摘要：目的:研究bootstrap方法结合多重检验在中药多组分鉴别中的应用。方法:运用bootstrap方法和R软件,检验给药组与控制组、模型两两比较差异的显著性。结果:通过本方法得到了各给药组与控制组、模型组的拟合曲线,以及在组内每个分子上的检验结果。结论:在中药模糊评价中,运用bootstrap结合多重检验方法,检验中药组分是否具有显著性差异,具有可行性。

摘要：在太湖流域水环境管理的需求下,文章基于bootstrap技术框架、ARCGIS API等技术,研究设计主流、合理、科学的架构,开发太湖水环境管理决策支持系统,实现太湖水质、水生态数据的管理、模型库的模拟和辅助决策支持等功能,从而有助于流域水环境管理部门进行水质污染预测,水环境状况分析、评价及决策,提高流域水环境管理的效率,也为今后环境管理决策支持平台的建设提供参考。

摘要：介绍了bootstrap的概念、组成和优势,同时对基于bootstrap响应式web前端设计进行了分析,包括设计原则、关键技术和主要组件技术,并对设计工作进行展望。响应式web前端设计人员要以bootstrap框架结构为基础,完善设计,优化结构功能,让用户获得最佳的用户体验。

摘要：本文通过对bootstrap的简要介绍,让读者对bootstrap有一个基本的了解。bootstrap作为当前较为流行的前端开发框架,为WEB开发者开辟了新的方向,大大降低了开发成本,提高了工作效率。

摘要：bootstrap是近年来比较流行的前端开发框架,本文介绍了bootstrap框架的发展历史和重要特性,分析了bootstrap框架设计的优缺点,能对web前端开发人员带来一些参考借鉴作用。

摘要：随着新媒体技术的不断发展,教学资源的建设有了新的内涵。虚拟现实技术(Virtual Reality,简称VR)是一门新兴的高新技术,被逐步应用于教育领域。但国内现阶段的VR资源紧缺,质量参差不齐,整合力度也不高。为了收集与整合VR资源,为用户提供丰富优质的VR资源,我们运用了bootstrap的VR资源管理系统。

摘要：In this paper, we study bootstrap approximation for generalized U-processes (GUP) indexedby a class of functions. Under mild conditions we obtain that the asymptotic distributions ofbootstrapping generalized U-processes (BGUP) are the same as those of GUP almost surely. Asa result, the asymptotic properties of bootstrap approximation for PP generalized U-processes(BPPGUP) are obtained. In addition we have derived bootstrap approximation for generalizedV-processes (GVP). Thus, we can use BGUP or bootstrapping GVP (BGVP) to simulate GUPand GVP.

摘要：Some test statistics of Kolmogorov type and Cramér-von Mises type based on projection pursuit technique are proposed for the testing problem of sphericity of a high-dimensional distribution. The limiting distributions of the test statistics are derived under the null hypothesis and under any fixed alternative. The asymptotic properties of bootstrap approximation are investigated. Furthermore, for computational reasons, an approximation for the statistics, based on the number theoretic method, is suggested.

摘要：水文频率分析计算过程中,水文极值样本系列容量一般都较小、代表性不高,使得水文设计值估计具有不确定性。利用bootstrap方法,研究样本抽样不确定性对水文设计值的影响。与传统水文频率分析方法相比,基于bootstrap方法不仅可提供设计值的点估计和区间估计,同时能够对设计值的不确定性进行定量评价。此外,基于bootstrap技术,结合矩法、权函数法及线性矩法,设置3套方案,分析了该方法在不同参数估计方法间的有效性。以南通市1970—2011年共42年的年降雨量数据资料为例,对所提方法进行实例应用分析,结果表明,从期望设计值、90%置信区间及最终设计值角度而言,基于所提方法的设计成果受参数估计方法的选取影响不大,且可回避规范中B值诺莫图通用性较差及误差显著问题。

摘要：针对＂大数据＋仿真模型＋后仿真分析＂这一新型研究范式,提出基于基效应估计（EE）,bootstrap假设检验以及伪发现率误差控制（FDR）的＂后仿真分析＂筛选实验设计方法（简称BFEE）.BFEE用于识别对仿真模型所感兴趣的响应起到最重要主效应/交互效应作用的少量关键因子.相比传统EE,BFEE保证了信息识别的统计精度和效力.与现有的仿真实验的序贯分支筛选法（SB）相比,BFEE无需任何模型假设,从而更容易适应大数据背景下的复杂数据特征.蒙特卡罗仿真的三种方法对比实验表明,BFEE在不需任何假设的条件下即可获得理想的实验效率和效力,在降低计算实验成本同时,保证了识别重要效应的精度.基于实际背景仿真案例的应用显示BFEE具有良好的实际应用价值.