一、Sun:降低成本和复杂性（论文文献综述）
孙肖坤[1]（2021）在《复杂大型建设项目费用偏差控制方法及信息系统设计》文中指出随着全球范围内经济形势的动态稳定发展,复杂大型建设项目在国内外均呈持续增长的态势,国际工程项目市场的竞争愈发激烈。复杂大型建设项目事关民生和经济效益,其开发建设会对国家和社会产生广泛而深远的影响。在工程建设领域,许多投资主体拥有雄厚的资金实力和丰富的开发建设经验,并开始涉足复杂大型建设项目的开发建设,项目投资规模越来越大,建设周期越来越长,参与建设的单位越来越多,不确定性带来的项目风险也愈发复杂。随着时代的发展,复杂大型建设项目逐渐成为项目管理领域的研究热点。然而,在项目建设过程中,投资效率低下、费用超支等现象屡见不鲜,项目执行情况在各层面上不尽如人意,传统的项目管理理论已经不能适应现阶段管理实践的需求。因此,从复杂性视角出发对项目管理领域进行研究就成为一种新的解决思路。如何对项目复杂性进行科学、系统以及深入的分析,如何在项目建设过程中动态、全面地掌握项目费用状态,如何判断工程费用实际状态与计划的偏差严重程度,如何对项目费用偏差做出科学的警报和预测,如何有依据地对工程项目的费用偏差进行有效纠偏控制,就成为摆在管理者面前的一个理论和实践问题。为了更加科学有效地针对复杂大型建设项目费用实施监控管理,本文运用系统动力学相关理论和方法,建立了基于复杂性视角的建设项目费用偏差影响因素的系统动力学模型,构建了项目费用偏差的警报及预测模型,梳理了项目全生命周期不同费用偏差程度下的纠偏流程,进而分析并设计了以理论模型为基础的复杂大型建设项目费用偏差控制信息系统。具体研究内容包括以下四个部分:（1）基于系统动力学的费用偏差关键影响因素识别研究。首先,对复杂大型建设项目的费用监控模式进行概述;在此基础上,对系统动力学相关基础理论及其应用在建设项目费用偏差控制领域的可行性进行分析;然后,将复杂大型建设项目作为一个整体系统,对项目建设各阶段内费用偏差影响因素之间的关系进行分析识别,构建系统动力学反馈图模型,确定主要变量,内生变量、外生变量,建立各变量之间方程关系;最后,通过Vensim软件模拟仿真,建立动态控制模型并验证其可行性和有效性,识别出费用偏差关键影响因素及其影响程度,并对模拟结果进行分析。（2）复杂大型建设项目费用偏差警报及预测模型研究。首先对复杂大型建设项目不同阶段费用偏差计算的需求及特点进行分析,据此选取适用于复杂大型建设项目费用偏差警报的方法模型;然后对K-Means聚类算法进行缺陷分析,引入贴近度概念,并将边界均值算子作为主要方法对经典K-means聚类进行改进,有效克服了主观随意性和警情区间不连续的问题;最后通过算例分析证实了本模型的有效性。复杂大型建设项目费用偏差预测模型是偏差警报模型的后续研究。首先,全面论述了神经网络模型的相关原理,对其在复杂大型建设项目费用偏差预测研究中的可行性和适用性进行了分析;然后,利用仿生算法对传统BP神经网络进行改进,优化神经网络模型中的初始网络权值和阈值,并将历史数据输入模型中进行训练获得成熟模型;同时,将现阶段的费用偏差进行子目费用分析,将总偏差最终分摊至每一个子目费用的扰动因素,深度分析复杂大型建设项目中不同活动对费用偏差的影响,在当前费用偏差情况已知的情况下,研究其对未来费用偏差的影响程度并予以量化,判定即将发生的项目警情及其位置,有效辅助项目费用管理方采取措施进行处理,实现真正意义上的项目费用事前控制。（3）复杂大型建设项目费用偏差控制策略及效果评价研究。首先,针对复杂大型建设项目费用偏差控制策略,挖掘了流程再造和协同理论与之相适应的契合点,梳理了费用偏差控制中流程再造和协同的目标和原则;其次,针对复杂大型建设项目在前期决策阶段、中期实施阶段、后期运维阶段所面临的不同费用偏差警情,明确各阶段责任方,梳理并总结出具体的纠偏操作流程和控制策略;为了增强该纠偏流程的适用性,本节首次提出了纠偏效果评价,从控制能力、控制效果、经济和社会效果等角度构建指标体系,构建了基于支撑度理论的模糊群决策模型,对纠偏效果进行评价,给出反馈结果,推动纠偏策略的持续改进。（4）复杂大型建设项目费用偏差控制系统设计研究。把研究的理论和构建的模型拓展到实际的项目费用管理中,提出了复杂大型建设项目费用偏差控制信息系统设计。首先,对复杂大型建设项目费用偏差控制系统进行了定义,对系统建设目标、系统用户和系统需求进行分析,确定了系统的非功能需求和功能需求;然后构建费用偏差控制系统的总体设计框架结构,从系统开发方法、系统开发平台、系统功能模块、系统数据库四个角度对系统进行详细深入的设计;在涉及到系统关键的实施技术方面,对开发技术选型进行了结构性论述,并对数据仓库的核心设计理念进行了详细介绍,设计了系统模型管理模块的结构和重点功能。该系统包括费用偏差警报、费用偏差预测、费用偏差控制、纠偏效果评价等功能。
任玮[2]（2021）在《面向物联网的软件定义网络控制技术研究》文中指出近年来,物联网已经发展成为支撑现代生产生活的数字基础设施。软件定义网络作为一种新兴网络模式,是推动物联网进一步发展的关键技术,能够有效提升物联网网络的可管理性、可配置性、可编程性和可复用性,为物联网服务提供动态、灵活和集中式支持。软件定义物联网中相关网络实体的控制技术是实现上述目标的重要保障。但是考虑到软件定义网络是针对传统网络提出的,已有的控制模型、机制和优化方法不能完全适用于物联网这一特殊场景中。特别是由于物联网设备节点的电源、计算、网络和存储等能力通常有限,对于资源的消耗非常敏感,而传统的软件定义控制技术一般需要较大的资源消耗。因此,对面向物联网的软件定义网络控制技术展开深入研究,具有十分重要的理论意义和应用价值。本文针对软件定义物联网数据层-控制层-应用层中的重要控制实体,分别从流表的存储更新、网络功能的组合部署、控制器的选址分配和应用的授权访问展开研究,提出了一系列的新模型和新方法:（1）针对软件定义物联网数据层中的流表存储问题,研究一种基于hash的分布式存储控制机制,包括构建一种基于节点多维信息的存储位置选择算法;一种基于流表匹配域的hash空间构造方法,方便流表的识别、定位与管理;一种基于树结构的流表部署与数据转发机制,避免由流表分布式存储导致的网络消耗。另外,研究一种低消耗流表批量更新机制,将所有待更新节点的更新规则进行打包并按批次进行下发,以减少控制器与节点间的通信消耗;然后按照新数据流从目的节点到源节点的顺序进行更新,以保证网络更新的一致性特征。包括提出一种更新树结构以支持灵活的更新路径规划;一种基于虚拟目的节点的控制包打包算法,能将更新树中的更新规则聚合成最小数量的更新控制包;一种合作传输模式来提升更新控制包在无线不稳定信道下的传输成功率。实验结果验证了所提出的分布式存储和批量更新控制机制的有效性。（2）针对软件定义物联网数据层中网络功能的组合部署问题,研究一种近端编排控制策略。首先设计一种物联网服务功能链抽象定义语言,以完成对物联网服务的全面准确描述;然后利用一种需求感知的网络功能顺序排列算法,确定物联网服务的虚拟转发图;随后将网络功能的部署问题形式化为一个整数线性规划模型,优化目标是在资源约束前提下,将物联网网络功能最大程度地部署在距离数据源更近的位置;并提出一种两阶段的部署优化方法,包括一种改进的遗传算法和一种trade-off效用函数来找到满足用户需求的最佳部署方案。通过分析服务时延和链路消耗等指标,验证了所提出的近端编排控制策略的有效性。（3）针对软件定义物联网控制层中的控制节点选址分配问题,研究一种基于重要性的分层部署控制方法。首先设计一种面向物联网的主从式分层软件定义控制框架,以避免单点失效和性能瓶颈问题;然后提出一种基于层次分析法和模糊积分的物联网设备节点重要性评估模型;随后将子控制器部署问题形式化为一个二进制整数规划模型,并通过一种改进的粒子群优化算法对部署问题进行求解,以获得近似最优的子控制器部署位置和覆盖范围。实验结果表明,与其他传统部署方法相比,所提出的分层部署控制策略使重要物联网节点的控制时延平均降低约30.56%。（4）针对软件定义物联网应用层中的应用授权问题,研究一种基于区块链和属性加密的开放访问控制模型。通过由属性加密的token进行应用授权,而这些token被看作区块链中的货币进行分发和管理。首先提出一种基于区块链的分布式访问控制框架,以解决异构不互信控制器平台间的实体交互问题;然后利用属性加密技术改进基于token的访问控制机制,并通过智能合约整合相关操作,实现对北向接口的自动细粒度授权;同时设计专用的token封装、分发、更新和验证方法,保证对应用的全生命周期安全管理;为了减轻引入区块链和属性加密的复杂性与高时延问题,将应用的授权过程与访问过程进行分离,进一步提升应用的资源访问效率。最后基于安全性分析和原型系统的实验结果表明,所提出的访问控制模型能够以可接受的成本实现应用在异构多控制平台间的有效访问控制。
孙津[3]（2021）在《结合气溶胶光学厚度的北京市PM2.5小时浓度分布估计与个体暴露评估》文中认为PM2.5是空气动力学直径小于或等于2.5μm的大气颗粒物,因其高污染水平和不良健康效应成为目前环境健康研究的热点。许多研究表明PM2.5对心血管和呼吸系统等存在不良影响,也是目前造成人类死亡风险的最重要因素之一。暴露是衡量人和污染物在一定时间内的接触的物理量。PM2.5暴露评估能够为定量研究污染和疾病的关联的流行病学研究打下基础,从而提供PM2.5对人类健康危害的统计学证据和量化参数。除长期暴露外,一些研究也证明了PM2.5短期暴露的危害性,而在短期暴露评估研究中结合个体出行的动态暴露估计方法更为准确。这一方法除个体时空轨迹数据外,还需要获取高时空分辨率的PM2.5浓度分布。但是目前国内空气质量监测站点分布仍较为稀疏,难以满足获取城市内更精细的污染浓度时空分布的需求,也限制了个体短期暴露评估的研究。基于此背景,本研究利用与PM2.5浓度存在强关联的卫星气溶胶光学厚度（aerosol optical depth,AOD）,使用多模型综合的随机森林方法估计全覆盖的高时空分辨率PM2.5浓度分布,并结合北京市的个体时空轨迹数据进行了个体短期暴露评估试验。本研究对于城市污染控制、居民健康建议以及后续的流行病学研究和健康风险评估都具有参考价值。论文主要研究内容和创新如下:（1）研究使用了2014-2019年北京市范围内的小时级、5 km分辨率的Himawari-8 AOD和日级、1 km分辨率的MAIAC AOD两种最新的高分辨率卫星AOD产品,并对二者进行质量和时空覆盖度的评估。地基观测AOD的评估表明二者的质量较好,时空覆盖度评估也说明了二者的时空代表性较充足,可用作PM2.5浓度估计的变量。但是两种卫星AOD仍存在显着的时空缺失问题,会对全覆盖的PM2.5浓度估计造成阻碍。