一、IP数据网络混和流的特性分析及模型化(论文文献综述)
夏蜀[1](2021)在《数字生态平台下的文旅金融服务体系构建》文中提出在数字生态化进程中,旅游产业基于数据平台与文化产业融合,形成数字文旅的新业态;而金融业也进入了平台化创新的数字时代,它与文旅数字资源进行深度整合与共享,推动金融与旅游的数字化融合发展。服务主导逻辑作为一门新兴的前沿交叉理论,其动态多层次网络的服务生态系统方法,有力地解释数字生态平台下金融业与旅游业的资源整合和价值共创的问题,从而为研究数字文旅金融服务问题提供理论创新源泉。借助"一部手机游云南"这一数字文旅典型范例的研究分析,以平台旅游金融服务生态系统为研究框架,为"数字中国"建设中文旅金融服务体系的构建提供参考。
张永[2](2021)在《基于图卷积网络和显式张量表示的胶囊网络图分类方法研究》文中认为图作为一种较复杂的数据结构类型能够表示众多含有丰富信息的特征结构,其可以被用来刻画各种复杂数据特征以及结构特征之间的作用关系。目前,图结构数据在社交网络、电子购物、化学分子以及交通网络等领域有着非常广泛的应用场景。对于图结构数据的分类任务是,根据图数据节点或结构特征,在无监督下学习一组标记图形结构特征之间的关系将图结构数据进行多分类,并且能够正确地预测看不见的图形标签或结构。由于图结构数据既含有节点特征又包含结构特征,会造成特征信息的复杂性过高,在较大程度上增加了数据分类的难度。并且由于图结构数据尺寸大小的不规则性,限制了卷积神经网络(Convolutional Neural Networks,CNNs)技术在图数据分析领域的应用。本文主要针对大规模不同尺寸图结构数据分类及图数据特征表示问题,研究了基于全局池化和分层池化的图卷积网络模型和基于特征向量化表示的胶囊网络学习模型,以期达到提升图结构数据分类准确率的目的。本文的研究内容主要从以下两个方面展开:(1)提出一种基于得分丢弃池化机制的图卷积网络的图分类方法针对目前图结构数据特征提取过程中细节信息丢失和分类精度底下等问题,本文从非规则结构数据图池化操作难点问题出发,建立了一个基于得分丢弃机制的全局池化和分层池化图卷积网络模型。首先,将图数据特征经过图卷积层进行抽象特征的组合和提取;在基于得分丢弃的图池化层进行节点的按分数丢弃。其次,通过全局池化与分层池化后的特征数据向量通过读出层的拼接与整理形成的更高层抽象特征图。然后,再经过多层感知机网络与Softmax层组成的全连接网络将上层的结果特征进行分类。最后,实验证明了本文所构建的算法模型在D&D、PROTEINS、NCI-1和FRANKENSTEIN四个标准图数据集上取得了比Set2Set、SortPool、DiffPool和EigenPool等图池化网络模型更好的分类效果,同时具备更强的结构特征提取能力。(2)提出一种基于固定尺寸张量表示的胶囊网络的图分类方法为了更好的研究提取图结构数据的特征表示方式,来进一步提高图结构数据分类任务的精度。在上述研究工作的基础上,构建了一种基于图数据特征向量化表示的胶囊网络的图分类模型。首先,将不同尺寸大规模图数据通过节点序列的选择、根节点邻域范围的确定和图标准化过程形成w×k×d的三维数据块。其次,将三维图数据块通过卷积特征编码整理成胶囊单元的组成形式输入到胶囊网络中,利用胶囊间动态路由算法进行节点-边数据特征间的学习。然后,对特征学习过程中的张量提取、卷积层特征表示和胶囊网络表示层利用T-SNE数据可视化算法将高维数据映射到底维数据空间中进行可视化分析。最后,分别在三类九个 MUTAG、NCI-1,NCI-109、PTC、D&D、PROTEINS、ENZYMES、IMDB-B和IMDB-M标准图数据集上对本文所提出的方法进行实验测试,验证了本文提出算法的有效性。
刘昭阁[3](2021)在《城市公共安全的基层社会大数据治理分析方法》文中提出
宋新美[4](2021)在《基于SDN的融合网络管理系统的研究与实现》文中指出软件定义网络(Software Defined Networking,SDN)是为迎接网络规模扩张带来的网络技术挑战而提出的新型网络架构。随着SDN架构的应用推广,越来越多传统网络与SDN网络兼容并用的融合网络场景出现。但SDN网络交换设备与传统交换机在硬件架构、协议分层、管理协议等方面均存在着较大差异,并且SDN网络管理缺乏统一的管理协议支持,因此基于SDN的融合网络网络管理技术研究就显得尤为重要。在对SDN相关协议技术、OpenDaylight开源项目、SNMP协议等核心技术的研究基础上,本文研究并实现了一个基于B/S架构的SDN融合网络管理系统—SDNCNMS,针对融合网络管理系统中的三个核心问题进行研究并设计实现了具体的功能模块。1)针对融合网络自动化配置,本文在SDNCNMS中设计了基于SNMP4SDN的融合网络管理模型,借助OpenDaylight项目SNMP4SDN子项目中控制器对传统交换节点的配置能力,将融合网络对多类型设备的控制逻辑集中化,在应用层系统平面为网络管理者提供自动化配置入口,满足管理员基本网元配置需求。2)针对融合网络状态感知,本文采用SNMP与OVSDB分而治之的管理方式,充分结合简单网络管理协议与OVSDB在传统网络设备与SDN架构中的适配优势,实现了融合网络多类型设备在SDNCNMS系统中的集中信息管理。3)针对融合网络故障管理,SDNCNMS设计了基于拓扑HashMap存储的故障检测管理模式,并设计了基于拓扑节点、链路的故障检测算法,以常量级时间复杂度轮询检测融合网络中的节点、故障信息,并在故障告警管理模块提供告警信息管理,一定程度上实现了小范围单控制器融合网络的故障检测及告警管理。基于以上三个核心问题功能域的管理模型研究、设计及实现,SDNCNMS在客户端用户管理模块、自动化配置模块、网络状态感知模块、拓扑管理模块、故障管理模块为管理员用户提供了融合网络管理入口。通过对SDNCNMS的技术研究、架构设计、模块实现、功能测试,SDNCNMS的实现效果表明了本文实现的融合网络管理系统,可以有效满足管理员用户针对SDN融合网络的管理功能需求,帮助提高网络管理效率。
孙煜光[5](2021)在《基于图像处理技术的室外换热器脏堵诊断与磨损研究》文中进行了进一步梳理空气源热泵作为可再生能源利用技术之一,在清洁供暖的背景下得到广泛应用。管翅式换热器是空气源热泵常用室外换热器。暴露在室外的换热器工作时会出现积灰、脏堵、磨损等现象,尤其在西北地区常年多风沙等颗粒物,上述现象更加明显。颗粒物长时间在换热器表面的沉积与冲蚀,会形成脏堵与磨损,影响机组换热效率与运行安全,也与高效应用空气源热泵技术,为碳减排做贡献的初衷相违背,所以研究空气源热泵用翅片管式换热器脏堵与磨损具有重要的理论意义和实际应用价值。本文以空气源热泵用翅片管式换热器为研究对象,运用气固两相流理论,采用数值模拟的方法,计算了气相与离散相在换热器通道内的运动规律,分析了气流速度、颗粒物粒径、浓度与沉积和冲蚀之间的关系及其脏堵与磨损形成规律;同时在数值模拟与图像处理以及实际运行的室外换热器图像信息的基础下,提出适用于ASHP室外换热器脏堵程度的识别方法,并对其进行试验验证。主要研究结论如下:(1)颗粒物运动轨迹受曳力与惯性力的综合影响。