样本点

摘要： 概率是高中数学的重要内容,也是高考的必考内容。高考主要考查随机事件与概率,考查事件的相互独立性以及概率与频率等。下面就概率问题常见典型考题进行举例分析,供大家学习与提高。题型1:随机事件的表示理解随机现象、样本点和样本空间的概念,理解随机事件的概念,在实际问题中,能正确求出事件包含的样本点的个数,并会写出相应的样本空间。

摘要： 针对二连盆地白音查干凹陷锡林好来区块中生界主要目的层腾格尔组混合岩相带储层类型复杂多样,非均质性强、解释难度大的特点。应用岩心资料刻度电成像资料,结合成像资料刻度常规测井资料即“双标定”的技术,实现从岩心等第一手资料到常规测井资料的信息转化,达到利用测井资料准确有效识别与划分砂砾岩储层的目的。在岩相分类的基础上,采集本区块9口井共374个样本点,筛选出不同岩相对应的不同数据点,针对砾岩类岩相建立解释模型和解释标准,实现定性、定量评价储层流体性质的方法,在实际应用中取得了较好的勘探开发效果。

摘要： 样本点权重调整是统计推断样本点属性全局均值的重要手段。以北京市顺义区农业用地样本点为例,提出了一种面向全局均值估计的样本点权重调整方法——泰森多边形权重调整法。首先构建样本点类型划分规则,将样本点划分为聚集样本点、稀疏样本点和均匀样本点;其次针对不同类型样本点,分别确定样本点权重调整量和调整规则并进行样本点权重调整;最后以农业用地土壤重金属Hg含量及NDVI(归一化植被指数)数据为例,设置与原始样本点(无权重调整)、常规面积比例权重调整法的对比实验,通过2种评价参数的全局均值相对误差分别评价不同样本点权重调整方法的数据纠偏效果。结果表明:2个聚集样本点权重减小,权重分别为0.609和0.883;1个稀疏样本点权重增大,权重为1.068;63个均匀样本点权重不变,权重为1;泰森多边形权重调整法统计推断农业用地土壤重金属Hg含量和NDVI的全局均值估计相对误差(0.413%、1.617%)小于原始样本点(1.056%、2.500%)和常规面积比例权重调整法(2.933%、2.941%),表明该权重调整方法的样本点全局均值估计更加准确、可靠。

摘要： 分类器的建立及参数调整人类可以根据散点图的分布直接给出分类直线所在的位置,但是机器看不到,也不知道这条分类直线应该放在哪里,它只能一点点地将样本点带入分段函数中。如果分段函数判断的结果与实际类别匹配就说明该直线能够正确分类;否则不能正确分类,需要修正直线的位置,直到全部样本带入后都能正确分类为止。因此,机器需要具备判断能力。基于此,给定判断规则,机器就可以通过自身学习迭代出正确的分类直线的位置。

摘要： 针对带权图数据中样本点的相似性度量问题,从图数据中样本点的属性信息和拓扑信息2个角度出发,提出了一种基于改进度中心性的样本点相似性度量方法.首先,该方法在充分研究了任意2个样本点拓扑信息可达的基础上,以改进度中心性指导随机游走的方法,度量样本点基于拓扑信息的相似性.其次,考虑到传统欧式距离在度量相似性方面的不足,提出一种融合的度量方法来度量样本点基于属性信息的相似性,进而得出样本点间的综合相似性.最后,通过一个具体的算例来验证所提出方法的实用性和有效性.

摘要： 随着现代终端设备所提供的信息采集能力日益强大,现代终端设备所提供的数据质量在经过阶段性的治理后,其可利用价值有了质的提升,为市场分析提供了有力的数据支持。当前卷烟行业对于卷烟市场的社会库存推导尚处于探索阶段,属于较高难度的行业难题。根据奈曼筛选法所提供的各层级卷烟终端设备中的优质样本点数据,尝试以此数据为基础,运用多种推导方案,对社会库存进行理论性推导,为卷烟市场在社会库存方面推导提供了多种方法思路。

摘要： 原题(苏教版《必修第二册》15.2例3)同时抛掷两颗骰子,观察向上的点数.(1)写出样本空间Ω所包含的样本点.(2)点数之和是2的概率是多少?(3)点数之和是6的概率是多少?(4)点数之和是3的倍数的概率是多少?

