一、基于连接的事务数据的多隶属聚类算法（论文文献综述）
杨琳[1]（2021）在《基于WiFi指纹的智能巡检机器人定位系统研究》文中提出恶劣复杂工业场景中,智能巡检机器人代替人到危险区域巡检,可有效预警危险源,降低安全事故发生率,提高企业安全管理服务水平,为企业生产保驾护航。由于机器人作业过程中检测到异常情况或巡检路线受环境影响存在偏差时,需进一步确定具体位置,本文针对某重型机械厂的真实环境,开展了机器人巡检定位方法及其应用研究。主要工作如下:（1）提出了基于K-means最优估计的Wi-Fi指纹定位算法。该算法将聚类和位置估计过程相结合,统一进行优化;在聚类过程当中,采用待测样本的K近邻估计位置信息,代替传统的类中心估值方法;同时通过增加迭代次数,得到最优的估计位置。与传统的单元素定位算法相比,该算法在4米误差范围内定位精度达到了98.56%,与K-means++方法相比,定位精度在数值上提高了33.09%;且最大误差合理控制在6m内,定位精度及鲁棒性都得到了明显提高,满足定位场景的应用需求。（2）针对工厂实际需求研发了一套基于Wi-Fi指纹的智能巡检机器人定位系统。从系统硬件设计和软件开发两个方面设计了智能巡检机器人定位平台的系统架构,完成了基于Wi-Fi指纹的智能巡检机器人定位系统的搭建。通过特定应用需求场景对定位系统验证分析,该文所研发系统能够在实际测试区域内按照预设路线进行实时定位,且在客户端生成的运行轨迹与实际行走的轨迹偏差很小,定位精度较高,能够在真实场景中准确对智能巡检机器人进行定位,满足实际场景的定位需求。
王涛[2]（2019）在《面向电力变压器的运行状态综合评价》文中研究说明在电力系统中,变压器作为输变电系统的枢纽设备,其安全稳定的运行状态决定着整个电力系统能否正常运行。对于设备运行状态的评价结果,可以将其应用到后续检修决策和寿命预测当中,进而将传统的定期检修和事故后检修转变为状态检修模式,这是当前针对电气设备研究的重点。为此,本文选取变压器为研究对象,对其运行状态的准确评价作为研究内容,重点进行了以下工作:首先,针对评价指标的选取,本课题分析了常见评价指标特征量,并搜集指标量的运行、试验数据。由于指标数量的繁杂性,研究了其与故障类型的相关度,运用关联规则下的状态评价指标与故障类型的支持度作为确定关键评价指标的标准,筛选出评价的关键指标。其次,对关键指标进行权重分配。在改进层次分析法和熵值法两种单一权重确定方法的基础上,针对变压器的复杂性,提出一种最小偏差拟合的方法对两种单一方法赋予的权重值进行综合,获得每类关键指标的组合权重。从而使赋予的权重值更具备客观性和准确性。最后,在建立评价模型的问题上,针对指标信息获取的有限性和边界等级的绝对性,采用一种基于正态云模型的评价方法。适当扩充指标数据,建立数据正态云,以及对状态边界等级模糊化,建立等级正态云。经过云模型扩展后的数据存在发生概率,故利用差异性的云滴发生的不同概率,获得状态指标数据与评价边界等级的关联度,进而求出评价矩阵。基于正态云模型及隶属函数的概念,确定设备评价等级,达到对运行状态的准确评价。通过对宁夏某330kV变电站主变的状态指标数据进行收集分析,对关键指标进行合理赋权,以及应用本文提出的评价模型验证了该方法在状态评价中的准确性,并和其他方法对比,验证了其在该类问题中具有更好的普适性。
郑倩[3]（2019）在《基于Android的WiFi室内定位系统的设计与开发》文中进行了进一步梳理无线网络、通信技术的迅速发展以及智能终端的广泛应用使得使用WiFi基础设施为室内定位服务（Location-based Service,LBS）提供个人和商业应用成为可能。但是,由于室内环境的复杂性,大多数定位应用通常难以提供令人满意的准确度。因此,设计一个容易部署、硬件简单且定位准确的室内定位系统是目前研究的热点。目前可用于室内定位的传感网络信号有多种,包括WiFi信号、红外线（IR）、超声波、射频识别（RFID）、蓝牙、超宽带（UWB）、磁信号、视觉分析以及听觉声音等,还有基于基站、伪卫星、ZigBee的室内定位。本文依据WiFi定位技术具体覆盖面广、易于安装、易扩展、传输速度快和低成本的优势,设计一款基于WiFi的位置指纹双层匹配定位的室内定位系统,可实现在一定的定位区域完成指纹库的收集工作与用户在该定位区域实现室内定位功能。本文基于位置指纹定位方法,构建了一套室内定位框架,定位系统分为离线收集阶段和在线定位阶段。在离线阶段引入了仿射聚类（Affine Propagation）算法对离线收集的指纹数据进行聚类,可以有效减少定位阶段的匹配时间。在线定位阶段采用双层匹配的方式,首先采用经典的确定性算法完成粗定位过程,而后在精定位过程将压缩感知（Compressed Sensing,CS）理论应用到定位中来,有效的提高了系统的定位精度。根据室内定位框架,本文完成了基于Android平台的室内定位系统的设计,按照功能模块化的思想,设计了离线采集APP和在线定位APP两款应用。离线采集应用完成了指纹数据采集功能、数据处理功能、数据存储功能;在线定位应用完成了实时位置指纹采集功能、位置估计功能、地图定位显示功能。采用Android自带的SQLite数据库作为两款应用的数据传输桥梁。为了检验定位算法以及室内定位系统的定位性能,本文还分别对其进行了相关实验。在分析压缩感知算法性能时,确定了算法参数、接入点个数、数据采集方向、指纹数据量等因素的影响效果,也对比了常用的加权K最近邻（Weighted K Nearest Neighborhood,WKNN）算法,结果验证了压缩感知算法能有效提高定位精度。在对定位系统的测试分析中,验证了两款应用能正确完成对应功能,同时对系统性能进行了分析,表明本文的定位系统在离线采集数据量足够的情况下能比较准确的帮助用户完成定位。
