一、基于管理决策问题中的异构知识集成推理研究（论文文献综述）
郭骅,蒋勋,许瑞,侯柏屹,张健东[1]（2021）在《协同视角下的跨域突发事件应急情报组织模式》文中研究说明跨域性是现代风险社会突发事件的显着特征,面对错综复杂的跨域突发事件,需要构造动态自组织的应急情报网络,以破除情报资源、情报服务和情报服务主体之间的壁垒,从而产生情报协同效应。本文通过多维度的知识关联与混合式的数据融合,为应急情报资源提供组织方案,运用领域驱动设计的思想为细粒度应急情报服务的划分和组织提供方法,设计改善传统的智能代理模型,以支持对突发事件情境演化的感知和对社会约束的响应。本文从情报资源、情报服务和服务主体三个层面的综合视角出发,研究跨域应急情报链纵向贯通的工作机理和实现路径,提出了应急情报网络的"资源-服务-主体"三重协同模式和总体解决方案,支持跨领域知识组织、细粒度服务合成和多主体协同作战。
王莉[2]（2019）在《基于知识图谱的城市轨道交通建设安全管理智能知识支持研究》文中研究指明城市轨道交通建设工程是一项复杂的、高风险的系统工程,具有建设规模大、参与人员多、技术工艺复杂、施工环境多变等特点,极易产生安全事故。由于安全事故是由各种风险因素共同作用的结果,因此,安全管理需要全面、综合性的知识支持。尽管城市轨道交通建设行业已经积累了大量的数据资料,但是在面临具体安全问题时,如何从众多的数据资料中快速、准确获取所需知识,至今还缺乏有效的解决途径。为了解决上述问题,本文立足于城市轨道交通建设安全管理（URTCSM）,从知识支持的角度,引入人工智能领域相关技术和方法,研究基于知识图谱的安全管理智能知识支持理论模型和方法体系。具体内容包括:以系统论为指导,分析城市轨道交通建设安全管理核心任务和管理流程,提出智能知识支持的概念和内涵,研究人工智能领域的知识图谱等技术对城市轨道交通建设安全管理的知识支持作用,构建基于知识图谱的城市轨道交通建设安全管理智能知识支持理论模型。对URTCSM领域知识范围进行界定,从过程、组织、对象、管理等维度对领域知识进行分解,形成多维分层的知识分类体系。在领域概念建模方面,基于领域知识体系结构内容和特点,构建多维分层的专业领域概念模型;根据标准规范自身结构和使用需求,构建混合粒度的标准规范概念模型;根据事故分析对事故知识的需求,构建多主体关联的事故概念模型。在实体关系建模方面,基于领域知识分类体系结构进行概念之间层级关系建模,并对影响城市轨道交通建设工程安全实施的核心要素之间的关系进行建模,形成URTCSM领域知识结构模式,为领域知识图谱的构建提供规范化的知识框架。分析了URTCSM领域知识主要来源,重点对标准规范和事故案例数据进行搜集和整理。在领域实体知识元抽取方面,根据数据结构化程度以及自然语言描述特点,对不同类型实体知识元的抽取分别采用人工抽取、基于映射关系的转化、基于规则的提取、基于深度学习的实体识别等方法。在关系知识元抽取方面,分别采用基于映射关系的转化、基于规则的关系抽取、基于实体共现的关系抽取、基于机器学习的关系抽取等方法。在实体属性识别过程中采用类似的知识元抽取方法。抽取出来的知识元需要与已有知识进行融合,通过分析不同情形下知识融合需求,提出相应的融合方法。知识图谱中各类实体和关系知识元最后以图结构的形式存入图数据库Neo4j中,形成URTCSM领域知识图谱。提出URTCSM智能知识支持实现框架。针对标准规范知识,提出混合粒度规范知识获取的三种方式:知识导航,智能搜索,知识推荐。针对安全事故知识的应用主要以支持安全知识智能分析为主,提出三类事故分析任务:以事故画像的形式全面可视化的展示事故认知结构,根据统计分析指标自动构建查询语句的事故统计分析,以及基于关联路径的事故深度分析。根据URTCSM领域知识图谱中各知识要素之间的联系,对不同管理情境下的安全风险进行分析,为安全风险识别与预防提供知识支持。最后,开发了基于URTCSM领域知识图谱的智能知识支持系统,用于领域知识图谱维护和管理、标准规范知识智能获取、安全事故智能分析、安全管理决策分析等,为安全管理决策提供智能知识支持平台。该论文有图107幅,表23个,参考文献209篇。
