Academic literature on the topic 'Quality measures'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Quality measures.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "Quality measures"
Dodson, Thomas B. "Quality Measures Need Measures of Quality." Journal of Oral and Maxillofacial Surgery 74, no. 6 (June 2016): 1101–2. http://dx.doi.org/10.1016/j.joms.2016.03.032.
Full textŽivković, Saša A., and Pushpa Narayanaswami. "Quality measures: Do they measure up?" Muscle & Nerve 57, no. 6 (March 3, 2018): 869–71. http://dx.doi.org/10.1002/mus.26084.
Full textLau, Brandyn D., Michael B. Streiff, Peter J. Pronovost, and Elliott R. Haut. "Venous Thromboembolism Quality Measures Fail to Accurately Measure Quality." Circulation 137, no. 12 (March 20, 2018): 1278–84. http://dx.doi.org/10.1161/circulationaha.116.026897.
Full textSTAHL, DULCELINA A. "Quality Measures." Nursing Management (Springhouse) 28, no. 8 (August 1997): 20???21. http://dx.doi.org/10.1097/00006247-199708010-00004.
Full textBaernholdt, Marianne, Nancy Dunton, Ronda G. Hughes, Patricia W. Stone, and Kathleen M. White. "Quality Measures." Journal of Nursing Care Quality 33, no. 2 (2018): 149–56. http://dx.doi.org/10.1097/ncq.0000000000000292.
Full textWard, P. "Quality measures." British Dental Journal 211, no. 8 (October 2011): 345–46. http://dx.doi.org/10.1038/sj.bdj.2011.876.
Full textRivara, Frederick P. "Pediatric Quality Measures." JAMA Pediatrics 170, no. 4 (April 1, 2016): 380. http://dx.doi.org/10.1001/jamapediatrics.2016.0005.
Full textKalenderian, Elsbeth, Rachel Ramoni, Heiko Spallek, Joel White, and Muhammad Walji. "Quality measures everywhere." Journal of the American Dental Association 149, no. 4 (April 2018): 322–26. http://dx.doi.org/10.1016/j.adaj.2018.01.046.
Full textHerndon, Jill Boylston, and Craig W. Amundson. "Dental quality measures." Journal of the American Dental Association 150, no. 1 (January 2019): 4. http://dx.doi.org/10.1016/j.adaj.2018.11.016.
Full textStefanacci, Richard G., and Albert Riddle. "Delivering on quality measures: Six new CMS SNF quality measures." Geriatric Nursing 37, no. 3 (May 2016): 231–34. http://dx.doi.org/10.1016/j.gerinurse.2016.04.004.
Full textDissertations / Theses on the topic "Quality measures"
Quackenbush, Schuyler Reynier. "Objective measures of speech quality." Diss., Georgia Institute of Technology, 1995. http://hdl.handle.net/1853/13376.
Full textSousa, SeÌrgio Dinis Teixeira de. "Quality improvement measures in SMEs." Thesis, University of Birmingham, 2005. http://ethos.bl.uk/OrderDetails.do?uin=uk.bl.ethos.422289.
Full textEdwards, Matthew. "Data quality measures for identity resolution." Thesis, Lancaster University, 2018. http://eprints.lancs.ac.uk/124402/.
Full textLe, Ngoc Tien. "Advanced Quality Measures for Speech Translation." Thesis, Université Grenoble Alpes (ComUE), 2018. http://www.theses.fr/2018GREAM002/document.
