一、XP下仍然需要的文档压缩工具（论文文献综述）
刘佩杰[1]（2020）在《钢轨铣-磨修复加工机理及修复后轮/轨对偶匹配研究》文中研究表明随着列车轴重和运量的不断增加,钢轨与车轮之间的服役条件变得更加复杂和恶劣,钢轨与车轮动态接触过程中容易产生波磨、核伤和剥离等各种缺陷,钢轨病害会给列车的平稳运行造成安全隐患,因此必须要及时去除钢轨表面缺陷。钢轨铣-磨列车凭借其优良的作业精度和切削能力已逐渐成为铁路养护行业使用的重要轨道修复设备。随着我国铁路行业的持续快速发展,对钢轨铣-磨列车的需求与日俱增,目前我国对钢轨铣-磨列车仍然主要依靠从国外进口,关于钢轨铣-磨修复加工机理及修复后轮/轨对偶匹配性能尚缺乏系统性研究。本文面向钢轨铣-磨修复并围绕钢轨材料高温动态力学性能分析及本构模型建立、钢轨铣-磨力热特性和表面完整性变化规律以及机加工后轮/轨对偶匹配等核心问题开展系统性研究,有助于提高钢轨表面修复质量并改善车轮和钢轨的服役性能,从而提高列车运行的安全性、稳定性和可靠性,具有重要的学术价值和实际意义。主要研究工作包括:（1）对U71Mn钢轨材料在高温和大应变率条件下的动态力学性能进行系统性研究并探讨钢轨材料的应变率敏感效应、温度敏感效应、应变硬化效应及微观组织演化规律。同时,建立钢轨材料的原始Johnson-Cook本构模型并对其进行修正,借助VUMAT用户材料子程序对修正的钢轨材料本构模型进行二次开发,为钢轨铣-磨有限元仿真研究提供理论和技术支撑。结果表明,钢轨材料的流动应力具有温度敏感性和应变率敏感性,并且温度对钢轨材料流变行为的影响比应变率对其影响更加显着;压缩变形温度和应变率对钢轨材料的显微组织有显着影响;修正的Johnson-Cook本构模型可以良好地反映U71Mn钢轨材料在高温大应变率条件下的流变行为。（2）研究U71Mn钢轨材料铣-磨力热特性。以钢轨铣-磨应用工况为设计参考并自主研发和搭建可靠的钢轨铣-磨专用实验台,通过正交试验设计分别建立钢轨成形铣削力模型和成形磨削力模型,并用F检验法对模型的可靠性进行验证。基于线热源法分别建立钢轨成形铣削温度场模型、成形磨削温度场模型及铣-磨联合温度场模型。同时,通过已经进行二次开发的钢轨材料修正Johnson-Cook本构方程建立钢轨铣削和磨削温度有限元模型并进行分析。结果表明,建立的铣削力和磨削力数学模型均具有很高的可信度;建立的温度场数学模型能够良好反应钢轨加工过程中的温度变化规律;建立的钢轨铣削和磨削温度有限元模型能够良好反应钢轨加工过程中的温度变化趋势。（3）使用单因素实验法分别探究U71Mn钢轨材料成形铣削和和成形磨削表面完整性变化规律并对其进行机理分析,具体的表征参量包括已加工表面粗糙度和表面形貌、表层残余应力、亚表面塑性变形层及加工硬化。同时,将不同加工参数下获得已加工表面粗糙度作为训练样本并基于RBF人工神经网络分别建立钢轨成形铣削和成形磨削表面粗糙度预测模型,从而为钢轨修复提供实验和理论依据,并为机加工后轮/轨材料的对偶匹配研究打下基础。结果表明,钢轨成形铣削和成形磨削后表层横向残余应力和纵向残余应力均表现为压应力,并且纵向残余应力大于横向残余应力;钢轨成形铣削和成形磨削后发生不同程度的亚表面塑性变形并呈现出不同程度的加工硬化现象;磨屑形态主要呈现为带状磨屑,也伴随少量球形磨屑,且球形磨屑的氧化程度最高;所建立的RBF神经网络对已加工表面粗糙度具有良好的预测性能。（4）系统性研究机加工后轮/轨材料对偶匹配性能。对U71Mn钢轨进行变参数磨削,对CL60列车车轮进行变参数车削,并检测其表面粗糙度、显微硬度和亚表面塑性变形层,然后在干式条件下通过变换轮/轨摩擦副分别对机加工后轮/轨材料的滑动摩擦磨损性能及滚-滑摩擦磨损性能进行系统性研究,从摩擦系数、磨损量、亚表面塑性变形层和磨损表面形貌等方面分析机加工后轮/轨材料表面完整性对摩擦磨损特性的影响规律。结果表明:机加工后轮/轨材料进行滑动接触后,钢轨试块塑性变形层厚度的增加幅度大于车轮试环;钢轨材料的磨损损耗远大于车轮材料;钢轨试块的表面损伤比车轮试环严重。机加工后轮/轨材料进行滚-滑接触后,钢轨试环的塑性变形层厚度大于车轮试环;车轮材料的磨损损耗远大于钢轨材料;车轮试环的表面损伤比钢轨试环严重。无论是滑动接触还是滚-滑接触,不同机加工参数的轮/轨试样配对后产生不同的摩擦系数,且初始表面粗糙度大的车轮试环在对磨过程中产生相对更大的摩擦系数;钢轨和车轮试样的表面硬度均显着提高;机加工后轮/轨材料的表面粗糙度、显微硬度及亚表面塑性变形层综合影响其对偶匹配性能,具有适当表面显微硬度和表面粗糙度的试样配对后其总磨损量最小。
黄振亚[2]（2020）在《面向个性化学习的数据挖掘方法与应用研究》文中进行了进一步梳理个性化学习旨在根据学习者个体的认知水平、学习能力等,选择合适的学习资源与学习方式,使其弥补知识不足,获得最佳发展。近年来,在线学习系统的快速发展,不仅打破了传统课堂学习的时空约束,还提供了丰富的学习资源,吸引了越来越多的学习者,留下了大量的学习数据。这些学习数据蕴含着巨大的科学及市场价值,为实现数据驱动的个性化学习服务,提供了有力的支撑。因此,如何利用数据挖掘等技术对学习者学习数据进行理解、分析,实践个性化学习,已经成为计算机及相关交叉学科的研究热点。现阶段,尽管基于认知心理学等理论的相关方法已取得了一定的成效,但在线场景中的个性化学习研究人面临着学习资源表征苦难、学习过程复杂易变以及学习策略难以量化等挑战。为此,本文系统性地开展了面向个性化学习的数据挖掘方法及应用的探索性研究工作。具体地,针对练习题对象,提出了练习资源的深度表征方法,并在语言类和逻辑类两类典型练习题目的应用中进行验证;针对学生对象,分别提出了融合学习因素的知识跟踪方法和融合题目语义的知识跟踪模型;针对学习策略对象,提出了基于多目标学习的个性化推荐方法,提高学生学习效率。本文的研究工作依托于科大讯飞开发的国内领先的在线学习平台系统“智学网”,研究问题和研究数据均来源于实际应用场景,且研究方案均在真实平台中验证,具有实际应用价值。本文主要的工作与贡献可以概括如下:首先,本文研究练习题深度表征方法。一方面,本文针对语言类练习,提出了基于语义理解的练习题表征方法。语义理解是语言类练习表征的基础,传统方法基于固定的规则匹配,忽略了题目文本的语义丰富和依赖等特点。本文将该类练习题表征分解成语句理解和语义关联两个部分,首先使用卷积神经网络提取句子级别特征,然后,基于注意力机制,量化练习文本对于题目的语义依赖。最后,针对于题目难度预测任务,提出一种基于偏序学习的模型训练方法,消除不同测试范围带来的难度误差。该方法在高考英语阅读理解难度预测任务中进行了大量实验验证,其结果表明该方法能够有效提高难度预测的准确性和稳定性。另一方面,针对逻辑类练习,提出了基于结构理解的练习表征方法。区别于语言类练习,逻辑类练习通常含有特定结构的元素（如公式）。然而,传统方法直接将其视为文本序列进行表征,忽略了其结构特性。本文首先设计辅助工具,构建练习层面的公式依赖图,然后提出基于点注意和边注意两种策略的图网络学习其结构表征。最后,提出嵌套序列模型,融合练习的文本语义和公式结构关联。在数学简答题自动解答任务中验证了该方法能够有效挖掘数学练习中的公式结构,提高解题精度。其次,针对于学生用户,本文研究动态认知诊断方法。一方面,考虑到知识关联因素和人脑记忆/遗忘因素对于学习活动的影响,提出一种融合学习因素的知识跟踪模型EKPT。该模型首先基于练习-知识关联信息,将学生和练习映射到具有明确含义的知识空间中。然后,融合教育学经典的学习曲线和遗忘曲线理论,在知识空间中量化建模了学生知识学习的演化过程。实验结果表明该方法提高了认知诊断的精度。另一方面,考虑到学习过程中的题目语义（知识共性语义和文本个性语义）的影响,本文提出一种融合题目语义的知识跟踪框架。该模型首先设计动态增强记忆网络存储知识共性信息,刻画了学生对于知识的动态掌握情况。其次,提出题目特征提取器,挖掘文本个性信息,且将其融入到学生的知识变化建模过程中。最后,本文分别基于马尔科夫性质和注意力机制两种策略,提出两种实例化模型。实验在大量学生练习记录上进行,结果验证了具有精准的预测性能和知识跟踪可解释性。最后,在学习策略设计方面,本文提出一种基于多目标学习的个性化推荐算法。区别于传统推荐系统,在线学习推荐任务具有更大的挑战。传统方法通常遵从“推荐未掌握的练习”的单一推荐策略,为考虑复杂学习目标（如复习与探索平衡性、难度平滑性、参与度等）的影响。为了解决此问题,本文设计了不同的回报函数量化三种学习因素,然后提出一种深度强化学习方法,在学生交互学习中协同优化多个因素,从而找到最优推荐结果。本文在离线和在线两类场景中进行实验,结果均充分显示了该推荐算法的有效性。
