导读:本文包含了不完全填充论文开题报告文献综述及选题提纲参考文献，主要关键词:典型柯克曼填充设计,嵌入,可分组设计,标架
不完全填充论文文献综述
王羚晔[1]（2018）在《不完全典型柯克曼填充设计的存在性》一文中研究指出设计的嵌入问题是组合设计理论中的基本问题.不完全典型柯克曼填充设计的存在性在典型柯克曼填充设计嵌入问题的研究中发挥着重要作用.设正整数u≡v≡4(mod 6),X是一个u-元集,Y是X的v-元子集,C是X的3-元和4-元子集(称为区组)的集合.如果叁元组(X,Y,C)满足:(i)任意B∈C有|B∩Y|≤1.(ii)集合X中任何无序点对最多同时出现在C一个区组中.(iii)区组集C可划分成X上(u-v)/2个平行类和XY上(v-4)/2个带洞的3-元区组平行类,其中每个平行类由1个4元区组和(v-4)/3个3-元区组组成,每个带洞平行类包含XY中的所有元素但不含洞Y中的任何元素.(iv)XY中每个元素恰好包含在两个大小为4的区组中.则称叁元组(X,Y,C)为空缺v阶子设计的u阶不完全典型柯克曼填充设计(Incomplete Canonical Kirkman Packing Design),记为ICKPD(u,v).本文首先直接构作了一些具有叁个不同组长的非均匀的区组大小为4的可分组设计和一些带较小洞的不完全典型柯克曼填充设计,然后运用“赋权构作”和“填洞构作”两种基本递推构作,基本解决了ICKPD(u,v)存在的谱系,得到了下面主要结果.定理A:ICKPD(u,v)存在的必要条件u≡v≡4(mod 6),u≥3v+4也是充分的,其中惟一例外(u,v)=(16,4)和两类可能的例外v≡4(mod 1)2,v>76且u∈{3v+4,3v+10}.定理B:设m,n是正整数且m≤n≤2m,则存在型为(3m)~4(3n)~1(6m)~1的4-GDD.定理C:(1)设整数t≥4且t/∈{7,9,10,13,14,15,17,18,19,22,23},则存在型为12~t15~1(6t)~1的4-GDD;(2)设整数t≥4且t/∈{17,18,19,22,23},则存在型为12~t18~1(6t)~1的4-GDD;(3)设整数t≥4且t/∈{7,8,...,12,14,15,17,18,19,22,23},则存在型为12~t21~1(6t)~1的4-GDD.本文的结构安排如下:第一章主要介绍了柯克曼填充设计和不完全柯克曼填充设计的基本概念,及其这些设计的最新存在结果.第二章介绍了可分组设计及其柯克曼标架的概念,给出了可分组设计的一些基本递推方法.利用混差方法通过计算机搜索,直接构作了一些区组大小为4,具有叁个不同组长的非均匀的4-GDD,并且利用递推构作更新了4-GDD的存在性结果.利用这些结果得到了一些新的柯克曼标架.这些结果在第四章证明具有最大洞的不完全典型柯克曼填充设计存在性中起到了关键作用.第叁章通过直接构作方法构作了一些带较小洞的ICKPD(u,v).在此基础上通过递推构作,完全建立了ICKPD(u,v),其中4≤v≤76存在的谱系.第四章充分利用第二章建立的新的4-GDD和柯克曼标架,有效地解决了几类带有最大洞的不完全典型柯克曼填充设计的存在性,为第五章建立本文主要结果奠定了基础.第五章通过递推和归纳的方法去建立了ICKPD的谱系.第六章给出了本文的简要总结,并提出了进一步研究的问题.(本文来源于《南通大学》期刊2018-04-08）
