一、ON A CLASS OF WEIGHT HIERARCHIES OF TERNARY LINEAR CODES OF DIMENSION 4（论文文献综述）
熊杰[1]（2020）在《政务微博在线评论中的用户情绪及行为研究》文中进行了进一步梳理微博等网络社交媒体在线服务的蓬勃发展吸引了大量用户参与其中,政务微博已经成为了公众关注社会问题、感知政治态势的重要信息来源。政府有促进和鼓励网络社交媒体产业快速发展的需求,也有规范和约束网络社交媒体行为的必要,我国向来高度重视媒体的意识形态属性及宣传教育功能。因此,如何准确把握互联网发展趋势,充分利用信息科学技术,关注网络社交媒体用户的情绪倾向和交互行为,推动网络社交媒体又好又快的发展,是政府和社会都应该思考的议题。网络社交媒体用户在社交网络上产生的海量数据,为学术界进行相关的研究提供了丰富的资料,尽管在这一热点领域已经有了一些有意义的探索,但仍不够充分。本文主要以当前网络社交媒体相关研究为基础,在情感响应理论、社会网络理论等理论的驱动下,通过实证分析和机器学习方法研究政务微博在线评论中用户的情绪表达及交互行为,具体分为三个部分:1.研究政务微博用户的情绪倾向产生机理。基于情感响应理论,结合信息丰富度理论、情绪感染理论、理性行为理论等,构建模型研究用户在政务微博评论中情绪倾向表达的影响因素,并探究性别的调节作用。实证结果表明,信息更丰富、情绪更积极的政务微博信息会收到更多用户的积极评价,社会活跃程度更高、历史发布情绪倾向习惯更积极的用户在评论其他推文信息时更有可能表达积极情绪,女性用户更容易受到信息层面因素的影响,而男性更容易根据自己的特质,理性地表达情感。微博服务提供商可以参照研究成果考虑实施性别差异策略来提升用户在线评论的积极情绪,例如针对女性用户采取更丰富的信息策略,针对男性用户的宣传内容可结合其过往兴趣。政府可以通过了解公众用户的在线情感表达机制而受益,例如可以使用更多的话题标签来引导用户情绪的表达。2.研究政务微博用户的交互行为产生机理。基于社会网络理论,结合社会学习理论、同质性理论、社会资本理论等理论,构建了ERGM研究模型,探究用户在政务微博中交互网络形成的影响因素。研究证实了互惠性、传递性、同质性、社会资本、情感对用户之间以评论/回复为代表的交互网络形成的影响。微博服务提供商和管理部门可依据研究结论采取适当的行动或政策引导政务社交媒体用户交互网络的形成,例如可以通过拥有较高社会影响力或较高社会活跃度的用户吸引更多的普通用户参与,可以通过建立基于兴趣的用户群体激发用户的交互意愿并提升政务微博平台的参与度,还可以通过发布一些热点事件信息或者设置一些特殊话题（如具有争议性的社会现象/问题）吸引用户参与讨论。3.实现对政务微博用户交互行为及情绪倾向的预测。采用机器学习算法实现了对用户情绪倾向以及以评论/回复为代表的用户交互行为的预测。研究发现:利用微博信息和用户历史发文信息的Doc2vec词向量特征、微博信息特征组、用户特征组使用多层感知机方法能实现对用户情绪倾向以及以评论/回复为代表的交互行的预测。另外,本文还通过对比实验验证了神经网络模型的有效性。微博服务提供商、企业管理者、公共部门管理者在运营网络社交媒体平台时,可以参照本文研究结论对平台发布的推文信息进行用户情绪倾向以及交互热度预判,从而提升管理和服务效能,对公共政策制定实施以及完善政府部门对网络社交媒体管理优化具备非常重要的意义。
杨旭辉[2]（2019）在《基于神经网络的C-ADS InjectorⅡ束流偏移校准技术研究》文中研究表明核能源产生的核乏料如何安全的永久处理是核工业应用中的一个重要问题。目前最先进的方法是使用快中子将长寿命、高辐射性的核素嬗变为寿命短、稳定性好、放射性低的核素。加速器驱动次临界反应堆系统（Accelerator Driven Subcritical System,ADS）是目前世界上嬗变核素最先进的方法之一。我国自上世纪九十年代开始研制ADS系统,目前已经研制出了能够产生高能质子束的粒子加速器C-ADS Injector II。该粒子加速器非常复杂,包含成千上万个零部件,因为工程误差、噪声干扰、测量误差、控制误差等因素造成了束流在传输过程中偏移了理想轨道,严重影响束流质量和加速器运行安全。虽然科学家们已经通过理论分析、经验判断、设备改良等手段改善了束流偏移情况,提高了束流控制精度,但是束流偏移问题仍然比较严重。如何解决束流偏移问题,提高束流传输质量仍然是国内外加速器领域和控制领域关注的一个非常重要的科学问题。束流偏移问题涉及束流横向运动的x轴和y轴两个方向的偏移,文章先后从一维和二维两个层次来探索用神经网络解决粒子加速器束流偏移校准的问题。具体内容包括如下几个方面:（1）针对C-ADS Injector II中因为工程误差及各种噪声导致传统束流偏移校准方法校准效果不佳的问题,以中能束传输线（Medium Energy Beam Transmission line,MEBT）为例,提出了一种基于神经网络的束流偏移校准建模方法。通过对MEBT的实际控制过程进行抽象,结合神经网络特点和结构,建立了基于神经网络的MEBT束流偏移校准模型,用改进的深度BP神经网络对MEBT的一维束流校准模型进行了实验,经过参数设计和训练,确定了最优参数。结果表明,用神经网络进行离线束流偏移校准是可行的,结果可以作为研究人员手动控制加速器的参考。（2）由于磁场干扰、电路噪声等因素的影响,粒子加速器中四极磁铁的x轴和y轴对束流轨道控制作用并不独立,无法用一维束流偏移校准模型进行二维束流偏移校准,需要从二维角度来考虑束流的偏移校准问题。为此,基于蒙特卡洛神经网络（Monte Carlo Neural Network,MCNN）对MEBT二维离线束流校准技术进行了研究。传统MCNN算法具有很好的泛化能力,但训练速度较慢,为加快传统蒙特卡洛神经网络模型的训练速度,引入了偏导数来确定参数变异的方向,从而提出了一种基于导数的多维输入多维输出蒙特卡洛（Multi-dimensional Derivative-based Monte Carlo Algorithm,MDMC）优化算法;为了进一步提高蒙特卡洛神经网络的稳定性和预测精度,提出将多个同构或异构蒙特卡洛神经网络联合,并用一个决策器来决策网络的输出的方法——联合的蒙特卡洛神经网络（Joint-Monto Carlo Neural Network,J-MCNN）优化方法;对MEBT二维离线束流偏移校准控制过程进行了分析,建立了基于优化的蒙特卡洛神经网络的二维束流偏移校准模型;最后对模型开展了相关实验,确定了最优参数,实验结果表明,两种优化算法可以有效提升MCNN的网络训练、预测精度和稳定性,基于蒙特卡洛神经网络的二维离线束流偏移校准模型能够为科研人员手动控制束流提供支撑。（3）束流传输速度极快,束流校准控制时间要求在毫秒量级完成,束流偏移校准具有时效性。针对这一要求,将用于二维离线束流偏移校准的蒙特卡洛神经网络模型在现场可编程门阵列（Field Programmable Gate Array,FPGA）中部署,实现了二维在线束流偏移校准。这部分工作主要提出了由基于三分法的神经网络模型精简方法、向量-矩阵乘法并行优化方法、sigmoid函数和Softmax层实现等方法组成的的组合优化方法。测试结果表明在FPGA中实现蒙特卡洛神经网络可以有效缩短预测时间,提高时效性,可以实现C-ADS Injector II MEBT的二维在线束流偏移校准。
张琪[3]（2019）在《时间序列流数据异常检测问题的研究》文中指出时间序列流数据（Streaming Time Series）其特性不仅与时间有关,而且海量、高维和实时更新的特性使得该数据挖掘问题难度加大。而时间序列流数据又往往与日常生活息息相关。所以时间序列流数据的异常检测问题已成为当前数据分析与挖掘的热点问题。为此本位针对时间序列流数据异常检测开展了研究,其主要工作内容如下:（1）本文提出了基于边缘计算的分布式时间序列异常检测模型。利用边缘计算的大数据处理思想,尽可能的将相应的数据在接近数据源的计算资源上进行相应的处理,在减轻网络传输带宽压力的同时,提高了数据处理的整体效率。在分布式数据异常检测模型的基础上,本文提出了基于时间序列的异常检测算法（Anomaly Detection for Streaming Time Series,ADSTS）。本算法将根据时间序列数据的离群距离测算以及时间序列之间的相关性对时间序列中的异常时序点进行检测。实验结果显示本算法性能良好,检测时间短并且异常检出率高。（2）本文提出了基于改进的符号化特征表示方法FD-SAX的时间序列异常检测方法（Time Series Anomaly Detection Based on FD-SAX,TSAD-FD）。TSAD-FD在时间序列特征表示的基础上,构建增强查找树对时间序列中的异常序列进行有效识别。实验结果显示本算法在保持检测精度的基础上,相应搜索剪枝率以及整体的异常检测效率均优于同类的对比方法。（3）本文提出了基于分段聚合（PAA）特征表示以及高维时间序列流数据索引结构（High-Dimensional indexing for Time Series,HDITS）的K近邻连接异常检测算法。PAA特征表示可以帮助HDITS避免出现因为“维度灾难”而造成的检索性能急剧降低的问题,而HDITS可以迅速对不相似的序列进行有效地剪枝操作,从而加速异常检测的搜索效率。实验结果表明本算法在保证搜索精度的同时,能够对某个具体时刻或者某个时间范围内的异常序列进行高效检测,即能够保证被检出的异常模式序列具有一定的“时效性”。