小粒径颗粒物易受气流曳力影响,少部分小粒径颗粒物沉积在换热管迎风面的低压区域与背风面的涡流区域;大粒径颗粒物易受惯性力影响,沉积在换热器底部区域。随气流速度增加,湍流区域面积增大,湍流区域内小粒径颗粒物数量增多,颗粒物与换热器表面碰撞的概率增大。(2)换热管与翅片表面颗粒物沉积率,随气体流速增加呈先增大,后减小的趋势;翅片表面颗粒物沉积率小于换热管表面颗粒物沉积率;随颗粒物粒径的增大,翅片与换热管表面沉积率呈先增大,后减小,最后趋于平缓的趋势;换热管与翅片表面的平均沉积率随颗粒物浓度的增大而增大。(3)换热管与翅片表面平均磨损率,随气体流速的增大而增大;随着颗粒物粒径的增大,换热器表面平均磨损呈先增大后减小最后趋于平缓的趋势,颗粒物粒径为25μm时,换热管的磨损率出现峰值;随着颗粒物浓度增大,换热器表面平均磨损率呈线性递增;在上述三个影响因素中,大粒径颗粒物产生的冲蚀磨损受气流速度的影响大于粒径的影响,浓度的影响程度最小;小于峰值粒径的颗粒物引起的冲蚀磨损中,粒径大小对冲蚀的影响大于气流速度的影响。(4)通过对实际运行的室外换热器脏堵图像信息进行处理,得到换热器表面脏堵系数随运行时间的变化关系,提出ASHP室外换热器脏堵程度识别方法。根据积灰前期颗粒物组织分散且沉积速率增量最大为依据,确定脏堵程度达到4%时为最佳除垢时间点,此时对应实际运行天数为84天。
李兴滢[6](2021)在《面向ZYNQ SoC平台嵌入式神经网络计算框架设计与实现》文中研究说明随着深度学习领域的发展以及智能边缘设备的迅速普及,在移动嵌入式设备上实现深度学习算法的需求越来越大,神经网络的研究成果不断落地于实际的生产、生活和服务,逐渐推广到嵌入式平台。将神经网络技术引入到具有资源受限的嵌入式平台,已成为未来深度学习技术进步和发展的主要趋势。然而,由于追求更高的精度,现有神经网络计算框架在功能越来越丰富的同时伴随着更复杂的运算,大量的内存需求和计算能力需求使得神经网络计算框架在资源受限、计算能力有限的嵌入式平台上部署成为难点。从而导致神经网络技术很难适应工业应用需求,在嵌入式领域的发展受到一定制约。因此,搭建性能优异且功耗较低的嵌入式神经网络计算框架是推进神经网络技术在嵌入式平台应用的关键。本文以ZYNQ SoC作为开发平台,首先实现了ZYNQ SoC嵌入式平台的Linux操作系统移植,并设计实现了图像采集输入模块,以构建完整的神经网络应用系统。其次,针对现有的神经网络计算框架计算复杂、占用存储资源多的问题,本文对开源神经网络框架Dark Net进行扩展和改进,引入了深度可分离卷积算法以及轻量神经网络模型Mobile Net V2。最后,针对框架中GEMM算法计算量大、耗费资源多的问题,使用了ARM NEON汇编指令以及Open BLAS对该算法进行了优化,得到了面向ZYNQ SoC的嵌入式神经网络计算框架。通过实验对比,证实了改进后的框架在计算效率方面有较大提升,并且在一定程度上降低了资源消耗。本文所做的贡献和创新点如下:1)为了使设计的框架能够应用到实际场景中,本文设计并实现了图像采集输入单元。针对ZYNQ SoC裸机环境开发难度大的问题,采用面向操作系统开发的方法,实现了Linux操作系统的U-BOOT、Kernel以及ramdisk配置和移植。建立了神经网络计算框架对数字图像进行处理和分类的完整系统。通过实验可以得出,该模块采集的图片可以提供给神经网络进行处理,在本文改进的框架中进行分类识别,并且保持了原有的识别精度。2)为了解决嵌入式平台资源有限、算力低的问题,本文对轻量级开源神经网络框架Dark Net进行改进,在其基础上引入了深度可分离卷积算法,并结合该算法实现了高效的轻量神经网络模型Mobile Net V2。极大降低了卷积计算的复杂度和参数量,在保持准确度的同时尽可能减少了存储资源和算力需求。通过实验进行对比,可以看出使用可分离卷积的Mobile Net V2网络模型具有很好的图像分类能力,并且占用资源较少、计算效率高。3)为了解决卷积计算量大,占用资源多的问题,结合ZYNQ SoC具备ARM Cortex-a9双核的优势,本文针对卷积计算中的核心算法GEMM矩阵乘法运算进行ARM NEON汇编指令优化,实现数据读取、矩阵相乘设计等运算;最后实现了利用Open BLAS对GEMM的优化。通过测试,可以看出,这两种方式都能有效提高卷积计算的计算效率,较好的提升了ZYNQ SoC平台神经网络计算的实时性。通过在ZYNQ SoC开发板上使用本文改进后的神经网络计算框架进行图像分类实验,计算速率得到了极大地提升,在保证了一定识别精度的同时有效降低了存储开销和算力需求,基本满足于实际应用需求。
张然[7](2021)在《命名数据网络缓存优化技术研究》文中提出近年来,随着互联网的蓬勃发展,网络流量的规模正在经历爆发式的增长。流量的爆炸给网络基础设施带来了沉重的扩容负担,如何充分利用现有基础设施以高效应对流量的增长是一个重要的问题。在所有的流量构成中,与内容分发相关的流量占到了90%以上,其中绝大部分都是重复的视频传输与文件分发。因此,内容与网络融合调度是网络发展的重要趋势。针对这一趋势,命名数据网络(Named Data Networking,NDN)被提出。NDN在架构中原生地支持了基于内容名查表转发与缓存的部署,可以将热门内容缓存到本地网络,用户请求在转发过程中可直接由本地缓存的内容所服务,进而降低了网络中冗余流量的传输。尽管NDN中的缓存带来了克服流量爆炸的希望,但是,传统的NDN仍然面临着基于缓存内容的查表转发效率不高、缓存放置决策不够合理、缓存调度受限的问题。本文针对上述问题展开了一系列的研究,取得了以下研究成果:1.提出了面向NDN缓存无法命中的内容请求快速筛选机制——基于自适应压缩字典树布隆滤波器的请求过滤器,(Adaptive Compression Trie based Bloom Filter,ACT-BF)。针对NDN基于内容名转发流程中缓存查表的性能瓶颈以及缓存查表命中率相对较低的特点,本文设计了基于自适应压缩树的布隆滤波器机制ACT-BF,可以在缓存查表时快速将无法缓存命中的请求筛选出来进行进一步的转发操作,从而降低了无法缓存命中的请求在缓存表中进行无意义的查表操作,缓解了缓存查表的负载压力,提升了NDN基于内容名查表转发的效率。2.提出了缓存服务位置可感知的缓存放置策略(Service Aware Optimal Caching Placement,SAOCP)与请求聚合可感知放置策略(PIT Aggregation Aware Optimal Caching,PAAOC)。针对NDN原生的网络层沿路缓存区别于传统应用层缓存的机制以及缓存对转发策略透明的特点,论文提出了缓存服务位置可感知的缓存放置策略SAOCP,通过结合沿路缓存机制、网络转发策略、底层拓扑、内容流行度等因素,综合进行缓存放置决策,提升了缓存放置的缓存命中率,减少了跨域流量的产生。此外,通过进一步将NDN转发结构中所提供的请求聚合能力纳入到缓存放置模型中,推导出了全网聚合后内容请求速率,据此提出了性能更好的PAAOC缓存放置策略。3.