样本选取

摘要： 食品检测是检查、判定食品是否安全的重要手段,也是保障食品安全的关键,通过分析、对比检测结果可了解食品安全等级,为食品安全监管提供数据参考。基于此,本文分析了影响食品检测结果准确性的因素,并提出相应的控制措施,为保证检测结果准确性提供参考。

摘要： 本文对地基基础检测的重要性进行了分析,围绕地基检测的具体方法以及适用的检测对象、基础及基础锚杆检测的内容以及对应的检测方法、桩基础检测过程中的常见问题及解决策略、地基基础检测方案制定过程及具体检测过程中的常见问题及解决方式进行了介绍,供参考。

摘要： 地震层位拾取是构造解释、地震反演和储层预测等工作的基础。现有的地震层位智能拾取方法常常没有充分利用地震数据及属性对训练样本选取、网络建模和结果分析等进行质控。为此,提出一种基于样本选取和多种质控的地震层位智能拾取方法。该方法采用一种考虑数据集生成方向、训练样本尺度大小和标签错误程度的样本选取策略实现基于U型神经网络的层位智能拾取,并引入层拉平、层位闭合、等t_(0)图、地质导向相位切片和均方根振幅切片等地球物理质控手段检验样本选取策略的合理性,指导构建最佳的智能拾取模型,从而实现了多套目的层位的同时拾取,保证了层位拾取的可靠性与合理性。三维裂缝物理模拟数据和三维实际数据试验结果表明:①沿地质结构特征复杂方向准备的地震样本与标签,所建立的层位智能解释模型刻画断层细节和裂缝内幕的能力更强;②使用大尺度的地震剖面训练网络拾取层位效果更好,刻画层位细节更丰富,一定程度上能减少地质假象的产生;③在层位上下15 ms范围内标签随机出错20%时,U型神经网络仍然能够准确拾取目的层位;④样本尺度大小较数据集生成方向更能影响层位智能拾取模型的泛化性。

摘要： 风吹稻田千层浪,又是一年丰收时。目前,水稻已进入收获期。为确保秋粮丰收,全面掌握今年水稻生产情况,取得粮食单产的第一手数据,市农业新技术推广协会特邀多名专家齐聚如东曹埠镇苏新家庭农场共同参与见证南粳9108实收测产。技术人员现场开展了踏田估产,对抽样方进行现场定位、地块实测、样本选取、水稻实割等工作。

摘要： 一、研究设计与样本选取第一,研究方法及工具。本文采用内容分析法,借助NVivoll软件,基于既有的经济影响四重分类方法对10份报告进行内容挖掘和关键要素分析,梳理其服务区域经济的理念及贡献方式,从而识别大学服务经济发展的路径。内容分析法适合分析多个领域的文本资料,意义在于它能对数据资料进行编码和分类,从而理清或探究资料中深层次、本质性的事实或趋势。

摘要： 一、研究背景与研究设计(一)研究背景。第一,大学贡献区域经济社会的活动。第二,大学对区域经济影响的分类。(二)研究设计与样本选取。第一,研究方法及工具。本文采用内容分析法,借助NVivo11软件,基于既有的经济影响四重分类方法对10份报告进行内容挖掘和关键要素分析,梳理其服务区域经济的理念及贡献方式,从而识别大学服务经济发展的路径。第二,研究对象及样本。本文的分析资料均来源于10所高校官方网站公开的信息,包括校训,办学理念、项目信息和经济影响年度报告等。

摘要： 本文以2018年北京市A股主板上市公司多渠道披露的精准扶贫信息为研究对象,总结了2018年北京市上市公司精准扶贫信息的总体参与情况,并对其披露比例和扶贫投入额进行了数据统计和现状分析,总结得出了现阶段北京市上市公司精准扶贫信息披露具有的三个特征.

摘要： 一、问题提出与文献回顾本文想要探究如下问题:高校文科青年教师面对日常工作要求时表现出哪些策略性行为?遵循怎样的行动逻辑?以上策略性行为及行动逻辑产生的因素是什么?二、研究设计(一)研究方法及样本选取。尽管教师的行动选择是可见的,但是行动背后所遵循的逻辑却是隐藏的,因此研究采用质性研究的方式深挖现象背后的含义。

摘要： —、研究议题对于高校和青年博士而言,师资博士后到底是怎样一种角色?据此,在微观层面进行质性研究非常必要,本文探析师资博士后的真实处境和内心状态.二、研究设计(一)理论框架。(二)研究方法。(三)样本选取,(四)研究实施。三、研究结果与分析(一)“青椒生力军”的角色期待.1.从何处来:师资博士后的遴选激励。2.有何作为:师资博士后的多重职责。

摘要： 故障样本选取是开展武器装备测试性试验证验首要的、重要的环节,也是测试性验证试验设计的重要内容之一.本文针对在故障样本选取工作中出现的样本充分性和故障有限注入的矛盾,从样本量的确定和样本结构的合理构建这两个方面介绍了故障选取的一般方法,并分析了这些方法的优、缺点和使用条件,对装备测试性试验工作的开展具有极大的帮助.