Full textThe main aim of this thesis is to investigate the automatic quality assessment of spoken language translation (SLT), called Confidence Estimation (CE) for SLT. Due to several factors, SLT output having unsatisfactory quality might cause various issues for the target users. Therefore, it is useful to know how we are confident in the tokens of the hypothesis. Our first contribution of this thesis is a toolkit LIG-WCE which is a customizable, flexible framework and portable platform for Word-level Confidence Estimation (WCE) of SLT.WCE for SLT is a relatively new task defined and formalized as a sequence labelling problem where each word in the SLT hypothesis is tagged as good or bad accordingto a large feature set. We propose several word confidence estimators (WCE) based on our automatic evaluation of transcription (ASR) quality, translation (MT) quality,or both (combined/joint ASR+MT). This research work is possible because we built a specific corpus, which contains 6.7k utterances for which a quintuplet containing: ASRoutput, verbatim transcript, text translation, speech translation and post-edition of the translation is built. The conclusion of our multiple experiments using joint ASR and MT features for WCE is that MT features remain the most influent while ASR features can bring interesting complementary information.As another contribution, we propose two methods to disentangle ASR errors and MT errors, where each word in the SLT hypothesis is tagged as good, asr_error or mt_error.We thus explore the contributions of WCE for SLT in finding out the source of SLT errors.Furthermore, we propose a simple extension of WER metric in order to penalize differently substitution errors according to their context using word embeddings. For instance, the proposed metric should catch near matches (mainly morphological variants) and penalize less this kind of error which has a more limited impact on translation performance. Our experiments show that the correlation of the new proposed metric with SLT performance is better than the one of WER. Oracle experiments are also conducted and show the ability of our metric to find better hypotheses (to be translated) in the ASR N-best. Finally, a preliminary experiment where ASR tuning is based on our new metric shows encouraging results.To conclude, we have proposed several prominent strategies for CE of SLT that could have a positive impact on several applications for SLT. Robust quality estimators for SLT can be used for re-scoring speech translation graphs or for providing feedback to the user in interactive speech translation or computer-assisted speech-to-text scenarios.Keywords: Quality estimation, Word confidence estimation (WCE), Spoken Language Translation (SLT), Joint Features, Feature Selection
Cassady, Charles Richard. "Statistical quality control techniques using multilevel discrete product quality measures." Diss., This resource online, 1996. http://scholar.lib.vt.edu/theses/available/etd-06062008-151120/.
Full textAxelson, Per-Erik. "Quality Measures of Halftoned Images (A Review)." Thesis, Linköping University, Department of Science and Technology, 2003. http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-1138.
Full textThis study is a thesis for the Master of Science degree in Media Technology and Engineering at the Department of Science and Technology, Linkoping University. It was accomplished from November 2002 to May 2003.
Objective image quality measures play an important role in various image processing applications. In this paper quality measures applied on halftoned images are aimed to be in focus. Digital halftoning is the process of generating a pattern of binary pixels that create the illusion of a continuous- tone image. Algorithms built on this technique produce results of very different quality and characteristics. To evaluate and improve their performance, it is important to have robust and reliable image quality measures. This literature survey is to give a general description in digital halftoning and halftone image quality methods.
Goyal, Kamal. "QUALITY OF SERVICE MEASURES AT SIGNALIZED INTERSECTIONS." Master's thesis, University of Central Florida, 2005. http://digital.library.ucf.edu/cdm/ref/collection/ETD/id/4280.
Full textM.S.
Department of Civil and Environmental Engineering
Engineering and Computer Science
Civil Engineering
Freitas, Pedro Garcia. "Using texture measures for visual quality assessment." reponame:Repositório Institucional da UnB, 2017. http://repositorio.unb.br/handle/10482/31686.
Full textSubmitted by Raquel Viana (raquelviana@bce.unb.br) on 2018-04-19T17:18:07Z No. of bitstreams: 1 2017_PedroGarciaFreitas.pdf: 42146492 bytes, checksum: 48f490751ac049a6ed8f8255d1da4b66 (MD5)
Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2018-04-19T17:22:15Z (GMT) No. of bitstreams: 1 2017_PedroGarciaFreitas.pdf: 42146492 bytes, checksum: 48f490751ac049a6ed8f8255d1da4b66 (MD5)
Made available in DSpace on 2018-04-19T17:22:16Z (GMT). No. of bitstreams: 1 2017_PedroGarciaFreitas.pdf: 42146492 bytes, checksum: 48f490751ac049a6ed8f8255d1da4b66 (MD5) Previous issue date: 2018-04-19
