Bootstrap法在车辆故障检测中的研究及应用

介绍Bootstrap方法的原理并将Bootstrap方法应用于检测车辆中存在的故障,通过计算不同故障下的车辆样本之间均匀KullbackLeible距离的均值以及在给定置信度下的置信区间等特征值来反映被测车辆的故障种类。给出一种新的随机数产生器用在Bootstrap法重采样中产生新的随机序列。以车辆上的驱动桥为检测对象对该算法进行了验证,结果表明该算法能准确检测出驱动桥所存在的故障。

基于Bootstrap-C_(pu)的机床进给机构装配过程能力评估方法

机床进给机构装配过程是其装配质量形成的过程,由于受5M1E因素影响,进给机构装配过程能力可能不足,会导致进给机构装配质量出现较大波动,甚至出现不合格产品。为此,基于C_(pu)和Bootstrap理论,构建了基于Bootstrap-C_(pu)的进给机构装配过程能力评估方法,并进行了实际应用。结果表明:在95%置信度条件下,该批机床进给机构装配过程能力是足够的,其装配质量波动较小。

广西紧密型县域医共体试点地区乡镇卫生院运行效率研究——基于Bootstrap-DEA和Tobit模型

目的:分析近年来广西紧密型县域医共体试点地区乡镇卫生院的运行效率及其影响因素,提出对策建议。方法:运用Bootstrap-DEA模型测算2015—2020年试点地区乡镇卫生院静态、动态运行效率,借助Tobit模型检验各因素对效率的影响。结果:2015—2020年试点地区乡镇卫生院综合效率、纯技术效率、规模效率均小于0.9,未达到有效状态;6年间全要素生产率小于1,处于退步状态;医护比、全科医生数占比、医师日均担负诊疗人次、人均GDP、重点人群数量对综合效率有正向影响,出院者平均住院日、门急诊病人人均费用对综合效率有负向影响。结论:紧密型医共体试点地区乡镇卫生院运行效率退步,原因主要在于技术进步指数下降,建议完善乡镇卫生院管理制度,提升管理与医疗技术水平,强化医共体信息平台建设,提升乡镇卫生院运行效率。

基于Bootstrap框架的响应式网页设计与实现

目的:研究基于Bootstrap框架的响应式网页设计及实现方式,使网页能够适应不同尺寸、型号、品牌的终端,并表现出良好的呈现效果,以期能促进网页设计的发展。方法:深入了解Bootstrap框架的相关内容,并明确响应式网页设计的技术要求,为后续实现方式提供具体的依据,在此基础上探讨基于Bootstrap框架响应式网页的具体设计与实现。结果:结合具体案例对基于Bootstrap框架响应式网页设计与实现进行了详细阐述,明确了响应式网页设计时需要达成的内容及一般方法。结论:Bootstrap框架能够为响应式网页设计及实现提供完备且强大的功能支持,为响应式网页设计及技术应用与实现创造了更多的可行性及拓展性,使网页能够在不同终端上均呈现出理想表达效果。

导弹精度评估的非参数Bootstrap方法

基于目前导弹试验的实际状况，讨论了小子样情况下精度指标的置信区间估计的非参数Bootstrap方法。介绍了Bootstrap方法的基本概念，综合比较了非参数Bootstrap抽样和参数Bootstrap抽样的特点，对基于传统百分位法的改进区间估计方法进行了简要说明，包括迭代Bootstrap方法、Bootstrap-t方法及纠偏百分位方法；最后，通过大量仿真计算初步分析了各种非参数Bootstrap区间估计方法的性能和适用范围，并给出了若干建议。

基于支持向量回归的Bootstrap数据扩充方法及其在小子样可靠性评估中的应用

针对航空发动机小子样特性下的可靠性评估问题,提出一种基于支持向量回归(Support Vector Regression, SVR)的Bootstrap数据扩充方法:建立并训练SVR模型,采用邻域抽样法构造输入集,输入训练好的模型中获得扩充样本。仿真结果表明,采用该方法获得的扩充样本较传统Bootstrap方法更接近真实分布,且有效拓展了样本取值区间。以某航空发动机涡轮盘小子样疲劳寿命试验数据为例:(1)非参数方法,采用两种方法获得的平均疲劳寿命十分接近,但新方法获得的置信区间更大,这与样本取值区间的拓展相关;(2)参数方法,对新方法扩充的样本进行参数估计得到的结果与参考值更为接近,最大相对偏差为-1.290 2%,而传统方法的最大相对偏差达到了29.477 6%,两种方法下计算得到的平均疲劳寿命与参考值均较接近,但新方法得到的置信区间与参考区间更为接近。综合来看,所提出的方法能够有效实现样本扩充,具有一定的应用价值。

