导读:本文包含了模型判别论文开题报告文献综述及选题提纲参考文献，主要关键词:风化基岩,Bayes判别,富水性,张家峁井田
模型判别论文文献综述
侯恩科,闫鑫,郑永飞,杨帆[1]（2019）在《Bayes判别模型在风化基岩富水性预测中的应用》一文中研究指出风化基岩含水层是对矿井安全生产构成威胁的主要含水层之一,准确预测其富水性是煤矿水害防治的基础。针对风化基岩富水性预测问题,以张家峁井田为例,在总结风化基岩岩性特征、分布特征和富水性特征的基础上,以风化基岩厚度、风化程度、岩性组合指数、脆塑性岩厚度比和地形地貌作为判别指标,以研究区及其外围29组风化基岩抽水试验数据作为训练及检验样本,建立了风化基岩含水层富水性Bayes判别模型,可对无抽水试验资料区域的风化基岩富水性类型进行预测。研究表明,张家峁井田风化基岩整体富水性较弱,且空间分布不均。在井田中部和西北角局部区域为强富水性,中部大部分区域为中等富水性,东部及东北部区域几乎全为极弱富水性,其余部分为弱富水性。通过与矿井生产过程中井下涌水量观测数据对比,显示所建判别模型具有较高的准确率,表明运用此模型进行风化基岩富水性预测是可行的,为风化基岩含水层的富水性预测提供了一种新方法。(本文来源于《西安科技大学学报》期刊2019年06期）
王占良,段燕楠,杨健[2]（2019）在《昆明低空大气温度层结特征与空气质量的Logistic判别模型》一文中研究指出低空大气逆温及地面风速是影响空气质量变化的主要气象条件,特别是逆温的频率、强度制约着大气污染物聚积和扩散。定义了1km以下低空大气的温度层结强度。利用昆明L波段探空雷达加密数据,统计了2014—2018年08 h探空数据温度层结特征,分析了逆温的频率、强度和地面风速等气象要素与空气质量的相关性,建立基于Logistic判别方法的昆明空气质量指数和PM_(2.5)浓度的拟合模型。结果显示:基于定义的温度层结强度的统计,昆明1km以下低空大气整层的逆温发生频率10.7%,年平均强度0.13℃·(100m)~(-1),逆温的频率和强度月变化曲线与轻度污染及PM_(2.5)浓度的变化联系密切;温度层结强度和地面风速通过了α=0.05的相关系数显着性检验,与空气质量指数和PM_(2.5)浓度相关性好,最佳的气象要素因子的相关系数可达到0.3660;Logistic判别模型对轻度污染的拟合准确率在66.3%以上,优良空气的拟合准确率在72.5%以上;对PM_(2.5)浓度超标的拟合准确率在59.9%以上,PM_(2.5)一级浓度的拟合准确率在68.8%以上。(本文来源于《环境科学导刊》期刊2019年06期）
公艺文,牛建军[3]（2019）在《基于Fisher判别法大学生体质健康综合评价分级模型构建》一文中研究指出本文运用聚类分析法将大学生体质健康状况分为"优秀""良好""及格"和"不及格"四类,对处于不同类别大学生体质状况进行详细解读;运用判别分析法构建男生体质健康综合评价分级模型,能较为科学判定未知大学生体质健康状况属于已知分类中的哪一类,能为教师针对不同学生体质健康状况,科学选择教学内容,安排教学任务,实施教学手段和方法等提供科学依据;并选取该校男生进行了综合评价分级模型的应用研究,认为该评价模型简单易行,具有实际推广和应用价值。(本文来源于《当代体育科技》期刊2019年30期）
