一、用于离散控制系统知识聚集的案例推理技术研究（论文文献综述）
叶欣[1]（2021）在《基于改进案例推理模型的矿业城市空间格局演变驱动力分析与模拟》文中认为矿业城市是我国重要的能源资源战略保障基地,是国民经济持续健康发展的重要支撑。随着矿产资源的过度开发和城市布局的无序扩张,由此带来了土地破坏和耕地侵蚀问题,这严重影响了区域环境质量、粮食安全、生态安全和社会安全。开展矿业城市格局时空演变驱动机制及趋势预测研究,能够揭示矿业城市发展过程中的空间格局演变规律,进而为矿业城市发展提供决策支持,是有力保障矿业城市可持续发展的有效途径。本文以典型矿业城市-黑龙江省鸡西市为研究区,结合定性与定量分析手段,采用“演变规律分析→模拟分析与模型改进→模型验证→趋势预测”流程,具体工作包括:（1）利用鸡西市2005、2010和2015年的土地利用数据综合分析了鸡西市城市格局的时空分布特征和演变特征,在此基础上,从地形因素、矿产资源分布、经济发展与人口、交通道路、政策规划方面对矿业城市扩张驱动力进行了分析。（2）采用城市扩张CBR模型对鸡西市2015年城市格局进行模拟,通过对模拟结果的检验,提出改进的UGSCBR（Urban Growth Simulation Case Based Reasoning）模型,改进包括两方面:（1）针对传统CBR模型在模拟过程中仅检索出单一的案例作为推理依据的问题,本文提出将案例按照其演变结果进行分类,再对每种案例检索出多个最相似案例的综合检索策略;（2）考虑到矿业城市住房空置率不断增加,本文基于夜间灯光数据,首次制作并引入能够反映矿业城市人为因素的住房空置区指标,以控制城市空间格局模拟过程中存在的不合理扩张现象。（3）利用UGSCBR模型再次模拟鸡西市2015年城市格局,检验、分析模拟结果并对模型进行优化。采用CA模型模拟鸡西市2015年城市格局,并与UGSCBR模型进行对比。（4）利用鸡西市城市扩张UGSCBR模型模拟2020-2035年城市扩张格局,并对城市未来格局的时空演变规律进行分析。本文主要研究结论包括:（1）2005-2015年间,鸡西市城市格局分布多集中于平坦地区,城市扩张以占用低地势区的耕地为主。受到煤炭资源枯竭及生态环境破坏的问题,城市扩张规模逐渐放缓,尽管城市整体格局松散,但研究期间呈现出在空间上聚集发展的趋势,且这一趋势更加明显地呈现在中心城区。（2）地形因素、矿产资源分布、经济发展、交通网络及政策规划是影响矿业城市格局演变的主要驱动力。其中,矿产资源分布作为矿业城市的特殊驱动因素,对城市用地的空间发展起到了即吸引,又排斥的作用。“一核多心、点轴发展”的空间布局规划确立了鸡西市中心城区组团式城市结构的发展战略;而鸡西市作为煤粮复合区,基本农田集中区成为最重要的鸡西市城市用地扩张限制因素。（3）采用改进的UGSCBR模型模拟鸡西市2015年城市格局,结果显示,当检索数量参数x=10时,模拟效果最好,总精度为97.02%,kappa为85.51%,Fo M值为0.1700,与城市扩张CBR模型相比模拟精度提升了57.8%。通过与CA模拟结果的对比,发现UGSCBR模型能够更好地在本研究中模拟出城市扩张趋势,模型的构建更加简单且易于理解。（4）在现有的发展趋势下,鸡西市2020-2035年城市用地面积将继续增加,但扩张规模将持续下降;城市扩张的趋势表现为从各城区中心向外扩张,中心城区将进一步聚集,使得城市格局的紧凑度逐渐提高。
赵明静[2]（2021）在《基于公共安全视角的城市物流风险分析及预测研究》文中研究指明我国城镇化人口超过60%,城市成为人口的主要聚集地,城市中各类要素高频流动的需求带动城市物流的蓬勃发展,同时城市物流公共安全事件呈现出多样性、复杂性、紧迫性和不确定性等特点,城市公共安全、经济社会运行秩序和人民生命财产安全受到严重威胁。为实现城市物流公共安全风险的有效治理,一方面需要认清城市物流运营对公共安全影响较大的风险因素,完善治理方案,另一方面需要对现实困境进一步分析,归纳当前城市物流公共安全事件的发生特征及规律,进而构建高效且精细的城市物流公共安全风险治理方案。以前的物流企业为保证物流运营安全,大多采取加强监管、安全宣传等传统手段。但是,巨大的人力和物力等资源的耗费给物流企业增加较大的经济负担。虽然目前物流风险研究领域已存在大量的理论思想与方法,但是仍亟需解决很多现实问题。目前的物流风险管理研究过度依赖经验判断和专家知识,风险分析方法理论研究需要继续完善;此外,由于事故数据记录没有统一的规范,导致数据的结构化程度不同,如何对非结构化以及半结构化的数据进行风险分析成为当前研究的热点问题之一。基于以上问题,本文依据风险管理理论的流程,完成的主要工作有:（1）统计分析2008～2020年城市物流公共安全事故。分别对事故类型、事故时间、风险源、后果等多个角度作统计,并结合死亡人数、事故等级等指标对事故特征进行分析,详细梳理事故风险因素及相关规律,使后续风险因素集的建立有据可依;（2）利用文献法与业务流程分析法对事故风险因素进行识别,建立风险因素候选集,采用NASA-TXL量表法得到各因素权重,在风险发生概率和风险损失程度两个属性下利用逼近于理想值的排序法对候选风险因素的重要性程度进行筛选梳理,建立最终的关键风险因素集。并对风险因素的独立性进行检验,为后续建立贝叶斯网络评估模型奠定基础;（3）提出了改进的Apriori算法快速挖掘频繁项集,设计出标准化的公共安全视角下的城市物流风险因素关联规则挖掘流程,运用数据分析和处理等手段,基于建立的关键风险因素集,对统计的235起事故进行分析,共得到374条风险因素关联规则,并对高支持度关联规则、高置信度关联规则以及所有关联规则进行可视化展示。通过可视化结果可以得出城市物流风险因素关联规则呈现显着的聚集特征;（4）基于解释结构模型建立贝叶斯网络的初始结构,通过因果映射方法进行改进建立最终的贝叶斯网络动态风险评估模型。利用贝叶斯网络的推理功能对风险进行结果评估及原因推理,通过敏感度分析,揭示了“人-车-货”是造成事故的重要因素,结果表明贝叶斯网络在提升城市快递物流作业能力、规避公共安全风险方面是有效的。（5）提出了粒子群算法与广义回归神经网络算法相结合的风险等级预测模型优化方法。将模型预测结果与BP神经网络算法预测结果对比,结果显示PSOGRNN模型具有预测准确率高、稳定性高、误差较小的优点,对风险等级进行预测并提前相应的风险防控机制,降低事故造成的人民生命财产损失。本文共有图53幅,表49个,参考文献144篇。
渠涧涛[3]（2021）在《LTE-R网络智能故障诊断与预测方法研究》文中研究表明随着国民经济的快速发展,以及铁路相关技术的不断进步,为了满足人们日益增长的生产和生活需要,“货运重载化”成为我国货运铁路技术的重要发展方向。为解决两万吨级重载列车的通信业务需求,朔黄铁路公司世界上首次将LTE-R（Long Term Evaluation-Railways）技术应用于重载铁路。LTE-R无线通信网络承载着重载列车的核心通信业务,因此LTE-R网络的可靠性和稳定性,直接影响着朔黄铁路的运行安全。而针对LTE-R网络的智能故障诊断与预测方法,能够有效地发现LTE-R网络中存在的问题,或根据网络的运行状态对可能发生的问题进行预警,已成为保障LTE-R网络系统可靠和稳定运行的一个重要技术手段。为此,本文以朔黄铁路LTE-R网络为研究对象,综述了智能故障诊断与预测的基本理论、相关方法以及评价指标等内容。然后,又以不平衡数据分类以及时间序列预测为理论基础,大数据、深度学习、智能优化算法等作为技术手段,针对朔黄铁路LTE-R网络故障诊断与预测中所遇到的相关问题,提出了相应的智能故障诊断与预测方法。本文的研究为LTE-R网络的智能运维提供了必要的理论基础和技术手段,具有一定的理论和应用价值。论文的主要的研究成果和结论如下:（1）针对海量、高维度LTE-R网络运维数据存储、读取及处理效率低下的问题,本文提出了一种基于大数据以及地理信息系统（GIS）技术的LTE-R切换及覆盖问题检测方法。为了实现对海量、高维度LTE-R网络运维数据的结构化存储,本文采用HDFS、Hive以及Presto对这些数据进行存储和读取,并利用Spark来改进切换及覆盖问题检测过程中比较耗时的步骤。此外,所有检查出的问题均被展示到GIS系统上,这使得运维人员能够直观、快速地获取问题发生区域的信息。实验表明,该方法能够准确、高效地从海量LTE-R运维数据中识别出常见的LTE-R网络切换及覆盖问题,并能够对这些问题进行直观地展示,具有较高的应用价值。（2）在LTE-R通信性能劣化小区检测问题中,性能劣化小区的数目远远小于正常小区的数目,这可以看作是一个不平衡二分类问题。为了解决该问题,本文首先利用K-means算法,对各小区关键性能指标数据进行转化,从而构建出一个LTE-R通信性能劣化小区检测数据集。然后,为了能够在数据潜在特征层面解决不平衡二分类问题,本文构建了一个双编码器降噪自编码神经网络,并引入生成式对抗网络（GAN）方法来对该神经网络结构进行逐层训练。此外,为了进一步提高分类性能,本文又将Fisher准则和AUC进行结合,构建出多个优化目标,并利用第三代非支配排序遗传算法（NSGA-Ⅲ）对网络参数进行优化。最后,使用逼近理想解排序法（TOPSIS）从多个非支配解中选择出最优的一个,作为网络的最终参数,从而提高了多数类和少数类潜在特征之间的可分性。在公开的不平衡二分类数据集,以及LTE-R通信性能劣化小区检测数据集上的实验表明,相比对比方法,本文方法具有更好的分类性能。（3）为了进一步提升通信性能劣化小区检测的准确率,本文提出了一种基于类别不平衡序列特征提取的LTE-R通信性能劣化小区检测方法。