一、一种基于数据挖掘思想的专家系统推理机制（论文文献综述）
陈秋瑾[1]（2021）在《基于微服务架构与知识图谱技术构建无人机知识库系统》文中认为近年来,随着无人机技术的飞速发展以及逐年上涨的市场需求,无人机在各领域得到广泛应用且发挥着重要作用。随着“互联网+”时代的到来以及大数据技术的迅速发展,互联网中信息数据呈现指数增长趋势,如何在信息爆炸的时代获取所需的有效信息成为亟待解决的问题。本文采用B/S服务器模式,以分布式微服务架构为基础,基于分布式及增量式爬虫技术获取互联网中与无人机等应用领域相关的海量数据,采用自然语言处理、知识图谱、机器学习等算法从海量的非结构化文本数据中提取挖掘隐含及潜在价值知识,并利用Echarts组件及知识图谱等算法进行可视化分析,最后形成定制化的无人机知识库。主要研究内容如下:（1）知识获取及存储技术。系统以Scrapy为爬虫框架,采用分布式结合增量式爬虫技术从互联网中高效地获取无人机行业相关的海量数据;采用Redis高速缓存数据库存储爬取的URL网址,结合My SQL关系型数据库稳定地存储最终得到的结构化数据。（2）系统构建流程及架构设计。利用云计算技术的大数据管理平台,基于分布式服务器与大数据技术搭建系统,采用自底向上为主、自顶向下为辅的方式构建知识库;由于系统爬取任务量的增加及分布式服务器的需求,系统的架构也由最初的SMM单体式架构优化升级为Spring Cloud分布式微服务架构,以提高系统的扩展性及移植性。（3）数据提取及知识抽取技术。采用类机器学习机制半自动化地提取非结构化文本数据,通过构建自定义的规则库训练样本数据,提取出标签以匹配提取出的结构化数据;并利用自然语言处理等算法从获取的文本数据中提取关键句并生成文章的摘要信息;通过知识图谱等算法实现对获取的文本数据的知识抽取,最终抽取出结构化的知识元加入进知识库中,以实现知识库的知识发现与知识挖掘功能。（4）知识表示及数据可视化分析。采用知识树形式进行知识表示,并采用Echarts技术、知识图谱等可视化技术对获取及处理后的数据进行数据可视化分析,并以各类统计图表、关键字云图、机构同现及作者同现图等形式展现,直观清晰地展示无人机等行业领域的研究现状与发展趋势。
龚汉鑫[2]（2021）在《基于波动向量的时序数据状态分析及专家系统模型的构建》文中认为伴随互联网浪潮推动相关行业朝着工业智能化、信息数据化飞速发展,各行各业产生并积累了海量数据,其数据量呈现出了指数级的上升趋势,信息时代步入了大数据时代。作为大数据研究的重要分支,时序数据分析能够获取系统运行中的关键信息,在各行业中具有广泛应用前景,在国内外相关领域研究中受到了诸多关注。突变点检测技术能够从整体数据快速定位到突变点,根据突变点位置信息分析数据波动原因。由于传统的数据流突变点检测技术在处理大规模时序数据时,存在耗时较高、抗干扰能力较弱等问题,不能有效的满足数据流检测的需求。为了有效提高时序数据病变状态的快速分析等问题,本文基于多路搜索数（TSTKS）突变点检测算法与滑动窗口相结合的方法,给出了多突变点的快速检测模型;采用波动向量的模板匹配与隶属度解析方法,提出了一种时序数据快速分析与状态诊断的系统架构;基于癫痫等病变条件下的时序数据,初步构建病变数据状态分析的专家系统模型,实现数据异常状态检测,癫痫病变状态分类,以及病变诊断的异常检测。首先,基于TSTKS突变点检测算法与滑动窗口相结合的方法,给出了多突变点的快速检测模型。通过TSTKS算法多突变点检测模型提取每个窗口波动量作为窗口分布特征,将多个连续波动量定义为波动向量,提出了基于波动向量的模板匹配与隶属度解析算法对异常时序数据快速检测和分析。其次,采用波动向量的模板匹配与隶属度解析方法,提出了一种时序数据快速分析与状态诊断的系统架构。根据癫痫脑电信号在发病状态的波动特征不同,选取实际癫痫数据进行实验,采用波动向量的模板匹配与隶属度解析的方法对癫痫脑电信号的不同病变状态建立对应的标准模板库,对癫痫病变数据快速检测,通过与基于相关系数和基于Manhattan距离的模板匹配方法进行对比分析。最后,基于脑癫痫等病变条件下的时序数据,初步构建病变数据状态分析的专家系统模型。基于波动向量的模板匹配与隶属度解析方法和基于病变状态的多分类研究的基础上,构建了一个基于病变状态分析的专家系统模型,设计癫痫疾病诊断专家系统模型的知识库和推理机制,实现对大规模病变数据的快速检测及局部病变状态的分类,应用于辅助病理分析诊断。通过仿真实验数据确定了最佳的滑动窗口宽度与波动向量维度的大小关系,验证了波动向量作为时序数据状态快速检测的可行性。实验结果表明,本文提出的模板匹配方法更具有优势,检测效果更佳。此外,针对癫痫患者的三种主要的癫痫病变状态,引入支持向量机多分类器进行病变状态的特征提取,实现病变状态的分类。实验表明,该方法对癫痫病变数据的状态分类效果显着,能够在很短的时间内快速定位病变数据以及对其病变状态进行准确推理诊断,可用于辅助医师进行病理分析诊断。
刘贺[3]（2021）在《基于数据挖掘的工程造价数据库设计研究》文中研究说明信息化和造价改革的发展推动了工程造价数据积累,使之成为实现工程造价领域可持续发展的必然趋势,工程造价数据库也引起了众多造价咨询企业的关注。然而通过调查发现,绝大多数造价咨询企业还未建立起自己的造价数据库,仍停留在依靠人的经验积累、普通计算机的表格化存储归档,这种传统表格化的数据积累方式不利于调查取阅和使用,无法盘活数据资产,导致数据价值低。究其原因主要有三方面:一是由于原始造价数据资料多、形式多样,导致数据噪声高、入库数据体系不明晰;二是由于造价咨询企业形成的数据往往存储于不同电子表格中,无法实现数据的集成对比,落后的数据存储与处理方式导致造价咨询企业对数据的深入分析缺乏系统性的方案设想;三是即使使用数据库,但由于信息化程度低,导致只能够为固定项目查阅资料使用,很难发挥历史数据价值为新建项目提供参考。基于以上问题,本文进行以下三方面的研究。第一,基于原始性挖掘完成了结构化数据库表单的设计。首先通过实际应用研究及信息沉淀法得出原始性挖掘的指标体系,然后根据主次因素分析、文献分析筛选出影响工程造价指标的特征因素。借鉴层次分析法建立工程造价指标的重要特征因素集,从而建立起结构化的数据库表单,为后续数据库的分析预测提供数据基础。第二,基于描述性挖掘完成了数据库分析功能的设计。首先对入库数据采用格拉布斯法进行噪声数据清洗并将其转化为适合数据挖掘的高质量数据;然后根据预处理后的数据构建数据立方体设计数据库多维分析功能,设计输入输出参数化表格实现经济描述功能,设计图表实现数据库可视化功能。第三,基于预测性挖掘完成了数据库预测功能的设计。首先通过文献研究各种预测方法的优缺点、适用性,确定案例推理技术作为数据库的预测系统。然后借鉴案例推理系统建立预测性挖掘模型,明确其实现步骤,并以案例进行实证分析,确保建立的预测模型科学合理、数据库的预测功能具有实现可能性。综上,本文基于数据挖掘技术,采用各种研究方法基本实现了按规则识别排原始造价信息,建立结构化数据库表单;提出科学高效的描述性分析处理方案及具体的预测性挖掘算法,从而系统性地设计了工程造价数据库的分析及预测功能,为工程造价咨询企业建立起自己的工程造价数据库提供理论及实践方案支撑。
