一、软计算融合和协作技术的研究及其应用（论文文献综述）
邱建东[1]（2014）在《大型机场货运站核心物流装备调度优化问题研究》文中提出航空物流在经济全球化的背景下成为促进世界经济发展的推动力量之一。由于经济快速持续发展,我国航空物流近年来的年平均增长率很高,给该领域的相关产业和科学研究工作带来了重大机遇和严峻挑战。机场货运站是航空货物运输的地面处理节点。据统计,航空运输货物在货运站的处理时间占到货物航空运输总时间的80%。因此,如何提高货运站处理货物的效率是提高航空物流效率的重要课题。而提高物流装备的工作效率是提高货运站货物处理效率的主要方法。本文的研究课题就是采用先进合理的智能优化理论与方法解决大型机场货运站核心物流装备的调度优化问题。在参阅大量相关科技文献与研究成果的基础上,针对我国大型机场货运站物流装备应用中存在的主要问题,比较系统地研究了大型机场货运站核心物流装备调度优化的理论与方法。提出了针对大型机场货运站核心物流装备不同调度优化问题的计算模型。提出了应用优化粒子群算法及病毒遗传算法解决这些问题的思路。论文进行的实例分析与仿真说明这些方法能够有效解决机场货运站核心物流装备调度优化问题。本文的研究和技术创新成果的合理性及有效性在国内大型国际机场货运站建设中得到了验证。论文进行的主要工作有:对国内外大型机场货运站核心物流设备应用中存在的问题进行了比较深入的调查研究,论证了研究大型机场货运站核心物流装备调度优化理论与方法的必要性。在已有研究和技术创新成果的基础上,提出了基于优化粒子群算法和病毒遗传算法解决机场货运站核心物流装备调度优化问题的思路和方法。以升降式转运车单机调度问题为研究对象,分别研究在出入口固定模式和出入口优化模式下的调度优化问题。设计应用非线性学习因子调整粒子群优化算法,排序映射编码,以及二进制离散粒子群算法与非线性学习因子调整粒子群算法分段求解的方法对两种模式下的优化问题进行求解。以一轨双机一机双货的升降式转运车复合调度问题为研究对象,分析了货物出入库的多种模式、约束的处理以及组合优化目标的确立等问题,使用结合混沌映射迭代的随机粒子群方法对其进行了求解。以机场货运站特殊结构自动化立体仓库动态货位优化问题为研究对象,提出实现高优先级出库任务的办法和系统整体优化指标,使用病毒遗传算法进行了求解,并进行了算法的收敛性分析和实际系统验证。以上算法的有效性均通过了仿真验证及实际系统验证。本文的研究成果在北京首都国际机场及广州新白云机场的大型货运站中得到了应用。工业和信息化部下达的电子信息产业发展基金项目“大中型机场货运站物流服务管理系统”、甘肃省重大科技专项“大型机场货运立体仓储成套设备及系统工程调度优化研究”为本文研究提供了重要支持和成果验证环境。
徐胭脂[2]（2012）在《分布式系统数据传输平台安全模块的设计与实现》文中进行了进一步梳理随着信息技术的飞速发展，分布式环境下信息管理平台迅速增多，产生了大量的分布式业务数据，分散的存储形式降低了数据的共享性。分布式系统搭建了这些分散资源之间联系的桥梁，使得这些分散的资源能够实现共享。但是，网络的开放性与不稳定性，严重影响着数据的传输，因此，分布式环境下，系统的数据传输策略举足轻重。需要进行传输的数据，大都需要考虑其传输的保密性、完整性以及不可抵赖性，还要依据需求的紧急程度考虑数据传输的速率，基于分布式环境下的数据传输同样需要遵循这一规则。本文以山东省基于互联网的高等教育考试管理信息系统为背景，设计并实现了分布式系统数据传输平台安全模块的数据传输方案。首先，选取HPROSE作为数据传输的媒介。目前国内外出现了很多的传输协议，比如目前企业应用比较推崇的SOAP协议，但是在本文中所设计的方案中，选取HPROSE作为数据传输的媒介。HPROSE作为国内新出现的一种跨语言跨平台的轻量级远程动态通讯中间件，支持众多语言之间高效、便捷的互通，适合于分布式环境的使用；而且采用PHP序列化，避免了对XML的使用，在传输速率方面优于SOAP。另外，本方案中采用Spring Security安全框架验证传输者的身份，确保数据传输只能在具有传输权限的人员之间进行；选择使用128位AES算法与1024位RSA算法，结合数字摘要技术与数字签名技术，保证所传输数据的保密性、完整性以及不可抵赖性；同时考虑到用户对数据的需求程度以及相应数据的敏感程度，并结合HPROSE的特性，设定数据传输的级别，在数据需求紧急程度与安全度许可的范围内，用户可以依据自身现状，选择满足自己满意度高的传输级别，做到按需而传；同时支持数据的断点续传。最后，在分析了通过直接连接数据库来进行数据的传输、通过SOCKET通信来传输数据与通过文件的形式来进行数据的传输这三种常见传输方式的优缺点之后，以文件传输方式进行数据的传输，并对该方案进行了实现与应用。
王大将,王敏[3]（2012）在《软计算融合技术研究》文中研究说明软计算是求近似而非精确解的有效计算方法,已经在众多领域得到应用,取得了很好的效果。然而,每个软计算方法具有鲜明的特色和迥异的侧重点,在实际应用中存在一些不足,将软计算方法进行融合,优势互补,是促进软计算发展的关键技术之一。文中简要介绍了软计算发展概况,结合粗糙集、神经网络、模糊逻辑、遗传算法、人工免疫算法等软计算方法,详细分析了软计算融合技术的现状及分类,指出了该领域面临的缺乏理论基础、设计原则、定量评价等主要问题及其发展趋势。
刘范范[4]（2012）在《MapReduce与量子进化算法的研究及应用》文中指出21世纪是一个信息化的时代,信息以及数据快速增长,这对计算能力提出了更高的要求,云计算在此环境下应运而生,它带来了新的变革。云计算是一种商业计算模型,它将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算力、存储空间和信息服务。云计算是分布式计算、网格计算和并行计算的进一步发展,提供了一种更为有效的并行模型,因此如何将现有的并行算法应用于云计算中成为研究的主要内容。编写云平台下的并行化程序不同于以往单机环境下的并行程序,以往的并行化实现主要是基于多线程,且局限于单机内。而云计算环境下的并行化注重多机间,甚至是机器集群间的并行化,而且云环境的搭建都是基于普通的计算机。它主要是将大任务划分为多个小任务,然后分配给计算机集群来执行的,这大大降低了成本。数据挖掘领域常常受到海量数据的困扰,如果将云计算引入数据挖掘领域,必然会带来一场新的变革。