李海涛[3]（2019）在《不确定环境下旱灾风险调控群决策方法研究》文中研究指明21世纪以来,在全球气候变化和人类活动影响下,旱灾呈现进一步加剧趋势,已成为制约各国经济社会可持续发展的重要问题之一。我国受旱灾影响严重,但当前阶段抗旱减灾体系总体上仍较为滞后。在水资源-经济社会-生态环境协同发展、应对气候变化等国家重大战略部署下,我国抗旱减灾工作面临新的挑战和更高的要求,旱灾风险管理新理念、新思路已得到我国各界人士的关注与研究。本文立足旱灾风险调控决策理论与实践中存在的问题与不足,紧跟风险管理与群决策理论方法的研究前沿,按照理论分析、方法构建、案例实证的思路开展研究。提出多主体参与的旱灾风险调控群决策研究框架,构建群决策信息提取和集结的随机EMD方法;进而针对旱灾风险调控决策中的一般性问题,建立基于不确定语言信息、不确定混合信息以及不确定随机动态信息的旱灾风险调控群决策方法;选取河南省农业旱灾风险调控典型问题实证分析,形成方法应用模式。研究成果对揭示旱灾风险调控决策不确定性并构建量化分析模型具有理论意义,对丰富和发展群决策理论方法体系具有推动作用,对政府科学调控和综合应对旱灾风险具有实际应用价值。本文主要工作集中在以下六个方面:（1）提出多参与主体的旱灾风险调控群决策研究框架,分析了群决策中的不确定性特征。通过分析旱灾风险系统构成要素及其相互作用机理,指出风险的不确定性和系统的复杂性是旱灾风险调控面临的决策环境;基于水资源-经济社会-生态环境系统协同发展理念,提出了多主体协同参与的旱灾风险调控群决策研究框架,分析了开展旱灾风险调控群决策研究的可行性与必要性;从三个方面分析了旱灾风险调控群决策中的不确定性特征:一是反映旱灾风险系统内在本质的随机性等不确定性;二是反映由于人类认识不足、信息缺失或知识缺乏而导致群决策信息不确定性;三是反映群决策过程与方法的不确定性。（2）融合随机模拟与滤波分析方法,提出了群决策信息提取和集结的随机EMD（Empirical Mode Decomposition）方法。分析指出传统群决策方法大多须对专家赋权实现群决策信息集结,但赋权方法存在主观性大、无统一衡量标准等问题;分析了群决策信息的差异性、无序性、不确定性特征,基于群决策信息包含主观成分与客观成分、客观成分对决策起决定性作用的基本假设,融合Monte Carlo随机模拟与EMD方法优势设计MC-EMD算法,实现群决策信息的自适应提取与集结,提高群决策结果客观性和可靠性;运用大数定律讨论了方法的收敛性与物理意义;结合数值算例对比分析了方法的可行性与优越性。（3）提出了不确定语言信息下旱灾风险调控群决策方法。针对群决策信息为不确定语言变量的情形,运用群决策信息提取和集结的随机EMD方法,提出了基于不确定语言信息的旱灾风险调控群决策方法。梳理了现有的语言评估标度,设计了多粒度语言信息一致化处理规则;为充分利用群决策信息,基于LHA（Linguistic Hybrid Averaging）算子、数值覆盖与灰信息表征方法、模糊正态分布隶属函数,分别构建了不确定语言群决策信息融合的LHA法、三参数区间灰数法与正态分布随机变量法;应用示例对比分析验证了上述方法均可行有效,可为旱灾风险调控多领域专家方案论证提供支持。（4）提出了不确定混合信息下旱灾风险调控群决策方法。针对群决策信息呈现多元不确定表征方式混合特征,运用群决策信息提取和集结的随机EMD方法,提出了基于不确定混合信息的旱灾风险调控群决策方法。设计了基于社会调查的混合决策信息采集办法,总结了常用的不确定偏好信息表征方式,提出了一致化为归一化效用值的转换方法;基于云模型和Monte Carlo模拟思想,提出了不确定混合群决策信息的正态云融合方法,以弥补随机抽样决策信息不完全、信息处理中决策信息丢失以及多次决策结论非一致等不足;应用示例验证了方法的合理有效性,可为面向公众参与的旱灾风险调控方案决策提供支持。（5）提出了不确定随机动态旱灾风险调控群决策方法。针对旱灾风险发展演变的随机性与决策者心理行为复杂性,根据群决策信息提取和集结的随机EMD方法,构建了基于参照点依赖与不确定混合信息的不确定随机动态旱灾风险调控群决策方法。提出了该类群决策问题的一般框架;依据TRP（Tri-reference Point）基本思想,提出将群体理想点、预期点和临界点设置为风险型群决策参照点,综合利用了累积前景理论、Markov链以及Orness测度等理论优势,提出了风险型动态群决策信息融合方法;应用示例验证了方法的科学有效性,可为旱灾风险调控方案的多阶段动态群决策提供支持。（6）河南省农业旱灾风险调控群决策实证分析。构建了多元截面数据灰色变化率关联分析模型,识别河南省农业旱灾脆弱性关键驱动因子;针对河南省雨养农业区和灌溉农业区防控与化解农业旱灾风险中的突出问题,构建了政策性农业保险产品与小型农田水利设施管护模式的区域适用性评价指标体系,设计了群决策信息采集的评价问卷与调研提纲,分别以陕州区和滑县为例,运用本文理论成果解决了政策性农业保险产品择优投放和小型农田水利设施管护模式优选问题,形成方法应用模式,可为一般区域政府决策部门提高旱灾风险调控效率、增强公共决策的民主化与科学化水平提供支持。