提出了网络设备与用户终端联合调度的NDN缓存系统,设计了基于区块链与智能合约的缓存资源供给激励机制内容与市场(Caching and Delivery Market,CDM),提出 了面向内容分发的分布式共识机制部分拜占庭容错(partial Practical Byzan-tine Fault Tolerance,pPBFT),并在给定 缓存激励机制 下设计了基于强化学习的激励可感知缓存放置策略(Incentive-Aware Caching Placement,IACP)。针对NDN的缓存部署集中于网络基础设施、缺少用户间协作进而导致整网缓存调度受限、缓存利用效率低下的问题,本文提出网络设备与用户终端联合调度的NDN缓存系统。为解决缓存调度时缓存提供者的分享意愿对缓存性能的限制问题,本文提出了基于区块链与智能合约的缓存资源供给激励机制CDM,激励缓存提供者的缓存分享意愿。针对激励机制中对内容分发高频验证的需求,提出了高效的内容分发共识机制pPBFT,改善了传统区块链共识效率低、难以支撑内容分发共识的问题。进一步,基于给出的缓存激励机制,提出分享意愿最大化的缓存放置策略IACP,通过维持缓存提供者的缓存分享意愿在较高水平,实现最大化的缓存放置性能。
潘越[8](2021)在《区域旅游吸引力与游客流动倾向响应研究》文中研究指明旅游目的地建设的“各自为政”和游客出行的“两极化”已成为制约区域旅游业高质量、可持续发展的核心问题。结合理论研究的网络化转化和区域旅游一体化发展的实践需求,提出区域旅游吸引力空间网络结构及其与游客流动倾向响应关系研究的构建思路和方法,以期为区域性旅游空间规划的编制提供理论依据。本文在界定相关概念的基础上,应用流动空间理论、空间相互作用理论、旅游空间结构理论、旅游供求均衡理论以及机器学习理论等理论,对区域旅游吸引力与游客流动倾向响应关系进行探究。遵循“研究框架-实证研究-优化提升”的逻辑思路,其中研究框架部分以“网络结构构建→结构特征提取→响应效果检验→响应系统模拟”的递进式思路成文,主要的研究内容概括为以下几个方面:第一,构建区域旅游吸引力网络结构。基于空间相互作用理论,以特定区域为研究范围,以区域内城市为节点,融合网络、交通、气象以及统计年鉴等多源异构数据,对区域O-D旅游吸引力作用强度进行测算,进而构建区域旅游吸引力网络结构,为下文网络结构特征分析奠定基础。第二,剖析区域旅游吸引力网络结构特征。围绕“空间差异-空间关联-空间集聚”构建区域旅游吸引力网络结构的特征提取框架,分别构造原值、二值、Top三种网络形式,综合运用GIS数据分析方法、社会网络分析方法、复杂网络分析方法等,互补揭示区域旅游吸引力网络演化特征及结构特征。第三,检验区域旅游吸引力与游客流动倾向响应关系。基于游客流动倾向视角,探讨旅游吸引力网络的空间效率。以“百度指数-网络关注度”为O-D游客流动倾向对流数据来源,构建区域游客流动倾向网络,在明晰旅游吸引力与游客流动倾向体系的交互响应机理的基础上,多维尺度探讨二者响应效果。第四,建立区域旅游吸引力与游客流动倾向响应系统预测模型。基于地理探测器模型,筛选区域旅游吸引力影响核心指标;借助BP神经网络模型,模拟旅游吸引力与游客流动倾向响应系统运行机理。进而未来可通过设定不同情境,预测区域旅游吸引力与游客流动倾向响应关系,为对策建议的制定奠定理论基础。第五,开展实证研究。以京津冀地区为典型案例区,以“五一”小长假为研究时段,构建京津冀区域旅游吸引力网络结构,多角度、全方位剖析区域网络结构特征,探究京津冀区域旅游吸引力与游客流动倾向响应效果,并根据测算结果,训练BP神经网络,为京津冀地区旅游一体化的理论构建与战略设计提供理论支撑。第六,提出区域旅游吸引力与游客流动倾向响应水平提升对策。根据理论研究与实证结果,结合现实政策确立,从统筹制定区域旅游业发展整体规划、合理优化区域旅游吸引力网络结构、科学引导区域旅游者行为、加快推进区域旅游高质量发展等方面开展对策解析,力求区域旅游吸引力与游客流动倾向的最佳匹配。
程子轩[9](2021)在《面向用户知识需求的微信公众平台知识资源聚合及服务研究》文中进行了进一步梳理移动互联网时代,微信公众平台已成为人们交流、休闲、学习、生活的一部分,随着以传播知识为主的微信公众号涌现,微信公众平台也逐渐成为人们获取知识的重要途径。一些综合性或专业领域微信公众号发布各类科普知识和前沿资讯,一些学术类微信公众号专业发布学术领域内相关的学术知识,部分高校学报和高校图书馆微信公众号还专门开设“学术播报”、“学术快讯”等专栏,用于发布学术讲座及学术前沿知识。各类机构或个人通过微信公众平台发布大量科普型知识、专业发展前沿资讯、专业学术知识以及学术专题等,能够满足不同专业和认知层面的用户知识内容的需求。然而,微信公众平台知识内容以用户生成为主,其庞大纷杂的微信公众平台账号主体导致了平台信息和知识质量的参差不齐、出现信息过载和迷航现象,对海量知识资源缺乏科学高效的组织和管理。当前,随着大数据、人工智能等技术的发展,简单提供知识资源内容已经无法满足微信公众平台用户知识服务需求。智能时代,用户对知识质量和知识服务模式提出了更高的要求,促使微信公众平台知识组织和服务转型。如何在海量纷杂的信息中筛选出真正需要和感兴趣的知识资源内容不仅是广大微信用户面临的困扰,更是微信公众平台需要关注并急需解决的问题。鉴于此,本文将知识聚合理论与方法引入到微信公众平台知识资源组织及服务研究中,提出了面向用户知识需求的微信公众平台知识聚合及服务体系框架。首先,构建了微信公众平台用户画像并对用户知识需求进行了分析,从知识单元和句子层面分别提出了基于标签聚类和基于摘要生成的微信知识资源聚合方法,并基于不同知识资源聚合方法设计了微信公众平台知识推荐服务和知识集成服务两种知识服务模式。最后提出了提升微信公众平台知识聚合及服务能力的对策建议。本文主要开展了以下方面的研究:(1)面向用户知识需求的微信公众平台知识聚合及服务体系框架构建。通过辨析知识聚合服务与用户知识需求之间的关系,明确了微信公众平台面向用户需求开展知识聚合的必要性和可行性。阐述了微信公众平台知识聚合概念、目标与原则以及聚合服务要素,认为微信公众平台知识聚合是为了满足用户个性化知识需求,通过计量分析、数理统计、数据挖掘、人工智能等方法分析挖掘知识单元的内在联系,将微信公众平台复杂多样化、数量庞大、无序碎片的领域知识资源重新组织和序化,形成结构完善的知识体系,为后续微信公众平台知识聚合服务提供资源保障。通过分析面向用户需求的微信公众平台知识聚合服务组成要素、动因及过程,提出了面向用户需求的微信公众平台知识聚合服务体系架构,将其划分为数据资源层、用户需求挖掘层、知识资源聚合层、服务提供层4个主要模块。(2)微信公众平台用户画像构建与需求分析。基于VALS2模型从宏观层面对微信公众平台使用者构建群体用户画像,将用户划分为初期引入参与型、成长型和成熟型用户3类,并绘制各类用户特征的标签词云。分析不同类型的用户知识需求形成的过程,并建立微信公众平台用户知识需求层次模型。综合用户画像和用户知识需求层次构建了微信公众平台用户知识服务需求模型,凸显微信公众平台知识服务现状与用户知识需求的巨大差距。(3)基于标签聚类的微信公众平台知识聚合方法。提出融合Word2vec模型和TextRank算法的微信公众平台知识资源标签抽取方法,将关键词作为标签表达文本知识资源内容的主题思想及关键内容。