章盛[4]（2018）在《基于数据挖掘技术的未成年罪犯管理系统的设计与实现》文中指出我国改革开放以来,随着经济的快速增长人们生活水平也越发提升,我国青少年所接触到的事物也更加广泛,青少年由于处于未成年时期,其心志水平尚未完善,伴随而来的就是更多的未成年犯罪的增多。就目前来看我国公安机关已经拥有大量的未成年犯罪的相关数据,如何能够利用信息技术将这些数据加以利用从而起到协助民警办案的作用是现在公安机关所面临的关键问题之一。所以开发一套便捷、行之有效的基于数据挖掘技术的未成年犯罪管理系统来完成未成年罪犯的档案管理、罪犯数据分析等方面是非常有意义的。课题意在研发一套未成年犯罪管理工作中具有现实指导意义的信息系统,该系统利用公安机关现有的未成年人罪犯的大量信息,将这些信息进行分类对比,针对相同或近似的案件信息进行综合分析,并根据分析结果及时反馈至警官手中,起到了及时有效的利用信息化手段来增加罪犯管理效率。整个系统涵盖了系统登录模块、用户管理模块、档案管理模块、数据导入模块以及数据挖掘等模块。其档案管理模块是对目前现有公安机关内所记录的罪犯基本信息进行管控的模块;用户管理模块是对系统内的不同人员进行用户信息管理和权限管理的功能模块;数据导入模块是对未成年罪犯的相关待分析数据进行导入的功能模块;数据挖掘模块使用Apriori关联算法将罪犯的信息进行分类挖掘的功能模块。课题从最初的未成年罪犯数据分析的需求提出为出发点,进一步完成系统的各功能模块的设计以及实施再到最后的测试等工作进行了详细论述。课题利用Java语言进行系统开发,使用MVC架构进行系统搭建,采用SQL Server数据库对系统数据进行管理,并以MyEclipse软件开发工具完成系统的编写等工作。目前,系统已经通过试运行并投入到实际的未成年罪犯数据分析管理当中去,有效的提高了公安机关在案件办理过程中的效率,得到了用户的一致好评,体现出一定的社会效益。
苏州[5]（2018）在《中国特色新型高校智库运行机制、效率与影响因素研究》文中认为高校智库是现代智库体系的重要组成部分,其发展繁荣事关国家治理体系和治理能力现代化的进程。在全面加强中国特色新型智库建设的时代背景下,推进高校智库建设既能有效提升高校社会服务能力与水平,也能进一步完善发展我国现有智库体系,为全面提升国家软实力提供有力支撑。高校智库的建设和运行受到内外部多重因素的影响,如何构建中国特色新型高校智库内外部运行机制、评价分析高校智库运行效率及其影响因素,对于促进中国特色新型高校智库建设具有十分重要的理论和实践意义。本文在现有高校智库研究的基础上,借助于生产效率理论、系统评价方法、计量经济方法等理论与方法,通过规范性研究和实证性研究,对“中国特色新型高校智库是什么”、“高校智库运行机制与效率怎么样”和“如何提升高校智库运行效率与影响力”等问题进行了定性分析与定量测算。基于理论与实证分析结论,本文系统化构建了高校智库内外部运行机制,提出了改善高校智库运行效率与提升高校智库影响力的对策建议。论文主要研究工作和结论包括以下几个方面:（1）解析与重构了中国特色新型高校智库的基本内涵、特征与功能定位。通过文献梳理,本文界定中国特色新型智库的基本内涵是“中国特色”、“新型”和“智库”三者的综合集成。一方面,中国特色新型高校智库具备提供政策建议、开展政策研究等基本功能外,还承担着培养中国人才、构建中国理论、形成中国学派等特殊功能。中国特色新型高校智库还具有理论研究与社会实践相结合、兼顾科研精神与社会使命、开放融合与协同创新等方面特征。此外,中国特色新型高校智库建设还需借鉴国外典型高校智库在功能定位、运行管理上的成熟模式和运行经验。（2）设计构建了面向“中国特色新型”目标的内部管理机制与外部协同机制。基于中国特色新型高校智库内涵、功能和国内外先进经验,利用标杆分析方法,对高校智库的内外部运行机制进行设计。首先,从高校智库内部运行结构出发,针对人员、资金、项目和成果四个具体要素进行内部管理体制设计。其次,分析高校智库外部协同的对象及其特征、外部协同系统的主要特征,并从资源整合、人员交流、成果输出、资政启智、利益制衡等角度进行高校智库的外部协同机制设计。（3）提出了高校智库运行效率测度模型,在此基础上实证研究了中国典型高校智库的运行效率。从微观层面选取高校智库运行中的人力、资金、信息三个投入指标和政策影响力、学术影响力、社会影响力三个产出指标,构建考虑规模报酬可变和主客观赋权的高校智库运行效率SBM测度模型。根据中国智库索引（CTTI）高校智库数据的实证分析结果,中国现阶段高校智库建设呈现“小机构、大网络”、“小核心、大外围”的特征,这虽有助于提高高校智库的影响力,但不利于整体运行效率的提升。在高校智库评价对象中,只有三分之一左右的高校智库运行是有效的,而一流学科高校智库运行效率要优于一流大学和普通高校。同时,分析了高校智库发展的影响因素,提出了改善中国高校智库运行效率的对策建议。（4）基于灰色DEMATEL方法构建了高校智库发展的影响因素关联分析模型。从高校智库身处的经济、政治、社会和技术环境出发,识别分析了高校智库的外部制约因素。从智库运行方式、资金和人员等方面识别分析了高校智库的内部影响因素。再利用专家调查数据和灰色DEMATEL方法,实证分析了各影响因素的作用和交互关系。实证结果表明,经济发展水平、出台智库建设的政策文件对高校智库发展影响作用最大;卸任官员在高校智库中担任职务也是高校智库繁荣发展不可忽视的重要因素;议题选择因素影响作用最弱且易受其它因素的影响;智库透明度对高校智库的发展非常重要,但该因素容易受其他因素的干扰和束缚。（5）在本文构建的研究框架下,对中国典型高校智库——南京大学紫金传媒智库进行了综合分析。案例分析结果表明,高校智库的内外部运行机制对于智库影响力具有重要影响作用。良好的外部资源聚集协同机制与资政启智协同机制,较大程度地推动了紫金传媒智库的发展,使其社会影响力与舆论影响力在江苏省处于领先位置,但不够完善的内部人才管理机制和项目管理机制仍然制约着紫金传媒智库影响力的发挥。
宋国磊[6]（2017）在《基于SAR图像的混合模糊水陆分割算法研究 ——以丹江口水库为例》文中研究指明图像分割是构成图像分析的关键部分,其目标是将目标图像分割为两个或者多个具有相同特征的子区域,进而对子区域内的目标进行识别和提取。作为图像分析中热门的研究点,同时作为目标识别与检测过程中的关键步骤,图像分割的应用已经非常普及了。其中包括有遥感图像的识别、产品检测、指纹识别、医学图像分析等。本文研究对象是丹江口水库,相比于其他的内陆湖泊和水库来说,丹江口水库流域面积广阔、支流繁多且地物种类复杂,采用依靠人力的传统方式监测水库成本高、效率低,难以满足实际监测需要,而目前围绕丹江口水库的遥感研究主要以光学遥感为主,但在时间和天气上限制因素较多。因此,结合SAR技术具有全天候全天时工作、基本不受大气影响的特点,发展一套方法来有效完成复杂环境下SAR图像水陆分割是本文要解决的基础问题,具有重要的研究价值及意义。图像分割方法在数十年的研究与发展过程中,国内外学者提出了许多不同的分割方法,并将如形态学、集合、模糊等理论应用到图像分割的方法之中。但就目前来说,已有的成百上千的算法中,没有一种理论或者方法能对所有的图像都适用。在这些已被提出的图像分割算法中,最大类间方差法和模糊聚类算法在图像分割算法领域中充当了相当的重要的角色。