一、重复数不大于三的“不完全区组”试验方法（论文文献综述）
曾铁聪[1]（1977）在《重复数不大于三的“不完全区组”试验方法》文中研究指明 常见的试验方法,总是要求把要对比的所有处理,放在条件基本相同的环境下进行试验,否则认为缺乏可比性,难以下结论。例如“品比试验”。要比较几个品种,就不仅要选用能容纳这几品种（有时还包括对每个品种的若干次重复）的地力均匀的田块,而且从秧龄、插植规格、密度到整个生长期的肥水管理和植保措施等等,都需要基本统一,否则就给将来的分析比较带来很大的困难。但是,实际工作上要保证这些条件的基本统一并不容易。如比较20个品种,每小区二厘地,三次重复合共一亩二分的试区。要求地力均匀,从插植到管理又基本统一,就有很大困难。为免除这种试验条件客观存在的差异对试验结论的影响,曾广泛地推行了所谓“随机区组”或“区组随机化”方法。就是让要对比的处理,非主观地安排到有差异的环境中,然后借助不同的重复去“自然”抵消这些差异带来的影响。例如比较6个品种,三次重复的“随机区组”方法安排如下:
张涛[2]（2011）在《小麦骨干亲本及其后代田间试验设计和分析方法》文中研究说明在小麦育种中骨干亲本是改良品种的基础,没有骨干亲本的优良遗传性状,优良的小麦新品种是难以育成或发展起来的。不仅我国绝大部分小麦大面积推广品种是骨干亲本的后代,而且还由其衍生出许多具有广泛应用价值的亲本育种材料。但是由于试验材料是骨干亲本及其衍生后代组成的,这些亲本和它们的衍生系（后代）具有亲缘关系。对于大数量具有亲缘相似性特点的骨干亲本及其衍生后代材料的田间试验及其相应的分析方法值得探讨研究。本研究以2007-2008年陕西杨凌矮秆小麦骨干亲本及其衍生后代共254份材料为研究对象,通过前期确定大数量骨干亲本及其衍生后代品系试验设计方案（具有分层结构的设计）,后期利用分层混合模型来解决材料间相关性,估计品种效应,再利用多重比较、线性组间比较、育种值估计、多元统计、综合评价等分析方法,阐明不同世代的骨干亲本和后代的性状差异,深入分析骨干亲本及其衍生后代之间的性状演变趋势和亲本对后代的贡献大小。另外通过对2007-2008年陕西杨凌模拟产生的小区产量数据和2007-2008年山东泰安实测小区产量数据进行分析,筛选出相对效率较高且稳定的模型方法为模型的选择提供依据。最后以R语言环境为开发平台以R-Commander为设计模板,加载了相应的分析模块,方便了试验者和科研人员在今后针对具有相关性材料的大数量区域试验中进行分析操作。1.在处理设计中针对骨干亲本衍生群内的亲缘相似性特点,按照分层设计思路,遵照区组内相似性及各衍生世代相对平衡原则,进行处理分层的不完全区组设计。在环境设计中采用双向田间主区区组排列、主区区组内处理拉丁方排列及设置主区中心对照、随机对照、侧对照设计。2.线性固定模型和分层混合模型的14个性状处理效应估计标准误的合计值分别为187.58及120.89,分层混合模型处理估计误差比固定模型降低35.55%。可以看出采用重复内区组分层混合模型可有效的降低处理效应的估计误差,建议在大数量处理且数据缺失不平衡时使用分层混合模型进行处理效应的估计。通过ICC（组内相关系数）值,发现:其中小区产量、分蘖数、叶长、株高4个性状具有较高的ICC值说明这4个性状组内各个体间存在较高的相似性。从两种多重比较方法进行分组后可知,Tukey检验得到字母重叠的分组结果,它比较适用于样本量较少时进行深入比较和细致分析。Scott-Knott检验得到字母不重叠的分组结果,它在大样本时结果表示简洁且易于解释。因此建议在大样本时使用Scott-Knott检验的分组结果较好。3.本研究对3个骨干亲本阿夫、碧玛4号、南大2419及其衍生系谱品种在2008年陕西杨凌进行了12个性状鉴定。从骨干亲本与衍生子一代12个性状平均值比较来看,骨干亲本阿夫将小区产量、分蘖数、抗条锈病、穗粒数、穗粒重、叶长、叶宽等7个性状的较高基因累积水平的遗传背景传递给阿夫衍生子一代,而在抽穗期、每穗小穗数、千粒重、穗长、株高等5个性状的基因累积水平由于其他亲本影响而得到改进。骨干亲本碧玛4号将小区产量、分蘖数、抗条锈病、每穗小穗数、穗长、穗粒数、穗粒重、叶长、叶宽等9个性状的较高基因累计水平的遗传背景传递给碧玛4号衍生子二代,而在抽穗期、千粒重、株高等3个性状的基因累计水平由于其他亲本影响而得到改进。骨干亲本南大2419将小区产量、分蘖数、每穗小穗数、叶宽等4个性状的较高基因累积水平的遗传背景传递给南大2419衍生子一代,而在抽穗期、抗条锈病、千粒重、穗长、穗粒数、穗粒重、叶长、株高等8个性状的基因累积水平由于其他亲本影响而得到改进。从9个性状的分析上看出,阿夫、碧玛4号、南大2419等3个骨干亲本的衍生子一代、子二代、子三代、子四代中都保持稳定,由此说明骨干亲本都将良好遗传背景稳定地传递给衍生后代。从阿夫、碧玛4号、南大2419等3个骨干亲本的衍生后代12个性状育种值分析来看,阿夫亲本给后代的有利基因效应传递较大的是抗条锈病、高穗粒数、高穗粒重、长叶、宽叶等5个性状。