王佳俊[4]（2019）在《心墙堆石坝坝面碾压智能监控方法与应用研究》文中研究说明水利工程建设攸关经济发展与社会民生。自“十三五”水利改革及发展规划制定以来,水利工程建设规模和投资规模逐年扩大,并取得了显着的经济效益和社会效益。心墙堆石坝以其经济性、安全性等显着优点成为首选坝型。随着人工智能、物联网、大数据等先进技术的快速发展,智能建设时代随之到来。心墙堆石坝碾压施工在经历过人工化、机械化、自动化阶段后,正逐渐由数字化阶段向智能化阶段推进。然而,心墙堆石坝数字化碾压在智能建设时代面临着坝面碾压施工信息感知不全面、感知技术与方法缺乏先进性、坝面碾压施工质量分析缺乏深度、坝面碾压施工过程决策与控制智能化水平低等诸多挑战。因此,迫切需要总结已有工程的研究成果和经验,全面开展心墙堆石坝坝面碾压智能监控方法研究,集中攻关亟待解决的关键技术,提升心墙堆石坝坝面碾压施工管理与控制水平。本文就上述问题展开了深入的研究分析,取得了如下的主要成果:（1）提出了心墙堆石坝坝面碾压智能监控基本概念,丰富和发展数字大坝理论。在经历了人工化、机械化、自动化和数字化四个建设阶段后,心墙堆石坝施工管理与控制理论已发展至数字大坝理论,并以此为基础先后出现施工信息模型、智慧大坝、智能监控和大坝智能建设等基本理念。这些理念从碾压施工的感知、分析、控制及监控系统研发等方面为心墙堆石坝碾压施工提供了科学的指导。然而,以这些理念为基础的心墙堆石坝坝面碾压施工还面临着坝面碾压施工信息感知不全面且感知技术与方法缺乏先进性、坝面碾压施工质量分析缺乏深度、坝面碾压施工过程决策与控制智能化水平低等诸多挑战。针对上述问题,首先,详细回顾了心墙堆石坝坝面碾压施工管理的发展历程,深入剖析了数字大坝、施工信息模型、智慧大坝、智能监控和大坝智能建设的基本概念和内涵,并融合“物联网+”、“人工智能+”等多种智能技术理念,紧扣心墙堆石坝坝面碾压施工的工程特点,提出心墙堆石坝坝面碾压智能监控基本概念,同时阐述了心墙堆石坝坝面碾压智能监控的基本特征和主要研究内容;其次,梳理心墙堆石坝坝面碾压施工智能感知、智能分析、智能控制等各环节的技术方法;最后,建立了心墙堆石坝坝面碾压智能监控数学模型,描述了心墙堆石坝坝面碾压智能监控的目标集、信息集、方法集和约束集,提出了心墙堆石坝坝面碾压智能监控的研究框架。（2）针对目前心墙堆石坝坝面碾压施工信息感知不全面且感知技术与方法缺乏先进性的问题,提出了心墙堆石坝坝面碾压施工信息智能感知与集成方法,实现了坝面碾压施工信息的智能感知与集成。目前心墙堆石坝坝面碾压施工尚未建立完善的坝面碾压施工信息感知体系,无法全面透彻感知坝面碾压施工信息,如缺乏对碾轮振动信号噪声的处理与碾轮振动特性参数的感知,缺乏对多类型障碍物的识别,以及缺乏对大坝地形地貌信息的感知与重构等;同时,在坝面碾压施工信息集成方面存在未集成多源异构坝面碾压施工信息、未进行不平衡数据处理等问题。针对上述问题,提出了心墙堆石坝坝面碾压施工信息智能感知与集成的方法。首先,分析了坝面碾压施工信息智能感知与集成的内容与技术,建立了集感知、传送、集成于一体的坝面碾压施工信息智能感知与集成框架;其次,采用加速度传感器感知碾轮的振动信号,并在小波降噪的基础上采用快速傅里叶变换提取碾轮振动特性参数,为坝面碾压施工质量评价提供数据基础与技术支持;再者,提出基于空洞卷积核的Faster-RCNN（Regions with Convolutional Neural Network）模型,在机载工业相机获取的图像信息基础上识别仓面中多类型障碍物,为实现坝面碾压施工安全控制提供理论基础;再者,采用基于无人机倾斜摄影的三维建模技术实现大坝地形地貌信息的感知与重构,为心墙堆石坝坝面碾压施工智能监控系统三维场景的搭建提供技术支持;进而,设计多源异构坝面碾压施工信息集成框架,实现碾压参数、料源参数、碾轮振动特性参数和试坑试验数据的集成,为施工信息分析提供数据基础;最后,提出基于K-Means的下抽样方法,能够在保持子概念个数不变的同时剔除局部密集数据,实现了对不平衡数据的处理,以保证数据分析的可靠性。（3）针对目前心墙堆石坝坝面碾压施工质量分析深度不够的问题,提出了心墙堆石坝坝面碾压施工质量智能分析方法,实现了坝面碾压施工质量的智能分析。目前心墙堆石坝坝面碾压施工质量分析存在如下问题:首先,未能综合考虑碾压参数、料源参数及碾轮振动特性参数对压实质量的影响;其次,目前常采用的多元线性回归、反向传播神经网络和支持向量回归等算法建立的压实质量评价模型在精度、鲁棒性和泛化能力等方面均有待进一步提升;最后,上述模型均未能够实时地对坝面碾压施工质量进行智能评价,且缺乏坝面碾压施工质量评价模型的更新研究。针对上述问题,提出了心墙堆石坝坝面碾压施工质量智能分析方法。首先,以心墙堆石坝坝面碾压施工信息智能感知数据为基础,综合考虑碾压参数、料源参数、碾轮振动特性参数对坝面碾压施工质量的影响,建立坝面碾压施工质量综合评价数学模型;其次,考虑到模糊逻辑虽然具有较强的鲁棒性、但是模型精度受限于规则库建立的问题,同时支持向量回归虽然具有较强的泛化能力、但是无法逼近L2（R）中的函数从而无法保证拟合精度的问题,从模糊逻辑规则库建立以及支持向量回归在L2（R）函数逼近等方面考虑,结合混沌理论、自适应理论、量子行为等多种智能成分,分别提出基于组合核和智能细菌觅食的模糊逻辑以及基于智能细菌觅食的自定义核支持向量回归两种算法,并在此两种算法基础上建立高精度、高泛化能力和高鲁棒性的压实质量评价模型;通过与常用模型的对比分析,选出精度、泛化能力和鲁棒性最优的模型,并将其嵌入至碾压施工智能监控系统中,从而实现压实质量的智能评价;最后,提出了基于增强概率神经网络和可变窗口技术的概念漂移检测算法,实现了对坝面碾压施工流数据中概念漂移现象的检测,并以出现概念漂移为条件实现了压实质量模型的更新,解决了当前碾压施工质量评价模型何时更新、如何更新的问题。（4）针对目前心墙堆石坝坝面碾压施工过程决策与控制智能化水平低的问题,提出了心墙堆石坝坝面碾压施工智能控制方法,实现坝面碾压施工事前、事中和事后的智能控制。心墙堆石坝坝面碾压施工控制可以分为事前、事中和事后控制。目前,事前控制主要通过碾压试验确定碾压参数的方法实现,但是这种方式未考虑坝面碾压施工质量、施工进度和施工成本的综合影响;事中控制主要依托车载平板系统对超速、不达标碾压遍数和错误振动状态等进行实时报警,但是忽略了对坝面碾压施工质量的评价,缺乏对仓面施工路径规划、仓面内多类型障碍物的目标识别,未能够有效的控制坝面碾压施工质量和安全;事后控制主要通过试坑试验抽检实现,但这种方式存在离散性大,时效性差等缺点。针对上述问题,提出了心墙堆石坝坝面碾压施工过程智能控制方法。首先,建立了心墙堆石坝坝面碾压施工智能控制框架,阐述事前、事中和事后各环节控制的内容与对应的控制方法;其次,提出多目标智能细菌觅食算法,求解以碾压参数为决策变量、以进度和成本为多目标、以碾压质量为主要约束的优化模型;最后,提出了基于AR（Augmented Reality）实景导引的坝面碾压施工智能控制方法,对坝面碾压施工路径规划、压实质量智能评价、障碍物目标识别等虚拟信息与摄像头获取的真实施工场景进行虚实融合,实现了对坝面碾压施工质量不合格、坝面碾压施工安全隐患等问题形象、直观的实时报警,并同时规划了补碾方案,进而实现事中与事后的智能控制。（5）基于心墙堆石坝智能感知、智能分析与智能控制等,研发了心墙堆石坝坝面碾压施工智能监控系统。目前心墙堆石坝数字化碾压施工质量实时监控系统实现了碾压参数的全天候、精细化实时监控。但是该系统以二维界面实现信息的可视化,存在展示直观性差、交互友好性差等不足;同时,该系统基于C/S构架（Client/Server）开发,主要在Windows系统中运行,跨平台使用难度大;而且C/S架构中客户端承载大量逻辑处理功能,因此该系统还存在数据易泄露的安全隐患。针对上述问题,结合坝面碾压施工信息智能感知、坝面碾压施工质量智能分析及坝面碾压施工过程的智能控制等方面的研究成果研发了心墙堆石坝坝面碾压施工三维智能监控系统。该系统采用B/S架构（Browser/Server）替换C/S架构,解决了数字化碾压施工质量实时监控系统跨平台使用难度大的问题,并且B/S架构将逻辑处理功能集成在服务端中,解决了数据易泄露的问题;同时,该系统采用面向对象技术、基于Unity3D（U3D）的虚拟现实技术（Virtual reality,VR）等,在增强现实技术（Augmented reality,AR）与基于无人机倾斜摄影搭建的三维虚实结合场景中,实现坝面碾压施工信息的集成、坝面碾压施工信息的智能分析及坝面碾压施工过程的智能控制等功能,解决了数字化碾压施工质量实时监控系统展示直观性差、交互友好性差等问题。