针对如何更加有效地捕获关键性能指标序列局部特征的问题,本文构建了一个基于卷积神经网络（CNN）的神经网络结构,并通过自定义卷积核以及距离计算层,使得该网络能够以滑动窗口的方式,计算每个shaplets与原始序列各个片段的最小距离,从而实现了以shaplets transformation的方式提取序列数据的局部特征。然后,针对序列类别不平衡的问题,构建了基于Fisher准则的优化目标,并使用差分进化算法来对整个网络进行训练。实验表明,本文提出的方法能够十分准确地检测出发生了通信性能劣化的LTE-R小区,具有较高的应用价值。（4）针对LTE-R小区通信性能预测问题,本文利用LTE-R网络承载的核心业务的演进的无线接入承载（E-RAB）异常释放比率作为小区通信性能的评价指标,并提出了一个名为PA-LSTM的时间序列预测方法来对LTE-R小区的通信性能进行预测。PA-LSTM方法首先利用自适应噪声的完备经验模态分解（CEEMDAN）对原始数据进行预处理,从而消除原始数据中的高频分量,使数据变得平滑且变化趋势更为明显。然后引入长短时记忆神经网络（LSTM）和注意力机制构建预测模型。此外,又引入了粒子群优化（PSO）算法来调整注意力权重,从而得到更加精确的预测结果。在多个LTE-R小区通信性能数据集上的实验表明,本文提出的PA-LSTM方法能够准确地对LTE-R小区的通信性能进行预测,为LTE-R网络的运维工作提供建议。（5）考虑到LTE-R网络能够同时承载多个业务,且当前小区与相邻小区的通信信号会相互影响,为了更加精确地对LTE-R小区通信性能进行预测,本文提出了一个面向LTE-R小区通信性能预测的多维时间序列预测方法。该方法选择当前小区以及相邻小区多个通信业务的E-RAB异常释放比率的历史序列作为原始数据,并利用离散二进制粒子群优化（BPSO）算法来从这多个时间序列中选择出具有最大相关最小冗余度的一组时间序列的集合。然后,为了充分地提取所选序列中所包含的深度特征,本文又基于设计了一个基于LSTM和CNN的深度神经网络结构,并引入注意力机制来对提取出的深度特征进行加权处理。实验结果表明,与对比方法相比,论文提出的方法能够更加准确地预测LTE-R小区的通信性能。
詹锐[4]（2021）在《基于随机森林的超高层建筑安全事故案例推理研究》文中指出当今社会,超高层建筑的发展十分迅速,如雨后春笋般拔地而起,但与之而来的是频发的超高层建筑安全事故。由于超高层建筑本身的特殊性,一旦发生事故,其严重程度与影响程度都是巨大的。但是相似的超高层建筑安全事故总是不断的重复上演,如何打破其事故频发的“魔咒”已经成为了整个行业不可忽视的话题。本文针对超高层建筑这一特殊的建筑业态,应用了“重经验,弱理论”的案例推理模型,构建了超高层建筑安全事故指标体系,开发整理了一个数量为140的超高层建筑安全事故案例库,设计指标相似度与案例相似度的计算规则查询最为相似案例;以随机森林模型作为基础学习者,构建双层随机森林模型,将查询案例的指标输入,案例的整改辅助决策作为输出,构建了案例重用模型,并通过实例进行模型验证。本文的主要研究成果如下:（1）通过文献挖掘、分析超高层建筑安全事故的影响因素,并从事故特征、项目特征和组织特征三个维度建立了超高层建筑安全事故特征指标体系;搜集整理超高层建筑安全事故案例,并构建了相关的案例库,研究其中各个事故整改报告,并整理出事故整改辅助决策指标。（2）构建了超高层建筑安全事故的案例推理模型,在案例查询阶段引入蚁群聚类方法对案例库中的案例进行聚类处理,形成案例子库,提高案例查询的精度与效率;构建超高层建筑安全事故指标相似度体系以及案例相似度的计算方法;在案例推理模型的案例重用阶段,采用了集成学习算法的思想,构建了双层训练模型进行超高层建筑安全事故整改指标的辅助决策;选择随机森林模型作为双层训练模型的集成学习模型。（3）使用python编程手法,将本文所构建的基于双层随机森林的超高层建筑安全事故案例推理模型运行实现,并使用界面实现案例查询阶段与案例输入阶段的可视化。
郑汉[5]（2020）在《基于不确定性分析的铁路通过能力利用优化研究》文中认为铁路通过能力研究包含计算、利用、加强与储备这几个部分,是一个涉及铁路运输基本理论、技术、方法的综合体系。铁路能力利用实质是资源约束下的优化问题,具有多元、时变的特点,研究难度很大。尤其是近年来,随着社会经济环境的变化,运输需求不只关注“走得了”,更关注“走得好”,决定了在能力利用优化研究中对“不确定性”引入的内在要求。诚然,对于铁路运输系统这样一个结构复杂的巨系统,如何辨识、描述时变的不确定性尚且困难,要进一步对能力利用进行优化更非易事。既有研究多孤立、静态地研究不确定性及相关优化技术,缺乏数据驱动力和环境适用性,技术间耦合不足,存在分析结构性与范式的改进空间。本文试图对上述问题进行思考和探索。提出“机器学习+最优化”研究框架,在充分利用铁路数据基础上,从不确定性及能力利用优化基本理论出发,剖析不确定性内部结构及层次分布,分析不确定性静态模式及动态演化规律,进而研究对抗不确定性的能力利用优化技术。具体说来,包含以下工作:1)界定基于不确定性分析的能力利用优化概念。分析运输组织要素在能力利用中的作用,引出铁路系统中不确定性与能力利用的关系;进行不确定性的分层梳理与结构分析,建立不确定性在不同粒度上的分布（包含主观不确定性和客观随机性并存的结构）;之后提出“机器学习+最优化”研究框架:使用机器学习方法进行不确定性分析,并关联最优化技术完成能力利用优化。不确定性分析包括静态模式分析和动态演化分析。静态模式分析以微观的列车运行序列数据为基础,通过机器学习技术分析数据中蕴含的共性与异性,获得模式并度量不确定性。动态演化分析以受控-随机理论为基础,将铁路系统运营视作执行者（如司乘人员、作业班组等）以及控制者（如行车、车站调度人员等）协同配合的过程,刻画不确定性的连续动态特性;最后,结合不确定性分析过程,以最优化技术设计基于不确定性的能力利用优化框架。2)提出不确定性静态模式分析的方法。针对数据量庞大、模式识别困难的问题,设计了无监督学习模式发现和有监督学习模式识别相配合的模式分析技术。前者通过无需人工干预的深度学习技术,从小样本数据中发现模式,人工调整后形成模式集。后者提取与铁路能力利用相关的特征,完成大批量序列数据的模式分析;之后,根据Dirichlet分布的共轭先验特性对不确定性的分布情况进行度量。根据所分析的模式及相关不确定性,设计启发式方法校正运行时间所对应的微观实施方案,提升列车运行在微观层面的可操作性;最后,以微观列车时空轨迹数据为输入,通过数值实验分析数据的模式及其不确定性分布情况。分析模式形成原因,测试方法的性能,并揭示模式与主观不确定性及客观随机性间的关系。3)提出不确定性动态演化分析的方法。根据受控-随机理论,从执行和控制两个角度建立描述不确定性的随机过程模型。利用马尔可夫性,通过离散的状态转移过程描述该模型;设计影响状态转移概率的信息向量,使用贝叶斯网络建立不确定性推理模型,搭建动态演化推理模型;之后,设计列车时空冲突检测以及储备能力调整方法,为能力利用优化模型参数微调提供支持;最后,基于静态模式分析结果,通过数值实验分析不确定性演化的差异性,如延误较严重时,列车在某些区间会选择减速运行（晚点模式达到80%左右）,相当于把闭塞分区当作临时存车线使用,证实“车站-区间”配合协调的能力利用现象的存在。4)构建基于不确定性分析的能力利用优化模型并求解。依托事件-活动EAN网络,建立以期望计划完成度、能力利用衔接性、能力利用可行性、能力利用鲁棒性以及能力利用可恢复性为优化目标的理想优化模型。进一步,分析模型中与不确定性相关的目标函数及约束,将模型改进为能够对抗不确定性的鲁棒优化模型,具体实施路径包括:首先构建基于扰动（1）和数据驱动（2）两种不确定性集,而后从主动、被动对抗不确定性的优化方法入手,设计包括强鲁棒、弱鲁棒、可行恢复鲁棒、最优恢复鲁棒在内的适用于不同数据环境的鲁棒优化模型。之后,为描述列车的会让、越行关系,构建分支定界算法以求解模型;分别基于1与2设计数值实验,对各鲁棒优化模型的参数灵敏度进行指标分析。5)针对我国典型煤运重载铁路进行实例验证。将研究内容应用于实际案例,获得以下结论:1)发现不同区间模式分布规律的差异性,例如,研究案例某普通区间的早点模式、正点模式、晚点模式比为25%:7%:68%;而在组合拆解技术站邻近区间,该比例为23%:58%:19%。可见在不确定性晚点发生时,铁路运行系统出现内部自组织现象;2)在设定不同的储备能力量值情况下,运用动态演化评价其对能力利用的影响效果,如案例中总体分配2%储备能力时,其可以抵抗最大平均初始扰动为8min;3)界定不同鲁棒优化模型所适用的数据环境,揭示储备能力的时空分配对方案效果的影响,如:由于针对性地加强关键区间在易发生扰动时段内的储备能力并降低其他时空的储备能力,基于2的最优恢复鲁棒方法获得的方案在储备能力总量上较强鲁棒优化方案少6.4个百分点,却使指标优化8.6%。本文以不确定性为着眼点,从理论、模型、算法等方面对能力利用优化体系进行了一定地补充与完善。所提出的“机器学习+最优化”研究框架,可充分利用历史数据信息,从静态模式、动态演化等角度实现多维度不确定性分析;不确定性分析结果直接参与优化模型不确定性集构建、模型参数选择以及求解过程冲突检测等环节,指导不同数据环境下多目标能力利用方案优化。研究的成果可从数据中分析不确定性的特性,并通过优化模型合理地优化能力利用方式,提升能力利用方案质量,可为我国铁路能力精细化利用理论方法提供一定参考。
