一、层次模糊推理模型的研究及应用（论文文献综述）
杨赛[1]（2021）在《考虑弹性和可持续的XY公司供应商评价与选择研究》文中提出现代企业在追求可持续发展的同时,外部环境的复杂多变使得供应链日益面临中断风险的影响,供应链弹性也逐渐成为企业追求的重要目标。目前关于可持续供应链理论和弹性供应链理论在各自领域成果众多,但是结合弹性和可持续来进行供应商评价的却鲜有研究。XY公司同样面临着弹性供应链和可持续供应链管理的现实难题,本文构建出XY公司弹性和可持续性评价与选择指标体系,并对通过FIS模糊推理系统对XY公司备选供应商进行评价与选择,力图探索有效的解决办法。首先,回顾供应商评价、弹性及可持续供应链等文献,总结出理论研究现状;对XY公司进行实地调研,并分析供应商选择现状。确定出该公司存在的问题,主要有指标不全面,方法不客观,权重不合理等。然后,基于文献分析法和实地调研法初步确定了 25个考虑弹性和可持续的供应商评价与选择指标,并通过专家访谈法和问卷调查法最终构建了XY公司考虑弹性和可持续的供应商评价与选择指标体系,该指标体系包含一般指标、弹性指标和可持续指标三个方面12个标准。基于模糊隶属度函数的方法确定了评价指标的模糊加权评价值,运用重心法求得评价指标的清晰加权评价值,即FIS系统的输入值。结合模糊控制的逻辑,构建FIS模糊推理系统模型。最后,将FIS模型应用到XY公司供应商评价选择中来,从5个供应商中选择出最佳的供应商,为XY公司管理者提供决策参考。本研究通过对XY公司供应商评价与选择指标和方法进行研究,帮助其建立模糊环境下的弹性可持续供应商的评价与选择模型,可以帮助XY公司选择出最佳的供应商,为管理者提供决策帮助。
石英杰[2]（2021）在《基于病机模型的胸痹病中医智能辅助诊断方法研究》文中认为研究目的在中医理论和临床思维指导下,通过对中医辨证方法和病机理论的研究,引入适用于中医药异构数据特点的自然语言处理技术,构建适用于胸痹病智能辅助诊断的相关数据库。通过模拟临床上专科诊断路径设计基于胸痹病辨证要素的辨证模型,模拟全科诊断路径,构建基于病机模型的病机知识图谱,以胸痹病为例进行应用和验证,为中医智能辅助诊断方法研究提供一种新的思路。研究方法基于研究目的实现形式,研究工作包含了理论分析和应用验证两方面。（1）引入适用于中医药异构数据的自然语言处理技术,自动化采集胸痹病相关的诊疗标准数据及症状数据,结合人工校对构建适用于中医智能辅助诊断的相关诊断数据库;（2）通过对证素辨证等理论的研究,设计一种辨证要素的多层次表示框架,提取胸痹病辨证要素,应用深度学习技术,将中医辨证过程转化为多标签文本分类的算法构建辨证模型,模拟基于专科知识的中医辨证路径。（3）通过对中医病机与证候关系的理论研究,设计一种病机要素的层级框架,通过对《中医临床诊疗术语第2部分:证候》的证候病机数据进行提取与分析挖掘,分析症状体征与病机要素的关系、病机要素的组合模式挖掘、病机单元之间的逻辑关系分析,设计出结构合理的病机模型,并构建病机知识图谱用于病机推理和证候预测。（4）筛选胸痹病名老中医医案,分别应用基于辨证要素的辨证模型、基于病机模型的病机知识图谱,进行证候诊断的预测,评价两种方法各自的优势和劣势,探寻一种融合两种方法优势的中医智能辅助诊断实现方法。研究结果（1）在胸痹病中医智能辅助诊断相关的诊断数据库的构建中,引入了一种基于字的序列标注模型的自然语言处理技术来进行数据的自动化采集,明显提高了工作效率,减少了人为误差,共提取不同来源的胸痹病相关标准的证候22个,形成含有症状多维属性的证候-症状数据条目380条,诊断知识数据共提取相关证候125个,形成含有症状多维属性的证候-症状数据条目2619条。构建了含有症状概念词441个,症状词22758个的症状数据库,可以实现对输入症状的规范化处理,同时还可以将新增症状数据不断补充到数据库中,使得该数据库具备不断扩展的能力,实现对各种症状术语更高的识别率。（2）遵循中医思维和辨证过程,将中医证候细化分类,分为复合证、最小证、基本证（包含基本证兼夹型）的类别。通过还原辨证过程中证候诊断的推理过程,并对证候名称的组成要素进行分析,设计出辨证要素多层次表示框架,将辨证要素分为病位要素、病性要素（基本物质、病因、病理状态）、连接词2层5类。采用一种基于模式匹配思想的模式抽取方法,实现了辨证要素的自动化提取技术,通过测试完全准确占比达到71.4%;需部分人工校占比26.4%;完全错误占比2.2%。该方法适用于挖掘大批量中医药诊疗数据中的证候名称及辨证要素,为辅助诊断提供数据支持。（3）通过对胸痹病国家标准、教材、行业标准中的辨证要素的提取,构建了胸痹病的辨证要素多层次分类的数据集。以胸痹病辨证要素作为分类标签,应用深度学习技术,设计构建了症状-证素、症状-最小证、症状-证候三个多标签文本分类辨证模型,通过筛选出符合胸痹病诊断的名医医案进行模型的训练和测试,模型对辨证要素的预测准确率F1值能够达到82.90%,证候诊断准确率F1值达到72.08%。（4）通过对中医病机与证候的理论研究,梳理出了疾病、症状体征、病机与证候的关系,并进一步根据病机和证候名称的语义内涵进行分析,寻找病机模型构建的理论基础。以证候病机数据作为研究对象,通过对证候病机数据中提取的病机要素进行研究,设计出病机要素的层级框架,将病机要素分为具有4层32类,对《中医临床诊疗术语第2部分:证候》中的病机单元数据共5675条病机单元数据进行提取,共提取出病机要素851个。其中病位要素197个,病性要素619个,连接词44个。病性要素中基本物质30个,生理功能50个,病因207个,病理状态332个。然后分析症状体征与病机要素的关系、病机要素的组合模式、病机单元之间的逻辑关系,构建证候-病机单元-病机要素-症状体征的病机模型,并基于此模型,构建病机知识图谱,在病机知识图谱中实现知识检索和知识查询,同时可以实现病机推理和证候预测功能。（5）根据纳入标准筛选胸痹病的名老中医医案111例,在对症状体征信息规范化处理后,分别对基于辨证要素的辨证模型、基于病机模型的病机知识图谱进行应用测试。最终,基于辨证要素的辨证模型辨证准确34例,基本准确45例,错误32例,模型准确率71.17%;病机知识图谱辨证准确21例,基本准确52例,错误38例,病机知识图谱准确率65.77%。两种方法各有优势,基于辨证要素的辨证模型辨证准确率较高,病机知识图谱准确率略低,但是中间增加了病机要素推理过程,对于中医辨证思维的还原性较高,使得推理结果可解释性增加。（6）分别按基于辨证要素的辨证模型与病机知识图谱推理结果的权重按比例6:4和4:6进行融合方案的验证与测试。权重比为6:4的融合结果为辨证准确51例,基本准确35例,错误25例,总准确率77.48%;权重比为4:6的融合结果为辨证准确56例,基本准确36例,错误19例,总准确率达到82.89%,是几种方法中准确率最高的方案。研究结论（1）通过分析中医药异构数据的数据结构和语义特点,引入合适的自然语言处理技术,可以对中医药异构数据进行自动化处理,提高数据处理效率,降低人工成本,设计结构合理且包含症状多维属性的中医诊断数据库,能够实现很好的数据和知识扩展,为中医智能辅助诊断相关研究提供更好的数据支撑。（2）通过对中医证候名称数据的结构和语义表达规律进行研究,首次提出了一种辨证要素多层次表示框架,尤其适用于自然语言处理技术对中医证候数据的处理,应用基于模式匹配思想的模式抽取方法可以批量处理不同来源的证候数据。通过对胸痹病辨证要素的提取,以胸痹病辨证要素的多层次框架作为标签体系,使用深度学习技术,构建出症状-证素、症状-最小证、症状-证候多标签文本分类辨证模型。该辨证模型经过测试具有很好的准确率,可以用于胸痹病辨证诊断,模拟基于专科知识的中医辨证路径。（3）通过对中医病机与证候关系的理论研究,以证候病机数据作为研究对象,设计病机要素的层级框架,以及在该框架下将国家中医药管理局推广的最新修订的《中医临床诊疗术语第2部分:证候》中的病机单元数据进行提取,构建出证候病机数据库。通过分析挖掘症状体征与病机要素的关系、病机要素的组合模式规律、病机单元之间的逻辑关系,遵循中医辨证的基本思维方法,应用病机要素的层级框架设计病机模型,以病机为核心将症状体征和证候信息统一到同一框架之内,模拟类似全科辨证思维路径,构建病机知识图谱,实现病机推理和证候预测等功能。（4）本研究设计的基于辨证要素的辨证模型、基于病机模型的病机知识图谱在证候预测方面各有优劣,都具有一定的准确率,基于辨证要素的辨证模型诊断准确率较高,但是对部分复杂证候诊断准确率不如病机知识图谱;基于病机的知识图谱具有对病机要素的预测路径,使得辅助诊断的结果可解释性进一步增加,两种辅助诊断的方法具有一定的优势互补。进而研究中采用了基于一定权重比例的融合方案进行验证与测试,结果优于使用单一方法的准确率。因此,基于两种方法融合的方案应该是本研究的最佳方法。