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Na última década, diversas aplicações multimídia tem gerado e distribuído conteúdos de imagens e vídeos digitais. Serviços de multimídia que tem ganhado um vasto interesse incluem televisão digital, jogos de vídeo e aplicações em tempo real operando sobre a Internet. De acordo com predições da CiscoTM, a percentagem do tráfego de dados de vídeo sobre a Internet era de 53% em 2014 e superará os 67% em 2018. Devido à esse aumento na demanda de conteúdo de dados visuais, a necessidade de métodos e ferramentas que estimem a qualidade da experiência (QoE) do consumidor é enorme. Entre os aspectos que contribuem para a QoE, a qualidade dos estímulos visuais é uma das maiores propriedades, pois pode ser alterada em diversos estágios da cadeia de comunicação, tal como na captura, na transmissão, ou na reprodução do conteúdo. Considerando que os avaliadores naturais da qualidade visual são seres humanos, a estratégia básica para medir a qualidade visual consiste na realização de experimentos subjetivos. Esses experimentos são geralmente realizados com participantes humanos em laboratórios preparados com um ambiente controlado. Esses participantes avaliam a qualidade de um dado estimulo visual (imagem ou vídeo) e atribuem a eles um valor numérico associado à qualidade. Para avaliar a qualidade, os participantes seguem um conjunto de passos experimentais. Geralmente, esses passos são padronizados para favorecer a reprodutibilidade experimental. Os padrões de experimentos incluem metodologias de avaliação, tais como condições de visualização, escala de avaliação, materiais, etc. Após um conjunto de participantes avaliarem individualmente a qualidade de um dado estímulo, a média dos valores é calculada para gerar o valor médio das opiniões subjetivas (MOS). O MOS é frequentemente utilizado para representar a qualidade geral de um dado estímulo visual. Como a coleta dos MOS é realizada a partir de experimentos com seres humanos, esse processo é demorado, cansativo, caro, e laborioso. Devido ao custo dos experimentos subjetivos, um grande esforço tem sido dedicado ao desenvolvimento de técnicas objetivas para a avaliação de estímulos visuais. Essas técnicas objetivas consistem em predizer o MOS automaticamente por meio de algoritmos computacionais. Tal automação torna possível a implementação de procedimentos computacionais rápidos e baratos para monitorar e controlar a qualidade de estímulos visuais. As técnicas objetivas para a avaliação de estímulos visuais podem ser classificadas em três tipos, dependendo da quantidade de informação necessária pelo método. Se todo o estímulo de referência (original) é requerido para a estimação da qualidade do estímulo testado, então essa técnica é classificada como sendo de referência completa. Quando somente alguma informação parcial da referência é necessária, a técnica é classificada como sendo de referência reduzida. Por outro lado, quando nenhuma informação sobre o estímulo de referência é necessária, a técnica é dita como sendo sem referência. Uma vez que a exigência de uma referência completa ou parcial é um obstáculo no desenvolvimento de diversas aplicações multimídia, as técnicas de sem referência são as mais convenientes na maioria dos casos. Diversas técnicas objetivas para avaliação de qualidade visual têm sido propostas, embora ainda existam algumas questões em aberto no seu desenvolvimento. No caso de técnicas de avaliação de imagens, diversas técnicas de referência completa têm sido produzidas com uma excelente performance. Por outro lado, técnicas que não utilizam referências ainda apresentam limitações quando múltiplas distorções estão presentes. Além disso, as técnicas sem referência para imagens mais eficientes ainda apresentam modelos computacionalmente custosos, o que limita a utilização desses métodos em várias aplicações multimídia. No caso de vídeos, o atual estado da arte ainda possui performance na predição dos MOS pior do que os métodos de imagens. Quando consideramos a acurácia da predição, os métodos objetivos para vídeos possuem uma correlação entre valores preditos e MOS ainda pequena se comparada com a correlação observada em métodos para imagens. Além disso, a complexidade computacional é ainda mais crítica no caso de vídeos, uma vez que a quantidade de informação processada é muito maior do que aquela presente em imagens. O desenvolvimento de uma técnica objetiva de avaliação de qualidade visual requer resolver três grandes problemas. O primeiro problema é determinar um conjunto de características que sejam relevantes na descrição da qualidade visual. Essas características, geralmente, referem-se às medidas de estímulos físicos, tais como quantificação da nitidez de borda, estatísticas de cenas naturais, estatísticas no domínio de curvlets, filtros de Prewitt, etc. Além disso, múltiplos tipos de características podem ser combinados para gerar um vetor de características que descrevem melhor a qualidade de um dado estímulo. O segundo problema é estabelecer uma estratégia de agrupamento das características de forma que os valores numéricos sejam descritivos dentro de um modelo. Esse agrupamento se refere a uma combinação de medidas através de um subespaço de medidas para representar o estímulo analisado. Finalmente, o terceiro problema é a criação de um modelo que mapeie as características agrupadas de forma que se correlacione com os dados preditos com os subjetivos. Neste trabalho, nós apresentamos uma investigação de métodos de avaliação de qualidade visual baseada na medição de texturas. A pressuposição é que degradações visuais alteram as texturas e as estatísticas dessas texturas em imagens e vídeos. Essas medidas são executadas em termos das estatísticas extraídas