因此结合丹江口水库的环境背景及SAR图像的特点,着重研究了Otsu算法和模糊聚类这两种图像分割方法,对这两种算法的理论、现状、发展做了深入的研究,在此基础上所做的工作和取得的成果如下:1)针对最大类间方差法（Otsu）对于信息复杂、特征信息不明显和图像面积较小的图像无法获取最佳分割阈值的问题,提出自适应多阈值Otsu粗分割模型,通过统计SAR图像的灰度特征,以其灰度统计直方图特征作为获取自适应参数和优化分割阈值的基础,在此基础上完成对丹江口水陆的水陆粗分割,并且将粗分之后的各均匀区域的灰度均值作为模型的输出。2)通过分析图像的本身特性及丹江口水库的环境背景,以自适应对阈值Otsu粗分割模型为基础,结合模糊聚类算法,提出一种基于SAR图像的混合模糊的水陆分割算法。即以自适应多阈值Otsu粗分割模型的输出来初始化模糊聚类的聚类中心,然后进行聚类迭代,得到精分割结果。最后对精分割的分类结果图进行一种基于邻域连通法的噪声滤除后处理操作;来得到最终的分割结果。在研究了上述算法的理论基础后,通过编写实验代码并验证了分割结果的正确性。运用混合模糊水陆分割算法对丹江口水域SAR图像分割进行了深入的研究和探索,并取得了良好的效果。主要成果及研究价值:对于复杂环境背景下的人工内陆水陆的SAR图像水陆分割有了一个实质性的探索过程;为后续丹江口水库的目标检测与识别奠定了基础;为水库库区的水域面积监测与蓄水量管理做了有效的准备。因此本论文提出的混合模糊分割算法在实践项目中有一定的研究价值和应用价值。
朱磊[7]（2016）在《基于模糊神经网络在智能家居信息融合的火灾信息探测算法研究》文中研究说明随着科学技术的不断进步,人们生活水平的不断提高,家居生活智能化已经成为一种趋势。舒适性不再是家居生活的唯一的标准,安全性、智能型越来越受到人们的重视。而现代家居火灾发生的频率和规模越来越大,造成生命财产的极大损失,所以研究智能家居防火系统有着重要且实用的意义。智能家居的火灾探测系统的首要工作在于能够尽早的识别出火灾,通过中控系统或其他联动系统,将损失降至最低。本文首先研究了火灾信号的复杂性、非线性结构等特点,然后研究模糊理论和RBF神经网络等相关理论,分别设计出基于模糊系统和RBF神经网络的火灾探测模型,并利用Matlab进行仿真实验,分析得出,单纯的依靠某一种算法处理并不能得到期望的效果。进一步提出将模糊系统和神经网络相结合,进行优势互补,设计出一个拥有6层结构的模糊神经网络。在这个模糊神经系统当中,整个模糊神经网络系统的模糊推理部分由原神经网络来完成;神经网络的训练是通过误差反向传播法,得到适合火灾探测环境的神经网络的权值;训练得到修改后的隶属度函数和模糊规则,作为进一步的推理使用。当传入测试样本时,按照训练好的模糊神经系统进行探测分析,能够得出火灾发生的概率。进一步的引入烟雾的持续时间,在阴燃火和明火难以判别时能够作进一步的判断,并且能够有效的提高抗干扰,在火灾探测时能够作出更为准确的判断。仿真结果表明模糊神经网络能够得到理想的效果,证明模糊神经网络应用于火灾探测中是合理的,能够准确预报,减少误报,有效的提高了火灾探测的稳定性和可靠性,并拥有一定的抗干扰能力。
卢其兵[8]（2016）在《基于制造物联网的制造过程信息处理关键技术研究》文中研究指明制造过程的数据管理问题已经由广泛应用的信息管理系统解决,但产品制造过程中的信息采集和处理还存在着很多亟需解决的问题。将传统的制造业信息化管理与物联网技术相结合,能够给离散制造过程带来新的模式和方法。通过射频识别传感器技术能够实现对工业现场信息的泛在感知,通过智能化的信息处理技术能够实现对制造过程的优化决策,制造物联网技术的应用使得制造过程变得透明化、高效化、智能化。本文提出了一种制造物联网模式下的离散制造过程信息处理系统框架,围绕着发电机转子轴加工过程中的信息采集与处理问题展开了以下几方面的研究:（1）提出了发电机转子轴制造过程信息处理系统及其执行方案,介绍了系统的功能模块和业务流程。（2）研究了制造物联网模式下的制造过程信息关联模型。建立了制造过程多源异构信息管理集成模型,介绍了制造物联网车间感知目标及其属性、车间机床状态信息感知量及其感知方法,建立了基于车间信息感知模式的感知目标——感知属性——感知量——感知方法映射关系模型。（3）建立了发电机转子轴制造物联网车间机床状态监控感知系统。实现了对机床主轴振动信息和刀具切削力信息的采集,并对这些状态信息对工件质量、机床设备运行状态的影响做了进一步的分析处理。（4）研究了制造物联网系统信息关联与数据挖掘方法。在引入加权支持度和模糊关联规则基础上,提出了一种支持模糊数值约束的加权关联规则挖掘算法,并将其应用在转子轴造过程信息和产品质量信息关联规则挖掘中。（5）研究制造物联网模式下的制造资源优化配置方法。提出一种三层结构方法对制造物联网系统中的资源进行初选、评价和优选。提出了基于模糊层次分析法和灰色关联分析的制造资源评价方法,以及基于改进的进化多目标优化算法的制造资源优选方案,将制造过程信息应用在资源优化配置中。本文提出的制造物联网模式下的离散制造过程信息处理方法的成功应用有利于制造过程信息的广泛感知、智能化及时分析处理和系统功能的扩展应用,为工业化信息化的深入融合和物联技术在制造领域的应用做出了贡献。
李丹丹[9]（2016）在《关联规则挖掘在银行交叉销售中的应用研究》文中认为关联规则挖掘是数据挖掘中的重要研究方向之一。随着互联网和数据存储技术的不断发展,关联规则的挖掘越来越受到广泛的关注,且成功的应用于各个领域。关联规则经典的挖掘算法是Apriori算法,由R.Agrawal等人于1994年提出,主要包含连接和剪枝两个步骤,利用逐层搜索的迭代方法实现。该算法简单明了容易实现,能够根据不同的支持度和置信度得到所需关联规则。但是Apriori算法也存在一些缺点,在连接步中会产生大量的候选集,计算支持度时也要多次扫描数据库,因此当数据量大关联规则较多时该算法的执行效率不高,且适应面相对较窄。本文以银行交叉销售为背景,结合粗糙集理论知识,对关联规则以及Apriori算法进行了研究,并得出一种改进的组合算法。算法主要包含两个部分,分别是数据预处理和关联规则生成。数据预处理先要将不完整、含噪声以及不一致的数据处理成符合数据挖掘标准的数据,文中介绍了数据预处理的基本方法,由于本文使用的数据集已经过相关处理,因此只需根据属性值的特点将属性值离散化和数据化即可。将数据规范化只是数据预处理的一部分,庞大的数据集中并不是所有的信息都是有用的,本文基于集合的近似质量给出一种迭代的属性约简算法,在每次迭代中都要保证近似质量不低于上次迭代,最终求得属性约简集。在生成关联规则过程中主要使用了基于垂直格式数据分布的方法,本文将贪心算法的思想加入到该方法中,减少了求频繁项集中求交集的次数,相应地,使用该方法的存储空间也减少。本文算法的主要优势是在不影响对问题分类决策能力的前提下,以较小的属性集和存储空间高效地得到所需关联规则。从文中实验结果的分析对比可以看出,文中的关联规则挖掘算法与Apriori相比较得到的关联规则数相差不大,但是在执行时间效率上明显优于Apriori算法。