王琴[3]（2021）在《基于模糊贝叶斯网络的装配式建筑质量风险管理研究》文中指出与传统建筑相较而言,装配式建筑具有现场施工便利、效率高等特征,这使得装配式建筑在我国迅速发展起来,有关政府部门也陆续出台了各种激励政策助推装配式建筑的发展。然而,由于建造模式的转型升级,相关标准及制度不完善、缺乏有经验的专业技术人员等,导致工程项目在建设过程中或多或少的存在着质量安全隐患,使得工程质量无法得到全面保障。此外,装配式建筑的质量风险不易进行量化,各风险因素间也存在着相互影响的关系,这对装配式建筑质量安全管理的深入研究造成了一定的困难,相关研究有待补充和完善。因此,为有效控制装配式建筑的质量风险,提升装配式建筑的质量安全管理水平,本文提出了基于模糊贝叶斯网络的装配式建筑质量风险评价模型,通过模型的强大推理分析能力来探究出对质量安全具有重要影响的风险因素,以及各个风险因素之间的关联性,从而得出有针对性的质量风险控制对策。本文主要研究内容及研究工作如下:首先,识别并分析了装配式建筑的质量风险因素。通过对装配式建筑质量风险管理的国内外相关文献进行归纳研究,初步筛选了装配式建筑的质量风险影响因素;采用问卷调查法对风险因素指标进行了修正,建立了装配式建筑质量风险因素指标体系。采用解释结构模型方法对装配式建筑设计阶段、生产运输阶段及现场装配施工阶段的质量风险因素进行了层级划分及因果关系分析研究,确定了造成各阶段质量风险的最根本因素和最直接因素,并为后文模糊贝叶斯网络模型的建立奠定了基础。其次,构建了装配式建筑质量风险评价模糊贝叶斯网络模型。在确定各节点变量值域的基础上,引入模糊数学等理论方法确定了贝叶斯网络的节点参数,将前文建立的解释结构模型图转换为贝叶斯网络的拓扑结构,进而运用Ge NIe数据分析软件构建了装配式建筑各阶段质量风险评价模糊贝叶斯网络模型;通过模型的诊断推理分析、敏感性分析和最大致因链分析得出了各分析维度下的装配式建筑质量安全管理中较为关键的风险因素。结果表明这三项分析识别出的关键和敏感因素基本保持一致,其中较为关键和敏感的因素主要有:缺少相关的技能和经验、设备问题、沟通协调不到位和缺乏质量管理信息系统等,并依据此结果有针对性地提出了质量风险的控制对策。最后,以北京某装配式建筑安置房项目为例,对该项目现场装配施工阶段的质量风险进行了分析。根据分析结果,将项目的相关数据信息输入该阶段对应的模糊贝叶斯网络模型进行推理应用,明确了此项目降低质量风险应重点控制的风险因素,从而有效减少质量安全事故的发生。上述研究成果将模糊理论与贝叶斯网络理论相结合的方法引入装配式建筑质量风险的管理研究,丰富了现有质量风险管理的研究成果,建立了一个涵盖面更广的装配式建筑质量风险因素指标体系,构建了基于解释结构模型的装配式建筑设计阶段质量风险因素、生产运输阶段质量风险因素、现场装配阶段质量风险因素的层次结构图,为后文贝叶斯网络拓扑结构建立提供了新的途径,并构建了装配式建筑质量风险评价模糊贝叶斯网络模型,通过多维度的推理分析结果提出了有针对性的质量风险控制对策,为提升装配式建筑质量安全管理水平提供了更为有效的科学管理方法。
张鹏程[4]（2021）在《村镇区域砌体结构信息智能获取与震害预测》文中研究指明砌体结构是我国村镇地区分布最广、数量最多的建筑结构类型之一。受经济条件等因素限制,村镇砌体结构普遍存在材料质量参差不齐、施工手段不规范等问题,导致其抗震性能较差,在遭遇地震灾害时往往会发生严重损毁,造成巨大的人员伤亡和经济损失。因此,对其进行准确的建筑信息获取和震害预测是村镇地区地震灾害风险评估的基础性工作。我国村镇区域建筑具有无数据、随机性强和结构形式多样的特点,获取其建筑信息是实现震害预测的前提和基础,传统的人工检测技术效率低、不经济,而先进的遥感测量技术在解决上述问题时还有待进一步完善。本文提出了一种图像识别与模糊推理相结合的村镇区域砌体结构信息智能获取方法,并进行村镇区域砌体结构的震害预测,具体研究工作如下:（1）提出一种村镇建筑几何信息以及结构类型预测方法。通过图像测量手段结合遥感技术实现村镇建筑几何信息的量测,同时搜集大量数据构建村镇建筑影像数据集,并建立基于卷积神经网络的村镇建筑结构类型图像识别模型,实现了村镇区域砌体结构的准确识别。（2）提出了一种基于模糊推理的村镇区域砌体结构隐蔽信息获取方法。该方法基于模糊数学理论与实际工程经验,构建了村镇砌体结构材料属性、构造信息、墙体配筋情况与经济收入水平,建造年代之间的模糊规则,并建立相应模糊推理模型,该模型可有效提取砌体结构隐蔽信息;同时依据结构的几何信息及地理坐标信息实现其墙体信息的预测。（3）建立了适用于村镇区域砌体结构的力学模型以及空间地震动场。通过拟合公式将获取的建筑信息转换为建立结构弹塑性分析模型所需的参数,将墙体单调骨架曲线进行叠加从而建立结构的多自由度剪切模型。依据目标区域的场地条件、土层结构等信息建立了考虑空间效应和局部场地效应的空间地震动场模型。（4）对内蒙古地区某典型村落进行了砌体结构信息智能获取及震害预测,结果表明,上述方法可以高效、准确地获取村镇区域砌体结构建筑信息,并通过对震害场景的模拟计算,有效预测村镇区域砌体结构震害。
陶晓玲[5]（2021）在《基于深度学习的网络安全分域态势评估研究》文中研究表明为了应对日益复杂、隐蔽的网络安全威胁,组织机构部署了大量的网络安全设备和系统,如防火墙、入侵检测、防病毒、安全审计等,这些措施和手段在一定程度上保证了网络系统的正常运行,但是其仍然具有一定的局限性,如它们大都属于被动的静态防护,不能适应当前网络复杂动态变化的安全需求;各种安全工具各自为战、功能分散,它们之间缺乏统一、有效的管理调度机制等,因此,业界产生了对实现跨域、全局把握网络安全状况的理论及工具的迫切需求。网络安全态势评估技术作为应对网络安全威胁较为有效的主动防御技术之一,近年来成为了业界研究的热点。当前网络呈现体系结构复杂、网络规模庞大、具有动态虚拟化管理方式等新特点,且面临的攻击行为逐渐呈现出大规模、协同、多阶段等特性,另外,内部用户威胁行为不容忽视,且愈演愈烈,致使已有的网络安全态势评估技术面临评估不够全面、准确、效率低等诸多问题。基于此,综合分析网络构成及运行状态、用户行为及操作过程存在或出现的安全状况,并结合深度学习技术,开展网络安全态势评估模型、态势要素提取、评估指标体系、网络域态势评估、用户行为威胁检测与评估方面的研究,论文的主要工作和贡献如下:（1）设计一种层次化的网络安全态势分域评估模型。由于内部用户行为的安全威胁对网络系统安全产生了不容忽视的影响,而很少有研究将用户行为作为安全态势评估因素,这也间接导致了评估结果的不全面和不可靠。基于此,引入分域的思想,设计一种层次化的网络安全分域态势评估模型。该模型加入并区分了基于用户行为的评估数据、因素及指标,实现了评估对象的相对完整性和全面性,分别从网络域和行为域两个方面对网络进行评估;采用了分层的体系结构,按照评估工作流程将模型分成了数据层、评估层及知识层。（2）提出一种基于逐层损失补偿深度自编码器的网络态势要素提取方法。由于当前网络环境下态势评估原始数据呈现多特征、高维度等特点,而且采用深度神经网络对其进行要素提取的过程中,随着数据维度降低,逐层的特征信息损失也不断加剧,最终影响态势评估的准确性。借鉴残差神经网络和拉普拉斯金字塔思想,提出一种改进深度自编码器的态势评估要素提取方法。该方法在深度自编码器的每个编码层都添加一个损失补偿模块,该模块首先利用编码层对应的解码层进行数据还原,其次,将计算得到的特征信息损失值补偿到对应的编码层输出中。实验结果表明,相比原始深度自编码器方法,该方法的loss收敛效果更好,且与其他方法相比,该方法对BP神经网络分类性能提升较显着。（3）提出一种基于层次聚类和层次分析法的态势评估指标体系构建方法。