马创涛[4]（2018）在《面向数字化车间的棉纺质量自主控制与管理》文中进行了进一步梳理“中国制造2025”计划纲要的提出和实施,给纺织这个传统制造业的发展带来了前所未有的发展机遇和挑战,特别是纺织工业“十三五”规划将我国纺织业“十三五”重要任务确定为“控制总量、提升质量”。因此,对于我国纺织产业发展而言,如何有效解决我国纺织品尤其是棉纺织品质量低下、附加值过低的问题是一大挑战。这是因为在纺织生产过程中原材料频繁经历物理化学改性过程,使得棉纺数字化车间中的纺纱质量尚未实现精准控制,其问题的根源在于:（1）纺纱数据知识关联度较低;（2）纺纱质量波动因素难以有效识别;（3）纺纱质量输出值难以有效控制。对纺纱质量控制的现有研究,主要面向单一工序的纺纱质量控制模型,目前解决了纺纱生产质量异常数据监测与异常事件溯源问题,但还存在纺纱数据知识关联度低、纺纱质量波动机理难以有效识别以及纺纱质量难以精准控制的问题尚未彻底解决。为此,本文以上述三个问题为切入点,以提升棉纺数字化车间中纺纱质量水平为目标,重点研究纺纱数据知识关联,纺纱质量波动因素识别,以及纺纱质量智能控制三个方面的内容,具体的创新工作如下所述。（1）提出了基于质量损失函数的棉纺过程数据知识关联方法。针对棉纺数字化车间中各工序间知识关联度低的问题,借助多Agent理论,构建了面向棉纺数字化车间的系统集成模型,并在该模型下实现了各子系统功能的协同。然后,在系统功能集成与协同的基础之上,分析并研究了异构数据间的冲突问题,建立了棉纺数字化车间数据集成分析模型。进而,提出了一种基于质量损失函数的棉纺过程知识关联方法,有利于解决纺纱数据知识关联度较低的问题。（2）提出了一种纺纱质量异常波动因素辨识方法。在纱线质量国家标准中的纱线质量指标的基础之上,选取影响纱线质量波动的主要指标,并通过对纺纱生产过程中质量波动数据的统计分析,辨识了影响纱线质量波动的关键质量指标。进而,以纱线断裂强度质量指标为具体分析对象,借助Softmax多值回归算法,提出了一种基于Softmax回归的纺纱质量异常波动关键因素识别方法,有利于解决纺纱质量波动因素难以有效识别的问题。（3）建立了基于知识关联的纺纱质量控制模型。在辨识影响纺纱质量波动关键质量指标及其影响因素的基础之上,提出了一种基于烟花算法改进BP神经网络的纺纱质量预测模型,实验结果表明该模型对纺纱质量预测的精度达到97.88%。进而,选取纱线断裂强度为主要指标,构建了基于多工序知识关联的纺纱质量控制模型,对比验证结果表明,因纱线断裂强力而导致的纱线不合格率降低了 23.48%,从而有利于解决纺纱质量难以有效控制的问题。本论文的研究成果,一方面有利于解决棉纺数字化车间中存在的“数据丰富、知识匮乏”的问题,为实现基于数据驱动的纺纱质量控制提供理论基础;另一方面,有利于解决纺纱质量难以有效控制的问题,为提升棉纺数字化车间中棉纺织产品的质量管理水平提供技术支撑。
秦宏宇[5]（2017）在《基于CBR-RBR集成方法的马病远程诊断专家系统的研究》文中提出伴随着国家经济持续发展,我国马产业的发展速度也随之加快,但是在发展的同时也面临着新的机遇与挑战。近年来,我国在马匹专门化品种繁殖培育、马群保种和壮大的研究、示范的工作,对马产业的发展起到了一定效果。但是在马生产养殖方面取得进步的同时,疾病的发生仍然制约着马产业的持续发展。目前,马匹养殖环节存在着很多问题,如生产养殖多分布于基层,疾病诊断基础设施条件相对落后,领域专家稀缺,具有丰富临床诊疗经验的基层马兽医在数量和质量上都无法满足产业发展的需求。鉴于马病频发,马病诊断困难,诊断准确率低等问题,本研究旨在构建具备领域专家级疾病诊断水平的马病远程诊断与管理信息系统,一定程度上降低马病临床诊疗的误诊率和漏诊率,提高基层马兽医的服务质量。马病远程诊断与管理信息系统按照N层体系架构和面向对象技术进行设计,基于.NET框架技术,采用Asp.net和SQL Server 2008数据库等工具构建。研究通过走访新疆维吾尔自治区7个示范区调查基层马兽医的使用需求,分析与总结马病知识特点及规律,在领域专家的密切协作下,通过人工获取知识的方式,将马病专家经验知识和领域专业知识总结分析与归纳整理,采用基于对象-属性-值三元组法改进的产生式规则知识表示法和框架知识表示法对规则知识和案例知识进行表示,在关联数据库的基础上建造知识库和数据库,分别构建规则知识库、案例知识库、治疗数据库、病例数据库、预防数据库、多媒体数据库及工作数据库等辅助数据库。