唐伟豪,陈景文[4]（2019）在《基于机器学习算法的线粒体毒性判别模型》一文中研究指出目的据美国化学文摘社统计,目前已有记录的化学物质数量超过了1.5亿种,一些化学品可以引起线粒体毒性。线粒体具有能量产生、维持细胞稳态、参与细胞增殖和凋亡等重要生理功能。因此线粒体毒性可能导致生物能量的不平衡,氧化压力的升高和细胞凋亡等不利结局;并且,癌症、糖尿病、心血管疾病、神经退行性等疾病也与线粒体毒性相关。所以,有必要评价化学品可否引起线粒体毒性。传统的基于动物活体模式的线粒体毒性检测方法存在违背动物实验伦理、耗时长、资源消耗大等问题。这些问题催生了动物实验替代方法的发展。定量构效关系(QSAR)模型是一种潜在的动物实验替代方法。本研究使用不同机器学习算法构建了线粒体毒性QSAR预测模型。材料和方法模型构建的数据集来源于PubChem数据库,数据经过预处理后,得到4877个化学品,其中1284个活性物质和3527非活性物质,化学品数据按照4∶1的比例划分训练集和验证集。使用12种分子指纹和5种机器学习算法构建了线粒体毒性QSAR分类模型,机器学习算法包括:支持向量机、随机森林、逻辑回归、朴素贝叶斯和分类回归树,分子指纹通过PaDEL-Descriptor软件获得,构建的模型类型包括单一模型和一致性模型。由于训练集化学品活性存在数据不平衡的情况,因此使用0.263(1284/4877)作为分类阈值处理不平衡数据。使用十折交叉验证和外部验证评价模型性能。为了解释线粒体毒性机理,使用信息增益和子结构频率分析以及KNIME(Konstanz Information Miner)软件中的"MoSS"节点识别出了引发线粒体毒性化学品的常见子结构。结果一共构建了20475个线粒体毒性分类模型,最好的一致性模型的十折交叉验证性能:平衡准确率:83.9%,AUC(受试者工作曲线下面积):91.1%,灵敏度:85.9%,特异性:82.0%;外部验证平衡准确率:85.6%,AUC:92.1%,灵敏度:86.3%,特异性:84.8%。常见子结构包括:酚、羧酸、含氮基团、芳基氯等。结论本研究表明,构建的最优模型可有效识别化学品的线粒体毒性,可用于化学品线粒体毒性的筛选。(本文来源于《中国毒理学会第九次全国毒理学大会论文集》期刊2019-09-17）
田占霄,王文通,范宏振,王云辉,谭淑平[5]（2019）在《基于认知测查的支持向量机模型对精神分裂症的判别》一文中研究指出目的:探索基于认知测查(MCCB)数据的支持向量机模型对精神分裂症的判别作用。方法:入组符合DSM-IV精神分裂症诊断标准的患者425例和正常对照404例,使用MCCB量表评定两组被试的认知功能,然后应用支持向量机模型对MCCB量表中的所有34个变量数据进行判别分析,此外,经过Relief算法筛选出16个变量再次应用支持向量机模型进行判别分析,最后应用受试者工作特征(ROC)曲线和曲线下面积(AUC)评价模型的性能。结果:采用MCCB量表全部34个变量对精神分裂症的识别准确率为78.0%,经过Relief算法进行变量筛选后,选择权值最高的前16个认知变量的验证准确率可达77.0%,与全部认知变量准确率接近,34个变量和16个变量的支持向量机模型的AUC分别为0.78和0.76。结论:基于认知数据的支持向量机模型对精神分裂症患者与正常对照具有一定的判别作用,模型具有较好的可靠性。(本文来源于《中国心理卫生杂志》期刊2019年09期）
黄保胜,崔中良[6]（2019）在《多元混合模型及模糊综合评判法在水源判别中的应用研究——以云南会泽铅锌矿为例》一文中研究指出建立快速有效的水源判别方法对于水害防治工作具有十分重要的意义。文章基于会泽铅锌矿水质数据分别建立了水源判别的多元混合模型及模糊综合评判模型,并对这两种判别方法进行对比分析,结果如下:(1)应用多元混合模型判别水源时,可根据水样来源判别数据组的稳定程度采用不同的处理措施:水样来源判别数据组整体上较为稳定时可运用各含水层对水样指标组合影响程度的平均值确定水样来源,亦可采用各评价指标组合判别结果的概率之和进行判别;水样来源判别数据组稳定性较差时,为保障判别精度,需采用各评价指标组合判别结果的概率之和进行判别。(2)从判别原理上来看,多元混合模型无需建立复杂的隶属函数及模糊矩阵,简单易懂。从判别准确度来看,多元混合模型准确度达100%,而模糊综合评判法则为75%。从适用范围来看,模糊综合评判法适用于具模糊性的边界条件,而多元混合模型的应用则无明显限制条件,适应性更强。因此多元混合模型在水源判别领域具有很大的应用潜力。(本文来源于《矿产勘查》期刊2019年08期）