张慧[6]（2020）在《认知局限下的模糊认知图预测研究》文中指出模糊认知图（Fuzzy Cognitive Map,FCM）是广泛应用于系统建模和仿真的离散非线性系统,它结合了神经网络和模糊逻辑的优点,具备较强的知识表达和逻辑推理能力,能够处理数据间的复杂因果关系,在预测与评估方面都具有重要的应用价值。随着社会发展的多元化,使用FCM进行预测的难度和复杂性大幅度提升。在复杂系统下,受人类认知能力的限制,选取的节点无法保证全面且有效,只能构建部分节点的因果关系模型。现阶段,针对FCM的研究仅在认知范围内进行推理和预测,忽略了其他节点对系统产生的影响,由节点缺失引起的因果关系缺失使得FCM在预测效率和准确性方面都有所不足,只能处理有限的、相对简单的问题,对复杂系统的精确描述缺乏解决方案。目前,FCM及其拓展结构尚无法解决认知局限性导致的节点缺失问题,且存在着结构上的缺陷。基于此,本文将对FCM的结构设计进行重点研究,构建认知局限下的FCM预测模型,具体而言:1)由理论、结构等方面对认知的局限性与完全性的关系进行研究和探讨,对传统FCM结构进行改进,弥补缺失的节点。2)构建FCM预测模型,应用于认知完全与认知局限下的对比实验,通过实验研究认知局限性对FCM预测模型性能的影响。3)研究认知局限下FCM完全预测模型的构建,从结构和算法两方面对FCM预测模型进行优化,通过节点的增加推理出缺失的节点数据,弥补因果关系,以构建完整的FCM,提高模型的预测精度,解决复杂系统的建模及预测问题。本文主要创新性工作概括如下:（1）提出一种模糊认知图拓展结构。基于认知局限性造成的节点缺失问题,对传统的模糊认知图结构提出改进,加入一个未知节点X,弥补系统缺失的若干节点,实现由局限认知结构向完全认知结构的转换。（2）提出一种自适应种群聚集度的差分算法（APDDE）。本文选择差分算法构建FCM预测模型,为避免陷入局部最优解,对差分算法的变异操作进行改进,基于种群聚集度的计算动态调整变异方式,改善了算法的收敛性能,提高了全局搜索能力。（3）提出了认知局限下的APDDE-FCM完全预测模型。针对认知局限性影响FCM预测精度的问题,将完全认知结构融入到改进后的差分算法APDDE中,研究了一种认知局限下的FCM完全预测模型,该模型有效降低了节点缺失引起的误差损失,保持了算法的多样性,提高了模糊认知图的预测性能。本文选取物流需求与能源消耗预测两个应用案例进行预测实验,实验结果验证了本文所提方法在提高预测性能上的有效性。上述研究成果可应用于复杂系统的时间序列预测,有助于补充和构建完整的认知模型,减少算法的复杂度,为模糊认知图的研究内容提供了新的方法与方向。
李政誉[7]（2020）在《机器人焊接工艺推理机制与参数优化方法研究》文中认为目前,机器人技术已经广泛的应用在焊接领域中,机器人焊接也正在朝着更高程度的自动化与智能化方向发展。而自动化和智能化均为焊接机器人实现高效加工的手段,焊接工艺作为连接产品设计与制造阶段的枢纽,对焊接效率、焊接成本以及焊接质量都有着极为重要的影响。焊接工艺智能规划配合工业机器人对实现更高程度的焊接自动化与智能化有着非常重要的意义。为提高机器人焊接工艺规划智能程度,本文以工艺知识、数据为核心,基于工艺推理与工艺优化等相关技术,研究了机器人焊接工艺推理机制与参数优化方法。本文首先面向机器人焊接工艺推理与优化需求,进行了焊接工艺推理与优化的总体方案设计。确定了机器人焊接工艺知识表示模型、工艺推理策略、工艺优化策略,并最终形成了机器人焊接工艺推理与优化的总体技术路线。随后对机器人焊接工艺知识进行可表示性研究。面向机器人焊接工艺推理中涉及到的各类工艺知识表示需求,为机器人焊接工艺推理提供结构合理、互操作性强的数据模型支持,满足随着工艺规划智能化不断深入对工艺知识的可重用性、可进化性与聚集共享性的需求。本文针对焊接工艺知识中的实例知识、规则知识,结合所采用推理技术的特点,构建了基于本体与基于置信结构规则表示方法的机器人焊接工艺知识表示模型。在工艺推理方面,本文提出基于案例推理（Case-based reasoning,CBR）与基于证据推理算法的置信规则库推理方法（Belief rule-base inference methodology using the evidential reasoning approach,RIMER）结合的焊接工艺推理机制。在焊接工艺推理过程中,首先利用K近邻算法对案例库中相似案例进行检索,将检索出来的目标案例进行案例修改,若修改后的案例可以满足实际需求则结束案例推理,否则进行基于RIMER的工艺推理。在基于RIMER的推理过程中,首先确定了不确定性下的知识表示方案,该方案中包括了诸如属性和规则权重等其他知识表示参数,在此基础上构建了基于分层置信结构的焊接工艺置信子规则库。然后利用证据推理算法实现规则库中的相应推理。最后构建软件验证平台对所提出的工艺推理方法进行了实例验证,验证结果表明该方法可以有效满足工艺推理需求。最后为优化焊接工艺推理结果与有效指导实际焊接,本文提出一种基于Stacking模型融合与粒子群算法的焊接工艺参数优化方法。通过对多个GPR、SVR等基预测模型与次级预测模型的融合构建了焊接工艺性能预测模型。在优化过程中,将该预测模型引入粒子群优化算法中实现对焊接工艺参数的优化,获得最优的焊接工艺参数。验证实验结果表明,基于Stacking算法对多个模型进行融合后所得的焊接工艺性能预测模型预测精度要优于单一预测器,该方法能够有效提高工艺性能预测模型的精度与泛化性能,而且优化后所得到的最优工艺参数可以获得性能良好的焊缝。因此,本文所提出的优化方法可以有效的对工艺推理结果进行优化并指导实际焊接加工。
杜文彬[8]（2020）在《美国STEM教育发展研究 ——以学校科目社会史为视角》文中进行了进一步梳理作为应对21世纪人才需求挑战的战略举措,我国STEM教育的政策要求与实践探索方兴未艾,急需系统的基础研究和理论成果支持。与此相对照,美国作为最早开展STEM教育的发达国家,其推动STEM教育的历史脉络和经验教训,对于深化我国STEM教育的理论与实践研究,尤其是本土化的课程理论建构和实践创新具有重要的借鉴意义。美国STEM教育以20世纪80年代大众化科学教育改革提出“科学素养”作为开端。短短三十几年间,其已完成从科学教育改革思潮到实体课程的进化,并依托STEM学校,以“必修课”形式嵌入到课程体系之中。学校科目社会史视角下,美国STEM教育的生长空间构筑于学校教育人才供给与社会发展人才需求之间的差异。学校教育的课程目标、课程内容、课程实施手段、课程评价以及课程管理机制与社会人才需求的数量、类型、规格之间存在多重矛盾,这些矛盾构成了STEM教育的发展动因。以STEM教育发展多重矛盾的结构变化与矛盾解决主体在不同“行动者”间的转换为依据,可将美国STEM教育发展划分为STEM教育思想萌芽、课程体系初建、制度化推进以及标准化课程建设四个阶段。这背后既体现着学校教育对社会经济发展大潮的回应,也凝结着科教精英、民间团体以及政府等不同利益团体以教育改革回应社会矛盾的斗争与妥协。20世纪80年代至2000年是STEM教育的思想萌芽时期。美国政治经济发展新格局带来大量高素质劳动力需求,面向少数精英的结构主义教育已经难以满足新的人才结构需要。为解决上述矛盾,科教精英发起了以STS运动、2061计划为代表的大众化科学教育改革,以破除科学教育精英化的弊端。这次改革使科学教育呈现出大众化、素养化、跨学科整合以及标准化等有别于传统科学教育的新特征。STEM教育理念内核,包括面向国家劳动力需求的培养目标、跨学科整合的课程内容、秉承建构主义理念的教学方法、以及具有标准化评价烙印的课程评价,也在这一过程中逐渐构筑起来。尽管“STEM”这一专用术语尚未出现,其思想萌芽已经孕育在科学教育改革之中。但由于工程教育在STEM整合中缺乏实质性的地位,STEM教育尚未形成正式概念,也难以脱离于传统科学教育框架而获得自主发展。以“STEM教育”专门术语在2001年的出现为标志,2001年至2005年STEM教育处于课程体系初建阶段。随着美国不断向第三产业转化升级的产业结构调整,以及海外精英对STEM工作岗位的占领,硬科学在美国学校教育中不断式微。为保证市场中STEM专业人才储备,以工商业主利益为代表的民间组织纷纷要求学校加强硬科学教育。这一诉求为工程教育进入基础教育体系开辟了通道,使STEM教育获得“工程”拼图,实现了其概念的完整建构。完成概念建构的STEM教育在大型学术团体主导下实现了课程开发、教学设计、教师专业发展方面的长足进步,课程体系建设初见形态。但由于发展主体各自为政,STEM教育的课程体系建设也呈现出各课程要素发展不均衡、发展动力受限等缺点。要应对伴随再工业化战略而来的STEM人才需求大潮,就必须在课程管理体系中做出调整,在更强力量的主导下实现整体推进。伴随着2006年《崛起于聚集的风暴之上》报告的发布,STEM教育正式进入联邦视野。2006年至2011年是STEM教育制度化推进阶段。为配套促进制造业回岸的再工业化战略,美国政府通过财政支援、整体规划、项目引导以及法令保障手段,强势主导着STEM教育发展。同时,联邦政府还统合各利益主体形成发展合力,实现了STEM教育国家战略式推进。该阶段STEM教育进入蓬勃发展时期,各种STEM课程设计与实施层出不穷,积累了丰富的实践经验。但也由于财政的突然倾斜,该时期STEM教育呈现一种聚焦价值讨论而轻视实践质量的状态,功利主义与形式主义危机接踵而至。以2012年美国国家科学院对全美STEM教育项目的质量审查为开端,STEM教育进入标准化课程建设时期。为应对美国STEM教育发展过程中的形式主义与功利主义危机,曾一度缺位的课程专家重新主持STEM课程改革。以课程专家为主导,各发展力量通过构建横纵衔接的一贯制课程体系、开发聚焦学生自主探究的教学设计、以及制定州级STEM课程实施标准,实现STEM教育的标准化课程建设,并构筑起“联邦主导——地方规范——学校自主开设”的课程实施体系。至此,STEM教育依托STEM学校,以必修课身份在学校课程体系中获得一席之地。纵观美国STEM教育发展历程,可发现STEM教育各个阶段都和特定的社会与经济发展背景紧密相连,有其独特的发展机制,包括从外力推进与内部自觉的发展动因机制,以工程为基点的跨学科内容整合机制,以及由多元走向统一规范的课程实施机制。我国STEM教育正处于发展的初级阶段,呈现着发展力量自发性、课程开发多元化与课程实践零散化等特点。从学校科目社会史视角梳理美国STEM教育发展历程中的相关经验、教训与发展机制,对接我国STEM教育本土化发展现状,本研究认为美国STEM教育发展对我国具有以下发展启示:首先,在与“结构”的关系上,应适度超前于社会发展与学校教育间的矛盾暴露;其次,需联合各方“行动者”发挥多元主体共同推进效用;最后,还要遵循科目发展的一般规律,尤其在内容开发机制与实践机制上要契合我国当前教育发展背景与育人要求,选择适配的发展方式。
