样本选择

摘要： 近红外光谱因为具有小成本、易操作、低耗时等优点,所以广泛用于食品领域。作为一种间接的检测方法,近红外光谱检测需要建立光谱和浓度之间的统计模型。但是,一种条件下建立的模型在另一种检测条件下会失效。针对此问题,重新建模可以加以解决,但是重新建立光谱与浓度之间的模型非常繁琐耗时。此时,模型转移可以在避免重新建模的情况下,通过光谱校正,保证预测精度。在模型转移中,已经建立好模型的光谱称为主光谱(A),不用建立模型,而只用主光谱模型预测的光谱称为从光谱(B)。模型转移方法的步骤是,先在校正集中选择一些样本作为主光谱的转移集(A_(t)),然后选择从光谱中浓度和A_(t)相同的光谱,以此作为从光谱的转移集(B_(t))。通过A_(t)和B_(t)构建模型转移矩阵。最后将需要校正的从光谱(B_(v))乘以上述的转移矩阵中,即可获得校正后的从光谱(B_(new))。此时,B_(new)就可以用主光谱的模型来直接预测。在模型转移中,转移集样本的选择对模型校正至关重要。目前,转移集的样本通常从光谱之间的距离而非模型转移误差获得。但是,转移误差对模型转移结果的验证至关重要,故该研究出了基于集群分析的集群优化法(ER)并将其用于优化KS方法产生的转移集样本。ER先用随机方法建立转移集的多个子集合,并计算每个子集合的转移误差。然后,对某一个样本,计算包含这个样本的子集合转移误差均值。最后,选择转移误差均值较低的样本作为新转移集样本进行模型转移。以玉米数据测试了ER算法。结果显示,对于典型相关分析-有信息成分提取法(CCA-ICE)、直接校正法(DS)、分段直接校正法(PDS)、光谱空间转化法(SST)这些常见的模型转移方法,相比于KS样本选择方法,ER方法可以找出重要的转移集样本,进而显著降低模型转移误差。

摘要： 支持向量机因具有卓越的分类效果和坚实的理论基础而成为了近年来模式识别、机器学习以及数据挖掘等领域中最重要的分类方法之一。然而,其训练时间会随样本增多而明显增长,并且在处理多分类问题时模型训练会更加复杂。为解决上述问题,给出了一种适于多分类问题的训练数据快速约简方法MOIS。该方法以聚类中心为参照点,在删除掉冗余训练样本的同时,选择起决定作用的边界样本来大幅度约简训练数据,并消减类别间的分布不均衡问题。实验结果表明,MOIS在保持甚至提高支持向量机分类效果的同时,能大幅提高训练效率。例如,在Optdigit数据集上,利用所提方法使分类准确率由98.94%提高到99.05%的同时,训练时间缩短到原来的15%;又如,在HCL2000前100类构成的数据集上,在准确率略有提高的情况下(由99.29%提高到99.30%),训练时间更是大幅缩短到不足原来的6%。另外,MOIS本身具有很高的运行效率。

摘要： 1.引言作为一种“互联网+外贸”的新贸易业态,跨境电商以交易灵活便捷、成本低廉等特点使其在国际贸易领域迅猛发展。本文借助citespace软件梳理2014~2020年CNKI数据库核心文献,分析研究现状、探究目前跨境电商研究热点,以构建我国跨境电商知识图谱。2.样本选择为了保障研究样本的权威性、有效性与广泛性,本文选取CNKI南大核心期刊数据库中被收录的文献作为研究样本来源。介于中文跨境电商核心期刊文献从2014开始发表,所以设置检索时间跨度为2014年-2020年进行检索。

摘要： 对预测结果准确排序是端到端目标检测的关键。已有的端到端检测器将分类和定位当作独立任务,减少了两者之间的关联,导致利用分类分数排序的结果不可靠,降低了检测性能。针对上述问题,本文从样本选择、损失函数和网络结构三个方面进行了优化,提高了两者之间的一致性。首先利用分类和定位的排序结果计算样本选择的代价矩阵,并优先考虑分类和定位一致性大的样本作为正样本。另外,使用基于任务关联的损失函数训练分类器,学习同时表示目标分类精度和定位准确度的分数。考虑到分类和定位对特征需求的差异,在头部检测网络中引入特征对齐层,缓解了分类和定位之间的冲突。在COCO数据集上,基于任务关联的端到端目标检测算法的性能优于许多优秀的检测器。

