摘要：岩体统计均质区的研究一直是岩土工程中的重要问题。在基于随机数学的基础上,充分考虑了不连续面的产状(倾向、倾角)、迹长、张开度、起伏状态,通过列联表卡方检验法,验证对比样本之间的显著性差异与否,以此实现了对裂隙岩体的统计均质区的划分。研究区域统计均质区为18～90 m和108～144 m。由于岩体不连续面分布的不均匀性,造成了统计均质区分布随研究空间的变化而产生明显的差异,通过改变对比样本之间的空间布局,验证了统计均质区空间效应的存在性,并在基于空间效应的基础上进行了统计均质区的划分,计算得出研究区域统计均质区为18～57 m和108～144 m。

摘要：岩体统计均质区是裂隙岩体研究的一个重要内容,是三维裂隙网络等的基础研究范围。在列联表卡方检验基础上建立起考虑裂隙岩体迹长的方法用来划分岩体的统计均质区,即在统计均质区划分过程中考虑裂隙迹长的因素,通过列联表卡方检验建立两对比样本,计算对比样本各属性之间的实际频率,计算卡方值与临界卡方值。在判断样本之间是否具有统计相似性的基础上,建立了确定统计均质区的划分方法,使得裂隙岩体统计均质区划分更为全面与客观。

摘要：针对组合导航中卫星信号受到干扰导致误差增大的问题,提出一种基于卡方检验和牛顿插值的抗差卡尔曼滤波新算法。该算法以故障观测值的残差不再服从均值为零的高斯分布为理论依据,以仿真实验为基础,通过设计满足显著性水平要求的卡方检验阈值选取方法,提高卡方检验对故障观测值的定位精度;在此基础上,利用过去时刻的观测值构造牛顿插值多项式并进行外延,得到新的当前时刻的观测值,并通过引入改善因子改进观测噪声,使观测噪声更加接近正常值,最终提高导航精度。实验结果表明:该算法相比于一般滤波算法位置误差减小约75%,速度误差减小约80%,该算法能够有效抑制观测值故障带来的影响,提高了组合导航系统的可靠性。

摘要：针对SDN网络控制平面资源耗尽的新型DDoS攻击方式,设计并实现SDN网络环境下基于卡方检验的DDoS攻击防御系统。通过检测Packet_In消息上传加速度的异常来触发DDoS攻击检测模块;DDoS攻击检测模块收集Packet_In消息携带的信息,结合卡方检验检测DDoS攻击并筛选攻击源;根据攻击源的信息,下发应对DDoS攻击的流表,有效缓解DDoS攻击造成的网络拥塞。研究结果表明,设计的防御系统能够准确检测并有效防御DDoS攻击,对于SDN网络环境的安全保护具有重要意义。

摘要：为有效解决SAR图像道路检测算法中阈值优化的问题,提出了一种不需要固定阈值的检测方法。该方法由不同阈值组合的Tupin边缘检测算法得到边缘检测结果图集,并逐像素统计得到边缘密度图;引入卡方检验计算边缘密度图与边缘检测结果图集之间的相似性度量参数,优化得到最佳边缘相关等级;根据最佳等级得到最终的道路边缘检测结果。实验结果表明,该方法有较强的开放性与目标适应性,自动化程度高,有很强的工程实用性。

摘要：随着信息安全与通信技术的发展,随机数在安全芯片、保密通信等领域得到了广泛应用。为提高随机数在线检测速度,针对128 bit、256 bit和512 bit中每种随机数检测长度,通过推导去除卡方检验公式中计算复杂的部分,得到易于硬件实现的公式,并对公式进行硬件优化与实现。通过VCS和Verdi仿真,验证了设计的正确性。采用Design Compiler工具,基于UMC55工艺库,将设计综合,得到了面积为1 411 GE(等效与非门数)的128 bit卡方模块。在实现较小面积的同时,达到了较为显著的优化效果。512 bit卡方模块与软件实现对比,速度提升50.08%,达到较高的随机数在线检测速度。该模块适用于需求较小面积和较高速率的硬件实现场景。

摘要：朴素贝叶斯(NB)入侵检测没有考虑其入侵行为所涉及的数据属性间的差别。引入卡方检验改进传统的NB模型,利用它来对网络连接数据的属性进行特征选择,并删除一些冗余的属性,达到优化NB入侵检测模型的目的。实验结果表明,卡方检验对NB模型有一定的优化作用,相对神经网络模型有更高的检测率。

摘要：针对传统的机器学习分类算法在非平衡数据集上准确率较低的问题,提出一种基于随机森林Gini指标和卡方检验的最优特征子集的特征选择方法(RFG-χ^2),并应用于支持向量机算法模型中。利用SMOTE算法对非平衡数据集进行预处理,通过权衡特征的关联性和特征强度这两个指标,训练生成支持向量机模型所需的最优特征子集。实验结果表明,该方法在支持向量机(SVM)模型上筛选的两个特征子集对应的分类精度分别提高了2.5%和1.5%。

摘要：基于用户画像的广告定向技术普遍应用于品牌展示和精准竞价广告,然而现有的用户搜索画像技术存在着特征维度大、矩阵稀疏的问题。针对这一问题,本文采用卡方检验和线性核支持向量机相结合的方法,首先利用结巴分词对搜索文本预处理,其次采用卡方检验进行特征选择,并采用支持向量机分类算法进行属性判定,最后进行了实验对比。实验表明卡方检验有效降低了特征维度,并提升了分类准确度;支持向量机在矩阵稀疏上分类性能优于其他常用的文本分类算法。

摘要：卡方检验（X^2检验）是次数资料的显著性检验方法，它包括适合性检验和独立性检验两类。适合性检验用于检验某性状观察次数与该性状的理论比率是否符合，如两对性状杂种后代的分离现象是否符合9：3：3：1的比例；而独立性检验是用于判断两类因子是彼此相关还是相互独立的，也是次数资料的相关性研究，如：注射某种疫苗与预防某种疾病的关系。下面，以明道绪主编《生物统计附试验设计》第159页例7．2，第172页例7．10和杨树勤主编的《卫生统计学》第79页例8．3为例，介绍Excel在卡方检验（X^2检验）中的应用。