陈伟[9]（2020）在《基于本体的古建筑知识表达及案例推理》文中指出目前在古建筑遗产数字化保护领域中,越来越多不同专业背景的人员加入古建筑保护工程中,但由于多数人对古建筑知识存在的认识偏差,以及多方信息源格式的不同,导致了各方进行信息交互遇到障碍,无法提高工作效率;另外目前古建筑已发生案例不能大规模且高效的为古建筑修缮提供技术参考,导致了以往的古建筑案例利用率低,无法从中进行知识重用。本文通过基于本体的古建筑知识表达和案例推理,提出了统一的古建筑知识表达方法,并以残损案例为例实现了古建筑知识的重用。首先,本文对古建筑保护现状进行了梳理,发现本体技术作为统一的古建筑知识表达方法的优势。因此,本文提出将本体技术引入古建筑知识表达中,建立基于本体的古建筑知识表达。其中,通过分析古建筑领域知识,建立了古建筑知识框架。从古建筑设计、建造、修缮三个角度,分别提出基于本体的古建筑物本体模型、基于古建筑工艺本体模型以及古建筑残损本体模型,通过软件构建相应本体,并以实例进行了验证。通过建立古建筑规则框架,利用SWRL语言分别对古建筑营造法则规则和古建筑损伤规则进行表达,并以此作为本体推理的理论基础。其次,在古建筑知识本体的基础上,将案例推理技术引入古建筑保护领域,提出了基于本体的古建筑残损案例表示。并在其基础上,提出了多重属性背景下基于粗糙集和信息熵的属性权重计算方法优化。通过对古建筑残损案例属性的分析,提出两阶段案例检索。并以实例对基于古建筑案例推理进行验证。本文提出的基于本体的古建筑知识表达建立了古建筑的统一语义表达形式,消除不同专业对古建筑的认知偏差,为古建筑信息的多方交互奠定了基础。古建筑知识本体为残损案例表达提供了表达范式和推理基础,基于本体的古建筑残损案例推理挖掘了以往案例中的隐含知识,并通过案例推理实现了古建筑案例知识重用,为古建筑数字化保护提供了技术参考和基础支撑。
邢海龙[10]（2020）在《大数据联盟数据挖掘服务模式研究》文中认为随着社交网络、传感器技术、移动互联网技术的快速发展,数据存储量已经达到了PB级别,成为了企业乃至国家的重要性战略资源。在国家政策的积极推动下,大数据服务平台不断涌现,为满足在“数据海洋”中获取所需资源及挖掘数据背后的潜在价值奠定了良好基础。但是目前大数据服务市场还处于发展初期,发育还不够完全,在面对用户多样的数据挖掘服务需求时,单一企业在服务能力方面还存在不足。为此,以大数据产业链为依托,以提高数据挖掘服务能力和服务质量为目的,通过整合大数据产业链上、中、下游企业的资源优势、技术优势和服务优势,以联盟的组织形式为社会提供数据挖掘服务,对完善大数据服务市场起到了重要作用,大数据联盟采用的服务模式将直接影响着数据挖掘服务的质量和水平,构建符合大数据服务需求特点、有利于整合联盟成员数据资源的数据挖掘服务模式是数据企业急需解决的紧迫课题。在跟踪总结国内外大数据、大数据联盟、数据挖掘及服务模式的研究现状、发展趋势和实际应用情况的基础上,分析和界定了大数据联盟、数据挖掘服务的相关概念及特点。从合作协同视角,运用核心能力理论、协同理论、博弈理论等,揭示大数据联盟合作机理,在分析大数据联盟数据演化过程、数据挖掘层次的基础上,构建大数据联盟数据挖掘服务模式框架。在此基础上,提出了大数据联盟标准化数据挖掘服务模式、定制化数据挖掘服务模式和智能化数据挖掘服务模式。标准化数据挖掘服务是针对用户共性化需求,提供的一种数据挖掘服务。该服务模式结合用户的需求类型,将联盟通过数据挖掘获取的资源进行服务产品的封装,以数据产品的形式进行发布与交付。并依照用户对服务认知和理解的程度不同,将服务方式划分为自助式和咨询式两种服务方式,以及从售后服务、运营监管两方面,提出标准化数据挖掘服务保障。定制化数据挖掘服务是针对用户个性化需求,提供的一种数据挖掘服务。该服务模式从联盟用户需求描述、服务能力挖掘、联盟数据准备、模型构建、模型评估和服务交付几个环节,构建大数据联盟定制化数据挖掘服务过程模型,依照用户的参与程度不同,将服务方式划分为委托式和跟进式两种服务方式,并从协调管理、资源配置、协同调度三方面,提出定制化数据挖掘服务保障措施。智能化数据挖掘服务是针对用户混合型需求,进行的一种数据挖掘服务。该服务模式是融合智能决策理论和知识推理方法,从服务需求知识表示、服务智能检索、服务重用与调整、服务支付、服务知识学习与存储几个环节,构建大数据联盟智能化数据挖掘服务过程模型,将服务方式划分为智能交互的委托式和智慧协同的跟进式两种服务方式,并从多案例经验集成、群体智能两方面,提出智能化数据挖掘服务保障措施。在实证研究部分,选择中关村大数据产业联盟中,以提供数据挖掘服务为主要业务的ZWJ大数据联盟为研究对象,将本文提出的大数据联盟数据挖掘服务模式运用到实际联盟中,验证数据挖掘服务模式的科学性与合理性,并完善数据挖掘服务模式管理体系。对大数据联盟数据挖掘服务模式的研究,有利于数据资源的流通、共享和价值创造。在满足日益增长的数据挖掘服务需求的同时,充分发挥联盟的资源优势、技术优势,挖掘数据资源背后的“知识财富”。为促进我国大数据服务产业蓬勃发展,提高数据资源价值活力和数字技术创新能力具有重要作用。同时研究成果有助于丰富企业资源管理理论与服务模式理论体系,并对大数据产业发展及大数据服务应用具有重要现实指导意义。
二、用于离散控制系统知识聚集的案例推理技术研究（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、用于离散控制系统知识聚集的案例推理技术研究（论文提纲范文）
（1）基于改进案例推理模型的矿业城市空间格局演变驱动力分析与模拟（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 城市扩张研究现状 |
| 1.2.2 CBR的研究现状 |
| 1.2.3 矿业城市研究现状 |
| 1.3 研究的主要内容与技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容与技术路线 |
| 1.3.3 创新点 |
| 第2章 研究区概况及数据源 |
| 2.1 研究区概况 |
| 2.1.1 研究区位置和范围 |
| 2.1.2 自然条件概况 |
| 2.1.3 社会经济概况 |
| 2.2 数据来源及处理方法 |
| 2.2.1 遥感影像数据 |
| 2.2.2 土地利用数据 |
| 2.2.3 夜间灯光数据 |
| 2.2.4 其他数据 |
| 2.3 本章小结 |
| 第3章 基于案例推理的城市扩张模拟原理与方法 |
| 3.1 城市扩张相关概念与内涵 |
| 3.1.1 城市用地 |
| 3.1.2 城市扩张 |
| 3.2 案例推理的认知机理 |
| 3.2.1 案例推理的基本内涵及优势 |
| 3.2.2 案例推理的认知模型 |
| 3.2.3 案例检索策略 |
| 3.3 土地利用变化案例推理模型简述 |
| 3.3.1 土地利用变化CBR模型的案例表达模式 |
| 3.3.2 土地利用变化CBR模型的案例相似性计算与推理 |
| 3.3.3 模型存在的问题 |
| 3.4 城市扩张案例推理模型设计 |
| 3.4.1 模型数据的组织与获取方法 |
| 3.4.2 城市扩张案例相似性计算与推理过程设计 |
| 3.5 本章小结 |
| 第4章 矿业城市空间格局演变特征及驱动力分析 |
| 4.1 鸡西市城市格局时空演变特征分析 |
| 4.1.1 鸡西市城市格局时空分布特征 |
| 4.1.2 鸡西市城市格局时空演变特征 |
| 4.2 鸡西市城市扩张驱动力分析 |
| 4.2.1 自然地理驱动因素 |
| 4.2.2 经济、政策及社会驱动因素 |
| 4.3 本章小结 |
| 第5章 矿业城市空间扩张案例推理模型的改进与优化 |
| 5.1 鸡西市城市扩张驱动指标 |
| 5.2 鸡西市城市扩张CBR模拟流程 |
| 5.3 鸡西市城市扩张CBR模型的检验 |
| 5.4 改进的鸡西市城市扩张UGSCBR模型 |
| 5.4.1 模拟过程的改进 |
| 5.4.2 住房空置率指标研究 |
| 5.5 鸡西市城市扩张UGSCBR模型的优化 |
| 5.6 UGSCBR模型的评价 |
| 5.6.1 模拟过程的有效性评价 |
| 5.6.2 与CA模型的对比评价 |
| 5.7 本章小结 |
| 第6章 鸡西市未来城市格局预测及分析 |