摘要： 研究和比较了几种经典的决策树算法,提出了一种基于样本选取的通用决策树改进算法。该算法基于决策树精度与样本相关性较大以及决策树只能得到局部最优解等事实,通过不断迭代,寻找较优样本。从而在不改变决策树算法的前提下,得到比较好分类的决策树算法。该算法不针对某个决策树,只利用输入和输出的一些反馈信息进行迭代,因此通用性较好。经实验证明,用该方法有效提高了决策树分类算法的精度。

摘要： KNN算法对错误标识的训练样本和那些处在各类样本边界处的新文本的分类比较敏感，往往会导致难以得到理想的分类效果。所以说训练样本集选取的好坏是KNN算法进行文本分类的关键。为此，本文提出一种基于粗糙集和分布密度理论相结合的KNN分类样本选择方法，先利用粗糙集理论的下近似集从训练文本中选取出典型的文本类别样本，同时消除那些被错误标识的样本，然后再用基于密度的KNN分类训练样本选取方法，使训练样本分布尽量均匀，从而保证了KNN分类器的准确率。实验结果表明，该分类样本选取方法能改进KNN文本分类系统的性能。

摘要： 本文基于Marshall-Olkin扩展指数分布具有指数分布无记忆性的特征,提出了Marshall-Olkin扩展指数分布应用于可靠性试验方案的方法.对Marshall-Olkin扩展指数分布应用于可靠性试验的原理进行了分析,给出了在不同分布下的样本选取方案,确定特征函数值,以及方案详细的应用方法.通过与其他分布的可靠性试验方案比较,应用Marshall-Olkin扩展指数分布可靠性试验方案可以减小可靠性试验的检验成本,提高检验效率.

摘要： 本发明提供一种GIS断路器触头温度计算中样本数据集的选取方法，包括以下步骤：S1：对GIS断路器触头温度进行非线性拟合前，采用X轴每隔两个单位取点法、与X轴夹角45°时每隔两个单位取点法、Y轴与等温线相交处取点法和不同区域随机取点法进行样本数据集获取；S2：将S1获取的数据通过优化预处理选取最优的数据集用于后续的计算。本发明考虑不同数据采集方式，相比已有的计算GIS触头温度时的数据选取方式，该方法的数据划分更加趋于合理，更有利于减少系统误差，可提高触头温度计算精度，提高输电线路运行的可靠性。

摘要： 本发明涉及一种降水事件引导的遥感降水反演训练样本自适应选取方法。所述方法包括：获取降水二值图，采用分类算法对降水区域进行连通域划分得到多个降水连通域；对于任意一个降水连通域，根据降水连通域的像素数、降水区域的像素数和预设降水样本数量得到降水连通域的取样数量；根据降水连通域的取样数量和降水连通域的像素数对降水连通域的像素进行取样，得到降水连通域的降水样本；对非降水区域的像素进行随机取样得到非降水样本；确定所有降水连通域的降水样本和非降水样本为降水反演训练样本。本发明能够同时满足训练样本的代表性和反演模型的普适性，以提高反演模型的反演精度。

摘要： 本发明涉及一种样本长度对混沌特征的影响及样本长度的选取方法，分析了样本长度对混沌特征的影响以及能取到的较短长度且特征处于稳定状态。首先将不同类型目标信号的实测数据作为样本；再对实测数据序列进行相空间重构；然后采用G‑P法来计算目标信号的关联维数；根据BBA算法计算目标信号的最大Lyapunov指数；采用最大似然估计法计算目标信号的Kolmogorov熵；完成关联维数、最大Lyapunov指数和Kolmogorov熵的提取之后，最后分析样本长度对混沌特征的影响以及能取到的较短长度且特征处于稳定状态，这样就可以减少估算实验数据的一个时间成本。