张梦瑜,黄丽华,沈丽娟,叶娟,姚海霞[7]（2019）在《新生儿危重病例评分与早期预警评分系统的判别模型研究》一文中研究指出目的分析新生儿危重症严重程度评价系统与早期预警评分系统之间的关系,为新生儿室临床一线护士提供一个高效、便捷、可量化的新生儿病情严重程度评分工具。方法选择浙江省某叁级甲等医院新生儿室患儿200例,使用新生儿危重病例评分法对其进行回顾性评估,并按标准分成非危重107例、危重78例、极危重15例,再分别对照改良版儿童早期预警评分系统、床边儿童早期预警评分系统、新生儿早期预警评分进行评分并做记录。依据Fisher判别原理,分别建立新生儿危重病例评分法与3种早期预警评分系统的模型,分析新生儿危重病例评分法与3种早期预警评分系统之间的关系,采用交叉核实法以及逐一回代法验证模型的误判率。结果改良版儿童早期预警评分系统、床边儿童早期预警评分系统、新生儿早期预警评分判别模型的特征值指标分别为1.076、2.225、1.351,正则相关性指标分别为0.720、0.831、0.758,Wilk’sλ检验值为0.475、0.241、0.393(P<0.001),床边儿童早期预警评分系统建立的判别模型特征值及正则相关性指标较高(P<0.001)。床边儿童早期预警评分系统判别模型的误判率为16.5%,优于新生儿早期预警评分(27.0%)、改良版儿童早期预警评分系统(30.0%);床边儿童早期预警评分系统评分工具建立的判别模型对新生儿危重程度为极危重的分类准确率高达93.3%。结论床边儿童早期预警评分系统可作为新生儿病情严重程度评估的辅助评估工具。(本文来源于《护理与康复》期刊2019年08期）
肖屈日,赵国彦,刘建,简筝[8]（2019）在《矿柱稳定性判别的ICA-RoF模型及其工程应用》一文中研究指出为准确判别矿柱稳定性情况,综合考虑矿柱形状特征量、力学状态量和力学极限量3类指标,选取矿柱宽度、矿柱高度、矿柱宽高比、矿柱约束、矿柱摩擦系数、矿柱应力、矿岩单轴抗压强度、矿柱强度共8个特征作为识别指标,利用独立成分分析旋转森林(ICA-RoF)算法逆构特征指标与矿柱状态之间的非线性映射关系,建立一种基于ICA-RoF算法的矿柱稳定性判别模型。结合工程实例,以150组矿柱样本数据进行训练,采用40次5折交叉验证算法获得最佳模型参数,以剩余12组样本数据对该模型进行检验,并与主成分分析旋转森林算法(PCA-RoF)、CART决策树算法(CDT)和高斯过程分类算法(GPC)进行比较。研究结果表明:ICA-RoF判别模型精度高、泛化能力强,在显着性水平α=0. 05的情况下,ICA-RoF明显优于PCA-RoF、CDT和GPC。(本文来源于《中国地质灾害与防治学报》期刊2019年04期）
陈键飞,朱军[9]（2019）在《最大熵判别主题模型的高效学习算法》一文中研究指出现有的有监督主题模型训练算法的时间复杂度一般线性于主题数量,限制了其大规模应用.基于此种情况,文中提出最大熵判别潜在狄利克雷分配(MedLDA)有监督主题模型的高效学习算法.算法为坐标下降算法,训练分类器的迭代次数少于MedLDA已有的蒙特卡洛算法.算法还利用拒绝采样及高效的预处理技术,将训练的时间复杂度从线性于主题数量降至亚线性于主题数量.在多个文本数据集上的对比实验表明,相比原有的蒙特卡洛算法,文中算法在训练速度上有大幅提升.(本文来源于《模式识别与人工智能》期刊2019年08期）