其中有利基因效应传递较大的是抗条锈病、长叶。并且具有不利基因效应的每穗小穗数的育种值很小,由此说明阿夫亲本给后代带来不利基因的遗传负荷很小。碧玛4号亲本给后代的有利增效基因效应传递最大的是多分蘖数,但是也在低小区产量、感条锈病、低小穗数、短穗、低穗粒数、低穗粒重、短叶、窄叶、高秆等9个性状给后代带来不利基因效应的遗传负荷。南大2419亲本给后代的有利增效基因效应传递较大的是多小穗数、高千粒重、长穗、高穗粒重等4个性状,但是也在少分蘖数、感条锈病、短叶、高秆等4个性状给后代带来不利基因的遗传负荷。4.采用欧氏距离类平均法对17个材料进行聚类分析。分为8个不同的类群:类群Ⅰ为碧玛4号;类群Ⅱ为阿夫;类群Ⅲ为碧玛4号中间亲本;类群Ⅳ为南大2419;类群Ⅴ为阿夫子一代、阿夫子二代、阿夫子三代、阿夫子四代;类群Ⅵ为南大2419子一代、南大2419子二代、南大2419子三代、南大2419子四代、南大2419子五代;类群Ⅶ为阿夫子五代;类群Ⅷ为碧玛4号子二代、碧玛4号子三代、碧玛4号子四代。通过对应分析可揭示每个类群的特征,最大程度的体现了骨干亲本及其各世代衍生后代间的相似性和差异性。通过因子载荷分析可将八个因子命名为:穗粒数量和重量因子、粒重因子、生育期因子、小区产量因子、叶宽因子、每穗小穗数因子、株高因子、叶长因子。其中穗粒数量和重量因子由于方差贡献最大达到14%,此因子对产量的形成起着决定作用。通过改进雷达图综合评价分析得到各样本综合得分,其中前五名的世代依次是:南大2419子五代、南大2419子四代、阿夫子三代、阿夫子四代、南大2419子二代,综合得分最低的是:碧玛4号。由综合得分中三个亲本基因型值和后代估计育种值来看:南大2419亲本在综合得分上贡献给后代的有利增效基因潜力较大;碧玛4号亲本在综合得分上贡献给后代的不利减效基因潜力较大.三个亲本对下代的综合传递能力:碧玛4号最强,南大2419其次,阿夫最弱。5.通过对2007-08年陕西杨凌矮杆小麦100次模拟小区产量数据的原始线性模型进行有效性分析,结果表明:三个固定效应:重复、处理、重复内区组的多套模拟数据计算的F值中超过50%大于原始数据F值,认为三个固定效应的原始概率值可以接受,即原始线性模型方差分析结果是有效的,可利用模型产生的模拟数据进行分析。通过两个地点数据分析综合说明了三次重复简化广义格子设计分析（SGL）模型能更进一步控制田间试验误差,且增加重复数可以更为精确的估计处理效应,在山东实测数据实验中2次重复（SGL）模型就能达到三次重复随机完全区组分析（RB）模型的试验效率水平。进一步证明了大数量试验中重复次数为3次重复的（SGL）模型能有效提高试验效率。6.本研究以R语言环境为开发平台以R-Commander为设计模板,遵循软件工程理念,采用模块化设计方法,从研究原有的混合模型分析程序、调整均值估计程序、多重比较方法程序和线性分组比较程序入手,构建了以鼠标、菜单操作的软件分析模块,并初步得到以下结果:（1）构建了混合模型分析模块,利用该模块可用于试验设计中的裂区设计分析,巢式设计分析等,试验者和科研人员可方便的在参数菜单中选择最大似然估计（ML）和限制性最大似然估计（REML）并在固定效应和随机效应参数中对分类因子各水平在不同层次上进行效应估计。（2）增加了调整均值的估计分析模块,方便在以后的协方差分析中对处理因子各水平效应均值进行有效的调整以及在非均衡数据情况下对均衡情况的边缘均值做简单地估计。（3）增加了多重比较分析、线性分组比较模块,并对经典的方法做了扩增（如:加入各种P值调整的多重比较方法和针对任意对比的Scheffe、Tukey线性分组比较法）丰富了试验者和科研人员对多重比较、线性分组比较方法的选择。
萧兵[3]（1987）在《农业多因素试验设计讲座 第八讲 重复数不大于3的不完全区组设计》文中研究表明 当试验处理组合较多,而要求进行较多的重复试验时,通常的办法是多设几个区组。如果在同一个区组内条件均匀,则可安排全部处理组合。但是,过于扩大区组范围,又很难保证区组内试验条件的一致。而缩小区组之后,则在同一个区组中就不能同时安排全部的处理组合。在这种情况下,就要用到区组设计。现在,介绍试验重复数不大于3,在有环境差异的条件下,如何有效地进行对比试验的问题。
黄秉聪[4]（1979）在《不完全区组设计的实践与认识》文中提出 1975年全国概率统计会议（苏州）指出:要在普及推广“正交试验设计”基础上,逐步推广“不完全区组设计”等方法.近年来,我们在微生物农药鉴别,籼稻花药培养的培养基筛选,作物品种比较,栽培条件试验以及农业机械性能测定等方面,先后运用这些方法,协同部、省、地、县、公社、大队等有关单位,进行了20多项试验,取得了一定成效.本文着重从模型适应性、直观分析和方差分析三方面,就实践中得到的一些认识,提几点看法.其中对直观分析方法的改进,不仅改善了常见有关“B.I.B.D.”统计分析原理的推导,而且统一了各种类型“I.B.D”的统计分析;特别使统计分析艰难的“P.B.I.B.D”获得一个大为简捷的分析程序.