提出基于改进BIRCH聚类算法的微信公众平台文本标签聚类方法,在原算法执行过程中融合K-means算法初选聚类中心,并综合考虑用户需求因素。最后以微信公众平台发布的“认知计算”领域文章为例进行实证研究,研究发现本文提出的基于改进Birch算法的聚类结果主题分布较为合理,各个类之间的区分度较为明显,类簇大小的差距较小,其效果要优于基于K-means算法、基于Spectral Clustering算法和基于Birch算法的聚合效果。(4)基于摘要生成的微信公众平台知识聚合方法。提出基于改进TextRank算法的微信公众平台知识摘要生成方法,分别设计了单文本摘要生成和单领域多文本的知识摘要生成方法。在单文本摘要生成方面,通过综合考虑用户需求、句子位置、标题相似度等因素提高摘要生成效果。在单领域多文本摘要生成方面,采用Doc2vec模型进行文本向量化,对文档集中的句子进行主题细分,并运用MMR算法进行句子冗余处理,提高生成结果的准确性。以微信公众平台发布的“认知计算”领域文章为例进行实证研究,研究发现运用本文方法生成的文本摘要能够较好的匹配用户需求,能够实现面向用户需求的个性化抽取和生成,准确率明显优于其他算法。且本文算法生成的摘要,具有较好的语意连贯性,便于读者的理解和进一步掌握文章主旨大意。(5)基于知识聚合的微信公众平台创新知识服务模式。以微信公众平台知识聚合及服务体系框架为基础,针对不同层面的知识聚合,构建了基于知识标签聚类的微信公众平台知识推荐服务和基于摘要生成的微信公众平台知识集成服务两种服务模式。分别阐述了两种知识服务的概念、知识服务要素和知识服务过程。(6)微信公众平台知识聚合及服务能力提升对策。分别从用户知识需求外化表达及挖掘、新技术应用和融合改进和微信公众平台创新服务理念及加强运营管理三个方面提出提升微信公众平台知识聚合及服务能力的对策建议。本文从理论层面将知识聚合理论和方法引入到微信公众平台,解决其知识组织和服务问题,扩展了知识聚合相关研究的领域和视角。同时,本文对微信公众号发布的知识内容进行知识主题聚类和自动化摘要生成,并建立了相应的知识聚合服务体系,丰富了社交媒体平台创新知识服务理论体系,为新媒体知识服务提供理论和技术支持。在实践层面,本文面向微信公众平台中不同微信公众号发布资源内容的知识聚合,分别进行了知识主题发现和自动生成摘要知识聚合技术实证,为微信公众平台知识资源组织管理提供了技术方法和手段。同时,提出的对策建议和服务模式也为微信公众平台开展创新型知识服务提供参考依据和建议。
王小丽[10](2021)在《基于SOPC的雾天交通图像边缘实时检测研究》文中研究指明边缘计算通过在终端设备和云之间引入边缘设备,将云服务扩展到网络边缘。对于交通领域来说,雾霾天气下,户外交通成像设备采集的图像严重降质,并且随着设备的增多,数据量也急剧上升,亟需引入“边缘设备”来处理数据以减轻网络负担和减少存储空间。在此基础上,本文以雾霾天气下的交通图像为目标,基于SOPC开发平台,将滤波去噪、图像去雾、边缘检测及形态学运算有效整合集成到一个IP核中,实现雾天交通图像边缘的实时检测。本文以Zynq-7000开发平台为“边缘设备”,采用Xilinx公司推出的高层次综合工具Vivado HLS设计雾天交通图像边缘实时检测IP核,实现雾天交通图像边缘检测的硬件加速,并利用软硬件协同处理优势,结合现有IP核搭建雾天交通图像边缘实时检测系统。本文主要研究以下几个内容:(1)对图像滤波、图像去雾算法、图像的边缘检测算子、形态学运算进行分析,寻找这几类图像处理算法的共性进行集成,将输入彩色图像分割为三通道分量,分别进行相关的图像处理,结合HLS设计特点及实际需求对三通道融合进行修正。(2)研究雾天图像及其直方图的特征以及HLS设计的特点,经过分析设计,利用HLS高层次综合工具,将滤波去噪、直方图均衡化、Sobel边缘检测和形态学运算有效集成在一个IP核中,实现对雾天交通图像边缘检测IP核的设计。(3)以“实时”为目标,研究HLS综合工具的优化措施和策略,对比分析不同的优化方案,从资源占用和时间效率上考虑选择最适合的方案,导出IP核。(4)利用Vivado工具,结合现有的IP核和自定义IP核,搭建雾天交通图像边缘实时检测系统,并通过Vivado SDK在开发板进行驱动调试。最后,在Zedboard开发板上进行验证,并根据综合报告进行系统性能分析。通过FOM品质因子对包括雾天交通图像边缘实时检测IP核边缘检测结果性能分析;从功耗、资源及时序对整个系统的性能分析。实验结果表明,基于SOPC实现的雾天交通图像边缘检测系统,达到了实时的处理要求。
二、IP数据网络混和流的特性分析及模型化(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、IP数据网络混和流的特性分析及模型化(论文提纲范文)
(1)数字生态平台下的文旅金融服务体系构建(论文提纲范文)
一、问题的提出 |
二、服务生态系统:数字化时代文旅产业系统新范式 |
(一)数字文旅的服务(生态)系统结构 |
(二)服务(生态)系统的数字生态平台 |
三、文旅金融:从互联网模式到平台金融模式 |
(一)既有的旅游金融互联网模式 |
(二)平台金融的服务系统与模式 |
(三)数字生态平台下的文旅金融 |
四、案例讨论:平台旅游金融系统的价值共创 |
(一)“一机游”的数字文旅典型案例 |
(二)平台金融与数字文旅的系统耦合 |
(三)基于旅游场景与IP的金融模式创新 |
五、策略建议:构建数字文旅金融服务体系路径 |
(一)深化平台旅游金融服务生态系统互动耦合 |
1. 基于数字生态扩展金融功能的外延模块 |
2.鼓励金融机构开展文旅金融的平台化创新 |
3.吸引互联网金融与数字文旅平台对接 |
(二)针对数字文旅特性强化金融基础设施建设 |
1. 形成网联支付架构 |
2. 提升云端服务能力 |
3. 营造良好信用环境 |
4. 建立风险分担机制 |
(三)提升旅游场景的资源整合与文旅IP应用 |
1. 构建立体智能化的金融场景 |
2. 探索建立文旅IP质押融资制度 |
(2)基于图卷积网络和显式张量表示的胶囊网络图分类方法研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 本课题研究现状 |
1.2.1 基于图核的图分类方法研究现状 |
1.2.2 基于特征向量构造的图分类方法研究现状 |
1.2.3 基于图神经网络的图分类方法研究现状 |
1.3 本文的主要工作 |
1.4 本文结构安排 |
2 相关基础理论 |
2.1 图的基本定义 |
2.2 图的属性指标 |
2.2.1 图的节点属性特征 |
2.2.2 图的全局结构属性 |
2.3 图数据分类流程 |
2.4 图卷积网络基础理论 |
2.4.1 图信号与图的拉普拉斯矩阵 |
2.4.2 图的傅里叶变换 |
2.4.3 图滤波器 |
2.5 本章小结 |
3 基于得分丢弃池化机制的图卷积网络的图分类方法 |
3.1 引言 |
3.2 基于全局池化和分层池化网络模型结构 |
3.2.1 基于全局池化的图卷积网络架构 |
3.2.2 基于分层池化的图卷积网络架构 |
3.3 基于得分丢弃池化机制的图卷积网络模型的构建 |