do operador de padrões binários locais (LBP) e suas extensões. Este operador foi escolhido porque ele unifica outros modelos de análise de texturas mais tradicionais, tais como o espectro de textura, o nível de cinza de comprimento (GLRLM) e as matrizes de co-ocorrência de níveis de cinza (GLCM). O operador LBP, sendo um algoritmo simples e que favorece implementações rápidas, possui propriedades muito úteis para sistemas de processamento em tempo real de imagens e vídeos. Devido às vantagens supracitadas, nós analisamos o operador LBP e algumas das suas extensões no estado da arte com o objetivo de investigar sua adequabilidade para o problema de avaliação de qualidade de imagens. Para isso, neste trabalho nós apresentamos uma extensa revisão do estado da arte dos operadores. Entre os operadores no estado da arte, podemos mencionar os padrões ternários locais (LTP), a quantização de fase local (LPQ), as estatísticas binarizadas de características de imagem (BSIF), os padrões locais binários rotacionados (RLBP), os padrões binários locais completos (CLBP), os padrões de configuração locais (LCP), entre outros. Ademais, nós também propomos novas extensões que melhoram a predição de qualidade. Entre as extensões propostas para a medida de características de qualidade, estão os padrões binários locais de múltipla escala (MLBP), os padrões ternários locais de múltipla escala (MLTP), os padrões de variância local (LVP), os padrões de planos ortogonais de cores (OCPP), os padrões binários locais salientes (SLBP) e os padrões binários locais salientes de múltipla escala (MSLBP). Para testar a adequabilidade dos operadores de texturas supracitados, propomos um arcabouço para utilizar esses operadores na produção de novas métricas de qualidade de imagens. Dessa forma, muitas métricas sem referência podem ser geradas a partir da estratégia proposta. Utilizando as métricas geradas a partir do arcabouço proposto, uma extensa análise comparativa é apresentada neste trabalho. Essa análise foi feita com três das mais populares bases de dados de qualidade imagens disponíveis, sendo elas a LIVE, CSIQ e TID 2013. Os resultados gerados a partir dos testes nessas bases demonstram que os operadores no estado da arte mais adequados para mensurar a qualidade de imagens são o BSIF, o LPQ e o CLBP. Todavia, os resultados também indicaram que os operadores propostos atingiram resultados ainda mais promissores, com as abordagens baseadas em múltiplas escalas apresentando os melhores desempenhos entre todas variações testadas. Inspirado nos resultados experimentais das métricas de imagens geradas, nós escolhemos um operador de textura conveniente para implementar uma métrica de avaliação de qualidade de vídeos. Além de incorporar informações de textura, nós também incorporamos informações de atividade espacial e informação temporal. Os resultados experimentais obtidos indicam que a métrica proposta tem uma performance consideravelmente superior quando testada em diversas bases de dados de vídeo de referência e supera os atuais modelos de qualidade vídeo.
In the last decade, many visual quality models have been proposed. However, there are some open questions involving the assessment of image and video quality. In the case of images, most of the proposed methods are very complex and require a reference content to estimate the quality, limiting their use in several multimedia application. For videos, the current state-of-the-art methods still perform worse than images in terms of prediction accuracy. In this work, we present an investigation of visual quality assessment methods based on texture measurements. The premise is that visual impairments alter image and video textures and their statistics. These measurements are performed regarding the statistics of the local binary pattern (LBP) operator and its extensions. We chosen LBP because it unifies traditional texture analysis models. In addition, LBP is a simple but effective algorithm that performs only fundamental operations, which favors fast and simple implementations, which is very useful for real-time image and video processing systems. Because of the abovementioned advantages, we analyzed the LBP operator and some of its state-of-the-art extensions addressing the problem of assessing image quality. Furthermore, we also propose new quality-aware LBP extensions to improve the prediction of quality. Then, we propose a framework for using these operators in order to produce new image quality metrics. Therefore, many no-reference image quality metrics can be generated from the proposed strategy. Inspired by experimental results of generated no-reference image quality metrics, we chosen a convenient texture operator to implement a full-reference video quality metric. In addition to the texture information, we also incorporate features including spatial activity, and temporal information. Experimental results indicated that our metric presents a superior performance when tested on several benchmark video quality databases, outperforming current state-of-the-art full-reference video quality metrics.
Johnson, Christian Marie. "Quality and Performance Measures in Pediatric Dentistry." The Ohio State University, 2013. http://rave.ohiolink.edu/etdc/view?acc_num=osu1371821581.
Full textMahmoud, Moataz. "Bus quality assessment using perception and attitude measures." Thesis, Ulster University, 2012. http://ethos.bl.uk/OrderDetails.do?uin=uk.bl.ethos.573080.