苏德隆[5]（1979）在《医学实验设计分析浅识(四)》文中进行了进一步梳理 平衡不完全区组设计 在“不完全区组”设计里,处理数多于单个区组所能包容的。“平衡不完全区组”设计是不完全区组设计的一种,在这种设计里,任何给定的一对处理,例如A与D,或C与B,在整个实验中出现于同区组的次数相等。 在实践中,有时由于客观原因,如实验设备或仪器的短缺,区组的容量受到限制,在单个区组里不能容纳所要试验的全部处理,所以这种区组设计是“不完全的”;但各种处理在整个实验中出现的次数相同,故又是“平衡的”。
马占梅[6]（2009）在《基于平衡不完全区组设计的LDPC码构造研究》文中提出低密度校验（LDPC）码是一类逼近香农限的编码,已成为当今信道编码领域的研究热点之一。利用组合设计构造的一些LDPC码具有循环或准循环结构,不仅性能接近随机构造的最优LDPC码,而且编码非常简单,只需用反馈移位寄存器连接就可实现,因此具有很好的应用前景。本文在对利用组合设计构造LDPC码的相关理论进行研究的基础上,给出了基于Bose构造的平衡不完全区组设计的LDPC码的一些构造方法。本文的主要工作概括为：1.简要阐述了LDPC码的基本原理及其Tanner图模型的表示,介绍了LDPC码的构造方法和编码原理,概述了LDPC码的迭代译码原理。2.概括了区组设计的原理及应用,分析了平衡不完全区组设计（BIBD）的关联矩阵及其存在的必要条件,探讨了Bose构造的两类特殊的平衡不完全区组设计。3.在研究Bose-BIBD的关联矩阵结构特性的基础上,利用位置矢量和循环分解方法构造两类基于Bose-BIBD的正则准循环LDPC码,仿真结果表明用这两种方法构造出的正则准循环LDPC码有良好的性能。4.给出了一种基于Bose-BIBD的非正则LDPC码的构造方法,仿真表明了其接近香农限的良好性能,分析了构造过程中若干关键参数对该码性能的影响并给出了它们的选取原则。
张元跃[7]（1998）在《营养试验中消除动物异质性的研究》文中研究说明本文提出利用随机不完全区组设计消除营养试验中动物异质性的方法，并举出实例说明方法的应用。计算结果表明，这种方法能有效地校正处理、误差平方和与处理均数，相对于完全随机设计能增加设计效率６３％，对提高试验结果的可靠性具有重要作用。
梁昭磊[8]（2009）在《受限条件下的试验设计研究》文中研究指明试验设计是以统计理论为基础,系统地、经济地、科学地安排试验的一种方法,旨在通过有目的的改变系统输入变量的设置,研究系统响应输出的变化,进而掌握输入变量对响应的影响。随着六西格玛管理的推广,试验设计的研究和应用工作也引起了学术界和企业界的重视。然而,目前对于存在受限条件的试验设计问题还缺乏更加深入的研究。本文对试验区域受限、试验顺序受限和试验资源受限的试验设计进行探讨和研究,以期能扩大试验设计的适用范围。本文首先阐述了试验设计的基本理论和传统方法,在此基础上提出了受限试验的设计、分析和优化的方法,具体从以下几个方面进行了研究。首先,探讨了因子间存在相互约束关系的试验设计模型,通过对关联约束因子进行坐标变换和对试验区域内缺失数据点的处理,提出了在两因子间存在关联约束的情况下,试验的设计、分析和优化方案。该方法使试验点的选取更符合现实试验条件的限制,避免了在试验条件不允许的试验点上进行取值。其次,针对关联因子中存在HTC因子这类受限试验,在裂区试验设计的基础上引入嵌套因子设计。通过改进裂区设计,满足了存在HTC因子时,试验顺序不能完全随机化的约束条件;借助嵌套因子设计,处理了因子间存在关联约束的问题,从而为裂区试验中存在关联因子的问题提供了解决思路和方案。再次,针对裂区试验设计中存在关联因子的受限试验设计,探讨了如何进行此类试验的响应曲面的设计。提出了修正标准面中心响应曲面的构造矩阵,使得在此条件下试验设计矩阵满足OLS估计和GLS估计相同,从而解决了关联裂区试验设计的响应曲面构造问题。最后,研究了将数据挖掘中的关联规则分析和决策树应用到试验设计前期的因素选择上,有效的利用了历史数据的信息,同时也弥补了试验设计中因素的选择缺少定量的数据分析支持的缺点。
唐煜[9]（2005）在《均匀设计的组合性质及其构作》文中指出试验设计和组合设计之间的联系有着久远的历史。本文的目的在于讨论几种常用偏差下均匀设计的组合性质,并由此采用一些已知的或新给出的组合构型来构作所需的均匀设计。 根据三种不同类型的偏差,即离散偏差,可卷L2-偏差和中心化L2-偏差,本文的主要部分可以被分成三章。第2章推广了现有的关于离散偏差下均匀设计的组合性质,并利用组合设计理论中一些常用的组合构型,包括可分解部分成对平衡设计,可分解填充覆盖及t-设计等来构作离散偏差下的均匀设计。第3章和第4章则分别介绍了可卷L2-偏差及中心化L2-偏差均匀设计下的组合性质与组合构作方法。我们精确地给出了两种偏差的一系列下界以及到达下界所需要的条件。同时我们也定义了包括完美的可分解平衡不完全区组设计在内的一些特殊的组合构型来构作相应的均匀设计。最后,我们在第5章还给出了一种平衡趋向性算法来搜索给定偏差下的均匀设计。这个算法结合了前面几章中所讨论的组合性质,从而相对比较有效。通过这个新算法,我们找到了许多比较满意的低偏差设计。
