时间/空间定位抽样设计及其在性病门诊病人调查中的应用

目的 探讨时间 /空间定位抽样方法在性病门诊抽样调查中的应用。方法 该抽样设计的基础是两级抽样 ,首先构建一个初级抽样单位 (PSU )框架 ,此框架由流动人群发生的时间和地点组成。PSU用“按估计容量比例的概率抽样”法抽取。确定PSU的样本后 ,再在每个抽中的PSU中采用系统或简单随机抽样法抽取固定数目的就诊者组成样本。结果 以在济南市某性病诊所的抽样实例说明此方法在门诊性病患者调查中的应用。结论 该设计弥补了其他抽样方法的不足 ,值得在性病门诊病人调查中推广应用。

空间定位抽样技术:民意调查中的新方法

在我国进行的民意调查中,研究者们无论采取哪种具体抽样方法,均需要以居委会提供的户口登记信息为抽样基础。随着我国流动人口数量的不断增大,依靠户籍信息抽样容易导致抽样覆盖范围存在偏差。在此背景下,空间定位抽样技术应运而生,该方法作为一种崭新的调查技术,使被调查对象的人口特征更具有代表性,对较为敏感的民意研究具有开创性地意义。本文阐述了传统抽样技术的弊端,介绍了空间定位抽样技术的兴起过程,并对该技术的具体实施步骤及难点进行了解析,最后提出了该法的两大适用条件。

连续性抽样的时间序列估计方法研究进展及应用

自1973年Blight和Scot首次提出关于连续性抽样调查的时间序列估计方法以来,国际上有关时间序列估计方法的研究发展得十分迅速。本文选择时间序列估计方法作为研究对象,主要从利用经典时间序列理论进行抽样估计、利用卡尔曼滤波进行抽样估计、时间序列估计方法的实际应用三方面对现有研究成果进行了理论化、系统化的梳理。同时,结合现有研究中存在的模型选择、假定条件合理性等问题以及未来研究趋势,建议我国统计调查部门应加快统计调查活动科学化、规范化的进程,从市县层级调查活动入手,在实践中不断完善时间序列估计理论。

群体突发异常事件检测与事件源定位算法

提出一种群体突发异常事件检测与事件源定位算法以提高检测的准确性。算法分为群体异常行为检测和事件源定位两个阶段,在异常行为检测阶段,提出一种空间、时间联合的异常行为检测算法:在空间角度,提取平均动能分布直方图来描述人群的运动特征,并使用支持向量机分类器对不同状态的人群运动特征进行分类;在时间角度,构建隐马尔可夫模型,对场景中连续的人群行为状态进行异常检测。在事件源定位阶段,在随机抽样一致性算法框架下通过计算异常行为人群的反向延长线交点,实现了事件源位置的定位,并可同时标记多个事件源位置。在UMN公共数据集上进行实验,并与传统光流法、SIFT点检测法与社会力法进行对比,结果表明,该算法能够有效检测出群体异常行为,且AUC=0.967,比上述3种方法的AUC分别提高0.127、0.074、0.007,并成功标记出事件源的合理位置。

如何鉴定古树名木的树龄?

1.测算古树的年龄比较复杂,要采用碳14交叉定位方法来测算：先用专业仪器在古树上取样,测算出古树的大致年代（由于用这种方式测算出来的时间误差较大,还需要借助一些辅助手段,将一些有文字记载的、树龄准确的相同类别的树木进行抽样分析,包括树木成长的环境、土壤、该地区的降水情况等）,在此基础上,编写出一定的公式,根据碳14的分析结果相互参照，最后计算出古树的年龄。

时空间行为调查的回顾与未来展望

随着理论与方法体系不断完善,时空间行为研究近年来越来越重视实践应用导向,同时也面临构建解释时空间行为的一般理论的使命,对研究数据提出了新的要求。本文回顾时空间行为调查的进展,认为时空间行为调查在方法上与移动定位技术的结合日益密切,数据质量得到较大提升;在内容上越来越重视个体行为的能动性以及行为的社会、环境意义。在此基础上,本文提出未来时空间行为调查的两个发展趋势:面向实践应用,融合时空间行为调查与大数据采集;面向理论构建,加强质性调查、开展追踪调查。同时,本文试图审视我国时空间行为调查的进展、优势及不足,为我国时空间行为调查的未来发展指出方向。

知识与技能在操作中获取

生理学的研究表明,大脑的左右两半各有不同的功能。左脑以语言、理解、科学、计算和逻辑思维等活动为主,而右脑以形象的感知、记忆、时间概念、空间定位、音乐、想象和情绪等活动为主。只有大脑的左右两半相互配合。