一、基于预制数据库的FP-tree构造算法（论文文献综述）
张哲[1]（2020）在《承灾体视角下的装配式建筑脆弱性评估研究》文中研究说明近些年来,装配式建筑以其施工速度快、绿色环保等优点得到国家大力推广,其发展规模进一步扩大,而采用新型建造方式建造的建筑产物,其安全问题必将受到政府和大众的重点关注,为了保障相关从业人员生命健康和促进社会和谐发展,对装配式建筑进行风险管理势在必行。基于上述的研究背景,本文以装配式建筑安全事故承灾体为对象,以完善装配式建筑风险管理体系为目标,构建基于组合赋权和云模型的脆弱性评估模型,并结合青岛某装配式建筑项目案例,对装配式建筑进行脆弱性评估,主要工作如下:首先,在阐述装配式建筑概念、特点和脆弱性理论、脆弱性评估方法的基础上,确定本文采用综合指数法进行脆弱性评估,结合国家安全生产通报情况分析安全事故类型,梳理出5种发生频率较高且造成伤害较大的安全事故,并分析承灾体类型,包括人员、机械设备和建筑物本身。其次,采用文献分析法从大量文献中筛选指标,建立初始脆弱性指标清单,运用Apriori算法挖掘频繁1项集进行指标初次筛选,然后结合专家意见进一步筛选指标,构建承灾体视角下的装配式建筑脆弱性评估指标体系。再次,简要介绍确定权重的方法,确定本文采用AHP和熵值法相结合的组合赋权法确定权重,使得指标的权重更加符合实际,阐述层次分析法和熵值法的计算步骤;在阐述云模型理论的基础上,构建基于云模型的脆弱性评估模型,将评价云与标准云图进行对比,确定脆弱性等级。最后,将构建的装配式建筑脆弱性评估模型应用到实际案例中,对项目进行脆弱性评估,得到各承灾体脆弱性等级和项目整体脆弱性等级,并对脆弱性较高的承灾体提出建议措施以降低其脆弱性,表明该模型的科学性和适用性。论文研究结果表明:在承灾体的视角下开展装配式建筑脆弱性评估,为装配式建筑风险管理提供了一个新思路和方法,有利于促进装配式建筑快速发展。
化泽帅[2]（2020）在《基于虚拟现实渐进式视觉分析沉浸式交互系统研究》文中研究指明近年来,随着计算机连续处理数据的能力的提高,许多海量数据的处理时间大大减少,但是当处理许多经典数据分析系统时,由于需要的海量数据量以及所涉及算法的复杂性仍然会给数据分析人员带来延迟。基于增量可视化,有许多新兴的渐进式视觉分析系统,它们的目的是通过利用渐进式分析算法的执行提供的部分中间结果来减轻等待时间。同时,沉浸式分析也是一个新兴的研究领域,其目的是探索“新兴的用户界面技术的适用性和发展,以创造更多引人入胜的身临其境的体验以及无缝工作流以进行数据分析应用”,即研究增强现实（AR）的使用和虚拟现实（VR）设备,以身临其境的方式可视化和分析数据。其目标是消除人员,数据及其用于分析的工具之间的障碍,以提高分析人员的工作效率。本文的目的在于从当前的渐进式视觉分析系统转向结合虚拟现实技术的渐进沉浸式视觉分析。基于Unity3D以及虚拟现实设备HTC Vive,设计实现了在VR环境中渐进式视觉分析系统的数据分析和交互。本文的主要工作包括以下三个部分:（1）研究渐进式视觉分析,提出我们的渐进式视觉分析系统以及运行算法的设计原则,最终选择渐进式的挖掘算法中的一个分支GSP算法;（2）首先介绍我们对比的PPMT系统,然后对PPMT系统进行实验分析,接下来设计基于PPMT的渐进沉浸式视觉分析系统,同时系统要满足我们提出的原则,系统将传统的渐进式视觉分析系统于VR环境中实现交互功能,包括人物移动,数据物体的选中与查看和菜单的交互等;（3）对系统进行测试分析,我们通过主观测评以及具体的任务分析得出结论,新型渐进沉浸式视觉分析系统与传统的渐进式视觉分析系统相比,沉浸式交互环境给予数据分析人员更好的数据分析环境和更棒的交互沉浸式体验,有利于数据分析人员进行快速的数据分析和挖掘。
王媛媛[3]（2020）在《基于关联规则的C公司网上商城产品推荐研究》文中进行了进一步梳理随着网络和信息技术水平的迅猛发展和智能手机的普及,以网络为平台进行交易的电子商务成为了我们生活中重要的一部分。电子商务的高速发展在两个方面有较大的影响,一方面是它带来的人们购物方式的转变,电子商务凭借其方便快捷、价格低廉的优势迅速抢占着传统零售业的市场,很多传统零售企业迫切需要转型。电子商务快速发展的另一方面就是产生了海量的信息数据,这些数据中隐藏着巨大的商业价值,对其进行研究和挖掘具有重要意义,企业的信息管理水平也称为企业竞争力的要素之一。数据挖掘就是大数据处理中常用的方法,是通过对大量的、模糊的数据进行分析,发现提取出隐含在其中的有意义的信息的过程。本文的研究对象C公司是传统的综合超市业态,在电商的冲击下业绩连年下滑,于是转型线上线下同时运营的模式,在近期成立了网上商城以增加销售业绩。但由于缺乏电子商务运营经验,导致网上商城的投入巨大但经营状况并不理想。因此本文的研究目的是将数据挖掘技术应用到网上商城中,提高C公司的信息管理水平,增强企业竞争力。具体研究过程是通过文献研究了解应使用数据挖掘中的关联规则算法后,收集C公司网上商城顾客的购买记录,用关联规则分析中的Apriori算法对顾客购物记录数据进行挖掘,从商品分类和单个商品两种角度进行分析。研究得出,网上商城销量最高的前几种商品都是果蔬生鲜类,单个商品间关联性较强的主要在蔬菜之间和水果之间。得出的研究结果可用于改进电子商城给出的关联商品推荐、设计新的营销组合,也可以对实体店的产品陈列提出参考建议,从而达到用数据挖掘的方法优化企业的信息管理水平,增加销售的目的。