3.3.1 图卷积层 |
3.3.2 图池化层 |
3.3.3 读出层 |
3.3.4 全连接层 |
3.4 实验设计与结果分析 |
3.4.1 实验环境和参数设置 |
3.4.2 实验数据集与性能评价指标 |
3.4.3 实验结果及分析 |
3.5 本章小结 |
4 基于固定尺寸张量表示的胶囊网络的图分类方法 |
4.1 引言 |
4.2 图数据特征表示方法研究 |
4.2.1 节点序列的选择 |
4.2.2 根节点邻域范围的确定 |
4.2.3 图标准化过程 |
4.2.4 确定三维固定尺寸张量过程 |
4.3 胶囊网络特征学习算法研究 |
4.3.1 卷积特征编码网络过程设计 |
4.3.2 胶囊间动态路由算法 |
4.3.3 解码网络过程设计 |
4.3.4 损失函数设计 |
4.4 高维特征数据可视化模型的建立 |
4.5 实验设计与结果分析 |
4.5.1 实验环境和参数设置 |
4.5.2 实验数据集 |
4.5.3 实验结果及分析 |
4.6 本章小结 |
5 总结与展望 |
5.1 本文总结 |
5.2 研究展望 |
致谢 |
参考文献 |
攻读硕士期间主要研究成果 |
(4)基于SDN的融合网络管理系统的研究与实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 SDN的应用研究现状 |
1.2.2 基于SDN的融合网络管理研究现状 |
1.3 论文主要内容及组织结构 |
2 相关技术研究 |
2.1 SDN网络架构 |
2.2 OpenFlow协议技术 |
2.3 OpenDaylight Project |
2.3.1 OpenDaylight Controller |
2.3.2 RESTCONF访问协议 |
2.4 SNMP协议 |
2.5 本章小结 |
3 系统架构设计 |
3.1 系统总体目标 |
3.2 面向切面的系统架构 |
3.2.1 纵向切面的系统功能域划分 |
3.2.2 横向切面的功能模块设计 |
3.3 SDN融合网络环境设计与搭建 |
3.4 SDN_CNMS客户端软件框架与数据存储设计 |
3.4.1 软件框架设计 |
3.4.2 数据存储设计 |
3.5 SDN_CNMS服务端MD-SAL架构与OVSDB数据库 |
3.5.1 MD-SAL服务抽象 |
3.5.2 服务端OVSDB数据管理 |
3.6 本章小结 |
4 系统功能域实现 |
4.1 用户管理域 |
4.1.1 功能流程设计 |
4.1.2 相关类的设计与实现 |
4.1.3 用户管理域模块实现效果及测试 |
4.2 自动化配置域 |
4.2.1 基于SNMP4SDN的统一自动化配置域管理模型 |
4.2.2 传统网络设备配置 |
4.2.3 SDN网络设备配置 |
4.2.4 自动化配置域实现效果及测试 |
4.3 网络状态感知域 |
4.3.1 SDN_CNMS状态感知域管理模型设计 |
4.3.2 传统网络设备状态感知 |
4.3.3 SDN交换机数据感知 |
4.3.4 网络状态感知域实现效果及测试 |
4.4 故障管理域 |
4.4.1 网络拓扑感知 |
4.4.2 拓扑资源存储 |
4.4.3 故障检测算法 |
4.4.4 SDN_CNMS客户端拓扑管理模块实现 |
4.4.5 SDN_CNMS客户端故障管理模块实现 |
4.4.6 故障管理域实现效果及测试 |
4.5 本章小结 |
5 总结与展望 |
5.1 工作总结 |
5.2 未来工作展望 |
参考文献 |
攻读硕士学位期间发表的论文及成果 |
致谢 |
(5)基于图像处理技术的室外换热器脏堵诊断与磨损研究(论文提纲范文)
摘要 |
ABSTRACT |
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 积灰脏堵的形成机理研究现状 |
1.2.2 冲蚀磨损的形成机理研究现状 |
1.2.3 积灰、磨损对运行性能的影响研究现状 |
1.2.4 积灰脏堵故障检测与诊断研究现状 |
1.3 本文研究内容 |
第二章 颗粒物沉积与冲蚀数值模拟理论基础 |
2.1 两相流理论基础 |
2.2 颗粒物沉积理论基础 |
2.3 冲蚀磨损理论基础 |
2.4 颗粒物运动力学分析 |
2.5 数值模拟模型 |
2.5.1 连续相及离散相模型 |
2.5.2 几何模型及边界条件 |
2.5.3 计算域与网格 |
2.5.4 颗粒物沉积率及冲蚀率 |
2.5.5 网格无关性验证与流体计算模型验证 |
2.6 本章小结 |
第三章 颗粒物沉积与磨损的数值模拟 |
3.1 气相流场模拟结果与分析 |
3.2 颗粒物运动轨迹与分析 |
3.3 沉积率影响因素分析 |
3.3.1 气流速度对沉积率的影响 |
3.3.2 颗粒物粒径对沉积率的影响 |
3.3.3 颗粒物浓度对沉积率的影响 |
3.4 冲蚀率影响因素分析 |
3.4.1 气流速度对冲蚀磨损的影响 |
3.4.2 颗粒物粒径对冲蚀磨损的影响 |
3.4.3 颗粒物浓度对冲蚀磨损的影响 |
3.5 本章小结 |
第四章 基于图像信息的脏堵识别系统搭建及实验测试 |
4.1 图像处理技术基本理论 |
4.2 采集系统及试验台介绍 |
4.2.1 采集系统组成 |
4.2.2 试验台组成 |
4.3 测试结果及分析 |
4.3.1 换热器表面积灰过程 |
4.3.2 换热器表面脏堵系数 |
4.3.3 换热器表面除垢时间点确定 |
4.4 本章小结 |
结论与展望 |
结论 |
展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文及取得的科研成果 |
个人简历 |
(6)面向ZYNQ SoC平台嵌入式神经网络计算框架设计与实现(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 选题的背景和意义 |
1.2 国内外相关领域的研究现状 |
1.2.1 神经网络计算框架研究现状 |
1.2.2 神经网络模型研究现状 |
1.3 研究内容和组织结构 |
1.3.1 研究内容 |
1.3.2 组织结构 |
1.4 本章小结 |
第2章 神经网络原理及相关技术研究 |
2.1 绪论 |
2.2 神经网络 |
2.2.1 基本概念和思想 |
2.2.2 神经网络结构 |
2.3 卷积神经网络 |
2.3.1 卷积神经网络基本结构 |
2.3.2 卷积神经网络的特性 |
2.4 卷积计算加速技术研究 |
2.4.1 基于模型的优化方法 |
2.4.2 基于计算框架的优化方法 |
2.5 本章小结 |
第3章 基于ZYNQ Linux的图像采集模块构建 |
3.1 绪论 |
3.2 ZYNQ SoC硬件平台介绍 |
3.3 硬件环境搭建 |
3.4 软件环境开发 |
3.4.1 编译环境搭建 |
3.4.2 U-Boot配置 |
3.4.3 Linux kernel |
3.4.4 设备树文件 |
3.4.5 文件系统 |
3.5 系统移植 |
3.6 OV5640 图像采集模块 |
3.6.1 VDMA |
3.6.2 FPGA工程配置 |
3.7 本章小结 |