胡金志[3]（2020）在《基于文本处理与合作关系的高校教师推荐系统设计与实现》文中研究指明如何高效检索信息是当下的一个热点问题,人们往往面临海量数据却难以获得自己想要的数据,因此推荐系统在如今备受关注。对于高校教师这一特殊群体,由于其圈子具有一定的独立性与封闭性,外界人士很难获取到该群体的有效信息,这意味着不同于商业公司应用的商品推荐与社交推荐,要想把高校教师精准推荐给需要的人群,如学生、企业等,是有一定困难的。传统的推荐算法并不适用于高校教师推荐且难以取得较好的效果,这意味着该场景下的推荐有很大的提升空间。在此背景下,本文通过研究个性化推荐算法,对传统推荐算法进行改进。基于问题场景与数据的特殊性,围绕文本处理技术与网络挖掘技术,结合多种特征对数据实体进行建模,提出了一种针对教师推荐的特征学习算法FLTR4Rec,从而实现将高校教师精准推荐给需要的人。本文在真实抓取的数据集上验证了算法的有效性,并且最后基于该算法实现了一个教师推荐系统。论文的主要内容如下:（1）在对文本信息的处理中,针对该场景中数据包含大量专有名词的性质,本文在提取中文文本特征方面进行了研究。考虑到分词的难度,本文放弃使用传统的分词+词向量的策略,直接学习字符粒度的文本向量,通过引入百度百科的外部语料库,预训练得到细粒度字向量特征,并通过sanity check与可视化的方法检查了字向量的质量。（2）该课题场景下的数据不仅包含文本,而且包含实体间的合作关系,本文引入了异构信息网络对数据进行建模,并使用超边采样与自编码器对数据中的关系进行处理和特征提取。通过使用网络挖掘的相关技术,能顺利提取到数据中的网络特征。（3）基于文本特征与网络特征,提出了一种可用于推荐场景的多特征学习算法FLTR4Rec。利用神经网络强大的学习能力,该算法使用一个实体间关系预测任务来学习数据中每一个对象的文本特征与网络特征,并能够自动将两种特征进行融合。在真实数据上的实验表明,FLTR4Rec在教师推荐场景下的效果要优于传统推荐算法与单特征学习算法。（4）基于FLTR4Rec算法实现了一个高校教师推荐系统,该系统主要使用Django来实现,具有信息展示、教师推荐与数据管理的功能,可以针对学生、企业、教师三种人群分别进行教师推荐。
佘颢[4]（2020）在《基于状态预测的交通拥堵控制研究与应用》文中提出随着城市化进程不断推进,交通出行已成为影响生活质量的重要因素,由于机动车数量不断增加,日益严重的交通拥堵问题给出行带来诸多不便。为改善交通路网拥堵现象,提高交通路网整体运行效率,研究交通拥堵控制具有重要的理论和现实意义。本文针对智能交通拥堵控制问题,结合机器学习、深度学习提出一种时空特征融合的交通状态预测方法,利用交通流量负荷分配的手段对路网中瓶颈路段进行信号优化控制,主要工作和贡献如下:1、提出一种基于时空特征融合的交通状态预测方法。该方法结合交通运行特性,利用特征工程确定交通流数据中影响未来交通状态的因素,使用卷积神经网络（Convolutional Neural Network,CNN）对交通流参数进行时空特征提取,引入长短期记忆模型（Long Short-Term Memory,LSTM）对交通拥堵状态时序特征进行有效提取,完成CNN和LSTM双通道特征融合处理,利用支持向量机（Support Vector Machine,SVM）实现交通状态预测。基于PEMS交通数据集开展实验并与其他算法进行对比,验证了本文CNN/LSTM-SVM特征融合模型的优越性。2、提出一种基于流量分配的拥堵瓶颈路段信号优化方法。在分析交通拥堵特性基础上,对拥堵瓶颈路段交通状况进行建模分析,并通过安全排队系数对未来时刻可能发生拥堵的瓶颈潜在路段进行处理,利用道路剩余容量进行待调节通行能力分配,完成交通信号中绿信比和相位差的优化。通过VISSIM进行仿真并和其他交通控制方案进行对比实验,验证了本文拥堵瓶颈路段信号优化方法的优越性。3、设计并实现城市智能交通拥堵控制子系统。从交通状态预测和交通拥堵控制实际需求出发,设计并实现城市智能交通拥堵控制子系统,主要包括系统管理、拥堵查询、拥堵控制和交通数据库,并对系统核心功能进行测试。上述研究结果表明:针对交通拥堵预测和拥堵控制问题,本文所提出的CNN/LSTM-SVM特征融合模型和基于流量分配的拥堵瓶颈路段信号优化方法,能一定程度上解决交通拥堵带来的不良影响,具有重要的理论和现实价值。
徐杰[5]（2019）在《高速网络访问超点检测算法研究》文中提出访问超点是网络中在一段时间内与远大于平均值数量的对端有交互行为的主机。访问超点检测算法的目标就是找出流量中连接对端数大于阈值的所有主机。访问超点一般是服务器、代理、扫描器和被DDoS攻击的主机。访问超点检测对网络安全和网络管理有重要的意义,也是这个领域一个没有完全解决的热点问题。现有访问超点检测算法存在如下缺陷:算法运行时间长,无法实时处理高速网络数据;不能在滑动时间窗口下运行,无法检测跨越时间窗口边界的访问超点;分布式环境下通信开销大等。本文针对上述三个问题分别进行了研究。本文将GPU（Graphics Processing Unit）并行计算方法引入了访问超点检测的研究领域,解决了访问超点检测的实时性问题。基于Bernstein条件等并行计算的相关基础理论,给出了一组用于判定访问超点检测算法是否能在GPU环境中并行运行的条件,并提出了一个基于GPU的通用访问超点检测框架。利用该框架,将三个现有的符合条件的访问超点检测算法移植到了三个不同性能的GPU平台上,并基于10Gb/s和40Gb/s带宽的实测流量进行了测试。实验结果表明,对于符合条件的访问超点检测算法,GPU通用访问超点检测框架不仅能保证估算准确率与CPU环境下相同,而且有效运行时间只有CPU平台上有效运行时间的1/50到1/2050。滑动时间窗口下的访问超点检测需要解决检测次数频繁、增量式更新主数据结构和快速的主数据结构状态维护三个挑战。本文提出了用模糊估值器和滑动时间窗口下的计数器相结合的方法解决了上述问题。本论文首次提出了将模糊估值器（Rough Estimator,RE）引入访问超点检测算法的研究思路。具体的方法是基于统计学领域经典的基数模糊估值算法,提出一种面向IPv4地址的轻量级估值器,用其对海量的原始流量数据进行筛选,从而大大减少了估值的压力。论文证明了在常规参数下,用RE进行访问超点筛选的准确率超过99.9%。距离计数器（Distance Recorder,DR）是本文提出的一种能在滑动时间窗口下增量式更新且内存最优的计数器。在设计了模糊估值器和距离计数器所有相关细节的基础上,本文提出了一个滑动时间窗口下的实时访问超点检测算法-滑动模糊线性算法（Sliding Roughand Linear Algorithm,SRLA）。SRLA 算法将 RE 作为初筛工具,在处理网络数据流的同时,在线生成候选访问超点列表。由于初筛环节大大减少了估算对象的数量,所以在估算环节,SRLA算法使用了一种高精度的估值器,线性估值器（Linear Estimator,LE）,能够更加准确地估算出候选列表中各主机的连接对端数。实验表明,对1 OGb/s和40Gb/s的高速网络,在离散时间窗口下,SRLA算法的错误率接近于现有算法,但估算访问超点的时间平均只有现有算法的1/520。估算访问超点时间的降低,使得SRLA在需要进行频繁检测的滑动时间窗口下运行成为可能。通过将RE和LE与DR结合,SRLA算法实现了在滑动时间窗口下对主数据结构增量式地更新。在10Gb/s和40Gb/s实测流量条件下,SRLA算法能在时间窗口为300秒,滑动步长为1秒的条件下支持实时访问超点检测。针对SRLA算法在DR数量增多时对DR进行状态维护的时间瓶颈问题,本论文提出了一种低状态维护时间的计数器,异步时间戳计数器（Asynchronous Timestamp,AT）。AT比DR多占用一个比特的内存。对于具有k个时间片的滑动时间窗口,维护AT状态的时间复杂度只有O（1/k）,而维护DR状态的时间复杂度为O（1）。基于AT,本文提出了一种滑动时间窗口下低状态维护时间的连接对端数估算算法-虚拟异步时间戳估计器（Virtual Asynchronous Timestamp Estimator,VATE）。实验表明,当 AT 个数越多时,VATE估算准确率越高。当AT个数达到232时,VATE在每个时间片里维护所有AT状态的时间不超过2.6毫秒,小于维护同等数量的DR所用时间的1/400。用AT替换SRLA算法里的DR,可以进一步降低SRLA算法的运行时间。在分布式环境下,数据汇聚会占用大量带宽或造成流量尖峰。为了降低分布式环境下的通信开销,本论文设计了一个三阶段托付的分布式访问超点检测算法-基于模糊估值器的分布式异步访问超点检测算法（Rough Estimator based Asynchronous Distributed algorithm,READ）。READ算法利用RE在分布式环境下生成候选访问超点。READ算法仅向全局服务器传递与候选访问超点相关的数据,而不是全部主数据结构,从而降低了通信开销。本文从理论上证明了 READ算法在分布式环境下的错误率不高于汇聚检测数据条件下的错误率。实验表明,对1OGb/s和40Gb/s的高速网络数据,READ算法可以将通信量减少95%以上。本博士论文从各种不同的角度对高速网络访问超点检测算法进行了深入细致地研究。利用本文的研究成果,可以实现滑动时间窗口下高速网络的实时访问超点检测,以及在分布式环境下高效快速的访问超点检测。