李波,崔金涛,刘念,苏经宇,王威[10]（2019）在《考虑指标关联分析的软土地基震陷判别逐步判别模型》一文中研究指出针对软土震陷危害等级判别中存在的问题,选取灰色关联方法和逐步判别方法作为基础模型,提出了一种耦合判别思路,并设计和建立了耦合式软土震陷判别模型。该模型首先对待判样本和参考样本进行指标关联分析;然后根据关联度将震陷等级排序,对参与判别的等级进行筛选;最后将符合条件的样本通过逐步判别分析确定最终震陷类型。为了验证耦合模型的适用性和准确性,对实际样本数据进行建模计算,并与传统模型的判别结果进行了对比分析,取得了较好的评价结果,为软土震陷等级判别提供了一种新的思路。(本文来源于《建筑科学》期刊2019年07期）
模型判别论文开题报告
（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：
低空大气逆温及地面风速是影响空气质量变化的主要气象条件,特别是逆温的频率、强度制约着大气污染物聚积和扩散。定义了1km以下低空大气的温度层结强度。利用昆明L波段探空雷达加密数据,统计了2014—2018年08 h探空数据温度层结特征,分析了逆温的频率、强度和地面风速等气象要素与空气质量的相关性,建立基于Logistic判别方法的昆明空气质量指数和PM_(2.5)浓度的拟合模型。结果显示:基于定义的温度层结强度的统计,昆明1km以下低空大气整层的逆温发生频率10.7%,年平均强度0.13℃·(100m)~(-1),逆温的频率和强度月变化曲线与轻度污染及PM_(2.5)浓度的变化联系密切;温度层结强度和地面风速通过了α=0.05的相关系数显着性检验,与空气质量指数和PM_(2.5)浓度相关性好,最佳的气象要素因子的相关系数可达到0.3660;Logistic判别模型对轻度污染的拟合准确率在66.3%以上,优良空气的拟合准确率在72.5%以上;对PM_(2.5)浓度超标的拟合准确率在59.9%以上,PM_(2.5)一级浓度的拟合准确率在68.8%以上。
（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。
模型判别论文参考文献
[1].侯恩科,闫鑫,郑永飞,杨帆.Bayes判别模型在风化基岩富水性预测中的应用[J].西安科技大学学报.2019
[2].王占良,段燕楠,杨健.昆明低空大气温度层结特征与空气质量的Logistic判别模型[J].环境科学导刊.2019
[3].公艺文,牛建军.基于Fisher判别法大学生体质健康综合评价分级模型构建[J].当代体育科技.2019
[4].唐伟豪,陈景文.基于机器学习算法的线粒体毒性判别模型[C].中国毒理学会第九次全国毒理学大会论文集.2019
[5].田占霄,王文通,范宏振,王云辉,谭淑平.基于认知测查的支持向量机模型对精神分裂症的判别[J].中国心理卫生杂志.2019
[6].黄保胜,崔中良.多元混合模型及模糊综合评判法在水源判别中的应用研究——以云南会泽铅锌矿为例[J].矿产勘查.2019
[7].张梦瑜,黄丽华,沈丽娟,叶娟,姚海霞.新生儿危重病例评分与早期预警评分系统的判别模型研究[J].护理与康复.2019
[8].肖屈日,赵国彦,刘建,简筝.矿柱稳定性判别的ICA-RoF模型及其工程应用[J].中国地质灾害与防治学报.2019
[9].陈键飞,朱军.最大熵判别主题模型的高效学习算法[J].模式识别与人工智能.2019
[10].李波,崔金涛,刘念,苏经宇,王威.考虑指标关联分析的软土地基震陷判别逐步判别模型[J].建筑科学.2019