谭克佳[4]（2019）在《基于序列模式挖掘的出行目的地实时预测研究》文中提出随着经济的发展,出行方式的不断增多和GPS（Global Positioning System）、传感器等技术的不断进步,海量的轨迹数据变得容易获得。这些数据不仅描述了移动对象的历史轨迹,时间空间信息,而且很好的反映了移动对象的运动特点等内在信息。通过对轨迹数据的分析挖掘,实时地预测可能的出行目的地,一方面在整体交通拥堵预测、道路规划上能够提供辅助性帮助,另一方面也可以根据预测结果,针对个人用户提供拥堵避让等个性化服务。目前的轨迹预测技术多是基于历史轨迹的离线预测,没有很好的体现时间约束。本文对轨迹数据处理和实时数据挖掘的相关工作进行了归纳总结,提出了一种基于大数据流式计算模型的实时序列模式挖掘算法,该算法能够高效准确地挖掘时间敏感的序列模式。在此基础上,将算法应用到目的地预测领域,设计了出行目的地实时预测模型,并在真实数据上进行了验证,证明了算法模型的可行性。本文的创新点主要有以下两部分:第一,提出了一种可计算的基于RTP（Real-Time Pattern）树的实时序列模式挖掘算法。在序列模式挖掘的问题上,传统的算法多是建立在静态数据的基础上进行设计的,对于静态数据,在挖掘的过程中可以对数据进行多次扫描,而实时数据由于其连续海量的特性很难对当前时间的数据进行多次扫描。同时,在传统挖掘的场景中,多是一次性处理所有的序列数据,而实时数据是源源不断地传输的,传统的序列模式挖掘方法无法很好的适应实时问题,主要表现在大量候选集的产生会对内存造成压力,多次扫描降低运算速度,无法达到响应时间的要求。而且针对实时应用场景,我们需要挖掘时间敏感的序列模式,传统的序列模式挖掘方法没有对时间维度的衡量。因此,本文提出了一种基于RTP树的算法,结合Spark流式计算中的时间窗口概念,通过构建RTP树,在树节点中存储时间戳、模式、频次和树的更新、老化机制对时间维度进行了合理的衡量,解决了实时序列模式挖掘中的数据重复扫描和内存压力的问题。针对实时响应的需求,基于GraphX,采用分布式大图有效地对树的节点数据进行大规模的存储和计算。第二,设计实现了出行目的地实时预测模型。传统出行目的地预测的研究都集中在马尔科夫模型的应用改进上,近年随着神经网络的兴起,逐渐涌现相关应用神经网络模型来解决问题的研究。然而马尔科夫模型和神经网络都有他们的局限性,马尔科夫模型受限于状态转移的维度,预测准确率很难得到保证;神经网络具有很强的学习能力,但是计算量较大,难以应对实时的挖掘响应需求。所以,本文运用自己提出的基于RTP树的实时序列模式挖掘算法,并结合轨迹序列处理方法,设计实现了出行目的地实时预测模型。该模型主要分为三步,首先将GPS数据映射到地图网格上,然后通过基于RTP树的实时序列模式挖掘算法得到当前一段时间的序列模式,最后通过将目标轨迹与当前频繁模式进行模式匹配得到可能的预测结果。通过对真实出租车数据进行的多组实验,证明了该模型能够很好的在大数据场景下实时预测可能的出行目的地,并且在预测准确率上优于马尔科夫预测模型。
邓德荣[5]（2018）在《基于Unity3D的VR交互场景设计与运行监控》文中研究指明近年来,随着虚拟现实技术的持续火热,越来越多的虚拟现实设备被推出,各种各样的VR应用也被开发出来且应用于各行各业之中,丰富了人们的生活。用户对于VR应用的体验要求也越来越高,因此如何提高VR应用的质量和用户体验成为了开发者亟待解决的问题。对运行在用户环境中的VR应用进行监控,进而分析VR应用的性能表现以及用户行为,是解决问题的有效途径之一。本文对当前VR技术的应用与监控状况进行研究,基于Unity3D游戏引擎及虚拟现实设备HTC Vive,设计了一个VR交互场景,并提出一套VR应用运行监控方案。本文的主要工作包括以下三个部分:（1）VR交互场景的设计与实现。该VR交互场景具备通用的交互行为功能,包括全视角观察、人物视角移动、物体触碰、物体拾取、物体使用和菜单交互;（2）VR监控SDK的设计与实现。该监控SDK通过在VR应用场景中挂载监控脚本,对运行在用户环境中的VR应用进行用户设备信息、运行时性能信息、崩溃异常信息和用户行为信息的采集,并上报到数据分析中心;（3）数据分析中心的设计与实现。数据分析中心接收存储VR监控SDK上报的数据,并对数据进行聚合统计与算法分析,以可视化图表的形式生成监控报告,帮助开发者了解VR应用运行状况和分析用户行为。最后,本文将所实现的VR交互场景作为测试案例,详细介绍VR应用运行监控方案的使用流程,并对数据分析中心提供的监控报告进行说明,验证该方案的有效性。
崔力文[6]（2016）在《中车沈阳公司ERP系统决策支持应用研究》文中提出进入新世纪以来,世界经济也发展到了新的阶段,企业的发展也应适应世界经济的发展趋势。在信息化的今天,企业ERP系统作为信息化进程的重要产品,越来越多的企业在实施和应用。中车沈阳机车车辆有限公司在2007年上线了第一套ERP系统。随着业务的不断扩展,公司的ERP系统也随之更新变换以适应公司发展的需求。2014年公司实施了SAP系统,两年以来系统运行平稳为企业的经营和管理帮助很大。然而,运行将近10年时间的系统中存在着大量的历史数据,这些数据占用着大量的资源,但可以利用的却很少。数据挖掘技术可以从大量的业务数据中提取和挖掘出隐含的而又对决策有潜在价值的信息和知识,为企业制定决策提供依据和帮助,现在数据挖掘已成为企业提升管理水平保持企业持续发展的必要方法。本文介绍了中车沈阳公司ERP系统决策支持的应用研究。首先,具体介绍了数据挖掘与决策支持的相关技术,如:决策支持系统、数据挖掘的概念及其挖掘过程、数据仓库技术等以及数据挖掘的挖掘方法。还介绍了数据挖掘平台TipDM及其操作过程。其次,介绍了中车沈阳公司SAP系统及MM模块的功能,ERP决策支持系统的开发框架和功能设计及其数据仓库的模型设计等。最后,应用数据挖掘平台TipDM选取中车沈阳公司SAP系统中MM模块的关于物资采购的数据进行挖掘分析,得出物资采购中关于供应商的评估结果,以便对企业在制定相关采购策略以及生产的计划时提供相应的支持和帮助,从而帮助企业在参与市场竞争有时有依有据地、科学地制定决策。