陈熠[6]（2019）在《环境干扰下的关联成像算法和目标特征提取研究》文中研究指明关联成像（Correlated Imaging）又叫鬼成像（Ghost Imaging）,利用光场的二阶乃至高阶关联性质,间接重构出目标,是一种间接成像技术。不同于传统光学成像技术可以利用面阵探测器直接获取目标的图像,关联成像需要通过特定的重构算法计算出目标图像。在关联成像中,照明光被分为两路:信号光照射目标后被无空间分辨力的单像素探测器探测,参考光经自由传播后被面阵探测器探测,任一路都无法单独成像,只有计算信号光场和参考光场的二阶关联性才可以恢复出目标图像。关联成像具有诸多传统成像所不具备的优点,如适合在复杂环境下工作、对探测器和光源要求低、物像分离和适合弱光环境等。因此,关联成像在医学成像、军事侦察和监视、机器视觉和遥感成像等领域引起了越来越多的关注与研究。然而,当前对于关联成像的研究还存在一些不足,如采样速度慢、计算速度慢、成像质量差和应用研究滞后等,尤其是在军事侦察和监视领域,关于复杂战场环境对关联成像质量的影响,以及如何提高成像质量等方面的研究十分欠缺。为推动关联成像向实用化方向发展,论文结合实际应用场景,对环境干扰下关联成像的算法和目标特征提取进行了深入研究。论文完成的主要工作如下:1.研究了压缩感知关联成像的数学模型。在分析了热光关联成像原理的基础上,建立了压缩感知关联成像的物理模型,并基于该物理模型,结合Goodman散斑理论计算了热光场的统计特性;由经典衍射理论推导了关联成像公式,并利用压缩感知算法重构目标图像;在使用数字微镜器件来调制照明光场、并比较常用压缩感知算法的基础上,通过数值仿真验证了该模型的有效性。2.研究了环境干扰因素对关联成像的成像质量的影响。通过分析环境干扰下关联成像的性能,以及实际应用场景,得出了环境中可能存在的光场衍射、大气湍流和平台振动等干扰因素,并定量计算了这些干扰因素对关联成像的影响;通过仿真模拟了存在环境干扰时的采样环境,并分析了该环境下关联成像的成像质量,结果表明,环境干扰使采样数据有效性下降,导致现有算法的重构精度急剧恶化。3.研究了基于邻域相似度的反馈式重构算法。为了提高环境干扰下关联成像质量,将邻域相似度（Neighbor similarity,NS）这一先验信息作为算法迭代的反馈指标,提出了基于邻域相似度的反馈式重构算法,并证明了该算法的可行性。仿真和实验结果表明,环境干扰下,该算法在提高成像性能方面优于现有的重构算法。4.研究了关联成像边缘检测方法。在提出“边成像-边提取”的边缘提取模式的基础上,分析了该模式下基于不同微分算子的梯度关联成像（Gradient ghost imaging,GGI）方案,并提出基于Kirsch算子的多方向梯度关联成像边缘检测方法（Multidirectional gradient ghost imaging,MGGI）。仿真和实验结果表明,MGGI的边缘提取精度更高,抗噪性能更好。5.研究了关联成像角点检测方法。在总结角点检测技术和关联成像系统的四种融合模式的基础上,提出了一种基于梯度关联成像系统的角点检测方法,该方法结合了曲率尺度空间（the curvature scale space,CSS）角点检测算法和基于Canny算子的梯度关联成像（Gradient ghost imaging based on Canny operator,GGI-Canny）原理。仿真和实验结果表明,该方法在环境干扰下仍然可以准确高效地提取目标的角点信息,对推动关联成像系统的实用化具有积极作用。
王吉[7]（2019）在《面向无人集群自主协同的信息处理智能优化方法研究》文中研究表明随着电子、通信、人工智能、机械制造等多学科关键技术的迅速发展,无人平台正受到诸多关注,在军事和民用领域得到日益广泛的应用。然而,伴随无人平台使用场景的不断扩展,单个无人平台逐渐暴露出效率低、灵活性差、鲁棒性弱等问题,有机整合多个无人平台形成无人集群,逐渐成为无人系统发展的重要方向。无人平台间有效的协同交互是形成无人集群的关键,而实现无人集群内部的协同交互,首先要解决系统内部计算、传输等信息处理问题,这是实现无人集群运转的前提。信息的高效协同处理直接决定着集群的整体效能与实际应用效果。基于此,论文面向无人集群自主协同,围绕无人集群信息处理,以优化基于云端融合的协同信息处理效能为目标,研究无人集群协同通信、协同计算中的重要问题,突破面向无人集群自主协同的信息处理关键技术。论文主要开展了以下五个方面的研究:第一,设计了基于云端融合的无人集群协同信息处理框架,明确了论文需重点解决的关键问题。论文从无人集群的实际情况与典型应用出发,分析无人集群的系统特点与一般需求,综合二者设计了一种基于云端融合的无人集群协同信息处理框架。同时,根据从无人集群典型应用中抽象得到的系统与物理世界交互模型,发掘面向无人集群自主协同的信息处理优化关键问题,并以战场侦察监视为背景设计了具体应用场景,将关键问题具体化,为全文的后续研究界定了范围。第二,提出了无人集群数据传输链路自主协同选择优化方法。针对大规模无人集群进行数据传输时可能出现的链路拥塞问题,研究了无人集群数据传输链路自主协同选择问题,将该问题建模为一个链路选择博弈,通过严格的分析证明该博弈的纳什均衡的存在性。在此基础上,设计了一种基于虚拟博弈的分布式链路选择算法,该算法无需获知其他无人平台的当前决策,算法复杂度低,可通过无人平台独立选择数据传输链路,生成链路选择博弈的纳什均衡解。实验结果表明超过70%的无人平台可通过该方法提高自身数据传输的效用,优化了无人集群数据链路的使用效率。第三,提出了复杂网络环境下无人集群冗余数据自主协同上传优化方法。针对无人集群在执行战场侦察监视任务时,集群内存在大量冗余数据,上传冗余数据不能产生信息效用,反而会浪费平台能量与通信资源的现象,研究了无人集群协同数据传输问题,提出了一种面向长期优化的自适应分布式优化方法。该方法由关联上传决策与在线分布式调度算法组成,各个无人平台可独立地根据自有的可观测信息进行是否传输数据、传输哪些数据的决策。通过严格的理论分析与巧妙的算法剪枝,所提出的方法能在可接受的计算复杂度下使长期运行性能任意接近最优值。第四,提出了基于深度学习模型分割的云端协同计算方法。为了实现无人平台上高效的深度学习模型计算,论文考虑在无人平台数据传输链路通畅的情况下,采用云端协同的模式,通过深度神经网络分割,将包括模型训练、复杂推断等重负载的任务卸载至云中心执行,无人平台仅承担简单的数据转换任务。为了消除无人平台传输数据时带来的数据安全与隐私风险,论文设计了一种新的满足差分隐私准则的扰动方法,相比传统扰动方法更加灵活、更适应神经网络的层级结构;同时,为了降低本地扰动对云中心后续推断的影响,提出了一种噪声训练方法来训练云中心网络,增强云中心网络对噪声的鲁棒性,优化模型计算性能。实验结果表明,在计算性能受极小影响的情况下,所提出的方法可以降低超过60%的资源消耗。第五,提出了基于知识萃取的计算模型云端协同训练方法。为了实现无人平台在数据传输链路断开情况下,仍能进行深度学习模型计算的目标,研究了在云中心训练一个可直接部署的深度学习精简模型的方法。该方法遵循教师-学生训练模式,将嵌入于复杂、庞大的教师模型中的知识分阶段地萃取并转移到学生模型中,以提高压缩的学生模型的性能。同时,为了保护原始训练数据与原始模型的安全与隐私,所有转移到学生模型上的知识均被施加满足差分隐私准则的扰动。此外,设计了新的查询样本选取方法,在保证性能的前提下,显着减少教师模型被查询次数,增强数据安全与隐私保护。实验结果表明,该方法以损失少于1%准确率的代价,获得20倍模型压缩和19倍计算加速的优化效果。
徐博贤[8]（2019）在《国产异构跨平台开发环境研究》文中研究指明随着深空探测三维实时可视化技术的不断发展,相关的信息系统软件也越来越多,比如遥操作系统、航天发射指挥信息系统、航天器地面测试系统等。如今,三维可视化技术已经成为航天事业快速发展的有力保障。然而,目前中国大部分的航天可视化信息系统都是基于Windows平台开发的,这使得中国的信息安全受到了严重的威胁。近年来接连发生的“棱镜门”事件、“XP”停服、中兴事件、Windows可信计算框架的嵌入并且Windows7也将在2020年停止所有的技术支持等一系列事件,都给我国甚至是全世界敲响了警钟。建立并发展自主可控的操作系统迫在眉睫,这已成为了军事国防、国家安全、文化科技等社会各界关注的焦点,进而使Windows在我国的发展前途成为了未知数。尽管我国政府实施各项政策强调信息安全保护和国产操作系统发展,但日前Windows仍垄断着我国的操作系统市场,软件生态链不完善,与国产操作系统兼容的软件开发环境较少,这使得航天可视化信息系统的移植及开发成为了一大困难,只是产权得不到保护,也成为了阻碍国产操作系统推广和普遍的一个重大因素。论文在上述背景下,主要的研究内容有:对航天可视化常用开源库的编译方法进行研究,分析多个开源库之间的依赖关系,并利用跨平台的编译工具Cmake,在Windows平台和国产操作系统—中标麒麟系统上搭建编译环境,完成开源库的跨平台;了解并分析探月工程二期遥操作作业平台的开发编译环境和功能模块结构,在中标麒麟系统上,采用Qt+Qt Creator和Qt+Code::Blocks两种不同开发环境,完成了探月工程遥操作作业平台的国产化,通过对移植结果的分析和对比,验证了航天可视化信息系统移植的科学性和可行性;设计并实现航天可视化常用开源库自动化编译系统,完成Cmake、Qt、开源库的自动编译安装,达到缩减手动编译工作量,提高开源库编译效率的目的;比较Cmake、Qt Creator、Code::Blocks三种可以跨平台的编译环境,分析比较其运行原理及编译配置过程,为通过不同软件开发环境解决航天可视化信息系统跨平台问题提供理论及技术支持。通过以上的研究,论文对于航天可视化指定的、第三方、通用或常用开源库,在国产操作系统上搭建了编译环境。同时利用所编译的库文件和跨平台的开发工具,在中标麒麟系统上搭建编译环境,实现了探月工程遥操作作业平台的移植,并最终将软件和库的编译自动化。这是利用不同软件开发环境进行航天可视化信息系统移植的一次有效尝试,试图为规范化航天可视化信息系统的自主可控组件及其知识产权的国际化保护提供现实依据。