吴大宏[10]（2003）在《基于遗传算法与神经网络的桥梁结构健康监测系统研究》文中研究说明桥梁建成通车后，由于受气候、环境因素的影响，结构材料会被腐蚀和逐渐老化，长期的静、动力荷载作用，使其强度和刚度随着时间的增加而降低。这不仅会影响行车安全，更会使桥梁的使用寿命缩短。在结构布局和规模都十分复杂的大型桥梁上仍然沿用传统的桥梁外观检查、养护、维修程序以及常规的局部检测，显然已难以全面反映桥梁的健康状况，尤其是难以对桥梁的安全储备以及退化途径作出系统的评估。建立和发展某种能够提供整体和全面的全桥结构检测和评估信息的监测系统，随时了解大桥结构的承载能力和安全储备，对保证大桥运营的安全性和耐久性都是十分必要的。 目前，在许多大跨度桥梁上都已经安装了永久性的监测系统，但目前的桥梁监测系统中不含结构模型，因而无自动损伤识别的能力。本文在前人研究工作的基础上，根据遗传算法和神经网络在处理复杂非线性问题时的各自特点，分别将其用于桥梁结构健康监测系统的不同部分，提出了建立基于遗传算法与神经网络的桥梁结构健康监测系统的基本设想。为此，本文主要进行了以下几个方面的研究工作。 1．在既有桥梁的研究中，主要包括桥梁总体性损伤评估、桥梁承载能力鉴定、桥梁剩余寿命评估、桥梁处置对策确定及其经济分析等，其中在日常管理养护中比较常用、比较重要的问题之一就是桥梁的总体性损伤评估。根据《中国公路桥梁综合评定方法》，引入数理统计中的“正交试验法”和“均匀设计法”，应用神经网络对桥梁结构进行模糊综合评判。 2．应用神经网络较强的模式分类功能，选择合适的模态信息或动静力响应数据，对桥梁结构进行损伤识别。结合基于静态应变及位移测量的结构参数识别算法，借助遗传算法强大的优化搜索能力，探讨基于遗传算法的桥梁结构损伤识别技术。 3．根据安装在桥梁结构上的监测系统传递来的位移、应变信息，进行作用在桥梁结构上的荷载识别，可以：① 对监测系统传递来的荷载信息加以校核和补充；② 为下一步的损伤识别提供依据。而荷载识别的关键技术在于快速、准确地模拟桥梁的荷载-挠度曲线。以“在位移控制下部分预应力混凝土梁非线性行为试验研究”的试验数据为建模样本集，分别以作用于梁上的荷载和梁的跨中挠度为输入、输出，利用神经网络来对混凝土梁的荷载-挠度曲线进行模拟，并用其进行荷载识别的试验研究，取得了较好的效果。第11页西南交通大学博士研究生学位论文 4.裂缝开展宽度是衡量部分预应力混凝土桥梁使用性和耐久性的一个重要指标，精确地模拟部分预应力混凝土梁的荷载一裂缝关系有着十分重要的意义。然而，混凝土结构裂缝形成和发展的过程十分复杂，具有一定的随机性，难于用常规的方法进行建模。应用神经网络较强的函数映射能力和联想、记忆功能，对部分预应力混凝土梁的荷载一裂缝关系进行建模，通过试验数据进行验证，效果良好，证明应用神经网络来对部分预应力混凝土梁的荷载一裂缝关系进行建模是可行的。 5.混凝土结构中钢筋的锈蚀将直接影响其安全性、可靠性和耐久性，快速、准确地预测混凝土构件中的钢筋锈蚀量有着重要的意义。应用神经网络对锈蚀开裂后的混凝土构件中的钢筋锈蚀量进行预测建模，并通过工程检测结果验证了该建模方法的可行性。 6.应用遗传算法强大的非线性搜索能力，分别以年均投资差额和总投资差额最大为优化分析目标，提出了用遗传算法对常遇大气环境下的混凝土桥梁进行耐久性优化设计的方法，通过算例进行验证，效果良好。 7.将桥梁结构健康监测系统监测到的结构响应看作一个非线性时间序列，应用神经网络较强的数据压缩能力和联想、记忆功能，选取若干天的结构响应数据（应变一时程曲线等）进行学习，并对未来一段时间内的结构响应进行预测。以此为根据，对桥梁结构进行疲劳可靠性分析。 8.由于几何非线性和材料非线性的影响，构件某一失效模式的极限状态方程很可能是强非线性方程，甚至无法得到显式的极限状态方程。工程实际中常采用的传统方法难以精确或有效地对桥梁结构进行可靠性分析。根据可靠度指标刀的几何意义，将求解可靠度指标刀的问题转化为有约束最小化问题，应用遗传算法强大的非线性搜索能力进行求解。
二、重复数不大于三的“不完全区组”试验方法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、重复数不大于三的“不完全区组”试验方法（论文提纲范文）
（2）小麦骨干亲本及其后代田间试验设计和分析方法（论文提纲范文）
| 摘要 |
| Abstract |
| 表题一览 |
| 图题一览 |
| 英文缩略表 |
| 第一章 文献综述 |
