导读:本文包含了符号分布论文开题报告文献综述及选题提纲参考文献，主要关键词:冲击噪声,信道估计,韦伯分布函数,变步长
符号分布论文文献综述
张瑞,史故臣,刘半藤,陈友荣[1]（2018）在《基于韦伯分布函数的低复杂度变步长符号算法》一文中研究指出针对OFDM系统中传统信道估计算法在冲击噪声环境中性能急剧下降的问题,提出了一种基于韦伯分布函数的顽健型变步长符号算法进行信道估计。在深入研究冲击噪声特性及韦伯分布函数性质的基础上,提出了采用估计误差绝对值的韦伯分布函数控制步长的低复杂度变步长符号算法。该算法在利用传统符号算法顽健性的基础上,采用估计误差的韦伯分布函数动态地改变迭代符号算法的步长,从而能够以较低的复杂度提高变步长符号算法在冲击噪声环境中的收敛速度。算法复杂度分析及仿真结果表明,在冲击噪声环境下所提算法相较于传统自适应滤波信道估计算法能够以更低的复杂度、更快的收敛速度达到相同的信道估计均方误差。(本文来源于《电信科学》期刊2018年09期）
成谢锋,于淼,姬汉贵,张学军,黄丽亚[2]（2015）在《基于概率分布的符号熵在心音分析中的应用》一文中研究指出心音信号是一种重要的人体生理信号,蕴含大量生理、病理信息。根据心音的特性提出了一种基于概率分布的符号熵算法,该算法突破传统均匀符号化的线性约束,一方面在第一心音幅值分布密集区域分配较多的符号,在稀疏区域分配较少的符号,减小数据冗余;另一方面在符号化过程中采用自适应方法决定符号集的大小,使得符号熵对心音数据的变化更加敏感,能够快速、灵敏捕捉心音信号中的非线性异常状态。由此不但可消除非平稳突变干扰和序列概率分布对熵值的影响,还能够自适应符号化。仿真实验结果表明,该算法具有显着的可行性和有效性,并且为心衰的无损快速诊断提供了一种新的思路。(本文来源于《数据采集与处理》期刊2015年05期）
康云莲,刘龙生,赵俊玲[3]（2015）在《符号动力系统的扩充系统的分布混沌性》一文中研究指出设(∑,σ)是两个符号的单边符号动力系统,(X,f)是紧致系统.如果存在连续满射h:X→∑,使得hof=σoh,则称(X,f)是(∑,σ)的扩充系统.本文研究(∑,σ)的扩充系统(X,f)的分布混沌性,通过在(∑,σ)中构造合适的符号序列,在扩充系统(X,f)中构造出了一个不可数的分布混沌集.证明了:若彐x∈∑,使得#h~(-1)(x)=1,则f是分布混沌的.(本文来源于《应用数学学报》期刊2015年05期）
欧鲁兵[4]（2015）在《借助字母符号教学板块边界类型空间分布的探索》一文中研究指出在高叁地理教学和备考过程中不难发现,学生对板块边界类型空间分布的掌握比较困难。为了帮助学生更好掌握该模块内容,在教学时,可以借助一些字母符号,让学生从叁种不同的层次对板块边界类型的空间分布进行学习,教学效果甚佳。(本文来源于《中学教学参考》期刊2015年10期）
王明璐[5]（2014）在《一般分布区间型符号数据的SOM聚类分析研究》一文中研究指出随着互联网技术的高速发展和信息化进程加快,社会的数据量呈现爆炸式增长,给传统的数据挖掘和分析技术带来新的挑战。符号数据分析技术(SDA,Symbolic Data Analysis)基于“数据打包”的思想针对海量数据的处理提供了一套知识发现和规律挖掘的理论方法。区间型符号数据是SDA中最常见的一类符号数据,应用也最为广泛。聚类分析作为一种无先验知识情况下对复杂数据关系进行分析处理的技术是数据挖掘技术的一个重要的研究分支,并在符号数据分析领域有着广泛的应用。源自神经网络的自组织映射(SOM,Self-Organizing Map)方法由于其拓扑保序和可视化等特点在聚类分析中有其独特的优势。现有的对区间型符号数据聚类分析的研究,多建立在打包构成区间数的原始数据服从均匀分布的假设的基础上,但实际情况往往不能满足这一理想假设。针对此问题,本文考虑放松原始数据分布的假设,针对一般分布的区间型符号数据的表示方法和距离度量以及在SOM聚类分析中的应用展开研究。首先给出了符号数据的基本概念,重点介绍了区间型符号数据的descriptive statistics,基于一般分布的假设,区别于传统均匀分布假设的区间数,给出了一般分布区间数的定义和特点概括。考虑区间数(Interval)中所包含的个体的分布(distribution of individuals)信息,本文提出了一般分布的区间型符号数据的一种新的表示方法,并阐述了与传统均匀分布的区间型符号数据的表示方法之间的联系与区别。在区间数的新的表示方法的基础上,基于传统的city-block距离给出了一般分布区间型符号数据的距离度量。并基于该距离度量给出了一般分布区间型符号数据的SOM聚类算法。随机模拟试验的结果表明,基于一般分布假设并采用本文提出的表示方法和距离度量的SOM聚类算法的有效性优于基于均匀分布假设并采用传统Hausdorff距离度量的SOM聚类算法。最后将本文提出的聚类算法在我国的气象数据集上做了应用研究,进一步说明了本文算法可以有效地解决实际问题,具有一定的实用价值。(本文来源于《天津大学》期刊2014-12-01）
刘龙生,康云莲,赵俊玲[6]（2013）在《广义符号动力系统中的分布混沌集》一文中研究指出在广义符号动力系统(σ,(Z+))中构造了一个不可数分布混沌集S,并且S不能包含在有限个符号的动力系统中,即S(Z+)∪∞k=1∑(K).(本文来源于《广西师范学院学报(自然科学版)》期刊2013年04期）