（2）选择多模型综合的随机森林方法,将MAIAC AOD日均值、Himawari-8 AOD小时值、小时分辨率的气象数据、土地利用等数据作为估测变量,估计2014-2019年北京市PM2.5小时浓度公里分布。为了更好地利用数据的时空联系性,还加入了PM2.5站点监测值和地理要素的空间卷积层以及气象数据的时间积累效应作为模型输入。由于AOD时空缺失现象显着,为最大限度保留AOD的估测贡献,根据两种卫星AOD的有无建立4个数据集,在每个数据集上分别建立随机森林模型。4个模型拟合R2为0.975-0.982,RMSE在6.9-11.5μg/m3之间;CV R2为0.916-0.948,RMSE在14.1-16.9μg/m3之间;美国大使馆的独立测试R2为0.899-0.953,RMSE在18.7-19.9μg/m3之间。无论从测度的绝对值还是和前人研究相比较,都说明了本研究各模型有较高的估测精度。估测变量敏感性测试结果证明了本研究用到的估测变量对于提高模型估计精度都有贡献;其中气象要素的时间积累效应在前人研究中较少使用,而在本研究中对时间趋势估计效果有显着提升。（3）根据空间分辨率和空间趋势估计贡献,确定了多模型估计结果结合的顺序,拼合得到北京市全覆盖的PM2.5小时浓度公里分布地图,对2019年4个季节的典型污染过程浓度分布进行估计。小时浓度公里分布能够呈现污染过程的诸多细节,可反映出不同机制下污染时空特征的复杂性,会为个体暴露评估带来更多动态的影响。（4）通过含浓度调整因子的个体暴露估计方法,结合个体时空轨迹与4个污染过程的小时浓度分布,计算得到北京市313人16天的个体日暴露量和小时暴露峰值。个体时空轨迹数据来自定位和健身类app用户在网站公开分享的上下班轨迹数据。对暴露估计结果进行分析,发现不同天的日暴露量和小时暴露峰值基本与当天的污染水平成正比,而一天中高浓度的时段和出行时段容易成为小时暴露峰值时段。相比工作地日均浓度,同一天中不同人的日暴露量与居住地日均浓度更为相关。而北京市污染的空间分布特征多为“南（东南）高北（西北）低”,因此居住在北部和西北区域的人对于PM2.5的日暴露量通常更低。出行方式上,受出行微环境调整因子影响,驾车出行的个体日暴露平均水平一般小于步行和骑行。在本研究中通过对同一个体不同出行选择的研究,发现确定起终点的情况下,减小暴露的出行方式以驾车最优,步行最差;同样的出行方式下,通常出行时间越短,暴露越低。（5）研究比较了定位在住址的静态暴露估计与结合出行的动态暴露估计的差异,并提出了两种简化的动态暴露估计方法。在比较动态和静态暴露估计差异时,发现当白天空间污染浓度差异较大时,出行距离较大的人（浓度调整前）和出行时间较长的人（浓度调整后）用静态暴露替代动态暴露的误差较大。出于降低数据收集成本的需要,提出了两种简化的动态暴露估计方法:方法一需要获取个体的居住地和工作地位置,可由手机信令数据收集;方法二除个体的居住地和工作地位置外,还需要个体上下班出发和到达的时刻及出行方式,可由活动日志调查来收集。在完整的个体时空活动数据获取难度较大时,这两种方法都可以作为动态暴露估计方法的简化版本进行使用,比传统的静态暴露估计方法准确度更高。
吴玉浩[4]（2021）在《技术标准联盟网络、知识吸收能力与企业联盟绩效关系研究》文中研究指明在数字化转型背景下,技术标准作为国家治理体系和治理能力现代化建设的基础,深入实施标准化战略、提升标准化治理效能已成为调动企业创新活力、谋求企业核心竞争力、保护科技创新成果和支撑高质量发展的重要手段。在标准化热潮下,众多企业纷纷制定和实施标准化战略,试图凭借技术标准来赢得市场竞争的主动权和话语权。然而,数字化转型推动着产业的新旧动能转换,由此催生的环境不确定性加快了技术标准更新换代的速度,导致企业的标准化生命周期不断缩短,并深刻改变着传统的标准体系和标准管理体制,驱动着组织管理的变革与创新。伴随着技术的发展和市场的演进,企业如何突破自身资源和能力限制、增强标准化发展韧性,被视为谋求生存与发展、培育持续性竞争优势的关键。因此,如何有效参与标准化便成为标准化研究的重要议题。随着我国标准化工作改革的深入推进,近年来团体标准发展的如火如荼,网络协同创新模式已成为标准化的全新支撑点。企业通过参与一个或多个技术标准联盟,以直接或间接联结的标准化合作关系与其他企业嵌入至技术标准联盟网络,共同制定、实施和推广技术标准。这种标准化参与形式不仅可以吸纳和集聚联盟成员的资源和能力,推动不同企业围绕标准研发展开深度合作,也使标准化的投入成本和创新风险得以分散,有助于形成统一协调的标准体系。然而,技术标准联盟在我国尚处于起步阶段,还未发展成熟。在标准化实践中,即便是身处同一联盟之中,也并非所有企业都能实现预期的联盟目标。事实上,尽管技术标准联盟可能会使参与者共享发展红利,但成员企业能否真正获益仍有赖于自身的标准化参与行为。因此,为了提升企业参与标准化联盟合作的效率和效益,有必要对其标准化活动予以规范引导。但是,与发展势头强劲的技术标准联盟相比,标准化领域的理论与实证研究却较为滞后。以往研究主要围绕技术标准产生的影响展开分析,尽管部分研究指出了参与标准化的积极影响,但却多探讨其对于宏观经济或中观产业的影响,而鲜有研究涉及微观企业层面,且并未明晰企业自身经由联盟参与标准化而获益的实现路径。同时,技术标准联盟作为一种特殊的战略联盟形式,学者们多围绕其他联盟形式进行研究,聚焦于技术标准联盟情境的研究成果较为匮乏。作为标准化活动的主体,企业通过技术标准联盟参与标准化可获得哪些益处（What）?不同企业之间的联盟绩效为何存在差异（Why）?企业又应如何在标准化联盟合作中实现更高的绩效水平（How）?这些问题的答案还尚不可知,仍有待进一步深入探讨。基于此,本文以企业微观层面为切入点,聚焦于我国技术标准联盟情境下的企业标准化参与行为,以联盟绩效（标准化合作结果）为导向,由网络视角来探讨参与标准化对于企业联盟绩效的影响机制,试图解释联盟内部企业之间绩效差异的缘由及其绩效增进路径,所剖析的研究问题包括:（1）技术标准联盟网络对于企业联盟绩效的影响;（2）知识吸收能力对于企业联盟绩效的影响;（3）知识吸收能力在技术标准联盟网络与企业联盟绩效之间所发挥的作用;（4）数字化转型背景下,环境不确定性在知识吸收能力与企业联盟绩效之间所产生的影响。本文以社会网络理论、知识基础理论和动态能力理论为依据,在系统回顾和梳理技术标准联盟、联盟网络、知识吸收能力、环境不确定性及企业联盟绩效等方面的相关文献成果的基础上,结合对深圳、长春、杭州和上海的4家标准联盟企业的案例分析,对核心研究构念进行界定,深入阐述了变量之间的作用机理,进一步构建得到理论研究模型并提出相应研究假设。针对我国团体标准这一市场驱动下的新兴联盟标准形式,立足于数字化转型背景下的信息化和工业化融合发展趋势,以信息技术和汽车产业内的技术标准联盟企业为目标样本,收集到来自437家联盟企业的有效问卷调查收据,借助SPSS 25.0和AMOS 22.0软件开展描述性统计分析、相关性分析、因子分析、回归分析,以此对研究假设进行检验,多数研究假设得到了实证数据支持,主要得出以下研究结论:（1）技术标准联盟网络对于企业联盟绩效具有正向影响。相较于边缘企业,中心企业能够借助网络位置优势来影响标准化合作结果,显着提升自身绩效水平。同时,与联盟合作伙伴编织紧密的关系网络,亦可帮助企业从标准化合作中实现更多收益;（2）知识吸收能力对于企业联盟绩效具有正向影响;（3）潜在吸收能力能够增强网络中心性与企业联盟绩效之间的正向关系,现实吸收能力能够增强网络中心性、网络关系强度与企业联盟绩效之间的正向关系;（4）技术不确定性能够增强潜在吸收能力、现实吸收能力与企业联盟绩效之间的关系,市场不确定性能够增强现实吸收能力与企业联盟绩效之间的关系。本文围绕企业标准化参与行为展开研究,针对我国数字化转型背景下的技术标准联盟现象,构建了“资源—能力—绩效”这一内外联动的整合性理论分析框架,由此明晰了企业如何有效参与标准化的理论逻辑,主要创新点和理论贡献表现在以下方面:（1）由网络视角对技术标准联盟现象展开分析,丰富了标准化领域的研究成果。本文将战略联盟研究拓展至技术标准联盟情境,并引入网络视角来深入挖掘技术标准联盟的本质、剖析企业参与标准化的内在逻辑,不仅探究参与标准化是否会对企业自身产生积极影响,更重要的是进一步揭示了企业如何从参与标准化合作中取得更好的联盟绩效。区别于以往的标准化研究,本文将技术标准联盟网络视为企业获取外部知识资源的渠道,按照“结构—关系”两分法来整合网络中心性和网络关系强度两个维度,深入阐释其对于企业联盟绩效背后的影响机制,即联盟企业应借助网络位置优势和紧密联结的网络关系来增加标准化产出、促动联盟绩效提升。由此,本文突破了标准化研究多集中于影响标准内容、市场采用等领域的局限,使联盟网络的应用范围得以延伸,弥补了技术标准联盟网络的研究空白,基于技术标准联盟情境揭示了企业联盟绩效的网络影响机制与规律,彰显了我国团体标准这一新兴联盟标准形式的现实价值。（2）将知识吸收能力纳入理论研究框架,由知识层面强调了企业内部动态能力的重要性。技术标准与知识紧密相关,虽然以往研究指出了知识吸收能力对于标准化具有促动作用,但这一论断尚缺乏有效的实证支持。一方面,本研究搭建了知识吸收能力与外部知识获取机制的联系,考察了知识吸收能力与企业联盟绩效之间的关系,证实了前者对于企业联盟绩效的促进作用;另一方面,本研究验证了知识吸收能力在技术标准联盟网络与企业联盟绩效之间的调节作用,尽管联盟网络为企业提供了外部知识来源渠道,但能否有效吸收和利用这些资源取决于企业知识吸收能力的高低。因此,由“资源—能力”互动角度来探讨企业的标准化参与行为,建立了两者之间的内在关联性,有效解释了企业调动联盟网络获取外部知识资源、将其吸收利用进而转化为企业联盟绩效的过程及其内在作用机理,由此较为全面地勾勒出企业提升联盟绩效的实现路径,提供了动态能力研究的全新视角。（3）通过探究环境不确定性的影响,展现了技术标准联盟在我国数字化转型时代背景下的新规律。在传统产业转型升级与新兴产业加速发展的现实背景下,新旧动能转换使企业处于动荡不安和不确定的环境条件之中,企业愈发需要积极响应和匹配外部环境变化,依靠技术标准的稳定性来化解环境风险,增强标准化发展韧性。因此,本文以环境不确定性的主要来源为依据,由技术和市场两个层面来分析环境特征对于企业标准化参与行为的影响,证实企业联盟绩效源于外界环境和内部适应的协同互动效应。由此,本文探明了知识吸收能力影响企业联盟绩效的边界条件,且所得研究结论适用于我国情境特征的技术标准联盟,对于反映我国企业的标准化实践情况具有重要意义,为把握本土化的技术标准化问题提供全新思路。同时,弥补了以往标准化研究对于环境要素作用关注不足的缺陷,丰富了该领域的理论研究成果,为转型期企业发展的标准化战略决策提供了理论支持。
