一、一种基于关联挖掘的自适应构件检索方法（论文文献综述）
岑咏华[1]（2010）在《面向领域中文文本信息的潜在语义分析研究》文中进行了进一步梳理随着计算机和网络技术的不断发展,以自然语言为特征的领域文本信息不断喷涌,这些文本信息是进行科学研究、企业竞争情报研究的宝贵知识源泉,如何处理和利用这些文本型数据至关重要。中文文本信息在这些年亦是飞速增长。然而较之于那些通过空格分隔语义单元的语种信息来说,中文文本信息缺乏在计算机化信息处理方面的天然便利,处理工作困难重重。这其中首先要解决的问题是如何对中文文本信息进行预处理,以正确地识别和理解中文文本信息中的语义单元（即词语单元）,包括如何进行语义单元的自动切分（即分词）,如何对切分的歧义进行有效消解,如何智能化地识别和提取文本中所包含的新的命名实体、概念、术语等。正是因为这些问题的存在,传统中文文本信息处理对文本中所包含的内容特征的识别和理解能力不足。再者,现有文本信息处理的研究与应用主要基于“文档词语映射”来建立信息组织模型,例如将文档表示成词语的向量。词语间的独立性假设在这些模型中广泛使用。尽管这个假设使得信息组织、检索和处理模型的设计变得简单,但语言中词语间的严格独立性显然不成立。更具体地,自然语言中存在某些内在的、潜在的语义结构,这种语义结构支配着词语的使用、出现和文档的构成。文档的语义是由词语组成的,而词语又要放到文档中去理解,其中存在着一种“词语-文档”双重概率关系。文档可被视为以词语为维度的空间中的点,一个包含语义的文档出现在这种空间中,其分布绝对不是随机的,而是服从某种语义结构;词语也可视为以文档为维度的空间中的点,一个词语出现在某个文档中也同其它出现在该文档中的词语有密切的关系,其分布同样服从某种语义结构。然而,因为自然语言中词语使用的不一致性以及文档主题的不确定性等因素的存在,支配自然语言中词语使用和文档构成的语义结构在一定程度上被“噪音”所干扰和掩藏。传统信息处理方式忽略了这种语义结构的存在,因而无法更有效地形成对文档、词语等知识单元的正确表示。更为理想的信息处理方式是考虑文本信息中所包含的语义单元（特征词语）之间的语义关系,在此基础上实现对文档、概念本身、作者、机构等知识单元的语义表示和信息处理。这里特征词语之间的语义关联,可以是形式化的关联,如包含、隶属、等同、同义、反义等,抑或是本体（Ontology）意义上的概念的属性、函数、公理、实例等语义特征,还可以是超乎这种形式化、很难准确定性却又客观存在的潜在关联。而不管是哪一种,都是智能化领域文本信息处理应该去揭示的。进一步地,传统文本信息处理的高维稀疏文档表示模型也为大规模特定领域的文本信息检索、聚类、分类、相似测度等典型应用工作的效率、准确率和召回率都提出了严重的挑战。为解决上述问题,本论文试图研究一套全流程、自动化的机制（包括理论模型和方法体系）来解决传统面向领域的文本信息处理和文本挖掘的语义缺失问题。具体的,论文的主要研究工作包括以下几个部分:1)中文领域文本粗分词与词性标注主要研究了面向中文领域文本信息深度处理和潜在语义分析的粗分词与词性标注等预处理的方法:（1）首先基于对中科院计算所ICTCLAS分词系统的词典结构和最短路径算法的改进,研究并实现一种有效的中文粗分词系统;（2）在此基础上,基于隐性马尔科夫模型,针对粗分词结果进行词性标注,并根据各种不同粗分词结果的词性标注概率优选最佳词语切分方案。2)中文领域术语的边界标注与识别提取分析面向中文文本信息处理的领域术语界定、识别和提取方面的实际需求和特征,在比较众多模型（如隐性马尔科夫模型、最大熵模型、条件随机场模型等）的基础上,研究和探索了一套基于条件随机场模型的领域概念识别和提取方案,根据领域概念的位置特征、语法特征（主要为词性特征）、独立成词概率概率、语境概率特征、领域语言规则特征等选定模型所需的条件特征集合,构造各特征的势函数,确定各特征的权重,设计模型的算法,实现了基于条件随机场模型的领域中文术语识别和提取系统。3)面向潜在语义分析的术语权重模型研究主要研究了两个方面的问题:（1）基于术语区域分类的领域术语甄选:在领域文本信息预处理的基础上,借助于若干对比领域语料,测度术语的领域相关性、领域间一致性、领域内部一致性和术语新奇性,进而将术语划分到通用词语、领域一般术语、主题术语、新奇术语等四个术语区域中,基于分类思想对具有特定领域意义的术语进行甄选。（2）术语文档权重模型研究:在领域术语甄选的基础,研究一种包括术语局部权重、术语全局权重,文档全局权重及归一除数等四个部分的术语综合权重方案,测度术语在不同文档中的权重进而对文档予以正确表示,构建术语文档权重矩阵,为面向领域文本信息处理的潜在语义分析或主题加权采样提供支撑。4)基于矩阵分解的潜在语义分析研究主要研究了以下几种基于矩阵分解的潜在语义分析方法:（1）基于矩阵分解的潜在语义分析的基本方法:包括基于奇异值分解（SVD）的LSA的基本思想、等价特征值问题、Lanczos迭代算法及其理论解释;基于半离散分解（SDD）的LSA的基本思想,整数规划原理以及实现SDD的迭代方法。（2）基于Σ调整的潜在语义分析方法——μ-SVD/SDD方法:作为本课题的创新研究之一,提出并研究一种基于Σ调整的潜在语义分析方法——μ-SVD/SDD方法,通过有监督的机器学习方法,获取SVD/SDD分解结果中对角矩阵Σ的分配调整向量,以改进传统基于SVD/SDD方法将Σ的对角元素作为潜在维度的重要性时对对角元素向量进行同指数分配的思想缺陷和精度不足问题。（3）基于稀疏约束的非负矩阵分解（NMF）方法:作为本课题的探索性研究之一,本部分在对NMF的基本思想、损失函数、乘性迭代规则等基本问题的研究基础上,考虑领域文本信息处理对于矩阵分解结果的稀疏性要求,研究了稀疏约束下的NMF分解算法。5)基于主题模型的潜在语义分析研究作为本论文的主要创新点之一,本部分将在对概率潜在语义分析模型、潜在狄利克雷分配模型、相关主题模型、弹珠机分配模型、基于中式餐厅处理分布的层次主题模型等的原理、模型学习、瓶颈问题的理论分析以及对潜在狄利克雷分配模型、相关主题模型、弹珠机分配模型等应用于潜在语义分析的实验分析基础上,提出并研究一种基于加权采样的层次主题模型（WS-HTM）的理论框架,以解决已有主题模型在采样和学习效率、主题层次路径、精度等方面的不足。6)潜在语义分析在领域中文文本信息处理的应用研究对基于潜在语义分析的领域文本信息处理的典型应用问题进行了方法设计,包括:设计了面向潜在语义分析的大规模稀疏矩阵的文件存储和内存装载机制;重点研究了基于压缩编码过滤和语义倒排的领域文本信息检索方法;阐述了基于潜在语义分析的领域知识单元关联挖掘的基本方案;研究了一种基于二分k-Means的高效领域文本信息聚类方法,分析了潜在语义（主题）维度与聚类意义上的类目之间的等价性问题;研究了基于潜在语义分析的领域文本信息可视化的途径并重点就基于力导算法的领域知识单元网络化语义关联自适应可视化进行了方法设计。论文在进行理论和方法研究的同时,通过实验和对比,对论文所研究理论和方法进行了实证分析,相关实验分析结果表明,论文在领域中文文本信息处理的每一个流程上所研究的方法和理论较之于传统的方法,具有一定的科学性和实践可参考性。
薛云皎,钱乐秋,花鸣,张天戈,杨珉[2]（2004）在《一种基于关联挖掘的自适应构件检索方法》文中进行了进一步梳理构件复用过程中 ,用户常因对构件描述机制认识有限而难以提出准确的检索需求 ,从而影响查准率 .针对基于刻面描述的软件构件 ,借鉴数据挖掘中关联规则挖掘的有关理论 ,提出了带有用户反馈的自适应构件检索模型以及基于关联挖掘的自适应学习算法 ,从用户检索的历史记录中挖掘用户的显式检索条件与隐性检索需求之间的内在联系 ,从而完整化和精确化用户的检索条件 ,提高构件检索的查准率 .同时 ,用实验结果证明了该方法的有效性和可行性 .
