一、数据仓库逻辑建模的初步探讨（论文文献综述）
胡俊鹏,肖晓东,朱伟义,李勋,王睿昕[1]（2020）在《数据仓库维度建模方法研究》文中认为数据仓库技术在企业发展中发挥了重要作用,支持海量数据分析和企业决策。本文较深入地探讨了维度建模理论及架构,研究了数据仓库多维数据模型设计方法,提出维度建模具体步骤,并对电力行业数据仓库建模应用进行了深入分析。
景志强[2]（2020）在《工艺知识获取方法研究与系统设计》文中认为产品的多样化、个性化需求使得制造企业逐步向多品种、小批量的生产模式转变,导致相关零件的工艺知识需求急剧上升,与此同时,企业信息化、数字化逐步完善,积累了大量的工艺数据,但无法充分的利用,呈现出“数据丰富,知识匮乏”的现象。本文以工艺数据为研究对象,对零件图像、工艺路线以及工序内容三个方面进行研究,实现工艺知识获取。本文首先提出基于SIFT特征的图像检索方法获取相似零件,采用改进的Canopy-Kmeans聚类算法获取词频向量,通过词频向量进行相似零件图检索,利用SIFT特征具有尺度不变的特性,可以有效的检索到比例不同、角度不同以及位置不同的相似零件图,并具有较高的检索准确率。然后分别针对工艺路线以及工序内容进行挖掘,在基于工艺路线的规则挖掘中,考虑到工艺表达的复杂性,提出了分词及数据自动转化的数据预处理方法,随后采用无需指定聚类数目的AP聚类算法获取典型工艺路线,以及Prefixspan序列模式挖掘算法,获取工艺路线中的公共子序列;针对工序内容,提出了一种基于散列技术的Apriori关联规则挖掘算法,提高了 Apriori算法的执行效率。通过对工艺数据的测试,验证了三种挖掘算法的有效性。最后基于工艺知识挖掘方法,设计并实现了工艺知识挖掘Web系统。为保证工艺数据的完备性,采用集成化的数据仓库技术构建了工艺数据仓库。在明确了系统功能需求的基础上,采用B/S架构完成了 Web系统中工艺知识挖掘、数据抽取以及系统设置功能模块的详细设计,并对系统的主要功能进行了测试,验证了工艺知识挖掘系统的可行性与稳定性。
张雪雯[3]（2020）在《基于数据仓库的管理驾驶舱系统的设计与实现》文中研究指明随着信息技术的快速发展,ERP系统、OA系统、CRM系统等管理信息系统已经广泛应用于各大企业的经营管理活动中,但随着企业业务范围的不断扩大,企业产生的数据量日益增长,对信息的简单管理已经不能满足当代企业的管理需求,各管理信息系统产生的数据缺乏互相联系,形成了大量的“信息孤岛”。企业如何将这些信息联系并利用起来,进而为管理层提供决策支持已经成为企业发展的当务之急。为解决上述问题,本文通过对某投资企业信息系统现状及各部门需求的调研,采用B/S架构设计并实现基于数据仓库的管理驾驶舱系统,将与企业经营状况相关的系统数据、电子文档数据和外部数据收集起来,并在此基础上进行数据分析与数据挖掘。在设计管理驾驶舱系统时,本文通过需求分析将系统模块划分为数据获取模块、数据管理模块、数据分析模块、风险预警模块、系统管理模块和登录模块。数据获取模块中为了解决数据集成的问题,在Hadoop集群上通过星型建模方式建立Hive数据仓库,并使用Kettle对源数据进行ETL处理,将数据按照一定的规则转换后加载至数据仓库中进行存储,形成了统一的数据中心。数据管理模块旨在解决数据仓库中元数据管理的问题,保证数据的质量。数据分析模块中使用大数据分析组件Kylin对数据进行OLAP分析,同时,为了更加直观的展示OLAP的分析结果,通过HTML5、Vue和ECharts组件将分析结果以多样化图表的形式进行展示,实现数据的可视化。风险预警模块的目的是提高企业应对财务危机的能力,本文设计并训练Logistic回归模型,用于预测财务危机发生的概率,实现对财务危机风险的预警功能。系统管理模块中使用Shiro框架实现用户权限控制,并在登录模块中对用户名及密码进行验证,实现系统的访问控制,保证系统的安全性。目前,管理驾驶舱系统已经建设完成并投入使用,系统运行状况良好,不仅为企业管理层决策提供了良好的数据支撑,还通过建立健全数据分析的指标体系,消除了数据上报口径不一致的问题,提高了数据分析的效率。
孙恺廷[4]（2020）在《基于数字孪生的车间三维虚拟监控系统研究》文中研究表明为满足制造业转型升级过程中对监控系统日益增长的需求,针对传统二维表单、组态软件和视频监控等方式存在的透明度低、实时性差、监控方式单一,以及目前基于实时数据驱动的车间三维虚拟监控系统存在的系统开发门槛高、开发效率低、系统可移植性差等问题,本文结合物联网技术、三维实时仿真技术、数据交互技术等,设计了一种基于数字孪生、以工业物联网平台作为数据总线、能实时展示车间生产过程的三维虚拟监控系统。本文首先在详细分析三维虚拟监控系统需求的基础上,参考数字孪生理论模型,结合虚拟监控实际需求,提出面向制造过程的基于数字孪生的车间三维虚拟监控系统六维模型,并对六个维度的含义进行阐述。其次,针对由于车间现场设备协议不统一、数据采集方法多样导致车间数据采集困难的现状,提出基于工业物联网平台的车间数据采集方案,并对该方案中涉及到的关键技术进行研究。之后,对虚拟场景的构建和三维实时映射方法就行了研究。最后,以个性化印章生产车间为应用对象,设计开发了个性化印章生产车间三维虚拟监控系统,并对系统主要功能的实现过程进行详细介绍。