胡嘉熙[9]（2018）在《面向安全评估的攻击免杀技术研究》文中提出安全评估用于对企业内部的信息系统进行全面评估。近几年来,针对企业等大型机构的入侵行为大幅增加,安全评估可用于模拟入侵行为,机构负责人可根据安全评估的结果找到企业内部信息系统的脆弱点并予以加强。为模拟真实入侵行为,在安全评估中使用的渗透测试代码样本应当绕过杀毒软件查杀。本文通过逆向工程等手段对杀毒软件原理进行深入研究,并提出了三种可绕过杀毒软件的免杀技术,据此设计了免杀辅助工具及渗透测试代码投放平台。本文提出了混淆、白名单、沙盒绕过三种免杀手段。其中利用密码学及NP-Complete问题设计了杀毒软件难以识别的混淆方案,通过对Windows API的调用分析判断白名单程序能否用于实现免杀,基于沙盒技术自身的局限提出了稳定绕过沙盒查杀的方案。本文实现的工具有以下特点:1)使用了通过分析杀毒软件原理而提出的较全面的免杀技术。2)使用了通用的免杀技术,针对不同编程语言均有效。3)该工具能够有效降低恶意代码样本的被查杀率。实验结果表明,使用本文设计的免杀辅助工具提出的免杀策略能有效降低渗透测试代码投放平台使用的样本的被查杀率,样本最终能绕过NOD32、Kasperkey、Symentac等企业级杀毒软件,即在安全评估中使用本文提出的免杀技术可以达到预期效果。
孙锐[10]（2016）在《基于事件语义的篇章表示及应用研究》文中研究表明近年来,自然语言处理研究领域中词汇和语句的分析已得到深入的研究和发展,各种关于词法分析、词义分析和句法分析的技术已逐渐成熟。然而,作为自然语言处理中最重要的研究内容,篇章学习和理解的效果仍不容乐观。其主要的原因在于篇章中词、短语和语句等不同粒度的语义单元在逐级转变的过程中存在着歧义和多义现象。要消除这种歧义现象,仍需要大量的知识推理过程。因此,如何从非结构化文本中挖掘出更丰富的知识并用于篇章学习和推理仍然是自然语言理解的一道门槛。以往的篇章学习任务,如自动摘要、话题分析和信息检索等,大多以词、短语或语句作为基本处理单元,在学术界和工业界均已取得较大的成功。同短语或语句相比,事件作为一种特殊的知识表现形式可以在篇章的学习和理解中起到更重要的作用。从语义层面来看,词或短语是细粒度的,运用到具体的语义分析任务时需要进行消歧；而事件同语句一样,多数情况下都能表达确定的语义。从基本处理单元的粒度来看,语句是粗粒度的,在语义分析过程中会存在一定的稀疏性问题,给信息的统计和推理带来一定的难度。因此,本文以事件作为词和语句的一种折中方案,研究基于事件语义的篇章表示,并应用到标题生成、多文档摘要和主题分析等篇章任务。不同于词和语句这种自然的语言形态,事件需要利用合理的技术特别地从篇章文本中抽取出来。使用尽可能丰富的事件单元来表示篇章,将给知识推理带来很大的便利,从而能提高篇章学习和理解的质量。然而,基于事件的篇章表示和学习仍面临很大的挑战。一方面,需要一个统一的事件结构表示形式,并要能够比较准确地从文本中抽取出这种结构化单元；另一方面,需要克服以词或语句为基本单位来表示篇章的缺陷,能够利用事件来进行知识的推理以理解篇章语义。因此,本文首先从事件的定义为出发点,研究了开放领域下的事件抽取,然后研究了在标题生成、多文档摘要和主题分析等任务中如何利用事件语义来进行篇章的学习和理解。具体工作如下：1、基于双向传播的开放领域事件抽取已有的事件抽取多基于特定领域的新闻文本。在开放领域,多数基于事件的工作仅将事件抽取视为预处理工作,大多简单地利用依存关系规则或实体关系抽取结果。这些方法忽略了语言自身的特点,过度地依赖于依存分析或实体关系抽取工具的性能。错误或稀疏的事件抽取结果一定程度上会限制篇章学习和理解的效果。本文提出利用双向传播技术来组合事件抽取和事件模板生成模块。该方法是一种无监督的方法,无需种子事件或种子模板。双向传播的过程中,事件抽取的结果用于增强模板的生成,标准事件模板则可用于指导错误事件的修正和新事件的召回。不同规模语料上的实验结果证明了方法的有效性。2、事件驱动的标题生成标题生成,作为一种特殊的摘要任务,除了信息度和可读性外还有特殊的长度要求。已有的抽取式方法强调基于显着语句的裁剪,在信息度上会产生缺失；而生成式方法多基于显着短语进行语句合成,但因语法信息的缺失使生成的标题可读性不理想。本文提出一种事件驱动模型以缓解以上两类模型的缺陷。该模型使用一种有效的多语句压缩算法来融合一组显着性事件以生成最终的标题。模型首先构造由词汇链和事件组成的二部图,同时融入了短语和语句的重要度以习得显着性事件。然后基于显着性事件来构造一个有向无环的词图,采用集束搜索算法在图中搜索最终的标题。实验结果表明事件显着性学习有助于重要语句的选择,词图搜索中事件信息的约束也有助于路径重要结点的选择。同主流系统相比,事件驱动模型取得最优的效果。3、事件指导的多文档摘要生成本文探索在事件的指导下采用子模函数最大化方法来实现多文档生式式摘要。不同于抽取式摘要,生成式摘要方法往往需要深入的文本分析且应具有生成新语句来表达文本重要信息的能力。已有方法大多利用比语句更细粒度的语义单元来生成语句,如名词或动词短语。但此类方法因短语中缺少足够的语法信息使得语句合成的质量并不理想。本文提出以结构化的事件信息来指导多文档中子主题的产成和摘要候选语句的生成。一方面,利用事件语义相似度来产生聚簇,可以避免传统语句聚类方法中带有的噪声；另一方面,将事件的结构化信息融入多语句压缩中能产生高质量的压缩候选。最后组合三个子模函数以优化摘要语句的选择。实验结果表明事件信息有助于语句聚类和压缩生成,生成的摘要质量超越主流生成式模型。4、融入事件语义的主题分析本文研究使用结构化的事件来进行主题分析。针对已有模型中以词或短语来表示的主题缺乏深层次的语义信息且可解释性差的问题,提出了在二项主题模型的基础上构建基于事件的主题模型,采用两种不同的方式将事件的语义知识融入到主题生成过程中。第一种模型利用泛化玻利亚罐子模型加大语义相近的事件分配到同一主题的概率；第二种模型通过为每个事件对引入指示变量,合理地利用语义知识有效地解决事件对中两个事件的主题分配问题。本文不仅从主题凝聚度和主题区分度两个方面对主题模型进行评估,此外还通过将主题生成结果引入到文本分类任务中对模型进行了外部评估。实验结果表明两个模型从共现和语义两个层面有效的解决了事件稀疏性问题。与以往的主题分析方法相比,事件结构包含的语义信息提升了主题生成质量,使主题表示具有更强的可读性和主题判别能力。
二、XP下仍然需要的文档压缩工具（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、XP下仍然需要的文档压缩工具（论文提纲范文）
（1）钢轨铣-磨修复加工机理及修复后轮/轨对偶匹配研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表及物理名称 |
| 第一章 绪论 |
| 1.1 课题提出的背景及研究意义 |
| 1.2 钢轨在线整形修复关键技术及切削性能研究现状 |
| 1.2.1 钢轨在线整形修复关键技术分类 |
| 1.2.2 钢轨在线整形修复的切削性能研究现状 |
| 1.3 切削加工有限元仿真研究现状 |
| 1.3.1 切削加工有限元仿真研究的材料本构模型 |
| 1.3.2 Johnson-Cook本构模型研究现状 |
| 1.4 轮/轨材料对偶匹配研究现状 |
| 1.4.1 轮/轨材料滚-滑摩擦磨损性能研究现状 |
| 1.4.2 轮/轨材料滑动摩擦磨损性能研究现状 |
| 1.5 课题来源与本文的主要研究内容 |
| 1.5.1 课题来源 |
| 1.5.2 本文的主要研究内容 |
| 第二章 U71Mn钢轨材料动态力学特性和本构模型建立及修正 |
| 2.1 引言 |
| 2.2 U71Mn钢轨材料准静态单轴压缩实验 |
| 2.2.1 U71Mn钢轨材料及实验方案 |
| 2.2.2 准静态单轴压缩实验结果分析 |
| 2.3 U71Mn钢轨材料动态力学性能实验 |
| 2.3.1 分离式霍普金森压杆装置及动态力学实验方案 |
| 2.3.2 应力状态平衡验证 |
| 2.3.3 分离式霍普金森压杆实验结果及动态力学性能分析 |
| 2.4 U71Mn钢轨材料本构模型建立及修正 |
| 2.4.1 U71Mn钢轨材料Johnson-Cook本构模型建立 |
| 2.4.2 U71Mn钢轨材料Johnson-Cook本构模型修正 |
| 2.5 高温大应变率条件下U71Mn钢轨微观组织结构演化 |
| 2.6 基于VUMAT的 U71Mn钢轨材料本构模型二次开发 |
| 2.7 本章小结 |
| 第三章 U71Mn钢轨材料铣-磨力热特性研究 |
| 3.1 引言 |
| 3.2 钢轨铣-磨专用实验台及实验用刀具 |
| 3.2.1 钢轨铣-磨专用实验台 |
| 3.2.2 实验用刀具和砂轮 |
| 3.3 U71Mn钢轨材料成形铣削力和磨削力实验及建模 |
| 3.3.1 U71Mn钢轨材料成形铣削力和磨削力实验设计 |
| 3.3.2 U71Mn钢轨材料成形铣削力和磨削力实验结果与分析 |
| 3.3.3 U71Mn钢轨材料铣削力和磨削力模型建立与分析 |
| 3.4 U71Mn钢轨材料铣-磨温度场建模与实验 |
| 3.4.1 基于热源理论的钢轨铣-磨温度场建模 |
| 3.4.2 U71Mn钢轨材料铣-磨温度实验测试与结果分析 |
| 3.5 钢轨铣-磨温度有限元仿真及分析 |
| 3.5.1 钢轨铣削温度仿真及分析 |
| 3.5.2 钢轨单颗粒磨削温度仿真及分析 |
| 3.6 本章小结 |
