导读:本文包含了数据分布估计论文开题报告文献综述及选题提纲参考文献，主要关键词:数据分析素养,用水量,月平均,分布估计
数据分布估计论文文献综述
张顺利[1]（2018）在《从活动中培养学生数据分析素养教学设计——《用样本的频率分布估计总体分布》》一文中研究指出课例简介:本课例是一节高一新授课,为了学生能更好理解用样本的频率分布估计总体分布的统计思想,并运用统计思想对实际问题给出说明和决策建议,在设计实验活动中重点突出:实例探究,实际操作,实践理论。学生通过随机抽样收集普通居民月平均用水量,利用图形计算器整理和分析数据,作出决策建议,面对调查结果与实际政策的差异,进一步体会"估计"的含义和统计中随机与归纳的思想,提升数据分析素养。(本文来源于《信息技术与学科教学深度融合路径——第叁届中小学数字化教学论文案例集》期刊2018-08-26）
刘姝君,李艳婷[2]（2019）在《基于深度高斯过程的多元类别数据分布估计》一文中研究指出多元类别数据的可能取值会随向量长度的增长呈指数级增长,从而造成数据稀疏性问题。通过将观察数据嵌入到连续空间中训练识别数据之间的相似性,构建多元类别数据的线性高斯隐变量模型和类别隐高斯过程(CLGP)。在CLGP模型基础上,建立小样本多元类别数据分布估计的多元类别深度隐高斯过程模型,并结合蒙特卡洛采样的变分推断方法对模型进行参数优化。实验结果表明,与CLGP模型相比,该模型分布估计精确度有所提升。(本文来源于《计算机工程》期刊2019年02期）
刘冲[3]（2017）在《基于数据挖掘的光伏发电量概率分布估计方法研究》一文中研究指出随着能源危机和环境污染问题的日益凸显,各国均致力于开发新型能源和扩大可再生能源的应用。与储量日渐减少的化石能源相比,太阳能以清洁安全、分布广泛和蕴含丰富的特点越发吸引人们的关注,光伏发电技术也因此得到了迅速的发展。但是光伏发电功率具有很强的随机性和间歇性,容易对电网造成冲击,不利于保证电能质量和电网系统的稳定。为确保电力系统运行的安全性和稳定性,光伏出力的可靠预测显得尤为重要。目前现有的预测方法常常将历史数据的所有属性都作为模型的输入,并且在相似数据筛选时,针对每个不同的输入变量在计算相似度时都同等对待,造成相似数据的筛选效果较差。另外大多数的研究集中在点预测上,得到光伏发电功率的一个确定的预测值,无法得到该预测值存在的不确定程度,得到预测结果缺乏实用性。因此本文提出一种综合使用自适应权值算、K近邻算法、K-means聚类算法、神经网络分位数回归和核密度估计的光伏发电功率概率分布估计方法。首先利用基于粒子群优化的自适应权值算法对输入变量的种类和对应的权值进行动态的确定,在选择合适的相似度衡量标准的前提下,将历史数据利用K-means算法进行聚类,针对不同的子类分别建立神经网络分位数回归概率预测模型。实验结果表明,本文的概率预测模型使用动态改变的输入变量和对应的权值,在提高了预测精度的同时,为电网规划提供了预测结果的风险信息。(本文来源于《天津大学》期刊2017-11-01）
刘红月[4]（2017）在《基于高频低频数据相结合的瞬时波动率分布估计》一文中研究指出波动率是衡量金融资产风险的一个重要量化指标,它的使用渗透在整个金融领域中,如资产定价、投资组合优化、风险管理等等。高频金融数据含有更多市场信息,使用高频金融数据能够对波动率作出更好的预测。因此,基于高频数据对波动率的研究越来越为人们所关注。本文提出了一种全新的波动率分布估计方法,主要内容可以概括如下:1.利用日内高频对数价格数据给出了瞬时波动率的估计;2.在瞬时波动率为平稳混合过程时真实核密度估计f(x)具有相合性;3.利用瞬时波动率估计代替真实波动率得到的核密度估计f(x)与真实核密度估计f(x)渐近等价;4.数据模拟研究验证了我们提出的瞬时波动率分布估计方法的有效性,并应用一组实际数据进行了实证分析。(本文来源于《苏州大学》期刊2017-04-01）
龚航,孙黎,王璞[5]（2016）在《基于手机数据的城市交通大区OD分布估计——以旧金山市为例》一文中研究指出在大数据时代,手机数据因普及率高、采集成本低等优点逐渐受到人们的重视。手机通信运营商在为手机用户提供通信服务的同时会记录每次服务的时空信息,因此利用手机数据可以挖掘出用户的位置信息,并应用于城市居民出行OD分布估计。提出以手机数据为基础对城市交通大区之间OD分布进行估计的方法。利用居民手机数据估计美国旧金山市各交通大区之间的出行分布,并结合居民出行调查数据对估计结果进行检验。结果显示基于手机数据的出行估计具有较高的可靠性。(本文来源于《城市交通》期刊2016年01期）