薛云皎[3]（2006）在《基于智能主体的分布式构件库相关技术研究》文中研究指明构件技术是实现软件复用的有效途径，能大幅度提高软件的生产效率、降低软件开发和维护成本、提高软件质量，近年来成为软件工程界研究的热点之一。构件库是支持大量构件的描述、存储、管理和检索的构件复用基础设施。随着构件库相关技术的逐步成熟，我国科研机构和软件企业建立了一系列具有实用价值的构件库。传统的构件库是集中式的，将各种来源的所有构件集中在一台主机上，由一个构件库管理系统进行管理。随着各类机构建立的构件库逐渐增加，对共享可复用构件的愿望日益增强，同时不少软件企业日益重视构件的知识产权保护，因此对于在保持原有独立性的基础上整合相互分离的构件库的需求逐渐显露。这驱使我们寻求新的理论和技术，通过协调机制将分布、异构的构件库整合起来，形成一种分布式构件库，实现构件信息的共享，对外提供一个统一的逻辑视图和查询接口，方便用户通过公共网络寻找各个构件库内适合于复用目标的构件。本文从在社会学、人工智能和软件工程等领域已经作了深入研究的智能主体（Intelligent Agent）入手，采用Agent实现分布式异构构件库，并对其中的系统体系结构、Agent智能处理机制、分布式环境下的构件检索等进行了深入的研究，所开展的工作和取得的主要成果体现在以下几个方面：●提出了基于Agent的分布式构件库系统（ABDC）的体系结构。本文分析了分布式构件库的基本需求，采用抽象状态机的方法进行了架构分析和体系结构的概念设计，提出了系统的高层逻辑结构，并导出了细化的实现方案。该体系结构提供了一个能够整合分布的、异构的构件库的逻辑视图，从而避免了集中式构件库系统的建设代价以及中央服务器的重负荷。各成员构件库依然自行管理自身拥有的构件，能够获得比较高的安全保障。同时，由于Agent的自治性和智能性，这一基于Agent的集成方案是比较灵活和低耦合的，容易进行扩展。●提出了分布式构件库系统中的Agent的结构模型，设计了Agent通信机制和知识表达机制，通过Agent的功能以及Agent之间的协作实现分布式的构件检索。针对部分构件库中构件领域特征较强的情况，本文还提出了构件库的偏好（Preference）概念，以及基于逻辑编程方法的偏好知识表达和基于偏好的通告规则形式化框架。借助这一机制，Agent可以动态掌握构件库的偏好，主动将检索请求通告给相关构件库进行处理，从而缩短等待构件库来获取检索请求的时间。●提出了基于关联规则的自适应构件检索请求优化方法。本文将关联规则挖掘的理论和方法引入构件检索，通过对用户检索历史记录的挖掘来发现用户的潜在检索条件，从而智能地对新的检索请求进行补充，帮助用户完善不完整的检索请求，弥补普通用户对检索条件难以准确、完整说明的不足，提高检索请求的精确度和构件检索的效果。●提出了异质刻面方案的转换模型。通常不同的构件库拥有不同的刻面描述方案，用户检索条件中的刻面方案也可能与之不同。为解决刻面方案的异质性，本文借助树结构匹配的理论和方法，研究了不同构件库上刻面方案之间的转换机制，将刻面方案映射为树结构，用树结构的编辑操作对不同刻面方案之间的转换进行建模，使用户能够根据本地构件库刻面方案提出检索请求。通过原型系统，验证了上述方法的可行性。
黄恩一[4]（2021）在《跨模态科技大数据的知识服务构件研究》文中研究表明随着科学技术的蓬勃发展,科技数据逐渐成为人们生活中不可或缺的一部分。用户在科技论文平台以及科技资讯网站查询相应的科技内容的同时,通常希望能够对检索的科技内容进行更加全面的了解。为了能够获得跨模态科技大数据的统一语义表示,需要对跨模态科技需求大数据进行深度特征提取。为了能够实现跨模态科技大数据的科技实体演进规律分析,需要对跨模态科技数据实体之间的关联关系进行挖掘。本文完成的主要工作内容如下:（1）针对科技需求的文本数据,提出了基于科技需求的附加特征的科技大数据科技需求文本语义扩展（SDSSE）算法,该算法的主题目标是针对科技需求文本的特征向量提取进行设计,利用特征降维网络来实现;并使用改进的残差网络结构来进行科技需求图片的处理。经过对比实验结果表明,本文提出的基于科技大数据的特征提取算法在进行的对比实验当中的召回率、准确率以及F-measure等指标均有提升。（2）针对跨模态科技大数据,提出了对跨模态科技大数据进行统一语义表示的方法。提出了跨模态科技大数据映射（DMCT）算法,该算法在深度网络的基础上增加了金字塔池化层进行改进。为了能够实现用户对于不同模态下的科技需求数据的检索,需要对跨模态科技需求检索的精确率进行提高,通过DMCT算法能够获得跨模态科技大数据的统一语义表示,并利用哈希空间来实现检索精准化。经过对比实验结果的验证,通过使用DMCT算法获得的跨模态科技数据的统一语义表示进行的跨模态科技需求大数据的检索比其它对比实验的检索结果要准确率更高。（3）针对科技文本大数据,提出了基于多通道注意力的科技需求大数据实体关系抽取（MCMA）算法。MCMA算法会对各个时间段内的科技需求数据分别进行语义关联关系抽取,并根据科技实体语义相似度和时间系数进行数据存储,通过图团体检测算法对科技实体进行演进规律分析。实验结果表明,MCMA算法能够有效地根据跨模态科技需求大数据进行关联关系抽取,并且所计算得到的语义关系准确度等指标均优于对比算法。（4）设计并实现了跨模态科技大数据的知识服务构件系统。该系统主要包含跨模态科技需求数据精准检索、跨模态科技需求关联关系查询、科技实体演进规律分析以及系统展示四个模块,针对以上的四个系统模块内容进行系统验证,表明跨模态知识服务构件系统具有一定的实用性。
刘睿霖[5]（2020）在《基于需求-服务匹配的服务解决方案构造优化方法》文中进行了进一步梳理随着新一代信息技术与互联网的飞速发展与推广普及,各应用领域的服务业务不断跨网跨域跨界交叉融合,进而形成了复杂的服务生态系统。如何在复杂服务环境下,针对顾客的特定需求来优化服务业务,并通过服务融合与资源复用等手段构造最佳的服务解决方案成为目前需要解决的难题。针对这一问题,本文重点研究领域服务优化问题（服务推荐、服务选择和服务组合问题）,在复杂多变的服务生态环境下,提出一套基于需求-服务匹配的服务解决方案构造和优化方法,采用领域相关的模式来构造跨领域的服务解决方案,实现跨多个领域的服务资源聚合。该方法基于历史经验分析顾客的需求模式,还挖掘各领域长期形成的服务模式。进而,建立需求模式与服务模式的偶对匹配机制,完成顾客需求与服务解决方案间的映射,支持服务解决方案的高效构建。本文主要内容如下:（1）在“需求-工程”两段式服务开发范型（“Requirement Engineering”TwoPhase of Service Engineering Paradigm,RE2SEP）的基础上,本文分析了服务系统中三种不同需求类型的显着特征以及识别出需要解决的主要问题,介绍如何在RE2SEP范型的指导下有针对性的进行系统优化。具体地,针对不同的问题特性给出相应的解决方法和思路,将服务系统中面临的问题分为基于模式匹配和时间间隔预测的服务推荐、基于需求-服务概率矩阵的服务选择和基于模式偶对矩阵的服务组合。（2）提出基于模式匹配和时间间隔预测的服务推荐方法。鉴于服务系统中的服务数量急剧增加,本文通过挖掘历史记录中的知识有效地发现用户的潜在需求,做到在正确的时间将合适的服务推荐给目标用户。具体地,提出基于模式匹配的候选服务识别方法,通过用户聚类和评分偏好找到目标用户的潜在需求模式,进而找到相似的用户群,挖掘相似用户群的服务使用序列中出现频率较高的面向时序的服务模式,利用模式匹配发现目标用户潜在候选服务。其次,提出基于候选服务和时间间隔预测的服务推荐,通过生成概率模型有效估计不同服务之间的时间间隔,并且使用贝叶斯个性化排序优化服务之间的偏序关系,从而,做到在正确的时间推荐合适的服务,提高推荐质量和用户体验。（3）提出基于需求-服务概率矩阵的服务选择方法。由于巨大的搜索空间,现有方法很难在有限的时间内从海量的候选服务中选择高质量服务,构造可行的、满足用户质量需求的全局最优服务解决方案。为了解决该问题,本文以历史数据中获得的先验知识指导概率匹配矩阵的构建,有效地缩减服务选择问题的搜索空间,以达到提高效率的目的。其次,质量感知服务选择问题作为NP难问题,研究人员应用各种进化算法,通过寻找近似最优解决方案来降低时间复杂度。为了解决进化算法参数设定问题,研究了服务选择问题的特征、进化算法的参数值和优化结果之间存在的依赖关系。从而,在避免多次繁琐尝试而寻求最优参数设定的前提下,为基于需求-服务概率矩阵的服务选择进行参数优化设定。（4）提出基于模式偶对矩阵的服务组合方法。为满足用户所提出的复杂性更高的个性化功能性服务需求,而不是局限于系统提供的标准化流程,服务组合技术被广泛用于构建复杂的、增值的组合服务。为提高服务组合效率,本文主要研究了包括为解决语义对齐而提出的本体构建和融合方法、发现功能需求模式的形式概念分析方法、提高相关服务发现效率的面向功能的服务模式挖掘方法、描述功能需求模式和面向功能的服务模式之间偶对关系的矩阵构建方法,以及基于模式偶对矩阵的服务组合方法。与从零开始构造服务解决方案的方法相比,该方法由于考虑面向功能的服务模式有效地缩减了相关服务的搜索空间,并使用模式偶对矩阵为面向功能的服务模式建立了快速索引机制,进一步提高了搜索效率,取得了很好的实验效果。