杨文婷[7]（2016）在《海南电力企业人力资源管理系统的设计与实现》文中进行了进一步梳理在经济全球化的今天,作为稀缺资源的人力资源被提高到了前所未有的高度。提高企业竞争力,才能在社会上生存下来,良好的人力资源管理就是在现有人力资源基础上对企业这部分竞争力的最大化。人力资源管理面临管理信息冗余的问题,本文利用善于从数据中发现模式的数据挖掘技术对这一问题进行一定的改良。本论文基于现代人力资源管理理论,充分运用数据挖掘技术,有效地从冗余的人力资源信息中提取出有用信息,为高层管理提供指导。与传统手动人力资源管理相比,数据挖掘可以剔除大量无效信息,解放部分人力,”智能地”、”自动地”对人力系统进行分析。首先,本文分别对人力资源管理理论、数据挖掘技术以及两者结合的国内外研究现状进行了概述。之后,就人力资源管理和数据挖掘技术进行了详细介绍,说明两者的结合是可行的。最后,设计和实现了一个人力资源管理系统,数据挖掘作为系统的一个子模块,提高系统的数据分析和决策能力。本论文的创新点主要在于将数据挖掘结合人力资源管理设计出相应的系统,两者并不是简单的结合,还涉及到数据层、应用层与知识表达层等方面的融合。最后,本文以企业管理为背景,在系统中运用数据挖掘技术,对现有数据进行分析和处理,为决策支持提供辅助,作为数据挖掘在人力资源系统中的有益尝试。
熊泽宇[8]（2016）在《数据中心场景三维可视化的研究》文中提出随着智能电网信息化程度的不断提升,电网企业中承载着电力信息系统运行的数据中心的正发生着翻天覆地的变化,数据中心向着大规模集中化方向发展。进入电力大数据及能源互联网时代后,数据中心设备种类越来越多、数量越来越大,需管理的信息系统愈发复杂,产生的运维数据和信息呈几何级数的增长,日益繁重的运维工作导致运维管理人员管理数据中心的效率逐渐下降,对数据中心安全稳定运行产生了不利的影响。针对数据中心运维信息展示需求和电网企业先行的数据中心管理中存在的不足之处,对数据中心场景的三维可视化进行研究。进行的主要工作具体如下:首先,对数据中心三维可视化场景管理相关技术进行了深入研究,在横向分析常用的场景管理技术的基础上,分析其优势、劣势以及实现原理并进行了总结。在数据中心场景特性及场景管理需求分析的基础上,对基于空间分割的场景管理算法进行了重点研究,针对数据中心场景的数据性、交互性、动态性提出了一种新的场景管理方法,为数据中心场景三维可视化的流畅交互展示奠定了坚实的场景管理基础。其次,对数据中心管理人员在运维工作过程中关心的设备资产信息、动力环境信息、布局位置信息及巡检信息在数据中心三维场景中的可视化展示进行了研究。以3ds Max为建模工具构建了数据中心设备模型,并导入Unity3d可视化引擎以完成数据中心三维场景的构建。设计了设备资产信息、动力环境信息、布局位置信息及巡检信息在数据中心三维场景中的可视化方法。最后,基于上述研究,为实现数据中心高效管理,本文基于Unity3d设计并实现了一个C/S架构的数据中心场景三维可视化展示系统。采用本文设计的数据中心运维信息可视化方法及场景管理方法,将运维信息用生动直观的三维图形方式呈现于管理人员面前,便于实现多套异构的运维系统的数据资源整合,运维管理人员对数据中心运行状态的直观感知判断的能力得到了一定提升。在数据信息展示方面采用诸如漫游式巡检、物体显示状态切换、浮动文本标签等生动形象的场景化形式展示给运维人员,对其他电网企业数据中心的相似系统的建设具有一定的参照价值。
孙璐[9]（2016）在《Android应用风险性检测与评估方法研究与实现》文中指出Android系统,由于其自由开放、可随意定制的特性,越来越受到手机厂商和用户的青睐。Android系统的日益流行带来了种类繁杂、功能多样的应用,其中也混杂了大量的恶意应用,给用户的数据安全、隐私安全、财产安全带了很大的隐患。Android系统如此高的市场占有率以及Android平台下如此高的恶意软件攻击率,使得对Android平台应用安全性检测的研究变得更加迫切、更加必要。因此,研究如何高效、快速地检测Android平台应用程序风险性,是一个十分有价值的课题。本文对现有的Android恶意应用检测技术进行了分析,针对其过多地依赖于特征码、对新型恶意应用检测能力弱的特点,提出了一种基于“评估-决策”模型的Android应用风险性检测方法,设计并实现了 Android应用程序风险性检测系统,从证书、权限、组件、API调用角度较为全面地实现了对Android应用程序的风险性检测。论文主要内容及创新点如下:（1）明确了 Android应用风险性的概念,包括直接风险性和间接风险性。直接风险性指该Android应用本身对用户可能造成的危害;间接风险性指该Android应用可能会被其他恶意应用利用从而构成串谋攻击所带来的风险性。本文设计的系统较为全面地实现了对上述两种风险性的检测。（2）提出了基于“评估-决策”模型的Android应用程序风险性检测方法,将Android应用程序的风险性检测问题转变成多个检测模块的“风险评估”以及综合评估模块的“综合决策”问题。（3）基于逆向分析技术设计并实现了 Android应用程序风险性检测系统。系统主要包括证书分析模块、权限分析模块、组件分析模块、API调用分析模块和综合评估模块,可以较为全面地对Android应用程序的风险性进行检测。（4）对系统的各个组成模块进行了详细设计与实现。其中权限检测模块考虑到了应用功能类别对权限检测的影响,在检测之前先对应用按功能分类,降低了误报。使用Apriori算法提取应用功能类别对应的代表权限特征作为分类的标准,相比于以往的基于频率统计的方法效果更好;综合评估模块使用层次分析法确定证书模块、权限模块、组件模块、API调用模块检测结果在最中决策结果中的所占比重,相比于人工确定权重的方法更为准确。（5）对系统进行了功能测试和性能测试,验证了系统的有效性。本文通过对Android应用程序风险检测技术的研究,实现了基于逆向分析技术和“评估-决策”模型的Android应用程序风险性检测系统,系统在实际环境中运行良好,进一步验证了系统的可行性与实用性。