在分析马兽医领域专家诊断疾病的思维方式和诊断方法的基础上,对传统的规则推理进行了一定的改进,采用基于模糊规则提升理论的规则推理为主,案例推理为辅的集成推理模式,充分结合两种推理机制的优点,进而提高疾病诊断的准确率。本系统最终实现功能如下:（1）本项研究成功的研制出“马病远程诊断专家系统”和“马病远程管理信息系统”,该系统能够对118种马病进行诊断,并实现相关信息的管理功能。（2）马病远程诊断专家系统,针对传统规则推理中规则置信系数固定不变的不足,应用置信系数多值逻辑对知识的不确定性进行评估,采用模糊规则提升理论对规则推理进行一定的改进,实现规则置信系数的动态调整与优化。采用基于模糊规则提升理论的规则推理为主,案例推理为辅的CBR-RBR集成推理策略,将CBR作为改进后的RBR推理的补充和结果验证的保障,较好的模拟领域专家诊断疾病时的推理思维方式。（3）马病远程诊断专家系统实现了马病的智能化诊断功能,为用户提供19个疾病症状信息组,500多个图片及视频多媒体资料,118种马病的辅助诊断。系统依据用户提供的临床症状信息,通过推理诊断过程给出疾病诊断结果供用户参考。用户在操作过程中可以随时查看典型症状图片、视频等多媒体资料,为临床诊疗工作提供决策支持。（4）马病远程管理信息系统能够记录病马的具体发病情况,并对疾病发病率统计分析,为基层马兽医的疾病诊断和防治决策提供详细的参照。实现免疫、驱虫和消毒等疾病预防方面的管理功能,根据相应的工作程序,实现提醒功能,避免了由于马匹机体免疫等功能的缺失而造成疾病的发生。（5）马病远程管理信息系统还为用户提供典型病案资料和疾病预防方案的知识学习功能,系统不但以文字信息的方式将知识进行展示,而且还提供了典型疾病的症状图片和视频多媒体资料等丰富的学习资源。除此之外开发远程教学平台,实现用户与专家的网络平台信息交流。（6）马病远程诊断与管理信息系统通过了示范区的应用示范,并进行分组验证评价,评价结果显示系统在诊断疾病的准确性、界面友好度、问题描述的清晰程度、知识库的覆盖面及完整性方面的性能良好,具有较强的实用性和可操作性,能够较好的为基层马兽医提供疾病辅助诊疗及管理服务。
陈彦广[6]（2015）在《铝合金车轮制造企业知识集成方法研究》文中认为工业化与信息化融合背景下,抢先进入工业4.0时代,加强我国制造业的竞争力,是必须选择的命题。工业领域在发展壮大过程中开始更多地借助高科技力量,如何将企业日常生产经营中分散异构的知识信息加以整合,从而为不同层次管理者提供相应决策支持,这已经成为管理工程领域的一个重要解决难题。知识集成技术可为上述问题的解决提供一个有效的手段和途径。本文将企业知识集成过程分为底层知识支撑层、中间层知识关联层和最高层知识管理层,针对铝合金车轮制造企业的知识集成问题,分层次地开展了以下研究工作:在知识支撑层中,研究铝合金车轮企业多源异构知识元素表征方法,完成知识类和类属性的表征。对于关系型数据库知识元素的表征问题,选用矩阵结构的格式将其表征为知识元,并引入泛化集参考因子为关系型数据库来源的知识元素向泛化集的转化提供评判依据;对于具有实时特性的知识元素,通过知识之间发生关联的输入输出特性分别划分为输出型实时知识元、输入型实时知识元及混合型实时知识元,并设计了每种实时知识元素所对应的映射、属性、接口类型及关联连接形式;同时通过引入适配结构,使企业互联网来源知识元素可以通过检索表征混合结构完成知识元素表征。在知识关联层中,提出了一种准动态二次关联适配方法,通过构建以类为基本单元的类关联层级结构获得知识关联结构方法,既可以实现知识之间的优化关联,也可以适应企业流程的动态变化。该方法将层级结构成图过程分为静态成图与准动态成图两个先后衔接过程。对应静态成图与准动态成图两个过程,分别提出了相应的约束条件,并依据成图约束条件给出了获取类层级关联架构的具体方法。在知识管理层中,提出了适配铝合金车轮制造企业决策支持结构的由顶向下构建知识支撑结构的混合本体方法,完成企业整体知识集成过程。通过固化方法为本体构建提供近似静态的初始条件,采用本体群方法容纳宏观决策管理问题对知识集成结构的需求,并利用全局本体类与层级结构类之间的配对操作,形成可与全局性知识需求进行匹配的一个层级结构类子集,并提出了基于属性及参数的类配对计算标准。之后设定了利用上限聚归类将类之间的量化关联关系进行离散化取值的标准。利用离散化后的全局本体类与层级结构类之间的关系,可获得与全局本体类之间存在不同程度紧密度的层级结构类,由此通过择选聚类构建局部本体。方法在一定程度上吸收了底层动态变化对知识管理结构的冲击。该混合本体方法还设计了以不恶化局部本体紧密性的前提下,全局本体类在局部知识体系中引入相关属性,从而实现对管理决策问题的全幅度知识集成。针对以上提出的铝合金车轮制造企业知识集成的理论方法,在样例企业对其实现效果进行了评估。理论与实践的研究表明,本文所提出的知识集成方法在知识支撑层、知识关联层与知识管理层上都具有较好的可行性及有效性,具体方法可为铝合金车轮制造企业的知识集成提供理论支撑。