申梦伟[5]（2021）在《丘陵山地田间作业路径规划研究与试验》文中研究说明随着丘陵山区宜机化改造与农业机械化推广工作的顺利进行,丘陵山区农业机械的智能化作业技术将成为研究的热点,其中自主导航技术的创新研究必然是丘陵山区智能农机的首要任务。全覆盖路径规划（Coverage path planning,简称CPP）是农机自主导航技术实现的基础。目前发展较为成熟的二维农田CPP技术已经广泛应用于标准农田的农机无人驾驶作业过程,但在丘陵山区区域,因受制于复杂的环境条件以及薄弱的基础设施建设,二维农田的CPP技术难以提供有效的作业路径规划方案,并无法解决三维地形田间作业过程中机具的能耗优化问题。因此开展丘陵山区农田田间作业覆盖路径规划的研究具有重要意义。本文为解决我国丘陵山区农作环境下农机的三维覆盖路径规划问题,主要进行了下述研究工作:1.根据几何法原理构建了环境模型。针对我国丘陵农田作业环境具有田块面积小,形状不规则,分布密集无规律的复杂特点,首先分析了栅格法、自由空间法、几何法等建模方法;之后通过比较研究确定基于几何法的建模方法实现对田块边界及各田块位置坐标的描述,以满足规划所需;最后根据几何法原理演示了环境仿真建模流程,构建了具体的环境模型。2.提出基于能耗模型的单田块全覆盖路径规划方案。为满足三维地形中农机自主作业过程的能耗优化需求,并实现三维地形的单田块全覆盖路径规划,本文首先通过对比分析确定了耗能相对较低、作业效率相对较高且易于自主作业实现的往复式路径规划方式;其次构建了农机作业过程的能量消耗模型,并基于模型获取作业能耗最优的行驶方向角;之后分析构建了地头转弯决策模型,实现农机作业路径之间的连接;最后通过MATLAB软件平台将单田块全覆盖路径规划方案仿真实现。3.基于田块进出位置节点已知条件提出多田块遍历次序寻优方案。首先分析了基于单元分解法的平缓坡地区大型复杂农田分解成多个子农田后的遍历次序搜索算法原理;之后分析了三维地形多田块遍历次序优化的关键问题,提出基于遗传算法的多农田遍历次序寻优方案;最后综合现有研究成果,进一步系统的开发了针对丘陵山地环境的农机自主作业路径规划仿真平台。4.基于开发的仿真平台对提出的三维作业区全覆盖路径规划方案进行仿真试验,并对试验结果分析研究。首先提出仿真试验的目的及关键内容;其次获取真实农田数据资料并进行仿真试验;仿真试验结果显示,以路径成本规划的最优路径在能耗水平上并非最优,以能耗成本为代价获得的规划路径可实现能耗最优,即在能量消耗方面以能耗成本搜索获得的路径质量优于以路径成本搜索得到的路径质量,在总体上能够降低18.70%的能耗;最后针对试验数据特点进行深入分析,研究数据结果中反映的问题与现象,并总结;5.设计并开展场地试验对单田块覆盖路径规划方案的合理性进行验证,试验表明,能耗成本搜索获得的路径比路径成本搜索得到的路径节省16.2%的能耗,以能耗成本为代价获得的规划路径可实现能耗最优,与仿真试验结论一致。以功耗损失率作为评估指标,经标定试验测得标定功耗损失率约为55.7%。对仿真试验能耗理论值与场地试验的实际能耗值之间的误差进行分析,分析结果表明相对误差为6.6%小于10%,符合设计要求,因此单田块覆盖路径规划方案合理。
周以舟[6]（2021）在《基于卷积神经网络的视频表征学习》文中认为视频是对客观事物形象、生动的记录与描述,是直观而具体的信息传递与表达方式,同时,随着互联网时代的全面到来,视频信号也成为了人类最重要的信息载体之一。视频表征学习（Video Representation Learning）旨在通过数据驱动的机器学习算法,对原始视频进行表征提取,为相关下游任务提供至关重要的语义特征。近年来,随着深度学习概念的提出,基于深度卷积神经网络（Deep Convolutional Neural Network）的相关算法极大地提升了视觉数据的利用效率和模型性能,为许多拥有大量数据的应用场景的落地奠定了坚实的基础。然而,现有的深度模型设计以及学习算法在处理复杂的、具有时空（spatiotemporal）特性的视频信号时,仍然面临着效率低下、成本高昂、性能不足等严重问题。为了克服这些局限性,一方面,本文通过观察到自然视频信号的时空不对称性,即空域上包含的信息量要显着大于时域,创新性地提出了将这种时空不对称特性充分考虑在深度时空网络模型设计过程中,并基于规则或自适应地将深度卷积网络中的计算模块按需地、不均等地分配到视频信号的空域和时域部分,在降低计算量和优化难度的同时极大地提升了模型性能。进一步地,本文利用贝叶斯深度网络相关知识,理论上保证了基于数据分布的时空异构深度网络的有效性和泛化性,为领域内后续工作提供了坚实的理论保障以及全面的实验观测。另一方面,由于视频信号本身承载的信息量远大于图像,对其进行人工标注需要耗费更加高昂的成本。于是,本文从自监督学习角度出发,通过考虑视频信号内在的随机属性和时空可解耦特性,结合并拓展了变分推断相关理论,创新性地提出了高阶变分自编码器自监督训练框架和影子卷积操作,成功帮助深度时空模型在无人工标注环境下更高效地学习到通用的、有代表性的视频表征,并促使模型在多个下游任务上达到领域内最先进的水平。为了全面验证上述方案的有效性,本文使用了百万量级的视频数据,并在人类动作识别、视频多标签标注、视频检索和视频预测等多个任务上进行了性能比较与验证。在人类动作识别和视频检索任务上,本文提出的时空异构方案能够在若干数据集上取得最佳分类效果,时空解耦的自监督方案能够进一步提高性能,甚至可媲美监督学习得到的效果;在视频多标签标注任务上,本文的可学习融合方案可以显着提高标签的召回率和精度;在视频预测任务上,本文基于高阶变分自编码器成功地预测出自然视频的多重未来,表明其可以有效地捕捉到自然视频中的随机属性,帮助构建更为完备的视频表征。通过全面的实验验证和理论分析,本文所提出的时空不对称设计理念已经成为领域内关于深度时空卷积网络结构设计的共识之一、所提出的高阶变分自编码器和时空解耦自监督框架也成为视频自监督训练新范式,成功拓展了领域性能的边界,并为领域的发展提供了新的视角与思路。
唐靓[7]（2021）在《覆盖和施氮对旱作春玉米农田水氮迁移利用和生产力的影响》文中研究表明黄土高原是我国主要的旱作农业区,早春低温和不均匀降水是限制该地区春玉米产量和水肥利用效率的主要因素。采用不同地表覆盖和农田养分管理技术进一步提高作物产量和资源利用效率的同时,维持土壤生态系统的稳定性和可持续性,对保障区域粮食安全和促进农业绿色发展具有重要意义。控释氮肥因其能控制氮素释放速率,使其与作物需求基本同步,实现作物高产和养分高效,具有很好的应用前景。为探究黄土高原旱作区不同地表覆盖下配施控释氮肥的增产增效潜力及其机制,本研究以春玉米为研究对象,设置了不同覆盖（NM:无覆盖;FM:地膜覆盖;SM:秸秆覆盖）与施氮方式（N0:不施氮肥;NU:常规施氮-普通尿素;NC:优化施氮-普通尿素和控释氮肥1:2配施）,共9个处理,并结合田间微区试验和15N标记,系统分析不同覆盖和施氮对春玉米产量、地上部干物质和氮累积、根系时空分布、水分吸收利用的影响,比较作物对剖面残留硝态氮的吸收利用,分析土壤微生物群落结构和多样性对多年连续不同覆盖与施氮的响应趋势,以期为旱作稳产高产氮高效和农田绿色可持续提供科学依据。主要研究结果如下:（1）地膜覆盖和秸秆覆盖均促进了玉米生长发育,增加了作物产量,地膜覆盖优化施氮增产作用最显着。地膜覆盖和秸秆覆盖增加了叶面积指数（LAI）、叶绿素含量（SPAD）和营养生长期光能捕获量,促进了地上部干物质累积,从而提高了春玉米籽粒产量和地上部植株氮素吸收量,三年平均籽粒产量较无覆盖分别增加6.3%～27.9%和2.6%～8.9%。施氮显着增加春玉米籽粒产量,优化施氮处理2016和2017年平均籽粒产量较常规施氮分别显着增加4.6%和12.4%,2018年两者之间无差异。地膜覆盖优化施氮获得最高产量,2016、2017和2018年分别为14.9、14.8和16.7 t ha-1。地膜覆盖优化施氮显着增加了玉米籽粒产量,减少了追肥成本,增加了经济效益,2016和2017年获得最大净效益,分别为每公顷1.76和1.75万元。（2）优化施氮处理改变了覆膜玉米根系生长特征,促进了生育后期根系下扎和细根生长。优化施氮显着促进吐丝期、乳熟期和蜡熟期上层根系生长,同时延缓蜡熟期深层土壤根系衰老。与常规施氮相比,优化施氮处理2016和2017年蜡熟期各土层根长密度分别显着增加52.1%～119.4%和24.2%～63.2%。吐丝期上层以及乳熟期和蜡熟期0-100 cm土壤剖面根长、根干重和根表面积密度与玉米籽粒产量显着正相关。（3）地膜覆盖和秸秆覆盖均有效改善玉米生育前期上层土壤含水量,增加生育后期深层土壤水分消耗,显着提高春玉米水分利用效率,地膜覆盖效果更显着。与无覆盖相比,三年V6时期地膜覆盖和秸秆覆盖处理0-20 cm土壤含水量分别增加11.2%～22.7%和2.29%～8.2%。从施氮平均看,与无覆盖相比,2016和2017年地膜覆盖水分利用效率分别增加28.5%和25.4%,秸秆覆盖分别增加16.0%和17.5%,2018年覆盖处理之间无明显差异。优化施氮增加生育后期深层耗水,提高水分利用效率。与地膜覆盖常规施氮相比,2017和2018年地膜覆盖优化施氮处理100-200 cm土层土壤含水量平均降低1.3%～6.8%和0.4%～2.6%。从不同覆盖平均看,与常规施氮相比,2016、2017和2018年优化施氮处理水分利用效率分别增加3.7%、19.8%和3.9%。地膜覆盖优化施氮获得最高水分利用效率,三年分别达38.1、38.8和38.9 kg ha-1 mm-1。（4）地膜覆盖和秸秆覆盖优化施氮增加了吐丝前氮素累积和转移,增加了吐丝后氮素累积量和收获时期总氮素吸收量,提高了氮素利用效率,减少了剖面硝态氮累积和向下淋溶,地膜覆盖效果更显着。与无覆盖优化施氮相比,地膜覆盖优化施氮处理2016、2017和2018年PFP分别增加28.8%、21.2%和8.9%,秸秆覆盖优化施氮分别增加6.3%、2.5%和3.0%。与无覆盖相比,优化施氮条件下地膜覆盖处理0-100 cm和100-200 cm土壤剖面NO3-N残留量分别减少59.6%和87.2%,秸秆覆盖分别减少53.6%和61.9%;常规施氮条件下,地膜覆盖0-100 cm和100-200 cm土壤剖面NO3-N残留量分别减少58.6%和73.7%,秸秆覆盖0-100 cm土壤剖面NO3-N残留量减少49.9%,100-200 cm增加18.4%。（5）地表覆盖或施氮均显着增加对土壤剖面残留硝态氮的吸收利用,对上层土壤硝态氮的吸收利用率高于下层,且地膜覆盖的效果比秸秆覆盖显着。15NO3-N标记结果表明,2018年地膜覆盖施氮处理对20-50 cm和50-80 cm土层15NO3-N的利用率最高,分别为20.20%和16.99%。