摘要： 样本选择具有代表性、调查方法科学是保证移民安置本底调查和监督评估质量的前提。文章结合山东省己实施的大型水利水电工程征地补偿及移民安置监督评估实践,对大型水利水电工程移民安置本底调查样本选择原则、样本选择方法、调查方法及调查实施路径等进行了初步探讨,希望能给类似工程项目提供参考。

摘要： 样本选择是模型转移的重要组成部分,其目的是在主光谱和从光谱中选择合适的样本,建立二者的转移模型,使得从光谱的预测样本能通过转移模型校正成类似于主光谱的样本,进而用主光谱的模型直接预测其浓度.目前,常用的样本选择算法有:Kennard-Stone法(KS法),SPXY法和SPXYE法.根据上述算法的特点,提出了一种新的样本选择方法:加权SPXYE法(WSPXYE法),进而将其用于选择合适的转移集样本.WSPXYE同样先计算样本间的距离,其距离有三个部分组成:光谱(X)之间的归一化距离dxs,浓度(y)之间的归一化距离dys,以及校正误差(e)之间的归一化距离des.其加权代数和dwspxye=αdxs+βdys+(1-α-β)des即为WSPXYE距离.计算了WSPXYE距离之后,可以根据其距离选择距离较大的样本作为转移集样本.WSPXYE是Kennard-Stone法(KS法),SPXY法和SPXYE法的推广,而KS法(α=1,β=0)、SPXY法(α=0.5,β=0.5)以及SPXYE法(α=0.333,β=0.333)则是WSPXYE法的特例.直接校正法(DS)、有信息成分提取-典型相关分析法(CCA-ICE)作为模型转移算法验证了WSPXYE方法的效果.结果显示,与KS法、SPXY法以及SPXYE法相比,WSPXYE法可以通过调节参数,选择合适的样本,获得较低的误差.

摘要： 为解决人工智能中莫拉维克悖论提出的问题,基于因素空间思想提出一种人工智能样本选择策略.首先通过因素空间论证了莫拉维克悖论的证确定.其次论述了人的选择过程即是比较过程的论断.认为人选择样本需经过三次选择,分别为选择适合的因素、因素概念相和因素量化相,样本空间中样本在这三次选择中逐渐减少最终唯一.最终为实现策略,划分了研究对象,建立了选择策略层次结构,从而建立了人工智能样本选择策略网络模型.实例分析表明:过程中操作基本是因素及因素相的运算,之后才涉及少量的相测量和数据计算.该策略是人对样本的选择过程,也是人工智能样本选择应具备的策略.

摘要： 目的 探索手足口病病毒核酸检测多类型样本间的阳性率差异,为手足口病病毒核酸检测样本类型选择提供依据.方法 选取2017年1月至2019年12月本院收治的385例手足口患儿为研究对象.采用荧光定量RT-PCR实时荧光探针技术同步进行病毒核酸检测肠道病毒EV通用型、肠道病毒71型(enterovirus 71,EV71)、柯萨奇病毒A组16型(coxsackie virus A16,CV-A16)及其他肠道病毒型,并统计分析结果.结果 第一组279例患儿肛拭EV通用型、EV71、CV-A16和肠道病毒其他型阳性率为81.00％、43.72％、30.47％、6.81％,高于咽拭子的67.38％、34.40％、26.52％、6.45％.肛拭标本肠道病毒检测的EV通用型和EV71的阳性检出率均明显高于同步检测的咽拭标本,差异有统计学意义(P<0.05).第二组106例患儿肛拭EV通用型、EV71、CV-A16和肠道病毒其他型阳性率为79.24％、42.45％、30.18％、6.60％,低于疱疹液的92.45％、56.60％、29.24％、6.60％,肛拭标本肠道病毒EV通用型,EV71阳性检出率均明显低于同步检测的疱疹液标本,差异有统计学意义(P<0.05).结论 3种类型标本间检出率存在明显差异,建议今后手足口病病毒核酸检测在患者实际条件允许的情况下,尽量同步送检两个类型的标本,首选疱疹液标本送检,肛拭标本次之,咽拭子为末选.

