合的分类准确率,并且能提前获得较好的分类效果。最后这里还研究SpeChi方法中不同参数设置对特征选择结果的影响,实验表明,设置参数为0.4、0.5、0.6的分类准确率要优于参数为0或者1。设置不同的参数值时,由于特征选择所考虑到两种相关性所占的权重不同,因此实验结果略有不同。(本文来源于《天津师范大学》期刊2019-05-01）
李玲玲[7]（2019）在《卡方检验神经网络》一文中研究指出人工神经网络(ANN)自1980s以来一直是人工智能领域的研究热点。它从信息处理的角度抽象出人脑的神经网络,建立一些简单的模型,并根据不同的连接方式形成不同的网络。它由彼此连接的大量节点(或神经元)组成。卡方检验是一种广泛使用的假设检验方法,主要用于分类数据的统计推断。它通过计算实际观测值与理论推断值之间的偏差来确定卡方值。本文结合ANN和卡方检验,研究了一种基于卡方检验的二分类神经网络。该算法是单隐藏层的反向传播神经网络,算法中利用卡方检验的原理重新定义的损失函数和误差函数。并根据标准BPNN来修改神经网络的权值和阈值。算法中利用卡方检验同分布特性,将少量的带标签样本划分成一个个子区间,并计算每个子区间内的某类样本的理论概率作为参照,训练模型时使用无标签数据进行训练。由于卡方检验的同分布特性,训练时的输入样本的分类结果落在每个子区间内的预测概率应该和理论概率近似,将两个概率代入卡方检验统计量公式里与临界值作比较来判断是否结束训练。若不能,根据改进的误差公式更新参数,继续训练模型。所以本文提出的算法可以仅利用少量有标签样本作为参照,将大量无标签样本用来训练模型。并将该算法在UCI机器学习库提供的五组公共数据集,和私有数据集苹果近红外光谱数据和肺部CT图像上进行了测试。该算法在训练集和测试集上有数据一致性的优点,能被用来进行数据的二分类。其在真实数据集上的结果表明该算法与相关算法相比能有效提高分类结果的准确率,由此证明该算法是可行的。并且一定程度上解决了带标签数据采集困难的问题。(本文来源于《兰州大学》期刊2019-05-01）
毕然,何怡刚,史露强,程彤彤[8]（2019）在《基于卡方检验的莱斯信道统计特性可信性评估》一文中研究指出为有效地对莱斯衰落信道模型统计特性进行验证,提出一种基于卡方拟合优度检验的莱斯衰落信道统计特性可信性评估方法。建立莱斯衰落信道统计特性可信性评估的假设检验模型,根据莱斯信道衰落模型构造信道复输出序列,计算提取其幅度包络序列概率密度分布函数序列,引入卡方拟合优度检验,比较幅度包络序列概率密度分布与零假设下特定概率分布是否一致。计算机仿真结果表明,该方法有效可行,其性能受信道关键仿真参数影响较小。(本文来源于《计算机工程与设计》期刊2019年03期）
刘亚姝,王志海,李经纬,赵烜,文伟平[9]（2019）在《基于卡方检验的Android恶意应用检测方法》一文中研究指出移动终端爆发式增长造成了恶意应用的大量出现,给用户的隐私安全和财产安全带来了巨大的危害.为提高Android应用恶意性检测的准确性,本文将卡方检验与基尼不纯度增量相结合获取更有价值的特征属性;并改进朴素贝叶斯算法提高Android应用恶意性判断的准确性.实验结果表明:新的特征处理方法能够有效提高检测性能;同时,改进后的朴素贝叶斯算法相比原始算法而言准确率有较大的提升.(本文来源于《北京理工大学学报》期刊2019年03期）
晋丹星[10]（2019）在《卡方检验在大学生英语期末成绩与学习方式分析中的应用》一文中研究指出用卡方检验分析在大学生的英语期末考试中,平时课堂积累、期末前的集中复习、两者结合或是两者都不采用这几种方式与期末成绩是否有相关性,这样也能对大学生对英语这门课的学习有一些帮助。通过分析数据结果,对现在大学生看待英语学习的态度以及学习方式进行一些思考和启发,让非英语专业的大学生有一个正确、有效的学习方法。(本文来源于《海外英语》期刊2019年05期）
卡方检验论文开题报告
（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：
针对组合导航系统在过程噪声统计特性不确定和观测值异常时鲁棒性差的问题,提出了基于卡方检验的自适应鲁棒CKF组合导航算法(CTAR-CKF)。该算法首先第一次引入卡方检验对系统进行评估,并根据卡方检验值和预设的模糊逻辑函数对过程噪声统计特性进行调节;然后,再次利用卡方检验对观测异常进行判断,并通过增强因子对量测噪声的统计特性进行调节。仿真结果表明,所提出的算法能有效抑制过程噪声变化和观测异常对系统的影响,且在噪声正常和观测值充足的情况下也同样适用。
（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。
卡方检验论文参考文献
[1].林照授,李金钎,陈森森.基于Excel函数及图表工具的泊松分布卡方检验法应用[J].绿色科技.2019
[2].熊鑫,黄国勇,王晓东.基于卡方检验的自适应鲁棒CKF组合导航算法[J].探测与控制学报.2019
[3].邹玲平.卡方检验公式的来源[J].中学数学研究.2019
[4].陈谌,梁雪春.基于基尼指标和卡方检验的特征选择方法[J].计算机工程与设计.2019
[5].张建,喻国荣,潘树国,闫志跃,王彦恒.基于卡方检验的GNSS观测值部分粗差抗差滤波算法[J].仪器仪表学报.2019
[6].赵晨飞.基于谱特征分析和卡方检验的特征选择方法研究[D].天津师范大学.2019
[7].李玲玲.卡方检验神经网络[D].兰州大学.2019
[8].毕然,何怡刚,史露强,程彤彤.基于卡方检验的莱斯信道统计特性可信性评估[J].计算机工程与设计.2019
[9].刘亚姝,王志海,李经纬,赵烜,文伟平.基于卡方检验的Android恶意应用检测方法[J].北京理工大学学报.2019
[10].晋丹星.卡方检验在大学生英语期末成绩与学习方式分析中的应用[J].海外英语.2019
论文知识图