胡宇涵[5]（2019）在《基于Agent的立体仓库可视化建模仿真研究》文中研究说明随着物流业的快速发展,现代化立体仓库作为其中最为重要的一环,如何科学合理地进行立体仓库建设,提高仓库整体作业效率,成为众多企业开源节流,降低企业成本的一大关键性问题。由于我国现代化立体仓库起步较晚,存在系统自动化程度较低,设计不规范,设备利用率低,整体作业效率不高等问题,基于Agent的三维建模仿真技术作为信息时代一项具备辅助参考价值的新研究方法,利用Agent在描述系统微观层面的优越性,对提高立体仓库系统建设水平,提升整体作业效率,消除系统瓶颈,促进立体仓库智能化、集成化、信息化具有十分重要的意义。本文以立体仓库系统为研究对象,主要完成了以下研究:（1）基于参数化针对系统中的静态设备（立体仓库）提出参数化建模设计流程,基于拓扑结构对系统中的动态设备（堆垛机、机械手）进行运动建模并设计求解算法;（2）把Agent建模思想引入立体仓库系统以实现功能分层抽象和定义,使用Petri网和形式化语言相结合的方式对每个Agent进行行为建模,阐述系统各组成要素之间相互作用的机制,以及这些要素与外界环境间的物料、信息交互机制,实现立体仓库系统动态运行模拟和逻辑分析;（3）提出由物理层、模型层、逻辑层和服务层组成的立体仓库系统仿真四层架构,建立堆垛机Agent路径规划算法,立体库Agent货位分配算法和三维可视化场景搭建三种基于MAS的仿真关键技术,设计基于MAS的出入库仿真流程;（4）基于OSG和MFC设计与实现立体仓库可视化建模仿真原型系统,通过仿真实例验证系统设计的有效性和可行性。利用本文建模仿真方法可快速构建立体仓库系统模型,指导实际仓库建设,验证方案可行性、消除系统瓶颈。立体仓库的智能化是一个长期、持续的过程,本文仅进行了初步的探索,实现自动化向智能化的真正跨越还有待进一步的研究。
谢婧[6]（2018）在《配电网信息模型异构映射与即插即用机制研究》文中研究说明随着供电企业信息化水平的提高和电力应用系统分布式应用需求的增长,消除各应用系统间的“信息孤岛”已成为配网信息集成领域的重要基础性工作。由国际电工委员会IEC发布的IEC61968/61970和IEC61850标准在配网信息集成领域中处于核心地位,分别为配电管理系统及电力企业自动化系统信息模型语法提供了规范的定义。配网信息集成需要综合应用IEC61968/61970及IEC61850标准,但不同标准的差异和大量私有扩展导致了模型异构,阻碍了信息集成的实现。本文以IEC61968/61970标准及IEC61850标准为研究基础,分析了信息模型的具体差异及融合建模方法,设计了配网异构信息模型映射与数据转换模块,以电池储能系统为典型对象提出了配网设备即插即用信息流技术的实现架构。首先,分析配网的信息模型差异与差异融合建模方法。本文不仅分析了IEC61970/IEC61968标准更新引发的CIM模型不同版本间异构以及电力企业对CIM私有扩展造成的交互数据难以解析等现象,还阐释了IEC61850标准信息模型与标准CIM模型在模型结构、接口服务、通信协议等方面的差异。基于模型差异分析结果,从拓扑与量测两个方面进行了模型扩展,消除了IEC61850与CIM模型在语法定义、建模范围、模型结构等方面大部分的差异。其次,重点研究配电网异构信息模型映射与数据转换方案。信息模型的差异将会造成信息交互中的数据冲突,阻碍信息集成的正常进行。为实现异构模型间的映射转换,从本体语言表达与本体拓扑存储技术出发,设计了异构信息模型节点映射算法,通过对模型节点语言、结构相似度的比对及冗余度筛选导出优化映射结果,提出了综合评价指标考查映射方案的全面性和准确性。在此基础上,设计了XSLT转换脚本生成算法,并进一步提出了异构模型数据转换方案。而后,制定了一致性测试规则与测试方案构架。最后,以不同版本CIM变压器模型实例及IEC61850、IEC61968拓扑模型实例为算例执行映射转换并进行一致性测试,验证异构信息模型映射与数据转换算法可用性及结果可靠性。最后,研究配网设备即插即用信息流的实现机制。异构信息模型映射与数据转换技术的运用有助于实现标准化的信息集成,为分布式能源主动控制和管理奠定基础。选取电池储能系统作为具有代表性的研究对象,分析了各典型场景下BESS的运行状态、控制策略及功能需求,选取特定功能的逻辑节点组建逻辑设备并进行自描述配置。基于IEC61850标准,分析了BESS并网的发现/注册机制及IEC61850通信模型与IEC60870-5-104规约映射的方法。以自描述建模为基础、以异构信息模型映射与数据转换模块为核心、以通信模型和规约映射为保障,构建了电池储能系统即插即用信息流实现架构。本文研究成果能够为配网各应用系统间的信息交互提供模型映射与数据转换服务,有利于提升分布式能源并网运行的有效性和便捷性,切实提高配网信息集成水平,具有良好的应用价值。