| 引言 |
| 1.1 中国小麦品种主要性状的演变研究动态 |
| 1.2 大数量品系比较田间试验设计研究 |
| 1.2.1 处理设计 |
| 1.2.2 环境设计 |
| 1.3 统计分析方法研究动态 |
| 1.3.1 近邻分析模型 |
| 1.3.2 分层模型 |
| 1.3.3 综合评价方法 |
| 1.3.4 调整处理均值估计、多重比较、线性分组比较方法 |
| 1.4 统计分析软件研究动态 |
| 1.4.1 国外统计软件发展的现状 |
| 1.4.2 国内统计软件发展的现状 |
| 1.5 研究的目的、意义及内容 |
| 第二章 小麦骨干亲本及其后代田间试验设计 |
| 引言 |
| 2.1 材料与方法 |
| 2.1.1 材料 |
| 2.1.2 方法 |
| 2.2 结果与分析 |
| 2.2.1 处理设计 |
| 2.2.2 环境设计 |
| 2.3 讨论 |
| 2.4 结论 |
| 第三章 小麦骨干亲本及其后代分析模型及处理比较分析方法 |
| 引言 |
| 3.1 材料与方法 |
| 3.1.1 试验设计和试验材料 |
| 3.1.2 小麦种植和性状数据收集 |
| 3.1.3 分析模型和比较方法 |
| 3.1.4 分析程序 |
| 3.2 结果与分析 |
| 3.2.1 矮秆小麦品种比较试验分层混合模型和线性固定模型分析的比较 |
| 3.2.2 矮秆小麦品种比较试验重复、重复内区组分层混合模型分析结果 |
| 3.2.3 矮秆小麦品种比较试验Tukey 多重比较、Scott-Knott 分组 |
| 3.3 讨论 |
| 3.4 结论 |
| 第四章 小麦骨干亲本及其后代处理性状比较及性状演变规律研究 |
| 引言 |
| 4.1 材料与方法 |
| 4.1.1 试验材料 |
| 4.1.2 方法 |
| 4.1.3 分析程序 |
| 4.2 结果与分析 |
| 4.2.1 阿夫及其衍生后代12 个性状比较分析及其演变趋势 |
| 4.2.2 碧玛4 号及其衍生后代12 个性状比较分析及其演变趋势 |
| 4.2.3 南大2419 及其衍生后代12 个性状比较分析及其演变规律 |
| 4.2.4 阿夫、碧玛4 号、南大2419 及其衍生后代12 个性状育种值估计和分析 |
| 4.3 讨论 |
| 4.4 结论 |
| 第五章 小麦骨干亲本及其后代多元分析及综合评价 |
| 引言 |
| 5.1 材料与方法 |
| 5.1.1 试验材料 |
| 5.1.2 方法 |
| 5.1.3 分析程序 |
| 5.2 结果与分析 |
| 5.2.1 三个骨干亲本及其衍生后代与性状之间关系的聚类分析与对应分析 |
| 5.2.2 三个骨干亲本及其衍生后代13 个性状的综合评价分析 |
| 5.3 讨论 |
| 5.4 结论 |
| 第六章 小麦骨干亲本及后代模拟分析比较各种设计方法效率 |
| 引言 |
| 6.1 材料与方法 |
| 6.1.1 试验材料和实测数据 |
| 6.1.2 方法 |
| 6.1.3 分析程序 |
| 6.2 结果与分析 |
| 6.2.1 杨凌矮杆小麦模拟小区产量数据有效性分析结果 |
| 6.2.2 杨凌矮杆小麦模拟小区产量数据不同模型相对效率的比较 |
| 6.2.3 泰安矮秆小麦实测小区产量数据不同模型相对效率的比较 |
| 6.2.4 杨凌矮杆小麦模拟小区产量数据的所有模型品系选择的相对效率 |
| 6.2.5 泰安矮杆小麦实测小区产量数据的所有模型品系选择的相对效率 |
| 6.3 讨论 |
| 6.4 结论 |
| 第七章 小麦骨干亲本及其后代统计分析软件体系构建 |
| 引言 |
| 7.1 材料与方法 |
| 7.1.1 混合模型的两种估计方法及程序 |
| 7.1.2 调整均值估计方法及程序 |
| 7.1.3 各种多重比较方法及程序 |
| 7.1.4 各种线性分组比较方法及程序 |
| 7.1.5 骨干亲本分析统计软件研制的方法 |
| 7.2 结果与分析 |
| 7.2.1 骨干亲本分析软件的简体中文化版本建立 |
| 7.2.2 骨干亲本分析软件的混合模型分析模块设计 |
| 7.2.3 骨干亲本分析软件的调整均值估计分析模块设计 |
| 7.2.4 骨干亲本分析软件的两种方法多重比较分析模块设计 |
| 7.2.5 骨干亲本分析软件的线性分组比较分析模块设计 |
| 7.3 讨论 |
| 7.4 结论 |
| 第八章 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（6）基于平衡不完全区组设计的LDPC码构造研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 数字通信系统的组成及信道模型 |
| 1.1.1 数字通信系统的组成 |