康云莲,刘龙生,赵俊玲[7]（2013）在《符号动力系统的因子系统的分布混沌性》一文中研究指出设(E,e)是两个符号的动力系统,(X,f)是紧致系统,如果存在连续满射h:E→X,使得h e=f h,则称(X,f)是(E,e)的因子系统。本文证明了若(E,e)的因子系统是不可数集,则它是分布混沌的。(本文来源于《广西师范大学学报(自然科学版)》期刊2013年04期）
李汶华,戴晖,郭均鹏,高飒,邓登[8]（2013）在《一般分布区间型符号数据的系统聚类》一文中研究指出现有的区间型符号数据的研究大多假定个体在区间内服从均匀分布,实际上往往并非如此.针对该问题,研究了一般分布条件下区间型符号数据的系统聚类方法.阐述了一般分布区间型符号数据的定义,在一般分布的区间型符号数据的描述统计基础上,给出了基于Hausdorff距离的一般分布的区间型符号数据系统聚类算法,并通过随机模拟对聚类有效性进行评价。结果表明:与个体服从均匀分布的假设相比,一般分布的区间型符号数据的系统聚类分析有效性更好.最后将文中方法应用于电子商务客户价值的评价,进行了应用研究.(本文来源于《数理统计与管理》期刊2013年06期）
郭均鹏,陈颖,李汶华[9]（2013）在《一般分布区间型符号数据的K均值聚类方法》一文中研究指出对于区间型符号数据聚类分析的研究,现有方法大多假设个体在区间内服从均匀分布,这往往并不符合实际情况.针对此问题,研究一般分布的区间型符号数据K均值聚类方法,给出了一般分布区间型符号数据的定义,并基于经验分布理论研究其描述统计.基于Hausdorff距离,考虑区间数所包含个体的分布信息,提出了一种新的区间型符号数据距离度量.给出了一般分布的区间型符号数据K均值聚类算法.通过随机模拟试验对该方法进行了有效性评价,结论表明,在各种实验设计的条件下,考虑一般分布的K均值聚类算法有效性均优于均匀分布假设下的K均值聚类算法.最后将文中方法应用于汽车的聚类分析,进一步体现了文中方法在解决实际问题中的优势.(本文来源于《管理科学学报》期刊2013年03期）
郭均鹏,李汶华,高峰[10]（2011）在《一般分布区间型符号数据的描述统计与分析》一文中研究指出以对大规模个体数据通过打包形成的区间型符号数据为研究对象,针对个体在区间内往往不服从均匀分布的实际情况,研究一般分布的区间型符号数据的描述统计和分析方法.对符号数据分析进行了概述,并定义了一般分布的区间变量.研究了一般分布的区间变量的经验分布函数和经验联合分布函数.在此基础上,讨论了一般分布区间变量的描述统计量的求解.最后给出了算例,运用一般分布区间型符号数据的因子分析方法.以中国股市为背景进行了应用研究.结论表明:以往研究基于均匀分布假设所给出的描述统计量的计算,可看作文中所给求解公式的特例.另外,研究方法基于经验分布理论,无需知道个体在区间内服从分布函数的具体表达式,且在计算过程中充分利用了区间内的个体信息.(本文来源于《系统工程理论与实践》期刊2011年12期）
符号分布论文开题报告
（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：
心音信号是一种重要的人体生理信号,蕴含大量生理、病理信息。根据心音的特性提出了一种基于概率分布的符号熵算法,该算法突破传统均匀符号化的线性约束,一方面在第一心音幅值分布密集区域分配较多的符号,在稀疏区域分配较少的符号,减小数据冗余;另一方面在符号化过程中采用自适应方法决定符号集的大小,使得符号熵对心音数据的变化更加敏感,能够快速、灵敏捕捉心音信号中的非线性异常状态。由此不但可消除非平稳突变干扰和序列概率分布对熵值的影响,还能够自适应符号化。仿真实验结果表明,该算法具有显着的可行性和有效性,并且为心衰的无损快速诊断提供了一种新的思路。
（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。
符号分布论文参考文献
[1].张瑞,史故臣,刘半藤,陈友荣.基于韦伯分布函数的低复杂度变步长符号算法[J].电信科学.2018
[2].成谢锋,于淼,姬汉贵,张学军,黄丽亚.基于概率分布的符号熵在心音分析中的应用[J].数据采集与处理.2015
[3].康云莲,刘龙生,赵俊玲.符号动力系统的扩充系统的分布混沌性[J].应用数学学报.2015
[4].欧鲁兵.借助字母符号教学板块边界类型空间分布的探索[J].中学教学参考.2015
[5].王明璐.一般分布区间型符号数据的SOM聚类分析研究[D].天津大学.2014
[6].刘龙生,康云莲,赵俊玲.广义符号动力系统中的分布混沌集[J].广西师范学院学报(自然科学版).2013
[7].康云莲,刘龙生,赵俊玲.符号动力系统的因子系统的分布混沌性[J].广西师范大学学报(自然科学版).2013
[8].李汶华,戴晖,郭均鹏,高飒,邓登.一般分布区间型符号数据的系统聚类[J].数理统计与管理.2013
[9].郭均鹏,陈颖,李汶华.一般分布区间型符号数据的K均值聚类方法[J].管理科学学报.2013
[10].郭均鹏,李汶华,高峰.一般分布区间型符号数据的描述统计与分析[J].系统工程理论与实践.2011