崔璨[5]（2018）在《基于多源遥感信息的海上搜寻目标探测技术研究》文中研究指明近年来,飞机空难坠海和船舶海难事故频发,给人类生命、财产造成巨大损失。及时有效的海上搜救是降低海上事故影响的最有效途径,而搜寻事故地点是实施海上救援的前提。目前海上事故地点的搜寻多依靠人力搜寻等传统方式,但此方式在深远海或恶劣海况条件下显得尤为困难,因此搜寻成功率较低。而遥感技术具有宏观性好、实时性强、灵活性高等优势,在海上搜寻领域扮演重要角色。利用高光谱和高空间分辨率遥感宏观与微观结合、光谱信息与空间信息互补的技术优势,可有效实现海上搜救目标的探测搜寻。不过仍然存在搜寻的待探测目标考虑不全面、数据源单一化等问题,无法满足海上搜救的紧急化、精准化需求。本文深入研究了针对不同搜救情况、多种遥感数据源的海上搜寻典型目标系统化探测方案。针对中高分辨率影像的泄露油膜目标提取问题,提出了自底向上GBVS显着性及自顶向下SPM显着性的感兴趣区提取算法,从复杂场景大幅面影像中定位目标局部区域,进而利用遗传神经网络算法实现油膜的精确提取。感兴趣区探测模块运行总时间满足应急化需要,遗传神经网络分割效果较为可观;针对高光谱遥感端元提取效率、精度有限等问题,构建了基于数据场——光谱的端元提取预处理模型,结合端元提取算法及最小二乘丰度反演算法,最终实现油膜目标的提取,实验证明该模型在精度、抗噪性及效率方面均具有可靠保证;在利用高分辨率影像进行近岸海域遇险船舶目标探测研究方面,提出了基于水体指数、形态学操作的水陆分离算法,通过船舶感兴趣区提取、利用遥感多特征信息的影像分割算法,最终实现船舶目标的精确探测。实验证明以纹理为特征的马尔可夫模型较以目标形状轮廓驱动水平集演化的活动轮廓模型对船舶目标提取更为完整;在海上残骸目标的高光谱遥感探测研究方面,重点研究了 DWT-SVDD异常探测算法,并与RX及WKRX进行对比分析,结果表明DWT-SVDD对于像元级异常乃至目标成分低至1/9的亚像元级异常的目标探测均较为敏感。
陈强[6]（2018）在《吉林市产业转型升级研究》文中研究表明在当前重化工业体系技术停滞而第四次产业革命方兴未艾的背景下,产业转型升级是全世界产业发展的共同课题。就中国而言,改革开放以来,中国依靠从发达国家转移产业和技术的方式,实现了快速发展。在这一过程中,中国构建起了完整的产业体系,但由于转移产业的技术制约,产业技术相对陈旧,自我创新能力尚待强化,在国际产业体系中所处的价值链地位较低,产业链也多在低端产业形成,对环境的破坏、对资源的耗费也更加严重。因此,在总体上,中国产业转型升级形势更加严峻。特别是,20世纪90年代以来,中国最早开始大规模工业化的东北老工业基地,在长期计划经济体制下积累的结构性和体制性矛盾开始日益突出,经济陷入了前所未有的困境。我们选择具有代表性的老工业基地工业城市吉林市为切入点,探讨产业转型升级的机理与对策,以期对我国产业转型升级做出应有的贡献。首先,通过对已有文献的梳理,我们发现,关于产业转型升级的概念界定是一个从关注微观到兼顾微观和宏观经济的不断深化过程。其中,一部分学者强调产业转型、产业升级与产业结构的关系,而新的观点则更强调产业转型、产业升级与技术创新的内在联系。而产业转型升级的路径问题,也经历了从微观到宏观、从经济到制度的视野演进历程。逐步从产业价值链升级,转向整个经济视野下基于比较优势的产业再定位或基于技术进步的产业体系构建。而无论哪个角度都要求以市场化为核心的制度选择、以实体经济为重点的产业选择。而关于产业转型升级的政策选择,虽有产业政策或不需要之说。但大多数学者认为,对于市场发育不成熟的经济体来说,政府积极的调控作用还是很有必要的。尤其在人才、金融、市场环境等制度保障方面。在专门针对老工业基地产业转型升级的研究方面,则无论国外国内,其理论体系都不够成熟,尚处于探讨和争论之中。基于上述文献梳理和对基本理论的回顾,我们提出了产业转型升级的概念。即,产业转型升级是指一个经济体的技术进步过程。其中,既包括技术进步从内涵上带来的经济发展方式的变化,也包括技术进步在其载体上带来的产业体系的发展。转型和升级是互为表里,融为一体的。在此基础上,我们基于不完全市场、区域异质性、开放经济、新产业革命、可持续发展的理论前提,从经济、社会、政策、环境等角度梳理了产业转型升级的影响因素,确立了分析的框架,并探讨了产业转型升级与产业结构、产业集聚的关系。基于上述理论分析,我们切入吉林市经济增长现实,具体分析了吉林市产业发展的结构特征;同时,借助主导产业和主要产品,分析其产业链、价值链的发展态势。并分别从吉林市现代农业、工业以及服务业三个层面深入剖析了各自的发展现状和存在的主要问题。结果表明:吉林巿的优质能源供应相对不足,单纯依靠增加能源供应,难以满足持续增长的消费需求;由于吉林市的产业结构市场垄断程度较高、产业发展层次低、专业化协作水平低以及长期的投资拉动型的经济发展模式和独特空间发展条件等都在一定程度上迟滞了产业转型升级的进程。通过实证分析,我们进一步证明,吉林市产业基础规模实力优势明显,但可持续发展潜力有限,与经济发达城巿相比存在差距且产业竞争力不强;投资拉动型增长模式明显;科技投入、创新发展能力仍不足;劳动力供给驱动不明显。最后,结合吉林市经济特征、问题及其成因,我们提出了推进吉林市产业转型升级的相关政策建议。包括加速结构战略性调整,加快构建现代产业体系;加快推进农村一二三产业融合发展、推进化工产业高附加价值化,加强化工产业与电动车等新兴产业的融合发展、推进信息化与工业化融合发展以及推进产业城市融合发展的产业融合体系等。在政策保障方面,强调完善创新体系,提升创新能力;转变政府职能,提高服务水平;优化政策环境,加大扶持力度;抓好招商引资,提升发展质量;重视人才作用,健全人才引进和培养体系;把握“一带一路”机遇,积极“走出去”开拓发展空间。
刘奎[7]（2018）在《基于卷积神经网络的视频流行度趋势预测》文中认为随着世界互联网科技的蓬勃发展,网络视频已经成为了互联网重要的产业之一。相比于电视,报纸,简讯等传统媒体,网络视频已经拥有了巨大的用户数量、关注度和视频数据量。在Web2.0的发展契机下,互联网变得的更具有开放性、广泛性,其中视频分享网站以个人用户为网络视频主要的发布源头,使得节目内容最大化的丰富,视频数量也呈爆炸式的增长。同时热门视频能够为网站带来巨大流量,吸引更多用户观看,给视频网站以及视频上传者本身带来更多的利益。目前对于视频网站的流行趋势预测还处于开发测试阶段,主流上是根据视频的文本和时间序列特征,基于不同的算法模型进行简单预测,虽然可行但准确率还不算太高,不能高效应用于实际中来,因此视频分享网站上预测不同视频的流行趋势,进而快速定位未来的热门视频,是一个亟需解决的问题。本文是基于YouTube视频网站上的数据,将视频流行趋势预测定义为一个回归问题,结合网站的社交特点,提出添加视频上传者账号质量,视频位置和谷歌趋势三个影响流行趋势的特征,应用当前流行的深度学习算法CNN卷积神经网络构建出DLVP预测模型。首先,结合视频流行趋势的特点,爬取不同视频的文本、时间序列、账号质量和谷歌趋势特征并预处理;然后利用K-means聚类算法将数据集进行聚类分类,最后将聚类后的训练集分别代入DLVP模型中,求解模型中的参数,从而建立最佳的视频流行趋势预测模型。通过实验测试,本文发现添加账号质量,视频位置和谷歌趋势这三个特征输入能降低误差,明显提高预测精度,最终均方误差能控制在0.0143以下,预测准确率也能达到73.98%,这其中谷歌趋势对预测精度的提高贡献最大.。最后通过与现有的一些预测方法进行实验比较分析,证明本文选取的DLVP预测模型可实现性、可靠性和高效性。
冯志玺[8]（2018）在《空谱稀疏结构学习下的高光谱数据降维与分类技术研究》文中指出高光谱遥感技术是上世纪对地观测领域的重大科学进展,首次将遥感影像的光谱分辨率提高到纳米级,为区分不同类型地物提供了更加丰富的光谱信息。然而,由于传感器空间与光谱分辨率的互相制约,以及自然界地物分布复杂多样,高光谱遥感影像的自动解译仍面临诸多困难:（1）精细光谱存在强相关性和大量信息冗余,使得地物信息表达与特征提取困难;（2）高光谱影像中普遍存在的混合像元问题使得同物异谱、同谱异物的现象普遍存在,分类精度难以满足实际应用需求;（3）类内、类间统计特征复杂、真实样本缺乏造成地物分类的精度与智能化程度不足。因此,高光谱遥感影像的光谱特征提取选择与智能化地物分类已成为遥感领域亟需解决的关键问题。本文在“973”计划（非结构化环境的协同感知与高效目标相关信息获取,2013CB329402）,国家自然科学基金重大研发计划（基于稀疏特征的遥感信息高效感知与压缩,91438103）等项目的支持下,借鉴生物认知过程中稀疏感知与认知机理,借助稀疏表征学习、结构学习以及半监督学习等理论,对高光谱遥感影像光谱约简与分类方法进行了研究。主要研究内容及创新点如下:1)提出了基于光谱成对相似性的稀疏波段选择方法。强判别力特征通常具有稀疏的特点,构造由成对相似度与贡献度矩阵组成的编码代价函数,将稀疏波段子集选择问题建模为贡献度矩阵行稀疏约束下的编码代价最小问题。先采用非负低秩表示获取准确的光谱成对相似度量,再利用波段间的相对位置关系对其修正。其次,在编码代价函数中引入流形正则项以保证局部区域中最优波段子集的平滑性。针对新的目标函数设计了多乘子交替优化方法,优化求解反映地物特性的最优特征子集。在公测数据上实验结果表明,该算法在无标记信息的情况下能有效降低波段冗余,提高分类精度。2)设计了基于空-谱压缩张量编码的稀疏波段选择算法。光谱数据具有内在的高阶张量结构,在数据处理中考虑其张量特点有助于提升处理效果。另一方面,在原始数据空间进行波段选择虽然具有明确的物理含义,但是分类性能一般低于基于特征变换的方法。针对上述问题,提出了基于核张量稀疏编码的特征学习方法,在高维的核张量空间中稀疏选择判别力更强的特征子集。首先将三维张量光谱数据通过张量核映射,投影到更高维的张量核空间,将特征选择建模为核空间中的稀疏张量编码问题。进一步,联合空间局部近邻张量构造空谱张量,构造了空-谱压缩张量协同编码的稀疏波段选择模型,相应地设计了一种张量多观测向量优化算法。在合成和真实公测数据上的实验表明,本文所提的方法较传统基于向量的特征学习的方法,具有较好的分类精度。