| 第四章 U71Mn钢轨材料铣-磨表面完整性变化规律与机理分析 |
| 4.1 引言 |
| 4.2 U71Mn钢轨材料成形铣削表面完整性 |
| 4.2.1 U71Mn钢轨材料成形铣削表面完整性实验设计 |
| 4.2.2 铣削参数对已加工表面粗糙度的影响 |
| 4.2.3 铣削参数对表层残余应力的影响 |
| 4.2.4 铣削参数对亚表面塑性变形层和加工硬化的影响 |
| 4.2.5 铣削后工件表面形貌 |
| 4.3 U71Mn钢轨材料成形磨削表面完整性 |
| 4.3.1 U71Mn钢轨材料成形磨削表面完整性实验设计 |
| 4.3.2 磨削参数对已加工表面粗糙度的影响 |
| 4.3.3 磨削参数对表层残余应力的影响 |
| 4.3.4 磨削参数对亚表面塑性变形层和加工硬化的影响 |
| 4.3.5 磨削后工件表面形貌 |
| 4.3.6 磨屑形貌及能谱分析 |
| 4.4 基于人工神经网络的已加工表面粗糙度预测 |
| 4.4.1 人工神经网络简介及已加工表面粗糙度测量结果 |
| 4.4.2 已加工表面粗糙度预测模型的建立 |
| 4.4.3 已加工表面粗糙度预测结果 |
| 4.5 本章小结 |
| 第五章 机加工后轮/轨材料对偶匹配研究 |
| 5.1 引言 |
| 5.2 CL60列车车轮及其镟修工艺 |
| 5.2.1 CL60列车车轮 |
| 5.2.2 列车车轮镟修工艺 |
| 5.3 机加工后轮/轨材料干式滑动摩擦磨损性能 |
| 5.3.1 机加工后轮/轨材料干式滑动摩擦磨损实验设计 |
| 5.3.2 轮/轨材料滑动摩擦系数分析 |
| 5.3.3 轮/轨材料表面显微硬度与磨损量分析 |
| 5.3.4 轮/轨材料滑动接触亚表面塑性变形分析 |
| 5.3.5 轮/轨材料滑动接触表面磨损形貌分析 |
| 5.4 机加工后轮/轨材料干式滚-滑摩擦磨损性能 |
| 5.4.1 机加工后轮/轨材料干式滚-滑摩擦磨损实验设计 |
| 5.4.2 轮/轨材料滚动摩擦系数分析 |
| 5.4.3 轮/轨材料表面显微硬度与磨损量分析 |
| 5.4.4 轮/轨材料滚-滑接触亚表面塑性变形分析 |
| 5.4.5 轮/轨材料滚-滑接触表面磨损形貌分析 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（2）面向个性化学习的数据挖掘方法与应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究工作面临的主要挑战 |
| 1.3 研究内容与主要贡献 |
| 1.4 组织结构 |
| 第2章 研究现状与基础知识 |
| 2.1 引言 |
| 2.2 练习题题目建模方法及应用 |
| 2.2.1 练习资源建模方法 |
| 2.2.2 基于练习的相关应用 |
| 2.3 学习者学习活动建模 |
| 2.3.1 项目反应理论 |
| 2.3.2 认知诊断分析 |
| 2.3.3 知识跟踪任务 |
| 2.4 推荐技术研究 |
| 2.4.1 传统推荐技术 |
| 2.4.2 深度推荐技术 |
| 2.4.3 教育领域的个性化推荐 |
| 2.5 本章小节 |
| 第3章 练习资源深度表征及应用 |
| 3.1 基于语义理解的练习表征及属性预测 |
| 3.1.1 引言 |
| 3.1.2 相关工作 |
| 3.1.3 问题定义及方案描述 |
| 3.1.4 基于语义注意力机制的卷积神经网络模型 |
| 3.1.5 难度属性预测应用 |
| 3.2 基于结构理解的练习表征及自动解题 |
| 3.2.1 引言 |
| 3.2.2 相关工作 |
| 3.2.3 问题定义及框架描述 |
| 3.2.4 数学公式语法结构图构造 |
| 3.2.5 基于图网络的神经解题模型 |
| 3.3 实验分析 |
| 3.3.1 基于语义理解的练习表征难度预测效果评估 |
| 3.3.2 基于结构理解的练习表征自动解题效果评估 |
| 3.4 本章小结 |
| 第4章 学习过程中的动态认知诊断分析 |
| 4.1 融合学习因素的知识跟踪模型 |
| 4.1.1 引言 |
| 4.1.2 相关工作 |
| 4.1.3 问题定义及框架描述 |
| 4.1.4 融合学习因素的知识跟踪模型EKPT |
| 4.1.5 基于EKPT模型的教育学应用 |
| 4.2 融合题目语义的知识跟踪模型 |
| 4.2.1 引言 |
| 4.2.2 相关工作 |
| 4.2.3 问题定义及框架描述 |
| 4.2.4 融合题目语义的知识追踪模型EKT |
| 4.2.5 基于EKT的教育学应用 |
| 4.3 实验分析 |
| 4.3.1 融合学习因素的知识跟踪模型效果评估 |
| 4.3.2 融合题目语义的知识追踪模型效果评估 |
| 4.4 本章小结 |
| 第5章 在线学习平台中的个性化推荐方法 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.3 问题定义及框架描述 |
| 5.4 基于多学习目标的个性化推荐方法 |
| 5.4.1 优化目标 |
| 5.4.2 题目估值Q网络 |
| 5.4.3 学习目标定义 |
| 5.4.4 算法与参数优化过程 |
| 5.5 实验分析 |
| 5.5.1 数据介绍与分析 |
| 5.5.2 模型与实验参数设置 |
| 5.5.3 离线场景下的推荐实验分析 |
| 5.5.4 在线场景下的推荐实验分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 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 |
（3）基于文本处理与合作关系的高校教师推荐系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 推荐系统研究现状 |
| 1.2.2 文本处理研究现状 |
| 1.2.3 网络挖掘研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关理论及技术 |
| 2.1 文本处理技术 |
| 2.1.1 文本预处理 |
| 2.1.2 词袋模型 |
| 2.1.3 word2vec |
| 2.1.4 Text CNN |
| 2.2 网络挖掘技术 |
| 2.2.1 Deepwalk |
| 2.2.2 DHNE |
| 2.3 推荐算法 |
| 2.3.1 协同过滤 |
| 2.3.2 隐向量模型 |
| 2.4 本章小结 |
| 第三章 教师推荐算法设计与实现 |
| 3.1 算法总体设计 |
| 3.2 基于文本的推荐特征学习方法 |
| 3.2.1 预训练字向量 |
| 3.2.2 上下文特征 |
| 3.2.3 Dropout与 BN |
| 3.2.4 网络加深 |
| 3.2.5 获取文本特征 |
| 3.3 基于关系网络的推荐特征学习方法 |
| 3.3.1 超边采样与对齐 |
| 3.3.2 自编码器嵌入 |
| 3.3.3 获取网络特征 |
| 3.4 FLTR4Rec |
| 3.4.1 训练目标 |
| 3.4.2 参数优化 |
| 3.5 数据获取与预处理 |
| 3.6 实验结果及分析 |
| 3.6.1 实验评价指标与对比基准 |
| 3.6.2 参数环境 |
| 3.6.3 实验分析 |
| 3.7 本章小结 |
| 第四章 教师推荐系统分析与设计 |
| 4.1 系统需求分析 |
| 4.1.1 功能性需求 |
| 4.1.2 非功能性需求 |
| 4.2 系统设计 |
| 4.2.1 数据库设计 |
| 4.2.2 逻辑架构设计 |
| 4.3 本章小结 |
| 第五章 教师推荐系统实现 |
| 5.1 系统实现 |
| 5.1.1 开发环境 |
| 5.1.2 URL配置 |
| 5.1.3 系统实现 |
| 5.2 系统测试 |
| 5.2.1 测试环境 |
| 5.2.2 系统功能测试 |
| 5.2.3 系统性能测试 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）基于状态预测的交通拥堵控制研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状与发展趋势 |
| 1.2.1 交通状态预测 |
| 1.2.2 过饱和交通信号优化控制 |
| 1.3 本文研究内容 |
| 1.4 本文组织结构 |
| 第2章 相关理论与技术 |
| 2.1 交通信号控制相关概念 |
| 2.1.1 交通信号控制主要参数 |
| 2.1.2 交通信号控制评价指标 |
| 2.2 交通信号控制经典模型和算法 |
| 2.2.1 交通流参数关系模型 |
| 2.2.2 交通信号优化控制经典方法 |
| 2.2.3 过饱和交通信号优化控制技术 |
| 2.3 本文算法及系统实现关键技术 |
| 2.3.1 支持向量机 |
| 2.3.2 卷积神经网络 |
| 2.3.3 循环神经网络 |
| 2.3.4 Spring框架技术 |
| 2.3.5 Netty网络通讯控制技术 |
| 2.4 本章小结 |
| 第3章 基于时空特征融合的交通状态预测模型 |
| 3.1 交通状态预测基本思路 |
| 3.1.1 交通运行特性分析 |
| 3.1.2 交通状态预测算法框架 |
| 3.2 交通数据获取及预处理方案 |