第4章 框架设计与实现 |
4.1 绪论 |
4.2 基于Dark Net框架的卷积计算优化 |
4.2.1 Dark Net框架简介 |
4.2.2 Dark Net中的卷积计算研究 |
4.2.3 深度可分离卷积算法实现 |
4.3 构建轻量神经网络模型 |
4.3.1 Mobile Net V2 网络结构 |
4.3.2 反向残差结构 |
4.3.3 线性瓶颈结构 |
4.3.4 Mobile Net V2 的实现 |
4.4 GEMM计算的NEON优化 |
4.4.1 ARM Cotex-a9 微处理器 |
4.4.2 基于NEON汇编指令的GEMM实现 |
4.5 GEMM计算的Open BLAS加速实现 |
4.6 本章小结 |
第5章 测试与分析 |
5.1 实验设计 |
5.1.1 开发环境部署 |
5.1.2 图像分类测试集 |
5.1.3 评价指标 |
5.2 板上测试及分析 |
5.2.1 功能性测试 |
5.2.2 性能测试 |
5.2.3 执行时间测试 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 工作总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(7)命名数据网络缓存优化技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.1.1 内容与网络融合调度问题的提出 |
1.1.2 内容与网络融合典型架构——NDN |
1.1.3 NDN缓存所面临的问题 |
1.2 研究内容 |
1.3 论文的组织结构 |
第二章 NDN缓存优化相关研究工作 |
2.1 NDN基于内容名查表的相关工作 |
2.1.1 NDN数据平面结构与查表机制 |
2.1.2 BF相关理论 |
2.1.3 存储介质相关技术 |
2.2 NDN缓存放置策略 |
2.2.1 合作与非合作缓存 |
2.2.2 被动与主动缓存 |
2.3 网络设备与用户终端缓存联合调度 |
2.3.1 MEC和D2D缓存 |
2.3.2 区块链系统 |
2.3.3 基于区块链的文件系统 |
2.4 本章小结 |
第三章 基于自适应压缩字典树布隆滤波器的NDN缓存快速查表筛选机制 |
3.1 引言 |
3.2 NDN缓存查表模型 |
3.3 基于自适应压缩字典树布隆滤波器的NDN请求过滤器 |
3.3.1 方案总览 |
3.3.2 压缩字典树布隆滤波器 |
3.3.3 自适应压缩字典树布隆滤波器 |
3.4 仿真验证 |
3.4.1 仿真设置 |
3.4.2 基于压缩字典树布隆滤波器的请求过滤器性能评价 |
3.4.3 基于自适应压缩字典树布隆滤波器的请求过滤器性能评价 |
3.5 结论 |
第四章 服务位置与请求聚合可感知的NDN缓存放置策略 |
4.1 NDN服务位置可感知的缓存放置 |
4.1.1 引言 |
4.1.2 服务位置可感知的缓存放置模型 |
4.1.3 缓存服务位置计算方法 |
4.1.4 缓存放置问题构建与求解 |
4.1.5 性能评价与讨论 |
4.2 NDN请求聚合可感知的缓存放置 |
4.2.1 引言 |
4.2.2 请求聚合可感知的缓存放置模型 |
4.2.3 请求聚合分析 |
4.2.4 缓存问题放置问题构建与求解 |
4.2.5 仿真结果与讨论 |
4.3 本章小结 |
第五章 网络设备与用户终端联合调度的NDN缓存系统 |
5.1 引言 |
5.2 系统设计与模型 |
5.2.1 系统架构 |
5.2.2 缓存子系统模型 |
5.2.3 激励机制与模型 |
5.2.4 区块链子系统与模型 |
5.3 智能合约与区块链共识协议 |
5.3.1 共识阶段1:基于pPBFT的智能合约共识 |
5.3.2 共识阶段2:基于DPoS和aBFIT的新区块生成 |
5.4 问题构建与求解 |
5.4.1 缓存放置MDP模型 |
5.4.2 缓存放置问题构建与求解 |
5.4.3 智能合约执行节点选择MDP模型 |
5.4.4 智能合约执行节点选择问题构建与求解 |
5.5 仿真与讨论 |
5.5.1 内容分发性能 |
5.5.2 交易执行性能 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
参考文献 |
附录1 缩略语说明 |
致谢 |
攻读学位期间发表的学术论文目录 |
(8)区域旅游吸引力与游客流动倾向响应研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景、目的和意义 |
1.1.1 研究背景 |
1.1.2 研究目的 |
1.1.3 研究意义 |
1.2 国内外研究现状分析 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 国内外研究评述 |
1.3 研究内容与研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
第2章 相关理论基础 |
2.1 相关概念 |
2.1.1 旅游吸引力 |
2.1.2 区域旅游吸引力网络结构 |
2.1.3 游客流动倾向 |
2.2 相关理论 |
2.2.1 流动空间理论 |
2.2.2 空间相互作用理论 |
2.2.3 旅游空间结构理论 |
2.2.4 旅游供求均衡理论 |
2.2.5 机器学习理论 |
2.3 本章小结 |
第3章 区域旅游吸引力网络结构构建 |
3.1 总体思路 |
3.2 网络范围界定 |
3.3 网络节点提取 |
3.4 网络连线赋权 |
3.4.1 测度模型选取 |
3.4.2 目的地影响力测评 |
3.4.3 客源地出游力测评 |
3.4.4 目的地-客源地时间距离测评 |
3.5 网络拓扑结构绘制 |
3.6 本章小结 |
第4章 区域旅游吸引力网络结构特征分析 |
4.1 区域旅游吸引力网络结构特征评价体系综合识别 |
4.2 基于原值网络的区域旅游吸引力空间差异特征认知 |
4.2.1 空间总体差异特征 |
4.2.2 空间相对差异特征 |
4.3 基于二值网络的区域旅游吸引力空间关联特征识别 |
4.3.1 数据处理 |
4.3.2 网络节点位置评价 |
4.3.3 整体网络结构评价 |
4.4 基于Top网络的区域旅游吸引力空间集聚特征判定 |
4.4.1 数据处理 |
4.4.2 网络集聚特征测度指标 |
4.5 本章小结 |
第5章 区域旅游吸引力与游客流动倾向响应关系检验 |
5.1 旅游吸引力与游客流动倾向交互响应机理 |
5.1.1 旅游吸引力驱动下游客流动倾向响应机理 |
5.1.2 游客流动倾向驱动下旅游吸引力响应机理 |
5.2 区域游客流动倾向测评 |
5.2.1 游客流动倾向数据来源 |
5.2.2 游客流动倾向衡量方式 |
5.2.3 游客流动倾向特征分析 |
5.3 区域旅游吸引力与游客流动倾向响应效果检验 |
5.3.1 区域总体响应效果 |
5.3.2 城市局部响应效果 |
5.3.3 城市间路径响应效果 |
5.4 本章小结 |
第6章 区域旅游吸引力与游客流动倾向响应系统预测模型建立 |
6.1 指标来源与处理 |