Full textBooks on the topic "Quality measures"
Salem, Deeb N., ed. Quality Measures. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-37145-6.
Full textUnited States. Internal Revenue Service. Information Systems Development. ISD quality measures handbook. [Washington, D.C.?]: Dept. of the Treasury, Internal Revenue Service, 1991.
Find full textShephard, Rena R. Quality measures documentation tool kit. [Miamisburg, OH]: MED-PASS, 2004.
Find full textQuackenbush, Schuyler R. Objective measures of speech quality. Englewood Cliffs, N.J: Prentice Hall, 1988.
Find full textGuillet, Fabrice J., and Howard J. Hamilton, eds. Quality Measures in Data Mining. Berlin, Heidelberg: Springer Berlin Heidelberg, 2007. http://dx.doi.org/10.1007/978-3-540-44918-8.
Full textMinkel, C. W. Measures of quality in graduate education. Knoxville, Tenn: Tennessee Conference of Graduate Schools, 1987.
Find full textIsaacs, Julia, and Tammy Ouellette. Measures of material hardship. Washington, DC: U.S. Dept. of Health and Human Services, Office of the Secretary, Office of the Assistant Secretary for Planning and Evaluation, 2004.
Find full textMargaret, Myers, ed. Systems, models, and measures. London: Springer-Verlag, 1994.
Find full textVeenhoven, R. Subjective measures of well-being. Helsinki: United Nations University, World Institute for Development Economics Research, 2004.
Find full textPrinciples of quality costs: Financial measures for strategic implementation of quality management. Milwaukee, Wisconsin: ASQ Quality Press, 2013.
Find full textBook chapters on the topic "Quality measures"
Daaboul, Yazan, Saahil Jumkhawala, and Deeb N. Salem. "Quality of Quality Measures." In Quality Measures, 215–39. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-37145-6_14.
Full textSalem, Deeb N., Sucharita Kher, Danisha Charles, and Karen M. Freund. "The History of Quality Metrics." In Quality Measures, 1–3. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-37145-6_1.
Full textLi, David, Gordon Wong, and Marcia Boumil. "Quality Measures in Undergraduate Medical Education." In Quality Measures, 151–64. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-37145-6_10.
Full textRomashko, Mikhail, and Kari E. Roberts. "Resident Quality Training: More than Metrics." In Quality Measures, 165–79. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-37145-6_11.
Full textGoldstein, Stanley, and Jeffrey Weinstein. "The Role of the Hospital Board of Trustees in Ensuring Quality Care." In Quality Measures, 181–99. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-37145-6_12.
Full textTishler, Julie, Kristin T. Huang, and Deborah Blazey-Martin. "Quality Improvement and Population Management in Adult Primary Care." In Quality Measures, 201–14. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-37145-6_13.
Full textBinney, Geoffrey. "Pediatric Quality Measures." In Quality Measures, 5–22. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-37145-6_2.
Full textMackey, William C. "Quality and Safety Improvement in Surgery." In Quality Measures, 23–45. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-37145-6_3.
Full textMeninger, Susanne, Hasan Fadlallah, Karen Dowler, and Shira Doron. "Infection Prevention Quality Metrics." In Quality Measures, 47–61. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-37145-6_4.
Full textChinedozi, Ifeany David, and Benjamin Wessler. "Evolution of Modern Cardiovascular Quality Metrics." In Quality Measures, 63–83. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-37145-6_5.
Full textConference papers on the topic "Quality measures"
Galileiskii, Viktor P., Alexey I. Elizarov, Dmitrii V. Kokarev, Gennadii G. Matvienko, and Aleksandr M. Morozov. "Image quality measures." In XXV International Symposium, Atmospheric and Ocean Optics, Atmospheric Physics, edited by Gennadii G. Matvienko and Oleg A. Romanovskii. SPIE, 2019. http://dx.doi.org/10.1117/12.2539911.
Full textLeachtenauer, Jon C. "Objective quality measures assessment." In AeroSense 2002, edited by Zia-ur Rahman, Robert A. Schowengerdt, and Stephen E. Reichenbach. SPIE, 2002. http://dx.doi.org/10.1117/12.477582.
Full textKashef, Rasha. "Scattering-based Quality Measures." In 2021 IEEE International IOT, Electronics and Mechatronics Conference (IEMTRONICS). IEEE, 2021. http://dx.doi.org/10.1109/iemtronics52119.2021.9422563.