卢松[7]（2017）在《数据挖掘技术在车险电销中的应用》文中研究表明汽车保险电话销售是以电话为主要沟通渠道并借助网络、传真、短信、快递等辅助渠道销售汽车保险的一种新型营销模式。随着车险电话销售模式的普及,很多车险客户及产品销售等业务数据被保存了下来,与此有关的大量业务数据往往存在不同的系统中,彼此间的兼容性较差,缺乏统一的规划且还有很多干扰数据。随着车险行业信息化程度的不断提高,车险公司间的竞争越来越激烈,如何使用这些数据来建立适用于车险电话销售的营销模式已成为各大保险公司需要面对的难题。数据挖掘技术正是从大规模数据中抽取隐含的、未知的和有潜在使用价值的信息技术,可以很好地解决这个难题。本文的工作重点是通过对车险业务的理解,针对车险数据跨系统、兼容性差且存在很多干扰数据的特点,结合产险公司的实际需求,建立了一套适合车险电销的数据仓库,并在此基础上设计了基于聚类分析的客户细分模型和基于客户分类的购买倾向性分析模型,同时运用SAS数据挖掘工具实现了对客户的分类及对产品销售的预测,进而从购买概率和购买平均价格两个维度针对每一类客户制定了不同的营销策略,从而指导营销员有针对性地进行销售。在研发工作中,数据仓库的建立、对数据挖掘算法的理解和选择以及对车险数据的清洗都是主要的工作。本文深入了解车险行业的领域知识,详细阐述了数据挖掘技术在车险电销中的应用。主要的研发工作如下:1、从车险业务入手,分别介绍了车险电销客户数据仓库概念模型和逻辑模型的设计与实现;2、介绍了实证研究中用到的数据挖掘的算法,如K-means算法和逻辑回归算法;3、介绍了运用数据挖掘技术对车险数据进行实证分析的过程。从研发工作的结果来看,本文得到了有助于车险决策的一些结论,比如低续保率高百产的客户往往都是高端车和过户车,这类客户较易流失,我们可以通过加投offer等方式来留住客户,最终通过这些营销策略使得保费续保率提升了2%-3%左右。此外,在电话销售时有针对性地推荐车险险种可以提升保费续保率。这次探索为数据挖掘技术在车险电销中的应用提供了一定的借鉴意义。然而在实际运用中还需要依据拥有的数据情况重新选择相关的主题并设计对应主题的属性值。
万向怡[8]（2016）在《一种基于Hadoop的电商数据分析系统的设计与实现》文中研究表明随着电子商务网站的访问量和交易量越来越大,业务类型和工作流程越来越复杂,对数据价值的探索越来越深入,现有的商业智能分析软件无法高效处理海量数据,或者无法完全满足企业的需求。本文设计并实现了一个基于Hadoop的一站式电子商务数据统计分析系统,以应对海量数据智能化处理分析的挑战。Hadoop是Apache基金会开发的一个开源分布式计算平台,以分布式文件系统HDFS和并行计算模型MapReduce为核心,为用户提供了系统底层细节透明的分布式技术架构。按照流程本系统主要由四个核心部分组成:ETL（数据提取、转化、加载）、数据建模、OLAP（在线分析处理）和数据可视化。我们将传统关系型数据库中的数据抽取出来,经过数据清洗和转换,存放到Apace Hive数据仓库中。根据企业定制化的需求,我们对数据仓库中存储的数据进行逻辑建模,寻找数据之间的关联性,利用Hive分析处理数据并封装为满足业务需求的数据集,导出到可视化BI软件Tableau中,为网站管理者提供决策支持。
姜文举[9]（2015）在《基于Teradata的零售行业数据模型的研究》文中认为随着信息技术的普及与发展,越来越多的信息系统被应用在各个现实的生活领域。随之而来的便是大量的信息数据被不断的堆积。堆积的数据里面蕴含着丰富的信息宝藏：个人信息,消费习惯信息,购买能力信息等等。而这些丰富的信息宝藏又不是显而易见的,它需要人们从堆积的信息里,通过科学的方法进行提取,再以优秀的方法论加以加工,形成稳定的数据模型,通过可视化的智能分析工具来呈现给需要了解它的人们。因此,高效准确的模型数据,变成了企业突破藩篱,取得竞争优势的有力武器。因此,对于那些想使用大数据有所作为的零售企业,数据仓库则是必要的不可或缺的一个措施。在实际的情况中,很多企业虽然花费了大量的人力物力,却没有得到预期的回报。问题之一就在于,数据仓库的数据模型和现实的数据不能形成有力的统一。其中包括,业务模型的统一和数据仓库性能优化等等。为了解决以上的问题,本文重点研究了基于Teradata的数据模型。以Teradata零售行业的数据模型为蓝本,有效的组织了某企业的多来源数据,并且使用统一的业务语言来描述业务。从建立逻辑数据模型的方法论着手,通过具体的实例,阐述了逻辑数据模型建立的过程,以及依据逻辑数据模型建立物理数据模型的过程和方法,总结了在模型建立过程中必须遵守的规则。由于在物理模型的建立过程中,性能问题经常被忽略,所以本文从几个角度对物理模型的优化进行了一些探讨和研究,总结了一些优化的方法,并且取得了初步的效果。最后,介绍了一个使用了Teradata零售数据模型的成功案例。