任勇[7]（2014）在《基于知识的再制造工艺智能决策支持系统研究》文中认为再制造工程作为未来重点发展的方向之一，以节约资源、节省能源和保护环境为主要特点。本文在分析再制造工程相关研究基础上，探讨了再制造工艺知识获取与表达；构建了基于知识的再制造工艺智能决策模型，并用案例进行了分析；借助Java及SQL Server等开发平台工具，开发了基于知识的再制造工艺智能决策支持原型系统。（1）再制造工艺知识表达模型与方法的探讨。针对再制造工艺知识特点，建立了再制造工艺知识表达模型。（2）再制造工艺实例库与规则库的构建。在再制造工艺知识表达基础上，建立了再制造工艺实例库与规则库,实现再制造工艺知识的获取、存储、共享与应用。（3）基于知识的再制造工艺智能决策模型构建。利用案例推理（CBR）和规则推理（RBR）等决策技术，构建了基于知识的再制造工艺智能决策模型。（4）再制造工艺智能决策案例分析。以液压缸再制造为案例，分析并验证了上述所构建的决策支持模型的有效性与可行性。（5）基于知识的再制造工艺智能决策支持原型系统的设计与实现。通过对系统结构、系统功能及相关数据库等方面的设计，开发并实现了基于知识的再制造工艺智能决策支持原型系统。
王璇[8]（2014）在《基于多代理的通信领域虚拟服务系统构建研究》文中研究说明随着全球经济飞速发展,通信技术变革日新月异,我国移动通信领域取得了重要的进步。无论是在通信基础设施等硬件条件的建设方面,还是在通信质量等软件条件的提升方面都迈上了一个新台阶。然而,随着通信市场逐步迈向成熟,市场格局逐步趋向合理,庞大的通信消费在给通信企业集团带来机遇的同时,也带来了巨大的挑战。一方面,通信服务的覆盖率逐年上升,单纯靠新增入网用户数量带来红利的发展模式,势必会受到用户数量增长乏力的瓶颈限制,导致各大通信企业对用户资源的争夺日趋激烈；另一方面,为了应对激烈的市场竞争,各大通信企业不断推出各种类型的通信虚拟服务来抢占市场,试图通过降低客户资费的方式,提高客户忠诚度的目的,但是,仅仅从企业自身角度出发,快速制定出的大量虚拟服务往往很难准确把握客户的需要,不仅没有实现对市场的占有,反而形成了诸如：系统内各种同质的虚拟服务堆积、虚拟服务受众客户群有限、维护规模成本偏高以及前后期服务缺乏规划等问题,极大的影响了通信企业的核心竞争力。通信企业运营支撑系统是通信领域技术变革的重要产物,在传统模式下,其为通信企业虚拟服务的运营提供了重要的支撑。然而,在新的以虚拟服务为主体的竞争环境中,随着虚拟服务多样化需求的拓展,其对运营支撑系统的依赖已经不仅仅局限于通信业务的处理,而是对虚拟服务的全周期管理。相比而言,传统的运营支撑系统存在着系统体系结构缺乏灵活性、虚拟服务需求反应周期长、虚拟服务差异化不明显以及虚拟服务评价缺失等问题,很难适应虚拟服务的不断增长和快速变化。本文通过对通信虚拟服务系统体系结构的研究,深入分析了现阶段虚拟服务的运营状况,借助多Agent的结构模式和本体知识描述构建了基于多Agent和本体的通信领域虚拟服务系统体系结构,主要研究内容和成果如下：（1）提出了基于多Agent的通信虚拟服务系统体系框架通信虚拟服务系统的构建是一个多环节相互作用、多因素相互影响的动态、开放式问题,其主体在于通信集团和地区分公司在虚拟服务生命周期中的职能划分。本文根据这一特点,充分发挥多Agent系统在分布式计算和协作方面的优势,提出了基于多Agent的通信虚拟服务系统体系框架。（2）建立了基于动态补偿的通信公共资源冲突消解策略针对通信领域内不同虚拟服务对信道资源的分配冲突问题,本文提出了基于集团—地区分公司的组织结构和公共资源冲突消解两种模型下的各子公司Agent的协作模式建模,并提出了基于动态补偿的公共资源冲突消解策略,详细描述了基于各地区公司Agent在公共资源使用冲突时的协商途径。（3）提出了通信领域虚拟服务本体的构建方法科学有效的描述虚拟服务的知识结构是实现虚拟服务差异化、个性化的重要手段。本文为实现对虚拟服务形式化描述和推理求解,提出了通信领域虚拟服务本体的构建方法。构建方法根据通信领域多专业交叉的特点,提出了领域相关度（Domain Correlation）的概念,详细阐述了多专业本体集成的方法与模型,并针对知识推理构建了本体集成推理体系。（4）提出了基于灰色综合评价的虚拟服务评价方法本文根据虚拟服务的应用特点,从通信企业、用户和虚拟服务自身三个方而建立了虚拟服务的综合评价体系,并采用灰色模型方法对虚拟服务进行了评价,并对评价结果进行分析。