从施氮平均看,与50-80 cm土层15NO3-N的吸收利用率相比,地膜覆盖、秸秆覆盖和无覆盖处理玉米对20-50 cm土层15NO3-N的吸收利用率分别增加25.1%、28.2%和25.7%。从不同覆盖平均看,与50-80 cm土层15NO3-N的吸收利用率相比,不施氮和施氮处理玉米对20-50 cm土层15NO3-N的吸收利用率分别增加31.2%和22.6%。施氮和地膜覆盖对20-50 cm和50-80 cm土层15NO3-N的吸收利用具有显着的交互作用,降低了15NO3-N的下移距离。因此,覆膜和施氮可调控增加对黄土高原旱作玉米农田剖面累积硝态氮的吸收利用,避免其向更深层次土壤迁移,减少损失。（6）地表覆盖和施氮不同程度影响微生物群落多样性和群落组成,以及微生物共生关系。与无覆盖相比,地膜覆盖降低了土壤有机质（SOM）、可溶性有机碳（DOC）、微生物量碳（MBC）和微生物量氮（MBN）的含量,增加了寡营养型细菌放线菌门（Actinobacteria）和厚壁菌门（Firmicutes）的相对丰度,增加了细菌的Alpha多样性,促进了物种之间的竞争与合作关系;秸秆覆盖增加了SOM、DOC、MBC和MBN含量,增加了富营养型细菌拟杆菌门（Bacteroidetes）的相对丰度,降低了寡营养型细菌放线菌门（Actinobacteria）的相对丰度,降低了物种之间的竞争与合作关系。不同覆盖和施氮对真菌Alpha多样性无明显影响。与不施氮相比,施氮处理显着降低了细菌的Alpha多样性,增加了富营养型细菌变形菌门（Proteobacteria）的相对丰度,促进了土壤细菌和真菌之间的竞争与合作关系,增加了微生物网络的复杂性,增加了生态位和获取养分的渠道。本研究结果表明,地膜覆盖控释氮肥配施优化施氮处理氮素释放规律更好地满足该地区春玉米生长氮素需求,促进玉米生育后期根系下扎,延缓根系衰老,有效吸收利用深层土壤水分;促进植株对不同来源氮素的吸收利用,减少了土壤剖面硝态氮累积和向下迁移损失;增加籽粒产量、水氮利用效率和经济效益。多年连续地膜覆盖和施氮处理也增加土壤微生物之间的竞争与合作关系,增加获得养分的渠道,是促进黄土高原旱作玉米生产可持续的有效途径。
王骏恺[8]（2021）在《基于双因素理论视角的社交平台用户停用意愿研究》文中研究说明社交平台的广泛普及使其不仅仅是个人社交、学习和娱乐的工具,更是企业和平台提供方等利益相关者的重要战略工具。社交平台潜在价值的兑现依赖于用户的持续参与,然而社交平台长久以来一直面临着用户流失的问题。尽管平台提供方一直致力于完善社交平台的功能和使用体验,但这些提升用户持续使用意愿的手段仍不能有效防止用户流失,不少用户仍在减少甚至停止使用社交平台。因此,平台提供方和诸多利益方迫切需要了解用户停用意愿的形成机制,进而提出有效解决用户流失问题的方案。现有文献认为停用意愿不完全是持续使用意愿的反面,且二者的形成机理具有本质区别,因此以往关于社交平台持续使用的研究并不能有效适用于社交平台停用情境。基于实践和学术的双重需求,本研究拟从“促进”与“抑制”两个视角切入,全面剖析用户停用社交平台意愿的形成机制。本研究主要的内容和结论如下:首先,子研究一基于双因素理论视角,考察了促进因素和抑制因素对社交平台停用意愿的影响。结果表明:由过载感知和侵犯感知所引起的后悔是社交平台停用意愿的关键促进因素;由行为因素、认知因素和情感因素导致的惰性是社交平台停用意愿的重要抑制因素。其次,子研究二结合社交平台的技术特点,将用户停用意愿划分为停止接收信息意愿和停止传递信息意愿,并引入刺激—体验—响应框架探索了促进因素对社交平台停用意愿的作用机制。结果发现:社交过载、隐私侵犯和生活侵犯这些负面环境刺激因素对后悔这一消极情感体验具有显着影响,而后悔会促使用户产生停止接收和停止传递信息意愿这两种趋避反应;替代品吸引力会强化后悔对停止接收和停止传递信息意愿的促进作用。最后,子研究三运用现状偏好理论,进一步探讨了抑制因素对社交平台停用意愿的影响机理。结果显示:转换成本、损失厌恶和情感承诺显着地正向影响社交平台用户的使用惰性,而惰性会阻碍用户形成停止接收和停止传递信息意愿;同伴减少使用会削弱惰性对停止接收信息意愿的抑制作用。本研究通过对国内微信用户进行问卷调查收集数据,数据分析结果验证了一个整合后悔与惰性的社交平台停用意愿双因素解释框架,为理解社交平台停用现象提供了重要的理论知识和实践指引。本研究的创新主要体现在:（1）从双因素理论视角丰富了现有对社交平台停用意愿前因的研究,加深了对社交平台用户停用现象的认识。通过同时考察后悔的推动作用和惰性的阻碍作用,本研究完整地解释了社交平台停用现象的形成过程。双因素理论视角有效性的成功验证也为后续社交平台停用研究提供了新的思路和依据。（2）通过揭示促进因素和抑制因素对用户停用意愿的作用机理,本研究全面刻画了社交平台停用意愿的形成路径。通过探索后悔与惰性的前因,以及二者对用户停用意愿的不同作用,本研究全面揭示了促进因素和抑制因素作用于社交平台停用意愿的具体机制,并为社交平台提供方干预用户停用给出了更有针对性的建议。（3）本研究揭示了促进因素和抑制因素影响社交平台停用意愿过程的边界条件。通过探究替代品吸引力和同伴减少使用在用户停用决策中的调节作用,本研究丰富了对后悔与惰性双因素停用机制的认识,拓展了当前研究对用户停用社交平台决策机制的理解。
王琛[9]（2021）在《基于深度学习的SAR目标分类与检测技术研究》文中研究说明合成孔径雷达（SAR）由于其全天时、全天候的工作特性,已被广泛应用于侦察探测、地质勘探、灾害检测和公共区域安检等领域。作为SAR图像分析和解译的基础问题,SAR目标分类与检测问题的研究具有重要意义。鉴于深度学习方法在计算机视觉领域取得了巨大成功,本文开展基于深度学习的SAR目标分类与检测方法的研究。近年来,基于监督学习的深度网络在SAR目标分类与检测任务中被广泛应用并取得了突出的效果。本文围绕SAR地面目标分类、SAR舰船分类、SAR舰船检测和SAR安检异物检测等任务,针对深度学习网络在SAR目标分类和检测中存在的标签样本依赖问题和SAR目标分布特性问题,从网络设计和非确知标签下网络训练等方面开展基于深度学习的SAR目标分类与检测问题的研究。本文主要研究内容和创新工作包括:（1）分析了非确知标签对深度SAR目标分类网络训练的影响,指出深度监督学习对标签样本的依赖问题。非确知标签包含标签有限和标签有误两种情况。本文分别针对以上两种情形进行研究,创新工作罗列如下:·针对标签有限问题,本文提出一种基于Batch均衡和扩增一致性约束的SAR目标分类半监督学习框架,实现对无标签样本的有效利用,从而提升训练网络的分类精度。其中Batch均衡可平衡训练批次中标签样本和无标签样本数量来确保监督学习在训练中的主导作用。统一扩增设计可保证网络训练中任意批量中标签样本和无标签样本使用相同扩增方式,使网络学习到变换不变性特征。在多种SAR目标分类数据集上的实验证明了所提半监督框架可在有限标签情况下训练网络达到全部标签样本监督学习训练下的分类效果。·针对标签有误问题,本文提出一种基于损失函数曲线拟合的标签噪声建模和标签纠正方法,实现在错误标签下有效训练网络且同时定位错误标签的功能。本文将无监督聚类方法用于标签建模,利用损失函数曲线有效区分噪声标签和正确标签,并利用正确标签训练网络以达到噪声标签纠正的目的。实验表明,所提方法可在40%比例噪声标签情形下纠正97.9%噪声标签,同时训练分类网络达到99.2%的分类精度。（2）研究了基于SAR目标分布特性的深度目标检测网络设计问题,包含SAR舰船检测和SAR安检异物检测两个重要任务。本文分别对不同目标分布特性进行研究,创新工作如下:·利用SAR毫米波安检异物检测任务中目标分布的规律性,提出一种基于归一化累积图的毫米波异物检测网络。归一化累积图可以揭示经常出现的安检异物目标的位置,同时在计算置信度损失时为不同位置提供不同权重。通过将归一化累积图引入YOLO-v2目标检测网络,在毫米波图像数据集中进行了实验。实验结果表明,利用基于归一化累积图的目标检测网络可将检测结果均值平均精度（m AP）提高4.43%。归一化累积图在设计中只与置信度分支有关,因此在检测网络设计中易于实现;同时保持了损失函数的数值稳定性,无需调整回归损失、置信度损失和分类损失在总损失中所占权重。·考虑SAR舰船目标检测任务中目标分布的多样性,针对目标分布多样性带来的锚框设置复杂问题,提出一种无滑窗无锚框下基于反卷积的候选边框生成机制,避免了锚框机制超参数过多和调试困难的问题,实现了精简且精确的候选边框生成。进一步,针对反卷积候选边框生成中对于邻近目标边缘不敏感等问题,利用基于中心点的目标检测网络进一步改进了无锚框目标检测网络的检测性能。在SAR舰船数据集中的实验证明了所研究无锚框SAR目标检测方法能够在获取精简候选边框的同时进行快速精确的目标检测。（3）研究复杂标签下SAR目标检测网络训练方法。目标检测网络标注的复杂性使得非确知标签条件下SAR目标检测网络训练更加困难,具体表现在标签赋值困难和标签错误类型复杂。本文以前述章节中研究内容为基础,研究复杂标签下SAR目标检测网络训练问题。·对于标注有限条件下SAR目标检测问题,考虑检测标注复杂性,采用联合标签传播和一致性扩增约束的半监督学习方法,利用无标签图像样本参与网络训练以提升标签有限条件下SAR目标检测网络的检测性能。·对于标注有误条件下SAR目标检测问题,考虑检测标签错误情形的多样性和复杂性,采用区域标签建模与纠正方法,判断检测标注中错误标签位置和类别并加以纠正,从而减少错误标签对目标检测网络训练的影响。本文研究基于深度学习的SAR目标分类与检测技术,针对深度网络标签依赖问题和SAR目标分布特性问题,在标签非确知条件下设计半监督学习框架和标签噪声纠正方法并考虑SAR目标分布特性设计不同目标检测网络结构,可有效提升标签非确知条件下深度分类检测网络的训练效果,提高对不同SAR目标的检测精度,对于SAR图像分析和解译等任务具有重要意义。
