關(guān)于數(shù)據(jù)分析論文可以引用的文獻(xiàn)有哪些?文獻(xiàn)是為了通過(guò)前人對(duì)研究進(jìn)行的省市調(diào)查和分析。還證明這個(gè)領(lǐng)域當(dāng)中還存在一些問(wèn)題需要解決。合理引用文獻(xiàn)是在承認(rèn)前人的研究成果之上。同時(shí)要澄清自己的研究成果與前人的研究成果的區(qū)別。從而為讀者提供自主研究的線索。下面就匯總了一些關(guān)于數(shù)據(jù)分析方面的引用文獻(xiàn)。

　　醫(yī)用輸注泵質(zhì)量控制數(shù)據(jù)分析研究

　　摘要：對(duì)不同品牌的醫(yī)用輸注泵開(kāi)展質(zhì)量控制,收集輸注泵質(zhì)量控制數(shù)據(jù)與設(shè)備性能數(shù)據(jù),進(jìn)行統(tǒng)計(jì)分析。制定醫(yī)用輸注泵質(zhì)量控制檢測(cè)計(jì)劃,分別從外觀功能、流量準(zhǔn)確性、阻塞報(bào)警和其他功能4個(gè)方面進(jìn)行質(zhì)量控制,保證了醫(yī)用輸注泵各項(xiàng)指標(biāo)和性能均符合國(guó)家標(biāo)準(zhǔn),降低日常故障率,提高其臨床安全使用價(jià)值及可靠性,保障臨床醫(yī)療安全,減少醫(yī)療風(fēng)險(xiǎn)及不良事件發(fā)生。

　　數(shù)據(jù)挖掘算法在河口羽狀流數(shù)據(jù)分析中的應(yīng)用

　　摘要：羽狀流的近場(chǎng)擴(kuò)散角作為河口動(dòng)力學(xué)的關(guān)鍵參數(shù),對(duì)河流入海物質(zhì)的輸運(yùn)擴(kuò)散過(guò)程有重要影響,而在真實(shí)環(huán)境中由于受到復(fù)雜因素的影響,羽狀流擴(kuò)散角存在著顯著的變化。數(shù)據(jù)挖掘技術(shù)盡管在地學(xué)數(shù)據(jù)的應(yīng)用上尚處于探索階段,但研究這一問(wèn)題提供了一種有效途徑。本文基于馬格達(dá)萊納河羽狀流近場(chǎng)擴(kuò)散角及周邊環(huán)境數(shù)據(jù),利用多重?cái)?shù)據(jù)挖掘算法開(kāi)展數(shù)據(jù)分析和評(píng)估,最終建立了羽狀流擴(kuò)散模型,對(duì)其影響因素和時(shí)間序列開(kāi)展研究。結(jié)果表明,數(shù)據(jù)挖掘算法能夠有效指示環(huán)境因素的貢獻(xiàn)值而不受量綱、極值的影響,從而為進(jìn)一步探究河口羽狀流控制因素提供參考。

　　面向非平衡數(shù)據(jù)的癌癥患者生存預(yù)測(cè)分析

　　摘要：針對(duì)癌癥患者生存預(yù)測(cè)分析時(shí)存在的數(shù)據(jù)集非平衡和噪聲樣本等問(wèn)題，本文提出了一種基于REN算法和SMOT算法的癌癥患者生存預(yù)測(cè)方法：RENN-SMOTE-SVM，該算法通過(guò)RENN算法基于最近鄰規(guī)則減少多數(shù)類中噪聲樣本數(shù)量，再通過(guò)SMOTE算法在少數(shù)類樣本之間進(jìn)行線性插值增加樣本數(shù)量，最終得到平衡數(shù)據(jù)集。以美國(guó)癌癥數(shù)據(jù)庫(kù)中非平衡乳腺癌患者數(shù)據(jù)集為例，使用RENN-SMOTE-SVM算法和其他5種非平衡分類算法對(duì)其生存情況預(yù)測(cè)分析，實(shí)驗(yàn)結(jié)果表明，該算法取得了較高的Accuracy、F1-score和G-mean值，有較為優(yōu)異的分類效果和預(yù)測(cè)分析結(jié)果。

　　推薦閱讀：《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》(月刊)創(chuàng)刊于1985年，是中國(guó)科學(xué)院主管、中國(guó)科學(xué)院文獻(xiàn)情報(bào)中心主辦的計(jì)算機(jī)信息管理技術(shù)方面的學(xué)術(shù)性刊物，是國(guó)內(nèi)唯一一份被中國(guó)圖書館學(xué)會(huì)和中國(guó)科技情報(bào)學(xué)會(huì)共同推薦的專業(yè)技術(shù)類核心期刊。

如果您現(xiàn)在遇到期刊選擇、論文內(nèi)容改善、論文投稿周期長(zhǎng)、難錄用、多次退修、多次被拒等問(wèn)題，可以告訴學(xué)術(shù)顧問(wèn)，解答疑問(wèn)同時(shí)給出解決方案 。