蒋大宇[10]（2013）在《快速有效的并行二分K均值算法》文中指出数据所表征的归属类是在数据之间复杂联系的背后隐藏的一种难以被人们发现的模式。目前，已经有很多种聚类分析的方法被用在数据挖掘中来分析这种模式，这些方法各有利弊，有一些算法已经付诸实践。K均值就是其中一种简单易行的算法，但是该算法却存在着很多弊端。K均值算法中需要由用户来确定待聚类的个数K，而且初始的聚类中心也有很大的不确定性，这就导致了该方法具有不稳定性且容易陷入局部最优解，而得不到全局最优解。图像分割是实现视觉理解的基础，但由于图像结构和内容不同,要实现快速通用的图像分割仍然是一个难题。聚类分析可以在图像没有先验知识时进行初步分割。基于聚类分析的图像分割方法对样本空间的约束小,分割算法的通用性好。无论是灰度图像、彩色图像分还是纹理图像,都可以应用聚类分析方法完成分割。但是基于聚类分析的分割方法还不完善,主要因为聚类分析计算量大,存在极值问题和对噪声样本敏感。对上述K均值方法存在的问题进行了研究，利用K均值方法对于数据二分的结果较为稳定的特点,设计并实现了并行二分K均值算法。该算法调用K均值对数据按照细胞分裂的方式进行切分，构建一棵满二叉树，当叶子结点数超过数据的类别数时对叶子结点进行部分合并，进而获得最终的聚类结果在此过程中，并且把并行二分K均值方法应用于图像分割。本文的研究工作主要要包括以下几方面：（1）用并行二分K均值方法与已经有的二分K均值方法进行对比实验，实验证实并行二分K均值相比于二分K均值具有较低的时间复杂度和较好的聚类效果。并行二分K均值方法保留了K均值方法处理大规模数据的优点并且比其时间复杂度更低。通过实验结果表明，并行二分K均值算法具有较高的运行效率，比K均值，二分K均值更适合于处理大规模数据。（2）把并行二分K均值算法用于图像分割领域上，和传统的K均值算法做了对比实验，实验结果表明：在图像分割效果相当的情况下，并行二分K均值算法比K均值算法的处理时间降低了25%。实验证明，本文提出的算法是快速有效的，在获得较好图像分割结果的同时，比一般算法耗时更少。
二、基于连接的事务数据的多隶属聚类算法（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、基于连接的事务数据的多隶属聚类算法（论文提纲范文）
（1）基于WiFi指纹的智能巡检机器人定位系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 定位技术研究现状 |
| 1.2.2 Wi-Fi定位技术研究现状 |
| 1.3 主要研究内容 |
| 1.4 章节安排 |
| 2 Wi-Fi定位技术概述 |
| 2.1 Wi-Fi定位的基本方法 |
| 2.1.1 三边定位法 |
| 2.1.2 临近感知法 |
| 2.1.3 场景分析法 |
| 2.2 基于位置指纹的Wi-Fi定位技术 |
| 2.2.1 指纹定位技术的基本原理 |
| 2.2.2 典型的Wi-Fi指纹定位匹配算法 |
| 2.3 位置指纹定位技术中存在的问题 |
| 2.4 小结 |
| 3 基于K-means最优估计的Wi-Fi指纹定位算法 |
| 3.1 引言 |
| 3.2 K-means聚类算法 |
| 3.3 K-means最优估计的Wi-Fi指纹定位方法 |
| 3.3.1 指纹数据预处理 |
| 3.3.2 数据初始化 |
| 3.3.3 最优化位置信息 |
| 3.4 实验结果分析 |
| 3.4.1 UJIndoor Loc数据集 |
| 3.4.2 实验环境 |
| 3.4.3 聚类结果分析 |
| 3.5 小结 |
| 4 智能巡检机器人定位系统设计与实现 |
| 4.1 需求分析 |
| 4.1.1 功能需求 |
| 4.1.2 性能需求 |
| 4.2 系统架构设计 |
| 4.2.1 系统硬件框图 |
| 4.2.2 系统软件环境 |
| 4.3 系统硬件模块 |
| 4.3.1 智能巡检机器人 |
| 4.3.2 移动端数据处理单元 |
| 4.3.3 服务器端数据处理单元 |
| 4.3.4 Wi-Fi通讯单元 |
| 4.4 系统软件设计 |
| 4.4.1 设备端软件 |
| 4.4.2 服务器软件 |
| 4.4.3 客户端软件 |
| 4.5 系统测试与分析 |
| 4.5.1 实验数据采集及离线数据库创建 |
| 4.5.2 实验性能分析 |
| 4.6 小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 攻读硕士学位期间取得的研究成果 |
（2）面向电力变压器的运行状态综合评价（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 论文研究的背景与意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 论文主要内容及结构 |
| 1.3.1 论文主要内容 |
| 1.3.2 论文组织结构 |
| 2 变压器状态评价理论 |
| 2.1 变压器状态指标分析 |
| 2.1.1 油中溶解气体 |
| 2.1.2 绝缘油特性试验 |
| 2.1.3 电气试验 |
| 2.2 变压器状态评价流程 |
| 2.2.1 关键指标筛选方法 |
| 2.2.2 指标权重分配方法 |
| 2.2.3 状态评价模型 |
| 2.3 本章小结 |
| 3 确定变压器状态评价关键指标 |
| 3.1 状态评价指标选择原则 |
| 3.2 关联规则理论 |
| 3.2.1 关联规则 |
| 3.2.2 Apriori算法理论 |
| 3.3 指标量与故障类型的选取和分类 |
| 3.4 状态评价关键指标筛选 |
| 3.5 本章小结 |
| 4 关键状态指标的权重确定 |
| 4.1 单一权重的确定方法 |
| 4.1.1 层次分析法 |
| 4.1.2 熵值法 |
| 4.2 基于最小偏差确定组合权重 |
| 4.3 指标值归一化处理 |
| 4.4 本章小结 |
| 5 基于云模型的变压器状态评价 |
| 5.1 基于云模型的状态评价理论 |
| 5.1.1 云的基本理论 |
| 5.1.2 云发生器 |
| 5.2 基于正态云模型的状态评价模型 |
| 5.2.1 状态指标的正态扩展 |
| 5.2.2 等级边界的正态扩展 |