武继文[10]（2012）在《基于UML的数据仓库逻辑建模研究》文中认为数据仓库是面向主题的，抽取于数据库，受数据驱动。数据仓库可以为需要做决策分析的系统提供数据支持。我们主要关注数据仓库的逻辑建模，包括：需求分析、概念模型设计和逻辑模型设计。逻辑建模是建立数据仓库的首要前提，是成功建立数据仓库的关键步骤。数据仓库的建立对提高企业的决策水平有很大的意义，同时还能从中筛选出有价值的信息，随时跟踪到市场动态，提高企业的应变性。因此，好的数据仓库的建模方法显得迫切的需要。本文将UML的概念引入到了数据仓库的建模技术之中，并且改进了传统的UML视图的缺点，更好地应用在数据仓库的逻辑建模中。首先，介绍了数据仓库的相关基本概念，特别对比了现有的数据仓库建模方法的优点和缺点。现有的方法不能清晰地反应实体与实体之间的关系。而UML提供的一系列视图，清晰地表现了对象的属性和对象的行为之间的关系。因此，我们将UML引入到了数据仓库的逻辑建模中。其次，改进了UML传统的用例图、包图、活动图和类图，改进后的UML视图能够更全面地反应对象的属性和对象的行为之间的关系，满足应对应变能力，直观地把握行为的承担角色。我们建立了基于改进的UML的数据仓库的逻辑模型的方法。最后，把改进的UML的数据仓库逻辑建模方法具体应用于电信的开发过程中。实验表明，基于改进UML的建模方法，能够更加地直观观察到实体和实体之间的关系，有助于企业根据市场的变化制定应对策略。
二、数据仓库逻辑建模的初步探讨（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、数据仓库逻辑建模的初步探讨（论文提纲范文）
（2）工艺知识获取方法研究与系统设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像检索 |
| 1.2.2 工艺路线挖掘 |
| 1.2.3 工艺规则挖掘 |
| 1.3 论文研究内容 |
| 1.4 论文组织结构 |
| 第2章 基于SIFT特征的相似零件图像检索 |
| 2.1 SIFT特征提取 |
| 2.1.1 尺度空间极点检测 |
| 2.1.2 特征点定位与方向计算 |
| 2.1.3 关键点描述 |
| 2.2 改进Canopy-Kmeans聚类算法 |
| 2.2.1 改进Canopy算法 |
| 2.2.2 改进Canopy-Kmeans聚类算法 |
| 2.3 基于SIFT特征的零件图像检索算法 |
| 2.3.1 BoVW |
| 2.3.2 基于SIFT的零件图像检索算法 |
| 2.3.3 零件图像检索实例验证 |
| 2.4 本章小结 |
| 第3章 基于工艺路线的规则挖掘 |
| 3.1 数据预处理 |
| 3.1.1 工序分词 |
| 3.1.2 自动编码技术 |
| 3.2 典型工艺路线获取 |
| 3.2.1 工艺相似性度量 |
| 3.2.2 AP聚类算法 |
| 3.2.3 典型工艺路线挖掘实例 |
| 3.3 公共子序列获取 |
| 3.3.1 序列模式基本理论 |
| 3.3.2 Prefixspan算法 |
| 3.3.3 公共子序列挖掘实例 |
| 3.4 本章小结 |
| 第4章 工艺关联规则挖掘 |
| 4.1 基于散列技术的Apriori算法 |
| 4.1.1 Apriori算法 |
| 4.1.2 散列技术 |
| 4.1.3 基于散列技术的Apriori算法 |
| 4.2 工艺数据提取 |
| 4.3 工艺关联规则挖掘实例 |
| 4.4 本章小结 |
| 第5章 工艺知识挖掘系统设计与实现 |
| 5.1 系统总体设计 |
| 5.1.1 系统总体技术架构 |
| 5.1.2 系统总体功能架构 |
| 5.1.3 系统开发环境 |
| 5.2 工艺数据仓库构建 |
| 5.2.1 工艺数据仓库方案设计 |
| 5.2.2 工艺数据仓库逻辑建模 |
| 5.2.3 工艺数据仓库物理建模 |
| 5.3 系统实现与测试 |
| 5.3.1 知识挖掘 |
| 5.3.2 数据抽取 |
| 5.3.3 系统设置 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（3）基于数据仓库的管理驾驶舱系统的设计与实现（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 论文的背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 国内外数据仓库发展现状 |
| 1.2.2 国内外管理驾驶舱系统发展现状 |
| 1.3 论文的主要工作 |
| 1.4 论文组织结构 |
| 2 关键技术及理论 |
| 2.1 数据仓库技术 |
| 2.1.1 数据仓库概述 |
| 2.1.2 Hive |
| 2.1.3 ETL |
| 2.2 联机分析处理技术 |
| 2.2.1 OLAP概述 |
| 2.2.2 Apache Kylin |
| 2.3 逻辑回归模型 |
| 2.4 本章小结 |
| 3 管理驾驶舱系统的需求分析 |
| 3.1 整体需求分析 |
| 3.1.1 业务范围定义 |
| 3.1.2 系统角色定义 |
| 3.2 功能性需求 |
| 3.2.1 数据采集与处理需求 |
| 3.2.2 数据管理需求 |
| 3.2.3 数据分析需求 |
| 3.2.4 财务危机预警需求 |
| 3.2.5 系统管理需求 |
| 3.3 非功能性需求 |
| 3.4 本章小结 |
| 4 管理驾驶舱系统的总体设计 |
| 4.1 系统总体结构设计 |
| 4.1.1 ETL层设计 |
| 4.1.2 数据存储层设计 |
| 4.1.3 应用层设计 |
| 4.1.4 展现层设计 |
| 4.2 系统功能结构设计 |
| 4.3 本章小结 |