| 1.1.2 信道模型 |
| 1.2 信道编码理论及其发展 |
| 1.3 LDPC码的研究背景和发展现状 |
| 1.4 本文主要研究工作和内容安排 |
| 第二章 LDPC码基本原理 |
| 2.1 LDPC码的定义及其描述 |
| 2.1.1 LDPC码的定义 |
| 2.1.2 LDPC码的两种形式 |
| 2.1.3 LDPC码的分类 |
| 2.2 LDPC码的Tanner图表示 |
| 2.3 LDPC码的构造 |
| 2.3.1 正则LDPC码的构造 |
| 2.3.2 非正则LDPC码的构造 |
| 2.4 LDPC码的译码 |
| 2.4.1 译码思想 |
| 2.4.2 BIAWGN信道下的译码算法描述 |
| 2.4.3 BEC信道下的译码算法描述 |
| 2.5 本章小结 |
| 第三章 平衡不完全区组设计 |
| 3.1 区组设计简介 |
| 3.2 平衡不完全区组设计 |
| 3.2.1 平衡不完全区组设计的定义 |
| 3.2.2 平衡不完全区组设计的关联矩阵 |
| 3.2.3 平衡不完全区组设计的存在问题 |
| 3.3 Bose-BIBD |
| 3.3.1 Bose-BIBD的理论基础 |
| 3.3.2 第一类 Bose-BIBD |
| 3.3.3 第二类 Bose-BIBD |
| 3.4 本章小结 |
| 第四章 基于BIBD的正则LDPC码 |
| 4.1 基于BIBD的LDPC码 |
| 4.1.1 基于BIBD的LDPC码 |
| 4.1.2 基于Bose-BIBD的LDPC码 |
| 4.1.3 仿真和性能分析 |
| 4.2 基于位置矢量的准循环BIBD-LDPC码 |
| 4.2.1 位置矢量 |
| 4.2.2 基于位置矢量的QC-BIBD-LDPC码的构造方法 |
| 4.2.3 仿真和性能分析 |
| 4.3 基于循环分解的准循环BIBD-LDPC码 |
| 4.3.1 使用循环分解构造准循环码 |
| 4.3.2 基于循环分解的QC-BIBD-LDPC码的构造方法 |
| 4.3.3 仿真和性能分析 |
| 4.4 本章小结 |
| 第五章 基于Bose-BIBD的非正则LDPC码 |
| 5.1 基于BIBD的非正则LDPC码 |
| 5.2 基于Bose-BIBD的非正则LDPC码 |
| 5.3 仿真和性能分析 |
| 5.4 本章小结 |
| 结束语 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间完成的论文和参与的科研工作 |
（8）受限条件下的试验设计研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的背景 |
| 1.2 研究综述 |
| 1.2.1 试验区域受限的研究 |
| 1.2.2 试验顺序受限的研究 |
| 1.2.3 试验资源受限的研究 |
| 1.3 研究的意义和目的 |
| 1.3.1 研究的意义 |
| 1.3.2 研究的目的 |
| 1.4 研究的主要内容与创新之处 |
| 1.4.1 研究的主要内容 |
| 1.4.2 研究的创新之处 |
| 第二章 试验设计的基本理论和方法 |
| 2.1 试验设计的基本原理 |
| 2.2 经典试验设计 |
| 2.2.1 全因子试验设计 |
| 2.2.2 部分因子试验设计 |
| 2.2.3 响应曲面方法 |
| 2.3 田口方法 |
| 2.4 混料试验设计 |
| 2.4.1 一般混料试验设计 |
| 2.4.2 存在线性约束的混料试验设计 |
| 2.5 裂区试验设计 |
| 2.6 条区试验设计 |
| 2.7 其他设计 |
| 2.8 本章小结 |
| 第三章 因素间存在相互限制的试验设计 |
| 3.1 两因素相互限制的试验空间 |
| 3.2 相互限制因素的坐标转换 |
| 3.3 缺失数据点的处理 |
| 3.3.1 缺失数据处理方法综述 |
| 3.3.2 缺失数据的弥补方式 |
| 3.4 因素间存在相互限制试验的分析 |
| 3.4.1 回归系数中的最小二乘估计 |
| 3.4.2 两因子间有约束情况下回归系数的估计 |
| 3.4.3 两因子间存在约束关系的坐标还原 |
| 3.5 因素间存在相互限制试验的评价及技术路线 |
| 3.5.1 因素间存在相互限制的试验设计的评价 |
| 3.5.2 因素间存在相互限制的试验设计的技术路线 |
| 3.6 实例分析及方法评价 |
| 3.7 本章小结 |
| 第四章 存在关联因素的一阶裂区设计 |
| 4.1 关联因素设计和裂区设计简介 |
| 4.1.1 关联因素设计 |
| 4.1.2 裂区设计 |
| 4.2 一阶关联裂区设计的试验空间及代码转换 |
| 4.2.1 一阶裂区设计设计的代码转换 |