3)设计了基于超像素张量稀疏编码的高光谱数据分类方法。高光谱数据不仅仅是一组光谱数据,更是具有特定空间语义的图像数据。为了获得更加精准的分类结果,将张量稀疏编码模型与空间语义相结合,提出了基于超像素张量结构稀疏编码的分类方法。首先设计了一种基于层次化空间相似性传播的超像素分割方法,获得图像数据的局部语义信息。其次,将每个超像素及其近邻超像素构建超像素张量,建立监督样本下的超像素张量联合稀疏编码模型,通过编码误差,获取超像素类别标签;同时,为了精细化分类结果,对边界像元进行稀疏编码分类。最后,以多数投票原则集成像素-超像素标签信息,得到最终标签。在公测数据上实验结果表明,基于超像素张量稀疏编码的的分类方法可以有效描述地物的空间语义信息,减少“斑点”分类结果。4)设计了基于低秩结构正则的半监督子空间学习算法。高光谱数据除了在光谱空间、高阶张量空间、张量核空间具有稀疏特性外,还具有结构上的稀疏性,即低秩性。为了充分利用无标记样本的信息,基于低秩表示建立了包含大量无标记样本的低秩流形正则项,有效刻画了数据的全局结构稀疏性。在监督子空间学习模型中构建包括低秩流形正则和空谱判别边界最大判别项的目标函数,提出了基于低秩结构正则的半监督子空间学习方法。该方法能自动确定子空间最优维数,并且可以实现少量标记样本下的高精度分类。5)设计了双几何低秩学习的高光谱数据分类方法。为挖掘高光谱数据在光谱空间和局部空间区域的几何结构特点,构建了基于低秩表示的全局光谱结构学习和局部空间结构学习的双几何结构学习模型。继而设计了局部空间几何正则的Laplician低秩表示学习（GLapLRR）方法来学习样本间的几何结构相似性,构建样本间流形正则项,最后设计了基于GLapLRR图正则项的半监督分类方法。在公测数据上实验结果表明所提的双几何低秩学习模型能够有效刻画高光谱数据的空谱结构,避免分类结果中的“斑点”误分以及边界像元的误分。
章瑶瑶[9]（2018）在《城市地下综合管廊PPP项目风险识别与评价研究》文中指出随着城镇化的快速发展,越来越多的人口向城市涌入,对城市的承载能力要求越来越高,而基础设施难以满足需求,马路拉链、城市蜘蛛网等问题依然存在。在这样的背景下,政府大力推进地下综合管廊建设,以期提高城镇发展质量,满足社会需求,并打造城市集约高效新面貌。然而,我国地下综合管廊建设与PPP模式应用依然处于初期阶段,虽然国外已有先进成熟的技术可以借鉴,但是在我国的实践经验依然不足,在大规模建设过程中,必然存在潜在风险,而识别地下综合管廊PPP项目风险、评价其风险等级将有利于其健康稳定发展。本文首先总结概括了地下综合管廊与PPP模式的概念与特点,整理归纳了风险类别、风险识别方法与地下综合管廊PPP项目风险识别相关成果,并着重分析了各风险评价方法的优缺点与应用情况,引出本文研究方法。在现有文献资料的基础上,结合专家访谈,初步建立地下综合管廊PPP项目风险指标体系,经过专家筛选与多重共线性分析,最终得到具有3个层次6个方面53个风险指标的指标体系。并利用情景分析法,通过明确问题焦点、识别关键风险因素、确定情景变量和建立不确定轴面、发展情景逻辑、分析情景内容几个步骤,以兼具整体与局部的视角分析项目未来风险可能的发展趋势,深入识别风险。最终发展出四类情景:无风险情景、技术风险、政策与环境风险、全面风险。在充分识别项目风险之后,采用集对分析法对项目进行风险评价。根据之前建立的风险指标体系,利用风险矩阵与风险程度函数划分风险等级,确定各个风险指标的风险值和风险等级,运用群组决策特征根法确定指标权重,并基于三角函数变化的IDO联系测度计算各指标风险程度与各风险等级之间的联系度,最后结合指标风险程度值进行多层次GSPA评价得出项目整体的风险。结果发现,在风险因素层面,社会稳定、现有施工技术的可靠性、土地沉降、环境污染、运营维护质量不可控这五个风险指标的风险等级处于较低水平,其余风险指标风险等级均处于中等水平;在风险源层面,除了管理风险的风险等级介于较低与中等之间,其他风险等级均为中等;而地下综合管廊PPP项目整体处于中等风险水平。最后本文基于评价分析结果分类给出针对性应对措施。
朱琳[10]（2017）在《基于发生教学法的线性空间概念的教学研究》文中认为线性代数是大学本科最基础性的一门重要课程,在生物化学、计算机技术、经济学、医学等其它领域有着广泛的应用。与其它课程不同,线性代数中充斥着大量的定义、定理、证明,学生往往还没有充分理解好一个概念,新的概念和定义、定理纷至沓来。然而,很多学生表示,即使不理解概念,也能套用运算和证明的框架来进行解题。因此,理解学生在概念学习中遭遇的困难,并以此改进教学策略,在线性代数的教学研究中显得尤为重要。线性代数的主要研究对象是线性空间及其上的线性变换,可以说,线性空间是线性代数中的核心内容。在通常的教学中,线性空间的概念以形式化的抽象语言呈现,为学生的学习带来很大困难。本研究重点关注线性空间概念的教学,试图探究学生对线性空间概念的理解,揭示学生学习时的困难,并以此来指导教学策略的设计,旨在不同情境下都能让学生建构起对线性空间及其相关概念的理解。本研究的研究问题为:（1）学生是如何理解线性空间概念的?学生在理解线性空间概念的过程中,会遭遇哪些困难?（2）发生教学法指导下的线性空间概念教学是怎样的?是否能有效促进学生对线性空间概念的理解?本研究首先在文献研究、专家访谈和学生问卷调查的基础上,构建了初始的研究模型,包括分析学生概念理解的发生演变模型和概念认知模型,以及发生教学法指导下的教学设计模型。然后,研究者对沪上一所教育部直属985高校的大学生进行了两个学期的教学实践,按照分析与准备、设计与实施、结果与评价、反思与修正四个部分展开,通过问卷调查、质性访谈、课堂观察等方法,对初始模型进行验证和修正,形成研究成果。本研究的结论为:（1）绝大部分学生属于概念意象和概念定义的弱关联型;仅有少部分学生能够达到"对象"和"图式"的心理认知阶段;学生对概念的理解容易受到三维空间的限制、容易受到旧有认知的干扰。（2）学生在学习抽象的线性空间概念时,容易遭遇包括抽象的困难、直觉的迷失、对术语理解的困难和概念之间缺乏关联的困难。（3）发生教学法下指导下的教学,可以基于历史发生分析、知识逻辑分析、心理认知分析、社会文化分析四种视角分析的基础,按照必要性、直观性、关联性、应用性、系统性五个原则进行设计,依照why-what-how to learn-how to use（简称WWHH）四个步骤进行教学。（4）发生教学法的教学实践下,可以丰富学生的概念意象,使得学优生完成从程序到对象、图式阶段的提升,实现从概念定义和概念意象的弱关联到灵活转换型的转变:中等生实现从行动阶段到程序阶段的转变;学差生实现从概念定义和概念意象的分离型向弱关联型的提升,有效促进了学生对线性空间概念的理解。本研究的价值在于,首先,关注具体的数学概念学习过程,利用APOS的发生演变理论、概念意象和概念定义、概念图理论,在实证的基础上多方面、多角度地对学生概念的理解水平、对概念理解的发展变化予以描述和分析。其二,在发生教学法的理论指导下,构建了适合于本土国情、适合于大学生认知特点、适合线性代数教学的教学设计实施模型。不仅可以研究学生的学,还可以指导教师的教,具有理论意义和实践意义。
二、ON A CLASS OF WEIGHT HIERARCHIES OF TERNARY LINEAR CODES OF DIMENSION 4（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、ON A CLASS OF WEIGHT HIERARCHIES OF TERNARY LINEAR CODES OF DIMENSION 4（论文提纲范文）
（1）政务微博在线评论中的用户情绪及行为研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及研究问题 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.2 研究目的和意义 |
| 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 政府使用网络社交媒体的相关研究 |
| 1.3.2 公众参与政务网络社交媒体的相关研究 |
| 1.3.3 网络社交媒体的用户情绪相关研究 |
| 1.4 研究方法与技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 1.5 研究内容与论文框架 |
| 1.5.1 研究内容 |
| 1.5.2 论文框架 |
| 第二章 理论基础、研究数据和分析方法 |
| 2.1 基本概念 |
| 2.2 网络社交媒体用户情绪及行为相关理论基础 |
| 2.2.1 情感响应理论模型 |
| 2.2.2 信息丰富度理论 |
| 2.2.3 情绪感染理论 |
| 2.2.4 理性行为理论 |
| 2.2.5 社会网络理论 |
| 2.2.6 社会学习理论 |
| 2.2.7 同质性理论 |
| 2.3 研究数据 |
| 2.3.1 数据集介绍 |
| 2.3.2 数据预处理 |
| 2.4 分析方法 |
| 2.4.1 多层线性模型 |
| 2.4.2 指数随即图模型 |
| 2.4.3 相关机器学习方法 |
| 2.5 本章小结 |
| 第三章 政务微博在线评论中用户情绪倾向的影响因素研究 |
| 3.1 在线评论中的用户情绪 |
| 3.2 政务微博在线评论中用户情绪倾向影响因素的研究假设 |