暴琳[10]（2020）在《面向含用户生成内容个性化搜索的交互式分布估计算法研究》文中研究指明高效精准的个性化搜索、服务、推荐等可为人们生产生活带来极大便利,而随着用户生成内容（User Generated Contents,UGCs）如:交互行为、评分数据、项目类别标签、用户文本评论、社交网络关系、图像或视频信息等的“信息过载”,变得日益复杂。含UGCs的个性化搜索是当前大数据分析及个性化服务领域的研究热点,该问题难以建立明确定义的数学模型和目标函数,其分析、评价决策过程具有主观性、不一致性和模糊性,是一类复杂定性指标优化问题。融合用户交互和智能进化优化算法的交互式进化算法（Interactive Evolutionary Computations,IECs）是一类解决定性指标优化问题的有效途径。然而,对于个性化搜索,如何在交互式进化优化中有效融合UGCs中多源、多模态、异质、非结构化数据,进而设计高效的交互式进化优化策略,是利用IECs解决含UGCs个性化搜索任务面临的严峻挑战。为此,本文研究了面向含用户生成内容的个性化搜索交互式分布估计算法（Estimation of distribution algorithms,EDA）,主要内容包括如下四点:（1）用户行为驱动的RBM偏好代理交互式分布估计算法:含用户生成内容的个性化搜索为一类典型的定性指标离散变量优化问题,当采用智能优化算法求解时,需首先设计用户偏好和评价代理模型。为此,利用受限玻尔兹曼机（Restricted Boltzmann Machine,RBM）强大的特征提取能力联合分布估计算法的寻优性能,给出了基于RBM代理模型和概率模型的分布估计算法;将该算法进行拓展,设计考虑用户历史交互行为和项目类别标签的RBM偏好代理模型,即基于用户交互行为筛选具有较长交互时间或较高用户评价的项目集合,构成含用户偏好信息的训练样本;对项目类别进行二进制编码,作为RBM偏好认知模型的输入,基于训练样本抽取用户偏好特征;根据RBM偏好模型,构建面向偏好特征分布的EDA概率模型和基于RBM能量函数的适应值估计代理模型;构建融合RBM偏好代理模型的交互式分布估计算法,并对其进行了复杂性分析。算法在复杂离散函数和Movie Lens个性化搜索中的应用,证明了融合RBM代理模型分布估计算法和用户交互行为驱动RBM偏好代理模型交互式分布估计算法的有效性。（2）基于UGCs用户隐式偏好的双RBM代理交互式分布估计算法:研究内容（1）虽然利用了用户交互行为、评分和项目类别信息改进交互式分布估计算法,但是,没有充分利用用户的社交网络信息,以及用户评价隐含的积极和消极偏好特征,鉴于此,基于研究内容（1）,进一步研究了基于积极和消极偏好拟合的双RBM代理模型的交互式分布估计算法。根据UGCs中用户交互行为如交互时长和评分数据等,获取显式偏好和隐式偏好信息,筛选优势群体和劣势群体,构建同步识别积极和消极偏好的双RBM用户偏好模型,以更精细的抽取用户偏好特征;利用积极RBM偏好模型特征的边际概率分布,给出EDA算法概率模型,并基于社交网络信息和加权积极消极RBM偏好模型的能量函数构造适应值估计模型,设计了高效交互式分布估计算法;在亚马逊数据集中的大量实验表明所提算法不但能够有效加强个性化搜索的性能,而且能够减轻用户评价负担,提高用户的交互式搜索体验。（3）融合多源异构UGCs的RBM偏好代理交互式分布估计算法:上述研究仅考虑了用户生成内容中的用户交互行为、项目类别标签和社交网络信息,未考虑用户生成内容中大量存在的用户评论文本数据,而这些用户评论中包含大量用户隐式偏好。鉴于此,在研究内容（2）的基础了,提出了面向多源异构UGCs数据的RBM偏好代理IEDA算法。考虑UGCs中用户评分、标签类别、用户评价文本以及社交关系,给出其数学描述,并采用doc2vec实现多源异构文本数据的向量化表示;基于搜索对象类别标签和用户评价文本向量,构建同时含有离散类别特征和连续语义特征的RBM并行双输入层用户偏好模型;设计基于RBM用户偏好和多相似用户社交关系的代理模型,估计可行解的个体适应值;动态更新RBM偏好模型参数、概率模型和适应度估计函数,实现具有精准跟踪用户偏好和提高个性化搜索效率的交互式分布估计算法;算法在亚马逊数据集的应用结果表明所提算法能够更好地预测用户偏好,动态跟踪用户兴趣变化,有效减轻用户评价负担并提高个性化搜索的精度和效率。（4）融合多源异构UGCs和注意力机制的RBM偏好代理交互式分布估计算法:研究内容（3）融合了多源异构数据后,决策变量既包含了项目类别特征又包含了评价文本的隐含特征,显然,这些特征对用户偏好具有不同程度的影响,对基于RBM的偏好代理模型就具有不同的贡献度,为此,进一步研究了基于注意力机制提取决策变量重要度的RBM偏好代理交互式分布估计算法。根据UGCs中多源异构的项目类别、文本评论和协同信息,采用doc2vec以及multi-hot编码机制对数据进行融合,设计基于RBM的注意力权重获取模块;融合用户偏好特征注意力权重,构建多角度描述搜索对象的RBM用户偏好模型;在IEDA框架下,设计基于偏好特征注意力权重的EDA算法分布估计概率模型和基于RBM的用户偏好代理模型;根据新增用户交互行为和UGCs数据,利用模型管理机制,更新融合多源异构数据和AM的RBM用户偏好模型,动态跟踪用户偏好;算法在亚马逊数据集的应用表明所提交互式分布估计算法进一步提高了对用户偏好的拟合能力和个性化搜索的精准性。上述研究内容针对含用户生成内容的个性化搜索,采用智能优化算法,从不同角度利用UGCs数据,层层推进,构建了多种反映用户偏好的RBM认知模型,并基于RBM模型对偏好特征的概率分布和能量函数,给出不同场景下基于RBM偏好模型的EDA概率模型和适应度代理模型构建机制,进而设计高效的交互式分布估计算法,以解决含用户生成内容的个性化搜索问题。在复杂函数和实际亚马逊个性化搜索问题的应用证明了所提算法的有效性。本文总共有图31幅,表22张,参考文献221篇。
二、Sun:降低成本和复杂性（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、Sun:降低成本和复杂性（论文提纲范文）
（1）复杂大型建设项目费用偏差控制方法及信息系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 复杂大型建设项目研究现状 |
| 1.2.2 项目费用控制研究现状 |
| 1.2.3 预警方法研究现状 |
| 1.2.4 纠偏策略研究现状 |
| 1.2.5 信息系统应用研究现状 |
| 1.3 主要研究内容和技术路线 |
| 1.4 主要创新点 |
| 第2章 相关基础理论研究 |
| 2.1 复杂大型建设项目特点及费用控制分析 |
| 2.1.1 复杂大型建设项目特点分析 |
| 2.1.2 复杂大型建设项目费用偏差控制参与主体 |
| 2.1.3 复杂大型建设项目费用控制复杂性分析 |
| 2.2 费用偏差控制相关理论研究 |
| 2.2.1 费用偏差控制内涵 |
| 2.2.2 费用偏差影响因素分析 |
| 2.2.3 费用偏差控制基本原则 |
| 2.3 费用偏差控制模型及方法研究 |
| 2.3.1 偏差特征系统动力学理论 |
| 2.3.2 神经网络模型 |
| 2.3.3 费用偏差预警聚类方法 |
| 2.3.4 费用偏差控制策略及评价理论 |
| 2.4 本章小结 |
| 第3章 基于系统动力学的费用偏差影响因素识别研究 |
| 3.1 复杂大型建设项目费用监控模式 |
| 3.1.1 费用监控模式特征分析 |
| 3.1.2 费用监控模式构建 |
| 3.1.3 费用监控模式运行流程 |
| 3.2 费用偏差影响因素的系统动力学模型构建 |
| 3.2.1 系统动力学的基本理论 |
| 3.2.2 基于系统动力学的费用偏差控制的可行性分析 |
| 3.2.3 系统动力学模型构建 |
| 3.3 费用偏差影响因素的子系统方程式建立 |
| 3.3.1 系统动力学建模中涉及到的数学方法 |
| 3.3.2 影响因素的子系统方程式建立 |
| 3.4 系统动力学模型仿真和分析 |
| 3.5 本章小结 |
| 第4章 基于改进神经网络模型的费用偏差控制方法研究 |
| 4.1 工程建设项目费用偏差计算需求及特点分析 |
| 4.2 基于K-means算法的费用偏差警情计算模型研究 |
| 4.2.1 K-means聚类理论及缺陷分析 |
| 4.2.2 K-means聚类方法改进及适用性研究 |
| 4.2.3 基于改进K-means算法的费用偏差计算模型构建 |
| 4.3 基于改进神经网络模型的费用偏差计算模型研究 |
| 4.3.1 神经网络模型原理分析 |
| 4.3.2 神经网络模型的改进及适用性研究 |
| 4.3.3 基于改进神经网络模型的费用偏差计算模型构建 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第5章 基于流程再造的费用偏差控制策略及效果评价 |
| 5.1 复杂大型建设项目费用偏差控制中的流程再造与协同 |
| 5.1.1 费用偏差控制中流程再造与协同的目标 |
| 5.1.2 费用偏差控制中流程再造与协同的原则 |
| 5.2 复杂大型建设项目各阶段费用偏差控制策略 |
| 5.2.1 前期决策阶段的费用偏差控制策略 |
| 5.2.2 中期实施阶段的费用偏差控制策略 |
| 5.2.3 后期运维阶段的费用偏差控制策略 |
| 5.3 复杂大型建设项目费用偏差控制效果评价 |
| 5.3.1 费用偏差控制效果评价指标体系 |
| 5.3.2 基于支撑度理论的纠偏控制效果评价群决策模型 |
| 5.3.3 算例分析 |
| 5.4 本章小结 |
| 第6章 复杂大型项目费用偏差控制信息系统分析与设计 |
| 6.1 复杂大型建设项目CDMIS分析 |
| 6.1.1 复杂大型建设项目CDMIS的定义 |
| 6.1.2 复杂大型建设项目CDMIS的建设目标 |
| 6.1.3 复杂大型建设项目CDMIS的用户分析 |
| 6.1.4 复杂大型建设项目CDMIS的需求分析 |
| 6.2 复杂大型建设项目CDMIS设计 |
| 6.2.1 系统的总体设计原则及开发方法 |
| 6.2.2 系统的平台整体设计 |
| 6.2.3 复杂大型建设项目CDMIS的功能及模块设计 |
| 6.2.4 复杂大型建设项目CDMIS的数据库设计 |
| 6.3 复杂大型建设项目CDMIS关键技术 |
| 6.3.1 复杂大型建设项目CDMIS的开发技术选型 |
| 6.3.2 复杂大型建设项目CDMIS的数据仓库设计 |
| 6.3.3 复杂大型建设项目CDMIS的模型管理模块设计 |
| 6.4 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）面向物联网的软件定义网络控制技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 国内外研究现状与问题 |
| 1.3 研究内容和主要贡献 |
| 1.4 本文组织结构 |
| 第二章 相关研究工作 |
| 2.1 面向物联网的软件定义网络 |
| 2.2 流表存储与更新 |
| 2.2.1 流表存储控制 |
| 2.2.2 流表更新控制 |
| 2.3 网络功能组合部署 |
| 2.4 控制器选址覆盖 |
| 2.5 应用授权访问 |
| 2.6 本章小结 |
| 第三章 SDN-IoT流表的分布式存储和批量更新控制 |