| 5 数据仓库的设计与实现 |
| 5.1 数据仓库的设计原则 |
| 5.2 基础数据表设计 |
| 5.3 概念模型设计 |
| 5.4 逻辑模型设计 |
| 5.5 物理模型设计 |
| 5.6 本章小结 |
| 6 管理驾驶舱系统的详细设计与实现 |
| 6.1 数据获取模块 |
| 6.2 数据管理模块 |
| 6.3 数据分析模块 |
| 6.3.1 分析方法概述 |
| 6.3.2 数据分析的设计与实现 |
| 6.4 风险预警模块 |
| 6.4.1 样本数据选择 |
| 6.4.2 财务预警指标体系 |
| 6.4.3 样本数据预处理 |
| 6.4.4 Logistic回归分析 |
| 6.5 系统管理模块与登陆模块 |
| 6.6 本章小结 |
| 7 管理驾驶舱系统测试 |
| 7.1 测试综述 |
| 7.2 功能性测试 |
| 7.3 非功能性测试 |
| 7.4 测试结果分析 |
| 7.5 本章小结 |
| 8 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）基于数字孪生的车间三维虚拟监控系统研究（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 数字孪生技术 |
| 1.2.2 车间虚拟监控技术 |
| 1.3 主要工作内容 |
| 1.3.1 研究内容 |
| 1.3.2 论文体系结构 |
| 1.4 课题来源 |
| 2 基于数字孪生的车间三维虚拟监控系统理论 |
| 2.1 三维虚拟监控系统需求分析 |
| 2.2 基于数字孪生的车间三维虚拟监控系统理论模型 |
| 2.2.1 数字孪生理论模型 |
| 2.2.2 车间三维虚拟监控系统理论模型 |
| 2.3 车间三维虚拟监控系统开发流程 |
| 2.4 本章小结 |
| 3 基于工业物联网平台的车间数据采集技术 |
| 3.1 车间数据分析 |
| 3.1.1 数据特点 |
| 3.1.2 数据分类 |
| 3.1.3 车间数据采集现状分析 |
| 3.2 基于工业物联网平台的车间三维虚拟监控系统数据流 |
| 3.2.1 工业物联网平台简介 |
| 3.2.2 车间数据流 |
| 3.3 数据采集关键技术 |
| 3.3.1 基于RFID技术的物料识别与跟踪 |
| 3.3.2 基于OPC协议的信息读取 |
| 3.3.3 基于RPC框架的信息传输 |
| 3.3.4 基于JSON的文本数据传输 |
| 3.3.5 基于REST FUL架构的数据交换技术 |
| 3.4 本章小结 |
| 4 车间虚拟场景构建 |
| 4.1 虚拟场景构建流程 |
| 4.2 基于场景树的几何建模 |
| 4.3 虚拟场景构建方法选择 |
| 4.3.1 三维动画制作 |
| 4.3.2 OpenGL/Direct 3D |
| 4.3.3 Web3D |
| 4.3.4 多专业软件协同开发 |
| 4.4 基于人机交互的场景漫游 |
| 4.4.1 几何变换 |
| 4.4.2 场景漫游的实现 |
| 4.5 虚拟场景优化 |
| 4.5.1 优化目的 |
| 4.5.2 虚拟场景渲染流程 |
| 4.5.3 场景优化 |
| 4.6 本章小结 |
| 5 基于孪生数据驱动的车间三维虚拟监控系统实时动态映射 |
| 5.1 多层次映射体系 |
| 5.2 车间运行逻辑建模 |
| 5.2.1 模型假设 |
| 5.2.2 模型构建 |
| 5.3 基于孪生数据的动态映射 |
| 5.4 本章小结 |
| 6 车间三维虚拟监控系统设计与实现 |
| 6.1 个性化印章生产车间概述 |
| 6.1.1 生产系统组成 |
| 6.1.2 印章加工过程 |
| 6.1.3 自动化控制系统 |
| 6.2 系统开发平台 |
| 6.2.1 模型创建平台 |
| 6.2.2 模型渲染平台 |
| 6.2.3 工业物联网平台 |
| 6.2.4 虚拟现实开发平台 |
| 6.3 系统硬件组成与开发流程 |
| 6.3.1 系统硬件组成 |
| 6.3.2 系统开发流程 |
| 6.4 系统总体架构 |
| 6.5 系统功能验证 |
| 6.5.1 虚拟场景构建 |
| 6.5.2 系统数据采集与管理 |
| 6.5.3 孪生数据映射 |
| 6.5.4 前端展示 |
| 6.5.5 系统运行效果 |
| 6.6 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（5）基于Agent的立体仓库可视化建模仿真研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 立体仓库可视化建模研究现状 |
| 1.2.2 基于Agent的立体仓库建模方法研究现状 |
| 1.2.3 基于Agent的立体仓库仿真方法研究现状 |
| 1.2.4 现状小结 |
| 1.3 论文主要研究内容 |
| 第2章 基于参数化的立体仓库可视化建模 |
| 2.1 基于参数化的立体仓库建模流程 |
| 2.2 基于拓扑结构的立体仓库动态设备建模 |
| 2.2.1 拓扑结构及拓扑链 |