王艾[4]（2021）在《面向决策支持的变尺度聚类分析技术》文中指出本论文针对运用跨行业数据挖掘标准流程（CRISP-DM）建设决策分析系统所面临的数据结构确定问题、分析层次转换问题和分析结果检验问题,研究基础业务数据尺度的确定、决策分析过程中的变尺度数据分析机制和基于变尺度数据分析的数据挖掘应用技术。基于数据挖掘的决策分析系统建设与运行面临的问题包括:（1）决策分析的数据结构确定问题。运用CRISP-DM建设决策分析系统的首要任务是明确业务分析需求的数据分析主题,并建立能够支撑分析主题的数据结构,这对数据挖掘算法的效率和结果质量具有重要影响。（2）决策分析层次转换问题。由于管理业务本身具有多层次特征,确定业务数据的合理分析层次,是降低决策复杂度和提升决策结果质量的关键,并且管理人员为达到合理决策的目标,决策分析需要在不同的分析层次间进行转换,才能够完成数据的综合分析,这本质上是业务数据分析层次的转换。（3）决策分析结果检验问题。分析结果的检验是保证决策分析结果在不同层次上具有一致性的依据,是检验决策分析过程结束的衡量标准。基于上述实际问题,本论文所研究的科学问题包括:（1）基础业务数据尺度的确定。研究决策分析所需要的多层次数据表征方法,针对分类变量数据、二值变量数据、数值变量数据三种原始业务数据类型的特点,确定基础业务数据的尺度结构,为变尺度数据分析建立完备的数据结构基础。（2）决策分析过程中的变尺度数据分析机制。模拟管理人员进行决策分析层次转换时的思维过程,以提升决策结果质量为目标,研究基于数据挖掘结果的数据尺度变换机制,并且考虑不同原始业务数据类型对数据尺度变换模式的影响,实现业务数据合理分析层次的自动化识别和转换,建立基于数据尺度变换的自动化决策分析机制。（3）基于变尺度数据分析的数据挖掘应用技术。以北京毅道体育发展有限公司、新浪微博社交网络平台和中国运载火箭技术研究院物流中心实际管理业务为背景,研究尺度变换机制的应用技术。本研究的创新性成果主要包括:（1）建立了面向决策问题空间表征的多尺度业务数据模型,该模型能合理描述决策问题所有候选分析层次的基础业务数据尺度组成及结构关系,为实现决策分析层次转换提供完备的数据结构。现有研究中数据结构模型将业务数据采集时的初始数据尺度直接作为用于数据挖掘的基础数据尺度,导致该单一尺度数据模型无法支持决策分析的多层次和层次转换需求。（2）提出了面向理性决策思维过程的数据尺度变换策略和尺度变换机制,该机制能基于决策分析结果确定合理的数据分析层次和数据尺度变换路径。现有研究中数据挖掘执行过程在出现数据挖掘算法结果与决策分析层次不匹配问题时,只能依靠分析人员来主观完成业务数据分析层次的转换工作。本研究成果对CRISP-DM的“数据准备-分析模型建立-分析结果评价”过程建立核心数据挖掘环节的自动化数据尺度变换机制,能够针对数据挖掘评价结果来迭代修正数据准备和建模中的业务数据分析层次,并且通过量化多尺度业务数据模型中不同属性的尺度变换价值来优化数据尺度变换策略。（3）提出了面向决策分析结果检验的变尺度聚类分析方法,其中尺度变换定理和满意类一致定理保证了决策分析过程中的尺度变换的正确性。通过对比实验证明了变尺度聚类分析方法的聚类结果有效性,且结果对方法的初始参数不敏感。针对上述提出的变尺度聚类分析方法,本论文对三种实际管理业务场景开展了应用拓展研究,具体包括:①针对分类变量数据且具有多重复值特征的决策分析问题,提出了具有多重复值分类变量数据的变尺度聚类分析技术。北京毅道体育发展有限公司的赛事数据实验结果表明该方法能够很好地辅助制定参赛选手差异化管理方案;②针对分类变量及二值变量混合数据的决策分析问题,提出了具有分类变量及二值变量混合数据的变尺度聚类分析技术。新浪微博社交网络平台的客户数据实验结果表明该方法能够很好地辅助制定客户差异化营销方案;③针对考虑业务数据时效性的数值变量数据决策分析问题,提出了考虑业务数据时效性的数值变量数据变尺度聚类分析技术。中国运载火箭技术研究院物流中心的航天型号物资库存数据实验结果表明该方法能够很好地辅助制定航天型号物资差异化库存管理方案。
胡亚楠[5]（2020）在《强碱三元复合驱储层结垢智能预测方法研究》文中提出复合驱油技术是一种大幅提高采收率的手段,矿场试验表明,对比水驱,强碱三元复合驱的增油控水效果明显,与水驱相比可提高采收率20%以上。伴随着强碱三元复合驱替体系注入地层,其与地层流体以及岩石矿物发生物化反应,打破了原流体和岩石矿物间的物化平衡状态,使得地下流体中离子组成和含量发生变化,最终产生结垢现象,导致储层部分孔隙堵塞,影响了波及效率和驱替效率,降低了采收率;同时随着含垢地层流体的运移造成采出井举升设备生产运行中常发生螺杆泵杆断、泵漏失以及抽油泵频繁卡泵等故障,严重威胁原油开采的正常进行。因此,预测储层结垢类型与结垢趋势成为有效实施清防垢作业的保障。目前,基于物化模拟与智能预测的结垢预测方法应用推广效果不佳,主要原因一是预测涉及的不确定性因素太多、规律性差,采用传统或人工预测方法困难;二是部分采用智能预测方法训练过程复杂,对环境要求高,泛化能力弱,可移植性差,预测结果准确率较低。针对上述问题,本文选用杏树岗油田北部开发区为试验区,通过分析试验区储层地质特征、流体性质、油水渗流特征以及油田水离子变化趋势,为后续开展储层油田水结垢预测提供推理知识;研究解决关键科学问题的相关技术,设计适用于动态结垢预测的智能知识推理模型,有效解决现有方法预测准确率低、可移植性弱、动态更新能力差、缺少时序预警等问题。重点研究内容如下:1.构建了基于数据挖掘的结垢预测模型（SASP-DMSP）为了克服结垢预测知识库可移植性差、动态更新能力弱、缺少时序预测知识等不足,设计基于数据挖掘的结垢预测模型（SASP-DMSP）,作为解决智能预测问题的总体方案,提高结垢预测的准确率以及结垢预测知识库的推理能力。设计模型框架包括知识获取层、知识建模层与知识推理层三层。知识获取层为模型的基础层,主要实现结垢预测知识的获取与知识库的智能训练,同时加入训练学习模块,实现知识库的动态更新;知识建模层为模型的中间层,采用本体建模技术为结垢预测作业提供一套规范的领域公共本体与知识组织体系;知识推理层为模型的应用层,三层协作通过推理与表达最终完成结垢预测。2.实现了基于本体的结垢预测知识建模针对结垢预测模型语义表达能力弱、可移植性相对较差的问题,研究基于本体的结垢预测知识建模。通过对储层结垢预测领域系统、机理与专家经验知识的分析与抽象,建立储层结垢预测知识模型核心本体与知识的标准语义,为结垢预测知识库提供知识内容、组织结构以及表示方法。采用Protégé作为本体建模工具进行推理、诊断,验证所提方法的有效性。3.研究了基于数据挖掘的结垢预测知识库训练方法为了填补经验知识的漏失,基于油田积累的大量历史数据,利用智能挖掘技术训练储层结垢预测相关数据,将在学习训练中发现的新知识添加到结垢预测知识库中,实现知识库的动态更新。针对结垢预测规则描述不完整,阈值设定不精确、单一结垢预测模型在储层物性差异下导致预测准确率较低的问题,设计组合分类模式挖掘方法,主要包括物性分类与模式挖掘两部分。物性分类阶段主要生成独立训练样本子集;模式挖掘阶段通过训练样本子集获取分配只是并更新结垢预测知识库,实现油田不同储层物性条件下的结垢预测。在模式挖掘过程中为适应训练数据的模糊、混合、不完备特性,设计基于混合不完备邻域决策系统和离散粒子群（Discrete Particle Swarm Optimization Algorithm,简称DPSO）的特征选择方法,提高历史数据利用率与特征选择准确率。针对储层结垢预测缺少时间序列下趋势性预测知识,同时时间序列历史数据具有周期性与混沌性的问题,提出储层结垢时序趋势预测方法。以时序数据中具有代表性的六项离子化验数据为例,采用回声状态网络技术,设计基于目标空间分解的多目标粒子群（MPSO/D）,训练、获取时序预测知识,实现结垢趋势预警。4.设计并实现了用于验证结垢的预测系统以SASP-DMSP模型为理论指导,设计复合驱结垢预测系统,该系统由基于本体的结垢预测知识管理系统、结垢预测数据集成系统以及结垢预测与清防垢管理系统三个子系统组成,子系统间协同作业,实现储层智能结垢预测。将其应用于试验区,通过专家验证与运行结果数据测试,表明系统应用能够实时、有效的实现动态结垢预测。研究结果表明,基于数据挖掘的强碱三元复合驱储层结垢智能预测方法能够提高结垢预测准确率、结垢知识的更新能力与预测系统的可移植能力。同时,通过延展研究和分析,该方法为处理此类业务应用问题与知识推理问题提供了解决方案。