刘思谦[2]（2017）在《不完全数据填充算法的研究与应用》一文中研究指出随着互联网和人工智能的不断发展与深化,数据正以指数级的姿态爆发。但由于各种原因导致这些数据中存在大量的不完全数据,直接影响进一步的数据分析与挖掘,使得数据无法最大化的发挥其价值。因此对不完全数据填充的研究具有极其重要的意义。传统的单次数据填充算法用全部数据集进行填充,这在提高了计算量同时又没有考虑数据间的相关性,并且大部分算法无法直接对缺失数据进行特征提取;而对于迭代式填充算法,大多又存在收敛慢,精度不够高等问题。针对以上问题,文本先提出了一种基于深度信念网络的不完全数据填充算法,用降噪的深度信念网络直接从不完全数据提取出具有一定鲁棒性的特征。再用这些特征进行聚类,在每个类内使用共现矩阵和部分距离策略对数据进行举手表决,最后将得分转换成权重进行加权填充。然后本文又提出了一种基于多核估计的不完全数据填充算法,它是一种迭代式填充算法,针对离散属性构建核函数,并对连续属性构建多个核函数的估计器,进而得到混合属性的多核估计器。同时,为了提高算法收敛速度,使用部分距离策略对缺失值进行预填充。最后使用核估计器对缺失值进行迭代填充。在文章的最后,通过对本文算法进行适配与优化,将其应用到了美国进出口贸易数据的填充与规范当中。通过验证分析,其填充准确率高达85%。从实验结果中可以得出,本文提出的算法在保证准确率的同时提高填充精度,满足学术研究的要求与工业应用的标准。具有一定的理论与应用价值。(本文来源于《大连理工大学》期刊2017-03-20）
成建兵,王金华[3]（2016）在《带洞大小为16和22的不完全典型柯克曼填充设计的存在性》一文中研究指出设计的嵌入问题是组合设计理论中的基本问题,带洞不完全典型柯克曼填充设计的存在性在典型柯克曼填充设计嵌入问题的研究中发挥着重要作用.设正整数u,v≡4(mod 6),ICKPD(u,v)表示带洞大小v的u阶不完全典型柯克曼填充设计.利用Bose混差直接构作法和基于柯克曼标架的递推构作法证明了当v=16,22时,ICKPD(u,v)存在的必要条件u≥3v+4和u≡4(mod 6)也是充分的,其中(u,v)=(52,16)是唯一可能例外.(本文来源于《南通大学学报(自然科学版)》期刊2016年01期）
吕爱玲[4]（2014）在《传感器网络中不完全数据填充方法研究》一文中研究指出传感器网络节点硬件失效、监测环境恶劣、网络拥塞等客观问题,使得传感器网络数据的不完全性成为必然。不完全数据给数据融合、数据存储和数据挖掘等技术带来严峻考验,传统针对完全数据的处理方法显得无能为力。因此,如何对不完全数据进行填充成为我们面临的一项重大难题。现存的不完全数据填充算法主要针对静态统计学数据,算法要么计算复杂度高,要么填充精确度低,难以满足传感器网络数据对精确性和实时性的双重要求,因此,传统算法不能直接应用于传感器网络不完全数据处理。考虑到人们对不同传感器数据要求有差异性,本文提出一种基于区分属性重要性的不完全数据填充算法。算法通过属性约简技术,对目标对象进行属性重要程度区分,对于重要属性采用基于改进的马氏距离的填充算法进行精确填充,而对于非重要属性采用定义的相似度概率法快速填充,算法在保证了数据填充精确度的同时提高了效率。实验结果表明,该算法是一种有效的传感器网络不完全数据填充算法；针对传感器网络数据采集的“流式”特征,充分利用传感器网络数据的时空相关性,本文提出了一种基于嵌套滑动窗口的数据流的缺失数据填充算法。算法基于传统滑动窗口数据处理技术,通过对嵌套滑动窗口和相关系数图的定义,采用增量相关系数计算方式,对属性间的空间相关性分析；对于具有空间相关性的属性缺失数据,采用嵌套窗口内的马氏距离填充算法,而其余数据采用时间相关的线性填充算法,算法有效去除了辅助信息中大量无关数据,减少了填充计算量,是一种有效的数据流不完全数据填充方法。仿真对比实验表明,算法能够实时快速对传感器网络不完全数据进行填充。(本文来源于《大连理工大学》期刊2014-03-31）