冯凯伦[6]（2019）在《深度不确定性背景下的施工过程环境影响仿真与优化研究》文中认为建筑活动是造成生态环境污染的重要因素之一。目前全球众多发展中国家正处于城市化和基础设施高速发展阶段,正在或计划建设大量的房屋建筑和基础设施。然而,全球范围的生态环境污染问题越发突出,如何在保证满足建筑需求的同时优化其环境表现,是目前急需解决的问题。在建筑产品生产和使用的全生命周期过程中,建筑施工是集中产生环境污染的重要阶段。在施工过程中优化决策的环境表现,保证环境友好型的建筑施工过程,是实现建筑业绿色发展的重要途径。为此,本文构建了建筑施工环境影响计量、优化和决策方法,旨在为环境友好型的施工提供全面而系统的决策支持。建筑施工活动的复杂性体现在施工工序的相互交织、相互影响,以及众多不确定性因素对施工表现产生的影响上,静态的环境影响评估方法难以处理以上环境表现特征。受到过程仿真技术的启发,本文将离散事件仿真与过程生命周期评价进行了系统地耦合（DES-p LCA）,用于建立能够充分反映施工过程环境影响特点的仿真计量方法。构建的基于施工过程仿真的环境影响计量方法同时拥有过程仿真技术和生命周期评价的技术优势,一方面以离散事件仿真技术体现复杂工序和不确定性因素对施工环境表现的影响,另一方面以生命周期评价保证施工环境影响评价的完整性和准确性。施工项目的决策需要综合考虑多个维度的项目目标,合理的施工环境优化决策需要同时保证环境目标和项目其他重要目标的表现。本文以多目标优化的数学问题来抽象施工过程环境优化问题,将“成本-进度-环境”作为施工环境优化的综合目标,寻求多目标最优或不同目标权衡取舍。基于仿真的优化框架是目前针对复杂系统优化最具潜力的方法,但其运算过程低效,难以为施工现场提供及时的优化反馈。受到目前蓬勃发展的机器学习技术的启发,本文将机器学习模型嵌入“仿真-优化”框架,建立了改进的“仿真-学习-优化”模型框架。改进模型在保证优化质量的前提下,提高优化框架的运算效率,提供高质量且高效的施工决策优化支持。施工项目不确定性因素概率分布的不确定使其处于深度不确定性的决策环境。传统的蒙特卡洛和敏感度分析等决策分析方法需基于概率分布进行不确定性分析,无法客观地反映概率分布不确定性对决策的影响,无法完全适用于施工的决策环境。本文以深度不确定性理论作为施工决策不确定性分析的理论基础,综合利用鲁棒决策、拉丁超立方抽样、耐心规则归纳法的理论和方法,构建了施工决策的深度不确定性决策分析模型。本模型不仅能定量地比较不同施工方案的鲁棒性,还能利用数据挖掘技术识别出使鲁棒方案发生不可接受表现的脆弱性情景。这些信息将是深度不确定性背景下进行环境友好型施工决策的有效依据。以上四点涉及的理论成果是本文主要的创新点。最后,基于理论模型搭建了DES-p LCA、“仿真-学习-优化”、深度不确定性决策分析实现系统,并应用于一个实际施工案例,分析了理论模型受参数设置的影响,获取了理论模型的最优参数设置,证实了理论模型的有效性和适用性。本文在环境友好型施工的研究路径上,提出了符合施工过程环境污染产生特征和决策特点的环境影响仿真计量、多目标优化、深度不确定性决策方法。创建的基于仿真技术的环境不确定性计量方法是环境影响核算理论的发展;“仿真-学习-优化”模型是对经典“仿真-优化”框架进一步的拓展;深度不确定性决策分析模型促进了施工领域不确定性分析理论的发展。本研究成果是实践环境友好型施工的系统性方法。
何云[7]（2019）在《数据特性驱动的软件系统文本特征定位方法研究》文中研究说明特征定位旨在确定明确软件系统演化任务功能描述特征与源代码构件间的映射关系。软件系统的演化,在外部表现为功能实体的变更,将其称为特征。特征本质上是软件系统的功能属性。软件系统的演化是用户功能或非功能预期偏差驱动的软件修改行为。要实施有效的软件系统演化活动需要明确两个问题:1.在哪里演化;2.如何演化。前一个问题是后一个问题的先决条件。特征定位方法是解决“在哪里演化”问题的有效方法。特征定位在控制软件系统演化效率和演化成本等问题上显得尤为重要。文本特征定位方法是当前软件系统特征定位研究领域的热点。噪声问题、索引模型选择问题和定位过程配置问题是当前文本特征定位方法研究存在的3个主要问题。软件系统的源代码本质上是一种特殊格式的文本数据,本文结合数据特性驱动的研究思想,从源代码数据本身寻找问题解决方法。主要研究内容和结果如下:1、面向文本特征定位问题的词性过滤算法。针对源代码语料库中存在大量噪声数据,传统方法只通过停用词表难以充分过滤噪声数据的问题,提出了面向文本特征定位问题的词性过滤算法。在预处理过程中,对所有词汇进行词性标注,过滤噪声词性的语料数据。2、“内聚耦合”结构信息驱动的加权语义相似度算法。当前文本特征定位方法中使用的索引模型可以分为两类,分别被称为“词袋”模型和词嵌入模型。针对两种模型均存在特定的优缺点,导致文本特征定位过程中的索引信息损失问题,提出了一种“内聚耦合”结构信息驱动的加权语义相似度算法。该算法以源代码构件的“内聚耦合”结构特性作为依据,集成不同索引方法进行相似度计算。3、基于区分度的加权语义相似度算法。“内聚耦合”结构信息驱动的加权语义相似度算法,在集成时受软件系统“内聚耦合”结构信息的约束。而在一些软件系统的定位任务中,系统的“内聚耦合”结构性并不明显,则该方法会失效。为解决这个问题,提出了一种基于区分度的加权语义相似度算法。该方法将索引模型生成的相似度分布情况定义为区分度,以区分度作为权值集成不同索引方法生成的相似度。4、自适应的软件系统文本特征定位过程配置方法。当前文本特征定位方法均基于传统自然语言处理和信息检索技术实现,忽略软件源代码具有区别于自然语言的文法特点,直接引用相关文本分析技术实现特征定位过程中的单元步骤。这导致现有文本特征定位过程未能体现出软件源代码数据特性,在一定程度上限制了文本特征定位方法的性能。为解决该问题,提出了一种自适应的软件系统文本特征定位过程配置方法。该方法基于遗传算法（Genetic Algorithm）实现,以小样本数据作为输入,可自动识别和配置定位性能最优的文本特征定位过程。经过单元步骤和定位过程整体两个层次的研究,论文基于软件系统源代码的特性,构建了数据特性驱动的软件系统文本特征定位方法研究。该研究将软件系统的文本特征定位问题与传统的文本信息检索问题进行区分,区别于现有文本特征定位方法直接引用现成自然语言处理和信息检索技术的做法,在文本特征定位过程中实现了对源代码数据的量体裁衣,有效提高了软件系统文本特征定位方法的定位性能。