李小平[9]（2013）在《铁路突发事件应急救援智能决策关键技术研究》文中研究说明传统铁路突发事件应急救援工作采用基于应急预案的应急响应模式，而实际上突发事件很少能够和预先设计的情境相一致，因此研究更加有效的应急决策方法是保证铁路突发事件应急救援顺利开展的一项重要工作。本文采用实证调查分析、理论研究与系统建模、仿真计算、应用软件开发相结合的方法，以铁路突发事件应急救援智能决策为研究对象，探索构建铁路突发事件应急救援分布式群决策方法、体系及其决策支持系统，并对铁路突发事件应急救援智能决策关键问题进行了研究，提出了铁路突发事件应急救援的分布式多阶段动态群体决策模型以及基于案例推理的个体决策方法，对相关问题进行了研究，并通过科研项目的研发应用验证了方法的先进性与可用性。论文完成的主要工作有：（1）对铁路突发事件应急救援群体决策方法及支持系统构架进行了研究在分析基于应急预案决策模式的局限性的基础上，确定铁路突发事件的应急救援决策实际上是以经验为主的经验加规则的决策模式，在决策实现上是以铁路应急救援领导小组为决策群体的分布式多阶段动态群决策系统，决策模式具有分布式、多阶段、动态、多Agent、群决策等特点，对群体中的个体决策采取基于案例推理的决策方法，提出了我国铁路应急救援决策体系以及铁路突发事件应急救援群决策支持系统的整体框架。（2）对参与铁路突发事件应急救援的个体专家的决策方法进行了研究。铁路突发事件应急救援决策的个体在决策过程中采用基于案例与基于规则相结合的决策方法，基于案例推理技术包括案例表示、案例检索、案例重用、案例调整、案例学习和案例库维护。（3）对铁路突发事件应急救援分布式多阶段动态群决策系统关键技术进行了研究。网络环境下分布式群决策模型是实现群体决策推理的关键。论文提出了基于任务的铁路突发事件多Agent群决策模型，根据铁路救援专业（任务）的不同分为机务决策、工务决策、电务决策等，采用Agent机制进行决策，各决策专家群分别生成各自的群决策方案。针对多Agent决策方案之间可能存在决策冲突，通过多Agent协调策略对资源、目标进行合理安排，调整各自的行为，最大程度的实现各自的目标或者系统的目标。论文提出了基于优化权值最优策略的多阶段群体协调策略模型，通过多Agent协调，形成决策聚类，最后形成群体满意决策方案，生成决策报告，用来指导突发事件的应急救援。鉴于铁路突发事件应急救援决策方案评价体系的层级性、定性定量结合性、多专家决策性、指标灰性等特点，对于群体决策方案在实施中的效果评估问题，论文提出了应用群体灰色层次分析法（GGAHP）对决策方案进行评价。（4）对铁路突发事件应急救援决策支持系统构架关键技术进行研究。铁路突发事件应急救援决策支持系统的研究是铁路突发事件智能决策关键技术研究方面的一个重要问题。论文根据群体决策系统模型以及铁路突发事件应急救援实际，构建了决策支持系统的平台体系构架，系统平台web应用采用轻量级J2EE框架SSH，并设计了系统的功能模块，最后以“铁路突发事件应急救援指挥系统”为原型，进行了系统设计与开发，并在成都铁路局和乌鲁木齐铁路局进行安装应用，实现了智能决策指挥功能。最后探讨了分布式多阶段动态群体决策方法在“区域铁路物流服务平台研发与应用”项目中的应用。本论文完成的创新性工作有：（1）通过较为全面的文献检索与实证调查，提出了基于案例推理基础之上的分布式多阶段动态群决策为主的铁路突发事件应急救援决策方法体系及决策支持系统构架、基于任务的铁路突发事件多Agent群决策模型、基于优化权值最优策略的多阶段群体协调策略、基于群体灰色层次分析法的应急救援方案群决策评价方法；（2）对基于案例推理技术进行了深入研究，提出了基于Petri网和XML相结合的案例表示方法，基于PSO-BP神经网络的案例检索算法、基于CBR与RBR相结合的案例调整模型以及基于BP神经网络和遗传算法相结合的案例学习算法；（3）以铁路突发事件应急救援决策的技术路线和实现方法为基础，研发了铁路突发事件应急救援智能群体决策指挥系统平台，实现了基于WebGIS的救援资源管理、基于CBR的铁路突发事件应急救援个体决策、基于分布式多阶段的群体决策过程，通过在成都铁路局和乌鲁木齐铁路局的试用，验证了方法的先进性与可用性；将分布式多阶段群体决策方法应用于2012年国家科技支撑计划项目“区域铁路物流服务平台研发与应用”（课题号：2012BAH20F05），构建了以分布式群决策技术为基础的区域性铁路物流服务协同平台——乌鲁木齐铁路多元物流服务平台，使物流供应链业务决策与业务流程高度融合，实现商流、信息流、物流、资金流的一体化运作与协调统一，有效地推动了西部区域物流服务业务的开展。