| 2.2.2 基于拓扑结构的六自由度机械手建模 |
| 2.2.3 基于拓扑结构的堆垛机建模 |
| 2.3 本章小结 |
| 第3章 基于Agent的立体仓库逻辑建模 |
| 3.1 Agent及多Agent系统 |
| 3.1.1 Agent的定义与结构 |
| 3.1.2 多Agent系统(MAS) |
| 3.1.3 基于Agent的立体仓库建模流程 |
| 3.2 立体仓库Agent设计 |
| 3.3 基于Petri网和形式化描述的Agent行为建模 |
| 3.3.1 接口Agent |
| 3.3.2 管理Agent |
| 3.3.3 任务Agent |
| 3.3.4 单元Agent |
| 3.3.5 立体库Agent |
| 3.3.6 堆垛机Agent |
| 3.3.7 机械手Agent |
| 3.4 本章小结 |
| 第4章 基于Agent的立体仓库仿真技术研究 |
| 4.1 立体仓库系统仿真架构 |
| 4.2 基于MAS的仿真关键技术 |
| 4.2.1 堆垛机Agent路径规划算法 |
| 4.2.2 立体库Agent货位分配算法 |
| 4.2.3 可视化仿真环境搭建 |
| 4.3 基于MAS的立体仓库作业仿真 |
| 4.3.1 立体仓库作业流程分析 |
| 4.3.2 基于MAS的入库仿真 |
| 4.3.3 基于MAS的出库仿真 |
| 4.4 本章小结 |
| 第5章 立体仓库可视化建模仿真原型系统设计与实现 |
| 5.1 系统总体设计 |
| 5.2 系统关键模块设计与实现 |
| 5.2.1 基于参数化的可视化建模与布局模块 |
| 5.2.2 基于Agent的逻辑建模模块 |
| 5.2.3 基于Agent的仿真模块 |
| 5.3 仿真实例验证 |
| 5.4 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间作者的科研成果 |
（6）配电网信息模型异构映射与即插即用机制研究（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 标准化信息模型 |
| 1.2.2 异构XML数据转换与测试 |
| 1.2.3 配网通信体系 |
| 1.2.4 即插即用机制 |
| 1.3 本文的主要内容与章节安排 |
| 第二章 异构信息模型差异分析 |
| 2.1 引言 |
| 2.2 IEC61970/61968标准与IEC61850标准 |
| 2.2.1 IEC61970/61968标准 |
| 2.2.2 IEC61850标准 |
| 2.3 CIM模型差异分析 |
| 2.3.1 CIM模型发展历程 |
| 2.3.2 CIM模型版本更新 |
| 2.3.3 CIM模型扩展 |
| 2.4 IEC61850与CIM模型差异分析 |
| 2.4.1 静态拓扑模型差异 |
| 2.4.2 量测模型差异 |
| 2.5 IEC61850与CIM模型差异融合 |
| 2.5.1 IEC61850拓扑模型扩展 |
| 2.5.2 IEC61968量测模型扩展 |
| 2.6 本章小结 |
| 第三章 异构信息模型节点映射方法研究 |
| 3.1 引言 |
| 3.2 本体分析技术 |
| 3.2.1 本体表达方法 |
| 3.2.2 模型本体构造 |
| 3.2.3 本体存储结构 |
| 3.3 模型节点映射 |
| 3.3.1 映射算法流程 |
| 3.3.2 语言相似度计算 |
| 3.3.3 结构相似度计算 |
| 3.3.4 映射结果优化 |
| 3.3.5 映射结果评估 |
| 3.4 算例验证 |
| 3.4.1 异构变压器模型映射算例 |
| 3.4.2 异构拓扑模型映射算例 |
| 3.5 本章小结 |
| 第四章 异构信息模型数据转换方法研究 |
| 4.1 引言 |
| 4.2 异构模型数据转换 |
| 4.2.1 XML文件解析 |
| 4.2.2 XSLT转换脚本 |
| 4.2.3 异构转换方案 |
| 4.3 一致性测试 |
| 4.3.1 一致性测试元数据 |
| 4.3.2 一致性测试规则 |
| 4.3.3 一致性测试平台构架 |
| 4.4 算例验证 |
| 4.4.1 异构变压器模型数据转换算例 |
| 4.4.2 异构拓扑模型数据转换算例 |
| 4.5 本章小结 |
| 第五章 电池储能系统即插即用信息流实现技术研究 |
| 5.1 引言 |
| 5.2 BESS逻辑建模 |
| 5.2.1 IED建模方法 |
| 5.2.2 BESS功能需求分析 |
| 5.2.3 BESS逻辑节点结构 |
| 5.2.4 自描述文件配置 |
| 5.3 基于IEC61850-80-1的通信模型 |
| 5.3.1 IEC61850 通信模型 |
| 5.3.2 发现/注册机制 |
| 5.3.3 通信模型映射 |
| 5.4 即插即用信息流实现架构 |
| 5.4.1 即插即用信息流 |
| 5.4.2 模型映射与数据转换模块 |
| 5.5 本章小结 |
| 第六章 总结 |
| 6.1 主要成果与创新点 |
| 6.2 研究展望 |
| 参考文献 |