Full textAlbuquerque, Georgia, Martin Eisemann, and Marcus Magnor. "Perception-based visual quality measures." In 2011 IEEE Conference on Visual Analytics Science and Technology (VAST). IEEE, 2011. http://dx.doi.org/10.1109/vast.2011.6102437.
Full textWu, Hao, Jonathan Corney, and Michael Grant. "Crowdsourcing Measures of Design Quality." In ASME 2014 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference. American Society of Mechanical Engineers, 2014. http://dx.doi.org/10.1115/detc2014-34967.
Full textPerks, A. J. "Quality assurance in the design of protective relays." In IEE Colloquium on Measures to Prevent Power Blackouts. IEE, 1998. http://dx.doi.org/10.1049/ic:19980481.
Full textAriaratnam, Samuel T. "Quality Assurance/Quality Control Measures in Horizontal Directional Drilling." In International Conference on Pipelines and Trenchless Technology (ICPTT) 2009. Reston, VA: American Society of Civil Engineers, 2009. http://dx.doi.org/10.1061/41073(361)109.
Full textCsaba, B., L. Schrettner, A. Beszedes, J. Jasz, P. Hegedus, and T. Gyimothy. "Relating Clusterization Measures and Software Quality." In 2013 17th European Conference on Software Maintenance and Reengineering (CSMR 2013). IEEE, 2013. http://dx.doi.org/10.1109/csmr.2013.46.
Full textThung, Kim-Han, and Paramesran Raveendran. "A survey of image quality measures." In 2009 International Conference for Technical Postgraduates (TECHPOS). IEEE, 2009. http://dx.doi.org/10.1109/techpos.2009.5412098.
Full textE. Harris, P. "Robust Wavelet Estimation and Quality Measures." In 68th EAGE Conference and Exhibition incorporating SPE EUROPEC 2006. European Association of Geoscientists & Engineers, 2006. http://dx.doi.org/10.3997/2214-4609.201402257.
Full textReports on the topic "Quality measures"
Doyle, Joseph, John Graves, and Jonathan Gruber. Evaluating Measures of Hospital Quality. Cambridge, MA: National Bureau of Economic Research, February 2017. http://dx.doi.org/10.3386/w23166.
Full textYu, Chenghao. The Quality Assurance Measures for Laser Tracker. Office of Scientific and Technical Information (OSTI), August 2018. http://dx.doi.org/10.2172/1480954.
Full textLee, Yooyoung, P. Jonathon Phillips, James J. Filliben, J. Ross Beveridge, and Hao Zhang. Identifying face quality and factor measures for video. National Institute of Standards and Technology, May 2014. http://dx.doi.org/10.6028/nist.ir.8004.
Full textBurns, Marguerite, and John Mullahy. Healthy-Time Measures of Health Outcomes and Healthcare Quality. Cambridge, MA: National Bureau of Economic Research, August 2016. http://dx.doi.org/10.3386/w22562.
Full textSchultz, F. (Assay and quality assurance measures employed for radioactive waste management). Office of Scientific and Technical Information (OSTI), December 1989. http://dx.doi.org/10.2172/5329958.
Full textAbdelkhalek, Touhami, Aziz Ajbilou, and Mohamed Benkassmi. Measures of job quality in Morocco: Creating a composite index [Arabic]. Population Council, 2009. http://dx.doi.org/10.31899/pgy15.1054.
Full textPlouffe, A., M. B. McClenaghan, R. C. Paulen, I. McMartin, J E Campbell, and W. A. Spirito. Quality assurance and quality control measures applied to indicator mineral studies at the Geological Survey of Canada. Natural Resources Canada/ESS/Scientific and Technical Publishing Services, 2017. http://dx.doi.org/10.4095/300287.
Full textPlouffe, A., M. B. McClenaghan, R. C. Paulen, I. McMartin, J E Campbell, and W. A. Spirito. Quality assurance and quality control measures applied to indicator mineral studies at the Geological Survey of Canada. Natural Resources Canada/ESS/Scientific and Technical Publishing Services, 2013. http://dx.doi.org/10.4095/292683.
Full textGust, Jeff C., and Georgia L. Harris. Weights and measures division quality manual for proficiency testing and interlaboratory comparison. Gaithersburg, MD: National Institute of Standards and Technology, 2005. http://dx.doi.org/10.6028/nist.ir.7214.
Full textNevo, Aviv. New Products, Quality Changes and Welfare Measures Computed From Estimated Demand Systems. Cambridge, MA: National Bureau of Economic Research, August 2001. http://dx.doi.org/10.3386/w8425.
Full text