| 4.2.2 一阶关联裂区设计的试验空间 |
| 4.3 一阶关联裂区设计的数据分析 |
| 4.4 存在关联因素的一阶裂区设计的评价及技术路线 |
| 4.4.1 存在关联因素的一阶裂区设计的评价 |
| 4.4.2 存在关联因素的一阶裂区设计的技术路线 |
| 4.5 一阶关联裂区设计的测试举例 |
| 4.6 本章小结 |
| 第五章 存在关联因素的二阶响应曲面裂区设计 |
| 5.1 响应曲面的类型比较 |
| 5.2 二阶关联裂区设计的试验空间及代码转换 |
| 5.2.1 二阶关联裂区设计的试验空间 |
| 5.2.2 二阶裂区设计设计的代码转换 |
| 5.3 二阶关联裂区的设计矩阵构造 |
| 5.4 关联裂区响应曲面的设计和分析 |
| 5.5 关联裂区响应曲面设计的技术路线 |
| 5.6 关联裂区响应曲面设计的测试举例 |
| 5.7 本章小结 |
| 第六章 资源约束条件下的试验设计 |
| 6.1 试验设计中因素选择的问题 |
| 6.2 数据挖掘的方法 |
| 6.2.1 关联规则挖掘方法 |
| 6.2.2 决策树挖掘方法 |
| 6.3 构建基于关联规则分析的试验设计 |
| 6.3.1 试验设计中响应值在关联规则分析中的处理 |
| 6.3.2 关联规则最小可信度和支持度的设定 |
| 6.4 决策树在因素选择中的应用 |
| 6.5 本章小结 |
| 总结与展望 |
| 总结 |
| 研究展望 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
（9）均匀设计的组合性质及其构作（论文提纲范文）
| 苏州大学博士学位论文详细摘要 |
| 第一章 绪论 |
| 1.1 均匀设计简介 |
| 1.2 预备知识与记号 |
| 1.3 主要结果 |
| 第二章 离散偏差下的均匀设计及其组合构作 |
| 2.1 组合性质 |
| 2.2 组合构作 |
| 2.2.1 通过R|～PPBD构作 |
| 2.2.2 R|～MP及R|～MC构作 |
| 2.2.3 可划分t设计构作 |
| 2.3 加权离散偏差下的均匀设计及其组合构作 |
| 第三章 可卷L_2-偏差下的均匀设计及其组合构作 |
| 3.1 组合性质 |
| 3.2 组合构作 |
| 3.2.1 三水平设计的递归构作 |
| 3.2.2 通过PRBIBD构作 |
| 第四章 中心化L_2-偏差下的均匀设计及其组合构作 |
| 4.1 组合性质 |
| 4.1.1 一般情形下的中心化L_2-偏差 |
| 4.1.2 三和四水平情形 |
| 4.2 组合构作 |
| 第五章 组合优化搜索低偏差设计 |
| 5.1 优化方法搜索均匀设计 |
| 5.2 平衡趋向性算法框架 |
| 5.3 实现与结果 |
| 5.3.1 可卷L_2-偏差 |
| 5.3.2 中心化L_2-偏差 |
| 第六章 未来的工作 |
| 参考文献 |
| 攻博期间完成论文情况 |
| 致谢 |
（10）基于遗传算法与神经网络的桥梁结构健康监测系统研究（论文提纲范文）
| 第1章 绪论 |
| 1.1 课题的研究意义与国内外现状分析 |
| 1.1.1 课题的研究意义 |
| 1.1.2 国内外现状分析 |
| 1.2 课题研究内容和拟解决的关键问题 |
| 第2章 桥梁结构健康监测系统 |
| 2.1 概论 |
| 2.2 桥梁健康监测系统的构建和需要解决的问题 |
| 2.2.1 桥梁健康监测新概念 |
| 2.2.2 健康监测系统设计 |
| 2.3 传感器的选择和优化布设 |
| 2.3.1 传感元件(sensor)选择 |
| 2.3.2 传感器的优化布设 |
| 2.4 光导纤维在桥梁结构健康监测系统中的应用 |
| 2.4.1 光纤传感器在桥梁结构健康监测中的应用 |
| 2.4.2 光纤传感器的组成及原理 |
| 2.4.3 光纤传感器安装工艺研究 |
| 2.4.4 光纤传感器应用中的一些问题 |
| 2.4.5 结语 |
| 2.5 基于Internet／Intranet的桥梁结构健康监测系统 |
| 2.5.1 基于Internet／Intranet的桥梁结构健康监测系统 |
| 2.5.2 现场数据采集站 |
| 2.5.3 基于Internet／Intranet的桥梁结构健康监测系统信息处理方法 |
| 2.5.4 结语 |
| 第3章 基于神经网络的桥梁结构模糊综合评判 |
| 3.1 几种常用的桥梁结构评估方法 |
| 3.1.1 桥梁承载能力的评估方法 |
| 3.1.2 桥梁损伤的多层次模糊综合评价方法 |
| 3.1.3 桥梁损伤评估及对策专家系统 |
| 3.2 桥梁结构评价的模糊分级法 |
| 3.2.1 《公路养护技术规范》(JTJ 073-96)综合评定法 |