MapReduce模型是谷歌在2004年提出的,是其开发的在超大集群下进行海量数据计算的一种编程模式,主要被用来处理信息量大且需要在可接受时间内完成的任务。目前MapReduce模型已被用来解决数据挖掘与机器学习中的一些问题了。量子进化算法近年来也开始受到广大研究者的关注,量子进化算法具有天然的并行性,非常适合在大规模并行平台上实现,而云平台为量子进化算法并行性的实现奠定了物质基础。覆盖算法是由张铃教授提出的可以解决数据挖掘中分类问题的算法,它是一种构造性的神经网络学习算法,采用的是M-P神经元的几何意义。覆盖算法实质上是将求出的覆盖领域作为三层神经网络的隐含层,输入层看做测试集,输出层看做测试集的分类结果。目前覆盖算法已得到了广泛的推广。本文利用量子进化算法的天然并行性及云平台的优越性,在云平台上实现了量子进化算法,结果显示,在云平台下该算法可以达到更好的并行效率。为了进一步研究量子进化算法的性能,本文结合量子进化算法种群规模小,收敛速度快,全局寻优性能强等特点,将其用于覆盖算法,优化覆盖中心,采用适应度来评价解的优劣,提出了一种改进的量子优化覆盖算法,利用五组数据进行分析对比,表明本文提出的改进算法可以有效地提高分类的精度和效率。最后,利用MapReduce模型的并行平台实现了对淘宝网数据信息的处理和检索。
李永顺[5]（2010）在《软计算融合算法及其在Captcha识别方面的应用研究》文中指出软计算方法是一类方法的集合体,主要包括模糊计算、神经计算、进化计算等,这类方法的共同特点是能够容忍不确定、不精确和部分失真的数据,使用线性代替非线性,使用有限代替无限,当无法或者很难求得问题的最优解时,退而求其次,求其次优解。软计算方法建立的模型更接近客观事物本身,更贴近人类的思维模式。软计算方法体之间是相互协作的,而不是互相排斥的,研究软计算方法的融合,可以使它们优势互补,发挥更大的性能。构造性神经网络学习算法-覆盖算法,在构造隐层分类器的过程中,采用随机的方法选择圆心样本,导致构造出的覆盖分类器分类能力不稳定。本文融合遗传算法和神经网络,在构造覆盖分类器的过程中引入竞争的概念,利用佳点集遗传算法对覆盖集合进行搜索,淘汰不好的覆盖,存留较优的覆盖,算法明显减少了覆盖分类器个数和拒识样本个数,对比试验表明,算法具有很好的鲁棒性、识别率和泛化能力。针对在处理有噪音、模糊、不确定的数据时,覆盖算法产生的分类器的分类能力受到较大的影响的问题,本文融合粗糙集与神经网络,提出了覆盖熵的概念,并找到了一种表示分类能力的方法,在确保分类器的分类能力不降低的条件下,以决策属性相对于分类器的条件信息熵为条件,对一组覆盖中信息熵最大的覆盖进行约简,减少分类器的不确定因素。对比试验表明,算法具有很好的识别精度和泛化能力以及处理模糊、不确定数据的能力。Captcha是用来区分计算机与人类的一种程序,图像验证码是一种典型的Captcha,本文对图像验证码的发展历程进行了总结,比较了几种目前最常见验证码的特点和设计思路,提出了对一般验证码的破解方法,并设计实现了提取验证码数据的图片信息提取系统。覆盖算法和支持向量机是两种重要的机器学习分类方法,但长期以来一直缺少基于覆盖算法的通用分类器,在一定程度上阻碍了覆盖算法的推广,论文设计实现了通用的覆盖分类器JCover,并把软计算融合算法嵌入JCover,用于识别图像验证码,实验证明,识别效果良好。
郭海湘[6]（2008）在《石油储层纵向预测软硬计算融合的理论与方法研究》文中研究指明本论文的选题及研究内容获得诸克军教授主持的国家自然科学基金项目“石油勘探管理中软计算集成的理论和方法研究（NO．70573101）”和笔者主持的高等学校博士学科点专项科研基金“石油储层纵向预测软硬计算融合的理论与方法研究（NO．20070491011）”的联合资助。1996年我国产石油15729×104t，石油消费量为17307×104t，石油对外依存度为9．12％；2004年产石油17499×104t，石油消费量为31873×104t，石油对外依存度为45．10％，该年的石油消费量和石油进口量分别居世界第二位和第三位；2007年产原油18665．7×104t，石油消费量34593．7×104t，石油对外依存度为46．04％。以上数据显示：我国原油产量虽有大幅度增长，但是我们面对的主要情况是我国国民经济发展速度快，而石油产量的年增长率相对滞后，供需矛盾进一步凸显，并且随着石油勘探领域的不断扩大，储层预测面临的研究对象越来越复杂，已有的预测技术与不断提高的解释要求之间的矛盾也越来越突出。如何有效利用新的技术手段和思路，科学地预测储层的岩性和含油性，对于指导石油勘探和开发具有十分重要的实际意义，并普遍受到人们的关注。本研究以江汉油田某区块为石油储层纵向预测的案例，基于将该区块储层的测井数据转化成信息，再将信息转化成认识的动态过程，把软计算和硬计算进行融合，提出软计算和硬计算融合的模式，并且在这些融合模式下进行算法设计，对石油储层进行纵向预测：（1）在分析了软计算和硬计算的基本理论和原理的基础上，提出了软计算和硬计算的融合模式（分离模式、并行连接模式、串联模式和嵌套模式），并分析了各个模式的特点。（2）创建三维表（三维包括搜索策略、评价标准和识别任务类别。其中，搜索策略包括：穷举法、启发方法和随机方法；评价标准模式包括：过滤模式、包裹模式和杂交模式；识别任务类别包括分类和聚类。）对属性优化方法（特征选择）进行了归纳，并且在归纳的基础上提出了算法选择平台，依据算法选择平台可以从归纳的特征选择方法中选择匹配的算法进行属性优化。（3）在储层岩性识别中通过硬计算方法对数据进行整理，然后通过算法选择平台得出匹配的算法和各种软计算和硬计算方法中的分类器进行组合，最后得出识别该区块岩性最优的属性子集为孔隙度（POR），然后运用人工神经网络（ANN）对数据进行学习，从中提取对应各个类别的识别函数（硬计算函数），把该识别函数作为目标函数，再用遗传算法（GA）从中进行规则提取：①如果POR是中，则该层为砂岩；②如果POR是低，则该层为砂岩；③如果POR是高，则该层为泥岩。