Bootstrap样本大数据模型和分布式集成学习方法

传统Bootstrap抽样和Bagging集成学习通常以串行方式实现,计算效率低,且存在样本不可重用、扩展性差等问题,不适合高效的大规模Bagging集成学习。从大数据分布式计算的思维入手,提出新的Bootstrap样本划分(BSP)大数据模型和分布式集成学习方法。BSP数据模型通过分布式生成算法将训练数据表达成分布式Bootstrap样本集的集合,存储成HDFS分布式数据文件,为后续的分布式集成学习提供数据支持。分布式集成学习方法从BSP数据模型中随机选取多个BSP数据块,读入集群各个节点的虚拟机,用串行算法对选取的数据块并行计算统计量或训练建模,再将所有的计算子结果回传至主节点中,生成最终的集成学习结果,此过程中可加入对子结果的质量选择以进一步提高预测效果。BSP数据模型的生成和分布式集成学习采用非Map-Reduce计算范式进行,每个数据块的计算独立完成,减少了计算节点间的数据通信开销。提出的算法在Spark开源系统中以新的算子方式实现,供Spark应用程序调用。实验表明,新方法可以高效地生成训练数据的BSP数据模型,提高数据样本的可重用性,在基于有监督机器学习算法构建的大规模Bagging集成学习实验中,计算效率能提高50%以上,同时预测精度进一步提高约2%。

基于Bootstrap方法的多组配对数据风险差的一致性检验

在Dallal模型下构建3个统计量,研究小样本多组配对数据风险差的一致性检验问题.通过Monte-Carlo数值模拟,比较小样本下渐近方法和Bootstrap方法在检验过程中的性能.研究发现,Bootstrap方法在第一类错误率和功效上表现更优;特别地,基于Score检验的Bootstrap方法的第一类错误率较稳健,且有较高的功效,检验性能最优.

基于Bootstrap方法和LSSVM模型的滑坡位移区间预测

针对滑坡预测中的不确定性和传统点位移预测无法对预测结果的可靠程度进行有效描述这一问题,本文提出了一种区间预测方法,通过Bootstrap方法和最小二乘支持向量机来构建滑坡位移预测模型。并以三峡库区秭归县树坪滑坡为例,选取ZG85监测点在2007年1月—2012年12月期间的位移、降水量及库水位数据进行研究。研究结果表明,滑坡位移区间预测模型相比于传统的确定性点预测模型,能够同时兼顾准确性和可靠性,为滑坡灾害预测提供了一种新思路。

基于Bootstrap-DEA模型的中国海洋经济效率空间演化及影响因素分析

本文基于2006-2020年沿海11个省区市的面板数据,借助Bootstrap-DEA综合模型测算我国海洋经济效率,采用标准差椭圆法和平均中心,定量刻画了其空间格局演化特征,分别考察了我国沿海省区市整体和三大海洋经济圈内部演化格局特征,使用Tobit模型探究海洋经济效率的影响因素。结果表明:(1)基于Bootstrap-DEA综合模型纠偏后的海洋经济效率较低,但准确性更高;此外,海洋经济效率具有明显的阶段性特征,总体上呈现先上升后下降的趋势。(2)从沿海11个省区市整体标准差椭圆分布情况和重心转移轨迹来看,2006-2010年呈现“东北-西南”空间格局,2010-2020年呈现“西南-东北”分布格局;观察期内三大海洋经济圈标准差椭圆走势和重心转移趋势分别为:北部海洋经济圈走势呈现“东北-西南”格局,东部海洋经济圈走势呈现“南-北”格局,南部海洋经济圈走势呈现“东北-西南-东北”格局。各省市的发展特点、政策格局、基础建设与演化格局息息相关。(3)对海洋经济效率的影响因素分析可得,陆域经济发展水平、海洋科研投入强度以及海洋环境规制强度对我国海洋经济效率产生显著的正向促进作用,与相关研究成果结论一致。

基于嵌入式Bootstrap的主动学习示例选择方法

在Bootstrap示例选择算法的基础上提出一种新的嵌入式Bootstrap算法.该算法适用于一大类主动机器学习中训练示例的选择问题.新算法在保持和原Bootstrap算法相当的训练时间的前提下可得到更典型的训练示例集,从而解决了计算条件对训练集规模的限制,使训练所得预测器具有更高的性能.从理论上分析了新算法的有效性,然后将其与原Bootstrap算法分别应用到基于AdaBoost的正面人脸检测任务中进行对比实验,实验结果与理论分析一致.

Bootstrap方法建立生物参考区间的研究

目的：探讨Bootstrap方法建立生物参考区间的可行性及最少样本量。方法选取120例健康者检测血清尿素（BUN），采用美国临床和实验室标准协会（CLSI）C28‐A3推荐参数、非参数方法及Bootstrap方法建立参考区间；计算参考区间上下限值、均方根误差（RMSE）、精密度比值（Id ）等指标，研究Bootstrap方法建立参考区间最少样本量。结果非参数、参数、Bootstrap百分位数、Bootstrap标准方法建立参考区间分别为3．00～7．39 mmol／L、3．05～7．33 mmol／L、3．12～7．18 mmol／L、3．10～7．33 mmol／L ，参考区间覆盖率大于95％，Bootstrap方法与C28‐A3推荐方法结果一致；进一步研究发现随着样本量减少，参考区间增宽、RMSE和Id 逐渐升高，样本量减少到60时结果稳定。结论 Bootstrap方法可应用于各种数据分布类型生物参考区间的建立，在小样本量时有一定优势，为临床实验室制订参考区间提供了新思路。