针对目前评估指标选取主观性强、指标体系缺乏完整性,导致态势评估不全面、评估结果可信度低等问题,结合层次聚类和层次分析法,创新性地提出一种态势评估指标体系构建方法。首先,建立分域指标体系层次结构模型,确定目标层和准则层中的综合性指标。其次,采用层次分析法量化评估因素,以减少属性赋值时的主观性;然后使用层次聚类将作用相似的评估因素自动聚类,并与综合性指标形成层次关系。最后,利用层次分析法筛选出有代表性的评估因素并构建优化的指标体系。通过真实网络环境中采集的数据进行实验,结果表明,与k-means聚类相比,层次聚类能自动形成评估因素之间的层次关系,且通过构建的指标体系得出的态势值可以反映实际网络的安全态势变化。（4）提出一种基于集成学习和GRU的网络域安全态势评估方法。针对机器学习评估模型因存在较大方差和均方误差使得决策过程不平滑,进而影响评估性能的问题,结合评估数据具有时间依赖特性,提出一种基于集成学习Subagging和GRU的安全态势评估方法。该方法利用GRU网络处理评估数据中的长时期依赖问题,并对其高维特征进行有效学习和表征;基于子采样方案的Subagging算法可以提升模型的泛化能力;同时,结合遗传算法对GRU网络的训练参数进行自动寻优。实验结果表明,基于GA的参数优化方法优于基于PSO的方法;与其他方法相比,提出的方法明显具有均方误差减少效应,评估性能更佳,且评估结果能较准确地拟合出真实的网络安全态势。（5）提出一种改进生成对抗网络的用户行为威胁检测与评估方法。由于用户行为评估正负样本数据分布极其不均衡,以及用户行为存在随机多变且不可预测等特点,结合生成对抗网络在小样本数据生成方面的优势,提出一种自适应滑动窗口的用户行为威胁检测与评估方法。该方法采用了滑动窗口算法,使得序列化的用户行为数据转换成能让生成对抗网络直接处理的矩阵数据,且考虑了用户行为之间的前后关联性,设计基于属性相似度的自适应滑动窗口机制,实现不同细粒度的用户行为威胁检测,在此基础上,根据设立的准则对检测结果进行行为威胁等级评估。实验结果表明,自适应滑动窗口的检测方法性能更佳;与其他典型方法相比,提出的方法准确率较高、误报率明显降低,且能有效评估用户威胁行为。
徐庆[6]（2021）在《基于模糊神经网络的宫颈细胞病变初筛模型研究》文中研究说明近年来,女性宫颈癌的患病率逐年提高,成为全球女性的主要癌症之一。子宫颈液基薄层细胞检查法（TCT）[1]被认为是发现早期宫颈癌前病变最可靠方法。本研究借助图像处理技术及模糊数学和神经网络建立了基于优化后的模糊神经网络、基于BP神经网络和卷积神经网络的初筛模型,目的是基于对宫颈细胞病理改变进行初步分类诊断,为病理诊断医生节省时间、提高诊断质量。本文借助文献分析法和实验分析法进行研究工作。文中模型建立主要包括四个步骤:.对原始图片做扫描后选择合适的图像处理技术进行三步预处理,包括分割细胞图像,进行有目的地删除背景信息、去噪以及增强感兴趣目标区域图像质量。将基于神经网络与小波变换技术结合的优化后的小波变换技术应用于宫颈细胞图像处理中;2.根据TBS[2]分类要求从图片中提取包括细胞核质比等重要的细胞特征;3.基于临床经验提出模糊推理层次,设计模糊规则;4.使用四种初筛模型对提取的特征进行训练和分类。选取均方根误差、准确率、灵敏度、特异度、精度和F值等预测分类评价指标,实验结果在文中使用混淆矩阵表现,计算后得出各类指标:高斯型自适应模糊神经网络宫颈细胞病变初筛模型准确率最高,为98.93%,灵敏度为99.6%,特异度为98.8%,精度为99.4%,F值为0.995,阴性预测值为0.992;BP神经网络宫颈细胞病变初筛模型的准确率为96.26%,灵敏度为98.56%,特异度为97%,精度为98.46%,F值为0.985,阴性预测值为0.972;三角型自适应模糊神经网络宫颈细胞病变初筛模型的准确率为97.3%,灵敏度为98.98%,特异度为97.8%,精度为97.8%,F值为0.9893,阴性预测值为0.9799;卷积神经网络宫颈细胞病变初筛模型的准确率为97.73%,灵敏度为98.99%,特异度为98%,精度为98.99%,F值为0.9899,阴性预测值为0.98。在模型的敏感性、稳定性和准确性等多个方面的对比中,得出本文结论:基于高斯型隶属度的自适应模糊神经网络的宫颈细胞病变初筛模型在宫颈鳞状上皮细胞内病变分类预测中是最优且合理的。
黄达[7]（2021）在《基于模块链构建的大件货物多式联运方案研究》文中研究指明作为基础设施建设的重要支撑和保障,大件货物运输是货物运输系统的重要组成部分,在国民经济发展中的作用日益凸显。由于大件货物的外形尺寸、重量等与普通货物差别较大,运输过程常需要两种或两种以上的运输方式共同完成,因此要实现跨区域、长距离的多式联运,需要先期编制完整的运输方案。方案不仅涉及运输方式选择、运输路径选择、装载、加固等多个环节,且涉及诸多运输资源和技术的有机整合与组合运用,方案构成往往较为复杂且层次较多。近年来,数据采集技术的发展拓宽了数据获取范围,扩大了基础数据规模,为大件货物运输方案制定提供了广阔的优化和提升空间。为了将规模化数据合理地应用到大件货物运输方案制定中,本文提出了基于模块链的大件货物多式联运方案制定方法。在按模块划分方案制定环节的基础上,引入适用于各模块的决策支持模型,并通过动态模块链的构建完成模型的筛选、连接和调用,有效利用基础数据及现有模型,提高方案制定的可靠性和灵活性。本文通过以下5个部分,从理论和应用层面对基于模块链构建的大件货物多式联运方案进行了研究与改进。（1）首先明确了大件货物多式联运方案的构成,并基于网络通信技术和数据需求,对基础数据采集与传输模块进行了架构设计。从感知层、网络层、应用层三个层面对大件货物多式联运方案制定的基础数据采集与传输模块进行搭建。（2）引入案例推理模型方法初步构建方案模块链,并提出了使用隶属云模型对大件货物进行分类的方案。使用组合相关性分析方法对案例库进行检索,并选取相关系数高的案例,提取案例中模块选用记录以及模块连接方案作为目标案例的初步模块链。（3）使用游标对大件货物多式联运方案的整体输入信息和整体输出需求进行分解,将整体方案制定分解为子模块的局部方案制定,并使用子游标调整方案的初步模块链。通过Fibonacci搜索和极大熵组合方法划分模型的可信度区间,使用SVM（Support Vector Machine）分类器将各模型在具体案例中的可信度进行分类,分类结果与模型运算时间等其他约束参数共同作为模型的筛选依据。筛选得到的模型集合作为调整后模块链的支撑模型集合。（4）从支撑模型集合中提取各模块的最优选用模型进行计算,计算结果作为子模块的输出,将子模块根据方案需求进行串联或并联组合,可得到调整后的模块链,使用全局效能以及渗流可靠度对模块链的可靠性进行计算,经检验模块链的渗流可靠度达到0.75以上。将模块链的输出汇总,得到最终的运输方案,在此基础上引入剔除法对决策的可靠性进行评估此外。在此阶段完成缺失属性的填补以及备选方案的确定。（5）对大件货物多式联运方案制定系统进行初步构建。并进行了实际案例分析。图122幅,表72个,参考文献158篇。
李泽龙[8]（2021）在《基于模糊Petri网和MOP的高速铁路车站客运安全测评与风险控制研究》文中进行了进一步梳理根据“十四五”规划,2021年我国翻开了交通强国建设的新篇章。高速铁路作为旅客中长途出行选择的重要交通方式之一,其客运安全管理尤为重要,而车站客运安全又是高速铁路安全的重要接口。因此,研究高速铁路车站的客运安全问题,通过安全测评和风险管控,找到车站客运安全风险卡控的薄弱环节,制定风险管控方案,提升车站客运安全管理水平。本文对高速铁路客运安全测评与风险管控的主要研究工作如下:（1）界定了高速铁路车站客运安全风险,并从客运作业组织流程、客运安全风险特征方面,全面分析高速铁路车站潜在的各种风险因素;划分出六类车站客运安全风险类型和四种风险等级;从人员、设备、环境、管理四个角度,运用事故树方法对高速铁路车站客运安全风险进行风险源辨识,建立了新的高速铁路车站客运安全测评指标体系。（2）提出了更加精细化的指标七级评价等级方法,整理了车站和安全管理方面的规范,制定了指标评价标准依据表,确定了评价等级的数值转换化方法;根据六类客运安全风险的事故树辨识图,构建了全新的高速铁路车站客运安全风险的模糊Petri网测评模型,结合层次分析法和关联度法,改进了模糊Petri网库所权重处理方法,使安全评估更加科学;结合本文建立的模糊Petri网评估模型特点,引入三种特殊算子,改进了模糊推理求解算法,提升安全测评结果的准确度。（3）以风险水平和控制成本为目标,提出五条前提假设条件,构建了高速铁路车站客运安全风险控制模型;根据模糊Petri网模型,建立了大量滞留、拥挤踩踏风险的风险函数,运用单层次分析,确定相关库所的相对成本系数;应用NSGA-Ⅱ算法求解风险控制模型,并提出如何根据控制模型计算结果比选风险控制方案、制定风险管控措施。（4）以高速铁路车站A为例,收集指标评价信息,根据安全评估模型计算结果,得出车站A的大量滞留、拥挤踩踏风险等级处于警戒状态,需要进行风险控制。根据风险控制模型计算结果,得到一组Pareto最优解,选择其中四组解,进行效果最优比选,并结合车站A实际情况,制定具体风险管控措施方案,供车站A进行风险管理时参考,验证了评估模型和控制模型的有效性。