| 6.1 鸡西市2020-2035 年城市格局预测结果 |
| 6.1.1 鸡西市2020-2035 年城市用地数量预测 |
| 6.1.2 基于UGSCBR模型的鸡西市2020-2035 年城市空间格局预测 |
| 6.2 鸡西市2015-2035 年城市格局时空演变特征分析 |
| 6.3 本章小结 |
| 结论与展望 |
| 主要结论 |
| 不足与展望 |
| 参考文献 |
| 攻读博士学位期间所发表的学术论文 |
| 致谢 |
（2）基于公共安全视角的城市物流风险分析及预测研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外相关研究综述 |
| 1.2.1 物流风险研究综述 |
| 1.2.2 事故模型综述 |
| 1.2.3 主要存在问题 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究问题界定 |
| 1.3.2 研究内容 |
| 1.3.3 研究思路及方法 |
| 1.4 本章小结 |
| 2 相关理论基础及事故统计分析 |
| 2.1 城市物流系统概述 |
| 2.1.1 城市物流系统的概念 |
| 2.1.2 城市物流系统的特征 |
| 2.1.3 城市物流系统的体系结构 |
| 2.1.4 城市物流系统的复杂性 |
| 2.2 风险的相关理论 |
| 2.2.1 风险的基本概念 |
| 2.2.2 风险管理概述 |
| 2.3 城市物流公共安全事故统计分析 |
| 2.3.1 城市物流公共安全事故因果连锁理论 |
| 2.3.2 城市物流公共安全事故统计分析 |
| 2.4 本章小结 |
| 3 公共安全视角下的城市物流风险因素分析 |
| 3.1 风险因素分析 |
| 3.1.1 风险因素分析流程 |
| 3.1.2 风险因素识别方法 |
| 3.1.3 风险因素评价方法 |
| 3.1.4 城市物流公共安全领域风险因素分析 |
| 3.2 风险因素识别 |
| 3.2.1 文献法识别 |
| 3.2.2 业务流程分析法识别 |
| 3.2.3 城市物流公共安全风险因素集 |
| 3.3 关键风险因素集的构建 |
| 3.3.1 关键风险因素集构建的基本流程 |
| 3.3.2 关键风险因素集构建原则 |
| 3.3.3 关键风险因素的选择 |
| 3.4 本章小结 |
| 4 风险因素关联规则挖掘和可视化分析 |
| 4.1 风险因素关联规则挖掘方法 |
| 4.1.1 关联规则挖掘方法 |
| 4.1.2 快速挖掘频繁项集的VS_Apriori算法 |
| 4.1.3 关联规则挖掘流程 |
| 4.2 风险分析、数据分析和处理 |
| 4.2.1 风险分析 |
| 4.2.2 数据分析 |
| 4.2.3 数据处理 |
| 4.3 风险因素关联规则挖掘 |
| 4.3.1 高支持度关联规则 |
| 4.3.2 高置信度关联规则 |
| 4.4 风险因素关联规则的可视化分析 |
| 4.4.1 高支持度关联规则可视化分析 |
| 4.4.2 高置信度关联规则可视化分析 |
| 4.4.3 所有关联规则的可视化分析 |
| 4.5 本章小结 |
| 5 公共安全视角下的城市物流动态风险评估 |
| 5.1 贝叶斯网络概述 |
| 5.1.1 贝叶斯网络原理 |
| 5.1.2 参数学习 |
| 5.1.3 结构学习 |
| 5.1.4 贝叶斯网络推理 |
| 5.2 解释结构模型概述 |
| 5.3 基于贝叶斯网络的城市物流公共安全风险评估 |
| 5.3.1 初始网络构建 |
| 5.3.2 网络结构改进 |
| 5.3.3 贝叶斯网络模型的确定 |
| 5.4 动态风险评估贝叶斯网络模型应用 |
| 5.4.1 后验概率分析 |
| 5.4.2 敏感度分析 |
| 5.5 本章小结 |
| 6 公共安全视角下的城市物流风险预测研究 |
| 6.1 城市物流公共安全风险预测方法 |
| 6.1.1 广义回归神经网络理论概述 |
| 6.1.2 粒子群算法概述 |
| 6.1.3 PSO-GRNN预测模型概述 |
| 6.1.4 模型性能评价标准 |
| 6.2 基于PSO-GRNN的城市物流风险预测模型 |
| 6.2.1 数据准备 |
| 6.2.2 基于PSO-GRNN算法的风险预测 |
| 6.2.3 预测结果分析 |
| 6.3 城市物流风险预防及控制措施 |
| 6.3.1 风险预防措施 |
| 6.3.2 风险控制措施 |
| 6.4 本章小结 |
| 7 研究结论与展望 |
| 7.1 主要结论 |
| 7.2 研究创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录A 物流公共安全事故详表 |
| 附录B 物流公共安全风险因素评估调查问卷 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）LTE-R网络智能故障诊断与预测方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景和意义 |
| 1.2 智能故障诊断及预测研究现状及进展 |
| 1.2.1 智能故障诊断与预测概述 |
| 1.2.2 智能故障诊断方法 |
| 1.2.3 智能故障预测方法 |
| 1.2.4 智能故障诊断与预测方法总结 |
| 1.3 LTE-R网络故障诊断与预测问题研究 |
| 1.3.1 相关数据和指标 |
| 1.3.2 LTE-R网络故障诊断问题研究 |
| 1.3.3 LTE-R网络故障预测问题研究 |
| 1.3.4 LTE-R网络故障诊断与预测结果评价 |
| 1.4 本文主要研究内容与结构安排 |
| 2 基于大数据及GIS技术的LTE-R覆盖及切换问题检测 |
| 2.1 引言 |
| 2.2 相关技术简介 |
| 2.2.1 大数据相关技术 |
| 2.2.2 “天地图”地理信息平台 |
| 2.2.3 LTE-R覆盖及切换问题 |
| 2.3 方法设计 |
| 2.4 方法实现 |
| 2.4.1 数据预处理 |
| 2.4.2 数据分析 |
| 2.4.3 基于GIS技术的可视化 |
| 2.5 实验与分析 |
| 2.6 本章小结 |
| 3 基于深度学习及多目标优化的LTE-R通信性能劣化小区检测 |
| 3.1 引言 |
| 3.2 方法设计与实现 |
| 3.2.1 方法设计 |
| 3.2.2 双编码器DAE神经网络 |
| 3.2.3 基于GAN的逐层训练方法 |
| 3.2.4 利用NSGA-Ⅲ优化模型参数 |
| 3.2.5 用TOPSIS方法对非支配解集进行排序 |
| 3.3 实验与分析 |
| 3.3.1 对比方法 |
| 3.3.2 KEEL数据描述 |
| 3.3.3 实验设置 |
| 3.3.4 实验结果及分析 |
| 3.4 LTE-R通信性能劣化小区检测 |
| 3.4.1 数据描述及预处理 |
| 3.4.2 实验设置 |
| 3.4.3 实验结果及分析 |
| 3.5 本章小结 |
| 4 基于类别不平衡序列特征提取的LTE-R通信性能劣化小区检测 |
| 4.1 引言 |
| 4.2 相关定义 |
| 4.3 方法设计与实现 |
| 4.3.1 方法设计 |
| 4.3.2 基于CNN的特征提取网络 |
| 4.3.3 不平衡序列特征提取的优化目标 |
| 4.3.4 利用差分进化算法训练网络权值 |
| 4.4 实验与分析 |
| 4.4.1 数据描述及预处理 |
| 4.4.2 实验设置 |
| 4.4.3 对比与讨论 |
| 4.5 本章小结 |
| 5 基于PA-LSTM的 LTE-R小区通信性能预测方法 |
| 5.1 引言 |
| 5.2 问题定义 |
| 5.3 方法设计与实现 |
| 5.3.1 总体框架设计 |
| 5.3.2 基于CEEMDAN的数据预处理 |
| 5.3.3 基于PA-LSTM构建预测模型 |
| 5.4 实验与分析 |
| 5.4.1 数据描述 |
| 5.4.2 实验设置 |
| 5.4.3 对比与讨论 |
| 5.5 本章小结 |
| 6 面向LTE-R小区通信性能预测的多维时间序列预测方法 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 方法设计与实现 |
| 6.3.1 总体设计 |
| 6.3.2 数据预处理 |
| 6.3.3 基于MRMR准则以及BPSO的特征选择 |
| 6.3.4 深度特征提取及结果预测 |
| 6.4 实验与分析 |
| 6.4.1 数据描述 |
| 6.4.2 实验设置 |
| 6.4.3 特征选择实验 |
| 6.4.4 模型训练及评估 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）基于随机森林的超高层建筑安全事故案例推理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 现实意义 |
| 1.3 国内外研究现状 |
| 1.3.1 超高层建筑安全研究现状 |
| 1.3.2 案例推理方法研究现状 |
| 1.3.3 RF算法研究现状 |
| 1.3.4 文献评述 |
| 1.4 研究内容及研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线图 |
| 第2章 基础理论与研究方法 |
| 2.1 案例推理方法基本原理 |
| 2.1.1 案例推理方法概念 |