耿玉水[10]（2013）在《面向集团企业的数据集成模型构建方法研究》文中进行了进一步梳理在我国当前的经济环境中，集团型企业具有举足轻重的作用。大型企业往往组织结构形态复杂、具有多级下属分支机构、人员众多而且隶属关系复杂、业务分布在多个行业、经营地域分布广、管理模式多样、需要全方位的协同工作等特点。集团企业的大量信息散落在不同的子公司、不同部门、人员等处，信息的来源复杂，信息量非常大，整合性很差，为企业的生产管理的决策带来具大的挑战。随着云计算的落地生根和技术的发展成熟,企业管理型应用向云计算环境下移植和部署的大背景下，集团企业迫切需要通过多数据源以及多数据中心的协作，实现将现有不同信息系统中分布且异构的数据集成起来。数据集成能够简化企业的业务流程和工作成本，实现企业从数据中获取商业利益的目的。所以数据集成已成为企业的一项战略性工作，是提高企业核心竞争力的重要基石。通过数据集成可以使集团成员企业共享分布式数据，使新业务的开拓，集团领导的监管，风险的防范成为可能。本文提出了云计算下基于本体的异构数据集成模型，该模型基于本体理论，按照云环境特点构建，支持各种传统存储和云存储的数据集成，满足企业用户对高并发访问以及对海量数据高效存储的需求，同时还要满足集团企业对存储数据高扩展性和高可用性以及对数据事务一致性的需求。完成集团企业信息化应用在云上的部署和迁移，促进企业信息化的发展和提升。本文工作和主要贡献包括以下几点：（1）从云计算和云存储的理论和模型出发，面向大规模的数据密集应用，提供面向用户透明的异构数据集成和访问接口服务；（2）通过将云计算环境下异构数据集成所需要的各种基本服务分层的组织起来，为用户将现有异构数据应用向云计算环境的迁移与集成提供一种更高级的抽象服务，并可以将用户的异构数据应用无缝的映射为云计算环境下统一的数据服务和行为；（3）根据用户需要，提供云计算环境下各种业务应用数据的集中管理和统一处理，实现异构数据统一的检索与处理，以及业务应用所需的异构数据之间的实质性关联与映射；（4）本文提出的模型能够实现对云计算环境中各种关系型以及非关系型异构数据的智能集成，满足用户高并发、高负载、高速处理海量数据的复杂多表关联查询请求。因此，集团企业通过数据集成能够获取业务所需的及时且准确的信息，帮助企业进行预先控制和集成管理。集团企业实现了高度的数据集成，才能够真正对成员企业和个人进行有效监控，保证业务执行的及时和准确，提高企业的服务质量和工作效率，促进人力资源的统一调配，充分发挥企业海量数据的商业价值。
二、基于管理决策问题中的异构知识集成推理研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于管理决策问题中的异构知识集成推理研究（论文提纲范文）
（1）协同视角下的跨域突发事件应急情报组织模式（论文提纲范文）
| 1 引言 |
| 2 文献综述 |
| 3 应急情报的协同模式 |
| 4 应急情报资源的组织 |
| 4.1 跨域应急情报资源集成 |
| 4.2 情报资源融合的架构 |
| 4.3 情报资源的关联方案 |
| 5 应急情报服务的组织 |
| 5.1 应急情报服务的粒度刻画 |
| 5.2 应急情报服务的组织规则 |
| 5.3 基于服务的协同网络形成 |
| 6 情报服务主体的组织 |
| 6.1 应急情报服务的智能代理 |
| 6.2 应急情报服务的自组织 |
| 6.3 智能代理组织过程 |
| 7 结论 |
（2）基于知识图谱的城市轨道交通建设安全管理智能知识支持研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究的目的和意义 |
| 1.3 文献综述 |
| 1.4 研究思路和方法 |
| 1.5 研究内容 |
| 1.6 本章小结 |
| 2 基于知识图谱的URTCSM智能知识支持理论模型 |
| 2.1 城市轨道交通建设安全管理系统分析 |
| 2.2 URTCSM智能知识支持概念框架 |
| 2.3 知识图谱对URTCSM智能知识支持作用分析 |
| 2.4 基于知识图谱的URTCSM智能知识支持理论模型 |