（4）在储层含油性识别中，通过算法选择平台得出匹配的算法和各种软计算和硬计算方法中的分类器进行组合，最后得出识别该区块含油性最优的属性子集为声波时差（AC）和含油饱和度（So），接着提出了数据驱动的灰色关联预测方法来识别储层的含油性，然后进行样本约简，最后运用人工神经网络（ANN）对数据进行学习，从中提取对应各个类别的识别函数（硬计算函数），把该识别函数作为目标函数，再用遗传算法（GA）从中进行规则提取①如果AC是低和So是低，则该层为干层；②如果AC是中和So是低，则该层为干层；③如果AC是高和So是低，则该层为水层；④如果AC是中和So是中，则该层为差油层；⑤如果AC是低和So是中，则该层为油层；⑥如果AC是高和So是中，则该层为油层；⑦如果So是高，则该层为油层。（5）在岩性识别的最优属性子集POR和含油性最优属性子集AC和So的基础上，如果在测井数据集中没有或者缺少这些关键属性时，需要解决的问题就是怎样在不需要额外的开支下（钻井、化验等）构建预测POR，AC和So的模型。首先通过硬计算方法中的回归模型分别建立预测POR，AC和So的回归方程；然后再用软计算方法中的遗传算法和BP神经网络的嵌套（GA-BP，其中遗传算法用来优化确定BP神经网络的输入属性组合和隐含层神经元的个数）得到满意的BP神经网络预测模型来预测和识别POR，AC和So；最后对硬计算和软计算得到的模型进行比较和分析，得出GA-BP模型优于多元回归预测模型。（6）该研究区块的储层分为四个类别：①如果该层岩性为砂岩，含油性为油层，那么该储层为类别Ⅰ；②如果该层岩性为泥岩，含油性为油层，那么该储层为类别Ⅱ；③如果该层岩性为砂岩，含油性为差油层，那么该储层为类别Ⅲ；④如果该层岩性为泥岩，含油性为差油层，那么该储层为类别Ⅳ。石油储层纵向预测可以为减少石油勘探风险、准确评估石油储量、明确合理开发方案、提高石油采收率等提供极为重要的决策依据。
郑培[7]（2008）在《动态供应链绩效评价方法研究》文中研究表明当今世界企业与企业之间的个体竞争已经转向供应链与供应链之间的群体竞争。面对日益激烈的竞争环境,唯有通过对供应链绩效的适当衡量,才能协助企业成功执行策略,以获取竞争优势。正确的绩效评价必须能够配合组织策略、结构、管理风格及企业流程,制定关键绩效指标,以供供应链管理从业者策略执行及日常经营考核之用。建立合适的供应链绩效评价体系是供应链有效运作与科学管理的基础。传统的供应链绩效评价方法大多属于静态评价,忽视了动态供应链所具有的随机性和不确定性以及绩效指标之间具有的非线性关联性的特点。针对这样一个复杂的绩效评价系统,本文的主要工作是对动态供应链绩效评价体系框架、绩效指标、评价模型、评价方法及其特点进行深入系统的研究。本文的研究工作从以下四个方面展开。首先,基于现实背景和研究目标提出了论文需要解决的主要问题。概述了供应链、供应链管理、供应链绩效评价的基本理论,并对应用于动态供应链绩效评价的智能信息处理方法进行了介绍和分析,进而确定了本文的研究内容和技术路线。然后,通过引入供应商维度,把传统的供应链四维平衡计分卡扩展为动态供应链的五维平衡计分卡,并结合供应链运作参考模型（SCOR）理论的思路构建了动态供应链绩效体系,详细阐述了关键绩效指标集的选取、优化及处理方法。再后,利用模糊综合分析、Markov链预测、粗糙集约简和BP神经网络学习等智能信息处理方法从不同的侧面建立了多个动态供应链绩效评价模型,以反映供应链体系中联盟决策与绩效之间的互动关系。在基于模糊综合评价和Markov链预测的绩效评价模型里,建立了供应链绩效评价模糊关系矩阵,利用模糊评价方法计算出供应链的综合绩效评价结果,并结合Markov链预测理论的决策支持功能,给出了动态供应链绩效的发展趋势。在基于粗糙集理论的绩效评价模型里,建立了动态供应链绩效评价决策表,利用粗糙集约简方法得到了预测绩效评价结果的决策规则集,并把粗糙集约简和模糊综合评价技术相结合进行动态供应链绩效评价,显着地缩小了数据处理的规模,降低了模型的计算复杂度。在基于BP神经网络理论的绩效评价模型里,利用BP网络理论来对动态供应链绩效评价结果进行学习和预测,并与粗糙集约简技术相结合,从而简化了BP网络结构,具有较强的实用性。最后,对这些智能信息处理方法在动态供应链绩效评价中的主要特点及效果进行了比较和分析。本文对上述各动态供应链绩效评价模型进行了解算与数字仿真,完成了对评价模型的校验和对实际评价结果的验证,并对各绩效评价模型的特点进行了分析和总结。针对每种评价模型的特点,设定好模型的各种参数和初始条件,利用仿真软件对模型进行推演和解算,并输出仿真试验结果。据此,可以验证各动态绩效评价模型之可用性与有效性。在此基础上,可以根据动态绩效评价模型仿真结果为供应链管理者提供有效运作与实施的建议。实验结果表明,本文提出的动态供应链绩效评价模型和方法是科学、有效的。论文研究成果弥补和深化了目前业界在动态供应链绩效评价体系和模型研究方面的不足,给供应链从业人员与学者提供了重要的思路和方法,同时也为业者营运与管理考核策略之制定提供了更多的理论依据和实践方法。
郑慧侠[8]（2008）在《基于信息融合的移动机器人路径规划》文中研究表明路径规划是自主机器人导航的一个重要问题。信息融合技术作为一门新兴的实践应用技术,为各领域的信息处理以及决策支持提供了可靠的手段,也是实现机器人智能化的关键技术之一。本文针对基于信息融合技术的移动机器人路径规划问题展开研究,实现移动机器人在障碍物环境中从Home点出发无碰撞移动到目标点。研究问题涉及运动速度、偏转角度两个控制量的变化及运动控制、仿真实验及机器人实体实验。本文首先针对研究问题展开理论方面的概述,较详细的阐述了信息融合技术、定位技术和移动机器人路径规划技术。同时介绍了研究工作初级阶段基础测量实验成果和开发系统设置问题。在熟悉Pioner3-DX的基础上,进行了机器人基本行为避障的仿真实验和实体实验,并取得了满意的结果。路径规划研究中,采用基于行为的路径规划方法与局部路径规划方法相结合的方法。将基于Mamdani模型的模糊逻辑算法应用于移动机器人局部路径规划。首先设计了模糊控制器且在MATLAB中进行算法仿真,仿真结果表明了控制算法的有效性。在ARNL中进行定位与导航仿真,仿真结果表明机器人能够避开障碍物到达目的地。
曹伟[9]（2007）在《模糊控制理论的发展及应用》文中指出常规控制的基本特点是控制器的设计要建立在被控对象的数学模型基础上,但是在许多情况下被控对象的精确数学模型很难建立,而采取模糊控制和其它技术的结合形成的控制方法,在对多变量、非线性、不确定的复杂系统中却能取得较好的控制效果.对此总结了模糊控制理论发展的概况,介绍了模糊控制理论与其它控制方法的结合技术,探讨了模糊控制当前亟待解决的问题和发展前景.