6.1.1 旅游吸引力相关指标 |
6.1.2 游客流动倾向相关指标 |
6.1.3 旅游吸引力与游客流动倾向响应关系衡量指标 |
6.2 基于地理探测器的影响因素遴选 |
6.2.1 地理探测器作用原理 |
6.2.2 地理探测器适用条件 |
6.2.3 地理探测器模块划分 |
6.2.4 基于地理探测器的影响因素遴选的基本步骤 |
6.3 基于BP神经网络的预测模型构建 |
6.3.1 BP神经网络模型概述 |
6.3.2 BP神经网络学习算法 |
6.3.3 基于BP神经网络的响应系统建模的基本步骤 |
6.3.4 对比模型构建 |
6.4 本章小结 |
第7章 实证研究——以京津冀地区为例 |
7.1 研究区域与数据来源 |
7.1.1 研究区域概况 |
7.1.2 研究时段截取 |
7.1.3 研究数据来源与处理 |
7.2 京津冀区域旅游吸引力网络结构构建 |
7.2.1 京津冀区域旅游吸引力各要素分析 |
7.2.2 京津冀区域旅游吸引力关系矩阵构建 |
7.3 京津冀区域旅游吸引力网络结构的空间维度特征分析 |
7.3.1 基于原值网络的京津冀区域旅游吸引力空间差异特征分析 |
7.3.2 基于二值网络的京津冀区域旅游吸引力空间关联特征分析 |
7.3.3 基于Top网络的京津冀区域旅游吸引力空间集聚特征分析 |
7.4 京津冀区域旅游吸引力与游客流动倾向响应关系检验 |
7.4.1 京津冀区域游客流动倾向测评 |
7.4.2 京津冀区域旅游吸引力与游客流动倾向响应效果 |
7.5 京津冀区域旅游吸引力与游客流动倾向响应系统模拟预测 |
7.5.1 基于地理探测器的指标遴选 |
7.5.2 基于BP神经网络的响应系统模拟 |
7.6 本章小结 |
第8章 区域旅游吸引力与游客流动倾向响应水平提升对策 |
8.1 统筹制定区域旅游业发展整体规划 |
8.1.1 强化多中心一盘棋思想 |
8.1.2 培育层次合理等级体系 |
8.1.3 推进跨区域旅游合作网络 |
8.2 合理优化区域旅游吸引力网络结构 |
8.2.1 打造高效交通网络体系 |
8.2.2 注重跨城市旅游线路整合 |
8.2.3 健全全方位旅游服务 |
8.3 科学引导区域旅游者行为 |
8.3.1 创新区域旅游营销模式 |
8.3.2 调节区域旅游流流向 |
8.3.3 管控区域旅游流流量 |
8.4 加快推进区域旅游高质量发展 |
8.4.1 积极推进智慧旅游建设 |
8.4.2 加大生态环境保护和治理力度 |
8.4.3 创新推动文旅融合发展 |
8.5 本章小结 |
结论 |
参考文献 |
攻读博士学位期间承担的科研任务与主要成果 |
致谢 |
(9)面向用户知识需求的微信公众平台知识资源聚合及服务研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景 |
1.1.1 微信公众平台成为用户获取知识的重要途径 |
1.1.2 微信公众平台知识资源海量庞杂且质量参差不齐 |
1.1.3 用户日趋追求精准和智能化的知识服务 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 实践意义 |
1.3 国内外研究现状 |
1.3.1 网络知识资源聚合的国内外研究现状 |
1.3.1.1 网络知识资源聚合的国内研究现状 |
1.3.1.2 网络知识资源聚合的国外研究现状 |
1.3.2 微信公众平台知识组织与服务的国内外研究现状 |
1.3.2.1 微信公众平台知识组织与服务的国内研究现状 |
1.3.2.2 微信公众平台知识组织与服务的国外研究现状 |
1.3.3 研究评述 |
1.4 研究方法及技术路线 |
1.4.1 主要研究方法 |
1.4.2 研究技术路线及思路 |
1.5 研究主要内容 |
1.6 研究的创新点 |
第2章 相关概念及理论基础 |
2.1 微信公众平台 |
2.1.1 微信公众平台概念 |
2.1.2 微信公众号的类型 |
2.1.3 微信公众平台知识资源 |
2.2 知识聚合理论与方法 |
2.2.1 知识聚合概念 |
2.2.2 常用的知识聚合方法 |
2.3 文本挖掘与分析 |
2.3.1 文本挖掘概述 |
2.3.2 文本挖掘流程 |
2.4 知识服务 |
2.4.1 知识服务概述 |
2.4.2 常见的知识服务模式 |
2.4.2.1 知识检索服务 |
2.4.2.2 知识导航服务 |
2.4.2.3 知识推荐服务 |
2.4.2.4 知识集成服务 |
2.5 本章小结 |
第3章 面向用户知识需求的微信公众平台知识聚合服务体系框架 |
3.1 微信公众平台知识聚合服务面向用户知识需求的必要性 |
3.2 微信公众平台知识聚合及服务概述 |
3.2.1 微信公众平台知识聚合概念 |
3.2.2 微信公众平台知识聚合服务要素分析 |
3.2.3 微信公众平台知识聚合服务目标与原则 |
3.2.3.1 微信公众平台知识聚合服务目标 |
3.2.3.2 微信公众平台知识聚合服务原则 |
3.3 基于知识聚合的微信公众平台知识服务动因分析 |
3.4 面向用户知识需求的微信公众平台知识聚合服务体系框架 |
3.4.1 面向用户知识需求的微信公众平台知识聚合服务过程 |
3.4.2 面向用户知识需求的微信公众平台知识聚合服务体系框架构建 |
3.5 本章小结 |
第4章 微信公众平台用户画像构建及需求分析 |
4.1 微信公众平台用户画像概述 |
4.1.1 微信公众平台用户画像内涵 |
4.1.2 微信公众平台用户画像构建原则 |
4.2 微信公众平台用户画像构建 |
4.2.1 VALS2模型概述 |
4.2.2 基于VALS2的用户标签体系设计 |
4.2.3 用户画像标签权重设计 |
4.2.4 实证研究—以“学术类微信公众号用户”为例 |
4.2.4.1 样本特征统计分析 |
4.2.4.2 因子分析及分类标签抽取 |
4.2.4.3 用户画像聚类分析及可视化 |
4.3 基于用户画像的微信公众平台用户分类与知识需求分析 |
4.3.1 初期引入参与型用户 |
4.3.2 成长型用户 |
4.3.3 成熟型用户 |
4.4 微信公众平台用户知识需求层次分析 |
4.4.1 微信公众平台用户知识需求形成 |
4.4.2 微信公众平台用户知识需求层次划分 |
4.5 微信公众平台用户知识需求模型 |
4.6 本章小结 |
第5章 基于标签聚类的微信公众平台知识聚合及推荐服务 |
5.1 微信公众平台文本标签聚类的内涵及作用 |
5.1.1 微信公众平台文本标签聚类内涵 |
5.1.2 微信公众平台文本标签聚类作用 |
5.2 基于标签聚类的微信公众平台知识聚合方法 |
5.2.1 微信公众平台文本标签抽取方法 |
5.2.1.1 基于TextRank算法的文本标签抽取方法 |
5.2.1.2 Word2vec词向量模型 |
5.2.1.3 融合Word2vec和TextRank的文本标签抽取方法 |
5.2.2 BIRCH聚类算法及优化 |
5.2.3 基于改进BIRCH算法的微信公众平台知识资源聚合过程 |
5.3 实证研究—以“认知计算”领域为例 |
5.3.1 文本知识资源标签抽取 |