| 2.1.2 案例推理的推理流程 |
| 2.2 RF算法的基本原理 |
| 2.2.1 集成学习方法 |
| 2.2.2 RF算法 |
| 2.2.3 双层RF算法 |
| 2.3 本章小结 |
| 第3章 基于RF的超高层事故CBR模型 |
| 3.1 超高层建筑安全事故案例库及指标 |
| 3.1.1 超高层建筑安全事故指标体系 |
| 3.1.2 超高层建筑安全事故辅助决策指标 |
| 3.2 基于双层RF的案例推理模型构建 |
| 3.2.1 构建超高层建筑安全事故案例库 |
| 3.2.2 构建案例子库 |
| 3.2.3 案例推理方法模型构建 |
| 3.2.4 案例重用 |
| 3.3 本章小结 |
| 第4章 系统运行案例与分析 |
| 4.1 算法验证 |
| 4.1.1 设置测试案例库 |
| 4.1.2 建立案例子库 |
| 4.1.3 匹配最为相似子库 |
| 4.1.4 训练双层RF模型 |
| 4.1.5 案例验证及正确性说明 |
| 4.2 模型实现 |
| 4.2.1 模型案例数据库开发 |
| 4.2.2 案例推理模型算法实现 |
| 4.2.3 案例查询实例 |
| 4.3 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士为学期间取得的研究成果 |
| 致谢 |
（5）基于不确定性分析的铁路通过能力利用优化研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究综述 |
| 1.2.1 国内相关研究现状 |
| 1.2.2 国外相关研究现状 |
| 1.2.3 现有研究总结与分析 |
| 1.3 研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 技术路线 |
| 2 基于不确定性分析的铁路通过能力利用优化理论基础 |
| 2.1 铁路通过能力利用的不确定性基本概念 |
| 2.1.1 能力利用相关概念 |
| 2.1.2 能力利用中的不确定性 |
| 2.1.3 不确定性分析相关的能力要素 |
| 2.1.4 不确定性的分层梳理与结构分析 |
| 2.2 铁路通过能力不确定性的静态模式与动态演化 |
| 2.2.1 不确定性的静态模式 |
| 2.2.2 不确定性的动态演化 |
| 2.3 基于不确定性分析的能力利用优化理论 |
| 2.3.1 能力利用优化指标 |
| 2.3.2 能力利用优化框架 |
| 2.4 本章小结 |
| 3 基于机器学习的能力利用不确定性静态模式分析 |
| 3.1 不确定性静态模式发现与识别技术 |
| 3.1.1 基于无监督学习方法DEC的静态模式发现技术 |
| 3.1.2 基于监督学习方法XGBoost的静态模式识别技术 |
| 3.2 基于Dirichlet分布的不确定性度量 |
| 3.3 基于静态模式的列车驾驶曲线可操作性提升技术 |
| 3.4 数值实验与分析 |
| 3.4.1 数值实验设计 |
| 3.4.2 列车驾驶特性分析 |
| 3.4.3 样本模式发现结果 |
| 3.4.4 模式识别性能分析 |
| 3.5 本章小结 |
| 4 基于贝叶斯网络的能力利用不确定性动态演化分析 |
| 4.1 不确定性动态演化模型 |
| 4.1.1 能力利用执行状态转移过程 |
| 4.1.2 能力利用控制状态转移过程 |
| 4.1.3 执行-控制混合过程及状态转移概率 |
| 4.2 基于贝叶斯网络的不确定性动态演化推理 |
| 4.2.1 引入执行与控制信息向量的状态转移概率 |
| 4.2.2 影响执行状态转移概率的信息向量 |
| 4.2.3 影响控制状态转移概率的信息向量 |
| 4.2.4 基于贝叶斯网络的信息推理函数构建 |
| 4.3 基于不确定性分析的冲突检测与储备能力调整 |
| 4.3.1 能力利用冲突检测方法 |
| 4.3.2 冲突疏解与能力利用优化参数调整 |
| 4.4 数值实验与分析 |
| 4.4.1 数值实验设计 |
| 4.4.2 主观不确定性差异性分析 |
| 4.5 本章小结 |
| 5 对抗不确定性的能力利用优化 |
| 5.1 能力利用优化模型构建 |
| 5.1.1 基于事件-活动网络的能力利用优化问题描述方法 |
| 5.1.2 理想状态的能力利用计划优化模型 |
| 5.1.3 对抗不确定性的能力利用优化模型 |
| 5.2 适用于不同数据环境的能力利用优化技术 |
| 5.2.1 不确定性集构建方法 |
| 5.2.2 被动对抗不确定性的能力利用优化 |
| 5.2.3 主动对抗不确定性的能力利用优化 |
| 5.3 基于分支定界的EAN网络调整与模型求解方法 |
| 5.4 数值实验与分析 |
| 5.4.1 数值实验设计 |
| 5.4.2 模型性能对比分析 |
| 5.5 本章小结 |
| 6 实例分析 |
| 6.1 实例分析设计 |
| 6.2 案例背景 |
| 6.3 数据准备 |
| 6.3.1 列车运行数据与位移-速度序列数据 |
| 6.3.2 数据预处理 |
| 6.4 结果分析 |
| 6.4.1 基于静态模式分析的不确定性测度 |
| 6.4.2 基于动态演化的储备能力分配评价 |
| 6.4.3 不同数据环境下的能力利用指标对比分析 |
| 6.5 结论小结 |
| 7 总结与展望 |
| 参考文献 |
| 附录 A 贝叶斯网络训练与推理技术 |
| A.1 贝叶斯网络建模基础 |
| A.1.1 概率空间反向重构筑方法 |
| A.1.2 贝叶斯网络构建 |
| A.1.3 贝叶斯网络中对于样本与数据的定义 |
| A.2 基于Dirichlet分布的贝叶斯网络参数学习 |
| A.2.1 参数学习基础 |
| A.2.2 Dirichlet分布——定义及特性 |
| A.2.3 基于多项增广贝叶斯网络的参数训练 |
| A.3 基于极大似然估计的贝叶斯网络结构学习方法 |
| A.3.1 贝叶斯网络结构学习空间 |
| A.3.2 基于似然函数的评分准则 |
| A.3.3 极大似然的目标与基于启发式的结构搜索算法 |
| A.4 基于贝叶斯网络的状态转移概率推理 |
| A.4.1 基于图的信息传递理论 |
| A.4.2 基于信息传递的算法关键步骤 |
| 附录 B 数值实验并行计算平台环境 |
| 附录 C 基于DTW的序列相似度计算方法 |
| 作者简历 |
| 学位论文数据集 |
（6）认知局限下的模糊认知图预测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 时间序列预测研究现状 |
| 1.2.2 模糊认知图研究现状 |
| 1.3 研究内容及创新点 |
| 1.4 组织结构 |
| 1.5 本章小结 |
| 第2章 模糊认知图理论基础 |
| 2.1 模糊认知图模型 |
| 2.1.1 模糊认知图的概述 |
| 2.1.2 模糊认知图的结构 |
| 2.1.3 模糊认知图的推理机制 |
| 2.2 因果关系 |
| 2.3 FCM模型的构建方法 |
| 2.3.1 专家构建方法 |
| 2.3.2 计算方法 |
| 2.4 本章小结 |
| 第3章 认知的局限性与完全性 |
| 3.1 认知的局限性 |
| 3.2 认知的完全性 |
| 3.3 认知完全下的假设模型 |
| 3.3.1 假设模型的图结构 |
| 3.3.2 假设模型的推理过程 |
| 3.4 认知局限下的FCM结构拓展 |
| 3.4.1 完全认知图 |
| 3.4.2 局限认知图 |
| 3.4.3 模糊认知图结构拓展 |
| 3.5 本章小结 |
| 第4章 认知局限下的FCM预测与分析 |
| 4.1 FCM权值优化算法 |
| 4.2 基本差分进化算法模型 |
| 4.3 自适应种群聚集度的差分算法 |
| 4.3.1 差分算法改进 |
| 4.3.2 训练流程 |
| 4.4 算法性能评估指标 |
| 4.5 节点影响度计算 |
| 4.6 预测实验 |
| 4.6.1 参数设置 |
| 4.6.2 认知完全下的FCM预测实验 |
| 4.6.3 认知局限下的FCM预测实验 |
| 4.6.4 实验综合分析 |
| 4.7 本章小结 |
| 第5章 认知局限下的APDDE-FCM完全预测模型 |
| 5.1 APDDE-FCM完全预测模型 |
| 5.1.1 构建认知局限下的完全认知结构 |
| 5.1.2 算法机制改进 |
| 5.1.3 模型预测流程 |
| 5.2 APDDE-FCM模型在物流需求预测中的应用及对比 |
| 5.2.1 数据来源及预处理 |
| 5.2.2 参数设置 |
| 5.2.3 构建物流需求的完全预测模型 |
| 5.2.4 训练关联矩阵 |
| 5.2.5 预测结果与分析 |
| 5.3 APDDE-FCM模型在能源消耗预测中的应用及对比 |
| 5.3.1 数据来源及预处理 |
| 5.3.2 参数设置 |
| 5.3.3 构建能源消耗的完全预测模型 |
| 5.3.4 训练关联矩阵 |
| 5.3.5 预测结果与分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（7）机器人焊接工艺推理机制与参数优化方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 工艺推理研究现状 |
| 1.3 焊接工艺优化研究现状 |
| 1.4 本文主要研究内容及论文结构 |