杨振刚[10]（2007）在《CBR ANN智能决策支持方法及应用》文中研究表明利用基于案例推理和人工神经网络等人工智能方法解决系统决策问题是智能决策支持系统领域重要的研究方向。本文提出研究CBR-ANN（Case-based Reasoning-Artificial Neural Network）智能决策支持方法,一方面从CBR与ANN集成理论的角度去发展人工智能方法,另一方面从智能决策支持系统（IDSS）的角度去探索解决工程决策问题特别是农业领域决策问题的新方法。本文首先分析IBL（Instance-based Learning）、CBR与ANN之间的联系,讨论了CBR与ANN的集成模型及其集成研究方向。基于ANN模型及CBR方法的设计特点,提出了涵盖“形态空间-表示模式”、“集成方法选型”以及“模型与算法”的CBR-ANN集成方法的设计框架,以指导CBR-ANN模型的设计工作。同时提出了一个IDSS设计框架,认为IDSS设计的四项主要任务为:“问题分析与表达”、“方法分析与设计”、“系统分析与规划”和“系统设计”。接着提出了一种CBR-ANN智能决策支持系统的一般结构,阐述了其各个组成部分的原理。分析了特征向量表示法、类别-案例表示法、动态存储表示法等案例表示法的特点,提出CBR-ANN过程模型为CR4模型,认为对于案例库构建,要分析和定义问题可能类型上的相似关系,探寻问题可能类型到方案可能类型的映射关系,分析相似类、进行案例库划分以及进行案例库优化。本文探讨了CBR-ANN智能决策模型中适用的知识表示方法,分析了属性相似性测度和常用的案例相似性测度,且设计了实验方法分析比较几种典型的案例相似性测度的性能。对于系统案例检索,本文为案例数量巨大的案例检索任务提出了一种基于优势案例的案例索引机制及其检索方法,以帮助检索程序快速定位目标案例的相似案例集,提高案例的检索效率。同时对两种适于案例分类、检索的竞争神经网络（Adaptive Resonance Theory和Self-organizing Maps）的原理进行了深入探讨。基于产生式表示法,本文提出了系统推理器的设计思路和推理过程框架。基于知识的高维案例的推理也可利用神经网络的并行计算能力来实现,本文重点讨论了贝叶斯推理。同时对基于案例推理的决策方法作了深入的理论探讨。然后,基于目标案例信息和用户历史请求信息提出了系统推荐方法,且认为案例保留的评价方法与推理的回想特性值相关,并据此提出了有效的系统案例保留与学习策略。最后,结合国家的方针政策以及作者的在研课题,本文提出将CBR-ANN决策支持模型与方法应用到农作物病害防治智能决策支持技术中,并以具体的黄瓜病害防治决策支持为切入点,探索CBR与ANN集成应用的新方法。基于CFW（黄瓜枯萎病）防治案例库的特点,本文分析了案例分类与案例检索效率的关系,确定了最优案例分类区间,利用交叉验证方法分析系统推理有效性,并基于推理有效性研究分析最优案例相异阈值范围。在应用CBR-ANN智能决策支持模型与方法时,采用ART-Kohonen神经网络（ART-KNN）模型进行集成研究,执行案例分类识别任务,并对其分类正确率以及案例方案中某些属性的预测进行了分析。通过进一步的实例测试与分析,验证了系统推理的有效性。本文较为系统地研究和建立了CBR-ANN智能决策支持模型与方法,且在作物病害防治的决策支持上进行了应用,这对于拓展CBR-ANN集成模型和智能决策支持方法的研究有较好的理论意义和应用价值。毫无疑问,CBR-ANN智能决策支持方法这个重要的研究领域将会不断得到丰富与发展,从而促进人工智能技术与决策支持方法对现实问题的解决。
二、软计算融合和协作技术的研究及其应用（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、软计算融合和协作技术的研究及其应用（论文提纲范文）
（1）大型机场货运站核心物流装备调度优化问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景和意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 大型机场货运站核心物流装备调度优化问题 |
| 1.2.1 机场货运站工作特点 |
| 1.2.2 核心物流装备简介 |
| 1.2.3 核心物流装备调度优化问题 |
| 1.3 国内外研究现状 |
| 1.4 论文结构及主要研究内容 |
| 1.5 论文主要贡献和创新点 |
| 第2章 相关基础理论与方法 |
| 2.1 粒子群算法 |
| 2.1.1 标准粒子群算法 |
| 2.1.2 粒子群算法的优化 |
| 2.1.3 随机粒子群算法 |
| 2.2 遗传算法 |
| 2.2.1 标准遗传算法 |
| 2.2.2 病毒进化遗传算法 |
| 2.3 混沌理论 |
| 2.4 软计算方法求解调度优化问题 |
| 小结 |
| 第3章 ETV单机调度问题研究 |
| 3.1 ETV单机调度问题分析与建模 |
| 3.1.1 出入库任务特征分析 |
| 3.1.2 ETV单机调度问题建模 |
| 3.2 出入口固定模式ETV单机调度问题研究 |
| 3.2.1 优化粒子群算法编码设计 |
| 3.2.2 非线性学习因子调整粒子群算法 |
| 3.2.3 实例研究 |
| 3.3 出入口优化模式ETV单机调度问题研究 |
| 3.3.1 变出入口问题分析 |
| 3.3.2 二进制离散粒子群算法及改进 |
| 3.3.3 优化求解方法与步骤 |
| 3.3.4 实例研究 |
| 3.4 实验结果分析 |
| 小结 |
| 第4章 ETV复合多机调度问题研究 |
| 4.1 复合ETV多机调度问题分析 |
| 4.1.1 复合ETV多机工作分析 |
| 4.1.2 参数定义 |
| 4.1.3 出入库任务执行时间计算 |
| 4.2 复合ETV多机调度问题建模 |
| 4.2.1 约束规则分析 |
| 4.2.2 优化指标 |
| 4.2.3 优化调度模型 |
| 4.3 复合ETV多机调度问题实例研究 |
| 4.3.1 约束优化问题的求解方法 |