| 3.1 引言 |
| 3.2 基于hash的流表分布式存储控制 |
| 3.2.1 存储位置选择 |
| 3.2.2 hash空间构建 |
| 3.2.3 流表部署与数据转发 |
| 3.3 流表低消耗批量更新控制 |
| 3.3.1 更新过程 |
| 3.3.2 更新控制包构建 |
| 3.3.3 更新控制包合作传输 |
| 3.4 实验与性能评估 |
| 3.4.1 流表分布式存储性能评估 |
| 3.4.2 流表批量更新性能评估 |
| 3.5 本章小结 |
| 第四章 SDN-IoT网络功能的近端编排控制 |
| 4.1 引言 |
| 4.2 物联网服务功能链模型 |
| 4.3 物联网服务功能链组合 |
| 4.3.1 定义描述语言 |
| 4.3.2 网络功能顺序排列 |
| 4.4 物联网服务功能链部署 |
| 4.4.1 问题定义 |
| 4.4.2 基于改进遗传算法的网络功能部署 |
| 4.4.3 Trade-off效用函数 |
| 4.5 实验与性能评估 |
| 4.5.1 实验环境 |
| 4.5.2 实验结果分析 |
| 4.6 本章小结 |
| 第五章 SDN-IoT控制节点的分层部署控制 |
| 5.1 引言 |
| 5.2 分层主从式控制框架 |
| 5.3 物联网节点重要性评估模型 |
| 5.4 问题定义 |
| 5.4.1 网络模型 |
| 5.4.2 子控制节点部署问题 |
| 5.5 基于二进制粒子群的部署优化算法 |
| 5.5.1 节点分配 |
| 5.5.2 单目标子控制节点部署优化 |
| 5.5.3 多目标子控制节点部署优化 |
| 5.6 实验与性能评估 |
| 5.6.1 实验环境 |
| 5.6.2 实验结果分析 |
| 5.7 本章小结 |
| 第六章 SDN-IoT应用的开放访问控制 |
| 6.1 引言 |
| 6.2 系统框架 |
| 6.3 基本定义与原理 |
| 6.3.1 访问token |
| 6.3.2 基于属性的访问控制 |
| 6.4 访问控制流程 |
| 6.4.1 系统初始化 |
| 6.4.2 SDN-IoT资源注册 |
| 6.4.3 应用安装与授权 |
| 6.4.4 应用资源访问 |
| 6.4.5 应用重授权 |
| 6.4.6 应用权限更新与撤销 |
| 6.5 实验与性能评估 |
| 6.5.1 安全性与性能分析 |
| 6.5.2 实验环境 |
| 6.5.3 实验结果分析 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读博士学位期间发表的学术论文及参与的科研项目 |
（3）结合气溶胶光学厚度的北京市PM2.5小时浓度分布估计与个体暴露评估（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 科学问题 |
| 1.3 研究目的与意义 |
| 1.4 研究内容 |
| 1.5 技术路线 |
| 1.6 论文框架 |
| 第2章 文献综述 |
| 2.1 气溶胶光学厚度(AOD)估算地面PM_(2.5)浓度的原理 |
| 2.2 利用AOD估算近地面PM_(2.5)浓度的方法 |
| 2.2.1 基于原理的方法 |
| 2.2.2 基于结果的方法 |
| 2.2.3 估计方法总结和评述 |
| 2.2.4 AOD数据缺失引起PM_(2.5)估计结果缺失的处理方法 |
| 2.3 高时空分辨率PM_(2.5)浓度分布的估计方法和研究进展 |
| 2.4 个体短期暴露估计的数据来源和评估方法 |
| 2.5 本章小结 |
| 第3章 研究区域与数据 |
| 3.1 研究区域概况与PM_(2.5)污染特征 |
| 3.2 实验数据与初步处理 |
| 3.2.1 PM2.5 监测数据 |
| 3.2.2 AOD数据 |
| 3.2.3 气象数据 |
| 3.2.4 地理数据 |
| 3.2.5 个体时空轨迹数据 |
| 3.3 两种卫星AOD的质量与时空覆盖水平 |
| 3.3.1 AOD的质量 |
| 3.3.2 AOD的时空覆盖水平 |
| 3.4 本章小结 |
| 第4章 随机森林模型的构建、验证与评价 |
| 4.1 变量与模型的构建 |
| 4.1.1 时空关联变量的构建 |
| 4.1.2 随机森林模型的构建 |
| 4.2 模型的验证与评价 |
| 4.2.1 模型验证 |
| 4.2.2 基于随机森林方法测度的变量重要性评价 |
| 4.2.3 敏感性测试 |
| 4.3 本章小结 |
| 第5章 北京市PM_(2.5)小时浓度分布的估计结果 |
| 5.1 多模型估计结果的结合优先级 |
| 5.2 2019年4 个污染过程的PM_(2.5)小时浓度分布 |
| 5.3 PM_(2.5)浓度日变化的时空分异 |
| 5.4 本章小结 |
| 第6章 个体活动数据分析与个体暴露评估方法 |
| 6.1 活动信息的统计分析 |
| 6.2 暴露评估方法 |
| 6.2.1 暴露计算公式及参数的确定 |
| 6.2.2 日暴露量与小时暴露峰值的估计 |
| 6.3 暴露参数的敏感性测试 |
| 6.4 本章小结 |
| 第7章 北京市居民的个体暴露评估结果与影响因素分析 |
| 7.1 日暴露量的统计分析 |
| 7.1.1 不同天的日暴露量均值与变异 |
| 7.1.2 日暴露量的空间分布 |
| 7.2 各活动暴露占比的统计分析 |
| 7.3 日暴露量的影响因素 |
| 7.3.1 居住地和工作地浓度 |
| 7.3.2 出行距离、时间与方式 |
| 7.4 小时暴露峰值的统计分析与影响因素 |
| 7.4.1 不同天的小时暴露峰值的均值和变异 |
| 7.4.2 峰值对应的时刻和活动 |
| 7.4.3 小时暴露峰值的影响因素 |
| 7.4.4 峰值对应状态的影响因素 |
| 7.5 不同出行选择的日暴露量和小时暴露峰值区别 |
| 7.6 静态与动态暴露的差异分析及简化的新方法评估 |
| 7.6.1 因子调整前的原始静态暴露和动态暴露差异 |
| 7.6.2 因子调整后的静态暴露和动态暴露差异 |
| 7.6.3 静态与动态暴露差异的影响因素 |
| 7.6.4 简化的动态暴露估计效果评估 |
| 7.7 本章小结 |
| 第8章 总结与展望 |
| 8.1 主要结论 |
| 8.2 创新点 |
| 8.3 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）技术标准联盟网络、知识吸收能力与企业联盟绩效关系研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.1.1 实践背景 |
| 1.1.2 理论背景 |
| 1.2 选题意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 研究内容与结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 结构安排 |
| 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 |
| 第2章 理论基础与文献综述 |
| 2.1 理论基础 |
| 2.1.1 社会网络理论 |
| 2.1.2 知识基础理论 |
| 2.1.3 动态能力理论 |
| 2.2 文献综述 |
| 2.2.1 技术标准联盟相关研究 |
| 2.2.2 联盟网络相关研究 |
| 2.2.3 知识吸收能力相关研究 |
| 2.2.4 环境不确定性相关研究 |
| 2.2.5 联盟绩效相关研究 |
| 2.3 本章小结 |
| 第3章 理论模型构建 |
| 3.1 研究设计 |
| 3.1.1 研究问题提出 |
| 3.1.2 研究方法选择 |
| 3.1.3 案例选择 |
| 3.1.4 数据收集 |
| 3.2 案例分析 |
| 3.2.1 信度与效度 |
| 3.2.2 数据处理与呈现 |
| 3.3 结果分析 |
| 3.3.1 基于理论回顾与案例分析的核心概念界定 |
| 3.3.2 基于理论回顾与案例分析的理论模型构建 |
| 3.4 本章小结 |
| 第4章 研究假设提出 |
| 4.1 技术标准联盟网络与企业联盟绩效 |
| 4.2 知识吸收能力与企业联盟绩效 |
| 4.3 知识吸收能力的调节作用 |
| 4.4 环境不确定性的调节作用 |
| 4.5 本章小结 |
| 第5章 实证研究设计 |
| 5.1 问卷设计 |
| 5.2 样本选择与调研流程 |
| 5.3 变量测量 |
| 5.3.1 技术标准联盟网络的测量 |
| 5.3.2 知识吸收能力的测量 |
| 5.3.3 环境不确定性的测量 |
| 5.3.4 企业联盟绩效的测量 |
| 5.3.5 控制变量的选取 |
| 5.4 预调研与问卷修正 |
| 5.5 本章小结 |
| 第6章 实证分析与结果讨论 |
| 6.1 数据收集与样本特征 |
| 6.1.1 数据收集 |
| 6.1.2 样本特征 |
| 6.2 共同方法偏差检验 |
| 6.3 描述性统计与相关性分析 |
| 6.4 信度和效度检验 |
| 6.4.1 信度检验 |
| 6.4.2 效度检验 |
| 6.5 假设检验 |
| 6.5.1 技术标准联盟网络与企业联盟绩效的关系检验 |
| 6.5.2 知识吸收能力与企业联盟绩效的关系检验 |
| 6.5.3 知识吸收能力的调节作用检验 |
| 6.5.4 环境不确定性的调节作用检验 |
| 6.5.5 变量间关系的总效应检验 |
| 6.6 结果分析与讨论 |
| 6.6.1 技术标准联盟网络对企业联盟绩效的影响 |
| 6.6.2 知识吸收能力对企业联盟绩效的影响 |
| 6.6.3 知识吸收能力的调节作用 |
| 6.6.4 环境不确定性的调节作用 |
| 6.7 本章小结 |
| 第7章 结论与展望 |
| 7.1 研究的主要结论 |
| 7.2 研究的创新性 |
| 7.3 实践启示 |
| 7.4 研究局限与未来展望 |
| 参考文献 |
| 附录 |
| 作者简介及在学期间取得的研究成果 |
| 致谢 |
（5）丘陵山地田间作业路径规划研究与试验（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 |
| 1.2 路径规划技术与农业生产结合的具体形式 |
| 1.3 田间作业全覆盖路径规划技术发展现状 |
| 1.3.1 全覆盖路径规划技术国外研究现状 |
| 1.3.2 全覆盖路径规划技术国内研究现状 |
| 1.4 文章主要研究内容及技术路线图 |
| 1.4.1 主要研究内容 |