秦斌[9]（2021）在《具备高度可解释性与泛化性能的模糊分类方法研究》文中研究说明近年来,以机器学习为核心的人工智能技术正在不断渗透到工业、农业、医疗卫生等生产和生活的多个领域,并即将因此而掀起对人类社会影响深远的新一轮工业革命。机器学习在现实中的成功的应用案例层出不穷。然而,在这些实际应用中,现有的机器学习方法在某些方面的欠缺却越来越明显。由于已有的关于机器学习方法的研究主要关注其性能而很大程度上忽略了其可解释性,导致现有的机器学习方法由于可解释性的欠缺而在某些场景的应用受到限制。而对于具备可解释性的模糊系统,在已有的研究工作中也体现出性能与可解释性互相制约的问题。针对该挑战,本文聚焦于具备可解释性的模糊分类方法,试图探索提高其可解释性、分类性能和泛化性能的方案,从而促进机器学习方法在现实中更广泛的应用。本文的主要研究成果如下:（1）通过证明高阶Takagi-Sugeno-Kang（TSK）模糊分类器与可解释的0阶TSK模糊分类器深度集成的等价性,提出了一种新的可解释的高阶TSK模糊分类器Deep high-order TSK fuzzy classifier（DHO-TSK）的堆栈结构及其深度学习方法。DHO-TSK可以通过将可解释的0阶TSK模糊分类器以一种特殊的堆栈方式组装起来来构建。每个0阶TSK模糊分类器可以通过随机选择输入特征,从一个固定的模糊划分中随机分配一个模糊规则前件子集到每个选择的输入特征,然后将每个TSK模糊分类器的输出乘以一个随机选择的特征来学习。除上述坚实的理论等价性外,DHO-TSK中每个模糊规则的后件部分由于采用了栈式集成而变得可解释,且DHO-TSK中每个层的输出表达式变得可理解;其增强分类性能可以在一个特定的时间内实现分层深度学习方法;另外,DHO-TSK算法对特征的随机选择和模糊隶属度函数的选择都具有自适应性。（2）提出了一种新的设计方法,即fuzzy-knowledge-out概念及其诱导的宽度学习机制。类似于深度学习中的dropout概念,TSK模糊分类器中的fuzzy-knowledge-out概念对应于生物神经网络中知识的触发模式。理论分析表明,从一组完全可解释的模糊规则中提取模糊知识后建立的模糊分类器具有独特的泛化能力和避免联动自适应能力。因此,提出了一种以宽度学习方式构造的高可解释性0阶TSK模糊分类器集成方法,以实现增强的分类性能和高度可解释性。所得到的模型称为宽度学习TSK（wide learning TSK fuzzy classifier,WL-TSK）,其中每个高度可解释的0阶TSK分类器作为WL-TSK的子分类器,通过fuzzy-knowledge-out构造,然后使用快速学习算法进行快速训练。由于所有子分类器中所有模糊规则的简单并集,即每个最终模糊规则的后件部分被视为具有相同前件部分的模糊规则的每个后件部分的一半或平均值的总和,这样一个集成结构的行为就像只有一个TSK模糊分类器一样。因此,该方法可作为TSK模糊分类器的一种新的设计方法。（3）将在TSK模糊分类器设计中关于dropout的工作,即fuzzy-knowledge-out,扩展到广义概念,即具有动态补偿的模糊规则dropout。这种扩展是由人脑中所有知识片段的非常复杂的触发模式所驱动的,即针对不同情况的二值或连续或二者组合的随机方式。理论分析表明,该广义概念能较好地封装模糊规则的各种随机丢失,更符合人类的认知行为,具有更强的泛化和抵抗协同适应的能力。基于这一概念,我们提出了一种TSK模糊分类器的宽度学习算法。（4）提出了一种新的0阶TSK模糊分类器知识对抗攻击模型。该模型是在训练可解释的0阶TSK模糊分类器时,从类似人类思维过程的角度出发,利用特殊知识对抗攻击的存在性。与基于输入或输出扰动的对抗性攻击不同,该模型不直接使用对抗性样本,而是考虑了可解释的0阶模糊规则在知识遗忘和/或知识偏差或兼具二者的对抗性扰动,以模拟人类思维过程中知识的稳健使用方式。通过动态正则化,该模型具有较强的泛化能力。针对0阶TSK模糊分类器,提出了一种新的知识对抗训练方法（Knowledge adversarial training method,KAT）。
贾媛媛[10]（2021）在《毫米波多元红外扫描探测及目标识别方法研究》文中认为随着现代战争的复杂化,具备高精准攻击性能的智能弹药在战场上的应用需求日益增加,随之对目标探测与识别技术提出了更高层次的要求。由于雾霾、雨雪及烟尘等恶劣环境会对目标探测造成严重干扰,导致单一探测技术的武器获取目标信息不完整,易出现漏测、误测等现象。针对该问题,本文采用毫米波/红外复合探测技术,充分发挥其抗干扰、反隐身、全天候等优势,对地面装甲目标的精确识别方法展开深入研究。首先,基于复合探测原理,建立毫米波多元红外复合推扫模型和弹目交会模型,对毫米波辐射计和红外探测器的视场布局进行设计。以实测59式坦克表面温度数据为基础,对坦克几何模型进行Fluent有限元分析,得到目标表面温度场分布。根据温度场分布情况,计算辐射模型,完成8mm毫米波辐射计和16元红外探测器响应模拟。其次,通过设计一种改进小波阈值去噪函数改善了传统硬阈值去噪函数因间断点导致信号产生振荡,以及传统软阈值存在固定偏差导致信号边缘模糊的不足,获得高信噪比、低均方误差、与原始信号高度相关的毫米波和红外信号。进而统计毫米波和红外信号特征量,采用一种基于自适应神经模糊推理系统（Adaptive Neural Fuzzy Inference System,ANFIS）的算法完成目标单模初识别。针对传统D-S证据理论算法在融合过程中出现证据冲突导致目标错误识别或无法识别问题,提出对证据源进行两次修正改进,得到新的基本概率分配值,完成自身数据融合。最后,为模拟弹体掠飞目标扫描过程,搭建外场滑索实验环境,完成多角度弹目交会探测实验。通过MATLAB对探测系统输出数据进行分析与处理,结果表明,ANFIS识别率达到83.47%,改进D-S证据理论识别率达到90.48%,较传统D-S证据理论算法识别率提高2.86%,较单模识别正确率提高约7%。
二、层次模糊推理模型的研究及应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、层次模糊推理模型的研究及应用（论文提纲范文）
（1）考虑弹性和可持续的XY公司供应商评价与选择研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 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 国内外研究现状 |
| 1.2.1 供应商评价与选择的研究现状 |
| 1.2.2 供应链弹性的研究现状 |
| 1.2.3 可持续供应链的研究现状 |
| 1.3 研究内容与方法 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文研究方法 |
| 1.4 研究思路与研究框架 |
| 1.4.1 研究思路 |
| 1.4.2 研究框架 |
| 2 XY公司供应商评价与选择现状及存在问题分析 |
| 2.1 XY公司概况 |
| 2.1.1 XY公司简介 |
| 2.1.2 XY公司组织结构 |