| 3.2.1 政务微博信息的丰富度对用户情绪倾向的影响 |
| 3.2.2 政务微博信息情感对用户情绪倾向的影响 |
| 3.2.3 政务微博用户的历史情绪习惯对用户情绪倾向的影响 |
| 3.2.4 政务微博用户的活跃度对用户情绪倾向的影响 |
| 3.2.5 性别差异对用户在线情绪倾向表达的调节作用 |
| 3.3 研究设计与实验结果 |
| 3.3.1 研究框架与研究模型 |
| 3.3.2 研究数据与变量定义 |
| 3.3.3 描述性统计 |
| 3.3.4 多元线性回归 |
| 3.4 研究结论与讨论 |
| 3.4.1 研究结论 |
| 3.4.2 研究讨论 |
| 3.5 本章小结 |
| 第四章 政务微博在线评论中用户交互行为的影响因素研究 |
| 4.1 在线评论中的用户交互行为 |
| 4.2 .政务微博在线评论中用户交互行为影响因素的研究假设 |
| 4.2.1 互惠性对用户交互行为的影响 |
| 4.2.2 传递性对用户交互行为的影响 |
| 4.2.3 同质性对用户交互行为的影响 |
| 4.2.4 用户的社会资本对用户交互行为的影响 |
| 4.2.5 极端情绪对用户交互行为的影响 |
| 4.3 研究设计与实验结果 |
| 4.3.1 研究框架 |
| 4.3.2 研究数据与变量定义 |
| 4.3.3 ERGM参数估计与拟合优度检验 |
| 4.4 研究结论与讨论 |
| 4.4.1 研究结论 |
| 4.4.2 研究讨论 |
| 4.5 本章小结 |
| 第五章 政务微博在线评论用户交互行为及情绪倾向的预测研究 |
| 5.1 多层感知机 |
| 5.2 文本表示模型与特征训练 |
| 5.2.1 文表示词向量模型 |
| 5.2.2 Doc2vec程序特征训练 |
| 5.3 用户交互行为预测 |
| 5.3.1 特征提取与训练 |
| 5.3.2 预测结果与分析 |
| 5.4 用户情绪倾向预测 |
| 5.4.1 特征提取与训练 |
| 5.4.2 预测结果与分析 |
| 5.5 总结与分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文工作总结 |
| 6.2 论文工作展望 |
| 致谢 |
| 参考文献 |
| 附录 A:ICT文献中的情感概念及结构概述 |
| 附录 B:ICT文献中情感概念间的关系概述 |
| 攻读博士学位期间取得的成果 |
（2）基于神经网络的C-ADS InjectorⅡ束流偏移校准技术研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外ADS项目及C-ADS基本原理 |
| 1.3 加速器束流偏移校准技术研究现状 |
| 1.4 本文研究内容、研究意义 |
| 1.4.1 本文研究内容 |
| 1.4.2 研究意义 |
| 1.5 本文组织结构 |
| 第二章 MEBT工作原理与束流偏移校准方法 |
| 2.1 MEBT工作原理 |
| 2.2 四极磁铁工作原理 |
| 2.2.1 磁场对带电粒子的作用 |
| 2.2.2 传输矩阵 |
| 2.3 传统的束流偏移校准方法 |
| 2.3.1 响应矩阵测量法 |
| 2.3.2 示零法 |
| 2.3.3 BBA方法 |
| 2.4 基于强化学习的束流偏移校准方法 |
| 2.5 本章小结 |
| 第三章 基于BPNN的MEBT一维离线束流偏移校准技术研究 |
| 3.1 人工神经网络概述 |
| 3.2 BPNN算法 |
| 3.2.1 前向传播阶段 |
| 3.2.2 反向传播阶段 |
| 3.2.3 正则化技术 |
| 3.3 基于BPNN的MEBT离线束流偏移校准模型设计 |
| 3.4 实验及性能分析 |
| 3.4.1 数据提取和预处理 |
| 3.4.2 网络模型和参数设置 |
| 3.4.3 实验结果及分析 |
| 3.4.4 分析与讨论 |
| 3.5 本章小结 |
| 第四章 基于蒙特卡洛神经网络的MEBT二维离线束流偏移校准技术研究 |
| 4.1 蒙特卡洛神经网络简介 |
| 4.1.1 蒙特卡洛方法 |
| 4.1.2 蒙特卡洛神经网络 |
| 4.2 蒙特卡洛神经网络优化 |
| 4.2.1 DMC算法 |
| 4.2.2 MDMC算法 |
| 4.2.3 J-MCNN方法 |
| 4.3 基于蒙特卡洛神经网络的MEBT二维离线束流偏移校准模型设计 |
| 4.4 实验及性能分析 |
| 4.4.1 实验及结果分析 |
| 4.4.2 分析与讨论 |
| 4.5 本章小结 |
| 第五章 基于FPGA的神经网络模型加速技术及在束流偏移校准中的应用 |
| 5.1 神经网络加速技术研究现状 |
| 5.1.1 神经网络压缩方法概述 |
| 5.1.2 网络量化方法概述 |
| 5.1.3 神经网络加速器概述 |
| 5.2 基于FPGA的神经网络模型加速器关键技术研究 |
| 5.2.1 基于三分法的模型精简方法 |
| 5.2.2 MCNN的权重量化 |
| 5.2.3 向量-矩阵乘法并行优化方法 |
| 5.2.4 sigmoid函数拟合方法 |
| 5.2.5 Softmax层实现 |
| 5.3 基于FPGA的MCNN在束流偏移校准中的应用 |
| 5.3.1 基于FPGA的MCNN架构设计 |
| 5.3.2 基于DSP48E2的向量-矩阵乘法并行优化 |
| 5.3.3 实验及结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 创新点 |
| 6.3 工作展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（3）时间序列流数据异常检测问题的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1. 研究背景和意义 |
| 1.2. 本文的主要工作及创新点 |
| 1.3. 本文的组织结构 |
| 第2章 相关研究工作 |
| 2.1. 时间序列异常检测 |
| 2.1.1. 异常时序点检测 |
| 2.1.2. 异常序列检测 |
| 2.2. 时间序列特征表示 |
| 2.2.1. 基于域变换的特征表示方法 |
| 2.2.2. 基于模型的特征表示方法 |
| 2.2.3. 基于分段的特征表示方法 |
| 2.2.4. 基于符号的特征表示方法 |
| 2.3. 时间序列相似性搜索 |
| 2.3.1. 闵可夫斯基距离 |
| 2.3.2. 动态时间弯曲距离 |
| 2.3.3. K近邻搜索 |
| 2.4. 本章小结 |
| 第3章 基于边缘计算的时间序列异常检测算法 |
| 3.1. 概述 |
| 3.2. 问题形式化 |
| 3.3. 基于离群距离与序列相关性的异常检测算法 |
| 3.3.1. 基于边缘计算的系统架构 |
| 3.3.2. 基于离群距离与序列相关性的异常检测算法 |
| 3.3.3. ADSTS算法实现 |
| 3.4. ADSTS算法性能分析 |
| 3.5. 实验与分析 |
| 3.5.1. 实验环境 |
| 3.5.2. 异常检测结果分析 |
| 3.6. 结论 |
| 第4章 基于符号特征表示的时间序列异常检测算法 |
| 4.1. 概述 |
| 4.2. 问题形式化 |
| 4.3. 异常检测研究基础 |
| 4.4. 问题分析 |
| 4.5. 基于特征符号表示的时间序列异常检测算法 |
| 4.5.1. FD-SAX表示算法 |
| 4.5.2. TSAD-FD异常检测算法 |
| 4.6. 实验与分析 |
| 4.6.1. 实验设置 |
| 4.6.2. TSAD-FD异常检测算法参数分析 |
| 4.6.3. 剪枝率比较实验 |
| 4.6.4. 算法运行效率比较实验 |
| 4.7. 小结 |
| 第5章 基于K近邻连接的时间序列异常检测算法 |
| 5.1. 概述 |
| 5.2. 问题形式化 |
| 5.3. HDITS索引结构 |
| 5.3.1. HDITS的相关定理 |
| 5.3.2. HDITS算法实现 |
| 5.3.3. 算法性能分析 |
| 5.4. 实验与分析 |
| 5.4.1. 实验设置 |
| 5.4.2. 基准方法与测试标准 |
| 5.4.3. 对比实验结果与分析 |
| 5.5. 本章小结 |
| 第6章 总结和展望 |
| 6.1. 全文总结 |
| 6.2. 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 攻读学位期间的专利、着作权和科研项目 |
| 外文论文 |
| 学位论文评阅及答辩情况表 |
（4）心墙堆石坝坝面碾压智能监控方法与应用研究（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 国内外研究现状 |
| 1.2.1 坝面碾压施工信息感知研究现状 |
| 1.2.2 坝面碾压施工信息分析研究现状 |
| 1.2.3 坝面碾压施工反馈控制研究现状 |
| 1.2.4 坝面碾压施工监控系统研究现状 |
| 1.3 已有研究的局限性 |
| 1.4 研究内容与论文框架 |
| 1.4.1 主要研究内容 |
| 1.4.2 论文框架 |
| 第2章 心墙堆石坝坝面碾压智能监控基本概念与数学模型 |
| 2.1 心墙堆石坝坝面碾压智能监控基本概念提出 |