栗晨涵[10]（2014）在《基于贝叶斯网络的目标毁伤效果评估方法与建模研究》文中认为对火力打击的效果进行与标准程度对比的量化,得出毁伤等级的过程我们称之为火力毁伤效果评估。目标毁伤效果评估的准确性在很大程度上影响着指挥员能否对下一步军事行动采取正确的决策。而欺骗、伪装等现代战争手段的出现,令目标毁伤效果的准确评估面临着极大困难。同时,复杂、多样的战争环境令毁伤效果评估模型的设计、开发要经过大量运算且效率低下。因此,针对不确定环境下目标毁伤效果的评估问题,寻找一种行之有效的评估方法以及提出对此评估方法快速高效的模型构建方法将变得十分重要。贝叶斯网络是一种以概率论和图论对不确定知识进行表达和推理的有效模型,对解决随机条件引起的不确定性问题有很强的针对性。因此,本文将贝叶斯网络模型引入到目标毁伤效果评估过程中,解决其中的不确定性和随机性问题。本文也首先介绍了贝叶斯网络法的基础及其相关方法的拓展,并建立了基于贝叶斯网络的毁伤效果评估基础模型;接着在基础模型上展开讨论,鉴于网络节点间存在相互影响的关系,提出加权贝叶斯网络。加权贝叶斯网络可实现更准确的概率传递,同时,根据外界环境因素,对每个节点的权重进行动态分配,依此建立了加权贝叶斯网络的毁伤效果评估改进模型;并对所建立的模型进行了仿真实现,引入朴素贝叶斯网络法对比加权贝叶斯网络法的方式,分析了二者对评估精度的影响,得出加权后的贝叶斯网络。根据实际情况动态加权后的模型,其预测的结果和实际观测结果更加相似,结果的置信度越高。最后,设计并初步实现了以组合建模方法为牵引的目标毁伤评估软件,完成对火力毁伤效果的准确评估。该软件适用于多种作战情况下的目标毁伤效果评估。同时可对模型可以进行需要的修改和拓展,以达成实时、动态、快速、准确的战场毁伤效果评估需求。
二、基于预制数据库的FP-tree构造算法（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、基于预制数据库的FP-tree构造算法（论文提纲范文）
（1）承灾体视角下的装配式建筑脆弱性评估研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1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 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 研究现状评述 |
| 1.3 研究的主要内容和方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 论文的技术路线和创新点 |
| 1.4.1 技术路线 |
| 1.4.2 创新点 |
| 1.5 本章小结 |
| 第2章 相关理论基础 |
| 2.1 装配式建筑的内涵 |
| 2.1.1 装配式建筑的概念及特点 |
| 2.1.2 装配式建筑的施工流程 |
| 2.2 脆弱性的内涵 |
| 2.2.1 脆弱性的概念及维度划分 |
| 2.2.2 脆弱性评估方法 |
| 2.3 数据挖掘关联规则算法及原理 |
| 2.3.1 数据挖掘概述 |
| 2.3.2 关联规则的相关定义 |
| 2.3.3 Apriori算法介绍及流程 |
| 2.4 相关安全理论 |
| 2.4.1 灾害系统论 |
| 2.4.2 因果连锁理论 |
| 2.5 本章小结 |
| 第3章 构建承灾体视角下的装配式建筑脆弱性评估指标体系 |
| 3.1 构建脆弱性评估指标体系的基本思路 |
| 3.2 装配式建筑安全事故类型及承灾体分析 |
| 3.3 基于文献分析法的脆弱性指标识别 |
| 3.4 基于Apriori算法的脆弱性指标筛选 |
| 3.5 基于专家调查法的脆弱性指标修订 |
| 3.6 构建承灾体视角下的装配式建筑脆弱性评估指标体系 |
| 3.7 本章小结 |
| 第4章 承灾体视角下的装配式建筑脆弱性评估模型构建 |
| 4.1 指标权重的确定 |
| 4.1.1 权重方法的选择 |
| 4.1.2 AHP确定主观权重 |
| 4.1.3 熵值法确定客观权重 |
| 4.1.4 确定综合权重 |
| 4.2 云模型相关理论 |
| 4.2.1 云的概念 |
| 4.2.2 云模型的数字特征 |
| 4.2.3 云发生器 |
| 4.3 基于云模型的装配式建筑脆弱性评估步骤 |
| 4.3.1 脆弱性等级确定 |
| 4.3.2 确定评价标准云 |
| 4.3.3 确定评价指标云和综合云 |
| 4.4 本章小结 |
| 第5章 实际案例应用 |
| 5.1 项目工程概况 |
| 5.2 基于云模型的装配式建筑脆弱性评估 |
| 5.2.1 确定指标集 |
| 5.2.2 确定指标权重 |
| 5.2.3 计算评价标准云 |
| 5.2.4 计算评价指标云 |
| 5.3 评估结果分析及管控措施 |
| 5.3.1 提高工人的安全意识 |
| 5.3.2 提高工人操作技术水平 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间论文发表情况 |
| 致谢 |
| 附录一 装配式建筑脆弱性指标重要程度调查表 |
| 附录二 装配式建筑脆弱性指标脆弱程度调查表 |
（2）基于虚拟现实渐进式视觉分析沉浸式交互系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目标与意义 |
| 1.3 国内外研究现状 |
| 1.4 本文主要工作 |
| 1.5 论文组织结构 |
| 1.6 本章小结 |
| 第二章 关键技术及整体架构设计 |
| 2.1 整体架构设计 |
| 2.1.1 系统架构设计 |
| 2.1.2 系统具体运行流程 |
| 2.2 相关算法及协议 |
| 2.2.1 GSP渐进式算法 |
| 2.2.2 WebSocket协议 |
| 2.3 VR交互场景设计相关功能 |
| 2.3.1 Unity3D技术 |
| 2.3.2 HTC Vive |
| 2.3.3 Steam VR技术 |
| 2.4 本章小结 |
| 第三章 系统的设计和原则 |
| 3.1 实现背景 |
| 3.2 渐进式视觉分析 |
| 3.2.1 PVA中算法的交互 |
| 3.3 渐进式模式挖掘 |
| 3.3.1 序列模式挖掘背景 |