| 附录1 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
| 攻读硕士学位期间已申请的发明专利与软着 |
| 攻读硕士学位期间参与的科研项目 |
（7）数据挖掘技术在车险电销中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 本文工作 |
| 1.3.1 工作动机 |
| 1.3.2 难点描述 |
| 1.3.3 本文贡献 |
| 1.4 本文研究内容和结构 |
| 第二章 数据挖掘与数据仓库概述 |
| 2.1 数据挖掘 |
| 2.1.1 数据挖掘的概念 |
| 2.1.2 数据挖掘的过程 |
| 2.1.3 数据挖掘的主要方法 |
| 2.1.4 数据挖掘在保险业的应用 |
| 2.2 数据仓库 |
| 2.2.1 数据仓库的概念 |
| 2.2.2 数据仓库的特征 |
| 2.2.3 数据仓库的体系结构 |
| 2.3 本章小结 |
| 第三章 数据挖掘的相关算法 |
| 3.1 聚类 |
| 3.1.1 聚类的相关概念 |
| 3.1.2 K-means算法介绍 |
| 3.2 分类 |
| 3.2.1 分类的相关概念 |
| 3.2.2 基于二分类的逻辑回归算法 |
| 3.3 本章小结 |
| 第四章 车险电销客户挖掘需求分析 |
| 4.1 项目的建立 |
| 4.1.1 需求背景 |
| 4.1.2 项目目标 |
| 4.2 客户挖掘项目规划与设计 |
| 4.2.1 确定挖掘主题 |
| 4.2.2 准备数据 |
| 4.2.3 数据建模 |
| 4.2.4 结果评估 |
| 4.3 本章小结 |
| 第五章 车险电销数据仓库的建立 |
| 5.1 保险数据系统存在的问题 |
| 5.2 车险电销数据仓库的设计 |
| 5.2.1 数据源选择 |
| 5.2.2 数据仓库主题分析 |
| 5.2.3 数据仓库的逻辑模型设计 |
| 5.2.4 数据仓库的物理模型设计 |
| 5.3 车险电销数据仓库的实现 |
| 5.3.1 创建数据库及相应表 |
| 5.3.2 ETL处理流程 |
| 5.3.3 ETL的实现 |
| 5.4 本章小结 |
| 第六章 数据挖掘在车险电销中的应用实证分析 |
| 6.1 数据选择 |
| 6.1.1 数据集选择 |
| 6.1.2 数据属性选择 |
| 6.2 数据集成 |
| 6.3 数据预处理 |
| 6.3.1 数据清洗 |
| 6.3.2 数据离散化 |
| 6.3.3 数据聚集 |
| 6.4 数据挖掘实验与分析 |
| 6.4.1 客户分群 |
| 6.4.2 构建购买倾向性模型 |
| 6.4.3 预测客户购买产品组合的平均价格 |
| 6.4.4 预测客户购买产品组合的百名单产能 |
| 6.4.5 推荐备选方案博弈 |
| 6.4.6 模型的结论 |
| 6.4.7 模型的应用 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（8）一种基于Hadoop的电商数据分析系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 项目简介 |
| 1.2.1 ETL |
| 1.2.2 数据建模 |
| 1.2.3 OLAP |
| 1.2.4 数据可视化 |
| 1.3 主要工作与创新点 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 第2章 研究现状及背景技术 |
| 2.1 研究现状 |
| 2.2 背景技术 |
| 2.2.1 Hadoop |
| 2.2.2 Hive |
| 2.2.3 数据仓库 |
| 2.3 本章小结 |
| 第3章 系统总体设计 |
| 3.1 需求介绍 |
| 3.1.1 市场营销仪表板 |
| 3.1.2 订单历史跟踪记录 |
| 3.2 数据建模 |
| 3.2.1 概念建模 |
| 3.2.2 逻辑模型 |
| 3.2.3 物理建模 |
| 3.3 功能架构 |
| 3.3.1 功能要求 |
| 3.3.2 系统模型 |
| 第4章 系统实现 |
| 4.1 运行环境配置 |
| 4.2 系统功能实现 |
| 4.2.1 ETL |
| 4.2.2 OLAP |
| 4.2.3 技术难点 |
| 第5章 结果分析与功能测试 |
| 5.1 数据可视化 |
| 5.2 功能测试 |
| 5.3 数据分析 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
（9）基于Teradata的零售行业数据模型的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 课题选择的动机 |
| 1.3 研究的技术路线 |
| 1.4 论文的组织结构 |
| 第2章 数据仓库概念与Teradata技术 |
| 2.1 数据仓库的发展历史 |
| 2.2 Teradata公司简介 |
| 2.3 数据仓库其他的概念 |
| 2.3.1 OLAP和OLTP |
| 2.3.2 数据仓库查询特点 |