潘万彬[8]（2015）在《CAD模型自适应方法研究》文中研究指明基于实例设计是实现产品快速创新设计的有效方法。然而,目前基于实例设计方法的使用效果尚不理想,其中一个重要的原因是检索获得的设计实例难以根据当前的设计需求进行自适应。目前,对于设计实例的修改,通常需要经过大量的人工交互才能完成,因此非常耗时,严重影响了基于实例设计方法的效率。本文以实现CAD模型实例的自适应为目标,研究如何使得以参数化特征模型和装配模型为主的CAD模型能够根据新的设计需求实现自动修改的方法,以显着提高CAD模型适应的效率和质量,进而有效改善产品在具体化设计和详细设计阶段进行基于实例设计的效果。论文的主要研究工作如下：（1）参数化特征模型自动修改针对参数化特征模型的特点,提出了面向参数化特征模型的自适应方法。首先,提出形状框架概念以及相关的量化描述符,用于确定该类模型之间的对应面；然后,采用一种尺寸约束提升机制,对参数化特征模型中的尺寸约束进行统一表示,并以此为基础来确定模型之间的对应尺寸约束和对应尺寸约束链；最后,通过尺寸值传递实现模型的自动修改。该方法能够实现参数化特征模型高质量的自动修改。（2）装配模型自动修改针对装配模型蕴含机构信息的特点,提出了面向装配模型的层次式自适应方法。首先,提出一种属性运动副图,用于确定装配模型之间的对应构件和对应接口,同时,依据该图实现装配模型的运动语义自动修改；之后,根据几何对应关系和运动语义自适应结果,采用构件布局传递的方式,实现装配模型的几何自动修改。该方法在语义和几何两个层次上实现装配模型的自动修改。（3）参数化特征模型的局部自动修改针对可重用局部的结构特点,提出了参数化特征模型的局部自适应方法。首先,基于种子面过滤算法确定局部之间的对应面；然后,采用局部三维约束图来表示每个局部的形状尺寸和定位信息；最后,基于对应面和局部三维约束图,通过尺寸传递和约束传递分别实现局部形状和定位信息的自动修改。该方法可以有效的实现参数化特征模型可重用局部的自动修改。基于上述研究内容,设计并实现了一个CAD模型自适应原型系统MAdaptation,利用该系统对本文所提出的方法进行了验证。
郝世博[9]（2015）在《数字资源互操作及服务融合中的信任管理机制研究》文中研究指明现代信息技术的飞速发展对世界各国政治、经济、社会等领域产生了全面而深刻的影响。当前时期,全面推进我国信息化和数字信息资源建设已经成为我国经济社会发展新阶段重要而紧迫的战略任务。图书馆、博物馆、档案馆等机构作为当今社会重要的公共文化服务基础设施有力推动了数字信息资源的建设与共享。众多学者开始在以图博档为代表的公共文化服务机构中探索数字资源整合及服务融合等方面的研究,并取得了阶段性成果。伴随互联网环境的形成与数字信息技术的发展普及,大量馆藏资源通过网络为用户提供超越时空的服务。如何为用户提供深层次、一体化的信息资源服务,形成知识资源的无缝集成与协同共享环境,成为近年来国内外图情领域十分关注的研究课题。当前基于开放网络的新兴分布式计算模式越来越多地出现在人们日常生活中,并开始应用于图博档等公共文化服务机构。高度自治的参与主体、复杂灵活的交互协作和多变异构的网络环境已经成为当前数字信息资源共享与服务融合过程中呈现出的典型特征。基于上述网络环境,实现充分的数字信息资源共享和安全的交互协作面临若干新的问题。信任管理机制作为当前能够有效解决分布式、开放网络环境中安全问题的核心支撑技术之一,有助于在没有足够先验知识的参与实体之间进行有效、健康协作关系的构建与维护。针对信任管理领域的相关问题,国内与国外研究人员都进行了较为广泛的研究工作,多种专用或通用信任管理模型被先后提出。然而,当前已经存在的信任管理机制或模型在应对不断涌现的新需求、新环境和新应用时,还是在信任表征、信任获取、反馈信任聚合以及信任度评估等方面表现出种种不足。本文拟从数字资源互操作和数字化服务融合用户交互的双重视角出发,为满足分布式开放环境中数字资源互操作和服务融合的安全及信任需要,在深入分析国内外现有研究成果的基础上,进行数字资源互操作信任管理机制、数字化服务融合信任协商机制等相关研究,为图博档数字资源互操作与服务融合提供安全可靠、方便快捷的网络环境。本文首先对选题意义及研究背景进行简要介绍,探析国内外相关领域的研究进展,详细阐述本研究工作中涉及的相关核心概念和基础理论,为本研究的顺利进行寻找理论依据。然后对当前信任管理和自动信任协商存在的系统架构与典型模型进行论述,深入分析现阶段信任管理机制存在的多种应用模式;针对数字资源互操作及服务融合这一研究主题,分析国内外典型的应用实践,论述数字资源互操作存在的典型应用系统,从可行性、广度和深度等方面探析数字化服务融合模式;针对当前开放、动态网络环境下数字资源互操作、数字化服务融合用户交互过程中存在的信任问题和安全需求,分别构建数字资源互操作的信任管理模型和数字化服务融合的自动信任协商模型;在数字资源互操作信任管理模型的研究中详细设计各个功能模块,并给出其中动态信任评估模型的设计原则,针对反馈信任聚合机制存在的问题进行新型反馈信任聚合机制的研究,通过仿真实验验证该机制的有效性;在数字化服务融合自动信任协商模型的研究中详细设计各个功能模块,具体论述自适应自动信任协商流程及其实例、访问控制策略描述方式、一致性校验算法、改进的策略语言逻辑结构等。最后系统归纳本文相关的研究工作,总结研究结论和研究贡献,指出本文研究工作的局限并探讨后续还需努力的研究方向。
二、一种基于关联挖掘的自适应构件检索方法（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、一种基于关联挖掘的自适应构件检索方法（论文提纲范文）
（1）面向领域中文文本信息的潜在语义分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究问题的引出 |
| 1.2 研究意义和目标 |
| 1.3 论文研究框架与内容 |
| 第2章 国内外研究现状综述 |
| 2.1 中文文本信息处理 |
| 2.2 中文词语切分预处理 |
| 2.3 中文领域术语的识别与提取 |
| 2.3.1 基于语言规则的术语识别与提取 |
| 2.3.2 基于统计的术语识别与提取 |
| 2.3.3 基于机器学习的术语识别与提取 |
| 2.3.4 中文领域术语识别与提取方法总结 |
| 2.4 形式化规范语义知识库构建 |
| 2.5 潜在语义或主题结构挖掘 |
| 2.5.1 基于词语共现的浅层语义分析 |
| 2.5.2 基于矩阵分解的潜在语义分析 |
| 2.5.3 基于主题模型的潜在语义分析 |
| 2.6 总结 |
| 第3章 领域中文文本粗分词与词性标注 |
| 3.1 基于多重哈希和改进最短路径算法的中文粗分词方案 |
| 3.1.1 多重哈希结构词典设计 |
| 3.1.2 全切分与全切分有向图构建 |
| 3.1.3 基于全切分有向图的改进K-最短路径搜索 |
| 3.1.4 系统实验与结果分析 |
| 3.2 基于隐马尔科夫模型的粗切分语义单元的词性标注 |
| 3.2.1 隐马尔科夫模型概述 |
| 3.2.2 基于隐马尔科夫模型的词性标注系统的总体框架 |
| 3.2.3 模型参数训练 |
| 3.2.4 词性标注 |
| 3.3 本章小结 |
| 第4章 中文领域术语的边界标注与识别提取 |
| 4.1 条件随机场(CRF)模型原理 |
| 4.1.1 基本思想 |
| 4.1.2 特征选择 |
| 4.1.3 模型训练 |
| 4.2 基于条件随机场的中文领域术语识别与提取 |
| 4.2.1 系统总体框架设计 |
| 4.2.2 预处理与原始特征赋值 |
| 4.2.3 特征函数设计与获取 |
| 4.2.4 模型参数估计 |
| 4.2.5 模型应用——术语边界标注 |
| 4.3 实验设计与结果分析 |
| 4.3.1 训练用语料选择 |
| 4.3.2 测试用语料选择 |
| 4.3.3 特征模板设计 |
| 4.3.4 实验结果及分析 |
| 4.4 本章小结 |
| 第5章 面向潜在语义分析的术语权重模型 |
| 5.1 术语领域权重模型与面向领域的术语甄选 |
| 5.1.1 术语的术语性 |
| 5.1.2 术语领域相关性 |
| 5.1.3 术语领域一致性 |
| 5.1.4 术语新奇性 |
| 5.1.5 基于区域分类的领域术语甄选 |
| 5.2 术语文档权重模型 |
| 5.2.1 术语文档权重模型概述 |
| 5.2.2 术语局部权重 |
| 5.2.3 术语全局权重 |
| 5.2.4 文档全局权重 |
| 5.3 实验分析 |
| 5.3.1 术语领域权重模型与领域术语甄选的实验分析 |