| 3.3.2 数据集数据的定义 |
| 3.3.3 模式挖掘算法的设计原则 |
| 3.4 渐进式算法GSP实现 |
| 3.5 本章小结 |
| 第四章 从PPMT到 PIVA |
| 4.1 实现背景 |
| 4.2 渐进式模式挖掘工具PPMT |
| 4.2.1 PPMT的运行流程 |
| 4.2.2 PPMT界面 |
| 4.3 PPMT的实验设计和分析 |
| 4.4 渐进沉浸式视觉分析系统的设计 |
| 4.4.1 PIVA系统运行流程设计 |
| 4.4.2 系统问题的解决 |
| 4.5 本章小结 |
| 第五章 系统VR交互场景的设计与实现 |
| 5.1 实现背景 |
| 5.2 VRTK工具 |
| 5.2.1 VRTK和 Open VR |
| 5.2.2 VRTK脚本 |
| 5.3 交互场景设计 |
| 5.4 交互场景的实现 |
| 5.4.1 交互环境搭建 |
| 5.4.2 可交互数据的实现 |
| 5.4.3 手柄功能的实现 |
| 5.4.4 菜单功能的实现 |
| 5.5 本章小结 |
| 第六章 实验与分析 |
| 6.1 实验部署 |
| 6.1.1 测试环境部署 |
| 6.1.2 实验人员 |
| 6.1.3 实验任务 |
| 6.2 实验结果分析 |
| 6.2.1 测试完成时间以及准确度 |
| 6.2.2 主观评价 |
| 6.2.3 讨论分析 |
| 6.3 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（3）基于关联规则的C公司网上商城产品推荐研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 文献综述 |
| 1.2.1 国外文献综述 |
| 1.2.2 国内文献综述 |
| 1.2.3 文献评论 |
| 1.3 研究方法及技术路线 |
| 1.3.1 研究方法 |
| 1.3.2 研究技术路线 |
| 1.4 研究内容及创新点 |
| 1.4.1 研究内容 |
| 1.4.2 研究创新点 |
| 第2章 数据挖掘理论与方法 |
| 2.1 数据挖掘理论 |
| 2.2 数据挖掘技术 |
| 2.2.1 分类与预测 |
| 2.2.2 聚类分析 |
| 2.2.3 关联规则分析 |
| 2.2.4 时序模式 |
| 2.2.5 离群点检测 |
| 2.3 数据挖掘的应用 |
| 2.4 关联规则基本概念 |
| 2.5 Apriori算法 |
| 2.5.1 关联规则形式 |
| 2.5.2 Apriori算法的实现 |
| 2.5.3 Apriori算法实例分析 |
| 2.6 关联规则挖掘的相关应用 |
| 第3章 C公司电子商城经营现状 |
| 3.1 电子商务发展概况 |
| 3.1.1 电子商务含义 |
| 3.1.2 B2C电子商务存在的问题 |
| 3.1.3 互联网背景下电子商城应采取的营销策略 |
| 3.1.4 电子商城发展对传统商城的影响 |
| 3.2 C公司介绍 |
| 3.2.1 C公司总体概况 |
| 3.2.2 C公司发展契机 |
| 3.3 C公司电子商城运营现状 |
| 3.3.1 电子商城业务流程分析 |
| 3.3.2 电子商城推荐模块现状 |
| 3.3.3 C公司电子商城优劣势分析 |
| 3.4 购物篮分析在C公司中的作用 |
| 3.5 C公司现状小结 |
| 第4章 基于关联规则的网上商城产品推荐 |
| 4.1 数据准备和预处理 |
| 4.1.1 数据获取 |
| 4.1.2 数据预处理 |
| 4.2 按商品分类进行关联规则挖掘 |
| 4.2.1 加载R语言包及数据集 |
| 4.2.2 模拟Apriori迭代算法 |
| 4.2.3 生成具体关联规则 |
| 4.2.4 关联规则结果分析 |
| 4.3 按商品名称进行关联规则挖掘 |
| 4.3.1 数据集准备 |
| 4.3.2 生成关联规则 |
| 4.3.3 关联规则结果分析 |
| 4.4 分析与讨论 |
| 第5章 结论 |
| 5.1 研究结论 |
| 5.2 需要进一步研究的问题 |
| 参考文献 |
| 附录 A 程序代码 |
| 致谢 |
（4）基于序列模式挖掘的出行目的地实时预测研究（论文提纲范文）
| 摘要 |
| abstract |
| 绪论 |
| 一、研究背景与意义 |
| 二、国内外研究现状 |
| 三、论文的主要工作 |
| 第一章 相关技术介绍 |
| 第一节 轨迹数据处理 |
| 一、轨迹数据 |
| 二、轨迹数据漂移消除 |
| 三、地图网格化 |
| 四、地图匹配算法 |
| 五、轨迹相似性度量 |
| 第二节 实时数据挖掘 |
| 一、实时数据挖掘中的问题 |
| 二、时间窗口概念 |
| 三、实时数据挖掘和流数据挖掘 |
| 第三节 大数据技术 |
| 一、Spark概述 |
| 二、实时计算框架 |
| 三、GraphX概述 |
| 四、Kafka概述 |
| 第二章 基于RTP树的实时序列模式挖掘算法 |
| 第一节 问题描述 |
| 一、实时数据特点 |
| 二、实时序列模式挖掘与传统的序列模式挖掘区别 |
| 三、序列模式挖掘基础定义 |
| 第二节 经典序列模式挖掘算法 |
| 一、GSP算法 |
| 二、FP-growth算法 |
| 三、Prefixspan算法 |
| 第三节 算法描述 |
| 一、相关概念定义 |
| 二、算法思想 |
| 三、算法伪代码 |
| 四、算法示例 |
| 第四节 实验验证 |
| 一、实验数据 |
| 二、实验设计与结果 |
| 第三章 实时目的地预测模型 |
| 第一节 实时预测模型 |
| 第二节 GPS网格映射 |
| 第三节 模式匹配 |
| 第四章 实验设计与分析 |
| 第一节 实验数据与实验环境 |
| 一、数据描述 |
| 二、实验环境 |
| 第二节 实验过程与结论 |
| 一、评价指标 |
| 二、实验设计与结果 |