| 3.2.1 PEMS数据集介绍 |
| 3.2.2 交通数据的筛选和修复 |
| 3.2.3 交通状态影响因素分析 |
| 3.3 基于时空特征融合的交通状态预测方法 |
| 3.3.1 基于CNN和LSTM的交通时空特征提取 |
| 3.3.2 模型输入输出的数学描述 |
| 3.3.3 基于双通道特征融合的交通状态预测模型 |
| 3.4 实验结果及分析 |
| 3.4.1 实验环境和评价指标 |
| 3.4.2 交通流特征选择实验 |
| 3.4.3 交通空间超参数实验 |
| 3.4.4 CNN-SVM模型及LSTM-SVM模型结构实验 |
| 3.4.5 CNN/LSTM-SVM特征融合实验 |
| 3.4.6 本文模型和其他方法对比实验 |
| 3.5 本章小结 |
| 第4章 基于流量分配的拥堵瓶颈路段信号优化方法 |
| 4.1 交通拥堵控制算法基本思想 |
| 4.1.1 交通拥堵特性分析 |
| 4.1.2 交通拥堵信号优化算法主要思路 |
| 4.2 基于交通状态的拥堵瓶颈路段及瓶颈潜在路段处理 |
| 4.2.1 瓶颈路段待调节通行能力计算 |
| 4.2.2 基于路段剩余容量的瓶颈潜在路段处理 |
| 4.3 基于流量分配的瓶颈路段信号优化控制 |
| 4.3.1 基于流量负荷分配的瓶颈路段绿信比优化 |
| 4.3.2 基于车流启动的瓶颈路段相位差优化 |
| 4.4 实验结果及分析 |
| 4.4.1 基于VISSIM的仿真建模实验 |
| 4.4.2 基于安全排队系数的瓶颈潜在路段实验 |
| 4.4.3 基于流量分配的瓶颈路段信号优化实验 |
| 4.4.4 本文算法与其他算法对比实验 |
| 4.5 本章小结 |
| 第5章 城市交通拥堵控制子系统设计与实现 |
| 5.1 城市交通拥堵控制子系统需求分析 |
| 5.1.1 城市交通信号智能控制系统总体框架 |
| 5.1.2 城市交通拥堵控制子系统需求分析 |
| 5.2 城市交通拥堵控制子系统设计 |
| 5.2.1 城市交通拥堵控制子系统总体设计 |
| 5.2.2 城市交通拥堵控制子系统构架及模块结构设计 |
| 5.2.3 数据持久化结构设计 |
| 5.3 城市交通拥堵控制子系统实现 |
| 5.3.1 系统管理界面实现 |
| 5.3.2 城市交通拥堵查询子系统实现 |
| 5.3.3 城市交通拥堵信号控制子系统实现 |
| 5.3.4 交通数据库实现 |
| 5.3.5 系统测试 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 下一步工作展望 |
| 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 |
（5）高速网络访问超点检测算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 本论文专用术语 |
| 第1章 绪论 |
| 1.1 互联网中的访问超点 |
| 1.2 访问超点定义 |
| 1.3 访问超点检测现有相关工作 |
| 1.3.1 精确访问超点检测算法(统计方法) |
| 1.3.2 基于估值的访问超点检测算法 |
| 1.3.3 利用GPU加速访问超点检测 |
| 1.3.4 现有工作的不足 |
| 1.4 实验平台 |
| 1.4.1 CERNET南京主节点 |
| 1.4.2 NBOS的访问超点检测功能 |
| 1.4.3 IPTAS |
| 1.5 研究目标和研究内容 |
| 1.6 论文的组织结构 |
| 第2章 基于估算的访问超点检测算法 |
| 2.1 基数估算算法 |
| 2.1.1 基数估算算法原理 |
| 2.1.2 PCSA算法 |
| 2.1.3 LogLog算法与HperLogLog算法 |
| 2.1.4 LE算法 |
| 2.2 现有的访问超点的估算检测算法 |
| 2.2.1 DCDS算法 |
| 2.2.2 VBFA算法 |
| 2.2.3 CSE算法 |
| 2.2.4 CBF算法 |
| 2.3 访问超点检测算法的评价 |
| 2.3.1 错误率 |
| 2.3.2 占用内存 |
| 2.3.3 计算时间 |
| 2.3.4 适用环境 |
| 2.4 基于实测数据的实验对比(CPU平台) |
| 2.4.1 实验方案 |
| 2.4.2 实验数据 |
| 2.4.3 各组实验数据下的实验结果 |
| 2.4.4 各算法内存使用对比 |
| 2.4.5 各算法总错误率对比 |
| 2.4.6 各算法运行时间对比 |
| 2.4.7 实验总结 |
| 2.5 本章总结 |
| 第3章 基于GPU的实时访问超点检测框架 |
| 3.1 GPU通用计算 |
| 3.2 访问超点检测算法在GPU上运行的条件 |
| 3.3 现有算法在GPU上运行的可行性 |
| 3.3.1 不可并行的访问超点检测算法 |
| 3.3.2 可并行的访问超点检测算法 |
| 3.4 基于GPU的访问超点检测通用框架 |
| 3.4.1 算法初始化 |
| 3.4.2 缓存IP地址对 |
| 3.4.3 扫描IP地址对 |
| 3.4.4 估算访问超点 |
| 3.5 GPU实时访问超点检测实验 |
| 3.5.1 实验环境和实验方案 |
| 3.5.2 访问超点检测算法在GPU上运行的时间测度 |
| 3.5.3 DCDS算法在GPU上的运行结果 |
| 3.5.4 VBFA算法在GPU上的运行结果 |
| 3.5.5 CSE算法在GPU上的运行结果 |
| 3.5.6 不同GPU平台对算法运行时间的影响 |
| 3.5.7 GPU平台实验总结 |
| 3.6 本章小节 |
| 第4章 面向滑动时间窗口的访问超点检测算法 |
| 4.1 离散时间窗口与滑动时间窗口 |
| 4.2 滑动时间窗口下的基数估算与访问超点检测 |
| 4.2.1 滑动时间窗口下的基数估算 |
| 4.2.2 滑动时间窗口下的访问超点估算 |
| 4.3 模糊估值原理和滑动模糊估值器 |
| 4.3.1 模糊估值器 |
| 4.3.2 滑动模糊估值器 |
| 4.3.3 滑动线性估值器 |
| 4.4 基于SRE和SLE的访问超点检测 |
| 4.4.1 滑动估值器矩阵 |
| 4.5 SRLA算法 |
| 4.5.1 核心数据结构的更新方法 |
| 4.5.2 估算候选访问超点连接对端数 |
| 4.5.3 窗口边界的数据维护 |
| 4.5.4 SRLA在GPU上的并行实现 |
| 4.6 本章实验 |
| 4.6.1 实验目的与方案 |
| 4.6.2 SRLA算法在离散时间窗口下的实验结果 |
| 4.6.3 离散时间窗口下SRLA算法占用内存与错误率对比 |
| 4.6.4 离散时间窗口下SRLA算法运行时间分析 |
| 4.6.5 SRLA算法在滑动时间窗口下的实验 |
| 4.6.6 实验总结 |
| 4.7 SRLA算法总结 |
| 第5章 低状态维护时间的连接对端数估算算法 |
| 5.1 滑动时间窗口下低状态维护时间的计数器 |
| 5.2 基于异步时间戳的连接对端数估算算法 |
| 5.2.1 虚拟异步时间戳估计器 |
| 5.2.2 将VATE部署于GPU |
| 5.3 滑动时间窗口下的VATE实验 |
| 5.3.1 计数器个数对算法准确率和内存占用的影响 |
| 5.3.2 VATE运行时间分析 |
| 5.3.3 VATE算法实验总结 |
| 5.4 本章总结 |
| 第6章 分布式访问超点检测 |
| 6.1 分布式访问超点检测模型与难点 |
| 6.1.1 检测模型 |
| 6.1.2 要求与难点 |
| 6.1.3 本文的解决思路 |
| 6.2 基于RE的分布式访问超点检测算法 |
| 6.2.1 READ算法原理 |
| 6.2.2 分布式扫描IP地址对 |
| 6.2.3 生成全局候选访问超点 |
| 6.2.4 估算全局访问超点 |
| 6.3 基于GPU的分布式访问超点检测 |
| 6.4 滑动时间窗口下的分布式访问超点检测 |
| 6.5 READ算法实验分析 |
| 6.5.1 实验结果 |
| 6.5.2 READ算法与现有算法的内存和错误率对比 |
| 6.5.3 READ算法的运行时间对比 |
| 6.5.4 观测点与全局服务器传输数据分析 |
| 6.5.5 READ算法实验总结 |
| 6.6 本章总结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 本论文的创新点与成果 |
| 7.2.1 访问超点检测算法移植到GPU上的条件与通用框架 |
| 7.2.2 将模糊估值器引入访问超点检测算法 |
| 7.2.3 滑动时间窗口下的访问超点检测算法 |
| 7.2.4 滑动时间窗口下的异步时间戳计数器 |
| 7.2.5 分布式环境下低通信开销的访问超点检测算法 |
| 7.3 不足及展望 |
| 7.3.1 将SRLA部署在高速信道上或大规模网络边界实时运行 |
| 7.3.2 利用VATE算法实现访问超点检测 |
| 7.3.3 访问超点的分类研究 |
| 7.3.4 IPv6网络的访问超点检测 |
| 致谢 |
| 参考文献 |
| 附录A |
| 作者简介 (包括在学期间发表的论文和取得的学术成果清单) |
（6）环境干扰下的关联成像算法和目标特征提取研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 传统成像技术面临的挑战 |