| 5.3.2 不同组合术语文档权重模型的实验对比分析 |
| 5.4 本章小节 |
| 第6章 基于矩阵分解的潜在语义分析 |
| 6.1 潜在语义分析概述 |
| 6.1.1 传统文本信息检索与处理存在的问题 |
| 6.1.2 潜在语义分析(LSA)的内涵 |
| 6.2 基于奇异值分解(SVD)的潜在语义分析 |
| 6.2.1 SVD的基本思想 |
| 6.2.2 与SVD等价的特征值问题 |
| 6.2.3 SVD迭代算法 |
| 6.2.4 基于SVD的潜在语义分析分析的理论解释 |
| 6.2.5 基于Σ调整的潜在语义分析方法——μ-SVD |
| 6.3 基于半离散矩阵分解(SDD)的潜在语义分析 |
| 6.3.1 SDD的基本思想 |
| 6.3.2 k-SDD的计算 |
| 6.4 基于非负矩阵分解(NMF)的潜在语义分析 |
| 6.4.1 NMF的基本思想 |
| 6.4.2 NMF的概率模型与辅助约束 |
| 6.4.3 稀疏性约束下的NMF |
| 6.5 实验分析 |
| 6.5.1 应用LSA与不应用LSA的实验对比分析 |
| 6.5.2 基于Σ调整的LSA——μ-SVD实验分析 |
| 6.5.3 不同损失函数定义下的NMF算法实验对比分析 |
| 6.5.4 基于NMF与k-Means的文本聚类实验对比分析 |
| 6.5.5 NMF方法与SVD方法的实验对比分析 |
| 6.5.6 稀疏性约束下的NMF实验对比分析 |
| 6.6 本章小节 |
| 第7章 基于主题模型的潜在语义分析 |
| 7.1 概率潜在语义分析(PLSA)模型 |
| 7.1.1 PLSA模型的基本思想 |
| 7.1.2 基于期望最大化(EM)算法的模型拟合 |
| 7.1.3 改进的模型拟合方法——退火期望最大化算法 |
| 7.1.4 PLSA与LSA的关系 |
| 7.2 潜在狄利克雷分配(LDA)模型 |
| 7.2.1 LDA模型的基本思想 |
| 7.2.2 基于变分算法的模型推理 |
| 7.2.3 基于Gibbs采样的模型推理 |
| 7.3 相关主题模型(CTM) |
| 7.3.1 CTM的基本思想 |
| 7.3.2 基于变分算法的模型推理 |
| 7.4 层次主题模型(hLDA) |
| 7.4.1 中式餐厅处理(CRP)分布 |
| 7.4.2 hLDA模型的基本思想 |
| 7.4.3 非参数hLDA |
| 7.4.4 模型推理 |
| 7.5 弹珠机分配模型(PAM) |
| 7.5.1 PAM的基本思想 |
| 7.5.2 模型推理 |
| 7.5.3 PAM与hLDA比较 |
| 7.6 实验分析 |
| 7.6.1 基于LDA模型的潜在语义分析实验 |
| 7.6.2 基于CTM模型的潜在语义分析实验 |
| 7.6.3 基于PAM模型的层次潜在主题挖掘实验 |
| 7.7 一种加权采样层次主题模型(WS-HTM)的理论框架设计 |
| 7.8 本章小节 |
| 第8章 潜在语义分析在领域文本信息处理中的应用 |
| 8.1 面向潜在语义分析的大规模稀疏矩阵实现 |
| 8.2 基于潜在语义分析的领域文本信息检索 |
| 8.2.1 压缩编码过滤 |
| 8.2.2 语义倒排索引构建 |
| 8.3 基于潜在语义分析的领域知识单元关联挖掘 |
| 8.4 基于潜在语义分析的领域文本信息聚类 |
| 8.4.1 一种基于二分k-Means的高效率文本聚类方法 |
| 8.4.2 潜在语义(主题)与聚类类目的等价性分析 |
| 8.5 基于潜在语义分析的领域文本信息可视化 |
| 8.5.1 基于潜在语义降维和坐标轴定位的可视化 |
| 8.5.2 基于层次化主题模型的潜在主题可视化 |
| 8.5.3 基于力导算法的领域知识单元网络化语义关联自适应可视化 |
| 8.6 本章小节 |
| 第9章 结束语 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间参加科研项目及发表论文情况 |
（2）一种基于关联挖掘的自适应构件检索方法（论文提纲范文）
| 1 引言 |
| 2 相关工作 |
| 3 关联规则挖掘 |
| 3.1 基本概念 |
| 3.2 挖掘频繁项集的Apriori算法 |
| 4 基于关联规则的自适应构件检索方法 |
| 4.1 带有用户反馈的自适应检索模型 |
| 4.2 基于关联挖掘的自适应学习算法 |
| 4.2.1 基本概念 |
| 4.2.2 算法描述 |
| 4.2.3 算法实例 |
| 5 实验 |
| 6 总结与展望 |
（3）基于智能主体的分布式构件库相关技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究的内容与贡献 |
| 1.3 论文结构 |
| 第二章 构件库技术概论 |
| 2.1 可复用软件构件 |
| 2.2 构件库 |
| 2.2.1 基本概念 |
| 2.2.2 构件的分类和描述问题 |
| 2.2.3 构件库相关研究 |
| 第三章 智能主体理论与分布式信息检索理论 |
| 3.1 智能主体(Intelligent Agent) |
| 3.1.1 Agent理论 |
| 3.1.2 多Agent系统 |
| 3.2 分布式信息检索 |
| 3.2.1 分布式计算与分布式信息检索 |
| 3.2.2 分布式信息检索系统实例 |
| 3.2.3 分布式信息检索的借鉴 |
| 第四章 分布式构件库ABDC的体系结构 |
| 4.1 分布式构件库的设计需求 |
| 4.2 ASM设计 |
| 4.2.1 ASM基本概念 |
| 4.2.2 分布式构件库体系结构的ASM设计 |
| 4.3 全局设计 |
| 4.3.1 系统体系结构 |
| 4.3.2 系统协作机制 |
| 4.4 公告牌系统细化设计 |
| 4.4.1 共享构件信息发布区 |
| 4.4.2 构件检索请求发布区 |
| 4.4.3 构件检索结果反馈区 |
| 4.5 门户系统架构 |
| 第五章 Agent构造 |
| 5.1 Agent结构 |
| 5.2 Agent信念的表示 |
| 5.3 Agent的通信 |
| 5.3.1 Agent通信模型 |
| 5.3.2 RACL通信语言规范 |
| 5.4 构件库偏好(Preference)的管理 |
| 5.4.1 偏好的概念 |
| 5.4.2 MA知识库的表示 |
| 5.4.3 MA的设计 |
| 5.4.4 相关研究 |
| 第六章 分布式构件检索问题 |
| 6.1 构件检索问题综述 |
| 6.1.1 构件检索技术简介 |
| 6.1.2 基于刻面描述的构件检索 |
| 6.1.3 关联规则挖掘理论 |
| 6.1.3.1 关联规则的基本概念 |
| 6.1.3.2 挖掘频繁项集的Apriori算法 |
| 6.2 基于关联规则的自适应构件检索请求优化方法 |
| 6.2.1 带有用户反馈的自适应检索模型 |
| 6.2.2 基于关联规则挖掘的自适应学习算法 |
| 6.3 异质刻面描述方案的转换 |
| 6.3.1 树匹配的基本概念 |
| 6.3.2 刻面描述的树匹配模型 |
| 6.3.3 刻面树匹配代价的算法 |
| 第七章 ADCR原型系统 |
| 7.1 课题概况 |
| 7.2 ADCR原型系统 |
| 第八章 总结与展望 |
| 8.1 论文主要贡献 |
| 8.2 进一步的研究工作 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的论文 |
（4）跨模态科技大数据的知识服务构件研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 文本实体关系抽取 |
| 1.2.2 图像深度特征提取 |
| 1.2.3 跨模态统一语义表示 |
| 1.2.4 语义关联关系挖掘 |
| 1.3 研究内容 |
| 1.3.1 跨模态科技大数据的获取与预处理 |
| 1.3.2 跨模态科技大数据的关联映射学习方法与统一语义表示 |