金连[5]（2013）在《不完全数据中缺失值填充关键技术研究》一文中研究指出无论在研究领域还是工程领域，缺失数据都是一个不能忽视的严重问题。尤其随着数据收集工作从人工转向机器，数据量的急速膨胀使得各种数据质量问题混杂其中，其中数据缺失更是难以避免。不正确的度量方法、收集条件的限制、手动录入时出现遗漏或者数据违反约束等问题都可能导致数据库中的大量“空值”。美国Honeywell公司用于设备维护和测试的数据库中缺失值比例高达50%以上。这并不稀奇，在医药领域由于其不规范的数据收集方法，数据丢失率更能达到60%以上。这些缺失值不仅意味着信息空白，更重要的是它会影响后续数据挖掘和统计分析等工作的进行。一般对缺失值处理的方法包括删除不完整记录、当作特殊值处理或者插补空值。显然，插补的方法不管从量上还是质上，对数据的处理结果都要好于前两种。目前国内外已提出了很多有关缺失值填充的方法。尽管这些方法在各自的应用环境下都得到了很好的效果，但仍然存在一些不足。比如，一些模型像决策树需要指定类属性与条件属性，这样的模型每处理一个属性就要训练一次模型，效率很低。其次，很多算法对高维数据的处理能力有限，引入无用的变量不仅影响执行效率，而且会干扰最终填充效果。第叁、在没有真值作为对比的情况下，无法评价不同属性的填充效果。最后，很多算法只适用于小数据集，远远无法满足目前对大量数据的处理要求。为解决上述问题，本文给出了一个基于贝叶斯网和概率推理的填充方法。与常用的贝叶斯网构建算法不同，本文针对缺失值填充这一特定的应用前提，从挖掘属性相关性入手构建网络。建立贝叶斯网时不设定任何目标属性，由影响最大的属性作为根。这一过程不需要用户对数据有太多了解，完全由算法自动完成。根据贝叶斯网自身的条件独立性假设可以分解对多维联合概率的求解，降低在处理高维数据时的复杂度。填充值根据概率推理结果得到。推理产生的概率信息能够反映填充值的不确定程度，即概率越小，准确率越低，反之，准确率越高。这就为评价填充质量提供了一个参考。为使算法适用于混合属性集，本文在贝叶斯网中加入了对连续属性的处理，所有属性的填充均在一个模型下完成。针对大数据集，应用并行技术来解决效率问题。本文给出了算法在Map-Reduce中的实现。实验部分分别验证了贝叶斯网构建算法和概率推理算法的有效性并对比分析了整个填充算法的准确率；并行处理部分给出了并行效率并分析了影响并行性能的因素。(本文来源于《哈尔滨工业大学》期刊2013-06-01）
杨英达[6]（2013）在《物联网不完全数据填充算法研究》一文中研究指出随着物联网技术的大规模应用,物联网数据的不完全性问题日益突出。所谓数据不完全性是指终端工作异常而引起的采集数据全部或部分属性值缺失。数据不完全性给物联网的数据融合、数据挖掘等带来极大困难,严重阻碍物联网数据的应用。因此对物联网不完全数据进行填充是一个重要课题。针对物联网不完全数据处理问题,本文主要进行了两大研究工作,分别是粗糙集理论和不完全数据填充算法。在粗糙集理论中主要研究了属性约简和粒计算相关的知识,借助传统的处理完全信息系统的知识来对物联网不完全数据进行抽象,提出了新的不完全信息系统划分的定义,改进了基于幂图的属性约简算法。在不完全数据填充算法中很多经典的方法诸如均值、概率、线性回归预测、基于决策树的填充方法等,但是这些方法对不完全数据处理采用的是统一的处理方式,并不适合处理大规模物联网数据,因此本文提出了区分重要属性和非重要属性的不完全数据填充算法。针对非重要属性,采用基于分组概率的方法进行填充,而对于重要属性采用基于相似度的方法进行填充。本方法既能保证重要属性缺失值填充的准确性,同时也能降低对非重要属性的计算复杂度。本文通过物联网实验平台采集的数据作为数据来源进行了仿真实验,实验表明本文提出的方法能够对物联网不完全数据进行有效填充,同时在准确率方面要优于概率或者均值法。(本文来源于《大连理工大学》期刊2013-03-31）