摘要： 从参与就业、工作时长、小时工资和月工资分析城镇最低生活保障政策对劳动力就业的作用机制.研究结果显示,错保家庭劳动力与非低保家庭劳动力之间在就业参与上并不存在显著差异.错保家庭劳动力的月工资、月工作时长和小时工资都显著低于非低保家庭劳动力的水平,这体现出低保对错保家庭的劳动力具有显著的劳动力供给负向激励.进一步的分析结果表明,错保家庭劳动力和非低保家庭劳动力在月工资、小时工资上的差异主要由结构特征决定,个体特征效应的作用低于50％.基于此,城镇最低生活保障制度体系在救助目的、配套福利政策以及审核违约方面有待进一步完善.同时,应对相应的就业激励政策进行研究,以促进低保家庭的劳动供给.

摘要： 主动学习能够在有标记样本较少的分类任务中得到较好的分类结果,其中熵值装袋算法最为常用,其利用熵值来衡量样本的不确定性,但熵值并不能完全地代表样本的不确定度.针对这一问题,本文提出二次样本筛选的分类算法,通过超像素分割进行边缘区域样本筛选,选择出不确定度较高的样本.利用熵值装袋算法对区域筛选样本进行二次筛选,选择信息量较高的样本.实验表明,该方法可以得到更理想的分类效果.

摘要： 本文提出了—种加权免疫克隆样本选择与特征选择融合的算法.这种算法打破传统,将样本选择与特征选择这两种原本独立进行的分类识别过程结合起来,以获得性能更好的学习机.该种算法首先用支持向量机(SVM)训练测试的方法对分类性能好的特征赋予更大的权值,并将权值高的特征选择出来,再利用加权免疫克隆样本选择算法(WICIsA)对这些特征构成的新样本集进行选择,最终选择出对识别效果有利的特征和样本.本文使用UCI数据库中的sonar数据对该算法进行了实验,结果表明,该算法可以在大幅度降低样本和特征数目的同时提高分类器的识别精度,并在一定程度上精简了计算的复杂度,缩短了分类时间.

摘要： 调整成本对资本结构调整速度的影响是公司财务领域的热点话题.由于调整成本难以直接衡量,基于特定调整成本变量分组后比较调整速度的差异是主流的研究方法,银行授信正好是一种良好的调整成本衡量工具.然而,授信分组存在样本选择偏误,使得调整速度的估计有偏.本文将资本结构调整的动态性与授信指标分组的样本选择偏误放在同一个框架下进行研究,发现只有当控制了样本选择偏误的条件下,获得授信的公司才能表现出较快的调整速度.本文不仅为资本结构的动态权衡理论提供了支持,更突出了控制分组回归中样本选择偏误的重要性.

摘要： Heckman模型是处理样本选择问题的标准工具,其截距项的估计可以应用于平均处理效应估计、工资差异分解等问题.无穷处识别方法是Heckman模型截距项的一种重要的半参数估计方法,但存在窗宽参数难以选取的问题.本文通过把无穷处识别转化为边界处识别,提出Heckman模型截距项的一种核估计方法,并利用经验法则解决窗宽选取问题.模拟结果显示,利用经验法则选取的窗宽在不同的模型设定下均能达到或接近最优水平.

摘要： Sample selection:sample is not representative of the populationof interest.exogenous sampling:sampling is based on conditioning variable(s is a deterministic function of x).endogenous sampling:sampling is based on response variable(sis a deterministic function of y).IPW applies generally to any estimation problem that involvesminimization or maximization.IPW M-estimator can be used in linear and nonlinear models(such as probit or tobit models).Use bootstrap to make accurate inference.