| 4.3.2 混沌随机粒子群算法 |
| 4.3.3 实验数据 |
| 4.3.4 实例方法和步骤 |
| 4.3.5 结果对比分析 |
| 小结 |
| 第5章 基于病毒遗传算法的货位动态优化研究 |
| 5.1 货位动态优化问题分析 |
| 5.1.1 系统结构与工作特点 |
| 5.1.2 存储策略与货位优化方法 |
| 5.2 货位动态优化问题建模 |
| 5.2.1 基本设定与计算 |
| 5.2.2 优化仿真模型 |
| 5.3 货位动态优化实例研究 |
| 5.3.1 VEGA算法实现 |
| 5.3.2 实验数据 |
| 5.3.3 结果对比分析 |
| 小结 |
| 第6章 大型机场货运站设备监控管理信息系统EMS设计 |
| 6.1 大型机场货运站工程项目简介 |
| 6.2 EMS监控管理信息系统 |
| 6.2.1 EMS系统构成 |
| 6.2.2 EMS系统工作原理 |
| 6.2.3 EMS系统功能设计 |
| 6.2.4 EMS系统网络设计 |
| 6.3 调度优化功能模块在EMS中的配置 |
| 小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（2）分布式系统数据传输平台安全模块的设计与实现（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 研究的背景 |
| 1.1.2 研究内容的目的与意义 |
| 1.2 研究现状 |
| 1.2.1 传输协议 |
| 1.2.2 加密技术 |
| 1.2.3 分布式系统数据传输的身份认证技术 |
| 1.3 论文的主要工作 |
| 1.4 论文的组织结构 |
| 第二章 分布式系统数据传输平台安全模块的相关技术 |
| 2.1 加密技术 |
| 2.1.1 对称加密算法 |
| 2.1.2 非对称加密算法 |
| 2.2 数字摘要 |
| 2.2.1 数字摘要的含义 |
| 2.2.2 数字摘要的过程 |
| 2.2.3 数字摘要的功能及应用 |
| 2.3 数字签名 |
| 2.3.1 数字签名的含义与功能 |
| 2.3.2 数字签名的原理 |
| 2.3.3 数字签名的应用 |
| 2.4 Spring Security |
| 2.4.1 Spring Security 体系结构 |
| 2.4.2 Spring Security 原理 |
| 2.4.3 Spring Security 的应用 |
| 2.5 断点续传 |
| 2.5.1 断点续传的原理 |
| 2.5.2 断点续传的关键 |
| 2.5.3 基于 HTTP 协议的断点续传 |
| 第三章 分布式系统数据传输平台安全模块的设计 |
| 3.1 分布式系统数据传输平台安全模块的体系结构 |
| 3.2 分布式系统数据传输平台安全模块的总体设计 |
| 3.3 分布式系统数据传输平台安全模块的技术架构 |
| 3.4 分布式系统数据传输平台安全模块的详细设计 |
| 3.4.1 身份认证模块 |
| 3.4.2 数据级别加密传输设计 |
| 第四章 分布式系统数据传输平台安全模块的实现 |
| 4.1 身份认证模块的实现 |
| 4.2 文件加密/解密的实现 |
| 4.2.1 密钥的生成 |
| 4.2.2 RSA 密钥的下载 |
| 4.2.3 AES 加/解密文件的实现 |
| 4.2.4 数字摘要的实现 |
| 4.2.5 数字签名的实现 |
| 4.2.6 数字签名的验证 |
| 4.3 基于 RSA 签名的数据传输的实现 |
| 4.4 断点续传的实现 |
| 4.5 级别加密的实现 |
| 第五章 分布式系统数据传输平台安全模块的实例 |
| 5.1 身份认证 |
| 5.2 文件的级别加密传输 |
| 5.2.1 密钥的生成 |
| 5.2.2 数据文件的级别加密传输 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
（3）软计算融合技术研究（论文提纲范文）
| 0 引 言 |
| 1 软计算融合技术现状 |
| 1.1 软计算融合技术 |
| 1.2 软计算融合技术分类 |
| 1.2.1 按融合结构分类 |
| 1.2.2 按融合内容分类 |
| 1.2.3 按融合成员性质分类 |
| 2 软计算融合技术展望 |
| 3 结束语 |
（4）MapReduce与量子进化算法的研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 论文的研究背景和意义 |
| 1.2 云计算环境下智能算法的研究进展 |
| 1.3 论文的研究内容及组织 |
| 第2章 云计算及量子进化算法的关键技术 |
| 2.1 量子进化算法 |
| 2.1.1 量子进化算法的提出 |
| 2.1.2 量子进化算法的流程 |
| 2.1.3 几种常用的量子进化算法 |
| 2.2 云计算的相关技术 |
| 2.2.1 云计算 |
| 2.2.2 MapReduce模型概述 |
| 2.2.3 Hadoop的云计算架构体系 |
| 2.3 本章小结 |
| 第3章 基于MapReduce的并行量子进化算法 |
| 3.1 量子进化算法的并行性研究 |
| 3.2 量子进化算法的MapReduce实现--MRQEA算法 |
| 3.2.1 MRQEA算法的步骤 |
| 3.2.2 ready-MRQEA()函数 |
| 3.2.3 Map阶段 |
| 3.2.4 Reduce阶段 |
| 3.3 用MRQEA算法求解0-1背包问题 |
| 3.3.1 0-1背包问题的应用 |
| 3.3.2 实验结果及分析 |
| 3.4 本章小结 |
| 第4章 基于量子进化算法的覆盖算法 |
| 4.1 数据挖掘中的分类算法 |
| 4.2 覆盖算法 |
| 4.3 量子优化覆盖算法 |
| 4.4 实验结果及分析 |
| 4.5 本章小结 |
| 第5章 基于MapReduce的网页信息处理及检索系统 |
| 5.1 系统框架 |
| 5.2 系统实现的关键技术 |
| 5.2.1 网络爬虫 |