陈志奎,杨英达,张清辰,刘旸[7]（2013）在《基于属性约简的物联网不完全数据填充算法》一文中研究指出传统的数据填充算法采用统一方法对不完全数据进行填充,效率低下,不适合对物联网中大规模不完全数据进行填充,因此提出了一种基于属性约简不完全数据填充算法。利用属性约简区分数据的重要属性与非重要属性,分别采用不同的填充技术对两类属性进行填充,其中重要属性个数由用户根据实际需要设定。实验结果表明,该算法能够有效、快速地对物联网中大规模不完全数据进行填充。(本文来源于《计算机工程与设计》期刊2013年02期）
赵海源[8]（2009）在《对不完全典型Kirkman填充设计的禁忌搜索算法研究》一文中研究指出组合设计理论是离散数学的一个重要分支。组合设计的构造首先需要进行直接构造,然后在直接构造的结果上进行递推。对某一种设计进行直接构造的结果,决定了这种设计是否能够被完全解决。然而,对于比较大型的设计,在直接构造时会面临很多问题。如果用一般的循环遍历算法,其耗费时间或存储空间将是不可承受的。本文一共五章。第一章介绍了组合设计的基本概念和嵌入设计的解决情况,引出了不完全典型Kirkman填充设计概念,并强调了直接构造的在组合设计中的重要性。第二章阐述了启发式算法的概念,以简单邻域搜索算法为例,介绍了启发式算法的特点,并引出了现代优化算法。第叁章介绍现代优化算法中的禁忌搜索算法的概念和策略,重点讲述了禁忌搜索算法的内容:候选集合的选取、禁忌对象、禁忌长度、解禁策略、评价函数和终止原则。第四章在第叁章的基础上,利用禁忌搜索算法,对不完全典型Kirkman填充设计进行直接构造,针对其特点,规划了禁忌算法流程图,重点介绍了评价函数的构造,并给出了最终直接构造的结果。第五章给出了其他一些ICKPD构造的结果。(本文来源于《上海交通大学》期刊2009-01-01）
张国俊[9]（2007）在《介质不完全填充微扰法测量研究》一文中研究指出随着人们对微波理论和技术研究的深入，微波在国防、工业、农业、生物、医疗、医药等领域的应用研究取得了巨大的进展。但是，由于人们对微波对物质的作用，尤其是对生物组织等媒质的影响及其作用机理缺乏深入地认识，使微波在这些领域的应用受到了限制。由于介电常数表征了介质对微波的宏观响应特性，因而成为微波能应用中不可或缺的参数。多种测量介质介电常数的方法得到了应用，传输线法和谐振法是其中的典型方法。本文比较了各种方法的特点及应用范围，其中谐振腔微扰法因为其在测量中反演方便、准确度高而被广泛应用，特别是样品用量少的特点使微扰法成为测量生物组织介电常数的重要方法。本文根据谐振腔微扰理论中的假设条件，利用基于有限元的数值模拟方法研究分析了测试仪器、腔体耦合孔、腔体宽边介质插入孔开孔、液体介质容器以及介质偏角等对谐振腔微扰法测量精度的影响，从场分布的角度分析了微扰法测量误差的主要来源，对组建测量系统以及减小测量误差具有重要的参考价值。采用微扰法测量了部分常用有机溶剂的介电常数，并在此基础上提出了实现谐振腔不完全填充测量的两种方法：相邻状态比较微扰法和斜率计算法。相邻状态比较微扰法：将圆柱形介质插入谐振腔，用两个相邻的插入深度谐振状态的变化代替满填充介质与不填充介质时谐振状态的变化，利用微扰计算公式得到介质介电常数；斜率计算法：首次提出利用介电常数与不完全填充腔体谐振状态的线性关系，对标准介质的这种线性关系进行拟合得到准确的线性函数，用其计算待测量介质的介电常数。这两种方法在一定程度上克服了谐振腔不完全填充介质时由于场分布不均匀引入传统微扰计算公式中的误差。实验验证了这两种方法的可行性，介质填充率在50％到20％的测量误差小于10％。(本文来源于《四川大学》期刊2007-05-14）