| 1.3.3 跨模态科技大数据的语义关联关系挖掘和演进规律分析 |
| 1.3.4 跨模态科技大数据的知识服务构件系统实现 |
| 1.4 论文总体结构 |
| 第二章 相关技术 |
| 2.1 命名实体识别 |
| 2.1.1 卷积神经网络 |
| 2.1.2 长短期记忆人工神经网络 |
| 2.2 实体关系抽取 |
| 2.2.1 词嵌入模型 |
| 2.3 演进规律分析算法 |
| 2.3.1 基于人工神经网络的演进规律分析算法 |
| 2.3.2 基于K-means聚类的演进规律分析算法 |
| 2.3.3 基于凝聚层次聚类的演进规律分析算法 |
| 2.4 本章小结 |
| 第三章 跨模态科技大数据的获取与预处理 |
| 3.1 科技需求文本数据深度特征提取与表达 |
| 3.1.1 基于科技需求附加特征的科技需求标题文本语义扩展算法(SDSSE)的提出 |
| 3.1.2 基于深度特征降维网络的文本特征抽取 |
| 3.2 科技需求图像数据深度特征提取与表达 |
| 3.2.1 基于改进的残差密集网络模型 |
| 3.2.2 引入空间金字塔池化层 |
| 3.3 实验结果及分析 |
| 3.3.1 数据集描述 |
| 3.3.2 基于SDSSE算法的短文本语义扩展实验 |
| 3.3.3 科技需求文本特征抽取实验 |
| 3.3.4 科技需求图像深度特征提取与表达实验 |
| 3.4 本章小结 |
| 第四章 跨模态科技大数据的关联映射学习与统一语义表示 |
| 4.1 跨模态科技大数据深度映射(DMCT)算法总体框架 |
| 4.2 跨模态科技大数据深度映射(DMCT)算法的提出 |
| 4.2.1 问题描述 |
| 4.2.2 统一语义表示 |
| 4.2.3 损失函数 |
| 4.2.4 联合量化算法 |
| 4.3 实验结果及分析 |
| 4.3.1 数据集描述 |
| 4.3.2 评价指标 |
| 4.3.3 同模态检索实验 |
| 4.3.4 跨模态检索实验 |
| 4.4 本章小结 |
| 第五章 跨模态科技大数据的语义关联关系挖掘和演进规律分析 |
| 5.1 基于多通道注意力的科技需求大数据实体关系抽取(MCMA)算法的提出 |
| 5.1.1 基于多通道注意力的科技需求大数据实体关系抽取(MCMA)算法总体框架 |
| 5.1.2 科技需求大数据双向长短期记忆网络层 |
| 5.1.3 科技需求大数据多通道注意力机制层 |
| 5.2 基于图团体检测的科技大数据演进规律分析 |
| 5.2.1 基于科技需求数据的双连通群组生成算法 |
| 5.2.2 基于科技需求数据的图团体检测算法 |
| 5.3 实验结果及分析 |
| 5.3.1 数据集描述 |
| 5.3.2 关联关系挖掘实验 |
| 5.3.3 演进规律分析评估 |
| 5.4 本章小结 |
| 第六章 跨模态科技大数据的知识服务构件系统实现 |
| 6.1 系统描述 |
| 6.1.1 系统功能与目标 |
| 6.1.2 系统总体设计 |
| 6.1.3 系统数据库设计 |
| 6.1.4 系统开发环境与运行环境 |
| 6.2 系统实现 |
| 6.2.1 跨模态科技需求数据精准检索模块的实现 |
| 6.2.2 跨模态科技需求关联关系查询功能模块的实现 |
| 6.2.3 科技实体演进规律分析模块的实现 |
| 6.3 系统测试 |
| 6.3.1 系统测试环境 |
| 6.3.2 系统界面 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文猷 |
| 致谢 |
| 攻读学位期间研究成果 |
（5）基于需求-服务匹配的服务解决方案构造优化方法（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 相关问题的研究现状 |
| 1.2.1 软件服务开发方法论 |
| 1.2.2 服务推荐方法 |
| 1.2.3 服务选择与组合方法 |
| 1.2.4 基于先验知识的服务复用方法 |
| 1.2.5 有待深入研究的问题 |
| 1.3 课题来源及主要研究内容 |
| 1.4 论文章节安排 |
| 第2章 “需求-工程”两段式服务开发范型 |
| 2.1 RE2SEP范型概述 |
| 2.2 RE2SEP相关定义 |
| 2.2.1 面向服务的需求工程 |
| 2.2.2 面向领域的服务工程 |
| 2.3 RE2SEP范型的元模型 |
| 2.3.1 形式化描述 |
| 2.3.2 不同需求类型下的优化方法 |
| 2.4 面向服务方法论的对比和分析 |
| 2.4.1 评判标准 |
| 2.4.2 通用特性的比较和分析 |
| 2.4.3 服务相关特性的比较 |
| 2.5 本章小结 |
| 第3章 基于模式匹配和时间间隔预测的服务推荐 |
| 3.1 问题背景与求解策略 |
| 3.2 服务推荐相关定义 |
| 3.3 基于相似用户的潜在需求模式发现 |
| 3.4 面向时序的服务模式挖掘 |
| 3.5 基于候选服务和时间间隔预测的服务推荐 |
| 3.5.1 基于模式匹配的候选服务识别 |
| 3.5.2 基于时间间隔张量的时序偏好建模 |
| 3.5.3 基于候选服务和时间间隔预测的服务推荐 |
| 3.6 实验与分析 |
| 3.6.1 基于模式匹配的候选服务识别 |
| 3.6.2 基于候选服务和时间间隔预测的服务推荐 |
| 3.7 本章小结 |
| 第4章 基于需求-服务概率矩阵的服务选择 |
| 4.1 问题背景与求解策略 |
| 4.2 服务选择相关定义 |
| 4.3 基于模糊聚类和天际线的质量需求模式发现 |
| 4.4 面向质量的服务模式挖掘 |
| 4.5 基于需求-服务概率矩阵的服务选择 |
| 4.5.1 需求-服务概率矩阵的构建方法 |
| 4.5.2 基于需求-服务概率矩阵的人工蜂群算法 |
| 4.5.3 服务选择算法的参数优化 |
| 4.6 实验与分析 |
| 4.6.1 基于需求-服务概率矩阵的服务选择 |
| 4.6.2 服务选择方法的参数优化 |
| 4.7 本章小结 |
| 第5章 基于模式偶对矩阵的服务组合 |
| 5.1 问题背景与求解策略 |
| 5.2 服务组合相关定义 |
| 5.3 基于语义相似性和关联性的功能需求模式发现 |
| 5.3.1 基于领域本体的服务功能语义对齐 |
| 5.3.2 基于形式概念分析的功能需求模式发现 |
| 5.4 面向功能的服务模式挖掘 |
| 5.5 基于模式偶对矩阵的服务组合 |
| 5.5.1 模式偶对矩阵的构建 |
| 5.5.2 基于模式偶对矩阵的服务解决方案生成 |
| 5.5.3 基于启发式反向搜索的服务解决方案优化 |
| 5.6 实验与分析 |
| 5.6.1 数据集简介 |
| 5.6.2 实验结果对比和分析 |
| 5.6.3 模式选择策略的影响及分析 |
| 5.7 整体案例验证 |
| 5.8 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（6）深度不确定性背景下的施工过程环境影响仿真与优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与问题的提出 |
| 1.1.1 研究背景 |
| 1.1.2 问题的提出 |
| 1.2 研究的目的及意义 |
| 1.2.1 研究的目的 |
| 1.2.2 研究的意义 |
| 1.3 国内外研究现状及评述 |
| 1.3.1 建筑环境影响研究现状及分析 |
| 1.3.2 建筑多目标优化研究现状及分析 |
| 1.3.3 施工不确定性决策研究现状及分析 |
| 1.3.4 国内外文献评述 |
| 1.4 研究内容和研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 第2章 深度不确定性施工环境仿真与优化理论分析 |
| 2.1 环境影响内涵与来源分析 |
| 2.1.1 环境影响的内涵 |
| 2.1.2 施工潜在环境影响源分析 |
| 2.2 环境影响计量理论分析 |