| 5.2.2 双向最大匹配算法 |
| 5.2.3 DB设计 |
| 5.3 网页信息检索系统的设计与实现 |
| 5.3.1 淘宝网数据提取 |
| 5.3.2 网页数据分析及处理 |
| 5.3.3 数据查询处理 |
| 5.4 实验结果及性能分析 |
| 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 |
| 致谢 |
| 攻读项士学位期间发表学术论文情况 |
（5）软计算融合算法及其在Captcha识别方面的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.1.1 软计算方法 |
| 1.1.2 Captcha |
| 1.1.3 软计算方法在验证码识别方面的应用 |
| 1.2 论文的研究内容及安排 |
| 1.2.1 研究目标及方法 |
| 1.2.2 论文的内容安排 |
| 第2章 软计算融合方法 |
| 2.1 引言 |
| 2.2 遗传算法与神经网络的融合 |
| 2.3 粗糙集理论与神经网络的融合 |
| 2.4 本章小结 |
| 第3章 佳点集遗传覆盖算法 |
| 3.1 引言 |
| 3.2 佳点集遗传覆盖算法 |
| 3.2.1 佳点集遗传算法 |
| 3.2.2 领域覆盖算法 |
| 3.2.3 佳点集遗传覆盖算法 |
| 3.3 实验及结果分析 |
| 3.4 本章小结 |
| 第4章 基于条件信息熵的覆盖约简算法 |
| 4.1 引言 |
| 4.2 基于条件信息熵的覆盖约简算法 |
| 4.2.1 Rough理论的信息观 |
| 4.2.2 覆盖算法 |
| 4.2.3 基于条件信息熵的覆盖约简算法 |
| 4.3 试验及结果分析 |
| 4.4 本章小结 |
| 第5章 应用软计算融合方法构建验证码识别系统 |
| 5.1 引言 |
| 5.2 Captcha数据分析 |
| 5.3 Captcha信息提取系统的设计 |
| 5.4 基于覆盖算法分类器的设计 |
| 5.4.1 分类器设计原则 |
| 5.4.2 分类器功能模块 |
| 5.4.3 分类器的数据流图 |
| 5.5 分类器实现 |
| 5.6 实验 |
| 5.7 Captcha识别实验 |
| 5.8 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 下一步研究工作 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文及获奖情况 |
（6）石油储层纵向预测软硬计算融合的理论与方法研究（论文提纲范文）
| 作者简介 |
| 摘要 |
| ABSTRACT |
| 第一章 概论 |
| 1.1 课题来源及研究内容 |
| 1.2 论文研究的目的和意义 |
| 1.3 国内外研究现状 |
| 1.4 本论文的基本思路 |
| 1.5 论文的主要贡献及创新 |
| 第二章 软计算与硬计算的融合 |
| 2.1 软计算 |
| 2.1.1 神经网络 |
| 2.1.2 遗传算法 |
| 2.1.3 模糊系统 |
| 2.2 硬计算 |
| 2.2.1 回归分析 |
| 2.2.2 K均值分类方法 |
| 2.2.3 层次聚类分析中的Q型聚类 |
| 2.3 软计算与硬计算的融合 |
| 2.3.1 SC和HC互相分离模式 |
| 2.3.2 SC和HC并行连接模式 |
| 2.3.3 SC和HC串联模式 |
| 2.3.4 SC和HC嵌套模式 |
| 第三章 特征选择(属性优化) |
| 3.1 特征选择的一般过程 |
| 3.1.1 生成特征子集 |
| 3.1.2 特征子集评价 |
| 3.1.3 停止准则 |
| 3.1.4 结果确认 |
| 3.2 特征选择算法的分类 |
| 3.3 算法选择平台 |
| 第四章 储层岩性识别 |
| 4.1 数据的预处理 |
| 4.2 搜索策略和分类器的组合岩性识别比较 |
| 4.2.1 多元线性回归的岩性识别 |
| 4.2.2 穷举法、启发法和随机法的介绍 |
| 4.2.3 识别结果比较 |
| 4.3 软硬计算融合的岩性模糊规则提取 |
| 4.3.1 ANN-GA-Cascades算法 |
| 4.3.2 实例研究 |
| 第五章 储层含油性识别 |
| 5.1 数据准备 |
| 5.2 搜索策略和分类器的组合含油性识别比较 |
| 5.3 数据驱动的灰色关联含油性识别 |
| 5.3.1 储层含油性评价标准 |
| 5.3.2 储层含油性参数的权系数 |
| 5.3.3 灰色关联分析法 |
| 5.4 样本约简 |
| 5.4.1 软计算进行识别分析 |
| 5.4.2 硬计算进行识别分析 |
| 5.4.3 样本约简结果分析 |
| 5.5 软硬计算融合的含油性模糊规则提取 |
| 5.5.1 属性值离散化 |
| 5.5.2 遗传算法进行规则提取 |
| 5.5.3 实例研究 |
| 第六章 测井属性预测 |
| 6.1 多元线性回归预测模型 |
| 6.2 GA-BP预测模型的算法介绍 |
| 6.3 GA-BP预测模型的结果分析 |
| 第七章 储层综合评价 |
| 7.1 数据准备 |
| 7.2 综合评价分析 |
| 第八章 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）动态供应链绩效评价方法研究（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 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 研究创新点 |
| 第2章 相关研究基础与理论综述 |
| 2.1 供应链管理综述 |
| 2.1.1 供应链定义 |
| 2.1.2 供应链管理定义 |
| 2.2 绩效评价文献综述 |
| 2.2.1 绩效 |
| 2.2.2 绩效评价 |
| 2.3 其他相关理论综述 |
| 2.3.1 层次分析法（AHP） |
| 2.3.2 模糊评估法(Fuzzy Comprehensive Evaluation) |
