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。

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。

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.

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。

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“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。

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。

开放式地理实体关系抽取的Bootstrapping方法

从网络文本中抽取地理实体间空间关系和语义关系要求高时效性和强鲁棒性。本文提出一种开放式地理实体关系的自动抽取方法,通过bootstrapping技术统计词语的词性、位置和距离特征来计算语境中词语权值,据此确定描述地理实体关系的关键词,最终组织成结构化实例,并使用百度百科和Stanford CoreNLP开展了试验。研究结果表明,本文方法能自动挖掘自然语言的部分词法特征,无须领域专家知识和大规模标注语料,适用于未知关系类型的信息抽取任务;较之经典的Frequency、TFIDF和PPMI频率统计方法,精度和召回率分别提升约5%和23%。

基于BootStrapping的集成分类器的中文观点句识别方法

领域相关的大规模和高质量的标注训练数据是分类器性能的重要保证,而标注训练语料是一件费时费力的工作。该文提出了一种采用小规模标注语料识别中文观点句的方法。首先采用Bootstrapping方法扩展训练语料,分别训练贝叶斯、支持向量机和最大熵分类器。最后,通过给三个训练好的分类器赋权获得一个集成分类器。实验结果表明,集成后的分类器性能优于单分类器,并且该方法在使用部分标注训练数据的情况下也能取得与采用全部标注训练数据相近的实验结果。

使用基于模式的Bootstrapping方法抽取情感词

情感评价词典在情感分析中具有非常重要的作用,在新词频发的网络环境中,识别新的情感评价词,完善现有的情感词典是非常有必要的。使用基于模式的Bootstrapping方法,在微博语料中抽取情感评价词。实验证明,在保持了较理想的精确率的情况下,上述方法抽取了数量可观的传统情感词典未收录的情感评价词。

基于Bootstrapping的本体标注方法

实现语义Web目标的一个重要前提是利用本体词汇标注Web资源。为此,提出一种基于弱监督(Bootstrapping)的本体标注方法。对给定的本体进行解析,生成规则文件,通过文本分类筛选出领域文档。采用Bootstrapping的方法进行信息标注抽取和本体推理,经过几次循环后,只利用少量的训练文本就能达到较好的标注效果。实验证明,该方法实体识别准确率高,标注效果好。

利用鞍点逼近与Bootstrapping方法估计统计量的分布

统计量分布的确定是统计推断的一个关键工作,在总体分布已知的条件下,鞍点逼近在很多场合可以给出统计量分布的良好近似.在介绍鞍点逼近方法的基础上给出了一个结合鞍点逼近与Bootstrapping方法估计统计量分布的方法,解决了总体分布未知的条件下统计量近似分布的估计问题,并以样本均值的分布为例进行了讨论.

Bootstrapping创业资源获取的驱动机制研究:基于“关系”视角

Bootstrapping资源获取方式有助于创业者降低对外部环境的依赖,顺利开展创业活动。本研究基于关系理论,建立Bootstrapping资源获取驱动机制模型,通过深入的理论分析,发现创业者人力资本(学历教育、商业培训、工作经验、创业经历)可以通过增加"关系"中的情感成分(而非工具成分),加强对Bootstrapping资源获取策略的使用。而且创业者核心自我评价水平越高,人力资本对"关系"的增进作用就越强。

海洋优势产业甄别的新结构经济学方法——基于Bootstrap的投入产出弹性测算

基于新结构经济学理论,提出了一个具有现实操作意义的海洋优势产业甄别方法。该方法改进了林毅夫从衡量“要素禀赋”入手直接甄别比较优势产业的思路,转从比较优势产业的“技术优势”和“规模优势”两个外在表现入手,进行间接甄别。此外,使用Bootstrap方法克服了中国省级海洋经济数据样本点过少的问题,并以山东省为例进行实证研究。通过与已有研究方法的甄别结果相比较,发现在“简单一致率”“调整一致率”准则下,该识别方法的准确性较高,这说明使用Bootstrap测算的投入产出弹性对甄别海洋比较优势产业具有指导意义。

一种基于Bootstrapping构建训练语料的方法

提出一种基于Bootstrapping算法构建训练语料的方法.该方法从自动标注的语料中随机选取部分语料,人工修正后生成种子集,用该种子集训练一个基于类的语言模型,然后使用该模型自动标注剩余的语料;再从剩余语料中选取部分语料进行以上处理,如此循环直到训练语料标注质量理想.实验结果表明,该方法在保证训练语料标注质量理想的情况下,能够大幅度地减少人工参与.

基于Bootstrap抽样的厚尾自回归过程结构变点检测

该文考虑了具有稳定分布的p阶自回归过程均值变点检验问题.通过构造修正的比值型检验统计量,利用广义的中心极限定理,证明统计量在原假设下的渐近分布是列维过程的泛函,并得到了其在备择假设下的一致性.针对渐近分布依赖未知参数的情况,采用Bootstrap抽样逼近渐近分布以得到更精确的临界值.数值仿真结果表明,基于Bootstrap抽样的Ratio检验不仅很好地控制了经验水平,经验势也达到令人满意的效果.此外,当突变位置位于样本后半段时,经验势有较大幅度提高.最后,通过一组美国铝业收盘价数据进一步验证本文所提的变点检验方法的有效性和可行性.