| 第2章 机器人焊接工艺推理与参数优化总体方案设计 |
| 2.1 需求分析 |
| 2.2 工艺推理与优化策略 |
| 2.2.1 工艺知识表示模型 |
| 2.2.2 工艺推理策略 |
| 2.2.3 工艺优化策略 |
| 2.3 总体方案设计 |
| 2.4 本章小结 |
| 第3章 机器人焊接工艺知识表示模型研究 |
| 3.1 机器人焊接工艺知识的概念与分类 |
| 3.2 知识的获取 |
| 3.3 焊接工艺知识表示 |
| 3.4 实例知识表示 |
| 3.4.1 焊接任务 |
| 3.4.2 焊接资源 |
| 3.4.3 焊接工艺 |
| 3.5 推理知识表示 |
| 3.6 本章小结 |
| 第4章 基于CBR与RIMER的机器人焊接工艺推理机制研究 |
| 4.1 机器人焊接工艺推理机制概述 |
| 4.2 基于CBR的机器人焊接工艺检索 |
| 4.2.1 案例检索 |
| 4.2.2 案例修订与重用 |
| 4.3 基于RIMER的机器人焊接工艺推理 |
| 4.3.1 基于证据推理算法的规则推理概述 |
| 4.3.2 不同形式输入信息的转化方法 |
| 4.3.3 基于置信结构的分层置信规则库构建 |
| 4.3.4 基于RIMER的机器人焊接工艺推理引擎构建 |
| 4.4 机器人焊接工艺推理机制集成 |
| 4.5 验证平台构建与实例验证 |
| 4.5.1 验证平台构建 |
| 4.5.2 实例验证 |
| 4.6 本章小结 |
| 第5章 机器人焊接工艺性能预测与参数优化研究 |
| 5.1 机器人焊接工艺性能预测与参数优化概述 |
| 5.2 基于Stacking模型融合的工艺性能预测模型 |
| 5.2.1 高斯过程回归模型 |
| 5.2.2 支持向量回归模型 |
| 5.2.3 基于Stacking的模型融合实施方法 |
| 5.3 焊接工艺参数优化模型 |
| 5.3.1 粒子群优化算法概述 |
| 5.3.2 优化目标构建 |
| 5.3.3 基于模型融合与粒子群的工艺参数优化方法构建 |
| 5.4 实验与算法验证 |
| 5.4.1 焊接试验 |
| 5.4.2 焊接工艺性能预测模型验证 |
| 5.4.3 焊接工艺参数优化模型验证 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 创新点 |
| 6.3 下一步工作展望 |
| 参考文献 |
| 攻读硕士期间发表的学术论文 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（8）美国STEM教育发展研究 ——以学校科目社会史为视角（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 第一节 问题的提出 |
| 一、研究缘起 |
| 二、问题界定 |
| 第二节 文献综述 |
| 一、STEM教育的一般研究 |
| 二、美国STEM教育发展历程相关研究 |
| 三、已有研究审视与思考 |
| 第三节 研究设计 |
| 一、课程史研究的理论审视 |
| 二、学校科目社会史研究视角与研究思路 |
| 三、学校科目社会史视角下的研究方法选择 |
| 第四节 研究意义 |
| 一、深化STEM教育基础理论研究 |
| 二、为我国STEM教育本土化实践提供参考经验 |
| 第二章 美国STEM教育发展的多重矛盾与发展阶段 |
| 第一节 学校科目社会史视角下STEM教育发展的多重矛盾 |
| 一、STEM教育发展矛盾的梳理 |
| 二、推动STEM教育发展多重矛盾的基本解释 |
| 第二节 STEM教育发展的矛盾结构变化与阶段划分 |
| 一、大众化科学教育改革孕育STEM教育思想萌芽 |
| 二、工程教育的加入带动STEM教育课程体系初步建设 |
| 三、政府力量主导学校课程改革与STEM教育制度化建设 |
| 四、课程专家主导的STEM教育标准化课程体系构建 |
| 第三章 科学教育改革中的STEM教育思想萌芽 |
| 第一节 学校教育面临转型课题 |
| 一、精英化科学教育难以满足大量技术型人才需求 |
| 二、高等教育中的科学与工程教育式微 |
| 第二节 科学教育新特征的出现 |
| 一、不同团体的大众化科学教育改革试验 |
| 二、多重改革下科学教育呈现新特征 |
| 第三节 科工教育改革的实践火种 |
| 一、大众化科学教育改革下的科学课程整合实践 |
| 二、前瞻性却举步维艰的工程教育项目发展 |
| 第四节 思想萌芽期STEM教育的发展特征 |
| 一、STEM教育的理论基础大致形成 |
| 二、STEM教育的实践路径初见端倪 |
| 三、STEM概念发展尚未完善 |
| 第四章 工程教育推动的STEM课程体系初步建设 |
| 第一节 STEM人才预警与工程教育的纳入 |
| 一、硬科学专业选择持续遇冷引发STEM劳动力危机 |
| 二、STEM本土人才储备需从基础教育改革入手 |
| 三、基础教育中纳入工程教育实现STEM专业准备 |
| 第二节 依托工程教育实现STEM教育完整拼图 |
| 一、以工程教育作为STEM整合的“催化剂” |
| 二、“术语”出现与STEM教育步入系统化发展 |
| 第三节 民间大型学术团体主导的STEM课程研究 |
| 一、STEM课程改革全国示范项目出现——以“项目引路计划”为例 |
| 二、《学生如何学习科学》发布与对探究式教学手段的重新思考 |
| 三、教师教育学院协会引导的全国性STEM教师专业发展项目研究 |
| 第四节 STEM课程体系的初建表现 |
| 一、STEM课程理念共识初步形成 |
| 二、STEM课程开发技术层面的经验累积 |
| 三、多方主体尚未形成发展合力 |
| 第五章 政府主导下的STEM教育制度化推进 |
| 第一节 STEM教育的国家战略式发展需求 |
| 一、联邦政府的“风险投资” |
| 二、标准化运动下STEM教学质量堪忧 |
| 三、STEM教育的国家战略上升进程 |
| 第二节 政府主导的STEM教育政策建设 |
| 一、大力度财政拨款为STEM教育改革提供保障 |
| 二、STEM教育发展的顶层设计 |
| 三、以竞争性拨款项目调动各方STEM教育参与热情 |
| 四、立法以昭示发展STEM教育的国家意志 |
| 第三节 政府引领下STEM教育多主体发展合力形成 |
| 一、联邦主导下民间组织的STEM教育推动路径 |
| 二、“多元主体”STEM教育改革模式形成 |
| 第四节 制度化推进期STEM教育的发展特点 |
| 一、为满足国家劳动力需求而发展的STEM教育 |
| 二、STEM教育价值唤醒研究的热潮 |
| 三、趋向多元的STEM课程设计与实施 |
| 第六章 STEM教育的标准化课程建设 |
| 第一节 STEM教育发展面临内外困境 |
| 一、再工业化战略持续升级带来STEM劳动力需求倍增 |
| 二、STEM教育实施出现形式主义危机 |
| 三、功利主义反噬STEM劳动力培养效率 |
| 第二节 迈向标准化的STEM课程建设 |
| 一、横纵衔接的STEM课程体系 |
| 二、聚焦学生自主探究的教学设计 |
| 三、内容性与表现性一致的STEM课程实施标准 |
| 第三节 标准化课程建设阶段STEM教育的发展特征 |
| 一、课程专家成为STEM教育发展的主导力量 |
| 二、纳入人文学科提升STEM教育育人价值 |
| 三、强化问责保障STEM教育发展质量 |
| 四、层次分明的课程实施体系实现STEM教育有效落地 |
| 第七章 STEM教育发展机制及其启示 |
| 第一节 学校科目社会史视角下美国STEM教育发展机制解析 |
| 一、从外力推进到内部自觉的发展动因机制 |
| 二、以工程为基点的跨学科内容整合机制 |
| 三、由多元走向统一的课程实施机制 |
| 第二节 美国STEM教育发展经验对我国的启示 |
| 一、我国STEM教育发展的现状与需求 |
| 二、学校科目社会史视角下美国STEM教育发展的启示 |
| 参考文献 |
| 后记 |
| 作者简历与在学期间取得的科研成果 |
（9）基于本体的古建筑知识表达及案例推理（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究课题背景及意义 |
| 1.1.1 课题背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 古建筑保护研究现状 |
| 1.2.2 本体研究现状 |
| 1.2.3 案例推理研究现状 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 论文创新点 |
| 1.3.3 技术路线 |
| 2 相关概念介绍 |
| 2.1 本体相关概念 |
| 2.2.1 本体介绍 |
| 2.2.2 古建筑本体构建方法 |
| 2.2 案例推理相关概念 |
| 2.3 古建筑知识分析 |
| 2.3.1 古建筑知识分析 |
| 2.3.2 古建筑知识载体分析 |
| 2.3.3 残损原因分析 |
| 2.4 古建筑元素编码 |
| 2.5 本章小结 |
| 3 基于本体的古建筑知识表达 |
| 3.1 基于本体的古建筑知识语义表达框架 |
| 3.2 建立古建筑物本体模型 |
| 3.2.1 古建筑物信息模型架构 |
| 3.2.2 定义核心类及相关概念 |
| 3.2.3 定义属性 |
| 3.3 建立古建筑工艺本体模型 |
| 3.3.1 古建筑工艺信息逻辑分析 |
| 3.3.2 定义关键概念 |
| 3.3.3 定义关键关系 |