| 2.3.3 马尔可夫链理论(Markov Chain Theory) |
| 2.3.4 粗糙集理论(Rough Set Theory) |
| 2.3.5 人工神经网络理论(ANN) |
| 2.4 本章小结 |
| 第3章 供应链绩效评价理论研究与体系构建 |
| 3.1 供应链绩效评价研究现状 |
| 3.1.1 关键绩效指标法（KPI） |
| 3.1.2 供应链运作参考模型（SCOR） |
| 3.1.3 供应链平衡计分卡（SC-BSC） |
| 3.2 动态供应链绩效评价模型的建立 |
| 3.2.1 传统供应链绩效评价模型的特点分析 |
| 3.2.2 五维动态平衡计分卡框架 |
| 3.2.3 基于SCOR 的整体供应链绩效模型 |
| 3.3 动态供应链绩效指标体系的架构设计 |
| 3.3.1 动态供应链绩效评价指标的选取 |
| 3.3.2 动态供应链绩效评价指标的度量 |
| 3.4 本章小结 |
| 第4章 基于模糊综合评估和 MARKOV 预测的供应链绩效评价 |
| 4.1 模糊集基本概念 |
| 4.1.1 模糊集合论 |
| 4.1.2 模糊子集的定义 |
| 4.1.3 模糊集合与经典集合的联系 |
| 4.1.4 模糊关系与模糊矩阵 |
| 4.2 模糊评估在供应链绩效评价中的应用 |
| 4.2.1 动态供应链绩效指标体系 |
| 4.2.2 基于模糊评估的供应链绩效动态评价模型 |
| 4.2.3 仿真算例 |
| 4.3 基于模糊评估和MARKOV 预测的供应链绩效评价 |
| 4.3.1 基于模糊评估和Markov 链预测的动态供应链绩效评价模型 |
| 4.3.2 Markov 链绩效预测方法 |
| 4.3.3 供应链绩效评价结果的Markov 链预测 |
| 4.4 本章小结 |
| 第5章 粗糙集理论在供应链绩效评价中的应用 |
| 5.1 粗糙集基本概念 |
| 5.1.1 等价关系 |
| 5.1.2 决策表知识表达系统 |
| 5.1.3 Rough 集 |
| 5.1.4 可辨识矩阵 |
| 5.1.5 决策规则的不确定性度量 |
| 5.2 决策表约简与推理 |
| 5.2.1 数据预处理 |
| 5.2.2 决策表属性约简 |
| 5.2.3 决策表值约简 |
| 5.3 基于粗糙集理论的动态供应链绩效评价方法 |
| 5.3.1 基于粗糙集约简的动态绩效评价模型 |
| 5.3.2 粗糙集理论和平衡计分卡相结合的综合绩效评价过程 |
| 5.3.3 仿真算例 |
| 5.4 基于粗糙集约简和模糊评估的供应链绩效评价方法 |
| 5.4.1 基于模糊评估的供应链绩效评价方法的不足 |
| 5.4.2 基于粗糙集约简和模糊评估的动态供应链绩效评价模型 |
| 5.4.3 仿真算例 |
| 5.5 本章小结 |
| 第6章 基于神经网络的供应链绩效评价方法 |
| 6.1 人工神经网络 |
| 6.1.1 人工神经网络基本概念 |
| 6.1.2 BP 神经网络基本理论 |
| 6.2 基于BP 神经网络的动态供应链绩效评价方法 |
| 6.2.1 动态供应链绩效指标体系 |
| 6.2.2 基于BP 网络的动态供应链绩效评价模型. |
| 6.2.3 仿真算例 |
| 6.3 粗糙集约简和BP 网络相结合的混合供应链绩效评价方法. |
| 6.3.1 算法基本思想 |
| 6.3.2 基于粗糙集约简和BP 神经网络的动态供应链绩效评价模型 |
| 6.3.3 仿真算例 |
| 6.4 本章小结 |
| 第7章 基于智能信息处理的供应链绩效评价方法的比较 |
| 7.1 软计算与动态供应链绩效评价 |
| 7.1.1 软计算 |
| 7.1.2 基于模糊综合评估的供应链绩效评价 |
| 7.1.3 基于粗糙集约简的供应链绩效评价 |
| 7.1.4 基于神经网络的供应链绩效评价 |
| 7.1.5 几种软计算方法的优缺点 |
| 7.1.6 软计算融合技术在动态供应链绩效评价中的应用. |
| 7.2 基于智能信息处理的供应链绩效评价方法比较 |
| 7.2.1 基本思路 |
| 7.2.2 数据预处理 |
| 7.2.3 实验结果比较与分析 |
| 7.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录 攻读学位期间发表学术论文目录 |
（8）基于信息融合的移动机器人路径规划（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 选题背景 |
| 1.2 移动机器人主要研究方向 |
| 1.3 移动机器人研究现状与发展趋势 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 发展趋势 |
| 1.4 本文主要研究内容 |
| 2 信息融合 |
| 2.1 信息融合概述 |
| 2.1.1 信息融合技术 |
| 2.1.2 信息融合技术中的识别技术概述 |
| 2.2 P3-DX主要传感器 |
| 2.2.1 P3-DX主要传感器概述 |
| 2.2.2 P3-DX主要传感器控制命令 |
| 3 移动机器人定位与运动控制 |
| 3.1 移动机器人结构模型 |
| 3.2 P3-DX坐标系与坐标变换 |
| 3.2.1 移动机器人坐标变换数学基础 |
| 3.2.2 移动机器人坐标系 |
| 3.2.3 P3-DX坐标变换与相关函数 |
| 3.3 移动机器人运动学模型 |
| 3.4 移动机器人定位 |
| 3.4.1 移动机器人定位概述 |
| 3.4.2 航位推算法 |
| 3.5 移动机器人运动行为分解 |
| 3.5.1 运动轨迹的合成 |
| 3.5.2 移动机器人基本运动行为 |
| 4 移动机器人路径规划 |
| 4.1 路径规划概述 |
| 4.1.1 概述 |
| 4.1.2 路径规划技术 |
| 4.2 模糊逻辑算法实现 |
| 4.2.1 模糊逻辑算法相关数学公式 |
| 4.2.2 模糊控制器基本结构 |
| 4.2.3 模糊控制器设计方法 |