迟辉[6]（2020）在《融合数据挖掘与复杂网络技术探索医师辨治失眠诊疗规律的可视化研究》文中研究说明研究目的:探索医师辨治失眠诊疗规律的挖掘方法,对研究结果进行应用转化,形成初级的专家模拟系统,初步实现处方推理功能。研究方法:本研究共分为三个部分,综合运用数据挖掘、复杂网络、知识图谱等技术方法梳理医师辨治失眠的主要规律;利用计算机编程和相关开发工具,将主要规律转化为推理规则,形成专家模拟系统,实现处方推理功能;最后通过前瞻性的研究病例对系统功能进行测试。具体如下:1.对204例（349诊次）回顾性病例信息进行数据分析,提取高频症状35种,高频药物40种,运用决策树分析法进行数据挖掘,建立医师辨治失眠主方主症的决策树分类模型,为专家系统的主方推理规则提供依据。2.引入知识图谱可视化分析方法,综合运用复杂网络层级分析、共现分析和基于社区探测法的模块分析技术,对以上204例回顾性病例进行分析,从不同视角获得医师辨治失眠的“药—症”规律和经验用方,为专家系统推理规则的细化提供支持。3.在上述研究发现的基础上,利用计算机编程技术,将辨治规律转化为推理规则,设计开发简约型的专家模拟系统,实现初步的模拟开方功能;采集51例前瞻性病例对系统功能进行测试,以杰卡德相似系数（Jaccard）作为处方相似性的评价指标,测试模拟处方相似度及相似比例。研究结果:1.医师治疗失眠用药以入心、肝经药物为主,四气以寒性为主,五味以甘、苦、辛为主。总体决策树模型共筛选出多汗、舌尖红、舌体胖大、双目干涩、焦虑、苔腻、口苦、情绪低落8个重要属性;共获得—贯煎类方、丹栀逍遥散类方、小柴胡汤类方、柴芩温胆汤类方4大类方的9项判断规则;各类方的具体决策树模型共获得13项具体分类判断规则;各模型的分类准确度、特异度、灵敏度均较高,能够为专家模拟系统的构建提供主方推荐规则。2.共现分析提示医师治疗失眠经验用方组成为丹参、酸枣仁、生龙骨、生牡蛎、合欢皮。模块分析共获得四个症状模块和四个药物模块,分别代表了阴虚内热、痰热痰湿、脾虚气虚、肝郁气滞血瘀4类主要病机和4大类主要治法,药症模块之间具有一定的对应关系,揭示了药症信息之间隐含的“病机—治法—方药”的证治理法和遣方用药思路。医师辨治失眠以郁、热（火）、痰（湿）为实邪扰心的主要致病因素,解郁、清热、化痰是主要治法;正虚失养以气虚、血虚、阴虚为主要病机,补气、养血、滋阴是虚证的核心治法。对于热证或阴虚内热者,用方多以百合地黄汤、百合知母汤、一贯煎、二至丸等剂加减。痰湿或痰热之象明显者,多以温胆汤类方加减,如柴芩温胆汤或黄连温胆汤等。热象不重者而伴有大便偏溏等脾虚症状者,多加以丹栀逍遥散、逍遥散等剂化裁;热象与痰湿之象均不明显者,常以和解法治之,多以柴胡剂类方加减,如小柴胡汤、柴胡加龙骨牡蛎汤等。医师重视气机的调畅,对理气类药物应用频次较高。3.设计开发了专家模拟系统,初步实现了处方推理功能。系统功能测试中,相似度系数Jac>0.3的处方共有28个,占比54.9%,达到本研究设定准确度标准（50%）,可以认为该系统的模拟处方与医师实际处方基本相似,能够初步反映医师辨证施治的规律。研究结论:1.综合运用数据挖掘、复杂网络分析与知识图谱可视化技术相结合的方法,能够发现医师辨证论治失眠的主要规律,可以作为中医临证经验挖掘的有效方法加以应用;2.本研究设计开发的专家模拟系统,实现了处方推理功能,具有一定的准确度和潜在的应用价值,值得进一步开发和研究;3.本研究挖掘的医师辨治规律和处方用药特点,能够为临床诊治失眠提供参考和经验借鉴。
仇永涛[7]（2020）在《离散智能车间扰动预测与高效运行管控方法研究》文中研究说明随着工业4.0、物联网、数据挖掘等概念的提出,计算机技术与先进制造业的理念和方法正不断深入融合,基于信息物理系统的智能制造也应运而生,形成以服务为导向、以数据为依托、以人工智能为决策方法的人机协同制造新模式。在智能制造环境下,车间集成各类传感器（测力计、温度器、RFID等）实现车间数据采集,物联网等基础设施实现车间系统互联互通。但由于实际加工环境中的各类扰动,会直接或间接导致生产进程异常,尤其是以多品种、小批量为生产特征的离散车间,其不确定性扰动更为复杂,实时工况的多变更是增加了以调度为关键的车间管控难度,降低了车间生产效率,增加了车间管控成本和不确定性。因此,需要贴近现实车间实际,划分车间扰动异常,定量计算扰动影响程度,并预测可能会发生的扰动,进而基于扰动预警,实现车间扰动发生前的主动调度,避免扰动影响车间作业。同时,需提高扰动事后的车间重调度能力,结合企业生产需求,降低已发生扰动对车间正常运行带来的危害。本文针对这些关键问题,从构建扰动预测模型和设计有效调度方法两方面进行展开,以提高车间运行管控能力。具体内容如下:（1）针对车间扰动,分别从临时性变化、通常环境和显着或不显着改变三个角度阐述车间扰动概念。构建以服务、质量和价格为评价指标,以人、设备、物料和调度为扰动资源要素的层次树多元扰动划分框架,对车间宏观扰动进行了系统分类。基于改进的故障失效模式和影响分析,提出一种新的扰动分析模型—扰动风险向量。定义了平面偏向向量的风险向量优先级,有效降低扰动风险数值重复率,实现了不同扰动的差异化。并以此为基础,设计车间扰动风险向量及扰动评估方法。提出以三角函数和梯形函数为隶属度函数的模糊层次分析法以克服主观权重问题。应用差异性指数划分扰动数值,发现关键扰动,为车间管理员高效定位车间扰动和预防控制扰动提供依据。此外,三维矢量的平面拟合为分析不同指标扰动的分布和差异提供了方法。（2）针对数据背后的潜在扰动,依据实体物流操作过程的等待加工时间、机床准备时间、加工时间、等待转移时间和转移时间分别建立理想作业时间流和实际作业时间流数学模型,并以此为基础提出潜在扰动时间概念,反映了扰动对离散车间作业的影响。从车间系统功能出发,解析离散车间数据源,并对其进行统一分类。建立离散车间数据流框架,提出基于数据挖掘的离散车间潜在扰动预测方法,完成了由扰动预测到车间生产的闭环控制。考虑到噪声冗余数据,提出混合贝叶斯的决策树算法用于离散车间扰动预测。实验结果验证了所提方法能有效发掘潜在扰动并指导车间生产,同时所提算法相较其它算法具有更优的预测精度。（3）针对扰动预测下的高效车间作业静态调度问题,提出了以最大完工时间和总延迟为优化目标,建立了混合进化算法和种群知识的离散作业车间多目标调度求解模型。由优化目标和属性归纳确定工件工序属性（工序特征、加工时间、剩余加工时间、交货期和优先级）,通过NSGA-Ⅱ混合模拟退火算法获取优秀种群个体,应用优先级类权重实现种群的知识挖掘。提出增添排序法ADSM,重新局部调整工序,获取基于知识的初始种群个体,避免了知识挖掘下工序不足或过饱和问题。实验比较了其它种群个体在不同迭代次数和不同种群大小下优化目标和帕累托性能指标,结果表明在有限的迭代次数下,本文所提方法能够获得更优的帕累托解。（4）针对已发生扰动对车间作业的影响,深入研究了扰动下车间重调度问题,给出离散车间扰动下重调度理论框架和关键技术。提出原计划接受度和重调度触发度概念和数学模型,建立以交货期和扰动时间变化率为基准的重调度驱动机制。应用指标加权法提出以最大完工时间、质量损失指数和工序加工成本为一体的优化目标函数。设计并改进模拟退火遗传算法,以基准案例对优化目标函数值和收敛性进行算法性能测试,以某电梯零部件智能制造车间调度实例进行重调度验证,结果表明所提算法和重调度策略优越且有效。开发了离散车间调度平台,并介绍了系统主要功能模块。
刘凡[8]（2020）在《基于知识图谱技术的名老中医慢性胃炎辨证论治方案研究》文中研究表明研究目的1)基于多源异构数据源,利用知识图谱技术,构建名老中医经验传承知识图谱,为分析和展示医师临证思维、诊疗规律、传承特点提供可视化工具,也为中医临床辅助决策支持系统奠定知识库基础。2)利用真实世界临床数据,构建基于疗效评价的辨证论治诊疗方案,对比具有师承关系的两位医师针对慢性胃炎的辨证论治规律,为中医个体化诊疗方案制定的系统流程提供方法学借鉴。研究方法1)名老中医诊疗经验图数据库构建研究:以姚乃礼主任医师（简称姚医师）临床经验作为研究对象,系统检索后纳入26篇非结构化文本数据资料,依据中医临床术语系统分类结构（ISO 19465-2017）和健康信息学——中医药学语言系统的语义网络框架（ISO/TS 17938-2014）两项ISO标准,构建知识图谱的逻辑框架,根据形成的知识本体抽取数据实体,经过知识融合、知识表示等环节形成知识图谱的数据层,通过Neo4j图数据库实现知识图谱数据储存与应用展示。2)名老中医慢性胃炎辨证论治规律及传承特点研究:以姚医师治疗慢性胃炎为例,利用回顾性医院信息系统（HIS）门诊病历数据,在评价临床疗效的基础上,通过描述性统计、数据挖掘等方式,明确其有效方案与适宜人群特征,并与其传承弟子张润顺主任医师（简称张医师）进行比较,揭示各自辨证论治特点与临床诊疗特色,为下一步形成医师个体化辨证论治的诊疗方案奠定基础。