| 5.2.3 正态云模型的关联度 |
| 5.2.4 计算评判矩阵 |
| 5.3 实例分析 |
| 5.3.1 变压器评价等级划分 |
| 5.3.2 指标权重的计算 |
| 5.3.3 综合评价及结果分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 本文主要结论 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（3）基于Android的WiFi室内定位系统的设计与开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 室内定位系统概述 |
| 1.3 国内外研究现状 |
| 1.4 主要研究内容及组织结构 |
| 第2章 WiFi室内定位系统总体设计 |
| 2.1 需求分析 |
| 2.1.1 可行性分析 |
| 2.1.2 功能需求 |
| 2.1.3 技术指标 |
| 2.2 系统总体架构 |
| 2.3 定位系统处理流程 |
| 2.3.1 离线采集 |
| 2.3.2 在线定位 |
| 2.4 本章小结 |
| 第3章 室内定位系统软件设计 |
| 3.1 开发平台介绍 |
| 3.1.1 Android平台介绍 |
| 3.1.2 Eclipse开发工具 |
| 3.2 软件总体设计 |
| 3.3 数据库设计 |
| 3.4 界面设计与实现 |
| 3.5 离线阶段功能模块的设计与实现 |
| 3.5.1 指纹采集模块 |
| 3.5.2 指纹处理模块 |
| 3.6 在线阶段功能模块的设计与实现 |
| 3.6.1 实时位置RSS扫描模块 |
| 3.6.2 粗定位匹配模块 |
| 3.6.3 精定位匹配模块 |
| 3.6.4 地图定位显示模块 |
| 3.7 本章小结 |
| 第4章 基于压缩感知的WiFi室内定位方法 |
| 4.1 压缩感知技术概述 |
| 4.1.1 压缩感知原理 |
| 4.1.2 压缩感知数学模型与重构算法 |
| 4.2 基于压缩感知的WiFi室内定位方法 |
| 4.2.1 信号的稀疏表示 |
| 4.2.2 非相干测量 |
| 4.2.3 重构算法匹配定位 |
| 4.3 仿真结果与分析 |
| 4.3.1 数据收集方向的影响分析 |
| 4.3.2 参数影响分析 |
| 4.3.3 参考点数量的影响分析 |
| 4.3.4 对比确定性算法WKNN |
| 4.4 本章小结 |
| 第5章 实测结果与分析 |
| 5.1 实验环境构建 |
| 5.2 功能测试 |
| 5.2.1 数据收集阶段功能测试 |
| 5.2.2 用户定位阶段功能测试 |
| 5.3 系统性能测试 |
| 5.3.1 系统定位精度 |
| 5.3.2 系统复杂度分析 |
| 5.4 仿真与实测结果差异分析 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文 |
（4）基于数据挖掘技术的未成年罪犯管理系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究目标和研究内容 |
| 1.4 本文结构 |
| 第2张相关技术分析 |
| 2.1 Java语言 |
| 2.2 数据挖掘 |
| 2.3 一体化建模 |
| 2.4 MVC框架 |
| 2.5 数据库应用技术 |
| 2.6 本章小结 |
| 第3章 系统需求分析 |
| 3.1 系统功能需求分析 |
| 3.2 系统功能分析 |
| 3.3 关键用例分析 |
| 3.4 系统非功能性需求分析 |
| 3.5 本章小结 |
| 第4章 系统设计 |
| 4.1 系统设计目标 |
| 4.2 系统安全设计 |
| 4.3 系统整体架构设计 |
| 4.4 系统接口设计 |
| 4.5 系统功能模块设计 |
| 4.6 数据库设计 |
| 4.7 本章小结 |
| 第5章 系统实现与测试 |
| 5.1 系统实现环境 |
| 5.2 系统登录模块实现 |
| 5.3 用户管理模块实现 |
| 5.4 档案管理模块实现 |
| 5.5 数据导入与挖掘模块实现 |
| 5.6 系统测试 |
| 5.7 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（5）中国特色新型高校智库运行机制、效率与影响因素研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 有关智库内涵及其发展路径的研究 |
| 1.2.2 有关智库运行机制的研究 |
| 1.2.3 有关智库影响力和运行效率的研究 |
| 1.2.4 研究述评 |
| 1.3 研究思路及技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 技术路线及主要研究方法 |
| 1.4 创新点 |
| 第二章 中国特色新型高校智库的基本理论与国内外比较 |
| 2.1 中国特色新型高校智库的科学内涵 |
| 2.1.1 中国特色新型智库的基本内涵 |
| 2.1.2 中国特色新型高校智库的概念界定 |
| 2.2 中国特色新型高校智库的作用与功能 |
| 2.2.1 中国特色新型高校智库的一般作用与功能 |
| 2.2.2 中国特色新型高校智库的特殊作用与功能 |
| 2.3 中国特色新型高校智库的基本特征 |
| 2.3.1 理论研究与社会实践相结合 |
| 2.3.2 兼备科学客观的研究精神和强烈的社会使命感 |
| 2.3.3 开放融合与协同创新 |
| 2.4 高校智库建设的国内外比较 |
| 2.4.1 国外典型高校智库发展现状 |
| 2.4.2 国内典型高校智库发展现状 |
| 2.4.3 国内外高校智库的主要区别 |
| 2.5 本章小结 |
| 第三章 中国特色新型高校智库的内部运行机制 |
| 3.1 中国特色新型高校智库的内部运行结构 |
| 3.1.1 高校智库内部运行的主要目标导向 |
| 3.1.2 高校智库的组织架构 |
| 3.2 中国特色新型高校智库的人员管理机制 |
| 3.2.1 人员组织模式 |
| 3.2.2 人才引进机制 |
| 3.2.3 人员激励机制 |
| 3.3 中国特色新型高校智库的资金管理机制 |
| 3.3.1 资金来源与监督 |
| 3.3.2 资金配置与管理 |
| 3.4 中国特色新型高校智库的项目管理机制 |
| 3.4.1 项目分类管理机制 |
| 3.4.2 项目组织管理体系 |
| 3.5 中国特色新型高校智库的成果管理机制 |