摘要： 本发明给出了一种基于多特征的舰船辐射噪声样本长度选取方法与系统，包括以不同的样本长度对舰船辐射噪声进行分割，形成不同的舰船辐射噪声样本集；分别对每个所述舰船辐射噪声样本集进行特征提取，所述特征提取包括分别提取多种特征；针对每个所述舰船辐射噪声样本集，将提取出的每种特征分别输入到分类器中进行训练，计算出每种特征对应的识别率；针对每种特征根据其对应的识别率确定样本长度和识别率的关联信息，对每种特征所得到的所述关联信息进行综合判决，从而选取出所需的样本长度。本发明相较于传统的随机选取样本长度的方式，增加了样本携带的信息量，减少后续过程的处理时间。

摘要： 本申请公开了一种病理样本的选取方法、装置、设备、存储介质及程序产品，涉及人工智能技术领域。所述方法包括：获取多个病理样本分别对应的透射光图像和反射光图像；基于各个病理样本分别对应的透射光图像和反射光图像，确定各个病理样本分别对应的病理区域；基于各个病理样本分别对应的病理区域，从多个病理样本中选取目标病理样本。本申请实施例提供的技术方案，通过基于病理样本的透射光图像和反射光图像，自动定位出病理样本中的病理区域，避免了人工方式下的病理区域定位，所导致的病理样本的不够完整和不够真实的问题，从而提高了病理区域的定位准确性，进而提高了病理样本的选取准确性。

摘要： 本发明提供了一种基于高斯过程回归的试验样本点选取方法，包括：在仿真数据进行性态分析的过程中，确定高斯过程回归模型的核函数；确定误差响应函数；获取实际工程问题中性能测试的历史数据，生成训练数据集；导入训练数据集，运用高斯过程回归模型，确定核函数的初始化超参数；进行初始化试验构建；运用高斯过程回归模型进行采样的迭代优化，选取最优采样点集合；迭代优化结束后，输出选取的最优采样点集合。本发明解决了现有技术中试验样本点选取效率低的问题。

摘要： 本公开提供了用于优化翻译模型的样本语料的选取方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及自然语言处理、机器翻译、深度学习等人工智能技术领域。该方法的一具体实施方式包括：获取第一语料后，利用待优化翻译模型翻译该第一语料得到语种类型不同的第二语料，再利用该待优化翻译模型翻译该第二语料得到第三语料，然后，基于第一语料与第三语料的相似度确定第一语料的难度等级，最后，在该难度等级满足等级阈值要求时进行响应，将该第一语料确定为用于对该待优化翻译模型进行优化训练的样本语料。该实施方式提供的用于优化翻译模型的样本语料的选取方法，能够准确筛选出对当前模型效果有实际优化效果的样本语料。

摘要： 本发明涉及一种基于客户域的零售客户需求信息样本选取方法及装置，属于大数据挖掘和客户分类管理技术领域。本发明以客户经营特征、市场特征两个维度的数据特征为依据，对零售客户进行同质化划分，产生具有共同经营特征和消费群体的零售客户域；通过经营的连续性特征、平稳性特征、诚信经营特征精选标本；以月均购进量、月均单条值、品牌宽度为特征复合计算样本综合指数，以域内成员样本综合指数的均值为中心，按比例选取样本；通过历史数据对样本的覆盖率进行验证，递归校验，选取最优样本。本发明的样本选取方法能够兼顾样本的同质性和代表性，保证了筛选出的样本的覆盖率和全面性，为后续的数据分析提供了准确的数据源。

摘要： 本公开提供了一种标注样本选取方法、装置、电子设备和存储介质，涉及计算机技术领域，具体为人工智能、深度学习技术领域。具体实现方案为：确定样本特征的第一属性和第二属性；第一属性和第二属性分别是样本特征在源领域样本集的特征属性和样本特征在目标领域样本集的特征属性；根据第一属性和第二属性，在源领域样本集的多个候选标注样本中确定目标标注样本；目标标注样本用于训练分类模型，分类模型包括用于对输入的待分类样本进行分析以确定情感极性的模型。

摘要： 本发明提供了一种极端尺度目标检测的正负样本选取方法，包括以下步骤：步骤1：按照目标真实值包围盒面积降序排列；步骤2：计算每个真实值包围盒与所有Anchor的Distance值；步骤3：计算负训练样本的Distance阈值；步骤4：设定超参数k的值；步骤5：分配所有目标的负训练样本；步骤6：分配所有目标的正训练样本；步骤7：对于不是正训练样本，也不是负训练样本的Anchor直接丢弃；步骤8：输出所有目标的各自正负训练样本，用于后续目标检测的训练。本发明可以为目标分配到更合适的训练样本，从而提高极端尺度目标的检测效果，进一步提高召回率。