3)慢性胃炎辨证论治诊疗方案的专家访谈研究:基于真实世界临床数据挖掘结果,通过定性访谈研究方法对两位主任医师的辨证论治诊疗思路进行探讨,旨在形成医师个体化慢性胃炎临床诊疗方案,并利用知识图谱技术实现专家诊疗方案推荐的功能。研究结果1)姚医师脾胃病诊疗经验知识图谱构建:基于姚医师文本资料确定的语义类型及关系,构建Neo4j模式层图谱,包含19个节点、18个标签、27条关系和17种关系类型。经过知识抽取、知识融合形成知识图谱数据层,18个标签下包含524个节点,17种关系类型下包含1097条关系,10种属性下包含622个属性值,最终构建成的姚医师脾胃病诊疗经验知识图谱实现了可视化展示和语义化搜索的功能。2)姚医师慢性胃炎辨证论治规律及传承特点研究:经过疗效评价后共纳入慢性胃炎患者1176例,其中姚医师患者数356例,2383诊次;张医师患者数820例,4632诊次。通过社团发现、复杂网络分析等数据挖掘方法,形成了两位医师治疗慢性胃炎的核心处方与核心症状群。姚医师的优势核心处方以自拟健脾通络解毒方为主,主诉中胃痛多见;张医师的优势核心处方以四逆散、半夏泻心汤、旋覆代赭汤等加减,主诉以胃胀、嗳气为主。3)诊疗方案形成与知识图谱优化研究:通过定性访谈研究,姚医师访谈文本共提取5个编码,分别是辨证论治、辨病论治、病证结合、基本病机、处方用药;张医师访谈文本共提取7个编码,分别为病证结合、主病主方、诊断要点、患者类型、合并症状、基本思路、处方用药;预设主题为2个,即诊断与治疗。最终形成两位医师慢性胃炎个体化诊疗方案,将诊疗方案以知识图谱的形式呈现,实现了专家诊疗方案推荐的功能,达到辅助临床决策的目的。研究结论1)知识图谱技术是名老中医传承研究的有效方法之一。知识图谱实现了可视化展示、语义搜索、治疗推荐等功能,为大数据时代本研究领域知识表示和知识工程奠定了方法学基础。2)基于疗效评价的真实世界临床数据,结合定量与定性研究方法,构建名老中医诊疗方案的研究路径基本可行。3)本研究形成了医师本人认可的辨证论治优势方案4个,为今后中医临床的慢性胃炎治疗提供了具有实用价值、组成稳定、疗效可靠的诊疗方案。
邢海龙[9]（2020）在《大数据联盟数据挖掘服务模式研究》文中研究指明随着社交网络、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。
刘晓玉[10]（2020）在《基于案例推理的中医医案方法学研究 ——以糖尿病肾病医案研究为例》文中研究说明中医医案研究一直为历代医家所重视,对传承医家学术思想、指导临床实践、拓展临床思路都有着非常重要的价值。本研究对常用的中医医案研究方法进行方法学比较分析,并提出基于案例推理的中医医案研究思路。对案例推理模式下的中医医案研究进行研究方案设计和研究体系构建,并开展基于案例推理的中医药治疗糖尿病肾病医案研究。研究内容主要包括两个方面,一方面是如何在案例推理方法的基本框架下,构建适用于中医医案的研究体系;另一方面是在研究体系构建完成后,以中医药治疗糖尿病肾病的医案为实例,验证案例推理方法用于中医医案研究的可行性。1.研究目的1.1 面向中医医案辅助临床决策的研究需求,构建基于案例推理的中医医案研究体系,为中医医案研究提示新的思路;1.2 完成基于案例推理的中医药治疗糖尿病肾病医案研究,构建中医药治疗糖尿肾病的相似医案检索模型,实现相似医案检索结果输出,辅助中医药治疗糖尿肾病的临床决策。2.研究方法案例推理方法是人工智能领域较为成熟的一个分支,被广泛用于领域知识丰富但难以总结出明确规则的诸多研究领域。本研究立足中医医案研究,以案例推理方法为基本框架构建中医医案研究的方法学体系,并在案例推理的医案表征环节,采用本体的方法进行医案知识表示方法的模型构建,在相似医案检索环节,运用随机森林法进行医案重要症状特征的筛选、最近邻法进行相似医案检索,构建相似医案检索模型。3.研究结果3.1 经过比较研究和分析,选出了案例推理各个环节的不同方法,组合构建成基于案例推理的中医医案研究方法学体系;3.2 基于案例推理方法进行中医药治疗糖尿肾病医案研究,构建了医案的知识表示模型和相似医案检索模型;3.3 从文献中筛选出中医药治疗糖尿病肾病的医案和医家临证经验相关文献320篇,进行诊疗信息提取和数据预处理后,得到一个有292条数据、60个症状属性、3个证型分类的糖尿病肾病诊疗经验数据集。采用随机森林方法对得到的数据集进行机器学习并计算症状对证型判别的重要程度,选出了水肿、耳鸣、畏寒肢冷、舌苔厚/腻、纳差、口干咽燥、发热、倦怠乏力等对糖尿病肾病的证型判断具有重要提示作用的35个症状特征。结合主成分分析法和最近邻法,将随机森林方法挑选出的35个症状特征降维到包含20个主成分的综合指标,并根据欧氏距离公式对数据集中的数据进行相似度计算,完成相似案例检索模型的构建。经十折交叉验证,模型能对数据进行正确分类的准确率为74%。3.4基于相似医案检索模型,输入测试医案的症状数据,经相似度计算可输出数据集中与测试医案症状数据最相似的3条医案数据子集,并按照相似度从高到低进行相似度排序。将测试医案与输出的相似医案进行症状和证型、治法、选方用药的对比分析,发现由于糖尿病肾病中医辨证分型情况的复杂性,类似的症状表现会因医家临证经验的差异而被划分为不同的证型,但即使不同医家对类似症状表现的辨证分型情况存在分歧,在治疗思路和具体的选方用药上也存在相似之处和互参价值。4.研究结论基于案例推理开展中医医案研究的思路具有一定的可行性,相似医案检索的模式可以保存较为完整的医案信息,检索结果可直接回归到原有医案的诊疗过程进行比较分析,医案研究结论可以通过带来类似医案诊疗思路和诊疗方案的结果直接支持临床决策,展示整体的医案信息给予临床思路提示,并借助医案的不断存储和实时反馈,形成医案研究的动态发展状态。研究思路从患者当下病情的症状表现出发,分析提取重要的症状特征,寻找既往医案中发生的类似情况及其治疗方案,相比基于依靠分型治疗的临床诊疗路径,能更直接有效的支持临床决策。本研究也提出案例推理方法下中医医案研究体系的构建方法,可为其它疾病的中医医案研究提供思路与方法的借鉴,从方法学角度为中医案例类资料的处理提示新的思路。
二、一种基于数据挖掘思想的专家系统推理机制（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、一种基于数据挖掘思想的专家系统推理机制（论文提纲范文）
（1）基于微服务架构与知识图谱技术构建无人机知识库系统（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义与价值 |
| 1.2 国内外研究现状 |
| 1.2.1 专家系统及知识库研究现状 |
| 1.2.2 知识图谱技术研究现状 |
| 1.2.3 Web文本挖掘技术研究现状 |
| 1.2.4 无人机技术发展及应用现状 |
| 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 论文研究技术路线 |
| 1.5 论文组织结构安排 |
| 第二章 理论基础及关键技术 |
| 2.1 相关理论基础 |
| 2.2.1 知识库 |
| 2.2.2 知识发现 |
| 2.2.3 知识图谱 |
| 2.2 知识获取技术 |
| 2.2.1 数据获取技术 |
| 2.2.2 数据去重技术 |
| 2.2.3 数据提取技术 |
| 2.2.4 数据存储技术 |
| 2.3 知识抽取技术 |
| 2.3.1 实体抽取技术 |
| 2.3.2 关系抽取技术 |
| 2.3.3 事件抽取技术 |
| 2.3.4 实体链接与消岐 |
| 2.4 知识表示技术 |
| 2.5 自动文摘技术 |
| 2.5.1 自动文摘生成原理 |
| 2.5.2 TextRank算法 |
| 2.6 本章小结 |
| 第三章 知识库系统的设计与构建 |
| 3.1 系统非功能需求 |
| 3.2 系统性能设计 |
| 3.2.1 系统可靠性设计 |
| 3.2.2 系统安全性设计 |
| 3.3 系统架构设计 |
| 3.3.1 整体架构设计 |
| 3.3.2 技术架构设计 |
| 3.3.3 分布式微服务架构 |