| 2.2 XY公司供应商评价与选择现状 |
| 2.2.1 XY公司现行的供应商评价与选择流程 |
| 2.2.2 XY公司供应商评价与选择指标体系 |
| 2.2.3 XY公司供应商评价与选择方法 |
| 2.3 XY公司供应商评价与选择存在问题分析 |
| 2.3.1 XY公司供应商评价与选择指标体系问题分析 |
| 2.3.2 XY公司供应商评价与选择方法的问题分析 |
| 3 考虑弹性和可持续性的XY公司供应商评价与选择指标体系构建 |
| 3.1 构建供应商评价与选择指标体系的目标及原则 |
| 3.1.1 供应商评价与选择指标体系构建的目标 |
| 3.1.2 供应商评价与选择指标体系构建的原则 |
| 3.2 供应商评价与选择一般指标的确定 |
| 3.3 供应商评价与选择弹性指标的确定 |
| 3.4 供应商评价与选择可持续指标的确定 |
| 3.5 考虑弹性和可持续的XY公司供应商评价与选择指标体系的构建 |
| 4 基于FIS的供应商评价与选择模型 |
| 4.1 考虑弹性和可持续性的供应商选择模型框架 |
| 4.1.1 考虑弹性和可持续性的供应商选择决策流程 |
| 4.1.2 Mamdani型FIS框架设计 |
| 4.2 供应商指标权重的确定 |
| 4.3 供应商指标评价值隶属函数设计 |
| 4.4 模糊规则库及输入数据预处理 |
| 4.4.1 模糊规则库的建立 |
| 4.4.2 输入数据预处理的方法 |
| 5 考虑弹性和可持续性的XY公司供应商评价与选择 |
| 5.1 XY公司指标权重的确定 |
| 5.2 XY公司指标评价值的确定 |
| 5.2.1 备选供应商相关数据的获取 |
| 5.2.2 备选供应商指标评价值的确定 |
| 5.3 基于FIS的XY公司供应商评价与选择 |
| 5.3.1 供应商选择仿真模型的构建 |
| 5.3.2 仿真结果及分析 |
| 6 论文总结及展望 |
| 6.1 研究总结 |
| 6.2 研究的不足和展望 |
| 致谢 |
| 参考文献 |
| 附录1 |
| 附录2 |
（2）基于病机模型的胸痹病中医智能辅助诊断方法研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 文献综述 |
| 1. 中医辨证方法与病机理论概述 |
| 1.1 中医辨证方法概述 |
| 1.2. 中医病机理论体系概述 |
| 1.3. 中医对胸痹病机的认识 |
| 2. 中医智能辅助诊断系统的研究现状 |
| 2.1 中医智能辅助诊断系统的发展历程 |
| 2.2 中医智能辅助诊断技术研究现状 |
| 2.3 病机的信息化研究进展 |
| 2.4 知识库构建技术 |
| 3. 小结 |
| 前言 |
| 第一部分 胸痹病相关诊断数据库构建 |
| 1. 胸痹病相关诊疗数据采集及处理 |
| 1.1 数据来源 |
| 1.2 数据采集内容 |
| 1.3 数据采集方法 |
| 1.4 数据清洗 |
| 1.5 数据采集结果 |
| 2. 症状数据库构建与优化 |
| 2.1 症状数据库的结构设计 |
| 2.2 症状数据库的优化与校验 |
| 3. 胸痹病诊断数据库构建 |
| 3.1 诊断知识数据库构建 |
| 3.2 胸痹病的诊断标准数据库构建 |
| 4. 小结 |
| 第二部分 基于辨证要素的胸痹病辨证模型构建 |
| 1. 胸痹病辨证要素多层次分类表示研究 |
| 1.1 胸痹病的基本辨证路径 |
| 1.2 辨证要素的多层次表示框架 |
| 2. 胸痹病辨证要素的自动化提取 |
| 2.1 辨证要素自动化提取算法原理 |
| 2.2 辨证要素自动化提取准确率评价 |
| 3. 基于辨证要素的胸痹病辨证模型构建 |
| 3.1 基于辨证要素的多标签文本分类方法研究 |
| 3.2 基于辨证要素的辨证模型评价 |
| 4. 小结 |
| 第三部分 病机模型及病机知识图谱构建 |
| 1. 病机与证候关系的理论研究 |
| 1.1 辨证相关概念的内涵 |
| 1.2 病机与证候的关系分析 |
| 2. 病机模型构建的理论基础 |
| 3. 病机要素的层级框架设计 |
| 3.1 数据预处理 |
| 3.2 病机要素的定义与层级框架设计 |
| 3.3 病机要素的自动化提取 |
| 3.4 病机要素的层级框架的应用 |
| 4. 病机要素的分析挖掘 |
| 4.1 病机要素与症状关联性的分析挖掘 |
| 4.2 病机要素的组合模式分析 |
| 4.3 病机单元之间的逻辑关系分析 |
| 5. 基于病机模型的病机知识图谱构建 |
| 5.1 病机数据处理 |
| 5.2 病机模型的构建 |
| 5.3 病机知识图谱构建 |
| 5.4 病机知识图谱的应用 |
| 6. 小结 |
| 第四部分 胸痹病的辨证模型应用与验证 |
| 1. 测试数据准备 |
| 1.1 数据来源 |
| 1.2 医案纳入标准 |
| 1.3 医案数据预处理 |
| 1.4 医案脱敏处理 |
| 1.5 医案质控 |
| 2. 评价标准及测试方法 |
| 2.1 辨证准确性评价标准 |
| 2.2 测试方法 |
| 3. 两种辨证推理方法测试结果评价 |
| 3.1 辨证准确率结果 |
| 3.2 测试医案结果分析 |
| 4. 基于两种辨证推理方法融合的测试结果评价 |
| 4.1 测试准备 |
| 4.2 融合方法的辅助诊断原理 |
| 4.3 融合方法的测试结果 |
| 4.4 融合方法测试结果分析 |
| 5. 小结 |
| 研究总结 |
| 1. 研究结论 |
| 2. 创新点 |
| 3. 问题及展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 附录1 两种方法辨证均为错误的医案及诊断结果 |
| 附录2 基于辨证要素的辨证模型辨证正确的医案及诊断结果 |
| 附录3 病机知识图谱辨证正确的医案及诊断结果 |
| 中医药科技查新报告书 |
（3）基于模糊贝叶斯网络的装配式建筑质量风险管理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 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 |
| 1.2.1 装配式建筑相关研究现状 |
| 1.2.2 装配式建筑质量风险管理研究现状 |
| 1.3 研究内容、方法及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 1.4 本文创新点 |
| 第二章 相关理论研究 |
| 2.1 质量风险管理研究 |
| 2.1.1 质量风险内涵 |
| 2.1.2 质量风险管理 |
| 2.2 解释结构模型理论研究 |
| 2.2.1 解释结构模型理论 |
| 2.2.2 解释结构模型的应用 |
| 2.3 模糊集理论研究 |
| 2.3.1 模糊集理论 |
| 2.3.2 模糊集理论的应用 |
| 2.4 贝叶斯网络理论研究 |
| 2.4.1 贝叶斯网络理论 |
| 2.4.2 贝叶斯网络的应用 |
| 2.5 本章小结 |
| 第三章 装配式建筑质量风险因素指标构建及分析 |
| 3.1 装配式建筑特征分析 |
| 3.2 装配式建筑质量风险因素识别及分析 |
| 3.2.1 质量风险因素指标识别 |
| 3.2.2 质量风险因素指标的修正及指标体系构建 |
| 3.3 基于解释结构模型的装配式建筑质量风险因素分析 |
| 3.3.1 设计阶段质量风险因素的解释结构模型建立 |
| 3.3.2 生产运输阶段质量风险因素的解释结构模型建立 |
| 3.3.3 现场装配施工阶段质量风险因素的解释结构模型建立 |
| 3.4 本章小结 |
| 第四章 装配式建筑质量风险评价模糊贝叶斯网络模型构建 |
| 4.1 质量风险模糊贝叶斯网络节点变量值域确定 |
| 4.2 基于模糊集理论的质量风险贝叶斯网络参数确定 |
| 4.2.1 根节点的先验概率参数确定 |
| 4.2.2 非根节点的条件概率参数确定 |
| 4.3 装配式建筑质量风险评价模糊贝叶斯网络模型 |
| 4.4 质量风险模糊贝叶斯网络推理分析 |
| 4.4.1 诊断推理分析 |