摘要： 针对训练样本集中含有噪声样本、冗余样本以及无关样本,导致分类系统分类性能下降、不稳定的水声目标识别问题,提出了一种新的自适应免疫克隆样本选择算法(AICISA).算法先随机生成初始种群,接着利用克隆复制、自适应抗体更新操作(自适应交叉和简化最近邻变异)和克隆选择指导种群进化,每代中,对分类贡献越大且选择的样本数目越少的抗体,其亲合度值越高.提取了4类实测水声目标的多域特征,进行样本选择和分类识别仿真实验,结果表明:AICISA在样本数目下降90％左右的情况下,支持向量机分类器的正确分类率能提高约10％;AICISA具有较好的收敛性、稳定性,所得优化样本子集具有较好泛化能力且能明显减少分类的时间.

摘要： 以某B 型车后桥在标准试车场测得的载荷谱为例,提出运用疲劳统计学母体存活率估计量和向量模相结合的基本数学方法,建立多参数条件下选取存活率为50%载荷谱样本的法则,阐明获取具有一定存活率条件下的载荷谱样本选取方法。

摘要： 保障建筑材料的质量,是在建筑工程施工中保障施工质量的必要手段,建材原材料质量的好坏密切的关系着最终成品的质量.本文就主要对建筑材料质量检制及控制措施进行了简要分析.

摘要： 保障建筑材料的质量,是在建筑工程施工中保障施工质量的必要手段,建材原材料质量的好坏密切的关系着最终成品的质量.本文就主要对建筑材料质量检制及控制措施进行了简要分析.

摘要： 保障建筑材料的质量,是在建筑工程施工中保障施工质量的必要手段,建材原材料质量的好坏密切的关系着最终成品的质量.本文就主要对建筑材料质量检制及控制措施进行了简要分析.

摘要： 保障建筑材料的质量,是在建筑工程施工中保障施工质量的必要手段,建材原材料质量的好坏密切的关系着最终成品的质量.本文就主要对建筑材料质量检制及控制措施进行了简要分析.

摘要： 对不同的样本执行动电处理包括标识适合于在每个样本的处理中使用的电信号。电信号的标识导致针对不同的样本标识不同的电信号。样本的动电处理导致样本被暴露于针对该样本标识的电信号。相应地，不同的样本被暴露于不同的电信号。动电处理采用一个或多个动电现象来引起在样本之内的一个或多个试剂相对于样本的移动。在某些情况下，该方法还包括使用动电处理的样本中的每个来生成电化学样本并且然后对电化学样本中的每个执行电化学分析。

摘要： 本发明提供了基于样本概率的训练样本随机选择深度学习方法，属于信息技术领域；用于深度学习多类目标检测的标注数据中的多类目标数量通常是不均衡的；为解决此问题，本发明在深度学习多类目标检测框架中调整每个批次样本出现的概率，使得每一类别目标的出现数量尽可能接近，同时保持有目标正样本和无目标负样本训练样本数量维持一个合理的比例，从而整体提高训练模型的目标检测精度；本发明中的方法，能够实现深度学习在处理大数据的时候，通过调控不同样本的出现概率，使得每个类别目标出现的概率保持一致，提高多类目标的识别精度mAP；并且动态的调节训练样本出现的概率，使得困难样本被选择的概率增大，大幅度提高学习效率和精度。

摘要： 样本可选择更新机制的目标跟踪方法、重新记忆有效样本的方法和距离估计方法，属于运动目标跟踪处理技术领域，为了解决错误的跟踪结果对跟踪算法产生影响的问题，要点是第三步，利用图像特征遗忘方法对跟踪结果进行分析，提取目标区域的图像特征与参考图像进行比对，将差距过大的跟踪结果进行遗忘；第四步，利用能量显著记忆方法对第三步的遗忘的跟踪结果进行校验，提取遗忘结果目标区域的梯度能量做显著性分析，将包含目标的跟踪结果重新记忆进样本库，而其他不包含跟踪目标的结果维持遗忘操作，返回第二步或结束跟踪，效果是适用于所有的判别模型类目标跟踪方法，可以避免训练集被遮挡物的特征信息污染，提高目标跟踪方法对目标遮挡的适应性。

摘要： 对不同的样本执行动电处理包括标识适合于在每个样本的处理中使用的电信号。电信号的标识导致针对不同的样本标识不同的电信号。样本的动电处理导致样本被暴露于针对该样本标识的电信号。相应地，不同的样本被暴露于不同的电信号。动电处理采用一个或多个动电现象来引起在样本之内的一个或多个试剂相对于样本的移动。在某些情况下，该方法还包括使用动电处理的样本中的每个来生成电化学样本并且然后对电化学样本中的每个执行电化学分析。