| 3.3.4 Scrapy爬虫框架 |
| 3.3.5 基于Swagger框架管理API |
| 3.4 技术路线与实施方案 |
| 3.4.1 知识库的构建方式 |
| 3.4.2 系统的技术路线 |
| 3.4.3 系统的实施方案 |
| 3.4.4 开发环境与开发语言 |
| 3.5 本章小结 |
| 第四章 知识图谱的实现与应用 |
| 4.1 知识获取 |
| 4.1.1 定制化设置关键字 |
| 4.1.2 定制化爬取专业网站 |
| 4.2 数据提取 |
| 4.2.1 半自动化提取数据 |
| 4.2.2 自动文摘的提取 |
| 4.3 知识抽取 |
| 4.3.1 实体抽取(命名实体识别) |
| 4.3.2 实体关系抽取 |
| 4.3.3 元事件抽取 |
| 4.3.4 实体发现与链接 |
| 4.4 知识表示 |
| 4.5 文本数据可视化 |
| 4.5.1 数据可视化 |
| 4.5.2 关键字云图 |
| 4.6 本章小结 |
| 第五章 系统的功能与实现 |
| 5.1 系统整体功能结构 |
| 5.2 系统前端功能实现 |
| 5.2.1 查询信息模块 |
| 5.2.2 台风实况模块 |
| 5.2.3 数据可视化模块 |
| 5.2.4 热门推送模块 |
| 5.2.5 关键期刊模块 |
| 5.3 系统后台功能实现 |
| 5.3.1 用户管理模块 |
| 5.3.2 菜单管理模块 |
| 5.3.3 采集设置模块 |
| 5.3.4 任务管理模块 |
| 5.3.5 专家知识模块 |
| 5.3.6 外部系统模块 |
| 5.3.7 期刊大全模块 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要研究成果 |
| 附录 |
| 附录1 Swagger在微服务架构上的部署与集成 |
| 附录2 Echarts组件实现折线图/柱状图形式的数据可视化 |
| 附录3 BiLSTM+CRF模型构建过程 |
| 附录4 利用TF-IDF进行实体链接关键代码 |
（2）基于波动向量的时序数据状态分析及专家系统模型的构建（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 研究现状及方法 |
| 1.2.1 突变点检测技术现状 |
| 1.2.2 病变信号研究现状 |
| 1.2.3 专家系统研究现状 |
| 1.3 课题的研究内容及结构 |
| 第二章 专家系统与多突变点检测模型的相关介绍 |
| 2.1 引言 |
| 2.2 专家系统的介绍 |
| 2.2.1 专家系统的结构 |
| 2.2.2 专家系统的优点 |
| 2.3 突变点检测的介绍 |
| 2.3.1 突变点相关知识 |
| 2.3.2 时序数据模型 |
| 2.3.3 区间估计 |
| 2.4 突变点检测的相关算法 |
| 2.4.1 KS检验法 |
| 2.4.2 滑动T检验法 |
| 2.4.3 HWKS算法 |
| 2.5 多突变点检测模型构建 |
| 2.5.1 TSTKS算法 |
| 2.5.2 滑动窗口理论 |
| 2.5.3 多突变点检测模型 |
| 2.6 小结 |
| 第三章 基于波动向量的模板匹配与隶属度解析的算法模型 |
| 3.1 引言 |
| 3.2 波动向量的构建 |
| 3.2.1 波动量的定义 |
| 3.2.2 波动向量 |
| 3.3 基于波动向量的模板匹配与隶属度解析的框架 |
| 3.3.1 波动向量特征模板及匹配 |
| 3.3.2 隶属度解析技术 |
| 3.3.3 基于模板匹配与隶属度解析的算法框架 |
| 3.4 实验结果与分析 |
| 3.4.1 评价指标 |
| 3.4.2 滑动窗口宽度的影响 |
| 3.4.3 结果与分析 |
| 3.5 小结 |
| 第四章 基于波动向量的时序数据病变状态分析 |
| 4.1 引言 |
| 4.2 病变数据描述及分析 |
| 4.2.1 脑电信号及癫痫特征介绍 |
| 4.2.2 数据集描述 |
| 4.3 病变数据检测与对比分析 |
| 4.3.1 相关系数法和Manhattan距离法 |
| 4.3.2 病变数据特征提取 |
| 4.3.3 检测结果与讨论 |
| 4.4 基于波动向量的病变状态分类 |
| 4.4.1 SVM多分类器 |
| 4.4.2 分类实验与分析 |
| 4.5 小结 |
| 第五章 基于病变状态分析的专家系统模型构建 |
| 5.1 引言 |
| 5.2 病变状态专家系统模型的设计 |
| 5.3 知识获取机构和知识库的建立 |
| 5.3.1 知识获取 |
| 5.3.2 知识表示 |
| 5.3.3 建立知识库 |
| 5.4 推理机的建立 |
| 5.4.1 推理机的控制策略 |
| 5.4.2 基于病变状态分析的推理规则 |
| 5.5 实验结果与分析 |
| 5.5.1 脑电实验结果 |
| 5.5.2 心电实验结果 |
| 5.6 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士期间研究成果 |
| 致谢 |
（3）基于数据挖掘的工程造价数据库设计研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 中央重磅发文:数据归为可市场化配置的生产要素 |
| 1.1.2 加强工程造价数据库建设势在必行 |
| 1.1.3 不同形式不同介质的数据亟须标准、信息化处理 |
| 1.2 问题提出 |
| 1.2.1 研究对象的界定 |
| 1.2.2 现实问题的提出 |
| 1.2.3 科学问题的凝练 |
| 1.2.4 关键问题的解构 |
| 1.3 研究目的及意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 研究内容及框架 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 理论基础与文献综述 |
| 2.1 工程造价信息管理 |
| 2.1.1 工程造价信息管理的范畴 |
| 2.1.2 工程造价信息管理的过程 |
| 2.1.3 工程造价信息管理的发展现状 |
| 2.2 数据挖掘理论 |
| 2.2.1 相关概念界定 |
| 2.2.2 数据挖掘流程步骤 |
| 2.2.3 数据挖掘技术的应用 |
| 2.2.4 数据挖掘模型和算法 |
| 2.3 工程造价数据库研究综述 |
| 2.3.1 工程造价数据库的概念 |
| 2.3.2 国外工程造价数据库理论及实践研究 |
| 2.3.3 国内工程造价数据库理论及实践研究 |
| 2.4 文献启示 |
| 第三章 研究设计 |
| 3.1 整体研究框架 |
| 3.2 基于原始性挖掘的工程造价数据库表单设计的研究思路 |
| 3.2.1 研究逻辑 |
| 3.2.2 研究方法 |
| 3.3 基于描述性挖掘的工程造价数据库分析功能设计的研究思路 |
| 3.3.1 研究逻辑 |
| 3.3.2 研究方法 |
| 3.4 基于预测性挖掘的工程造价数据库预测功能设计的研究思路 |
| 3.4.1 研究逻辑 |
| 3.4.2 研究方法 |
| 第四章 基于原始性挖掘的工程造价数据库表单设计 |
| 4.1 原始性挖掘的数据库指标体系构建 |
| 4.1.1 面向使用对象的原始性挖掘指标 |
| 4.1.2 面向功能用途的原始性挖掘指标 |
| 4.2 原始性挖掘的数据库特征因素选取 |
| 4.2.1 工程特征因素概述 |
| 4.2.2 基于层次分析法的特征因素分析 |
| 4.3 数据库表单的结构化设计 |
| 4.3.1 工程概况表 |
| 4.3.2 工程造价费用指标分析表 |
| 4.3.3 主要分部/分项工程量指标分析表 |
| 4.3.4 主要人工、材料消耗量指标分析表 |
| 4.4 本章小结 |
| 第五章 基于描述性挖掘的工程造价数据库分析功能设计 |
| 5.1 工程造价数据预处理 |
| 5.1.1 必要性及任务 |
| 5.1.2 数据清洗 |
| 5.1.3 数据转换 |