| 2.2.1 产品生命周期理论 |
| 2.2.2 离散事件系统与仿真理论 |
| 2.3 施工过程优化技术分析与比较 |
| 2.3.1 施工多目标决策背景分析 |
| 2.3.2 元启发式算法比较分析 |
| 2.4 集成学习算法与算法设置 |
| 2.5 深度不确定性分析相关理论 |
| 2.5.1 深度不确定性理论 |
| 2.5.2 鲁棒决策方法 |
| 2.5.3 拉丁超立方抽样 |
| 2.5.4 耐心规则归纳法 |
| 2.6 深度不确定性施工环境仿真与优化的理论框架 |
| 2.7 本章小结 |
| 第3章 基于施工过程仿真的环境影响不确定性计量 |
| 3.1 施工环境影响特性分析 |
| 3.1.1 施工环境影响源确定 |
| 3.1.2 施工推进过程的环境影响产生 |
| 3.2 施工环境影响计量准备工作 |
| 3.2.1 施工过程工序分解 |
| 3.2.2 不确定性影响下的施工项目和环境计量数据 |
| 3.3 离散事件仿真和生命周期评价耦合模型 |
| 3.3.1 耦合模型的总体框架 |
| 3.3.2 施工过程仿真 |
| 3.3.3 环境影响不确定计量 |
| 3.3.4 施工决策支持与数据通道 |
| 3.4 本章小结 |
| 第4章 嵌入学习模型的施工过程环境影响优化 |
| 4.1 施工多目标优化的决策环境分析 |
| 4.1.1 施工目标分析 |
| 4.1.2 施工决策抽象 |
| 4.2 经典“仿真-优化”模型与施工适应性分析 |
| 4.2.1 经典“仿真-优化”模型 |
| 4.2.2 模型的施工适应性分析 |
| 4.3 嵌入学习模型的“仿真-学习-优化”改进模型 |
| 4.3.1 改进模型整体框架设计 |
| 4.3.2 施工样本库生成 |
| 4.3.3 集成学习模型建立 |
| 4.3.4 集成学习模型与粒子群算法的耦合优化 |
| 4.3.5 帕累托方案精炼 |
| 4.4 改进模型与经典模型的比较测试 |
| 4.4.1 测试案例基本情况 |
| 4.4.2 衡量指标与比较结果 |
| 4.5 结果与方法讨论 |
| 4.6 本章小结 |
| 第5章 深度不确定性的施工环境优化决策鲁棒性分析 |
| 5.1 施工活动的深度不确定性决策环境分析 |
| 5.1.1 内部不确定性 |
| 5.1.2 外部不确定性 |
| 5.2 施工多目标帕累托解的鲁棒性 |
| 5.2.1 施工方案的鲁棒性内涵 |
| 5.2.2 鲁棒性度量方法 |
| 5.2.3 不确定性影响下的施工鲁棒性表现测试 |
| 5.3 深度不确定性背景施工决策鲁棒性分析模型 |
| 5.3.1 决策鲁棒性分析模型框架 |
| 5.3.2 不确定性因素识别和概率重构 |
| 5.3.3 基于拉丁超立方抽样的深度不确定性情景库生成 |
| 5.3.4 帕累托解不确定情景模拟和鲁棒性度量 |
| 5.3.5 基于耐心规则归纳法的脆弱性识别 |
| 5.4 本章小结 |
| 第6章 系统构建与工程应用 |
| 6.1 DES-pLCA模型系统 |
| 6.2 “仿真-学习-优化”模型系统 |
| 6.3 深度不确定性决策分析系统 |
| 6.4 工程应用 |
| 6.4.1 案例施工项目背景 |
| 6.4.2 DES-pLCA仿真模型建立 |
| 6.4.3 基于“仿真-学习-优化”的多目标优化 |
| 6.4.4 深度不确定性决策分析 |
| 6.5 结果与方法讨论 |
| 6.6 本章小结 |
| 结论 |
| 附录 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（7）数据特性驱动的软件系统文本特征定位方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外发展现状 |
| 1.3 存在问题 |
| 1.4 研究内容 |
| 1.5 论文结构 |
| 第二章 背景知识 |
| 2.1 软件系统文本特征定位方法基本框架 |
| 2.1.1 构建语料库 |
| 2.1.2 预处理 |
| 2.1.3 索引 |
| 2.1.4 获取结果 |
| 2.2 “词袋”模型和词嵌入模型 |
| 2.2.1 “词袋”模型 |
| 2.2.2 词嵌入模型 |
| 2.3 遗传算法 |
| 2.4 本章小结 |
| 第三章 面向文本特征定位问题的词性过滤算法 |
| 3.1 研究背景 |
| 3.2 面向文本特征定位问题的词性过滤算法 |
| 3.3 实验验证 |
| 3.3.1 实验数据集 |
| 3.3.2 评价标准 |
| 3.3.3 实验过程 |
| 3.3.4 实验结果 |
| RQ 3.1 词性过滤算法是否能够提升词嵌入模型方法的特征定位性能?能够提升多少性能? |
| RQ 3.2 词性过滤算法是否能够提升“词袋”模型方法的特征定位性能?能够提升多少性能? |
| RQ 3.3 对语料库进行词性标注后,各种词性的单词数量占比多少? |
| 3.4 本章小结 |
| 第四章 “内聚耦合”结构信息驱动的加权语义相似度算法 |
| 4.1 研究背景 |
| 4.2 “内聚耦合”结构信息驱动的加权语义相似度算法 |
| 4.3 实验验证 |
| 4.3.1 实验数据集 |
| 4.3.2 评价标准 |
| 4.3.3 实验过程 |
| 4.3.4 实验结果 |
| RQ4.1 本章提出的加权语义相似度算法是否能够在现有方法基础上提升定位性能?能够提升多少性能? |
| RQ4.2 索引方法对源代码内聚耦合性的符合程度是否与索引方法定位性能的分布一致? |
| 4.4 本章小结 |
| 第五章 基于区分度的加权语义相似度算法 |
| 5.1 研究背景 |
| 5.2 基于区分度的加权语义相似度算法 |
| 5.3 实验验证 |
| 5.3.1 实验数据集 |
| 5.3.2 评价标准 |
| 5.3.3 实验过程 |
| 5.3.4 实验结果 |
| RQ 5.1 本章提出的加权语义相似度算法在文本特征定位问题中性能表现如何? |
| RQ 5.2 本章方法在集成时的权值分布情况如何? |
| 5.4 本章小结 |
| 第六章 自适应的软件系统文本特征定位过程配置方法 |
| 6.1 研究背景 |
| 6.2 自适应的软件系统文本特征定位过程配置方法 |
| 6.2.1 定位过程编码 |
| 6.2.2 适应度函数选择 |
| 6.2.3 定位过程适应解码 |
| 6.2.4 过程选择算子 |
| 6.2.5 过程交叉算子 |
| 6.2.6 过程变异算子 |
| 6.2.7 解码 |
| 6.3 实验验证 |
| 6.3.1 实验目的 |
| 6.3.2 实验数据及环境 |
| 6.3.3 实验过程 |
| RQ 6.1 是否存在普适于所有数据集的最优文本特征定位过程配置? |
| RQ 6.2 本章方法在定位性能最优的文本特征定位过程配置问题上有何优势? |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 下一步工作 |
| 参考文献 |
| 攻读博士学位期间完成的科研成果 |
| 致谢 |
（8）CAD模型自适应方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 CAD技术 |
| 1.2.1 CAD技术简介 |
| 1.2.2 CAD技术发展趋势 |
| 1.3 基于实例设计中的适应方法 |
| 1.4 三维模型适应相关方法研究 |
| 1.4.1 三维模型几何对应关系的自动确定方法 |
| 1.4.2 基于几何对应关系的设计需求自动传递方法 |
| 1.5 CAD模型自适应存在的问题 |
| 1.6 本文的研究目标及研究内容 |
| 第2章 参数化特征模型自适应 |
| 2.1 引言 |
| 2.2 基本概念和方法概述 |
| 2.2.1 基本概念 |
| 2.2.2 方法概述 |
| 2.3 对应形状框架和对应面的自动确定 |
| 2.3.1 有序面组描述符的自动构造 |
| 2.3.2 有序面组的相似度评价 |
