根据连铸坯表面图像的特点,提出了一种基于Contourlet变换的连铸坯表面缺陷识别方法.通过Contourlet变换将样本图像分解成不同尺度和方向的子带,提取子带的Contourlet系数特征,并结合样本图像的纹理特征,得到一个高维的特征向量.利用监督核保局投影算法对高维特征向量进行降维,将降维后的低维特征向量输入支持向量机,对连铸坯表面图像进行分类识别.对现场采集到的裂纹、氧化铁皮、光照不均和渣痕四类样本图像进行实验,本文提出的识别方法对样本图像的识别率可达94.35%,优于基于Gabor小波的识别方法

为实现弹药传输机械臂中不可测参数的辨识,建立了机械臂的虚拟样机,并将其作为样本数据的来源;考虑到样本数据的连续性和平滑特性,使用函数型数据分析和函数型主成分分析对样本数据进行了特征提取,并利用提取的特征参数和待辨识参数作为训练样本对极限学习机(ELM)进行了训练.为提高极限学习机的辨识精度和泛化能力,利用粒子群算法对极限学习机的输入层与隐含层的连接权值和隐含层节点的阈值进行了优化.最后,分别利用仿真数据与测试数据对此方法进行了验证,仿真数据的辨识结果表明,优化后的极限学习机具有更高的辨识精度和泛化能力;同时,通过对比将测试数据的辨识结果代入模型中进行仿真得到的支臂角速度与测试角速度,验证了此方法的可行性和有效性

利用K均值聚类和增量学习算法扩大训练样本规模,提出一种改进的mRMR SBC.一方面,利用K均值聚类预测测试样本的类标签,将已标记的测试样本添加到训练集中,并在属性选择过程中引入一个调节因子以降低K均值聚类误标记带来的风险.另一方面,从测试样本集中选择有助于提高当前分类器精度的实例,把它加入到训练集中,来增量地修正贝叶斯分类器的参数.实验结果表明,与mRMR SBC相比,所提方法具有较好的分类效果,适于解决高维且含有较少类标签的数据集分类问题

之所以用零来修饰原假设,其原因是原假 设的内容总是没有差异或没有改变,或变 量间没有关系等等。零假设总是一个与总体参数有关的问题, 所以总是用希腊字母表示。关于样本统计 量如样本均值或样本均值之差的零假设是 没有意义的,因为样本统计量是已知的, 当然能说出它们等于几或是否相等

针对装备各类故障样本分布不平衡、现有算法故障诊断精度较低的问题，通过引入p范数约束多核极限学习机和基于AdaBoost的集成学习策略，定义了一种p范数约束下正则化加权多核集成极限学习机的故障诊断模型。首先，在p范数约束下，基于各类故障样本自身规模，分别进行了两种自适应的样本权重分配；其次，在每层分类器的优化中，将多核学习的多源数据融合能力和极限学习机运算高效的特点相结合，同时，将样本的权重$ {\\boldsymbol{W}} $

一、填空题 1.公共关系程序的四步曲是:① ③ ④ 2.抽样调查亦称为 3.影响样本质量的因素主要是样本和样本的其中样本的决定

1.要求学生掌握数理统计的基本概念,如总体、样本、样本分布函数、样本函数、统计量等。 2.会求样本分布函数,作直方图等处理数据的常用方法

岩石结构面的定量化描述对于理解结构面的力学性质至关重要,投影覆盖分形描述法是结构面定量化表征的主要方法之一.然而,投影覆盖法计算结构面分形维数时存在三角形单元划分的缺陷.从概率分析角度考虑,将随机数应用于三角形单元的划分中,提出了基于随机数估算结构面分维数的投影覆盖法.应用改进投影覆盖法计算了红砂岩结构面的分维数,获得了120个分维值,并将其作为一个分维数样本;然后分析了此样本的分布特征,并将样本均值作为结构面分维数的精准值.实例分析证明,采用改进投影覆盖法所获分维数样本是来自正太分布总体;投影覆盖法计算的分维数几乎是改进投影覆盖法所获结果的极限值;基于随机数进行三角形单元划分更符合实际结构面形貌特征,从而计算的分维数更精准

定义设X是具有分布函数F的随机变量,若 X1X2X是具有同一分布函数F的,相互独立 的随机变量,则称X12,为从分布函数F( 或总体F,或总体得到的容量为n的简单随机 样本,简称样本,它们的观察值x1x2xn称为 样本值,又称为X的n个独立的观察值

4.1判别分析的基本思想 一、什么是判别分析? 判别分析根据已知对象的某些观测指标和所属类别来判断未知对象所属类别的一种统计学方法。 如何判断(判断依据)?利用已知类别的样本信息求判别函数,根据判别函数对未知样本所属类别进行判别判别分析的特点(基本思想) 1、是根据已掌握的、历史上若干样本的p个指标数据及所属类别的信息,总结出该事物分类的规律性,建立判别公式和判别准则。 2、根据总结出来的判别公式和判别准则,判别未知类别的样本点所属的类别判别分析的目的:识别一个个体所属类别