| 5.1.4 数据约简 |
| 5.2 工程造价数据库多维分析 |
| 5.2.1 OLAP的数据组织 |
| 5.2.2 OLAP的多维分析 |
| 5.3 工程造价数据库经济描述 |
| 5.3.1 造价数据横纵向对比分析 |
| 5.3.2 工程变更技术经济分析 |
| 5.3.3 限额设计技术经济分析 |
| 5.3.4 设计方案技术经济分析 |
| 5.3.5 基于聚类算法的价格分析 |
| 5.4 工程造价数据库可视化分析 |
| 5.4.1 构成分析 |
| 5.4.2 趋势分析 |
| 5.5 本章小结 |
| 第六章 基于预测性挖掘的工程造价数据库预测功能设计 |
| 6.1 预测性挖掘方法的选取 |
| 6.1.1 预测方法对比 |
| 6.1.2 适用性分析 |
| 6.2 基于案例推理的预测性挖掘过程 |
| 6.2.1 案例推理系统的设计 |
| 6.2.2 案例推理系统的实现 |
| 6.3 基于案例推理的预测性挖掘实证研究 |
| 6.3.1 案例的表示和组织 |
| 6.3.2 案例的索引 |
| 6.3.3 案例的相似度计算 |
| 6.3.4 案例的修正 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 研究结论与创新 |
| 7.2 研究不足与展望 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
（4）面向决策支持的变尺度聚类分析技术（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究框架与研究内容 |
| 1.4 创新点 |
| 2 理论基础和文献综述 |
| 2.1 数据驱动的决策分析 |
| 2.1.1 决策与决策过程 |
| 2.1.2 决策的层次特征与主观特征 |
| 2.1.3 数据驱动的决策分析方法 |
| 2.2 数据挖掘技术应用过程 |
| 2.2.1 数据挖掘技术应用过程中存在的问题 |
| 2.2.2 面向数据挖掘应用过程自动化的思维流程建模技术 |
| 2.2.3 启发式智能数据分析方法 |
| 2.3 粒度及尺度效应 |
| 2.3.1 数据分析领域中的粒度 |
| 2.3.2 粒计算理论中的信息系统模型 |
| 2.3.3 尺度效应 |
| 2.4 本章小结 |
| 3 尺度变换机制及变尺度聚类分析方法 |
| 3.1 多尺度数据模型 |
| 3.1.1 尺度基本概念及对象实例化 |
| 3.1.2 概念空间模型 |
| 3.1.3 多尺度数据模型及其构建过程 |
| 3.2 尺度变换策略 |
| 3.2.1 尺度变换及尺度变换率 |
| 3.2.2 激进尺度变换策略 |
| 3.2.3 保守尺度变换策略 |
| 3.3 尺度变换机制 |
| 3.3.1 尺度变换效果评价 |
| 3.3.2 尺度变换原则 |
| 3.3.3 尺度变换机制及其实施过程 |
| 3.4 变尺度聚类分析方法 |
| 3.4.1 变尺度聚类分析基本思想 |
| 3.4.2 变尺度聚类分析方法步骤 |
| 3.4.3 变尺度聚类分析过程示例 |
| 3.5 变尺度聚类分析方法有效性及参数敏感性分析 |
| 3.5.1 实验目的及数据准备 |
| 3.5.2 变尺度聚类分析方法有效性分析 |
| 3.5.3 变尺度聚类分析方法参数敏感性分析 |
| 3.6 本章小结 |
| 4 具有多重复值分类变量数据的变尺度聚类分析技术 |
| 4.1 具有多重复值分类变量数据的决策分析问题 |
| 4.1.1 城市马拉松赛事个性化服务研究背景及问题 |
| 4.1.2 城市马拉松赛事参赛选手的数据特征 |
| 4.1.3 具有多重复值分类变量数据的尺度变换机制研究问题 |
| 4.2 具有多重复值分类变量数据的变尺度聚类分析算法 |
| 4.2.1 分类变量数据变尺度聚类分析的概念准备 |
| 4.2.2 分类变量数据变尺度聚类分析的基本思想 |
| 4.2.3 分类变量数据变尺度聚类分析的算法步骤 |
| 4.3 基于分类变量数据变尺度聚类的案例推荐方法 |
| 4.3.1 基于分类变量数据变尺度聚类的案例推荐概念准备 |
| 4.3.2 基于分类变量数据变尺度聚类的案例推荐基本思想 |
| 4.3.3 基于分类变量数据变尺度聚类的案例推荐方法步骤 |
| 4.4 城市马拉松赛事参赛选手差异化管理应用 |
| 4.4.1 基于分类变量数据变尺度聚类的参赛选手特征发现 |
| 4.4.2 城市马拉松赛事选手数据采集及预处理 |
| 4.4.3 实验结果及讨论分析 |
| 4.5 本章小结 |
| 5 具有分类变量数据及二值变量数据的变尺度聚类分析技术 |
| 5.1 具有分类变量数据及二值变量数据的决策分析问题 |
| 5.1.1 社交网络营销研究背景及问题 |
| 5.1.2 社交网络客户的数据特征 |
| 5.1.3 二值变量数据的尺度变换机制研究问题 |
| 5.2 具有二值变量数据的变尺度聚类分析算法 |
| 5.2.1 二值变量数据变尺度聚类分析的概念准备 |
| 5.2.2 二值变量数据变尺度聚类分析的基本思想 |
| 5.2.3 二值变量数据变尺度聚类分析的算法步骤 |
| 5.3 具有分类变量及二值变量混合数据的变尺度聚类分析算法 |
| 5.3.1 混合数据变尺度聚类分析的概念准备 |
| 5.3.2 混合数据变尺度聚类分析的基本思想 |
| 5.3.3 混合数据变尺度聚类分析的算法步骤 |
| 5.4 社交网络客户差异化管理应用 |
| 5.4.1 基于混合数据变尺度聚类的客户特征发现 |
| 5.4.2 社交网络客户数据采集及预处理 |
| 5.4.3 实验结果及讨论分析 |
| 5.5 本章小结 |
| 6 考虑业务时效性的数值变量数据变尺度聚类分析技术 |
| 6.1 考虑业务时效性的数值变量数据决策分析问题 |
| 6.1.1 航天型号物资动态库存管理研究背景及问题 |
| 6.1.2 航天型号物资的数据特征 |
| 6.1.3 数值变量数据的尺度变换机制研究问题 |
| 6.2 考虑业务时效性的数值变量数据变尺度聚类分析算法 |
| 6.2.1 数值变量数据变尺度聚类分析的概念准备 |
| 6.2.2 数值变量数据变尺度聚类分析的基本思想 |
| 6.2.3 数值变量数据变尺度聚类分析的算法步骤 |
| 6.3 航天型号物资差异化管理应用 |
| 6.3.1 航天型号物资库存动态分类管理思想 |
| 6.3.2 航天型号物资库存动态分类调整方法 |
| 6.3.3 航天型号物资数据采集及预处理 |
| 6.3.4 实验结果及讨论分析 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（5）强碱三元复合驱储层结垢智能预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 第一章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外结垢预测方法研究现状 |
| 1.2.1 基于化学机理知识的结垢预测方法研究现状 |
| 1.2.2 基于机器学习的结垢预测方法研究现状 |
| 1.2.3 结垢预测方法存在的实际问题 |
| 1.3 结垢预测研究待解决的关键科学问题 |
| 1.4 智能预测相关技术分析 |
| 1.4.1 智能诊断方法的研究现状 |
| 1.4.2 解决智能诊断问题的科学范式分析 |
| 1.4.3 解决关键科学问题的技术研究 |
| 1.5 论文研究内容与组织安排 |
| 1.5.1 论文主要研究内容 |
| 1.5.2 论文组织安排 |
| 第二章 试验区结垢机理分析与储层结垢智能预测模型设计 |
| 2.1 引言 |
| 2.2 结垢预测试验区地质特征分析 |
| 2.2.1 试验区选择的必要性 |
| 2.2.2 试验区储层地质特征分析 |
| 2.2.3 储层流体性质分析 |
| 2.2.4 储层油水渗流特征分析 |
| 2.3 试验区结垢机理与垢样组成分析 |
| 2.3.1 SASP体系溶液与储层矿物及地层流体的作用机理 |