魏庆宾[6]（2015）在《基于云概率密度分布估计的大坝监测数据分析》一文中研究指出大坝运行监测易受自然环境和监测条件影响,存在时间和空间上的变异性,监测数据具有不确定性。以云理论的随机性和不确定性分析方法为基础,并与空间数据辐射思想相结合,建立了云滴概率密度分布估计模型,然后导出云概率密度分布函数,依据样本监测数据推求母体空间数据的分布特征,并设计了基于逆向云算法云变换的计算程序。分析陆浑水库1979~1999年测压管监测数据和位移变形数据的云概率密度分布特征和云数字特征,得出了20 a来大坝的数据分布特征和运行状态。监测数据分析结果表明,云概率密度分布估计不仅能有效合理地分析大坝的运行状态,而且能够依据云数字特征来判断监测状态和监测环境的异常变化。(本文来源于《人民长江》期刊2015年10期）
陈君,杨东援[7]（2013）在《基于APTS数据的公交卡乘客通勤OD分布估计方法》一文中研究指出为提高通勤者使用公交出行的比例,有效缓解城市交通拥堵,对应用智能公交系统数据(Advanced Public Transportation Systems,APTS)获得公交通勤出行需求的方法进行研究.采集APTS数据,通过对公交IC卡数据和智能调度系统数据的关联获得公交乘客的上车站点信息.根据早、晚高峰的出行频率判断公交通勤乘客,利用通勤出行的时间和空间特征确定居住地点和工作地点.以此基本思路,提出公交卡乘客通勤OD分布估计算法,并应用海量APTS系统数据对算法进行了试验和分析.最后,通过与基于"出行链"的方法进行比较,分析了算法的精度.本文提出的方法具有精度高、可操作性强的优点,为快速、经济地获取公交通勤OD分布提供了一种新的途径.(本文来源于《交通运输系统工程与信息》期刊2013年04期）
王敏[8]（2012）在《使用广义多项分布估计离散数据的相关系数》一文中研究指出本文在Tallis于1962年所建立模型的基础上,提出了一个推广的模型,使其在估计离散数据相关系数方面应用更为广泛。本文通过引入一个多状态随机变量,首先给出了n个同分布多项随机变量的联合分布。然后讨论了这n个同分布随机变量的联合分布及和的分布的数字特征。尽管Fisher提出的极大似然估计方法在参数估计方面应用广泛,但对于对数似然函数很复杂的情况却不是一个理想的选择。因此,为了使参数的估计过程得到简化,我们提出了使用EM算法来给出参数的估计。最后,我们讨论了参数估计量的渐进性质.(本文来源于《大连理工大学》期刊2012-09-01）
数据分布估计论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
多元类别数据的可能取值会随向量长度的增长呈指数级增长,从而造成数据稀疏性问题。通过将观察数据嵌入到连续空间中训练识别数据之间的相似性,构建多元类别数据的线性高斯隐变量模型和类别隐高斯过程(CLGP)。在CLGP模型基础上,建立小样本多元类别数据分布估计的多元类别深度隐高斯过程模型,并结合蒙特卡洛采样的变分推断方法对模型进行参数优化。实验结果表明,与CLGP模型相比,该模型分布估计精确度有所提升。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数据分布估计论文参考文献
[1].张顺利.从活动中培养学生数据分析素养教学设计——《用样本的频率分布估计总体分布》[C].信息技术与学科教学深度融合路径——第叁届中小学数字化教学论文案例集.2018
[2].刘姝君,李艳婷.基于深度高斯过程的多元类别数据分布估计[J].计算机工程.2019
[3].刘冲.基于数据挖掘的光伏发电量概率分布估计方法研究[D].天津大学.2017
[4].刘红月.基于高频低频数据相结合的瞬时波动率分布估计[D].苏州大学.2017
[5].龚航,孙黎,王璞.基于手机数据的城市交通大区OD分布估计——以旧金山市为例[J].城市交通.2016
[6].魏庆宾.基于云概率密度分布估计的大坝监测数据分析[J].人民长江.2015
[7].陈君,杨东援.基于APTS数据的公交卡乘客通勤OD分布估计方法[J].交通运输系统工程与信息.2013
[8].王敏.使用广义多项分布估计离散数据的相关系数[D].大连理工大学.2012