| 3.2.2 公路桥梁管理系统 |
| 3.3 神经网络与遗传算法简介 |
| 3.3.1 神经网络 |
| 3.3.2 遗传算法 |
| 3.4 基于神经网络的桥梁结构模糊综合评判 |
| 3.4.1 应用正交试验法安排桥梁结构模糊综合评判试验 |
| 3.4.2 应用均匀设计法安排桥梁结构模糊综合评判试验 |
| 3.4.3 应用组合正交表安排桥梁结构模糊综合评判试验 |
| 3.4.4 桥梁检测资料 |
| 3.4.5 基于神经网络的桥梁结构模糊综合评判 |
| 3.4.6 结语 |
| 第4章 桥梁结构的损伤识别及耐久性研究 |
| 4.1 几种常用的结构损伤识别方法简介 |
| 4.1.1 自动损伤识别的方法 |
| 4.1.2 几种常用识别方法简介 |
| 4.2 神经网络在结构损伤识别中的应用 |
| 4.2.1 样本点数量的确定及分布原则 |
| 4.2.2 输入参数的选择 |
| 4.2.3 参数处理 |
| 4.2.4 学习模式对的收集策略 |
| 4.3 基于遗传算法的桥梁结构损伤识别 |
| 4.3.1 选择待识别的结构参数 |
| 4.3.2 确定识别所需的量测信息 |
| 4.3.3 建立结构静态反应残差矩阵 |
| 4.3.4 定义问题的目标函数 |
| 4.3.5 基于遗传算法的桥梁结构损伤识别 |
| 4.3.6 结语 |
| 4.4 基于神经网络的混凝土桥梁荷载识别方法研究 |
| 4.4.1 混凝土梁荷载-挠度全曲线的研究概况 |
| 4.4.2 应用神经网络模拟混凝土梁的荷载-挠度曲线和荷载识别 |
| 4.4.3 算例 |
| 4.4.4 结语 |
| 4.5 基于神经网络的部分预应力混凝土梁荷载-裂缝模型研究 |
| 4.5.1 部分预应力混凝土梁弯曲裂缝研究概况 |
| 4.5.2 应用神经网络模拟部分预应力混凝土梁的荷载-裂缝关系 |
| 4.5.3 算例和讨论 |
| 4.5.4 结语 |
| 4.6 基于神经网络的混凝土开裂后钢筋锈蚀量预测模型研究 |
| 4.6.1 混凝土开裂后钢筋锈蚀量研究概况 |
| 4.6.2 基于神经网络的混凝土开裂后钢筋锈蚀量预测模型 |
| 4.6.3 算例 |
| 4.6.4 结语 |
| 4.7 基于遗传算法的混凝土桥梁耐久性优化设计 |
| 4.7.1 混凝土桥梁耐久性优化设计 |
| 4.7.2 遗传算法在混凝土桥梁耐久性优化设计中的应用 |
| 4.7.3 混凝土桥梁耐久性优化设计算例 |
| 4.7.4 结语 |
| 4.8 应用结构健康监测数据进行桥梁的疲劳分析和寿命预测 |
| 4.8.1 桥面板横截面疲劳分析模型 |
| 4.8.2 疲劳分析的方法和策略 |
| 4.8.3 疲劳损伤评估和寿命预测 |
| 第5章 基于遗传算法与神经网络的结构可靠度分析 |
| 5.1 概论 |
| 5.1.1 基本概念 |
| 5.1.2 结构可靠度研究历史简介 |
| 5.2 常用结构可靠度分析方法简介 |
| 5.2.1 概率模型 |
| 5.2.2 非概率模型 |
| 5.2.3 结语 |
| 5.3 基于遗传算法与神经网络的桥梁结构可靠度分析 |
| 5.3.1 遗传算法和人工神经网络的应用原理 |
| 5.3.2 Brotonne斜拉桥可靠性分析 |
| 5.3.3 洞庭湖大桥主梁可靠度分析 |
| 5.3.4 结语 |
| 结论 |
| 致谢 |
| 参考文献 |
| 附表1 |
| 附表2 |
| 附表3 |
| 附表4 |
| 攻读博士学位期间发表的论文及科研成果 |
四、重复数不大于三的“不完全区组”试验方法（论文参考文献）
- [1]重复数不大于三的“不完全区组”试验方法[J]. 曾铁聪. 广东师院学报(自然科学版), 1977(02)
- [2]小麦骨干亲本及其后代田间试验设计和分析方法[D]. 张涛. 云南农业大学, 2011(09)
- [3]农业多因素试验设计讲座 第八讲 重复数不大于3的不完全区组设计[J]. 萧兵. 农业科技通讯, 1987(08)
- [4]不完全区组设计的实践与认识[J]. 黄秉聪. 华南师院学报(自然科学版), 1979(02)
- [5]医学实验设计分析浅识(四)[J]. 苏德隆. 上海第一医学院学报, 1979(03)
- [6]基于平衡不完全区组设计的LDPC码构造研究[D]. 马占梅. 西安电子科技大学, 2009(03)
- [7]营养试验中消除动物异质性的研究[J]. 张元跃. 动物营养学报, 1998(02)
- [8]受限条件下的试验设计研究[D]. 梁昭磊. 天津大学, 2009(12)
- [9]均匀设计的组合性质及其构作[D]. 唐煜. 苏州大学, 2005(05)
- [10]基于遗传算法与神经网络的桥梁结构健康监测系统研究[D]. 吴大宏. 西南交通大学, 2003(04)