Bootstrap方法在导弹落点密集度评估中的误用

以导弹落点密集度评估作为研究基础,对利用Bootstrap方法提升小子样下落点密集度估计精度问题的自助法进行分析。在简要描述Bootstrap方法数学思想和应用方法的基础上,从理论分析和仿真验证两个方面证实了参数Bootstrap方法生成的自助统计量围绕经典估计值呈现正态分布,对于经典估计结果没有精度的提高;并且推导了自助统计量分布与估计偏差分布之间的关系,指出在小子样条件下参数Bootstrap方法自助统计量在分布近似上存在偏差;最后本文论证了随机加权法应用于密集度估计同样不能取得明显的改进效果。

基于Bootstrap方法和灰色关联分析法的企业原材料订购方案与运输策略

基于企业生产经营的现实情况,文章使用Bootstrap及灰色关联分析等方法对企业过去的原材料订购情况、供应商供应情况和转运商运输情况的相关数据进行了处理,并对供应商的供货特征和转运商的运输损耗特征进行了量化分析。其中,建立并应用了一种评价供应商重要性的评估体系,在不同条件下给出了企业最优订购方案和运输方案,分析了企业如何通过技术改造来提高产能的潜力。

基于“一带一路专题网”项目的Bootstrap课程重构与实施

文章以Bootstrap应用开发课程为例,设计“移动端一带一路专题网”为主体的课程项目,包括课程和案例整体介绍、学情分析、教学内容设计、教学方法及实施过程等环节。将该项目充分融入课程体系中,并按照企业实际工作流程设立任务目标,重新设计教学过程和方法。通过课程的学习,学生可以充分了解真实项目开发流程,并浸润式培养学生的家国情怀和精益求精、爱岗敬业的职业素养。

单位根过程联合检验的Bootstrap研究

本文以Ferretti和Romo的Bootstrap方法为基础进行拓展完成三种联合检验,并从理论上证明了Bootstrap方法的有效性;使用蒙特卡洛模拟技术比较了Bootstrap检验与临界值检验的效果。模拟表明,在误判率上,Bootstrap方法下三个检验量的误判率分别为2.22%、3.70%和0.00%,而临界值的误判率分别高达22.22%、11.11%和15.56%;在精确程度上,Bootstrap方法的精度分别是临界值方法的11.25倍、26倍和6.5倍。模拟表明了本文构造的Bootstrap检验方法可以替代临界值方法,特别在小样本下,Bootstrap方法的优势更为明显。

Bootstrap响应式设计在甜点网站中的应用研究

随着移动智能设备的广泛普及,各种屏幕尺寸的设备层出不穷,网页设计面临着适应不同分辨率设备要求的挑战。而响应式网站设计能够灵活适应不同终端的屏幕尺寸,展示出合理的页面布局,真正实现了“一次开发、多处适用”的目标。以“甜点网站”为例,从开发环境及相关技术、网站规划与设计、数据库设计、网站测试与发布几个方面进行阐述,并对响应式导航、Bootstrap栅格系统、轮播插件的使用等方面进行详细论述。采用Bootstrap框架、HTML5和PHP技术,实现了多终端屏幕适配的甜点网站,大大提升了用户体验,提高了网站的吸引力和竞争力。

基于Bootstrap方法确定岩土参数的标准值

提出一种基于Bootstrap重抽样技术的岩土参数标准值确定方法,将置信概率为95%对应的重抽样均值作为标准值,并通过一组实测土体的抗剪强度参数阐述标准值的确定方法和过程。对两个实例进行研究,分别探讨Bootstrap重抽样次数(即Bootstrap样本集大小)和原始数据的变异性对标准值精度和收敛性的影响。结果表明,基于Bootstrap方法确定的岩土参数标准值具有较好的收敛性和精度,当重抽样次数不小于100时,Bootstrap重抽样次数和原始样本的变异性对标准值的收敛性和精度不会产生显著影响。该方法能够有效地处理岩土参数的不确定性问题。

比例Bootstrap及其方差估计的相合性

研究了比例Bootstrap,介绍其与通常的Bootstrap方法的差异;对简单随机抽样,在均匀回答的假定下,就缺失数据采取回归插补和比率插补的情形,证明了由比例Bootstrap方法得到的方差估计具有相合性;最后,通过模拟验证了理论结果.

异方差下多个正态总体共同均值的参数bootstrap推断

文章使用参数bootstrap(PB)方法考虑了当方差未知且可以不相等时多个正态总体共同均值的假设检验和置信区间构造问题。基于共同均值一个著名估计,提出了一种参数bootstrap统计推断方法,并借助Mon-te Carlo方法与经典的近似解法和广义推断方法进行了比较。随机模拟结果表明,就第一类错误概率和覆盖率而言,参数bootstrap推断方法表现更好。参数bootstrap方法不仅具有满意的第一类错误概率和覆盖率,而且具有良好的检验功效和置信区间平均长度表现。