| 3.5.1 成果产出形式 |
| 3.5.2 成果评审体系 |
| 3.5.3 成果推广机制 |
| 3.6 本章小结 |
| 第四章 中国特色新型高校智库的外部协同机制 |
| 4.1 中国特色新型高校智库外部协同机制的总体框架 |
| 4.1.1 高校智库的外部协同对象 |
| 4.1.2 高校智库外部协同系统的功能 |
| 4.1.3 高校智库协同系统的特征 |
| 4.2 中国特色新型高校智库的资源集聚协同机制 |
| 4.2.1 沟通协调机制 |
| 4.2.2 资源开放共享机制 |
| 4.2.3 资源整合与支配机制 |
| 4.3 中国特色新型高校智库的资政启智机制 |
| 4.3.1 资政启智的人才协同机制 |
| 4.3.2 资政启智的信息协同机制 |
| 4.3.3 资政启智的管理协同机制 |
| 4.3.4 资政启智的资金协同机制 |
| 4.4 中国特色新型高校智库的利益制衡机制 |
| 4.4.1 中国高校智库利益制衡机制发展现状 |
| 4.4.2 高校智库主导的利益制衡协同特征与诉求 |
| 4.4.3 高校智库主导的利益制衡协同机制 |
| 4.4.4 利益制衡协同机制的配套政策 |
| 4.5 中国特色新型高校智库的综合协同机制 |
| 4.6 本章小结 |
| 第五章 中国特色新型高校智库的运行效率 |
| 5.1 中国特色新型高校智库运行概况 |
| 5.2 效率评价方法 |
| 5.2.1 规模报酬可变的SBM模型 |
| 5.2.2 主客观赋权方法 |
| 5.2.3 组合赋权超效率SBM模型 |
| 5.3 中国特色新型高校智库运行效率评价体系 |
| 5.3.1 投入指标 |
| 5.3.2 产出指标 |
| 5.3.3 指标权重的确定 |
| 5.4 中国特色新型高校智库运行效率实证分析 |
| 5.4.1 数据来源 |
| 5.4.2 样本分析 |
| 5.4.3 运行效率的评价结果 |
| 5.4.4 运行效率的优化分析 |
| 5.5 本章小结 |
| 第六章 中国特色新型高校智库发展的影响因素 |
| 6.1 中国特色新型高校智库发展的影响因素框架 |
| 6.2 中国特色新型高校智库外部影响因素体系的建立 |
| 6.2.1 经济因素 |
| 6.2.2 政治因素 |
| 6.2.3 社会因素 |
| 6.2.4 技术因素 |
| 6.3 中国特色新型高校智库内部影响因素体系的建立 |
| 6.3.1 运作方式因素 |
| 6.3.2 经费来源的因素 |
| 6.3.3 议题选择因素 |
| 6.4 灰色DEMATEL方法 |
| 6.5 影响因素的交互关系分析 |
| 6.6 本章小结 |
| 第七章 中国特色新型高校智库案例:紫金传媒智库 |
| 7.1 紫金传媒智库简介 |
| 7.2 紫金传媒智库的内部运行管理机制 |
| 7.2.1 内部组织结构及运行功能 |
| 7.2.2 人才管理机制 |
| 7.2.3 资金管理机制 |
| 7.2.4 项目管理机制 |
| 7.2.5 成果管理机制 |
| 7.3 紫金传媒智库的外部协同管理机制 |
| 7.3.1 外部协同机制的主要协同对象 |
| 7.3.2 资源集聚协同机制 |
| 7.3.3 资政启智协同机制 |
| 7.3.4 利益制衡协同机制 |
| 7.3.5 综合协同机制 |
| 7.4 紫金传媒智库的影响力分析 |
| 7.4.1 紫金传媒智库影响力的总体评价 |
| 7.4.2 智库研究热点 |
| 7.4.3 智库影响力评价 |
| 7.5 本章小节 |
| 第八章 研究结论与展望 |
| 8.1 主要结论 |
| 8.2 对策建议 |
| 8.3 不足与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（6）基于SAR图像的混合模糊水陆分割算法研究 ——以丹江口水库为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 图像分割现状 |
| 1.2.1 图像分割定义 |
| 1.2.2 图像分割方法分类 |
| 1.2.3 国内外研究现状 |
| 1.3 主要研究内容和结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构安排 |
| 第2章 基础理论与技术研究 |
| 2.1 SAR基础理论 |
| 2.1.1 SAR图像成像机理 |
| 2.1.2 SAR图像特征 |
| 2.2 模糊理论基础 |
| 2.2.1 模糊集合 |
| 2.2.2 隶属度函数 |
| 2.2.3 图像模糊性描述 |
| 2.3 Otsu算法和模糊聚类 |
| 2.3.1 Otsu算法及其多阈值扩展 |
| 2.3.2 模糊聚类算法 |
| 2.4 小结 |
| 第3章 混合模糊水陆分割算法研究 |
| 3.1 自适应多阈值Otsu粗分割模型 |
| 3.2 粗分模型与模糊聚类的融合 |
| 3.3 混合模糊水陆分割算法 |
| 3.4 基于邻域连通法的噪声滤除 |
| 3.5 小结 |
| 第4章 实验结果与分析 |
| 4.1 实验数据简介 |
| 4.2 实验结果 |
| 4.2.1 2016 年3月影像分割结果 |
| 4.2.2 2016 年6月影像分割结果 |
| 4.2.3 2016 年10月影像分割结果 |
| 4.2.4 2017 年5月影像分割结果 |
| 4.3 主观评价分析 |
| 4.4 客观评价分析 |
| 4.4.1 基于整体分割精度F值的评价 |
| 4.4.2 基于Dice系数的评价 |
| 4.5 小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文与参加的项目 |
（7）基于模糊神经网络在智能家居信息融合的火灾信息探测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 智能家居防火系统的研究背景与意义 |
| 第二节 防火系统的研究现状 |
| 第三节 本文的主要研究内容 |
| 第二章 火灾探测原理及相关技术 |
| 第一节 火灾燃烧过程分析 |
| 第二节 火灾探测器原理概述 |
| 第三节 火灾探测算法概述 |
| 第三章 模糊控制与神经网络理论基础 |
| 第一节 多传感器信息融合技术 |
| 一、信息融合技术的层次 |
| 二、信息融合系统的结构 |
| 三、信息融合技术在火灾探测中的运用 |
| 第二节 模糊控制 |
| 一、模糊控制简介 |
| 二、典型的模糊控制系统 |