| 2.3.3 基于启发式过滤的几何对应关系确定 |
| 2.4 基于三维尺寸约束图的形状自动传递 |
| 2.4.1 尺寸约束提升 |
| 2.4.2 三维尺寸约束图的构造 |
| 2.4.3 对应尺寸约束和对应尺寸约束链的确定 |
| 2.4.4 基于尺寸关联关系的参数值自动传递 |
| 2.5 实例演示和分析比较 |
| 2.5.1 实例演示 |
| 2.5.2 分析与比较 |
| 2.6 本章小结 |
| 第3章 装配模型自适应 |
| 3.1 引言 |
| 3.2 基本概念和方法概述 |
| 3.2.1 基本概念 |
| 3.2.2 方法概述 |
| 3.3 对应构件和对应接口的自动确定 |
| 3.3.1 属性运动副图的构造 |
| 3.3.2 基于启发式子图匹配的几何对应关系的确定 |
| 3.4 基于属性运动副图的装配模型运动语义自适应 |
| 3.4.1 修改不一致运动语义 |
| 3.4.2 合并新的运动语义 |
| 3.5 基于构件布局传递的装配模型几何自适应 |
| 3.5.1 构件和接口的自动更改 |
| 3.5.2 对应构件之间对应几何元素的自动确定 |
| 3.5.3 对应构件形状的自动传递 |
| 3.5.4 直接接口复制 |
| 3.5.5 基于接口布局传递的构件布局自动传递 |
| 3.6 实例演示与分析比较 |
| 3.6.1 实例演示 |
| 3.6.2 分析比较 |
| 3.7 本章小结 |
| 第4章 参数化特征模型的局部自适应 |
| 4.1 引言 |
| 4.2 基本概念和方法概述 |
| 4.2.1 基本概念 |
| 4.2.2 方法概述 |
| 4.3 基于种子面的快速局部面对应关系确定算法 |
| 4.4 采用局部三维约束图的局部形状需求自动传递 |
| 4.4.1 局部三维约束图 |
| 4.4.2 局部形状自动传递 |
| 4.4.3 局部定位信息自动传递 |
| 4.4.4 实例局部的自动重建 |
| 4.5 实例演示与分析比较 |
| 4.5.1 实例演示 |
| 4.5.2 分析比较 |
| 4.6 本章小结 |
| 第5章 CAD模型自适应原型系统 |
| 5.1 引言 |
| 5.2 系统环境 |
| 5.3 系统架构 |
| 5.3.1 参数化特征模型自适应模块 |
| 5.3.2 装配模型自适应模块 |
| 5.3.3 参数化特征模型的局部自适应模块 |
| 5.3.4 MAdaptation用户接口 |
| 5.4 系统界面 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间主要的研究成果 |
| 致谢 |
（9）数字资源互操作及服务融合中的信任管理机制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究综述 |
| 1.2.1 数字资源建设、共享与整合 |
| 1.2.2 国内外LAM研究 |
| 1.2.3 信任管理研究 |
| 1.2.4 总结 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 框架结构 |
| 第2章 相关概念及理论基础 |
| 2.1 相关概念阐述 |
| 2.1.1 互操作 |
| 2.1.2 服务融合 |
| 2.1.3 信任的定义 |
| 2.1.4 信任的属性 |
| 2.2 理论基础 |
| 2.2.1 系统论 |
| 2.2.2 协同论 |
| 2.2.3 知识组织理论 |
| 2.3 本章小结 |
| 第3章 信任管理机制及应用模式分析 |
| 3.1 信任管理 |
| 3.1.1 定义 |
| 3.1.2 信任管理模型 |
| 3.1.3 凭证信任管理系统 |
| 3.1.4 行为信任管理模型 |
| 3.2 自动信任协商 |
| 3.2.1 定义 |
| 3.2.2 自动信任协商基本概念 |
| 3.2.3 现有自动信任协商系统 |
| 3.3 信任管理机制应用模式分析 |
| 3.3.1 P2P网络信任管理 |
| 3.3.2 普适计算信任管理 |
| 3.3.3 网格计算信任管理 |
| 3.3.4 Ad hoc网络信任管理 |
| 3.3.5 电子商务信任管理 |
| 3.4 本章小结 |
| 第4章 数字资源互操作及服务融合模式分析 |
| 4.1 国内外应用实践分析 |
| 4.1.1 Europeana |
| 4.1.2 世界数字图书馆 |
| 4.1.3 美国IMLS支持项目实践 |
| 4.1.4 CALIS |
| 4.2 数字资源互操作模式探析 |
| 4.2.1 数字资源整合原则与方法 |
| 4.2.2 Metalib with SFX系统 |
| 4.2.3 MAP系统 |
| 4.2.4 TPI系统及USP平台 |
| 4.2.5 数字资源互操作典型系统总结 |
| 4.3 数字化服务融合模式探析 |
| 4.3.1 数字化服务融合的可行性分析 |
| 4.3.2 数字化服务融合的广度分析 |
| 4.3.3 数字化服务融合的深度分析 |
| 4.4 跨域环境下安全互操作的实践分析 |
| 4.4.1 安全检测实施维度下的互操作 |
| 4.4.2 协作架构维度下的互操作 |
| 4.4.3 建模辅助维度下的互操作 |
| 4.5 本章小结 |
| 第5章数字资源互操作中的信任管理研究 |
| 5.1 OAI-PMH协议 |
| 5.2 数字化协作模式构建 |
| 5.3 数字化协作模式面临的问题 |
| 5.4 数字资源互操作信任管理模型构建 |
| 5.4.1 动态信任管理的内涵 |
| 5.4.2 LAM信任管理模型构建 |
| 5.4.3 动态信任评估模型的设计原则 |
| 5.5 动态信任评估算法设计 |
| 5.5.1 传统反馈信任聚合机制研究 |
| 5.5.2 新型反馈信任聚合机制研究 |
| 5.5.3 仿真实验及结果分析 |
| 5.6 本章小结 |
| 第6章 数字化服务融合的信任协商研究 |
| 6.1 信任协商策略需求 |
| 6.2 LAM-AATN模型构建 |
| 6.3 LAM-AATN信任协商流程 |
| 6.4 LAM-AATN信任协商实例研究 |
| 6.5 LAM-AATN一致性校验研究 |
| 6.5.1 访问控制策略描述研究 |
| 6.5.2 一致性校验算法研究 |
| 6.6 LAM-AATN策略语言研究 |
| 6.6.1 策略语言功能需求 |
| 6.6.2 LAM-AATN-Jess策略语言 |
| 6.6.3 LAM-AATN-Jess语法结构 |
| 6.7 本章小结 |
| 第7章 总结与展望 |
| 7.1 研究结论与贡献 |
| 7.1.1 研究结论 |
| 7.1.2 研究贡献 |
| 7.2 研究不足与展望 |
| 7.2.1 研究不足 |
| 7.2.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间科研成果 |
| 致谢 |
四、一种基于关联挖掘的自适应构件检索方法（论文参考文献）
- [1]面向领域中文文本信息的潜在语义分析研究[D]. 岑咏华. 南京大学, 2010(05)
- [2]一种基于关联挖掘的自适应构件检索方法[J]. 薛云皎,钱乐秋,花鸣,张天戈,杨珉. 电子学报, 2004(S1)
- [3]基于智能主体的分布式构件库相关技术研究[D]. 薛云皎. 复旦大学, 2006(02)
- [4]跨模态科技大数据的知识服务构件研究[D]. 黄恩一. 北京邮电大学, 2021(01)
- [5]基于需求-服务匹配的服务解决方案构造优化方法[D]. 刘睿霖. 哈尔滨工业大学, 2020
- [6]深度不确定性背景下的施工过程环境影响仿真与优化研究[D]. 冯凯伦. 哈尔滨工业大学, 2019
- [7]数据特性驱动的软件系统文本特征定位方法研究[D]. 何云. 云南大学, 2019
- [8]CAD模型自适应方法研究[D]. 潘万彬. 浙江大学, 2015(10)
- [9]数字资源互操作及服务融合中的信任管理机制研究[D]. 郝世博. 南京大学, 2015