| 1.1.2 关联成像的特点 |
| 1.2 关联成像的研究进展 |
| 1.2.1 关联成像理论的研究进展 |
| 1.2.2 关联成像系统的研究进展 |
| 1.3 关联成像的不足与发展趋势 |
| 1.3.1 关联成像的不足 |
| 1.3.2 关联成像的发展趋势 |
| 1.4 本文的主要工作与内容安排 |
| 第二章 关联成像模型建立与环境干扰下的成像性能分析 |
| 2.1 引言 |
| 2.2 赝热光关联成像原理分析 |
| 2.2.1 光源统计性质分析 |
| 2.2.2 光路传输中的光场变化 |
| 2.2.3 信号处理与计算 |
| 2.3 压缩感知关联成像仿真模型构建 |
| 2.3.1 压缩感知原理分析 |
| 2.3.2 压缩感知关联成像流程与模型分析 |
| 2.3.3 数值仿真和讨论 |
| 2.4 环境干扰下关联成像性能分析 |
| 2.4.1 关联成像质量与环境干扰因素的关系 |
| 2.4.2 环境干扰因素对关联成像系统的影响 |
| 2.4.3 数值仿真和讨论 |
| 2.5 本章小结 |
| 第三章 基于先验信息的反馈式关联成像算法研究 |
| 3.1 引言 |
| 3.2 反馈式关联成像算法研究 |
| 3.2.1 现有算法的重构模型分析 |
| 3.2.2 基于先验信息的反馈式重构算法设计流程 |
| 3.2.3 反馈式重构算法的可行性分析 |
| 3.3 基于邻域相似度的反馈式关联成像研究 |
| 3.3.1 目标的邻域相似度概念 |
| 3.3.2 基于邻域相似度的反馈式关联成像重构算法分析 |
| 3.3.3 重构算法参数分析 |
| 3.4 数值仿真与实验效果分析 |
| 3.4.1 基于邻域相似度的反馈式关联成像的仿真分析 |
| 3.4.2 基于邻域相似度的反馈式关联成像的实验验证 |
| 3.4.3 实验结果与仿真模拟的比较与讨论 |
| 3.5 本章小结 |
| 第四章 关联成像边缘检测方案研究 |
| 4.1 引言 |
| 4.2 关联成像边缘特征提取方法研究 |
| 4.2.1 图像边缘提取的数学原理分析 |
| 4.2.2 常见的图像边缘检测算子 |
| 4.2.3 “先成像-再提取”模式下的关联成像边缘检测分析 |
| 4.3 梯度关联成像方案研究 |
| 4.3.1 梯度关联成像方案的原理分析 |
| 4.3.2 基于边缘检测算子的梯度关联成像模型建立 |
| 4.3.3 数值仿真与实验验证 |
| 4.4 多方向梯度关联成像方案研究 |
| 4.4.1 多方向梯度关联成像原理分析 |
| 4.4.2 多方向梯度关联成像采样过程优化 |
| 4.4.3 仿真分析与实验验证 |
| 4.5 本章小结 |
| 第五章 关联成像角点检测方案研究 |
| 5.1 引言 |
| 5.2 基于关联成像结果的角点检测算法性能比较 |
| 5.2.1 角点的定义与性质 |
| 5.2.2 常用的角点检测算法 |
| 5.2.3 基于关联成像系统的角点检测方法研究 |
| 5.3 基于边缘的关联成像角点检测方法研究 |
| 5.3.1 GGI-CDE模式下的角点检测方案设计 |
| 5.3.2 GGI-CDE方案的算法参数分析 |
| 5.4 仿真与实验结果分析 |
| 5.4.1 仿真结果分析 |
| 5.4.2 实验结果分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（7）面向无人集群自主协同的信息处理智能优化方法研究（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 集群化是无人系统发展的重要方向 |
| 1.1.2 信息处理是无人集群自主协同的关键 |
| 1.1.3 “云端融合”为无人集群协同信息处理提供了一种新思路 |
| 1.1.4 无人集群协同信息处理面临的挑战 |
| 1.1.5 无人集群协同信息处理涉及的科学问题 |
| 1.1.6 本文研究的科学意义与实践意义 |
| 1.2 国内外研究现状 |
| 1.2.1 无人集群系统 |
| 1.2.2 无人集群信息处理架构 |
| 1.2.3 无人集群协同数据传输 |
| 1.2.4 无人集群协同计算处理 |
| 1.2.5 无人系统与深度学习 |
| 1.3 研究思路与内容 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容与创新点 |
| 1.3.3 论文结构 |
| 第二章 无人集群协同信息处理关键问题与框架设计 |
| 2.1 无人集群概念及相关系统 |
| 2.1.1 无人平台与无人集群 |
| 2.1.2 无人集群通信 |
| 2.1.3 无人集群计算 |
| 2.2 无人集群应用场景与交互模型 |
| 2.2.1 典型应用场景 |
| 2.2.2 系统与物理世界交互模型 |
| 2.3 基于云端融合的无人集群协同信息处理框架 |
| 2.3.1 无人集群协同信息处理框架 |
| 2.3.2 具体应用场景问题分析 |
| 2.4 本章小结 |
| 第三章 无人集群数据传输链路自主协同选择优化 |
| 3.1 引言 |
| 3.1.1 问题分析 |
| 3.1.2 相关工作 |
| 3.2 系统模型 |
| 3.3 无人集群链路选择博弈 |
| 3.3.1 博弈模型构建 |
| 3.3.2 博弈性质分析 |
| 3.4 分布式链路选择算法 |
| 3.4.1 算法设计 |
| 3.4.2 收敛性分析 |
| 3.5 实验评估 |
| 3.5.1 收敛性 |
| 3.5.2 性能提升 |
| 3.5.3 原型系统 |
| 3.6 本章小结 |
| 第四章 无人集群冗余数据自主协同上传优化 |
| 4.1 引言 |
| 4.1.1 问题分析 |
| 4.1.2 相关工作 |
| 4.2 系统模型与问题形式化 |
| 4.3 自适应分布式优化方法 |
| 4.3.1 关联上传决策 |
| 4.3.2 在线分布式调度算法 |
| 4.3.3 理论分析 |
| 4.4 实验评估 |
| 4.4.1 能耗-效用均衡 |
| 4.4.2 反馈延迟与取样大小对性能的影响 |
| 4.4.3 对信道状态的适应性 |
| 4.4.4 平台丢失的自适应性 |
| 4.4.5 性能比较 |
| 4.4.6 原型系统测试 |
| 4.5 本章小结 |
| 第五章 基于深度学习模型分割的云端协同计算 |
| 5.1 引言 |
| 5.1.1 问题分析 |
| 5.1.2 相关工作 |
| 5.2 预备知识 |
| 5.2.1 深度神经网络 |
| 5.2.2 迁移学习 |
| 5.2.3 差分隐私准则 |
| 5.3 面向安全与隐私的云端协同计算框架 |
| 5.3.1 框架概览 |
| 5.3.2 面向隐私的数据转换 |
| 5.3.3 噪声训练 |
| 5.4 实验评估 |
| 5.4.1 参数选择 |
| 5.4.2 隐私扰动对性能的影响 |
| 5.4.3 性能比较 |
| 5.4.4 隐私保护预算分析 |
| 5.4.5 原型系统测试 |
| 5.5 本章小结 |
| 第六章 基于知识萃取的计算模型云端协同训练 |
| 6.1 引言 |
| 6.1.1 问题分析 |
| 6.1.2 相关工作 |
| 6.2 面向安全与隐私的模型压缩框架 |
| 6.2.1 框架概览 |
| 6.2.2 模型压缩 |
| 6.2.3 安全与隐私保护 |
| 6.2.4 查询样本选取 |
| 6.3 实验评估 |
| 6.3.1 参数对性能的影响 |
| 6.3.2 隐私保护性能 |
| 6.3.3 模型压缩性能 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文主要工作 |
| 7.2 未来研究工作 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（8）国产异构跨平台开发环境研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究现状 |
| 1.3.1 国产操作系统替代Windows国内外现状 |
| 1.3.2 操作系统软件开发环境部署现状 |
| 1.4 论文的主要研究工作 |
| 1.4.1 研究问题和目标 |
| 1.4.2 研究内容 |
| 1.4.3 研究方法 |
| 1.4.4 研究创新点 |
| 1.5 论文组织结构 |
| 第二章 航天可视化常用开源库概述 |
| 2.1 相关概念介绍 |
| 2.1.1 zlib库 |
| 2.1.2 cURL库 |
| 2.1.3 libpng库 |
| 2.1.4 FreeType库 |
| 2.1.5 freeGLUT库 |
| 2.1.6 libjpeg库 |
| 2.1.7 GEOS库 |
| 2.1.8 Proj4库 |
| 2.1.9 GDAL库 |
| 2.1.10 OSG库 |
| 2.2 库间的编译依赖关系 |
| 2.3 本章小结 |
| 第三章 航天可视化常用开源库国产化移植 |
| 3.1 zlib库 |
| 3.2 cURL库 |
| 3.3 libpng库 |
| 3.4 FreeType库 |
| 3.5 freeGLUT库 |
| 3.6 libjepg库 |
| 3.7 GEOS库 |