| 第五章 总结与展望 |
| 一、研究总结 |
| 二、研究展望 |
| 参考文献 |
| 致谢 |
（5）基于Unity3D的VR交互场景设计与运行监控（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目标 |
| 1.2.1 VR交互场景概述 |
| 1.2.2 VR应用运行监控概述 |
| 1.2.3 研究意义 |
| 1.3 国内外研究现状 |
| 1.4 本文主要工作 |
| 1.5 论文组织结构 |
| 1.6 本章小结 |
| 第二章 关键技术及平台架构设计 |
| 2.1 VR交互场景设计及运行监控相关技术 |
| 2.1.1 Unity3D引擎技术 |
| 2.1.2 HTCVive与SteamVRPlugin |
| 2.2 平台架构设计 |
| 2.2.1 整体架构设计 |
| 2.2.2 平台运行流程 |
| 2.3 本章小结 |
| 第三章 VR交互场景的设计与实现 |
| 3.1 实现背景 |
| 3.2 VRTK工具介绍 |
| 3.3 VR交互场景设计 |
| 3.4 VR交互场景的实现 |
| 3.4.1 VR环境搭建 |
| 3.4.2 位移手柄功能的实现 |
| 3.4.3 交互手柄功能的实现 |
| 3.4.4 菜单功能的实现 |
| 3.4.5 可交互物体的实现 |
| 3.5 本章小结 |
| 第四章 VR监控SDK的设计与实现 |
| 4.1 实现背景 |
| 4.2 监控SDK的设计 |
| 4.3 配置模块的实现 |
| 4.4 用户设备信息采集 |
| 4.5 运行时性能信息采集 |
| 4.5.1 帧率信息采集 |
| 4.5.2 Mono堆内存信息采集 |
| 4.6 崩溃异常信息采集 |
| 4.7 用户行为信息采集 |
| 4.7.1 场景使用信息采集 |
| 4.7.2 操控手柄按钮使用信息采集 |
| 4.7.3 凝视物体信息采集 |
| 4.7.4 曾交互物体信息采集 |
| 4.8 数据上报模块 |
| 4.9 本章小结 |
| 第五章 数据分析中心的设计与实现 |
| 5.1 数据分析中心结构 |
| 5.2 数据访问的接口设计 |
| 5.3 数据存储模块的实现 |
| 5.4 数据分析模块的实现 |
| 5.4.1 MongoDB聚合分析 |
| 5.4.2 基于凝视物体信息的用户最感兴趣物体分析 |
| 5.4.3 基于曾交互物体信息的极大频繁交互序列挖掘 |
| 5.4.3.1 基本概念 |
| 5.4.3.2 算法实现 |
| 5.5 数据可视化模块的实现 |
| 5.6 本章小结 |
| 第六章 案例分析 |
| 6.1 测试准备 |
| 6.1.1 VR监控SDK配置 |
| 6.1.2 测试环境部署 |
| 6.2 测试案例分析 |
| 6.2.1 用户设备概况 |
| 6.2.2 应用使用概况 |
| 6.2.3 运行时性能表现 |
| 6.2.4 崩溃异常分析 |
| 6.2.5 操控手柄按钮使用概况 |
| 6.2.6 用户最感兴趣物体分析 |
| 6.2.7 频繁交互序列挖掘 |
| 6.3 本章小结 |
| 总结与展望 |
| 工作总结 |
| 未来工作展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（6）中车沈阳公司ERP系统决策支持应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 本文研究的目的及意义 |
| 1.2 国内外研究的现状 |
| 1.3 企业概况分析 |
| 1.3.1 企业概况 |
| 1.3.2 企业信息化发展概况 |
| 1.4 本文研究的主要内容 |
| 1.5 本章小结 |
| 第二章 相关技术的研究综述 |
| 2.1 决策支持系统的体系结构 |
| 2.1.1 决策支持系统的概述 |
| 2.1.2 决策支持系统的结构 |
| 2.2 数据挖掘 |
| 2.2.1 什么是数据挖掘 |
| 2.2.2 数据挖掘的过程 |
| 2.2.3 数据挖掘分析方法 |
| 2.3 数据仓库技术 |
| 2.3.1 数据仓库及其特征 |
| 2.3.2 数据仓库的基本结构 |
| 2.3.3 数据仓库生成步骤 |
| 2.3.4 OLAP技术 |
| 2.4 数据挖掘平台TipDM |
| 2.5 本章小结 |
| 第三章 中车沈阳公司ERP决策支持方案设计 |
| 3.1 中车沈阳公司ERP系统 |
| 3.1.1 中车沈阳公司ERP概述 |
| 3.1.2 中车沈阳公司ERP系统MM功能模块 |
| 3.2 ERP决策支持系统的开发框架 |
| 3.3 MM模块决策支持功能设计 |
| 3.4 数据仓库模型设计 |
| 3.4.1 概念模型设计 |
| 3.4.2 逻辑模型设计 |
| 3.4.3 物理模型设计 |
| 3.5 本章小结 |
| 第四章 中车沈阳公司ERP决策支持应用实践 |
| 4.1 数据的抽取 |
| 4.2 数据的预处理 |
| 4.3 建模分析 |
| 4.3.1 建模的分析过程和方法 |
| 4.3.2 建模分析的具体操作 |
| 4.4 挖掘结果及其分析 |
| 4.4.1 挖掘结果 |
| 4.4.2 结果分析 |
| 4.5 Apriori算法的相关分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（7）海南电力企业人力资源管理系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 背景介绍 |
| 1.2 国内外研究现状 |
| 1.2.1 人力资源管理系统研究现状 |
| 1.2.2 数据挖掘在人力资源管理中的应用现状 |
| 1.3 本文的主要工作 |
| 1.4 本章小结 |
| 1.5 本文的组织结构 |
| 第二章 人力资源系统和数据分析介绍 |
| 2.1 人力资源管理基本理论 |