周艺彪,姜庆五,赵根明[10]（2004）在《不完全数据处理方法——多重填充》一文中研究指出在多数流行病学或其他公共卫生调查中,都会不同程度地存在不完全数据,调查对象拒绝参加、调查对象对某些调查项目无应答或在长期随访调查研究中,由于调查对象失访等均可产生不完全数据。这不仅为数据的处理与分析带来一定的困难,而且可能由于应答者与无应答者之间存在系统(本文来源于《中华预防医学杂志》期刊2004年06期）
不完全填充论文开题报告
（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：
随着互联网和人工智能的不断发展与深化,数据正以指数级的姿态爆发。但由于各种原因导致这些数据中存在大量的不完全数据,直接影响进一步的数据分析与挖掘,使得数据无法最大化的发挥其价值。因此对不完全数据填充的研究具有极其重要的意义。传统的单次数据填充算法用全部数据集进行填充,这在提高了计算量同时又没有考虑数据间的相关性,并且大部分算法无法直接对缺失数据进行特征提取;而对于迭代式填充算法,大多又存在收敛慢,精度不够高等问题。针对以上问题,文本先提出了一种基于深度信念网络的不完全数据填充算法,用降噪的深度信念网络直接从不完全数据提取出具有一定鲁棒性的特征。再用这些特征进行聚类,在每个类内使用共现矩阵和部分距离策略对数据进行举手表决,最后将得分转换成权重进行加权填充。然后本文又提出了一种基于多核估计的不完全数据填充算法,它是一种迭代式填充算法,针对离散属性构建核函数,并对连续属性构建多个核函数的估计器,进而得到混合属性的多核估计器。同时,为了提高算法收敛速度,使用部分距离策略对缺失值进行预填充。最后使用核估计器对缺失值进行迭代填充。在文章的最后,通过对本文算法进行适配与优化,将其应用到了美国进出口贸易数据的填充与规范当中。通过验证分析,其填充准确率高达85%。从实验结果中可以得出,本文提出的算法在保证准确率的同时提高填充精度,满足学术研究的要求与工业应用的标准。具有一定的理论与应用价值。
（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。
不完全填充论文参考文献
[1].王羚晔.不完全典型柯克曼填充设计的存在性[D].南通大学.2018
[2].刘思谦.不完全数据填充算法的研究与应用[D].大连理工大学.2017
[3].成建兵,王金华.带洞大小为16和22的不完全典型柯克曼填充设计的存在性[J].南通大学学报(自然科学版).2016
[4].吕爱玲.传感器网络中不完全数据填充方法研究[D].大连理工大学.2014
[5].金连.不完全数据中缺失值填充关键技术研究[D].哈尔滨工业大学.2013
[6].杨英达.物联网不完全数据填充算法研究[D].大连理工大学.2013
[7].陈志奎,杨英达,张清辰,刘旸.基于属性约简的物联网不完全数据填充算法[J].计算机工程与设计.2013
[8].赵海源.对不完全典型Kirkman填充设计的禁忌搜索算法研究[D].上海交通大学.2009
[9].张国俊.介质不完全填充微扰法测量研究[D].四川大学.2007
[10].周艺彪,姜庆五,赵根明.不完全数据处理方法——多重填充[J].中华预防医学杂志.2004