| 3.8 Proj4库 |
| 3.9 GDAL库 |
| 3.10 OSG库 |
| 3.11 本章小结 |
| 第四章 探月工程遥操作作业平台的移植研究与实现 |
| 4.1 探月工程遥操作作业平台概述 |
| 4.2 方案设计 |
| 4.3 系统移植核心技术研究与实现一 |
| 4.3.1 软件安装与环境配置 |
| 4.3.2 项目导入 |
| 4.3.3 功能代码分析与修改 |
| 4.3.4 程序调试与问题解决 |
| 4.3.5 应用效果 |
| 4.4 系统移植核心技术研究与实现二 |
| 4.4.1 软件选择及初步配置 |
| 4.4.2 项目环境配置及编译 |
| 4.4.3 系统运行与结果分析 |
| 4.5 移植分析与总结 |
| 4.5.1 移植对比分析 |
| 4.5.2 代码修改及库的移植 |
| 4.5.3 Windows和中标麒麟操作系统对比分析 |
| 4.5.4 提高软件跨平台可移植性的建议 |
| 4.6 本章小结 |
| 第五章 航天可视化常用开源库自动化编译系统的设计与实现 |
| 5.1 自动化编译系统的设计 |
| 5.2 自动化编译系统的实现 |
| 5.3 实例说明 |
| 5.4 本章小结 |
| 第六章 开发环境对比分析 |
| 6.1 Cmake |
| 6.2 Qt Creator |
| 6.3 Code::Blocks |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文研究工作总结 |
| 7.2 研究工作展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（9）面向安全评估的攻击免杀技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第二章 杀毒软件的实现原理 |
| 2.1 静态分析技术 |
| 2.2 行为监控 |
| 2.2.1 Windows API |
| 2.2.2 进程注入 |
| 2.2.3 进程隐藏 |
| 2.2.4 网络监控 |
| 2.3 沙盒技术 |
| 2.3.1 Cuckoo |
| 2.3.2 Sandboxie |
| 2.4 杀毒软件技术总结 |
| 2.5 杀毒软件的查杀目标 |
| 2.6 杀毒软件的设计理念 |
| 2.7 本章小结 |
| 第三章 免杀技术研究 |
| 3.1 基础理论 |
| 3.2 混淆 |
| 3.2.1 汇编级混淆 |
| 3.2.2 源码级混淆 |
| 3.2.3 针对Windows的混淆 |
| 3.3 白名单 |
| 3.3.1 杀毒软件白名单 |
| 3.3.2 系统白名单 |
| 3.4 沙盒绕过技术 |
| 3.4.1 识别运行环境差异 |
| 3.4.2 识别用户痕迹 |
| 3.4.3 利用沙盒特性及缺陷 |
| 3.4.4 沙盒技术总结 |
| 3.5 新版本Windows下的免杀技术研究 |
| 3.5.1 基于功能类似API的免杀技术 |
| 3.5.2 基于非Win32 子系统的免杀技术 |
| 3.6 恶意代码特征定位 |
| 3.7 本章小结 |
| 第四章 免杀辅助工具及渗透测试代码投放平台设计 |
| 4.1 免杀辅助工具设计 |
| 4.1.1 静态特征定位模块设计与实现 |
| 4.1.2 行为特征库检索模块 |
| 4.2 渗透测试代码投放平台设计 |
| 4.2.1 免杀代码生成模块设计与实现 |
| 4.2.2 回连信息收集、展示模块设计与实现 |
| 4.3 本章小结 |
| 第五章 系统测试 |
| 5.1 测试环境 |
| 5.2 测试免杀辅助工具 |
| 5.2.1 Mimikatz.exe测试 |
| 5.2.2 Invoke-DllInjection.ps |
| 5.2.3 mshta.exe测试 |
| 5.3 测试渗透测试代码投放平台 |
| 5.3.1 渗透测试样本免杀率测试 |
| 5.3.2 平台功能测试 |
| 5.3.3 Meterpreter测试 |
| 5.4 结论分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（10）基于事件语义的篇章表示及应用研究（论文提纲范文）
| 主要创新点 |
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 篇章表示和理解概述 |
| 1.1.2 篇章任务所面临的问题 |
| 1.2 基于事件结构的篇章表示问题 |
| 1.3 论文结构 |
| 2 事件语义基础和篇章任务研究现状 |
| 2.1 事件定义 |
| 2.2 事件语义 |
| 2.3 事件抽取研究现状 |
| 2.4 篇章任务研究现状 |
| 2.4.1 标题生成研究现状 |
| 2.4.2 多文档摘要研究现状 |
| 2.4.3 主题分析研究现状 |
| 2.5 本章小结 |
| 3 基于双向传播的开放领域事件抽取 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.2.1 中文事件抽取 |
| 3.2.2 开放领域的事件抽取 |
| 3.2.3 向传播技术 |
| 3.3 向传播的事件抽取 |
| 3.3.1 候选事件抽取 |
| 3.3.2 事件模板生成 |
| 3.3.3 候选事件修正 |
| 3.4 实验及分析 |
| 3.4.1 实验设置 |
| 3.4.2 事件抽取结果 |
| 3.4.3 事件模板评估 |
| 3.4.4 标准语料事件抽取评估 |
| 3.4.5 错误分析 |
| 3.5 本章小结 |
| 4 事件驱动的标题生成 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 显着性事件学习 |
| 4.3.1 事件抽取 |
| 4.3.2 词汇链抽取 |
| 4.3.3 互增强的事件显着性学习 |
| 4.4 基于改进词图的标题生成模型 |
| 4.4.1 词图构建 |
| 4.4.2 路径评分策略 |
| 4.4.3 Beam搜索 |
| 4.5 实验及分析 |
| 4.5.1 实验设置 |
| 4.5.2 模型参数调节 |
| 4.5.3 性能评估 |
| 4.5.4 输出样例 |
| 4.6 本章小结 |
| 5 事件指导的多文档摘要生成 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.3 语句聚类 |
| 5.3.1 事件抽取 |
| 5.3.2 事件聚类 |
| 5.3.3 候选语句生成 |
| 5.4 基于SalMSC的多语句压缩 |
| 5.4.1 词图构建 |
| 5.4.2 多语句压缩 |
| 5.5 多文档摘要生成 |
| 5.5.1 子模函数 |
| 5.5.2 摘要生成 |
| 5.6 实验及分析 |
| 5.6.1 实验设置 |
| 5.6.2 模型参数调节 |
| 5.6.3 自动评估 |
| 5.6.4 人工评估 |
| 5.6.5 输出示例 |
| 5.7 本章小结 |
| 6 融入事件语义的主题分析 |
| 6.1 引言 |
| 6.2 相关工作 |
| 6.2.1 基于词的主题模型 |
| 6.2.2 基于高阶语义单元的主题模型 |
| 6.2.3 融入先验知识的主题模型 |
| 6.3 基于事件的简单主题模型 |
| 6.3.1 Event LDA模型 |
| 6.3.2 Event BTM模型 |
| 6.4 融入事件知识的主题模型 |
| 6.4.1 BTM模型的采样和推理 |
| 6.4.2 Event BTM+GPU模型 |
| 6.4.3 Event nBTM模型 |
| 6.4.4 Event nBTM模型推理 |
| 6.5 实验及分析 |
| 6.5.1 实验设置 |
| 6.5.2 内部评估 |
| 6.5.3 主题生成样例 |
| 6.5.4 外部评估 |
| 6.6 本章小结 |
| 7 总结与展望 |
| 7.1 全文总结 |
| 7.2 未来展望 |
| 中外文参考文献 |
| 攻博期间发表的科研成果 |
| 攻博期间参与的科研项目 |
| 致谢 |
四、XP下仍然需要的文档压缩工具（论文参考文献）
- [1]钢轨铣-磨修复加工机理及修复后轮/轨对偶匹配研究[D]. 刘佩杰. 华南理工大学, 2020
- [2]面向个性化学习的数据挖掘方法与应用研究[D]. 黄振亚. 中国科学技术大学, 2020(01)
- [3]基于文本处理与合作关系的高校教师推荐系统设计与实现[D]. 胡金志. 西安电子科技大学, 2020(05)
- [4]基于状态预测的交通拥堵控制研究与应用[D]. 佘颢. 中国科学技术大学, 2020(01)
- [5]高速网络访问超点检测算法研究[D]. 徐杰. 东南大学, 2019(11)
- [6]环境干扰下的关联成像算法和目标特征提取研究[D]. 陈熠. 国防科技大学, 2019(01)
- [7]面向无人集群自主协同的信息处理智能优化方法研究[D]. 王吉. 国防科技大学, 2019(01)
- [8]国产异构跨平台开发环境研究[D]. 徐博贤. 石家庄铁道大学, 2019(03)
- [9]面向安全评估的攻击免杀技术研究[D]. 胡嘉熙. 上海交通大学, 2018(01)
- [10]基于事件语义的篇章表示及应用研究[D]. 孙锐. 武汉大学, 2016(01)