| 3.3.4 .构建工艺本体 |
| 3.3.5 基于本体的古建筑营造工艺库构建 |
| 3.4 建立古建筑残损本体模型 |
| 3.4.1 定义关键类 |
| 3.4.2 定义关键属性 |
| 3.4.3 构建古建筑残损本体 |
| 3.5 本章小结 |
| 4 基于SWRL的古建筑规则知识表达 |
| 4.1 SWRL语言 |
| 4.2 基于SWRL的古建筑营造法则表达 |
| 4.2.1 古建筑模数制表达 |
| 4.2.2 古建筑通则表达 |
| 4.3 基于SWRL的古建筑损伤规则表达 |
| 4.3.1 基于SWRL的残损点判定规则表达 |
| 4.3.2 基于SWRL的残损修复规则表达 |
| 4.4 本章小结 |
| 5 基于古建筑损伤信息本体的案例推理 |
| 5.1 残损案例属性权重确定 |
| 5.1.1 属性权重研究方法 |
| 5.1.2 古建筑损伤案例多重属性 |
| 5.1.3 属性权重计算优化 |
| 5.2 基于本体的案例推理架构 |
| 5.3 基于本体的案例表示 |
| 5.4 基于本体的案例检索和匹配 |
| 5.4.1 基于SPARQL query的初检索 |
| 5.4.2 基于myCBR的案例匹配 |
| 5.5 实例应用 |
| 5.5.1 案例介绍 |
| 5.5.2 基于本体的案例表示 |
| 5.5.3 案例属性权重计算 |
| 5.5.4 案例两阶段检索 |
| 5.5.5 案例修改和重用 |
| 5.5.6 结果分析 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者在读期间研究成果 |
| 附录 |
| 附录1 部分实体对应编码表 |
| 附录2 计算方法基本定义 |
| 致谢 |
（10）大数据联盟数据挖掘服务模式研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状及评述 |
| 1.3.1 大数据研究现状 |
| 1.3.2 大数据联盟研究现状 |
| 1.3.3 数据挖掘研究现状 |
| 1.3.4 服务模式研究现状 |
| 1.3.5 大数据联盟数据挖掘服务研究评述 |
| 1.4 主要研究内容和方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 第2章 大数据联盟合作机理与数据挖掘服务模式架构 |
| 2.1 大数据联盟内涵及构成 |
| 2.1.1 大数据联盟内涵 |
| 2.1.2 大数据联盟特征 |
| 2.1.3 大数据联盟成员构成 |
| 2.2 数据挖掘服务相关概念界定及过程设计 |
| 2.2.1 数据挖掘服务的相关概念界定 |
| 2.2.2 大数据联盟数据挖掘服务过程 |
| 2.3 大数据联盟合作机理 |
| 2.3.1 大数据联盟形成动因 |
| 2.3.2 大数据联盟合作网络发展阶段 |
| 2.3.3 大数据联盟资源共享关系 |
| 2.3.4 大数据联盟合作协同模型 |
| 2.4 大数据联盟数据挖掘服务模式架构设计 |
| 2.4.1 用户需求层次 |
| 2.4.2 数据挖掘层次 |
| 2.4.3 大数据联盟数据挖掘服务模式总体框架 |
| 2.5 本章小结 |
| 第3章 大数据联盟标准化数据挖掘服务模式 |
| 3.1 大数据联盟标准化数据挖掘服务模式整体架构 |
| 3.2 大数据联盟标准化数据挖掘服务内容与定价 |
| 3.2.1 大数据联盟标准化数据挖掘服务内容 |
| 3.2.2 大数据联盟标准化数据挖掘服务定价方法 |
| 3.3 大数据联盟标准化数据挖掘服务过程 |
| 3.3.1 共性化服务需求挖掘 |
| 3.3.2 联盟标准化服务产品形成 |
| 3.3.3 标准化服务封装与发布 |
| 3.3.4 标准化数据挖掘服务交付 |
| 3.4 大数据联盟标准化数据挖掘服务方式 |
| 3.4.1 自助式服务方式 |
| 3.4.2 咨询式服务方式 |
| 3.5 大数据联盟标准化数据挖掘服务实现保障 |
| 3.5.1 售后服务保障 |
| 3.5.2 运营监管保障 |
| 3.6 标准化数据挖掘服务模式适用范围及实施策略 |
| 3.6.1 标准化数据挖掘服务模式适用范围 |
| 3.6.2 标准化数据挖掘服务模式实施策略 |
| 3.7 本章小结 |
| 第4章 大数据联盟定制化数据挖掘服务模式 |
| 4.1 大数据联盟定制化数据挖掘服务模式整体架构 |
| 4.2 大数据联盟定制化数据挖掘服务内容与定价 |
| 4.2.1 大数据联盟定制化数据挖掘服务内容 |
| 4.2.2 大数据联盟定制化数据挖掘服务定价方法 |
| 4.3 大数据联盟定制化数据挖掘服务过程 |
| 4.3.1 用户个性化需求描述 |
| 4.3.2 联盟成员服务能力挖掘 |
| 4.3.3 联盟成员数据资源准备 |
| 4.3.4 数据挖掘模型选择与评估 |
| 4.3.5 定制化数据挖掘服务交付 |
| 4.4 大数据联盟定制化数据挖掘服务方式 |
| 4.4.1 委托式服务方式 |
| 4.4.2 跟进式服务方式 |
| 4.5 大数据联盟定制化数据挖掘服务实现保障 |
| 4.5.1 协调管理保障 |
| 4.5.2 资源配置保障 |
| 4.5.3 协同调度保障 |
| 4.6 定制化数据挖掘服务模式适用范围及实施策略 |
| 4.6.1 定制化数据挖掘服务模式适用范围 |
| 4.6.2 定制化数据挖掘服务模式实施策略 |
| 4.7 本章小结 |
| 第5章 大数据联盟智能化数据挖掘服务模式 |
| 5.1 大数据联盟智能化数据挖掘服务模式整体架构 |
| 5.2 大数据联盟智能化数据挖掘服务内容与定价 |
| 5.2.1 大数据联盟智能化数据挖掘服务内容 |
| 5.2.2 大数据联盟智能化数据挖掘服务定价方法 |
| 5.3 大数据联盟智能化数据挖掘服务过程 |
| 5.3.1 混合型需求的知识表示 |
| 5.3.2 数据挖掘服务智能检索 |
| 5.3.3 服务重用与调整 |
| 5.3.4 智能化数据挖掘服务交付 |
| 5.3.5 服务知识学习与案例存储 |
| 5.4 大数据联盟智能化数据挖掘服务方式 |
| 5.4.1 智能交互的委托式服务方式 |
| 5.4.2 智慧协同的跟进式服务方式 |
| 5.5 大数据联盟智能化数据挖掘服务实现保障 |
| 5.5.1 多案例经验集成保障 |
| 5.5.2 群体智能保障 |
| 5.6 智能化数据挖掘服务模式适用范围及实施策略 |
| 5.6.1 智能化数据挖掘服务模式适用范围 |
| 5.6.2 智能化数据挖掘服务模式实施策略 |
| 5.7 本章小结 |
| 第6章 ZWJ大数据联盟数据挖掘服务模式 |
| 6.1 ZWJ大数据联盟背景及概况 |
| 6.1.1 ZWJ大数据联盟背景 |
| 6.1.2 ZWJ大数据联盟成员类型 |
| 6.2 ZWJ大数据联盟数据挖掘服务平台及内容 |
| 6.2.1 ZWJ大数据联盟数据挖掘服务平台 |
| 6.2.2 ZWJ大数据联盟数据挖掘服务内容 |
| 6.3 ZWJ大数据联盟标准化数据挖掘服务 |
| 6.3.1 用户A的共性化需求描述 |
| 6.3.2 标准化数据挖掘服务搜索 |
| 6.3.3 标准化数据挖掘服务交付 |
| 6.4 ZWJ大数据联盟定制化数据挖掘服务 |
| 6.4.1 用户B的个性化需求描述 |
| 6.4.2 联盟成员服务能力挖掘 |
| 6.4.3 联盟成员数据资源准备 |
| 6.4.4 数据挖掘模型选择与评估 |
| 6.4.5 定制化数据挖掘服务交付 |
| 6.5 ZWJ大数据联盟智能化数据挖掘服务 |
| 6.5.1 用户C的混合型需求知识表示 |
| 6.5.2 数据挖掘服务智能检索 |
| 6.5.3 服务调整与交付 |
| 6.5.4 服务知识学习与存储 |
| 6.6 ZWJ大数据联盟数据挖掘服务模式实施效果与提升策略 |
| 6.6.1 ZWJ大数据联盟数据挖掘服务模式实施效果 |
| 6.6.2 ZWJ大数据联盟数据挖掘服务模式改进措施 |
| 6.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的科研项目 |
| 致谢 |
四、用于离散控制系统知识聚集的案例推理技术研究（论文参考文献）
- [1]基于改进案例推理模型的矿业城市空间格局演变驱动力分析与模拟[D]. 叶欣. 哈尔滨师范大学, 2021(09)
- [2]基于公共安全视角的城市物流风险分析及预测研究[D]. 赵明静. 北京交通大学, 2021(02)
- [3]LTE-R网络智能故障诊断与预测方法研究[D]. 渠涧涛. 北京交通大学, 2021(02)
- [4]基于随机森林的超高层建筑安全事故案例推理研究[D]. 詹锐. 扬州大学, 2021(08)
- [5]基于不确定性分析的铁路通过能力利用优化研究[D]. 郑汉. 北京交通大学, 2020
- [6]认知局限下的模糊认知图预测研究[D]. 张慧. 山东财经大学, 2020
- [7]机器人焊接工艺推理机制与参数优化方法研究[D]. 李政誉. 山东大学, 2020(10)
- [8]美国STEM教育发展研究 ——以学校科目社会史为视角[D]. 杜文彬. 华东师范大学, 2020(08)
- [9]基于本体的古建筑知识表达及案例推理[D]. 陈伟. 西安建筑科技大学, 2020(01)
- [10]大数据联盟数据挖掘服务模式研究[D]. 邢海龙. 哈尔滨理工大学, 2020(01)