| 4.4.2 敏感性分析 |
| 4.4.3 最大致因链分析 |
| 4.5 装配式建筑质量风险的控制对策 |
| 4.6 本章小结 |
| 第五章 实例应用 |
| 5.1 项目概况 |
| 5.2 项目现场装配施工阶段质量风险分析 |
| 5.3 基于模糊贝叶斯网络的现场装配施工阶段质量风险分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 在学期间的研究成果 |
| 致谢 |
（4）村镇区域砌体结构信息智能获取与震害预测（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 遥感技术在土木工程领域的应用 |
| 1.3 人工智能技术在土木工程领域的应用 |
| 1.4 区域建筑震害预测方法研究进展 |
| 1.5 研究内容 |
| 2 村镇建筑外观信息获取 |
| 2.1 基于图像测量的村镇建筑几何信息获取方法 |
| 2.2 基于卷积神经网络的村镇建筑结构类型与楼层数目图像识别 |
| 2.2.1 村镇建筑影像数据集 |
| 2.2.2 卷积神经网络基本理论 |
| 2.2.3 迁移学习 |
| 2.2.4 图像识别模型训练 |
| 2.3 本章小结 |
| 3 村镇砌体结构隐蔽信息获取 |
| 3.1 建筑墙体信息获取 |
| 3.1.1 外部墙体厚度 |
| 3.1.2 内墙分布 |
| 3.2 基于模糊推理的建筑材料与构造信息获取 |
| 3.2.1 模糊推理基本理论 |
| 3.2.2 论域与隶属度函数确定 |
| 3.2.3 模糊规则构建 |
| 3.2.4 模糊推理模型建立 |
| 3.3 本章小结 |
| 4 村镇区域砌体结构震害预测方法及流程 |
| 4.1 村镇砌体结构力学模型 |
| 4.1.1 砌体墙力学模型参数标定 |
| 4.1.2 砌体结构多自由度剪切模型 |
| 4.2 空间地震动场 |
| 4.2.1 空间地震动场合成方法 |
| 4.2.2 功率谱密度函数 |
| 4.2.3 相干函数 |
| 4.2.4 考虑局部场地效应的地震动场 |
| 4.3 村镇砌体结构震害预测方法及流程 |
| 4.4 本章小结 |
| 5 我国典型村落砌体结构信息获取及震害预测 |
| 5.1 内蒙古地区某村落工程概况 |
| 5.2 建筑信息获取 |
| 5.2.1 村镇建筑外观信息获取 |
| 5.2.2 隐蔽信息获取 |
| 5.3 砌体建筑群震害预测 |
| 5.3.1 力学模型 |
| 5.3.2 空间地震动场 |
| 5.3.3 震害预测 |
| 5.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（5）基于深度学习的网络安全分域态势评估研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词对照表 |
| 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 评估模型研究现状 |
| §1.2.2 态势要素提取研究现状 |
| §1.2.3 评估指标体系研究现状 |
| §1.2.4 评估方法研究现状 |
| §1.2.5 用户行为评估研究现状 |
| §1.3 研究问题及挑战 |
| §1.3.1 研究问题 |
| §1.3.2 研究挑战 |
| §1.4 研究内容及贡献 |
| §1.5 论文组织结构 |
| 第二章 网络安全态势评估技术及分域评估模型设计 |
| §2.1 网络安全态势评估基本概念 |
| §2.2 网络安全态势评估模型 |
| §2.2.1 JDL数据融合处理模型 |
| §2.2.2 Tim Bass模型 |
| §2.2.3 层次化态势评估模型 |
| §2.3 网络安全态势评估方法 |
| §2.3.1 基于数理统计的评估方法 |
| §2.3.2 基于知识推理的评估方法 |
| §2.3.3 基于模式识别的评估方法 |
| §2.4 层次化的网络安全态势分域评估模型设计 |
| §2.4.1 评估模型的分层描述 |
| §2.4.2 评估模型的特点分析 |
| §2.5 本章小结 |
| 第三章 基于逐层损失补偿深度自编码器的态势评估要素提取 |
| §3.1 引言 |
| §3.2 系统模型及问题定义 |
| §3.2.1 态势评估要素提取模型 |
| §3.2.2 问题定义 |
| §3.3 LC-DAE态势评估要素提取方法设计 |
| §3.3.1 方法架构 |
| §3.3.2 DAE结构 |
| §3.3.3 损失补偿算法设计与实现 |
| §3.4 LC-DAE态势评估要素提取方法实现 |
| §3.4.1 方法流程设计与伪代码实现 |
| §3.4.2 时间复杂度分析 |
| §3.5 实验及结果分析 |
| §3.5.1 实验环境 |
| §3.5.2 实验数据 |
| §3.5.3 对比实验及结果分析 |
| §3.6 本章小结 |
| 第四章 基于层次聚类和层次分析法的态势评估指标体系构建 |
| §4.1 引言 |
| §4.2 问题定义 |
| §4.3 分域指标体系构建方法设计 |
| §4.4 网络域指标体系构建方法设计与实现 |
| §4.4.1 基于AHP的评估因素量化方法 |
| §4.4.2 基于层次聚类的指标聚类方法 |
| §4.4.3 基于AHP的指标优化方法 |
| §4.5 网络域指标体系合理性理论分析 |
| §4.6 实验及结果分析 |
| §4.6.1 实验环境及数据采集 |
| §4.6.2 评估指标计算过程 |
| §4.6.3 实验结果分析 |
| §4.7 本章小结 |
| 第五章 基于Subagging和GRU的网络域安全态势评估 |
| §5.1 引言 |
| §5.2 系统模型及问题描述 |
| §5.2.1 态势评估模型 |
| §5.2.2 问题描述 |
| §5.3 Sb-GRU网络域安全态势评估方法设计 |
| §5.3.1 方法架构设计 |
| §5.3.2基于Subagging的采样及训练方法 |
| §5.3.3 基于GA的参数优化方法 |
| §5.3.4 基于GRU的网络域安全态势评估方法 |
| §5.4 Sb-GRU网络域安全态势评估方法实现 |
| §5.4.1 方法实现 |
| §5.4.2 时间复杂度分析 |
| §5.5 实验及结果分析 |
| §5.5.1 实验环境 |
| §5.5.2 实验数据 |
| §5.5.3 实验结果及分析 |
| §5.6 本章小结 |
| 第六章 基于自适应滑动窗口GAN的用户行为威胁检测与评估 |
| §6.1 引言 |
| §6.2 系统模型及问题定义 |
| §6.2.1 任务模型 |
| §6.2.2 行为模型 |
| §6.2.3 威胁检测及评估模型 |
| §6.2.4 问题定义 |
| §6.3 ASW-GAN用户行为威胁检测与评估方法设计 |
| §6.3.1 方法框架 |
| §6.3.2 基于属性相似度的自适应滑动窗口算法 |
| §6.3.3 基于GAN的威胁检测设计 |
| §6.3.4 用户行为评估方法设计 |
| §6.4 ASW-GAN用户行为威胁检测与评估方法实现 |
| §6.4.1 方法实现 |
| §6.4.2 时间复杂度分析 |
| §6.5 实验及结果分析 |
| §6.5.1 实验环境 |
| §6.5.2 实验数据 |
| §6.5.3 实验结果分析 |
| §6.6 本章小结 |
| 第七章 总结与展望 |
| §7.1 论文研究工作总结 |
| §7.2 下一步研究工作展望 |
| 参考文献 |
| 致谢 |
| 作者攻读博士学位期间取得的学术成果 |
（6）基于模糊神经网络的宫颈细胞病变初筛模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外医学图像分类识别研究现状及发展趋势 |
| 1.3 主要研究内容 |
| 第二章 辅助疾病诊断的模糊数学理论 |
| 2.1 模糊数学在医学诊断中的应用 |
| 2.2 模糊数学理论 |
| 2.2.1 模糊推理中隶属函数确定 |
| 2.2.2 模糊推理中推理层次和模糊规则 |