| 1.4.2 技术路线图 |
| 第二章 丘陵山区农田田间环境建模研究 |
| 2.1 典型环境建模方法 |
| 2.1.1 栅格法 |
| 2.1.2 自由空间法 |
| 2.1.3 几何法 |
| 2.2 三维地形农田环境建模 |
| 2.2.1 作业环境特点及假设 |
| 2.2.2 环境仿真建模 |
| 2.3 本章小结 |
| 第三章 基于能耗优化模型的单田块全覆盖路径规划 |
| 3.1 问题描述 |
| 3.2 覆盖路径规划方式的选择 |
| 3.2.1 常用覆盖路径规划方式介绍 |
| 3.2.2 直线段作业路径规划方式的分析确定 |
| 3.2.3 地头区域规划方式选择 |
| 3.3 路径能耗模型分析与构建 |
| 3.3.1 角度关系说明 |
| 3.3.2 直线段单元路径能量模型分析 |
| 3.4 地头转弯决策模型分析与构建 |
| 3.4.1 常见地头转弯方式的数学模型 |
| 3.4.2 地头转弯决策模型构建 |
| 3.5 单田块全覆盖路径规划方案的实现及其仿真平台的开发 |
| 3.5.1 单田块全覆盖路径规划方案的实现 |
| 3.5.2 单田块全覆盖路径规划仿真平台的开发 |
| 3.6 本章小结 |
| 第四章 多田块遍历作业次序优化与仿真平台设计 |
| 4.1 问题描述 |
| 4.2 基于单元分解法的子农田DFS遍历次序原理 |
| 4.2.1 农田的单元分解过程 |
| 4.2.2 基于深度优先算法的遍历次序寻优 |
| 4.3 基于遗传算法的多田块遍历次序优化原理 |
| 4.3.1 遗传算法基本原理 |
| 4.3.2 基于遗传算法的多田块遍历次序问题 |
| 4.3.3 基于遗传算法的多田块遍历次序优化方案实现 |
| 4.4 整体覆盖路径规划仿真平台开发 |
| 4.5 本章小结 |
| 第五章 全覆盖路径规划仿真试验与结果分析 |
| 5.1 问题描述与试验介绍 |
| 5.2 基于GIS平台的全覆盖路径规划仿真试验及结果分析 |
| 5.2.1 仿真试验 |
| 5.2.2 试验数据处理及结果现象分析 |
| 5.3 本章小结 |
| 第六章 场地试验设计与分析 |
| 6.1 场地试验的目的和基本需求 |
| 6.2 试验设备和场地的选择 |
| 6.2.1 试验设备 |
| 6.2.3 试验场地 |
| 6.3 试验方案 |
| 6.4 功耗损失率标定 |
| 6.4.1 试验参数 |
| 6.4.2 试验结果与分析 |
| 6.5 场地试验及结果分析 |
| 6.5.1 场地试验 |
| 6.5.2 试验数据分析 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（6）基于卷积神经网络的视频表征学习（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 视频表征学习中的深度网络结构研究现状 |
| 1.2.2 视频表征学习中的自监督学习 |
| 1.3 研究内容及主要贡献 |
| 1.3.1 混合二维/三维卷积通道 |
| 1.3.2 概率视角分析时空融合 |
| 1.3.3 可学习池化 |
| 1.3.4 基于随机视频预测的自监督学习 |
| 1.3.5 基于时空解耦的自监督学习 |
| 1.4 本文的组织结构 |
| 第2章 视频表征学习中的深度学习背景介绍 |
| 2.1 卷积神经网络 |
| 2.1.1 基础概念 |
| 2.1.2 重要组成部分 |
| 2.1.3 深度卷积神经网络 |
| 2.1.4 神经网络结构搜索 |
| 2.2 视频表征学习中的深度时空卷积网络 |
| 2.2.1 基于时空交互的设计 |
| 2.2.2 基于卷积分解的设计 |
| 2.2.3 基于关系推理的设计 |
| 2.2.4 基于网络搜索的设计 |
| 第3章 基于混合卷积通道的时空网络结构设计 |
| 3.1 背景介绍 |
| 3.2 混合卷积通道和混合卷积通道网络 |
| 3.2.1 三维卷积 |
| 3.2.2 混合卷积通道:MiCT |
| 3.2.3 深度混合卷积通道网络:MiCT-Net |
| 3.3 在人类行为识别任务上的验证 |
| 3.3.1 实验设置 |
| 3.3.2 与传统三维卷积神经网络的对比 |
| 3.3.3 与最先进的三维卷积神经网络方案对比 |
| 3.4 讨论 |
| 3.4.1 可视化 |
| 3.4.2 总结 |
| 第4章 基于数据分布的自适应时空网络结构设计 |
| 4.1 背景介绍 |
| 4.2 算法 |
| 4.2.1 概率空间构造 |
| 4.2.2 通过Variational DropPath进行概率空间嵌入 |
| 4.2.3 概率视角下的自适应时空融合策略 |
| 4.3 理论证明 |
| 4.3.1 对公式4.5的证明 |
| 4.3.2 对公式4.7的证明 |
| 4.4 在人类行为识别任务上的应用 |
| 4.4.1 实验设置 |
| 4.4.2 实验结果 |
| 4.5 在第一人称动作识别任务上的应用 |
| 4.5.1 实验设置 |
| 4.5.2 实验结果 |
| 4.6 基于概率空间的观察 |
| 4.7 泛化性 |
| 4.8 讨论和拓展 |
| 第5章 基于可学习池化操作的时空网络结构设计 |
| 5.1 背景介绍 |
| 5.2 算法 |
| 5.2.1 MIL网络框架结构 |
| 5.2.2 可学习池化操作 |
| 5.2.3 包+实例损失函数 |
| 5.3 在网络视频多标签标注任务上的应用 |
| 5.3.1 实验设置 |
| 5.3.2 实验结果 |
| 5.3.3 分析 |
| 5.4 讨论和拓展 |
| 第6章 视频表征学习中的自监督学习 |
| 6.1 基于自然视频多未来预测的自监督学习 |
| 6.1.1 引言 |
| 6.1.2 背景介绍 |
| 6.1.3 算法 |
| 6.1.4 理论证明 |
| 6.1.5 在数字序列预测任务上的验证 |
| 6.1.6 在真实自然视频预测任务上的应用 |
| 6.1.7 可视化 |
| 6.1.8 讨论和拓展 |
| 6.2 基于时空解耦的自监督学习 |
| 6.2.1 引言 |
| 6.2.2 算法 |
| 6.2.3 实验 |
| 6.2.4 讨论和拓展 |
| 第7章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（7）覆盖和施氮对旱作春玉米农田水氮迁移利用和生产力的影响（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 文献综述 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 地膜覆盖对作物产量和土壤质量的影响 |
| 1.2.2 秸秆覆盖对作物产量和土壤质量的影响 |
| 1.2.3 普通氮肥分次施氮对作物产量和水氮利用的影响 |
| 1.2.4 控释氮肥一次施氮对作物产量及氮素利用的影响 |
| 1.3 问题提出 |
| 1.4 研究内容、思路及技术路线 |
| 第二章 覆盖和施氮对春玉米生长及资源利用的影响 |
| 2.1 引言 |
| 2.2 材料与方法 |
| 2.2.1 试验地点概况 |
| 2.2.2 试验设计 |
| 2.2.3 样品采集与分析 |
| 2.2.4 指标计算 |
| 2.2.5 数据统计分析 |
| 2.3 结果与分析 |
| 2.3.1 降雨量和干期 |
| 2.3.2 覆盖对土壤温度的影响 |
| 2.3.3 覆盖和施氮对春玉米生长动态的影响 |
| 2.3.4 覆盖和施氮对春玉米生物量累积的影响 |
| 2.3.5 覆盖和施氮对春玉米籽粒产量和产量构成的影响 |
| 2.3.6 各指标相关分析 |
| 2.3.7 经济效益分析 |
| 2.4 讨论 |
| 2.4.1 覆盖和施氮对土壤温度和春玉米生长的影响 |
| 2.4.2 覆盖和施氮对春玉米籽粒产量的影响 |
| 2.5 小结 |
| 第三章 覆盖和施氮对春玉米根系形态特征和水分利用的影响 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 试验地点概况 |
| 3.2.2 试验设计 |
| 3.2.3 样品采集与分析 |
| 3.2.4 数据统计分析 |
| 3.3 结果与分析 |
| 3.3.1 施氮对地膜覆盖春玉米根系时空分布的影响 |
| 3.3.2 覆盖和施氮对土壤水分分布和利用的影响 |
| 3.3.3 各指标相关分析 |
| 3.4 讨论 |
| 3.5 小结 |
| 第四章 覆盖和施氮对春玉米氮素吸收、转运及土壤残留的影响 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 试验地点概况 |
| 4.2.2 试验设计 |
| 4.2.3 样品采集与分析 |
| 4.2.4 指标计算 |
| 4.2.5 数据统计分析 |
| 4.3 结果与分析 |
| 4.3.1 覆盖和施氮对春玉米氮素吸收和各器官氮浓度的影响 |
| 4.3.2 覆盖和施氮对春玉米氮素累积、转运和利用的影响 |
| 4.3.3 覆盖和施氮对土壤剖面硝态氮分布和累积的影响 |
| 4.3.4 覆盖和施氮对农田氮损失和氮素平衡的影响 |
| 4.3.5 覆盖和施氮对春玉米氮肥利用效率的影响 |
| 4.3.6 各指标相关分析 |
| 4.4 讨论 |
| 4.5 小结 |
| 第五章 覆盖和施氮对土壤剖面残留硝态氮吸收利用的影响 |
| 5.1 引言 |
| 5.2 材料与方法 |
| 5.2.1 试验地点概况 |
| 5.2.2 试验年份玉米生育期内气象条件 |
| 5.2.3 试验设计 |
| 5.2.4 样品采集与分析 |
| 5.2.5 数据统计分析 |
| 5.3 结果与分析 |
| 5.3.1 覆盖和施氮对春玉米地上部生物量和吸氮量的影响 |
| 5.3.2 覆盖和施氮对春玉米吸收残留硝态氮的影响 |
| 5.3.3 覆盖和施氮对残留硝态氮在土壤剖面运移的影响 |
| 5.3.4 土壤剖面根系和残留硝态氮利用率的关系 |
| 5.4 讨论 |
| 5.5 小结 |
| 第六章 覆盖和施氮对土壤微生物群落结构及多样性的影响 |
| 6.1 引言 |
| 6.2 材料与方法 |
| 6.2.1 试验地点概况 |
| 6.2.2 试验设计 |
| 6.2.3 样品采集与分析 |
| 6.2.4 数据统计分析 |
| 6.3 结果与分析 |
| 6.3.1 覆盖和施氮对土壤理化性质的影响 |
| 6.3.2 覆盖和施氮对土壤微生物群落多样性的影响 |
| 6.3.3 覆盖和施氮对细菌和真菌群落结构的影响 |