| 2.1.1 心墙堆石坝坝面碾压智能监控提出背景 |
| 2.1.2 心墙堆石坝坝面碾压智能监控基本概念 |
| 2.1.3 心墙堆石坝坝面碾压智能监控主要研究内容 |
| 2.2 心墙堆石坝坝面碾压智能监控方法概述 |
| 2.2.1 坝面碾压施工信息智能感知与集成方法概述 |
| 2.2.2 坝面碾压施工信息智能分析方法概述 |
| 2.2.3 坝面碾压施工过程智能控制方法概述 |
| 2.3 心墙堆石坝坝面碾压智能监控数学模型 |
| 2.3.1 目标函数 |
| 2.3.2 信息集 |
| 2.3.3 方法集 |
| 2.3.4 约束集 |
| 2.4 本章小结 |
| 第3章 心墙堆石坝坝面碾压施工信息智能感知与集成研究 |
| 3.1 心墙堆石坝坝面碾压施工信息智能感知与集成体系 |
| 3.1.1 坝面碾压施工信息智能感知与集成内容 |
| 3.1.2 坝面碾压施工信息智能感知与集成技术 |
| 3.1.3 坝面碾压施工信息智能感知与集成框架 |
| 3.2 基于加速度传感器的振动特性参数感知 |
| 3.2.1 碾轮振动过程概述 |
| 3.2.2 振动信号小波降噪处理 |
| 3.2.3 振动信号的快速傅里叶分析 |
| 3.3 基于空洞卷积核的FASTER-RCNN目标识别 |
| 3.3.1 卷积神经网络 |
| 3.3.2 基于空洞卷积核的Faster-RCNN |
| 3.4 基于无人机倾斜摄影的三维建模技术 |
| 3.4.1 基于无人机倾斜摄影的三维建模原理 |
| 3.4.2 基于无人机倾斜摄影的三维建模流程 |
| 3.5 坝面碾压施工信息集成 |
| 3.5.1 多源异构坝面碾压施工信息集成框架 |
| 3.5.2 基于K-Means下抽样技术处理不平衡数据 |
| 3.6 工程案例分析 |
| 3.6.1 碾轮振动信号感知 |
| 3.6.2 坝面碾压施工过程中多类型障碍物识别 |
| 3.6.3 基于无人机倾斜摄影的三维模型建立 |
| 3.6.4 坝面碾压施工信息集成 |
| 3.7 本章小结 |
| 第4章 心墙堆石坝坝面碾压施工质量智能分析研究 |
| 4.1 坝面碾压施工质量智能分析数学模型 |
| 4.2 坝面碾压施工质量智能评价模型 |
| 4.2.1 基于CK-SBFA-FL的坝面碾压施工质量智能评价模型 |
| 4.2.2 基于SBFA-CKSVR的坝面碾压施工质量智能评价模型 |
| 4.2.3 模型性能评价方法 |
| 4.3 坝面碾压施工质量评价模型更新研究 |
| 4.3.1 EPNN算法与VWT技术 |
| 4.3.2 基于EPNN与 VWT的概念漂移检测方法 |
| 4.3.3 模型更新方法 |
| 4.4 工程案例分析 |
| 4.4.1 坝面碾压施工质量智能评价模型案例研究 |
| 4.4.2 模型更新案例研究 |
| 4.5 本章小结 |
| 第5章 心墙堆石坝坝面碾压施工智能控制方法研究 |
| 5.1 心墙堆石坝坝面碾压施工智能控制体系 |
| 5.1.1 坝面碾压施工智能控制目标 |
| 5.1.2 坝面碾压施工智能控制环节 |
| 5.1.3 坝面碾压施工智能控制方法 |
| 5.1.4 坝面碾压施工智能控制框架 |
| 5.2 碾压参数智能优化控制方法 |
| 5.2.1 碾压参数多目标优化模型 |
| 5.2.2 多目标智能细菌觅食算法SMOBFA |
| 5.2.3 SMOBFA算法实现与验证 |
| 5.3 基于AR实景导引的坝面碾压施工智能控制方法 |
| 5.3.1 基于AR实景导引的技术构架 |
| 5.3.2 基于牛耕法的坝面碾压施工路径规划方法 |
| 5.3.3 基于AR实景导引的事中控制方法 |
| 5.3.4 基于AR实景导引的事后控制方法 |
| 5.4 工程案例分析 |
| 5.4.1 碾压参数智能优化控制分析 |
| 5.4.2 基于AR实景导引的坝面碾压施工智能控制分析 |
| 5.5 本章小结 |
| 第6章 心墙堆石坝坝面碾压施工三维智能监控系统 |
| 6.1 心墙堆石坝坝面碾压施工三维智能监控系统建设 |
| 6.1.1 系统结构 |
| 6.1.2 系统建设技术 |
| 6.2 心墙堆石坝坝面碾压施工三维智能监控系统功能实现 |
| 6.2.1 坝面碾压施工信息感知与集成模块 |
| 6.2.2 坝面碾压施工信息智能分析模块 |
| 6.2.3 坝面碾压施工过程智能控制模块 |
| 6.3 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（5）基于多源遥感信息的海上搜寻目标探测技术研究（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 |
| 1.3 国内外研究现状 |
| 1.3.1 海上搜救技术国内外研究现状 |
| 1.3.2 基于遥感的海上搜救技术国内外研究现状 |
| 1.4 论文主要研究内容及结构安排 |
| 第2章 相关技术理论 |
| 2.1 基于中高分辨率遥感的目标探测提取技术理论 |
| 2.1.1 基于视觉显着性的感兴趣区提取技术 |
| 2.1.2 影像分割技术 |
| 2.2 基于高光谱遥感的目标探测提取技术理论 |
| 2.2.1 混合像元分解技术 |
| 2.2.2 异常目标探测技术 |
| 2.3 数据源介绍 |
| 2.3.1 星载/机载中高分辨率影像数据源 |
| 2.3.2 星载/机载高光谱遥感影像数据源 |
| 2.4 本章小结 |
| 第3章 基于中高分辨率影像的海上油膜目标探测 |
| 3.1 数据源介绍 |
| 3.2 研究思路 |
| 3.2.1 感兴趣区探测 |
| 3.2.2 遗传神经网络影像分割 |
| 3.3 结果与分析 |
| 3.3.1 感兴趣区探测实验结果与分析 |
| 3.3.2 影像分割实验结果与分析 |
| 3.4 本章小结 |
| 第4章 基于高光谱影像的海上油膜目标探测 |
| 4.1 算法介绍 |
| 4.1.1 现有端元提取预处理模型 |
| 4.1.2 基于数据场——光谱端元预处理模型 |
| 4.1.3 端元提取模型 |
| 4.2 结果与分析 |
| 4.2.1 模拟影像实验结果与分析 |
| 4.2.2 真实影像实验结果与分析 |
| 4.3 本章小结 |
| 第5章 基于高分辨率影像的海上船舶目标探测 |
| 5.1 数据源介绍 |
| 5.2 研究思路 |
| 5.2.1 水陆分离 |
| 5.2.2 基于GBVS显着性的感兴趣区提取 |
| 5.2.3 人工搜寻目标精确提取 |
| 5.3 结果与分析 |
| 5.3.1 水陆分离实验结果 |
| 5.3.2 感兴趣区提取实验结果 |
| 5.3.3 人工搜寻目标精确提取实验结果 |
| 5.4 本章小结 |
| 第6章 基于高光谱影像的海上残骸目标探测 |
| 6.1 数据源介绍 |
| 6.1.1 模拟影像 |
| 6.1.2 真实影像 |
| 6.2 算法介绍 |
| 6.2.1 RX异常探测算法 |
| 6.2.2 基于核函数的RX异常探测算法 |
| 6.2.3 DWT-SVDD异常探测算法 |
| 6.3 结果与分析 |
| 6.3.1 RX异常探测算法实验结果 |
| 6.3.2 基于核函数的RX异常探测算法实验结果 |
| 6.3.3 DWT-SVDD异常探测算法实验结果 |
| 6.3.4 算法评价 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 附录 英文缩写索引 |
| 攻读学位期间公开发表论文 |
| 攻读学位期间参加的科研项目 |
| 致谢 |
| 作者简介 |
（6）吉林市产业转型升级研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题的背景和意义 |
| 1.1.1 选题的背景 |
| 1.1.2 选题的意义 |
| 1.2 文献综述 |
| 1.2.1 关于产业转型升级内涵的界定 |
| 1.2.2 关于产业转型升级的路径选择 |
| 1.2.3 关于产业转型升级的政策研究 |
| 1.2.4 关于东北地区老工业基地产业转型升级的研究 |
| 1.2.5 关于产业转型升级水平测度的计量分析 |
| 1.3 论文研究的逻辑主线和结构框架 |
| 1.3.1 逻辑主线 |
| 1.3.2 结构框架 |
| 1.4 论文的研究方法、可能创新点与不足 |
| 1.4.1 研究方法 |
| 1.4.2 可能的创新点 |
| 1.4.3 论文研究的不足 |
| 第2章 相关理论 |
| 2.1 相关概念的界定 |
| 2.1.1 产业的概念界定 |
| 2.1.2 产业发展的概念界定 |
| 2.2 产业转型升级的相关理论 |
| 2.2.1 产业成长的相关理论 |
| 2.2.2 产业结构理论 |
| 2.2.3 产业体系相关理论 |
| 2.2.4 产业革命与可持续发展理论 |
| 2.2.5 产业空间理论 |
| 2.2.6 产业政策理论 |
| 第3章 关于产业转型升级的理论探讨 |
| 3.1 研究的前提 |
| 3.2 产业转型升级的概念界定 |
| 3.2.1 产业转型的概念界定 |
| 3.2.2 产业升级的概念界定 |
| 3.2.3 产业转型升级的概念界定 |
| 3.3 产业转型升级的根本动力 |
| 3.3.1 需求的分类与特征 |
| 3.3.2 需求的决定性作用 |
| 3.4 区域产业转型升级的影响要素 |