| 2.3 模糊神经网络相关理论研究 |
| 2.3.1 神经网络概述 |
| 2.3.2 模糊神经网络概述 |
| 2.4 本章小结 |
| 第三章 细胞学图像处理相关研究 |
| 3.1 细胞图像处理的有关方法研究 |
| 3.1.1 图像分割方法研究 |
| 3.1.2 图像识别分类方法研究 |
| 3.2 小波分析简介 |
| 3.3 混合小波分析 |
| 3.3.1 神经网络构建 |
| 3.3.2 结果与讨论 |
| 3.4 本章小结 |
| 第四章 病理细胞采集和特征提取 |
| 4.1 子宫颈液基薄层细胞图像采集 |
| 4.2 重叠宫颈细胞分割 |
| 4.3 细胞特征参数选择 |
| 4.4 本章小结 |
| 第五章 基于模糊神经网络的算法初筛模型研究 |
| 5.1 宫颈病变推理系统模型设计 |
| 5.2 BP神经网络预测模型 |
| 5.2.1 BP神经网络的基本原理 |
| 5.2.2 反向传播算法 |
| 5.2.3 误差分析及设计 |
| 5.3 模糊神经系统预测模型 |
| 5.3.1 自适应模糊神经推理系统结构 |
| 5.3.2 隶属度函数的选择 |
| 5.3.3 模糊规则设计 |
| 5.4 模型结构 |
| 5.5 本章小结 |
| 第六章 实验结果及分析 |
| 6.1 神经网络分类预测和模糊神经网络分类预测仿真实验 |
| 6.2 卷积神经网络分类预测对比仿真实验 |
| 6.3 仿真实验结果分析 |
| 6.4 本章总结 |
| 第七章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文及研究成果 |
（7）基于模块链构建的大件货物多式联运方案研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 问题的提出 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大件货物运输及多式联运研究现状分析与评述 |
| 1.2.2 模型组合研究现状分析与评述 |
| 1.2.3 具体方法研究现状分析与评述 |
| 1.2.4 信息化方案制定研究现状分析与评述 |
| 1.3 研究内容、方法及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 2 大件货物多式联运方案构成与基础数据采集 |
| 2.1 大件货物多式联运方案构成 |
| 2.1.1 方案制定原则 |
| 2.1.2 方案构成 |
| 2.2 基础数据采集 |
| 2.2.1 数据感知层架构设计 |
| 2.2.2 网络传输层架构设计 |
| 2.2.3 数据应用层架构设计 |
| 2.3 本章小结 |
| 3 大件货物多式联运方案的模块链初步选取 |
| 3.1 基于模块链构建的大件货物多式联运方案制定特点 |
| 3.2 大件货物多式联运案例库构建 |
| 3.3 大件货物多式联运案例推理模型 |
| 3.3.1 基于案例推理模型的模块链选取 |
| 3.3.2 大件货物多式联运方案特征属性权重确定 |
| 3.4 大件货物分类隶属度判定 |
| 3.4.1 基于云模型的映射关系转换 |
| 3.4.2 基于云发生器的隶属云生成 |
| 3.4.3 分类隶属度判定 |
| 3.5 基于案例相关性判定的模块链初步选取 |
| 3.5.1 相关系数计算方法选择 |
| 3.5.2 案例属性组合相关性分析 |
| 3.5.3 基于特征属性提取的案例相关性判定 |
| 3.6 本章小结 |
| 4 用于大件货物多式联运方案制定的模块链生成与调整 |
| 4.1 模块链生成与调整方法 |
| 4.2 模块导向的模型分层与筛选 |
| 4.3 模块中模型可信度评价 |
| 4.3.1 可信度区间划分 |
| 4.3.2 模型可信度评价 |
| 4.3.3 模型可信度评价应用举例 |
| 4.4 模型运算时间评价 |
| 4.5 模块链可靠性分析 |
| 4.6 本章小结 |
| 5 大件货物多式联运方案制定 |
| 5.1 大件货物多式联运任务的分解与组合 |
| 5.1.1 大件货物多式联运的任务分解 |
| 5.1.2 大件货物多式联运的任务组合 |
| 5.2 大件货物多式联运方案制定模型选择 |
| 5.2.1 任务连接关系确定情况下模型选择 |
| 5.2.2 任务连接关系未确定情况下模型选择 |
| 5.3 案例缺失属性填补 |
| 5.4 大件货物多式联运元模型指标赋权 |
| 5.4.1 客观指标赋权法应用 |
| 5.4.2 组合赋权方法应用 |
| 5.5 大件货物多式联运备选方案确定 |
| 5.6 方案制定可靠性分析 |
| 5.7 本章小结 |
| 6 大件货物多式联运运输方式及径路选择实例分析 |
| 6.1 大件货物多式联运方案制定系统初步构建 |
| 6.2 运输方式及径路选择实例分析 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 7.1 论文的主要研究成果 |
| 7.2 论文的主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（8）基于模糊Petri网和MOP的高速铁路车站客运安全测评与风险控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 模糊Petri网研究现状 |
| 1.2.2 多目标最优化研究现状 |
| 1.2.3 安全风险测评研究现状 |
| 1.2.4 安全风险管控研究现状 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 高速铁路车站客运安全风险测评与控制分析 |
| 2.1 高速铁路车站客运安全风险分析 |
| 2.1.1 高速铁路车站客运安全风险内涵分析 |
| 2.1.2 高速铁路车站客运作业组织流程分析 |
| 2.1.3 高速铁路车站客运安全风险特征分析 |
| 2.1.4 高速铁路车站客运安全风险类型及等级划分 |
| 2.2 高速铁路车站客运安全风险测评分析 |
| 2.2.1 高速铁路车站客运安全风险测评内涵分析 |
| 2.2.2 高速铁路车站客运安全风险测评方法分析 |
| 2.3 高速铁路车站客运安全风险控制分析 |
| 2.3.1 高速铁路车站客运安全风险控制内涵分析 |
| 2.3.2 高速铁路车站客运安全风险控制方法分析 |
| 2.4 本章小结 |
| 3 基于模糊Petri网的高速铁路车站客运安全风险测评模型 |
| 3.1 高速铁路车站客运安全风险测评指标体系的构建 |
| 3.1.1 客运安全风险源辨识 |
| 3.1.2 评价指标体系的构建 |
| 3.1.3 评价标准及等级划分 |
| 3.2 高速铁路车站客运安全风险模糊Petri网评估模型的构建 |
| 3.2.1 指标评价等级的数值转换 |
| 3.2.2 模糊Petri网评估模型构建 |
| 3.2.3 改进的库所权重处理方法 |
| 3.3 安全风险评估模型模糊推理算法的设计 |
| 3.4 本章小结 |
| 4 基于MOP的高速铁路车站客运安全风险控制模型 |
| 4.1 风险控制模型的构建 |
| 4.1.1 风险控制目标 |
| 4.1.2 相关前提假设 |
| 4.1.3 控制模型构建 |
| 4.1.4 风险函数确定 |
| 4.1.5 成本系数确定 |
| 4.2 风险控制模型算法设计 |
| 4.2.1 算法基本原理 |
| 4.2.2 算法计算流程 |
| 4.3 风险控制方案制定方法 |
| 4.4 本章小结 |
| 5 案例分析 |
| 5.1 车站测评概况 |
| 5.1.1 车站概况 |
| 5.1.2 测评概况 |
| 5.2 高速铁路车站A的客运安全风险测评 |
| 5.2.1 测评指标评价信息 |
| 5.2.2 客运安全风险评估 |
| 5.3 高速铁路车站A的客运安全风险控制 |
| 5.3.1 大量滞留风险控制 |
| 5.3.2 拥挤踩踏风险控制 |