摘要： 本节课是人教A版普通高中教科书《数学》(必修第二册)第十章的起始课,教学设计围绕章起始课的教学任务,注重引导学生构建学习概率的先行组织者,使学生明确本章的学习路径;围绕有限样本空间、随机事件这两个概率中的核心概念,以概念形成的方式设计学习过程,不仅让学生经历概念的抽象过程,同时提升学生的概率思维能力,促进数据分析、直观想象等素养的发展。在教学实践的基础上,从教材的理解与使用、教学中存在的问题与改进方式等方面对教学设计与教学过程进行反思,并从"理解数学""理解教学"等视角进行了点评。

摘要： 本节课是人教A版《数学》(必修第二册)第十章的起始课,教学设计围绕章起始课的教学任务,注重引导学生构建学习概率的先行组织者,使学生明确本章的学习路径;围绕有限样本空间、随机事件这两个概率中的核心概念,以概念形成方式设计学习过程,不仅让学生经历概念的抽象过程,同时提升学生的概率思维,促进数据分析、直观想象等素养的发展。在教学实践的基础上,从教材的理解与使用、教学中存在的问题与改进等对教学设计与教学过程进行了反思,并从"理解数学""理解教学"等视角进行了点评。

摘要： 样本点空间分布是样点数据检测评价和挖掘分析的关键因素.以北京市顺义区为例,研发了一种农业用地土壤重金属样本点数据精化方法:首先构建样本点均匀变异指数和均匀因子离散图来共同检测样本点数据均匀性,进一步将样本点类型划分为均匀样本点、聚集样本点和稀疏样本点并确定其数量;其次删除聚集样本点,基于研究区历史数据加密稀疏样本点;最后基于地理空间样本点均匀变异指数、特征空间偏离指数和插值误差共同评价数据精化效果.结果表明,研究区样本点的均匀变异指数为0.429,存在一个聚集样本点和一个稀疏样本点,空间偏离指数为0.327,空间属性插值误差为6.538;冗余数据精化后进行均匀性检测没有发现聚集样本点和稀疏样本点,均匀变异指数下降到0.406,特征空间偏离指数微弱下降,空间属性插值误差下降到6.357.研究表明该方法可以对提高采样数据的均匀性和代表性提供理论指导,可以服务于土壤污染防治行动计划(土十条)、土壤污染状况详查等,为更加精确研究土壤空间信息变化提供一定的基础条件.

摘要： 现代工程涉及电、磁、声、光和热等多物理场作用以及宏观、细观和微观的多尺度效应，在设计上呈现出多学科交融特点。本文针对现代工程设计的复杂性和发展趋势，重点讨论了近年来在工程优化领域广泛应用的黑箱优化方法，对其中的kriging替代模型进行了较详细的论述，并介绍了常用的几种采样和加点方法。

摘要： 现代工程涉及电、磁、声、光和热等多物理场作用以及宏观、细观和微观的多尺度效应，在设计上呈现出多学科交融特点。本文针对现代工程设计的复杂性和发展趋势，重点讨论了近年来在工程优化领域广泛应用的黑箱优化方法，对其中的kriging替代模型进行了较详细的论述，并介绍了常用的几种采样和加点方法。

摘要： 现代工程涉及电、磁、声、光和热等多物理场作用以及宏观、细观和微观的多尺度效应，在设计上呈现出多学科交融特点。本文针对现代工程设计的复杂性和发展趋势，重点讨论了近年来在工程优化领域广泛应用的黑箱优化方法，对其中的kriging替代模型进行了较详细的论述，并介绍了常用的几种采样和加点方法。

摘要： 现代工程涉及电、磁、声、光和热等多物理场作用以及宏观、细观和微观的多尺度效应，在设计上呈现出多学科交融特点。本文针对现代工程设计的复杂性和发展趋势，重点讨论了近年来在工程优化领域广泛应用的黑箱优化方法，对其中的kriging替代模型进行了较详细的论述，并介绍了常用的几种采样和加点方法。