| 2.3.2 试验区垢样类型 |
| 2.3.3 结垢对储层及举升设备产生的影响 |
| 2.4 试验区结垢特征与规律研究 |
| 2.4.1 三元复合驱结垢特征 |
| 2.4.2 采出井井筒结垢规律 |
| 2.4.3 采出液离子变化规律 |
| 2.5 强碱三元复合驱结垢预测流程分析 |
| 2.5.1 真实场景下结垢预测工作流程分析 |
| 2.5.2 结垢预测工作流程存在的问题 |
| 2.6 基于数据挖掘的SASP结垢预测模型设计 |
| 2.6.1 结垢预测智能化的必要性 |
| 2.6.2 结垢智能预测流程设计 |
| 2.6.3 结垢预测模型的框架设计 |
| 2.6.4 基于数据挖掘的SASP结垢预测模型优势与特点 |
| 2.7 模型可行性分析与重点研究内容 |
| 2.7.1 模型的可行性分析 |
| 2.7.2 模型重点研究内容分析 |
| 2.8 本章小结 |
| 第三章 基于本体的结垢预测知识推理模型设计 |
| 3.1 引言 |
| 3.2 结垢预测知识分析 |
| 3.2.1 结垢预测领域知识分析 |
| 3.2.2 结垢预测过程形式化表示 |
| 3.3 基于本体的SASP储层结垢预测知识推理模型设计 |
| 3.3.1 本体技术分析 |
| 3.3.2 知识推理模型设计思路 |
| 3.3.3 ONSP-KRM模型框架设计 |
| 3.3.4 ONSP-KRM模型组成 |
| 3.4 结垢预测本体知识的形式化表示 |
| 3.4.1 储层结垢预测本体层次结构 |
| 3.4.2 结垢预测本体知识概念表示 |
| 3.4.3 结垢预测本体知识关系表示 |
| 3.4.4 结垢预测本体知识公理表示 |
| 3.4.5 基于SWDL的结垢预测规则表示 |
| 3.5 储层结垢预测知识库的构建 |
| 3.6 SASP储层结垢预测知识推理效果分析 |
| 3.6.1 SASP结垢预测知识本体实例与预测效果分析 |
| 3.6.2 ONSP-KRM模型分析 |
| 3.7 本章小结 |
| 第四章 基于邻域约简与DPSO的结垢预测分类模式挖掘方法研究 |
| 4.1 引言 |
| 4.2 结垢预测领域数据分析与处理 |
| 4.2.1 结垢预测领域数据描述 |
| 4.2.2 结垢预测领域数据特点分析 |
| 4.2.3 结垢预测领域离群值分析 |
| 4.2.4 结垢预测影响因子的粗粒度筛选 |
| 4.3 结垢预测分类模式挖掘方法设计 |
| 4.3.1 方法设计思想 |
| 4.3.2 结垢预测分类模式挖掘方法设计 |
| 4.4 模糊混合不完备邻域粗糙模型设计 |
| 4.4.1 模糊混合不完备邻域决策系统 |
| 4.4.2 模糊混合不完备邻域粗糙模型 |
| 4.4.3 邻域阈值自适应方法设计 |
| 4.5 基于邻域约简和DPSO的混合不完备特征选择 |
| 4.5.1 粒子编码方式设计 |
| 4.5.2 粒子群优化目标分析 |
| 4.5.3 DPSO参数设置 |
| 4.5.4 算法描述 |
| 4.6 结垢预测分类器设计 |
| 4.7 实验效果分析 |
| 4.7.1 数据准备 |
| 4.7.2 实验环境与参数设置 |
| 4.7.3 基于不同邻域阈值取值方法的NRDPSO对比实验 |
| 4.7.4 基于不同启发式算法的可变阈值IFDS特征选择对比实验 |
| 4.7.5 不同权重系数对最优特征子集的影响实验 |
| 4.7.6 不同特征选择算法的评价指标对比实验 |
| 4.8 本章小结 |
| 第五章 基于MPSO/D-ESN的储层结垢时序预测方法研究 |
| 5.1 引言 |
| 5.2 结垢预测领域数据时序趋势分析 |
| 5.2.1 结垢预测领域数据时序趋势分析 |
| 5.2.2 结垢预测领域时序趋势特点分析 |
| 5.3 基于回声状态网络的混沌时间序列预测模型设计 |
| 5.3.1 ESN基本原理 |
| 5.3.2 储备池参数分析 |
| 5.4 基于MPSO/D的 ESN储备池参数优化算法 |
| 5.4.1 多目标优化问题分析 |
| 5.4.2 目标空间分解与解分类 |
| 5.4.3 种群分类更新策略 |
| 5.4.4 基于MPSO/D算法的ESN储备池参数优化 |
| 5.5 实验效果分析 |
| 5.5.1 MPSO/D算法性能对比实验 |
| 5.5.2 MPSO/D-ESN模型预测性能对比实验 |
| 5.6 本章小结 |
| 第六章 系统设计与应用效果分析 |
| 6.1 引言 |
| 6.2 系统概述 |
| 6.2.1 业务现状分析 |
| 6.2.2 业务数据模型设计 |
| 6.2.3 系统总体结构设计 |
| 6.2.4 智能化结垢预测工作流程分析 |
| 6.2.5 系统开发与运行环境配置 |
| 6.3 系统详细设计 |
| 6.3.1 基于本体的结垢预测知识管理系统设计 |
| 6.3.2 结垢预测数据集成系统设计 |
| 6.3.3 结垢预测与清防垢管理系统设计 |
| 6.4 真实应用案例分析 |
| 6.4.1 实验样本与实验方法选取 |
| 6.4.2 特征选择与分类模型构造效果分析 |
| 6.4.3 时序预测效果分析 |
| 6.5 本章小结 |
| 结论与展望 |
| 文中涉及的附表 |
| 附表1 样本属性描述 |
| 附表2 结垢预测测试报告 |
| 参考文献 |
| 在读期间研究成果 |
| 致谢 |
（6）融合数据挖掘与复杂网络技术探索医师辨治失眠诊疗规律的可视化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一部分 文献综述 |
| 综述(一) 中医药治疗失眠的研究概况 |
| 1 流行病学研究 |
| 2 病因病机认识 |
| 3 失眠的中医药治疗 |
| 4 小结 |
| 参考文献 |
| 综述(二) 数据挖掘、复杂网络和知识图谱技术在中医药领域的研究概况 |
| 1 数据挖掘 |
| 2 知识图谱 |
| 3 复杂网络 |
| 4 融合应用 |
| 5 小结 |
| 参考文献 |
| 前言 |
| 第二部分 临床研究 |
| 总体研究流程图 |
| 内容一 基于决策树法对高颖教授辨治失眠主方主症规律的分析 |
| 1 资料 |
| 2 方法 |
| 3 结果 |
| 4 讨论 |
| 5 小结 |
| 内容二 基于知识图谱和复杂网络技术对药症规律的探索 |
| 1 资料 |
| 2 方法 |
| 3 结果 |
| 4 讨论 |
| 内容三 专家模拟系统的设计开发及功能测试 |
| (一) 模拟处方功能的初步实现 |
| 1 资料及方法 |
| 2 开发工具及流程 |
| 3 推理规则 |
| 3.1 —级规则 |
| 3.2 二级规则 |
| 3.3 三级规则 |
| 3.4 模拟开方流程示意图 |
| 4 系统运行 |
| (二) 系统功能测试 |
| 1 资料 |
| 2 方法 |
| 3 结果 |
| 4 讨论 |
| 结语 |
| 参考文献 |
| 致谢 |
| 个人简介及在学期间主要研究 |
（7）离散智能车间扰动预测与高效运行管控方法研究（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 离散智能车间主要特征 |
| 1.2.2 车间扰动及扰动预测方法研究 |
| 1.2.3 车间运行管控及调度方法研究 |
| 1.3 论文研究内容及结构 |
| 第二章 基于改进FMEA的离散车间关键扰动分析与预测 |
| 2.1 离散车间扰动分析与预测框架 |
| 2.1.1 离散车间扰动描述与定义 |
| 2.1.2 离散车间关键扰动分析与预测框架 |
| 2.2 离散车间扰动层次划分方法 |
| 2.3 基于改进FMEA的离散车间关键扰动分析与预测方法 |
| 2.3.1 FMEA方法概述 |
| 2.3.2 离散车间扰动风险向量模型 |
| 2.3.3 离散车间扰动优先级与关键扰动预测 |
| 2.4 离散车间扰动风险向量应用与实施 |
| 2.4.1 扰动风险向量 |
| 2.4.2 车间扰动风险向量 |
| 2.5 本章小结 |
| 第三章 基于数据挖掘的离散车间潜在扰动预测 |