| 2.2 数据挖掘技术的基本理论 |
| 2.2.1 数据挖掘技术的定义 |
| 2.2.2 数据挖掘算法简介 |
| 2.2.3 运用 |
| 2.2.4 数据挖掘技术在人力资源管理系统中的应用 |
| 2.3 决策树算法简介 |
| 第三章 企业人力资源管理系统需求分析 |
| 3.1 系统整体需求及可行性分析 |
| 3.2 系统各模块需求分析 |
| 3.2.1 职员招聘模块需求分析 |
| 3.2.2 职员管理模块需求分析 |
| 3.2.3 职员离职模块需求分析 |
| 3.2.4 数据分析模块需求分析 |
| 3.3 系统功能性需求分析 |
| 3.3.1 系统管理模块 |
| 3.3.2 员工管理模块 |
| 3.3.3 薪资管理模块 |
| 3.3.4 考勤管理模块 |
| 3.3.5 招聘管理模块 |
| 3.3.6 培训管理模块 |
| 3.3.7 数据分析模块 |
| 3.4 系统的非功能性需求分析 |
| 3.5 本章小结 |
| 第四章 人力资源管理系统设计 |
| 4.1 系统架构设计 |
| 4.2 系统业务流程设计 |
| 4.2.1 职员信息管理 |
| 4.2.2 职员招聘 |
| 4.2.3 职员离职 |
| 4.3 本章小结 |
| 第五章 企业人力资源管理系统的实现 |
| 5.1 基于决策树的分类模型构建 |
| 5.2 系统实现 |
| 5.3 数据挖掘子系统设计 |
| 5.3.1 数据层的相关设计 |
| 5.3.2 数据挖掘的应用层实现 |
| 5.3.3 知识表达层的实现 |
| 5.4 数据挖掘运用于人力资源的管理系统的分析 |
| 5.5 系统测试与维护 |
| 5.5.1 测试用例 |
| 5.5.2 实例分析 |
| 5.5.3 结果分析 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
（8）数据中心场景三维可视化的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 研究的目的和意义 |
| 1.3 课题研究现状分析 |
| 1.3.1 三维场景管理技术研究现状分析 |
| 1.3.2 信息可视化技术研究现状分析 |
| 1.3.3 数据中心管理研究现状分析 |
| 1.4 主要研究工作 |
| 1.4.1 数据中心三维场景管理的研究 |
| 1.4.2 数据中心场景构建及运维信息展现的研究 |
| 1.5 论文组织结构 |
| 第2章 数据中心场景三维可视化相关技术介绍 |
| 2.1 场景管理技术介绍 |
| 2.1.1 基于BSP树的场景管理算法 |
| 2.1.2 基于八叉树的场景管理算法 |
| 2.1.3 基于场景图的场景管理算法 |
| 2.2 数据中心运维信息可视化技术介绍 |
| 2.2.1 信息可视化参考模型介绍 |
| 2.2.2 Unity3d引擎介绍 |
| 2.3 本章小结 |
| 第3章 数据中心三维可视化场景管理方法 |
| 3.1 数据中心三维可视化场景管理需求分析 |
| 3.2 基于代价函数的场景空间分割算法 |
| 3.2.1 代价函数的构建 |
| 3.2.2 空间分割平面选择因子的选取 |
| 3.2.3 场景空间分割流程 |
| 3.3 数据中心三维可视化场景管理流程 |
| 3.3.1 场景管理模型的建立 |
| 3.3.2 物体显示状态实时控制 |
| 3.3.3 场景漫游快速渲染流程 |
| 3.4 本章小结 |
| 第4章 场景构建及运维信息可视化设计 |
| 4.1 数据中心三维可视化场景构建 |
| 4.2 数据中心运维信息三维可视化方法设计 |
| 4.2.1 数据中心运维信息综述 |
| 4.2.2 设备资产信息可视化方法设计 |
| 4.2.3 布局位置信息可视化方法设计 |
| 4.2.4 动力环境信息可视化方法设计 |
| 4.2.5 数据中心巡检信息可视化方法设计 |
| 4.3 本章小结 |
| 第5章 可视化系统的设计与实现 |
| 5.1 数据中心场景三维可视化系统设计 |
| 5.1.1 数据中心场景三维可视化的系统架构设计 |
| 5.1.2 数据中心场景三维可视化系统的功能设计 |
| 5.2 数据中心三维可视化场景管理实现 |
| 5.3 数据中心场景三维可视化系统功能实现 |
| 5.3.1 设备资产信息可视化实现 |
| 5.3.2 布局位置信息可视化实现 |
| 5.3.3 动力环境信息可视化实现 |
| 5.3.4 巡检信息可视化实现 |
| 5.4 运行结果与功能测试 |
| 5.4.1 场景管理方法实验验证 |
| 5.4.2 数据中心运维信息可视化结果 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（9）Android应用风险性检测与评估方法研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状与存在问题 |
| 1.2.1 研究现状 |
| 1.2.2 存在问题 |
| 1.3 研究内容 |
| 1.4 论文组织 |
| 第二章 Android应用风险性检测与评估方法相关技术研究 |
| 2.1 Android平台安全运行相关 |
| 2.1.1 Andorid平台安全机制及其缺陷 |
| 2.1.2 Android平台风险分析与防护 |
| 2.2 Android应用静态分析技术 |
| 2.2.1 Android应用静态分析工具 |
| 2.2.2 Android应用静态分析过程及特征提取 |
| 2.3 Android应用风险综合分析与评估方法相关技术 |
| 2.3.1 风险评估及常用方法 |
| 2.3.2 风险评估原则 |
| 2.3.3 本文的Android应用风险检测与风险评估方法 |
| 2.3.4 基于层次分析法的风险权重确定 |
| 2.4 本章小结 |
| 第三章 Android应用风险性检测与评估架构设计 |