摘要： 现代工程涉及电、磁、声、光和热等多物理场作用以及宏观、细观和微观的多尺度效应，在设计上呈现出多学科交融特点。本文针对现代工程设计的复杂性和发展趋势，重点讨论了近年来在工程优化领域广泛应用的黑箱优化方法，对其中的kriging替代模型进行了较详细的论述，并介绍了常用的几种采样和加点方法。

摘要： 现代工程涉及电、磁、声、光和热等多物理场作用以及宏观、细观和微观的多尺度效应，在设计上呈现出多学科交融特点。本文针对现代工程设计的复杂性和发展趋势，重点讨论了近年来在工程优化领域广泛应用的黑箱优化方法，对其中的kriging替代模型进行了较详细的论述，并介绍了常用的几种采样和加点方法。

摘要： 本发明公开了一种基于事件触发的滑坡灾害点大数据采集与样本库更新方法，该方法自动捕获滑坡灾害点事件，触发采集程序对灾害点的位置信息、区域近期气象、区域地质条件、区域地形、区域地表形变进行数据采集处理，同时解决灾害点准确定位与灾害点大数据预处理。将这些异构数据进行大数据融合后，存储到滑坡地质灾害样本库，实现样本库数据的更新，以达到提高滑坡地灾监测预警数据质量的目标。本发明提高了滑坡灾害点大数据采集的时效性，解决了现有地质灾害报告地点不够精确的问题，提高了获取灾害点区域地形数据的准确性，实现了大面积、低成本的灾害点区域地表形变数据计算处理。

摘要： 本发明公开了一种基于事件触发的滑坡灾害点大数据采集与样本库更新方法，该方法自动捕获滑坡灾害点事件，触发采集程序对灾害点的位置信息、区域近期气象、区域地质条件、区域地形、区域地表形变进行数据采集处理，同时解决灾害点准确定位与灾害点大数据预处理。将这些异构数据进行大数据融合后，存储到滑坡地质灾害样本库，实现样本库数据的更新，以达到提高滑坡地灾监测预警数据质量的目标。本发明提高了滑坡灾害点大数据采集的时效性，解决了现有地质灾害报告地点不够精确的问题，提高了获取灾害点区域地形数据的准确性，实现了大面积、低成本的灾害点区域地表形变数据计算处理。

摘要： 本发明公开了一种融合知识蒸馏及类代表点抽取的类增少样本对象检测方法，该方法为：将图片输入深度神经网络(CNN)提取视觉特征；基于提取的视觉特征，采用对象框提取网络预测对象可能存在的位置并对预测出的对象框进行位置标记，使用池化网络将所有对象框的视觉特征变成同一大小；基于每个候选对象框的视觉特征，使用坐标预测网络预测候选对象的精确位置，同时使用增量分类器预测该候选对象框的精确类别。该发明实现方法简单、灵活，可以显著提升全新类对象的检测性能，并改善历史类对象的检测性能。

摘要： 本发明提供一种基于邻域样本特征对比学习的时序数据异常点监测方法，基于输入样本建立样本的特征组合，通过初始化查询表学习输入样本的线性特征；利用输入样本的近邻区域相似样本，计算正样本，学习正样本的线性特征，在非近邻区域的不相似样本集中采样负样本，学习负样本的线性特征；根据输入样本的非线性特征预测类别标签，通过对比学习最小化输入样本与正样本之间的线性特征距离，最大化输入样本与负样本之间的线性特征距离；基于学习的参数预测新样本的类别标签分类概率，标注是否为异常样本。本发明从样本的近邻区域相似样本特征识别样本是否异常，在桥梁结构健康监测时序数据异常识别方面具有重要应用价值。

摘要： 本发明提供一种稀疏区域的样本点加密方法及系统，包括：确定目标稀疏样本点及其加密采样区域；对加密采样区域空间离散化，并确定待选样本点子集合；将每个待选样本点子集合中的待选样本点与原样本点构成一个样本点空间布局，并从中选择最优样本点空间布局，以将最优样本点空间布局中的待选样本点作为加密样本点，对稀疏区域进行样本点加密处理。迭代执行上述加密处理步骤，直至不存在稀疏样本点。本发明通过迭代的方式，依次确定当前样本点空间布局中的目标稀疏样本点，并确定其加密采样区域相关的加密样本点，能够确保每次迭代加密样本点的全局最优性，有效地提高样本点数据的代表性和无偏性，保证了样本点数据分析评价的准确性和可靠性。