| 2.3.3 数据仓库体系结构 |
| 2.4 数据仓库与数据集市 |
| 2.5 Teradata的技术特征 |
| 2.5.1 Teradata的可扩展的方法论 |
| 2.5.2 Teradata可扩展的数据框架 |
| 2.5.3 Teradata的系统组成部件 |
| 2.5.4 Teradata的系统工作原理 |
| 2.5.5 Teradata的并行处理机制 |
| 2.5.6 Teradata的索引 |
| 第3章 数据仓库的建模 |
| 3.1 Teradata的概念数据模型 |
| 3.2 数据模型的方法论 |
| 3.2.1 数据模型的概念 |
| 3.2.2 研究数据模型的现实意义 |
| 3.2.3 数据模型的建立方法 |
| 第4章 Teradata零售行业的数据模型 |
| 4.1 数据模型的设计 |
| 4.1.1 建立LDM的基本思路 |
| 4.1.2 数据模型的设计规则 |
| 4.1.3 LDM的设计 |
| 4.2 数据模型的客户化实施 |
| 4.2.1 逻辑模型的客户化 |
| 4.2.2 物理模型的客户化 |
| 4.2.3 主题域的设计 |
| 4.2.4 主题概述 |
| 4.2.5 人口统计特征的LDM |
| 4.2.6 人口统计特征(Demographic)的PDM |
| 4.3 数据模型的优化 |
| 4.3.1 物理模型优化概要 |
| 4.3.2 物理模型优化的途径 |
| 4.3.3 物理模型优化方法 |
| 4.3.4 SQL的优化 |
| 4.3.5 调度程序的优化 |
| 4.3.6 PDM优化的测试 |
| 第5章 零售行业数据模型价值的研究 |
| 5.1 客户眼中的数据模型 |
| 5.2 数据模型支持BIOs |
| 5.3 数据模型支持的商务智能分析 |
| 5.4 一个客户的实例 |
| 5.4.1 企业的角度 |
| 5.4.2 缺口分析(Gap Analysis) |
| 5.4.3 BIOs:数据与业务成果的联系 |
| 5.4.4 关于数据模型的主题域 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
（10）基于UML的数据仓库逻辑建模研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 本文的主要研究内容 |
| 1.3 本文的研究创新点 |
| 第二章 数据仓库建模 |
| 2.1 数据仓库的基本概念 |
| 2.2 数据仓库建模 |
| 2.3 数据仓库建模方法 |
| 2.3.1 范式建模法 |
| 2.3.2 维度建模法 |
| 2.3.3 实体建模法 |
| 第三章 UML 视图 |
| 3.1 类图 |
| 3.2 对象图 |
| 3.3 包图 |
| 3.4 活动图 |
| 3.5 序列图 |
| 3.6 用例图 |
| 第四章 基于 UML 的数据仓库逻辑建模方法的研究 |
| 4.1 数据仓库的需求模型设计 |
| 4.1.1 用扩展的用例图设计确认业务的需求 |
| 4.1.2 用活动图设计确认需求阶段的流程 |
| 4.2 数据仓库的概念模型设计 |
| 4.2.1 使用包图设计主题域并界定系统边界 |
| 4.2.2 使用类图描述主题域 |
| 4.3 数据仓库逻辑模型设计 |
| 4.3.1 用基类的属性标明主键 |
| 4.3.2 关系描述 |
| 第五章 基于 UML 数据仓库逻辑建模方法的应用 |
| 5.1 现状分析 |
| 5.2 问题分析 |
| 5.3 数据仓库的需求模型设计 |
| 5.3.1 确认需求 |
| 5.3.2 确认需求阶段流程 |
| 5.4 数据仓库的概念模型设计 |
| 5.4.1 设计主题域界定系统边界 |
| 5.4.2 描述主题域 |
| 第六章 总结 |
| 致谢 |
| 参考文献 |
四、数据仓库逻辑建模的初步探讨（论文参考文献）
- [1]数据仓库维度建模方法研究[A]. 胡俊鹏,肖晓东,朱伟义,李勋,王睿昕. 全国智能用电工程建设经验交流会论文集(2020年), 2020
- [2]工艺知识获取方法研究与系统设计[D]. 景志强. 山东大学, 2020(11)
- [3]基于数据仓库的管理驾驶舱系统的设计与实现[D]. 张雪雯. 北京交通大学, 2020(03)
- [4]基于数字孪生的车间三维虚拟监控系统研究[D]. 孙恺廷. 南京理工大学, 2020(01)
- [5]基于Agent的立体仓库可视化建模仿真研究[D]. 胡宇涵. 西南交通大学, 2019(04)
- [6]配电网信息模型异构映射与即插即用机制研究[D]. 谢婧. 上海交通大学, 2018(01)
- [7]数据挖掘技术在车险电销中的应用[D]. 卢松. 上海交通大学, 2017(01)
- [8]一种基于Hadoop的电商数据分析系统的设计与实现[D]. 万向怡. 浙江大学, 2016(04)
- [9]基于Teradata的零售行业数据模型的研究[D]. 姜文举. 大连海事大学, 2015(07)
- [10]基于UML的数据仓库逻辑建模研究[D]. 武继文. 上海师范大学, 2012(01)