| 6.3.4 覆盖和施氮条件下土壤微生物和环境因子的相关关系 |
| 6.3.5 覆盖和施氮条件下土壤微生物种群之间的网络相关性 |
| 6.4 讨论 |
| 6.4.1 覆盖和施氮对土壤理化性质的影响 |
| 6.4.2 覆盖和施氮对土壤微生物多样性和群落组成的影响 |
| 6.4.3 覆盖和施氮对土壤微生物类群之间相互作用的影响 |
| 6.5 小结 |
| 第七章 主要结论、创新点及研究展望 |
| 7.1 主要结论 |
| 7.2 研究特色和创新 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（8）基于双因素理论视角的社交平台用户停用意愿研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究动机 |
| 1.3 研究目标 |
| 1.4 研究内容 |
| 1.5 研究方法 |
| 1.6 研究创新点 |
| 1.7 论文结构安排 |
| 第2章 理论基础与文献综述 |
| 2.1 社交平台停用研究的理论基础 |
| 2.1.1 信息技术生命周期视角 |
| 2.1.2 促进与抑制双因素视角 |
| 2.1.3 刺激—体验—响应框架 |
| 2.1.4 现状偏好理论 |
| 2.2 社交平台停用意愿 |
| 2.2.1 社交平台停用意愿的提出 |
| 2.2.2 社交平台停用意愿的内涵和分类 |
| 2.2.3 社交平台停用意愿前因的研究进展 |
| 2.3 社交平台使用后悔 |
| 2.4 社交平台使用惰性 |
| 2.5 现有研究评述 |
| 第3章 社交平台停用意愿的双因素影响机制 |
| 3.1 引言 |
| 3.2 假设推演 |
| 3.2.1 后悔作为停用意愿的促进因素 |
| 3.2.2 惰性作为停用意愿的抑制因素 |
| 3.2.3 社交平台使用后悔的前因 |
| 3.2.4 社交平台使用惰性的前因 |
| 3.3 研究方法 |
| 3.3.1 研究情境和样本 |
| 3.3.2 变量测度方法 |
| 3.4 数据分析 |
| 3.4.1 测度模型检验 |
| 3.4.2 结构模型检验 |
| 3.5 研究小结 |
| 第4章 社交平台停用意愿的促进因素影响机制 |
| 4.1 引言 |
| 4.2 假设推演 |
| 4.2.1 社交平台使用后悔的前因 |
| 4.2.2 后悔对停用意愿的促进作用 |
| 4.2.3 替代品吸引力的调节作用 |
| 4.3 研究方法 |
| 4.3.1 研究情境和样本 |
| 4.3.2 变量测度方法 |
| 4.4 数据分析 |
| 4.4.1 测度模型检验 |
| 4.4.2 结构模型检验 |
| 4.5 研究小结 |
| 第5章 社交平台停用意愿的抑制因素影响机制 |
| 5.1 引言 |
| 5.2 假设推演 |
| 5.2.1 社交平台使用惰性的前因 |
| 5.2.2 惰性对停用意愿的抑制作用 |
| 5.2.3 同伴减少使用的调节作用 |
| 5.3 研究方法 |
| 5.3.1 研究情境和样本 |
| 5.3.2 变量测度方法 |
| 5.4 数据分析 |
| 5.4.1 测度模型检验 |
| 5.4.2 结构模型检验 |
| 5.5 研究小结 |
| 第6章 研究总结 |
| 6.1 研究结论 |
| 6.2 理论贡献 |
| 6.3 实践启示 |
| 第7章 研究局限与展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（9）基于深度学习的SAR目标分类与检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 SAR系统及其发展现状介绍 |
| 1.2.2 SAR图像目标分类与检测研究现状 |
| 1.2.3 SAR目标分类与检测中的关键问题 |
| 1.3 论文主要内容与结构安排 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文结构安排 |
| 第二章 深度学习与SAR介绍 |
| 2.1 引言 |
| 2.2 深度学习中分类网络介绍 |
| 2.2.1 卷积神经网络结构与组成单元 |
| 2.2.2 典型分类网络结构 |
| 2.3 深度学习中检测网络介绍 |
| 2.3.1 目标检测流程 |
| 2.3.2 检测网络结构 |
| 2.3.3 典型目标检测网络 |
| 2.4 SAR图像获取与图像特点分析 |
| 2.5 本章小结 |
| 第三章 非确知标签下SAR目标分类网络训练方法 |
| 3.1 引言 |
| 3.2 确知标签下SAR目标分类网络训练方法 |
| 3.3 标签非确知性与弱监督学习 |
| 3.3.1 标签有限与半监督学习 |
| 3.3.2 标签有误与噪声标签学习 |
| 3.4 标签有限条件下基于半监督学习的SAR分类网络训练方法 |
| 3.4.1 自一致性扩增 |
| 3.4.2 mixup样本混合方法 |
| 3.4.3 基于Batch均衡和扩增一致性约束的半监督训练框架 |
| 3.4.4 半监督学习效果分析与分类性能评估 |
| 3.5 标签有误条件下基于标签噪声纠正的SAR分类网络训练方法 |
| 3.5.1 标签有误对深度分类网络训练的影响 |
| 3.5.2 基于损失曲线拟合的标签建模和标签纠正方法 |
| 3.5.3 标签有误下验证问题与标签建模鲁棒性分析 |
| 3.5.4 标签纠正效果分析与分类性能评估 |
| 3.6 本章小结 |
| 第四章 基于目标分布特性的SAR目标深度检测网络 |
| 4.1 引言 |
| 4.2 不同SAR目标分布特性分析 |
| 4.2.1 SAR安检异物分布规律性 |
| 4.2.2 SAR舰船目标分布多样性 |
| 4.3 基于归一化累积图的SAR安检异物检测网络 |
| 4.3.1 目标分布累积特性与归一化累积图 |
| 4.3.2 基于归一化累积图的置信度分支损失函数 |
| 4.3.3 归一化累积图消融实验分析与检测网络性能评估 |
| 4.3.4 统一归一化累积图与逐类归一化累积图 |
| 4.4 基于反卷积的无锚框SAR舰船检测网络 |
| 4.4.1 舰船目标分布多样性与锚框机制低效性 |
| 4.4.2 锚框机制回顾 |
| 4.4.3 反卷积候选边框生成与目标检测网络结构 |
| 4.4.4 实验结果与性能评估 |
| 4.5 基于中心点的无锚框SAR舰船检测网络 |
| 4.5.1 研究思路 |
| 4.5.2 无锚框目标检测方法发展介绍 |
| 4.5.3 目标中心分支与检测网络结构 |
| 4.5.4 检测网络性能评估 |
| 4.6 本章小结 |
| 第五章 复杂标注下SAR目标检测网络训练框架 |
| 5.1 引言 |
| 5.2 检测复杂标签构建问题与半监督训练框架 |
| 5.2.1 研究思路 |
| 5.2.2 标签传播与一致性扩增约束 |
| 5.2.3 联合标签传播与一致性扩增的半监督训练框架 |
| 5.2.4 半监督学习效果分析与检测精度评估 |
| 5.3 复杂错误标签类型下检测标签噪声学习训练框架 |
| 5.3.1 研究思路 |
| 5.3.2 基于区域标签建模与纠正的SAR目标检测训练框架 |
| 5.3.3 标签纠正效果分析与检测精度评估 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（10）面向含用户生成内容个性化搜索的交互式分布估计算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 英文缩写注释表 |
| 1 绪论 |
| 1.1 研究动机和目标 |
| 1.2 研究内容 |
| 1.3 研究方法 |
| 1.4 成果及意义 |
| 1.5 论文框架 |
| 1.6 本章小结 |
| 2 相关工作及算法 |
| 2.1 面向用户生成内容个性化搜索 |
| 2.2 进化优化算法 |
| 2.3 RBM模型基本理论与方法 |
| 2.4 本章小结 |
| 3 用户行为驱动的RBM偏好代理交互式分布估计算法 |
| 3.1 基于RBM代理模型的分布估计算法 |
| 3.2 基于RBM用户偏好认知模型的IEDA算法 |
| 3.3 本章小结 |
| 4 基于UGCs用户隐式偏好的双RBM代理交互式分布估计算法 |
| 4.1 研究背景 |
| 4.2 双RBM代理模型驱动的交互式分布估计算法 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 5 融合多源异构UGCs的 RBM偏好代理交互式分布估计算法 |
| 5.1 研究背景 |
| 5.2 多源异构UGCs驱动RBM的改进交互式分布估计算法 |
| 5.3 实验结果与分析 |
| 5.4 本章小结 |
| 6 融合多源异构UGCs和注意力机制的RBM偏好代理交互式分布估计算法. |
| 6.1 研究背景 |
| 6.2 融合多源异构UGCs和注意力机制的RBM偏好代理IEDA算法 |
| 6.3 实验结果与分析 |
| 6.4 本章小结 |
| 7 结论 |
| 7.1 本文工作总结 |
| 7.2 后续研究工作 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
四、Sun:降低成本和复杂性（论文参考文献）
- [1]复杂大型建设项目费用偏差控制方法及信息系统设计[D]. 孙肖坤. 华北电力大学(北京), 2021(01)
- [2]面向物联网的软件定义网络控制技术研究[D]. 任玮. 北京邮电大学, 2021(01)
- [3]结合气溶胶光学厚度的北京市PM2.5小时浓度分布估计与个体暴露评估[D]. 孙津. 中国科学院大学(中国科学院空天信息创新研究院), 2021(01)
- [4]技术标准联盟网络、知识吸收能力与企业联盟绩效关系研究[D]. 吴玉浩. 吉林大学, 2021(01)
- [5]丘陵山地田间作业路径规划研究与试验[D]. 申梦伟. 中国农业科学院, 2021(09)
- [6]基于卷积神经网络的视频表征学习[D]. 周以舟. 中国科学技术大学, 2021(09)
- [7]覆盖和施氮对旱作春玉米农田水氮迁移利用和生产力的影响[D]. 唐靓. 西北农林科技大学, 2021
- [8]基于双因素理论视角的社交平台用户停用意愿研究[D]. 王骏恺. 中国科学技术大学, 2021(09)
- [9]基于深度学习的SAR目标分类与检测技术研究[D]. 王琛. 电子科技大学, 2021(01)
- [10]面向含用户生成内容个性化搜索的交互式分布估计算法研究[D]. 暴琳. 中国矿业大学, 2020