摘要： 本发明涉及一种可以用于在液相色谱装置中使用的多功能选择器阀，更具体地涉及一种具有多端口的多功能选择器阀，在多功能选择器阀的一部分上，所述多端口可以连接到样本隔离柱的两个端部，并且该多功能选择器阀包括：流体通过模式，导入的流体在没有通过样本隔离柱的情况下被排出；柱通过模式，导入的流体通过样本隔离柱被排出；以及流体闭塞模式，防止流体进入内部。而且，使用本发明的多功能选择器阀使得能够借助改变其流体移动通过而在反相液相色谱装置上根据需要实现在线胶溶功能、一维隔离功能和二维隔离功能。

摘要： 本发明公开了基于Transformer网络选择性蒸馏的零样本跨模态检索方法，涉及计算机视觉中的零样本跨模态检索分支领域，解决现有过分专注于类别信息的学习会使得模型忽略实例级的差异，造成泛化能力的下降的技术问题，包括使用监督训练的方式对教师模型进行微调提高了预测的准确性，同时利用原型集构建的语义相似度矩阵对所述多模态分类模型进行选择性知识蒸馏提高模型的泛化能力，采用Transformer为基础结构的模型具有更全面的感受野以及更好的特征提取能力。同时基于实例级信息的原型集适应性调整也保证了模型实例级信息的学习。

摘要： 本发明公开了一种面向多目标训练对象可选择的灰盒的对抗样本生成方法，包括：步骤1：预处理：设定修改对象，设定差分进化迭代次数和种群大小；步骤2：图像分割：这一步的主要目的是将待修改图片，根据像素点四方向上相邻颜色的相似程度，分割成多个颜色相近的小区域，如果邻域内的像素点的颜色相近，则表明邻域内的像素点描述了同一事物；步骤3：搜索最佳修改区域：由于直接搜索图片本身，搜索范围比较大，这一步的主要目的是寻找最优的修改区域，来为更精细的修改确定范围；步骤4：差分进化精确寻找修改点；步骤5：剔除不需要备选点；步骤6：对抗训练:将对抗样本并入训练集中，进行对抗训练，达到选定目标的检测置信度提升。

摘要： 本发明公开了一种从血浆样本中选择性提取磷脂的方法及磷脂检测方法，其提取方法，包括以下步骤：a.从血浆中提取总脂质残留物；b.使用10％重量百分比的TiO2/KCC‑1核壳微球作为吸附剂，利用固相萃取法吸附总脂质中的磷脂；c.从吸附剂上洗脱磷脂，并在真空下干燥得到纯化磷脂。本发明的方法能够更快速精准地从血浆中纯化磷脂，并进一步地能对磷脂进行表征和定量检测。

摘要： 本发明公开一种样本选择与标签校正结合的网络图像标签去噪方法，包括如下步骤：S1.首先，通过样本与类别中心的余弦相似度挑选出干净样本；S2.通过样本不确定性动态的从余下样本中挑选出可重用样本并校正；S3.最后使用干净样本与校正后的可重用样本一起更新网络；本方法在通过样本与类别中心的余弦相似度挑选出干净样本后，通过样本不确定性动态的从余下样本中挑选出可重用样本并校正，最后使用干净样本与校正后的可重用样本一起更新网络，提升了样本利用率，同时提升了细粒度分类性能。

摘要： 本发明提供一种遥感信息样本选择方法及系统，其中方法包括：获取高空间分辨率精纠正卫星影像、高时间分辨率植被指数立方体数据和采样区域图；获取所述采样区域图中的多个图像区域，所述图像区域包括第一图像区域和第二图像区域；获取参考样点和与所述参考样点对应的识别标签；基于分类模型对所述第二图像区域进行分类，所述分类模型是基于所述参考样点以及所述参考样点对应的识别标签进行训练后得到的，所述识别标签是根据所述样本类型预先确定的。本发明提供的遥感信息样本选择方法及系统，能够提高样本选取的精度可靠性和样本选择效率。