| 5 移动机器人实验平台分析 |
| 5.1 硬件系统 |
| 5.1.1 硬件设备 |
| 5.1.2 网络配置 |
| 5.2 软件系统 |
| 5.2.1 P3-DX软件平台 |
| 5.2.2 主要安装软件 |
| 5.2.3 客户端开发环境配置 |
| 5.3 仿真系统 |
| 5.3.1 MobileSim仿真及上机调试方法 |
| 5.3.2 ARNL仿真系统 |
| 5.4 主要参数 |
| 6 系统设计与仿真 |
| 6.1 设计思想 |
| 6.2 控制量设计 |
| 6.2.1 输出速度设计 |
| 6.2.2 输出角度设计 |
| 6.3 系统实现相关函数 |
| 6.4 系统结果仿真 |
| 6.4.1 模糊控制器在Matlab中仿真结果 |
| 6.4.2 基本运动行为在MobileSime中仿真结果 |
| 6.4.3 路径规划在ARNL中仿真结果 |
| 7 结论 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（9）模糊控制理论的发展及应用（论文提纲范文）
| 1 模糊控制理论发展概况 |
| 2 模糊控制与其它控制方法的结合 |
| 2.1 模糊神经网络控制 |
| 2.2 模糊控制与遗传算法 (GA) 的结合 |
| 2.3 模糊混沌控制技术 |
| 2.4 模糊粗糙控制技术 |
| 2.5 模糊控制中的软计算融合技术 |
| 3 模糊控制的发展前景及凾待解决的问题 |
| 4 结语 |
（10）CBR ANN智能决策支持方法及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 问题的提出 |
| 1.3 研究现状 |
| 1.3.1 国内研究现状 |
| 1.3.2 国外研究现状 |
| 1.4 研究意义 |
| 1.5 研究思路及研究内容 |
| 第二章 CBR 与ANN 及其集成 |
| 2.1 引言 |
| 2.2 基于案例推理 |
| 2.3 人工神经网络 |
| 2.4 IBL 与CBR 及ANN 之间的联系 |
| 2.5 CBR 系统设计中的神经网络方法 |
| 2.5.1 基本模型结构 |
| 2.5.2 案例索引及案例检索 |
| 2.5.3 CBR 与 ANN 的集成系统 |
| 2.6 CBR 与ANN 集成的其它研究方向 |
| 2.6.1 模糊神经网络 |
| 2.6.2 径向基函数神经网络 |
| 2.6.3 竞争学习神经网络 |
| 2.7 本章小结 |
| 第三章 CBR-ANN 模型设计框架与IDSS 设计框架 |
| 3.1 引言 |
| 3.2 CBR-ANN 模型的设计框架 |
| 3.3 IDSS 的设计框架及一般系统结构 |
| 3.3.1 决策问题与 IDSS |
| 3.3.2 IDSS 的设计框架 |
| 3.3.3 IDSS 一般系统结构 |
| 3.4 本章小结 |
| 第四章 CBR-ANN 智能决策支持模型与方法 |
| 4.1 CBR-ANN 智能决策支持系统结构 |
| 4.2 案例表达、存储及标准化 |
| 4.2.1 案例表达 |
| 4.2.2 案例存储 |
| 4.2.3 案例属性标准化 |
| 4.3 CBR-ANN 智能决策支持模型的知识表示 |
| 4.3.1 产生式表示法 |
| 4.3.2 语义网络表示法 |
| 4.3.3 逻辑表示法 |
| 4.3.4 基于粗集的知识表示与知识获取 |
| 4.4 案例相似性测度 |
| 4.4.1 属性相似性测度 |
| 4.4.2 案例相似性测度 |
| 4.5 案例索引与检索 |
| 4.5.1 基于优势案例的索引 |
| 4.5.2 M(R)案例检索 |
| 4.5.3 ANN 案例检索 |
| 4.6 案例推理 |
| 4.6.1 M(A)案例推理 |
| 4.6.2 基于 ANN 的案例推理 |
| 4.7 系统决策方法 |
| 4.8 系统推荐方法 |
| 4.9 案例保留与学习 |
| 4.10 本章小结 |
| 第五章 CBR-ANN 智能决策支持模型与方法的应用 |
| 5.1 应用背景 |
| 5.2 CFW 防治的CBR 智能决策支持系统性能分析 |
| 5.2.1 CBR 系统结构 |
| 5.2.2 CFW 防治智能决策支持原理 |
| 5.2.3 应用分析 |
| 5.2.4 系统实例 |
| 5.3 基于CBR-ANN 的CFW 防治智能决策支持方法应用分析 |
| 5.3.1 CBR 与 ART-KNN 集成的智能决策支持系统原理 |
| 5.3.2 实验应用与结果分析 |
| 5.4 本章小结 |
| 结论 |
| 1. 主要结论 |
| 2. 创新成果 |
| 3. 研究展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
四、软计算融合和协作技术的研究及其应用（论文参考文献）
- [1]大型机场货运站核心物流装备调度优化问题研究[D]. 邱建东. 兰州交通大学, 2014(07)
- [2]分布式系统数据传输平台安全模块的设计与实现[D]. 徐胭脂. 济南大学, 2012(04)
- [3]软计算融合技术研究[J]. 王大将,王敏. 计算机技术与发展, 2012(04)
- [4]MapReduce与量子进化算法的研究及应用[D]. 刘范范. 安徽大学, 2012(10)
- [5]软计算融合算法及其在Captcha识别方面的应用研究[D]. 李永顺. 安徽大学, 2010(12)
- [6]石油储层纵向预测软硬计算融合的理论与方法研究[D]. 郭海湘. 中国地质大学, 2008(01)
- [7]动态供应链绩效评价方法研究[D]. 郑培. 湖南大学, 2008(08)
- [8]基于信息融合的移动机器人路径规划[D]. 郑慧侠. 北京交通大学, 2008(08)
- [9]模糊控制理论的发展及应用[J]. 曹伟. 高师理科学刊, 2007(03)
- [10]CBR ANN智能决策支持方法及应用[D]. 杨振刚. 华南理工大学, 2007(06)