| 第三节 人工神经网络理论基础 |
| 一、神经网络 |
| 二、神经网络的分类 |
| 第四节 模糊神经网络 |
| 一、模糊控制和神经网络相结合 |
| 二、模糊神经网络结构 |
| 三、典型模糊神经网络 |
| 第四章 基于模糊控制系统与人工神经网络系统的算法设计 |
| 第一节 系统整体结构设计 |
| 第二节 模糊控制在智能家居火灾探测当中的应用 |
| 一、输入输出模糊化 |
| 二、隶属度函数的选择 |
| 三、模糊规则的建立 |
| 四、去模糊化 |
| 五、Matlab仿真 |
| 第三节 智能家居火灾探测中神经网络的运用 |
| 一、网络模型的建立 |
| 二、RBF网络学习算法 |
| 三、Matlab仿真 |
| 第五章 模糊神经网络在火灾探测系统当中的运用 |
| 第一节 模糊神经网络系统模型的建立 |
| 第二节 学习算法 |
| 一、输出层权系数ktw的调整 |
| 二、隐层当中的节点权系数ij?的调整 |
| 三、隐层节点权系数ijc的调整 |
| 四、基于模糊神经网络学习的具体过程 |
| 第三节 模糊神经网络的训练 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 本人在读期间完成的研究成果 |
（8）基于制造物联网的制造过程信息处理关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 物联网技术的萌芽与发展 |
| 1.2.2 物联网的系统模型及其体系结构 |
| 1.2.3 物联感知技术 |
| 1.2.4 制造过程信息关联与数据挖掘 |
| 1.2.5 离散制造过程动态监控 |
| 1.3 离散制造过程信息采集与处理面临的问题和挑战 |
| 1.3.1 离散制造系统的特点 |
| 1.3.2 离散制造过程中存在的问题 |
| 1.3.3 制造过程信息采集和处理面临的需求和挑战 |
| 1.3.4 汽车发电机转子轴制造过程中面临的需求和挑战 |
| 1.4 研究目的和意义 |
| 1.5 课题来源 |
| 1.6 论文的主要内容及组织结构 |
| 1.6.1 论文的主要研究内容 |
| 1.6.2 论文的组织结构 |
| 1.7 本章小结 |
| 第2章 制造物联网模式下的离散制造过程信息采集与处理执行框架 |
| 2.1 引言 |
| 2.2 制造物联网的相关概念 |
| 2.2.1 物联网 |
| 2.2.2 制造物联网 |
| 2.2.3 智能制造与工业 4.0 |
| 2.3 制造物联网的特征及其关键技术 |
| 2.3.1 制造物联网的技术特征 |
| 2.3.2 制造物联网涉及的关键技术 |
| 2.4 离散制造过程信息采集与处理系统框架 |
| 2.4.1 离散制造过程管理面临的需求与挑战 |
| 2.4.2 制造物联网模式下离散制造过程信息采集与处理体系框架 |
| 2.4.3 离散制造过程信息采集与处理系统功能模块与业务流程 |
| 2.5 离散制造过程信息采集与处理执行方案 |
| 2.5.1 汽车发电机转子轴结构与工艺分析 |
| 2.5.2 发电机转子轴制造过程信息采集与处理方案 |
| 2.6 本章小结 |
| 第3章 制造物联网车间信息关联关系模型 |
| 3.1 引言 |
| 3.2 制造信息的基本属性 |
| 3.2.1 制造信息的特征 |
| 3.2.2 制造信息的分类 |
| 3.3 离散制造物联网车间数据模型 |
| 3.3.1 制造物联网车间数据模型 |
| 3.3.2 生产任务数据模型 |
| 3.3.3 加工工艺数据模型 |
| 3.3.4 产品质量数据模型 |
| 3.3.5 在制品数据模型 |
| 3.3.6 制造资源数据模型 |
| 3.3.7 制造物联网车间数据多视图映射模型 |
| 3.4 制造物联网车间信息集成模型 |
| 3.4.1 制造物联网车间信息集成需求 |
| 3.4.2 制造过程多源异构信息管理集成模型 |
| 3.5 制造物联网车间信息映射关系模型 |
| 3.5.1 制造物联网车间感知目标及其属性分类 |
| 3.5.2 制造物联网车间机床状态信息感知量 |
| 3.5.3 制造物联网车间机床状态信息感知方法 |
| 3.5.4 制造物联网车间信息感知映射关系模型 |
| 3.6 本章小结 |
| 第4章 制造设备状态信息感知与分析处理 |
| 4.1 引言 |
| 4.2 制造物联网车间设备状态信息感知系统 |
| 4.2.1 机床设备状态监控中感知信号的选择 |
| 4.2.2 机床设备状态信息感知系统构架 |
| 4.2.3 机床设备状态信息采集方法 |
| 4.2.4 感知系统软件设计 |
| 4.3 机床主轴振动信息的采集与处理分析 |
| 4.3.1 机床主轴振动信息的采集 |
| 4.3.2 机床主轴振动信息的处理 |
| 4.3.3 机床主轴振动信息对转子轴直径误差的影响 |
| 4.4 机床刀具切削力信息的采集与分析 |
| 4.4.1 不同工况下机床刀具切削力信息的采集 |
| 4.4.2 机床刀具切削力信息的计算与处理 |
| 4.4.3 机床刀具切削信息对转子轴表面粗糙度的影响 |
| 4.5 本章小结 |
| 第5章 制造过程中的信息关联与数据挖掘 |
| 5.1 引言 |
| 5.2 数据挖掘与关联规则挖掘算法 |
| 5.2.1 数据挖掘的概念及其体系结构 |
| 5.2.2 系统中数据挖掘的特点及其应用 |
| 5.2.3 关联规则挖掘的概念 |
| 5.2.4 关联规则挖掘的步骤 |
| 5.2.5 关联规则挖掘算法 |
| 5.3 一种支持模糊数值约束的加权关联规则挖掘算法 |
| 5.3.1 加权支持度的引入 |
| 5.3.2 模糊关联规则与模糊查询 |
| 5.3.3 含有模糊数值约束的关联规则挖掘算法 |
| 5.4 制造物联网中的信息关联与数据挖掘 |
| 5.4.1 机床运行参数与产品质量信息之间的关联规则 |
| 5.4.2 FQC-wed Apriori算法在产品质量控制中的应用 |
| 5.5 本章小结 |
| 第6章 基于制造信息的资源优化配置方法 |
| 6.1 引言 |
| 6.2 制造物联网模式下制造资源配置过程 |
| 6.2.1 制造资源的属性定义 |
| 6.2.2 制造资源配置方法 |
| 6.2.3 制造信息在资源配置过程中的应用 |
| 6.3 基于模糊层次分析法和灰色关联分析的制造资源评价 |
| 6.3.1 模糊层次分析法与灰色关联分析 |
| 6.3.2 制造资源综合评价模型 |
| 6.3.3 基于FAHP和GRA的制造资源评价过程 |