| 3.4.1 经济要素 |
| 3.4.2 社会要素 |
| 3.4.3 政策要素 |
| 3.4.4 环境因素 |
| 3.5 产业转型升级的相关理论问题 |
| 3.5.1 产业转型升级与产业结构 |
| 3.5.2 产业转型升级与产业集聚 |
| 3.5.3 产业转型升级与新产业体系构建 |
| 3.6 区域产业转型升级的基本机理 |
| 第4章 吉林市产业转型升级现状 |
| 4.1 经济增长与产业结构演进 |
| 4.1.1 经济增长 |
| 4.1.2 产业结构的演进与特征 |
| 4.2 产业转型升级态势 |
| 4.2.1 第一产业内部的产业转型升级 |
| 4.2.2 第二产业内部的产业转型升级 |
| 4.2.3 第三产业内部的产业转型升级 |
| 4.3 产业发展问题分析 |
| 4.3.1 产业发展的问题 |
| 4.3.2 产业转型升级存在的主要问题 |
| 第5章 吉林市产业转型升级对经济增长的作用 |
| 5.1 模型的建立 |
| 5.1.1 指标的选取 |
| 5.1.2 协整理论和因果关系检验 |
| 5.2 产业转型升级与经济增长的相关性检验 |
| 5.2.1 变量与数据 |
| 5.2.2 单位根与协整关系检验 |
| 5.2.3 Granger因果关系检验 |
| 5.2.4 三次产业结构的变动与经济增长的关系检验 |
| 5.3 产业技术进步对经济增长的影响 |
| 5.3.1 变量与数据 |
| 5.3.2 模型的建立与检验 |
| 第6章 吉林市产业转型升级影响因素的实证分析 |
| 6.1 有利因素 |
| 6.1.1 资源禀赋 |
| 6.1.2 地理与区位优势 |
| 6.1.3 基础设施优势 |
| 6.1.4 产业集聚优势 |
| 6.2 不利因素 |
| 6.2.1 产品市场与市场垄断 |
| 6.2.2 人才短缺与流失 |
| 6.2.3 产业结构因素 |
| 6.2.4 政府与体制因素 |
| 6.3 产业转型升级影响因素的模型分析 |
| 6.3.1 指标的选取 |
| 6.3.2 模型的构建与数据来源 |
| 6.3.3 模型的的检验 |
| 第7章 吉林市产业转型升级的路径与政策建议 |
| 7.1 吉林市产业转型升级的外部环境 |
| 7.1.1 国际产业发展 |
| 7.1.2 国内经济动态 |
| 7.1.3 区域经济环境 |
| 7.2 吉林市产业转型升级的路径选择 |
| 7.2.1 以市场机制构建新产业体系 |
| 7.2.2 以技术进步推动产业转型升级 |
| 7.2.3 以需求关联性推进产业创新 |
| 7.2.4 加强生产性服务业的支撑作用 |
| 7.3 政府政策建议 |
| 7.3.1 完善创新体系,提升创新能力 |
| 7.3.2 优化政策环境,加大扶持力度 |
| 7.3.3 重视人才作用,健全人才引进和培养体系 |
| 结论 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（7）基于卷积神经网络的视频流行度趋势预测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 本文结构 |
| 第二章 相关方法的理论介绍 |
| 2.1 聚类方法 |
| 2.1.1 K均值聚类(K-means) |
| 2.2 线性回归分析 |
| 2.2.1 多元线性回归分析 |
| 2.2.2 缩减回归分析 |
| 2.3 人工神经网络(Artificial Neural Networks) |
| 2.3.1 神经元 |
| 2.3.2 神经网络 |
| 2.3.3 反馈调节 |
| 2.4 卷积神经网络(CNNs) |
| 2.4.1 卷积层(Convolution Layers) |
| 2.4.2 池化层(Pooling layers) |
| 2.4.3 CNNs卷积神经网络结构 |
| 第三章 特征选取和模型的构造 |
| 3.1 特征选取 |
| 3.1.1 视频文本特征提取 |
| 3.1.2 视频时间序列特征提取 |
| 3.1.3 上传者影响力特征 |
| 3.1.4 谷歌趋势特征(GoogleTrends) |
| 3.2 特征预处理 |
| 3.2.1 视频文本特征处理 |
| 3.2.2 视频时间序列特征处理 |
| 3.2.3 上传者影响力特征处理 |
| 3.2.4 谷歌趋势处理(GT) |
| 3.3 基于CNNs预测模型(DLVP)构建 |
| 3.3.1 K-means聚类 |
| 3.3.2 多层卷积神经网络(CNNs)调节 |
| 第四章 第四章实验和结果分析 |
| 4.1 实验评估准则 |
| 4.1.1 相对平方误差RSE |
| 4.1.2 平均绝对误差RBE |
| 4.1.3 预测准确率RIT |
| 4.2 数据集的获取 |
| 4.2.1 YouTube视频信息 |
| 4.2.2 Google趋势数据 |
| 4.3 模型训练及结果分析 |
| 4.3.1 模型训练 |
| 4.3.2 实验结果分析 |
| 4.4 DLVP模型与现有预测方法的简单对比 |
| 第五章 总结展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（8）空谱稀疏结构学习下的高光谱数据降维与分类技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外相关研究进展 |
| 1.2.1 高光谱数据降维研究进展 |
| 1.2.2 高光谱数据分类研究进展 |
| 1.2.3 稀疏结构学习研究进展 |
| 1.2.4 研究内容以及结构安排 |
| 1.3 本章小结 |
| 第二章 正则化稀疏波段选择 |
| 2.1 研究动机与思路 |
| 2.2 基于特征成对相似性的正则化稀疏表征 |
| 2.2.1 基于成对相似性的稀疏表征选择 |
| 2.2.2 基于成对不相似性的正则化稀疏波段选择 |
| 2.3 实验结果与分析 |
| 2.3.1 实验数据集及环境设置 |
| 2.3.2 实验结果与分析 |
| 2.4 本章小结 |
| 第三章 基于空-谱压缩张量编码的稀疏特征学习 |
| 3.1 研究动机与思路 |
| 3.1.1 张量基础知识 |
| 3.1.2 基于压缩感知的维数约简 |
| 3.2 基于张量多观测向量优化的空-谱核稀疏编码 |
| 3.2.1 基于张量稀疏编码的稀疏波段选择 |
| 3.2.2 核张量稀疏特征选择 |
| 3.2.3 空-谱核张量稀疏特征学习 |
| 3.2.4 张量多维观测向量优化 |
| 3.3 实验结果与分析 |
| 3.3.1 实验数据集简介 |
| 3.3.2 实验结果与参数分析 |
| 3.4 本章小结 |
| 第四章 结构稀疏张量编码的高光谱数据分类 |
| 4.1 研究动机与思路 |
| 4.2 基于张量多观测向量优化的空-谱核稀疏编码 |
| 4.2.1 层次化空间相似性传播的超像素分割 |
| 4.2.2 超像素张量稀疏编码 |
| 4.2.3 综合像元-超像素级集成策略的高光谱分类 |
| 4.3 实验结果与分析 |
| 4.3.1 实验数据集 |
| 4.3.2 实验结果与参数分析 |
| 4.4 本章小结 |
| 第五章 稀疏结构正则的边界最大化半监督子空间学习 |
| 5.1 研究动机与思路 |
| 5.1.1 近邻边界最大化判别子空间分析 |
| 5.1.2 非负低秩子空间表示 |
| 5.2 稀疏结构正则的空谱边界最大化半监督子空间学习 |
| 5.2.1 空-谱边界定义 |
| 5.2.2 稀疏结构正则的空-谱近邻边界最大化子空间学习 |
| 5.3 实验结果与分析 |
| 5.3.1 实验数据集简介 |
| 5.3.2 实验参数设置及参数分析 |
| 5.4 本章小结 |
| 第六章 基于双几何低秩结构学习的半监督高光图像分类 |
| 6.1 研究背景及相关工作 |
| 6.2 低秩几何结构学习 |
| 6.2.1 全局光谱结构学习 |
| 6.2.2 局部空间结构指导下的几何相似性学习 |
| 6.2.3 几何结构正则的Laplician低秩表示 |
| 6.3 GLapLRR正则的半监督支撑矢量机 |
| 6.4 实验结果与分析 |
| 6.4.1 实验数据集与环境设置 |
| 6.4.2 实验结果与参数分析中 |
| 6.4.3 算法复杂度分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 进一步研究建议 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）城市地下综合管廊PPP项目风险识别与评价研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究内容、方法和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 1.4 创新点 |
| 2 相关理论基础与文献综述 |
| 2.1 概述 |
| 2.1.1 地下综合管廊的概念与特点 |
| 2.1.2 PPP模式的概念 |
| 2.1.3 PPP模式的应用优势 |
| 2.2 风险识别 |
| 2.2.1 项目风险分类 |
| 2.2.2 风险识别方法 |
| 2.2.3 地下综合管廊PPP项目风险识别 |
| 2.3 风险评价 |