| 3.1 离散车间潜在扰动时间 |
| 3.1.1 理想作业时间流 |
| 3.1.2 实际作业时间流 |
| 3.1.3 潜在扰动时间 |
| 3.2 基于数据挖掘的离散车间潜在扰动预测方法 |
| 3.2.1 数据挖掘方法概述 |
| 3.2.2 离散车间数据源及分类 |
| 3.2.3 离散车间数据预处理关键方法 |
| 3.2.4 离散车间数据挖掘的潜在扰动预测 |
| 3.3 基于NBTree的离散车间数据挖掘算法 |
| 3.3.1 基于朴素贝叶斯的先验分类 |
| 3.3.2 基于C4.5的扰动预测 |
| 3.3.3 结合朴素贝叶斯和C4.5的NBTree算法 |
| 3.4 实验设计与分析 |
| 3.5 本章小结 |
| 第四章 扰动预测下的离散车间多目标静态调度优化 |
| 4.1 扰动预测下的离散车间多目标静态调度问题及优化模型 |
| 4.1.1 多目标优化理论 |
| 4.1.2 扰动预测下离散车间多目标静态调度问题及模型 |
| 4.2 混合进化算法和种群知识的离散车间多目标调度方法 |
| 4.2.1 工序属性特征选择 |
| 4.2.2 训练数据准备 |
| 4.2.3 种群知识挖掘 |
| 4.2.4 规则种群初始化 |
| 4.3 实验设计与分析 |
| 4.3.1 多目标进化算法优化 |
| 4.3.2 多目标性能指标 |
| 4.3.3 实验结果和讨论 |
| 4.4 本章小结 |
| 第五章 离散车间扰动下的重调度方法研究 |
| 5.1 离散车间扰动下重调度理论体系 |
| 5.1.1 扰动下的车间重调度问题 |
| 5.1.2 离散车间扰动下重调度理论框架 |
| 5.1.3 离散车间扰动下重调度关键技术 |
| 5.2 基于原计划接受度和重调度触发度的重调度驱动机制 |
| 5.3 离散车间扰动下的重调度模型与优化算法 |
| 5.3.1 问题描述 |
| 5.3.2 数学模型 |
| 5.3.3 算法设计 |
| 5.4 实例分析与应用 |
| 5.4.1 算法性能测试 |
| 5.4.2 实例描述与重调度仿真 |
| 5.4.3 平台开发 |
| 5.5 本章小结 |
| 主要结论与展望 |
| 主要结论 |
| 展望 |
| 主要创新点 |
| 致谢 |
| 参考文献 |
| 附录1 :作者在攻读博士学位期间发表的论文 |
| 附录2 :质量和价格相关的扰动层次划分示意图 |
| 附录3 :质量和价格相关的扰动优先级矩阵 |
| 附录4 :LA18工序优先级 |
（8）基于知识图谱技术的名老中医慢性胃炎辨证论治方案研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 英文缩略语 |
| 前言 |
| 文献综述 知识图谱技术及其在中医药领域的研究概况 |
| 1.知识图谱概述 |
| 1.1 基本概念 |
| 1.2 发展历程 |
| 2.构建过程 |
| 3.构建工具 |
| 4.知识图谱在中医药领域的应用 |
| 4.1 知识本体 |
| 4.2 应用案例 |
| 研究内容一 名老中医诊疗经验图数据库构建研究 |
| 1. 构建方法 |
| 1.1 数据来源 |
| 1.2 本体构建 |
| 1.3 数据预处理 |
| 1.4 数据库构建 |
| 2. 应用示例 |
| 2.1 可视化展示 |
| 2.2 图搜索模式 |
| 3. 讨论 |
| 研究内容二 名老中医慢性胃炎辨证论治规律及传承特点研究 |
| 1. 研究资料 |
| 1.1 疗效评价方法 |
| 1.2 数据提取过程 |
| 1.3 数据预处理 |
| 2. 研究方法 |
| 2.1 数据挖掘方法 |
| 2.2 处方稳定性指标 |
| 3. 研究结果 |
| 3.1 患者人口学信息 |
| 3.2 患者诊断信息 |
| 3.3 处方时间演变规律 |
| 3.4 性味归经剂量统计 |
| 3.5 核心处方与核心症状群 |
| 3.6 随症加减规律 |
| 4. 讨论 |
| 4.1 大数据时代名老中医经验传承研究趋势 |
| 4.2 探索辨证施治个体化诊疗的新策略和新方法 |
| 4.3 整合“病-证-治-效”信息构建个体化诊疗方案 |
| 研究内容三 慢性胃炎辨证论治诊疗方案的专家访谈研究 |
| 1. 研究方法 |
| 1.1 访谈者信息 |
| 1.2 受访者选择 |
| 1.3 研究情境 |
| 1.4 数据收集 |
| 1.5 质量控制 |
| 2. 资料分析 |
| 2.1 分析方法 |
| 2.2 分析结果 |
| 3. 研究结果 |
| 3.1 医师个体化慢性胃炎诊疗方案 |
| 3.2 基于知识图谱技术的专家诊疗方案推荐 |
| 4. 讨论 |
| 结论 |
| 创新点 |
| 问题与展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
| 附件 |
（9）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 |
（10）基于案例推理的中医医案方法学研究 ——以糖尿病肾病医案研究为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 综述一 中医药治疗糖尿病肾病医案研究概述 |
| 参考文献 |
| 综述二 案例推理方法的研究进展 |
| 1.案例推理概述 |
| 2.案例推理国内外研究进展与应用现状 |
| 3.案例推理在中医药领域的应用现状 |
| 参考文献 |
| 前言 |
| 第一章 中医医案研究的方法学比较 |
| 1.中医医案特点 |
| 1.1 中医医案知识特点 |
| 1.2 中医医案数据特点 |
| 2.常用中医医案研究方法比较分析 |
| 3.基于案例推理的中医医案研究思路 |
| 第二章 基于案例推理的中医医案方法学体系构建研究 |
| 1.研究方案的提出 |
| 2.方法学体系的构建 |
| 2.1 基于案例特点的中医医案收集 |
| 2.2 基于本体的中医医案知识表示方式 |
| 2.3 基于随机森林和最近邻法的相似医案检索 |
| 2.4 基于临证思维模式的医案重用与修正 |
| 2.5 基于信息交叉验证的医案研究有效性评价 |
| 2.6 基于动态反馈的医案保存 |
| 第三章 基于案例推理的中医药治疗糖尿病肾病医案研究 |
| 1.医案收集 |
| 2.糖尿病肾病医案的本体构建 |
| 3.相似医案检索 |
| 3.1 数据预处理 |
| 3.2 实验方案 |
| 3.3 模型实现 |
| 3.4 实验结果 |
| 3.5 结果分析与讨论 |
| 4.小结 |
| 结语 |
| 参考文献 |
| 致谢 |
| 附录1 医案实体信息表 |
| 附录2 症状名称规范表 |
| 个人简历 |
四、一种基于数据挖掘思想的专家系统推理机制（论文参考文献）
- [1]基于微服务架构与知识图谱技术构建无人机知识库系统[D]. 陈秋瑾. 厦门理工学院, 2021(08)
- [2]基于波动向量的时序数据状态分析及专家系统模型的构建[D]. 龚汉鑫. 东华大学, 2021(01)
- [3]基于数据挖掘的工程造价数据库设计研究[D]. 刘贺. 天津理工大学, 2021(08)
- [4]面向决策支持的变尺度聚类分析技术[D]. 王艾. 北京科技大学, 2021(02)
- [5]强碱三元复合驱储层结垢智能预测方法研究[D]. 胡亚楠. 东北石油大学, 2020(03)
- [6]融合数据挖掘与复杂网络技术探索医师辨治失眠诊疗规律的可视化研究[D]. 迟辉. 北京中医药大学, 2020(04)
- [7]离散智能车间扰动预测与高效运行管控方法研究[D]. 仇永涛. 江南大学, 2020
- [8]基于知识图谱技术的名老中医慢性胃炎辨证论治方案研究[D]. 刘凡. 中国中医科学院, 2020(01)
- [9]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)
- [10]基于案例推理的中医医案方法学研究 ——以糖尿病肾病医案研究为例[D]. 刘晓玉. 北京中医药大学, 2020(04)