摘要： 本发明提供一种基于线段优化的样本点加密方法及系统，包括：确定目标稀疏样本点及其相邻样本点，并根据目标稀疏样本点与每个相邻样本点的连线的中垂线确定加密采样区域；对加密采样区域进行线段离散化，以确定所有待选样本点；再从所有待选样本点中筛选出所需的待选样本点作为加密样本点，对稀疏区域进行样本点加密处理；迭代执行上述步骤，直至采样区域内不存在稀疏样本点。本发明提供的样本点加密方法及系统，通过迭代的方式，依次确定当前样本点空间布局中目标稀疏样本点，再确定相应的加密采样区域，进而基于线段离散化处理确定加密样本点，能够有效地避免样本点聚集情况的发生，从而提高样本点数据的代表性和无偏性，且加密速度快、效率高。

摘要： 本发明涉及一种遥控式大批量样本点源辐照架，其包括若干同竖向轴心线水平间隔设置的扇形支撑面，各所述扇形支撑面上间隔设有若干同心的圆弧线标记刻度；若干支撑杆，竖立支撑连接在所述若干扇形支撑面周围；遥控运动机构，包括若干轮子、电机、载动无线收发模块和遥控装置。本发明所提供的大批量样本点源辐射架，可最大程度利用辐射场宝贵空间，节约摆放、撤收样本时间，从而既可以实现点辐射源大批量高剂量辐射，又可以使受照对象在辐照后能够安全快速离开辐射源，解决了该类型实验中亟待解决的难题，使得实验效率有效提高，实验开展更加科学合理，数据结果更加准确。

摘要： 本发明提出了一种基于样本边缘点内部点的单类支持向量机核参数优化方法，对目标类数据集样本进行归一化处理；根据每一个样本点与其近邻样本的几何关系，选择样本的边缘点与内部点；寻找每个边缘点与内部点在指定样本集中的最近邻与最远邻；根据样本的空间分布情况，确定核参数的备选集合；以核参数备选集合中的每一个参数值，构造对应的高斯核函数；计算核参数合适程度指标，将合适程度指标最大值所对应的参数值作为最优核参数值。本发明能够实现单类支持向量机核参数的自动优化，优化过程不需要训练单类支持向量机，优化所得参数使单类支持向量机分类准确率高，本发明在故障检测、新异点检测领域有广阔的应用前景。

摘要： 本发明涉及一种基于样本点显著性的高斯过程回归序贯设计方法，包括初始建模阶段和序贯设计阶段，初始建模阶段得到初始输入参数集，序贯设计阶段中，先对初始输入参数集进行聚类分析，接着根据每个类别中的样本点的显著性样本率，从剩余样本集中挑选出合适的样本点添加到每个类别中与初始建模样本点融合，然后基于预设的添加样本点的调节因子以及每个类别的显著性样本率，得到每个类别的添加样本量，最后基于添加样本量进行样本点添加。因此，本发明提供的方法并非直接采用高斯过程回归对其建模，而是序贯性增加建模样本量，提升了估计值和预测值稳定性，降低了计算复杂度以及计算耗时，提高建模效率。

摘要： 本发明公开了一种优化载荷样本点空间布局的抽样方法，涉及随机抽样技术领域，解决了载荷样本点空间分布不够均匀的技术问题，其技术方案要点是考虑了所有最小距离的方差，能够跳出局部最优的缺陷，实现载荷样本空间的均匀分布，为后续拟合计算提供合理的样本点；在高维的算法上，采用逐阶优化的思想，保证了在增加载荷变量的情况下，无需重新进行载荷样本点的抽取，保留了原先载荷数据的有效性，节约了计算时间；为高效的解决载荷不确定性样本抽取的问题提供了方法，具有实际的工程意义。