| 6.4 基于改进的进化多目标优化算法的制造资源优选 |
| 6.4.1 进化多目标优化算法 |
| 6.4.2 制造资源优选模型 |
| 6.4.3 基于改进的进化多目标优化算法的制造资源优选过程 |
| 6.5 实例应用与分析 |
| 6.5.1 制造资源的初选 |
| 6.5.2 制造资源综合评价 |
| 6.5.3 制造资源优选 |
| 6.5.4 系统的应用 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间完成的科研成果 |
| 附录2 攻读博士学位期间参与的科研项目 |
| 附件 |
（9）关联规则挖掘在银行交叉销售中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 粗糙集理论研究现状 |
| 1.2.2 关联规则研究现状 |
| 1.2.3 交叉销售研究现状 |
| 1.3 本文工作 |
| 1.4 组织结构 |
| 第2章 粗糙集与关联规则相关理论 |
| 2.1 粗糙集基本概念 |
| 2.1.1 经典集合论基础知识 |
| 2.1.2 知识表达系统与决策系统 |
| 2.1.3 粗糙集相关概念 |
| 2.1.4 知识约简 |
| 2.2 关联规则 |
| 2.2.1 关联规则概念及性质 |
| 2.2.2 关联规则的分类 |
| 2.2.3 粗糙集与关联规则的关系 |
| 2.2.4 交叉销售与CRM |
| 2.2.5 关联规则在交叉销售中的应用 |
| 2.3 本章小结 |
| 第3章 数据预处理 |
| 3.1 数据预处理的必要性 |
| 3.2 数据预处理方法 |
| 3.3 数据离散化处理 |
| 3.4 数据概化形成决策表 |
| 3.5 基于近似质量的属性约简算法 |
| 3.6 本章小结 |
| 第4章 基于垂直格式数据分布的关联规则挖掘算法 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 经典的关联规则挖掘算法（Apriori） |
| 4.3.1 Apriori算法核心思想 |
| 4.3.2 Apriori应用实例 |
| 4.4 基于垂直格式数据分布的Apriori算法描述 |
| 4.4.1 垂直格式数据分布的概念 |
| 4.4.2 基于垂直格式数据分布的关联规则挖掘算法描述 |
| 4.5 本章小结 |
| 第5章 实验与分析 |
| 5.1 数据集介绍 |
| 5.2 实验环境与工具 |
| 5.3 实验过程 |
| 5.3.1 数据预处理 |
| 5.3.2 属性约简构造新的数据集 |
| 5.3.3 挖掘关联规则 |
| 5.4 实验结果与分析 |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（10）快速有效的并行二分K均值算法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景、目的及意义 |
| 1.2 聚类的一般步骤 |
| 1.3 国内外研究现状 |
| 1.4 论文的主要工作和结构安排 |
| 第2章 数据挖掘中的聚类算法 |
| 2.1 聚类分析 |
| 2.1.1 聚类分析的概念 |
| 2.1.2 聚类分析的应用 |
| 2.1.3 聚类方法应具有的特点 |
| 2.2 常见聚类算法的分类 |
| 2.2.1 基于划分的算法 |
| 2.2.2 基于层次的算法 |
| 2.2.3 基于密度的算法 |
| 2.2.4 基于模型的算法 |
| 2.2.5 基于网格的算法 |
| 2.3 聚类中相似度的选取 |
| 2.4 聚类结果的评价标准 |
| 2.5 本章小结 |
| 第3章 K 均值算法的研究与分析 |
| 3.1 基于划分的聚类算法 |
| 3.2 K 均值聚类算法 |
| 3.2.1 K 均值的基本思想 |
| 3.2.2 K 均值聚类算法介绍 |
| 3.2.3 K 均值聚类流程 |
| 3.3 K 均值算法的优缺点分析 |
| 3.4 一些改进 K 均值的方法 |
| 3.5 本章小结 |
| 第4章 并行二分 K 均值算法 |
| 4.1 K 均值改进算法法的提出 |
| 4.2 KM 的初值选择问题 |
| 4.3 KM 的二分思想 |
| 4.3.1 并行二分思想 |
| 4.3.2 PBKM 与 BKM 的区别 |
| 4.3.3 PBKM 算法描述 |
| 4.3.4 PBKM 的时间复杂度分析 |
| 4.4 实验与结果分析 |
| 4.4.1 小规模数据集上的对比实验 |
| 4.4.2 PBKM 与 KM 的结合 |
| 4.4.3 大规模数据集上的对比实验 |
| 4.5 本章小结 |
| 第5章 PBKM 在图像分割中的应用 |
| 5.1 图像分割 |
| 5.2 图像的预处理 |
| 5.3 基于 PBKM 的图像分割算法 |
| 5.4 对比实验与结果分析 |
| 5.4.1 实验设计与数据源 |
| 5.4.2 算法的有效性验证 |
| 5.4.3 对比实验 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士期间发表的论文和取得的科研成果 |
| 致谢 |
四、基于连接的事务数据的多隶属聚类算法（论文参考文献）
- [1]基于WiFi指纹的智能巡检机器人定位系统研究[D]. 杨琳. 西安建筑科技大学, 2021(01)
- [2]面向电力变压器的运行状态综合评价[D]. 王涛. 西安科技大学, 2019(01)
- [3]基于Android的WiFi室内定位系统的设计与开发[D]. 郑倩. 湖南大学, 2019(07)
- [4]基于数据挖掘技术的未成年罪犯管理系统的设计与实现[D]. 章盛. 湖南大学, 2018(06)
- [5]中国特色新型高校智库运行机制、效率与影响因素研究[D]. 苏州. 南京航空航天大学, 2018(02)
- [6]基于SAR图像的混合模糊水陆分割算法研究 ——以丹江口水库为例[D]. 宋国磊. 河南大学, 2017(06)
- [7]基于模糊神经网络在智能家居信息融合的火灾信息探测算法研究[D]. 朱磊. 云南财经大学, 2016(01)
- [8]基于制造物联网的制造过程信息处理关键技术研究[D]. 卢其兵. 武汉理工大学, 2016(05)
- [9]关联规则挖掘在银行交叉销售中的应用研究[D]. 李丹丹. 江苏科技大学, 2016(03)
- [10]快速有效的并行二分K均值算法[D]. 蒋大宇. 哈尔滨工程大学, 2013(04)