| 3.1 Android应用风险性检测与评估系统功能和目标 |
| 3.2 Android应用风险性检测角度与总体评估指标选取 |
| 3.3 Android应用风险性检测与评估系统总体架构 |
| 3.4 Android应用程序风险性检测与评估系统实现流程 |
| 3.5 本章小结 |
| 第四章 Android应用风险性检测与评估系统设计与实现 |
| 4.1 证书检测与评估模块的设计与实现 |
| 4.1.1 证书检测角度与评估指标的选取 |
| 4.1.2 证书风险系数计算 |
| 4.1.3 证书检测与评估模块的流程与实现细节 |
| 4.2 权限检测与评估模块的设计与实现 |
| 4.2.1 权限检测角度与评估指标的选取 |
| 4.2.2 基于Apriori算法的Android应用功能类别代表权限特征提取 |
| 4.2.3 Android应用功能类别分类 |
| 4.2.4 Android应用权限风险性检测 |
| 4.2.5 权限风险系数计算 |
| 4.3 组件检测与评估模块的设计与实现 |
| 4.3.1 组件检测角度与评估指标的选取 |
| 4.3.2 组件风险系数计算 |
| 4.4 API调用分析模块的设计与实现 |
| 4.4.1 API检测角度与评估指标的选取 |
| 4.4.2 API检测风险系数计算 |
| 4.4.3 .smali文件解析 |
| 4.4.4 API调用分析与评估模块流程及实现细节 |
| 4.5 综合评估模块的设计与实现 |
| 4.5.1 综合评估模块权重确定方法选择 |
| 4.5.2 基于层次分析法的综合评估模块权重确定方法 |
| 4.5.3 综合评估模块的计算方法 |
| 4.6 本章小结 |
| 第五章 系统测试与结果展示分析 |
| 5.1 测试环境 |
| 5.2 系统功能测试 |
| 5.3 系统性能测试 |
| 5.4 本章小结 |
| 第六章 总结及展望 |
| 6.1 主要工作总结 |
| 6.2 下一步研究方向 |
| 参考文献 |
| 致谢 |
| 作者攻读学位期间发表的学术论文目录 |
（10）基于贝叶斯网络的目标毁伤效果评估方法与建模研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 目标毁伤效果信息获取手段的发展现状 |
| 1.2.2 目标毁伤效果评估方法的研究现状 |
| 1.2.3 国外研究现状 |
| 1.3 本文的主要研究内容及贡献 |
| 1.3.1 本文的主要研究内容 |
| 1.3.2 本文的组织结构 |
| 1.3.3 研究方法 |
| 1.4 本章小结 |
| 第二章 基于贝叶斯网络的目标毁伤效果评估方法研究 |
| 2.1 贝叶斯网络理论 |
| 2.1.1 贝叶斯网络的起源与应用 |
| 2.1.2 贝叶斯网络法简介 |
| 2.1.3 贝叶斯网络的推理 |
| 2.1.4 动态贝叶斯网络模型 |
| 2.2 基础贝叶斯网络毁伤效果评估模型的建立 |
| 2.2.1 网络节点的选取 |
| 2.2.2 网络结构的确定 |
| 2.2.3 节点条件概率的确定 |
| 2.2.4 目标毁伤效果评估贝叶斯网络模型的建立 |
| 2.3 本章小结 |
| 第三章 基于贝叶斯网络的目标毁伤效果评估算法的提升 |
| 3.1 贝叶斯网络变量分析 |
| 3.1.1 作战任务分析 |
| 3.1.2 毁伤效果影响因素选取 |
| 3.2 加权贝叶斯网络评估模型 |
| 3.2.1 加权贝叶斯网络的提出 |
| 3.2.2 基于对地攻击的目标毁伤效果评估加权贝叶斯网络 |
| 3.3 加权贝叶斯网络的模型精度分析 |
| 3.4 本章小结 |
| 第四章加权贝叶斯网络火力毁伤评估模型案例分析 |
| 4.1 朴素贝叶斯网络精度分析 |
| 4.2 加权贝叶斯网络精度分析 |
| 4.3 案例分析 |
| 4.4 本章小结 |
| 第五章 基于组合建模方法的目标毁伤效果评估软件设计实现 |
| 5.1 目标毁伤效果评估软件设计 |
| 5.1.1 毁伤效果评估软件概述 |
| 5.1.2 毁伤效果评估软件实现结构 |
| 5.1.3 毁伤效果评估软件模块构建方式 |
| 5.2 毁伤模型算法代码框架生成 |
| 5.2.1 模块代码生成 |
| 5.2.2 添加算法 |
| 5.3 毁伤效果评估软件初步实现 |
| 5.3.1 评估指标体系构建 |
| 5.3.2 贝叶斯网络的目标毁伤效果评估模型组合化实现 |
| 5.4 本章小结 |
| 第六章 结束语 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
四、基于预制数据库的FP-tree构造算法（论文参考文献）
- [1]承灾体视角下的装配式建筑脆弱性评估研究[D]. 张哲. 青岛理工大学, 2020(01)
- [2]基于虚拟现实渐进式视觉分析沉浸式交互系统研究[D]. 化泽帅. 华南理工大学, 2020(02)
- [3]基于关联规则的C公司网上商城产品推荐研究[D]. 王媛媛. 新疆大学, 2020(07)
- [4]基于序列模式挖掘的出行目的地实时预测研究[D]. 谭克佳. 中南财经政法大学, 2019(09)
- [5]基于Unity3D的VR交互场景设计与运行监控[D]. 邓德荣. 华南理工大学, 2018(12)
- [6]中车沈阳公司ERP系统决策支持应用研究[D]. 崔力文. 大连交通大学, 2016(12)
- [7]海南电力企业人力资源管理系统的设计与实现[D]. 杨文婷. 吉林大学, 2016(03)
- [8]数据中心场景三维可视化的研究[D]. 熊泽宇. 东北电力大学, 2016(08)
- [9]Android应用风险性检测与评估方法研究与实现[D]. 孙璐. 北京邮电大学, 2016(04)
- [10]基于贝叶斯网络的目标毁伤效果评估方法与建模研究[D]. 栗晨涵. 国防科学技术大学, 2014(03)