| 2.3.1 基于模糊综合评价法的模型 |
| 2.3.2 基于敏感性分析技术下的模型 |
| 2.3.3 基于模特卡洛方法的模型 |
| 2.3.4 基于网络分析法(ANP)的模型 |
| 2.3.5 基于物元理论的模型 |
| 2.3.6 基于集对分析法的模型 |
| 2.4 借鉴与启示 |
| 2.5 本章小结 |
| 3 城市地下综合管廊PPP项目风险指标体系构建 |
| 3.1 城市地下综合管廊PPP项目特点 |
| 3.2 城市地下综合管廊PPP项目风险指标体系的初步构建 |
| 3.2.1 风险指标体系构建原则 |
| 3.2.2 风险指标体系的初步构建 |
| 3.3 城市地下综合管廊PPP项目风险指标筛选 |
| 3.3.1 地下综合管廊PPP项目风险指标的初步筛选 |
| 3.3.2 基于多重共线性的指标筛选 |
| 3.4 城市地下综合管廊PPP项目风险指标分析 |
| 3.4.1 地下综合管廊PPP项目风险指标体系 |
| 3.4.2 风险指标分析 |
| 3.5 本章小结 |
| 4 城市地下综合管廊PPP项目情景风险分析 |
| 4.1 情景分析法概述 |
| 4.1.1 情景与情景分析法的概念 |
| 4.1.2 情景分析法的特点 |
| 4.1.3 情景分析法的实施程序 |
| 4.2 风险影响因子收集与关键风险因素识别 |
| 4.2.1 风险因素收集与问卷调查 |
| 4.2.2 调查数据分析与关键风险因素识别 |
| 4.3 情景变量确定和不确定轴面选择 |
| 4.3.1 情景变量确定 |
| 4.3.2 不确定性轴面选择 |
| 4.4 情景开发与项目风险识别 |
| 4.4.1 情景开发 |
| 4.4.2 项目风险识别分析 |
| 4.5 本章小结 |
| 5 城市地下综合管廊PPP项目风险评价 |
| 5.1 基于集对分析的综合评价法 |
| 5.1.1 集对分析的概念 |
| 5.1.2 集对分析法的评价步骤 |
| 5.2 风险评价指标体系建立和评价等级确定 |
| 5.2.1 风险评价指标体系建立 |
| 5.2.2 风险等级确定 |
| 5.3 风险评价指标权重的确定 |
| 5.3.1 群组决策特征根法原理 |
| 5.3.2 基于群组决策特征根法的权重确定 |
| 5.4 单因素联系度计算 |
| 5.5 风险等级评价 |
| 5.5.1 单层次GSPA评价 |
| 5.5.2 多层次GSPA评价 |
| 5.6 本章小结 |
| 6 城市地下综合管廊PPP项目风险控制的对策建议 |
| 6.1 政策与环境风险应对 |
| 6.1.1 健全相关法律法规 |
| 6.1.2 保证政策法规稳定性与持续性 |
| 6.1.3 地下空间规范化管理 |
| 6.1.4 维护社会稳定 |
| 6.1.5 做好项目前期工作 |
| 6.2 技术风险应对 |
| 6.2.1 推进各项技术发展 |
| 6.2.2 促进新材料研发与高性能材料应用 |
| 6.2.3 优化管廊设计 |
| 6.3 建设风险应对 |
| 6.3.1 做好前期勘探 |
| 6.3.2 妥善处理管线改迁和土地拆迁工作 |
| 6.3.3 注重全方位把控与监管 |
| 6.3.4 建立信用机制 |
| 6.4 市场风险应对 |
| 6.4.1 制定合理价格机制 |
| 6.4.2 保证竞争的充分性与合同的严谨性 |
| 6.4.3 与原材料供应商签订长期合同 |
| 6.5 融资风险应对 |
| 6.5.1 多渠道融资 |
| 6.5.2 政府加强资金统筹 |
| 6.5.3 慎重选择投资者 |
| 6.6 管理风险应对 |
| 6.6.1 加强沟通协调 |
| 6.6.2 多维度控制运营管理质量与成本 |
| 6.7 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 对未来工作的展望 |
| 参考文献 |
| 附录1 共线性诊断结果 |
| 附录2 地下综合管廊PPP项目风险指标初步选择调查问卷 |
| 附录3 地下综合管廊PPP项目风险指标选择调查问卷 |
| 附录4 地下综合管廊PPP项目风险因素打分问卷 |
| 附录5 地下综合管廊PPP项目指标重要性打分问卷 |
| 作者简介 |
（10）基于发生教学法的线性空间概念的教学研究（论文提纲范文）
| 内容摘要 |
| ABSTRACT |
| 1. 绪论 |
| 1.1 研究背景 |
| 1.2 研究问题 |
| 1.3 研究目的与意义 |
| 1.4 论文结构 |
| 2. 文献综述 |
| 2.1 高等代数思维的特点 |
| 2.2 概念学习理论 |
| 2.2.1 什么是概念? |
| 2.2.2 概念教学的原则 |
| 2.2.3 概念意象与概念定义 |
| 2.2.4 APOS理论 |
| 2.2.5 概念图理论 |
| 2.3 线性代数教与学的研究 |
| 2.3.1 学生理解的困难与原因 |
| 2.3.2 教学研究与设计 |
| 2.3.3 我国的线性代数课程发展与研究现状 |
| 2.4 本章小结 |
| 3. 理论基础 |
| 3.1 发生教学法的原理 |
| 3.2 发生教学法的教学原则 |
| 3.3 发生教学法的实证研究 |
| 4. 研究过程与方法 |
| 4.1 时间进程与研究流程 |
| 4.2 研究对象 |
| 4.2.1 学校 |
| 4.2.2 课程与教材 |
| 4.2.3 教师及研究人员 |
| 4.2.4 学生 |
| 4.2.5 专家 |
| 4.3 研究方法 |
| 4.4 数据收集 |
| 5. 前期准备阶段 |
| 5.1 对学生的问卷调查 |
| 5.1.1 学生对向量的概念意象 |
| 5.1.2 学生对线性空间的概念意象 |
| 5.1.3 学生对线性代数学习的态度和信念 |
| 5.2 专家访谈的结果 |
| 5.2.1 线性代数的学科特点 |
| 5.2.2 线性代数的核心内容 |
| 5.2.3 专家对线性空间、向量的概念意象 |
| 5.2.4 学生学习中的困难和问题 |
| 5.2.5 对线性代数和线性空间的教学建议 |
| 5.3 初始模型的建立 |
| 5.3.1 概念教学的原则 |
| 5.3.2 教学设计的步骤 |
| 5.3.3 概念认知模型 |
| 5.3.4 发生演变模型 |
| 6. 研究的第一阶段 |
| 6.1 分析与准备 |
| 6.1.1 历史视角分析 |
| 6.1.2 知识的逻辑结构分析 |
| 6.1.3 学生的心理认知分析 |
| 6.1.4 社会-文化视角分析 |
| 6.2 设计与实施 |
| 6.2.1 教学内容与顺序 |
| 6.2.2 核心概念的教学设计 |
| 6.2.3 教学实施过程 |
| 6.3 结果与评价 |
| 6.3.1 学生对线性相关/线性无关的理解 |
| 6.3.2 学生对基的理解 |
| 6.3.3 学生对线性空间的理解 |
| 6.3.4 学生对向量的理解 |
| 6.3.5 教学前后学生的理解对比 |
| 6.4 反思与修正 |
| 7. 研究的第二阶段 |
| 7.1 分析与准备 |
| 7.2 设计与实施 |
| 7.2.1 教学顺序 |
| 7.2.2 核心概念的教学设计 |
| 7.2.3 教学实施过程 |
| 7.3 结果与评价 |
| 7.3.1 学生对线性相关/线性无关的理解 |
| 7.3.2 学生对基的理解 |
| 7.3.3 学生对线性空间的理解 |
| 7.3.4 学生对向量的理解 |
| 7.4 教学反思 |
| 8. 研究结论与启示 |
| 8.1 研究结论 |
| 8.1.1 学生对概念的理解 |
| 8.1.2 学生遭遇的困难 |
| 8.1.3 发生教学法下教学效果的有效性 |
| 8.1.4 教学框架的可行性 |
| 8.2 研究启示与局限 |
| 8.3 进一步研究展望 |
| 参考文献 |
| 附录1 学期末问卷调查 |
| 附录2 第一阶段研究后测问卷 |
| 附录3 第二阶段研究后测问卷1 |
| 附录4 第二阶段研究后测问卷2 |
| 攻读博士期间发表的论文 |
| 后记 |
四、ON A CLASS OF WEIGHT HIERARCHIES OF TERNARY LINEAR CODES OF DIMENSION 4（论文参考文献）
- [1]政务微博在线评论中的用户情绪及行为研究[D]. 熊杰. 电子科技大学, 2020(01)
- [2]基于神经网络的C-ADS InjectorⅡ束流偏移校准技术研究[D]. 杨旭辉. 兰州大学, 2019(02)
- [3]时间序列流数据异常检测问题的研究[D]. 张琪. 山东大学, 2019(09)
- [4]心墙堆石坝坝面碾压智能监控方法与应用研究[D]. 王佳俊. 天津大学, 2019(06)
- [5]基于多源遥感信息的海上搜寻目标探测技术研究[D]. 崔璨. 大连海事大学, 2018(12)
- [6]吉林市产业转型升级研究[D]. 陈强. 吉林大学, 2018(12)
- [7]基于卷积神经网络的视频流行度趋势预测[D]. 刘奎. 湘潭大学, 2018(02)
- [8]空谱稀疏结构学习下的高光谱数据降维与分类技术研究[D]. 冯志玺. 西安电子科技大学, 2018(02)
- [9]城市地下综合管廊PPP项目风险识别与评价研究[D]. 章瑶瑶. 浙江大学, 2018(01)
- [10]基于发生教学法的线性空间概念的教学研究[D]. 朱琳. 华东师范大学, 2017(09)