5.3.2 基于标签聚类的微信公众号知识资源聚合 |
5.4 基于标签聚类的微信公众平台知识推荐服务模式 |
5.4.1 微信公众平台知识推荐服务概述 |
5.4.2 基于标签聚类的微信公众平台知识推荐服务要素分析 |
5.4.3 基于标签聚类的微信公众平台知识推荐服务模式构建 |
5.5 本章小结 |
第6章 基于摘要生成的微信公众平台知识聚合及集成服务 |
6.1 微信公众平台文本知识摘要生成的内涵及作用 |
6.1.1 微信公众平台文本知识摘要内涵 |
6.1.2 微信公众平台文本知识摘要作用 |
6.2 基于TextRank算法的文本摘要生成过程及改进思路 |
6.2.1 基于TextRank算法的文本摘要生成方法及过程 |
6.2.2 基于TextRank算法的文本摘要生成方法改进思路 |
6.3 基于改进TextRank算法的微信公众平台知识摘要生成方法 |
6.3.1 基于TextTank算法的文本摘要生成方法改进 |
6.3.1.1 句子语义相似度计算 |
6.3.1.2 句子位置特征及标题相似度特征计算 |
6.3.1.3 基于MMR算法的句子冗余处理 |
6.3.2 融合用户需求与图模型的单文本知识摘要生成方法 |
6.3.3 融合主题与图模型的单领域多文本知识摘要生成方法 |
6.3.3.1 Doc2vec段落向量模型 |
6.3.3.2 微信公众平台单领域多文本知识摘要生成流程 |
6.4 实证研究—以“认知计算”领域为例 |
6.4.1 基于单文本知识摘要生成的微信公众平台知识聚合 |
6.4.2 基于单领域多文本摘要生成的微信公众平台知识聚合 |
6.5 基于摘要生成的微信公众平台知识集成服务模式 |
6.5.1 微信公众平台知识集成服务概述 |
6.5.2 基于摘要生成的微信公众平台知识集成服务要素分析 |
6.5.3 基于摘要生成的微信公众平台知识集成服务模式构建 |
6.6 本章小结 |
第7章 微信公众平台知识资源聚合及服务能力提升策略 |
7.1 用户知识需求外化表达及挖掘 |
7.1.1 提升用户知识需求外化表达能力 |
7.1.2 深入挖掘用户多层次知识需求 |
7.1.3 培养用户知识服务评价和反馈意识 |
7.2 加大新技术应用和融合改进 |
7.2.1 引入新技术,优化和改进知识聚合方法 |
7.2.2 知识聚合服务系统搭建和开发设计 |
7.2.3 应用可视化技术加强用户服务体验 |
7.3 微信公众平台创新服务理念及加强运营管理 |
7.3.1 加强主动知识服务意识,创新知识服务理念 |
7.3.2 构建和开展多元化平台知识服务模式 |
7.3.3 加强专业知识服务人才队伍建设 |
7.4 本章小结 |
第8章 研究结论与展望 |
8.1 研究结论 |
8.2 研究局限与展望 |
参考文献 |
附录 |
附录1 微信公众平台用户知识服务需求调查问卷 |
附录2 单领域多文本知识摘要生成示例 |
作者简介及在学期间所取得的科研成果 |
致谢 |
(10)基于SOPC的雾天交通图像边缘实时检测研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.3 本文主要内容及章节安排 |
2 SOPC系统概述及FPGA设计思想 |
2.1 SOPC系统概述 |
2.2 ZYNQ的 SOPC系统 |
2.2.1 处理器系统 |
2.2.2 可编程逻辑 |
2.2.3 处理器系统与可编程逻辑的接口 |
2.2.4 Zedboard |
2.3 HDMI模块 |
2.4 FPGA的设计思想 |
2.5 本章小结 |
3 雾天交通图像边缘检测算法研究及边缘检测评价指标 |
3.1 图像去噪处理 |
3.2 图像去雾算法 |
3.2.1 直方图均衡化原理 |
3.2.2 彩色图像直方图均衡化 |
3.3 图像边缘检测算法 |
3.3.1 图像边缘的定义 |
3.3.2 Sobel边缘检测原理 |
3.3.3 彩色图像的边缘检测 |
3.4 形态学运算 |
3.4.1 膨胀运算 |
3.4.2 腐蚀运算 |
3.4.3 开运算与闭运算 |
3.5 边缘检测评价指标 |
3.5.1 ROC曲线 |
3.5.2 FOM品质因子 |
3.6 本章小结 |
4 基于VIVADO HLS的雾天交通图像边缘实时检测的研究与实现 |
4.1 VIVADO HLS相关技术 |
4.1.1 HLS工作机制 |
4.1.2 HLS设计流程 |
4.1.3 Open CV和 HLS视频库 |
4.1.4 HLS优化策略 |
4.2 自定义IP的设计流程 |
4.3 雾天交通图像边缘实时检测IP的研究及实现 |
4.3.1 HLS硬件加速处理流程 |
4.3.2 彩色图像处理格式的研究实现 |
4.3.3 雾天交通图像多算法处理的集成实现 |
4.3.4 基于HLS的 RGB三通道“叠加”实现 |
4.3.5 边缘检测结果的形态学运算 |
4.3.6 雾天交通图像边缘实时检测优化方案的实现与分析 |
4.4 本章小结 |
5 基于ZEDBOARD雾天交通图像的边缘实时检测系统的实现 |
5.1 硬件工程设计及实现 |
5.1.1 硬件工程 |
5.1.2 VDMA配置 |
5.1.3 摄像头IP核 |
5.1.4 硬件加速模块IP核 |
5.1.5 基于Vivado Design Suite的硬件工程搭建 |
5.2 基于SDK的软件工程建立 |
5.2.1 摄像头驱动 |
5.2.2 软件IP核的驱动 |
5.2.3 VDMA驱动 |
5.3 实验结果分析及性能评估 |
5.3.1 雾天交通图像边缘实时检测效果评估 |
5.3.2 雾天交通图像边缘实时检测系统性能分析 |
5.4 实验环境 |
5.5 本章小结 |
6 总结与展望 |
6.1 工作总结 |
6.2 未来工作展望 |
参考文献 |
攻读硕士学位期间发表论文及科研成果 |
致谢 |
四、IP数据网络混和流的特性分析及模型化(论文参考文献)
- [1]数字生态平台下的文旅金融服务体系构建[J]. 夏蜀. 云南社会科学, 2021(04)
- [2]基于图卷积网络和显式张量表示的胶囊网络图分类方法研究[D]. 张永. 西安理工大学, 2021(01)
- [3]城市公共安全的基层社会大数据治理分析方法[D]. 刘昭阁. 哈尔滨工业大学, 2021
- [4]基于SDN的融合网络管理系统的研究与实现[D]. 宋新美. 西安工业大学, 2021
- [5]基于图像处理技术的室外换热器脏堵诊断与磨损研究[D]. 孙煜光. 内蒙古工业大学, 2021(01)
- [6]面向ZYNQ SoC平台嵌入式神经网络计算框架设计与实现[D]. 李兴滢. 中国科学院大学(中国科学院沈阳计算技术研究所), 2021(08)
- [7]命名数据网络缓存优化技术研究[D]. 张然. 北京邮电大学, 2021(01)
- [8]区域旅游吸引力与游客流动倾向响应研究[D]. 潘越. 燕山大学, 2021(01)
- [9]面向用户知识需求的微信公众平台知识资源聚合及服务研究[D]. 程子轩. 吉林大学, 2021(01)
- [10]基于SOPC的雾天交通图像边缘实时检测研究[D]. 王小丽. 西华大学, 2021