| 5.3.3 风险管控方案的制定 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 附录 A 模糊Petri网评估模型迭代计算结果 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）具备高度可解释性与泛化性能的模糊分类方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景回顾 |
| 1.2 模糊系统的研究现状 |
| 1.2.1 关于模糊规则的改进 |
| 1.2.2 关于模糊系统损失函数的改进 |
| 1.2.3 关于模糊系统的训练方法 |
| 1.2.4 关于模糊系统的构造方法 |
| 1.2.5 关于特定场景下的模糊系统 |
| 1.3 经典TSK模糊分类器及其求解方法简介 |
| 1.4 本文主要内容、特色和创新 |
| 第二章 基于可解释的零阶 TSK 模糊子分类器深度结构组合的高阶 TSK 模糊分类器 |
| 2.1 引言 |
| 2.2 经典TSK模糊分类器 |
| 2.3 DHO-TSK及其深度学习方法 |
| 2.3.1 DHO-TSK模糊分类器 |
| 2.3.2 所提出的深度结构的模糊分类器 |
| 2.3.3 复杂度分析 |
| 2.3.4 DHO-TSK与高阶TSK模糊分类器的理论等价性 |
| 2.4 实验结果和分析 |
| 2.4.1 实验的组织 |
| 2.4.2 实验结果比较和分析 |
| 2.4.3 真实数据集应用:Electricity Pricing |
| 2.5 本章小结 |
| 第三章 fuzzy-knowledge-out概念与可解释的TSK模糊分类器的宽度学习方法 |
| 3.1 引言 |
| 3.2 fuzzy-knowledge-out:生物学合理性和优点 |
| 3.3 WL-TSK模糊分类器——结构与宽度学习 |
| 3.3.1 结构 |
| 3.3.2 训练算法 |
| 3.3.3 算法复杂度 |
| 3.4 实验结果和分析 |
| 3.4.1 实验设置 |
| 3.4.2 实验结果比较 |
| 3.4.3 真实场景应用——电力价格预测 |
| 3.5 本章小结 |
| 第四章 带有动态补偿的模糊规则Dropout概念与可解释的TSK模糊分类器的宽度学习方法 |
| 4.1 引言 |
| 4.2 带动态补偿的模糊规则dropout概念 |
| 4.3 TSK-EGG的结构与宽度学习 |
| 4.3.1 TSK-EGG的结构 |
| 4.3.2 宽度学习 |
| 4.3.3 算法复杂度 |
| 4.4 实验结果和分析 |
| 4.4.1 实验设置 |
| 4.4.2 实验结果比较 |
| 4.5 本章小结 |
| 第五章 知识对抗及其0 阶TSK模糊分类器的训练方法 |
| 5.1 引言 |
| 5.2 可解释的0 阶TSK模糊分类器 |
| 5.3 知识对抗攻击模型和相应的知识对抗训练方法KAT |
| 5.3.1 对抗攻击模型 |
| 5.3.2 KAT及其实现 |
| 5.3.3 复杂度分析与比较 |
| 5.4 实验结果和分析 |
| 5.4.1 实验设置 |
| 5.4.2 实验结果比较 |
| 5.5 本章小结 |
| 第六章 结束语 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录1:攻读博士学位期间撰写的相关论文、专利列表 |
| 附录2:攻读博士学位期间参加的科研项目列表 |
（10）毫米波多元红外扫描探测及目标识别方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 论文的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 毫米波红外复合探测技术 |
| 1.2.2 目标识别技术 |
| 1.2.3 多传感器信息融合技术 |
| 1.3 论文主要工作与结构安排 |
| 1.4 论文成果 |
| 2 毫米波多元红外扫描探测方案及建模 |
| 2.1 扫描探测总体研究方案 |
| 2.2 毫米波红外复合探测模式 |
| 2.2.1 探测方式及原理 |
| 2.2.2 辐射特性分析 |
| 2.2.3 工作波段选择 |
| 2.3 毫米波/16元红外平推扫描模型 |
| 2.3.1 毫米波平推扫描模型 |
| 2.3.2 16元红外平推扫描模型 |
| 2.3.3 复合探测视场布局设计 |
| 2.4 弹目交会模型 |
| 2.4.1 坐标系建立及转换 |
| 2.4.2 弹目交会模型表达式 |
| 2.5 本章小结 |
| 3 毫米波多元红外扫描仿真及目标特征提取 |
| 3.1 目标温度场模型建立 |
| 3.1.1 目标物理模型及其简化 |
| 3.1.2 目标模型网格划分及温度场分布 |
| 3.2 8mm毫米波辐射计响应幅度计算及仿真 |
| 3.2.1 响应幅度计算 |
| 3.2.2 扫描探测仿真分析 |
| 3.3 16元红外探测器响应幅度计算及仿真 |
| 3.3.1 响应幅度计算 |
| 3.3.2 扫描探测仿真分析 |
| 3.3.4 扫描探测仿真GUI界面设计 |
| 3.4 小波阈值去噪原理及改进 |
| 3.4.1 噪声分析 |
| 3.4.2 改进阈值函数构造 |
| 3.4.3 信号分解与去噪结果 |
| 3.5 目标特征量提取 |
| 3.5.1 毫米波信号特征提取 |
| 3.5.2 红外信号特征提取 |
| 3.6 本章小结 |
| 4 基于复合扫描探测目标识别方法研究 |
| 4.1 复合探测目标识别方法 |
| 4.2 基于自适应神经模糊推理目标识别算法研究 |
| 4.2.1 ANFIS原理 |
| 4.2.2 ANFIS结构设计 |
| 4.2.3 ANFIS学习算法 |
| 4.2.4 ANFIS识别结果分析 |
| 4.3 基于D-S证据推理数据融合识别算法研究 |
| 4.3.1 数据融合层次选择 |
| 4.3.2 D-S证据理论原理 |
| 4.3.3 D-S证据理论算法实现 |
| 4.4 基于D-S证据理论融合识别改进算法研究 |
| 4.4.1 D-S证据理论冲突问题分析 |
| 4.4.2 D-S证据理论算法改进 |
| 4.4.3 D-S证据理论算法改进实现结果 |
| 4.5 本章小结 |
| 5 实验结果分析 |
| 5.1 探测系统与滑索式扫描探测实验场景 |
| 5.2 探测结果分析 |
| 5.2.1 毫米波辐射计输出信号分析 |
| 5.2.2 红外探测器输出信号分析 |
| 5.2.3 统计探测结果 |
| 5.3 目标识别算法验证及分析 |
| 5.3.1 目标特征量提取 |
| 5.3.2 ANFIS识别算法验证及分析 |
| 5.3.3 D-S证据推理融合识别算法验证及分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及成果 |
| 致谢 |
四、层次模糊推理模型的研究及应用（论文参考文献）
- [1]考虑弹性和可持续的XY公司供应商评价与选择研究[D]. 杨赛. 西安理工大学, 2021(01)
- [2]基于病机模型的胸痹病中医智能辅助诊断方法研究[D]. 石英杰. 中国中医科学院, 2021(02)
- [3]基于模糊贝叶斯网络的装配式建筑质量风险管理研究[D]. 王琴. 北方工业大学, 2021(01)
- [4]村镇区域砌体结构信息智能获取与震害预测[D]. 张鹏程. 大连理工大学, 2021(01)
- [5]基于深度学习的网络安全分域态势评估研究[D]. 陶晓玲. 桂林电子科技大学, 2021(02)
- [6]基于模糊神经网络的宫颈细胞病变初筛模型研究[D]. 徐庆. 浙江海洋大学, 2021(02)
- [7]基于模块链构建的大件货物多式联运方案研究[D]. 黄达. 北京交通大学, 2021(02)
- [8]基于模糊Petri网和MOP的高速铁路车站客运安全测评与风险控制研究[D]. 李泽龙. 北京交通大学, 2021(02)
- [9]具备高度可解释性与泛化性能的模糊分类方法研究[D]. 秦斌. 江南大学, 2021(01)
- [10]毫米波多元红外扫描探测及目标识别方法研究[D]. 贾媛媛. 西安工业大学, 2021(02)