| 2.5 本章小结 |
| 3 基于多维关联混合粒度的URTCSM领域知识结构模式研究 |
| 3.1 多维关联混合粒度知识建模需求分析 |
| 3.2 URTCSM领域知识分类体系分析 |
| 3.3 URTCSM领域概念模式分析 |
| 3.4 URTCSM领域关系模式分析 |
| 3.5 多维关联混合粒度的URTCSM领域知识结构模式 |
| 3.6 本章小结 |
| 4 URTCSM领域知识图谱知识元抽取方法研究 |
| 4.1 URTCSM领域相关数据源分析 |
| 4.2 URTCSM领域实体知识元抽取方法研究 |
| 4.3 URTCSM领域关系知识元抽取方法研究 |
| 4.4 URTCSM领域属性知识元识别 |
| 4.5 URTCSM领域知识融合 |
| 4.6 URTCSM领域知识存储 |
| 4.7 本章小结 |
| 5 基于URTCSM领域知识图谱的智能知识支持研究 |
| 5.1 URTCSM智能知识支持实现框架分析 |
| 5.2 混合粒度规范知识获取 |
| 5.3 安全事故智能分析 |
| 5.4 安全管理智能决策支持 |
| 5.5 基于URTCSM领域知识图谱的智能知识支持系统 |
| 5.6 本章小结 |
| 6 研究结论与展望 |
| 6.1 研究结论 |
| 6.2 主要创新点 |
| 6.3 研究局限性 |
| 6.4 研究展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 学位论文数据集 |
（3）不确定环境下旱灾风险调控群决策方法研究（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 相关研究与评述 |
| 1.2.1 旱灾风险调控相关研究 |
| 1.2.2 群决策理论与方法相关研究 |
| 1.2.3 经验模态分解方法相关研究 |
| 1.2.4 文献评述 |
| 1.3 主要内容与论文结构 |
| 1.3.1 主要内容 |
| 1.3.2 论文结构 |
| 1.4 主要创新点 |
| 第2章 旱灾风险调控群决策中的不确定性特征分析 |
| 2.1 旱灾与旱灾风险 |
| 2.1.1 旱灾 |
| 2.1.2 旱灾风险 |
| 2.2 旱灾风险调控群决策 |
| 2.2.1 旱灾风险调控 |
| 2.2.2 旱灾风险调控决策 |
| 2.2.3 多参与主体的旱灾风险调控群决策 |
| 2.3 旱灾风险调控群决策中的不确定性特征 |
| 2.3.1 旱灾风险系统自身的不确定性 |
| 2.3.2 群决策信息的不确定性 |
| 2.3.3 决策过程与方法的不确定性 |
| 2.4 本章小结 |
| 第3章 群决策信息提取和集结的随机EMD方法 |
| 3.1 传统群决策方法存在的问题 |
| 3.2 经验模态分解方法基本原理 |
| 3.2.1 方法概述 |
| 3.2.2 基本原理 |
| 3.3 基于随机EMD的群决策基本思想 |
| 3.3.1 群决策信息序列的成分分析 |
| 3.3.2 群决策信息序列的无序性分析 |
| 3.3.3 基于随机EMD的群决策算法设计 |
| 3.4 数值算例分析 |
| 3.5 本章小结 |
| 第4章 不确定语言信息下旱灾风险调控群决策方法 |
| 4.1 决策问题与方法基础 |
| 4.1.1 决策问题描述 |
| 4.1.2 语言评估标度及相关概念 |
| 4.2 决策方法原理 |
| 4.2.1 多粒度语言信息一致化处理 |
| 4.2.2 群决策语言信息LHA集结 |
| 4.2.3 三参数区间灰数信息集结 |
| 4.2.4 正态分布随机变量信息集结 |
| 4.2.5 一般决策过程 |
| 4.3 应用示例 |
| 4.4 本章小结 |
| 第5章 不确定混合信息下旱灾风险调控群决策方法 |
| 5.1 决策问题与信息预处理 |
| 5.1.1 决策问题描述 |
| 5.1.2 信息获取与预处理 |
| 5.2 决策方法原理 |
| 5.2.1 常用不确定决策信息表征 |
| 5.2.2 不确定混合信息一致化处理 |
| 5.2.3 不确定混合信息随机EMD集结 |
| 5.2.4 不确定混合信息正态云集结 |
| 5.2.5 一般决策过程 |
| 5.3 应用示例 |
| 5.4 本章小结 |
| 第6章 不确定随机动态旱灾风险调控群决策方法 |
| 6.1 决策问题与方法基础 |
| 6.1.1 决策问题描述 |
| 6.1.2 决策方法基础 |
| 6.2 决策方法原理 |
| 6.2.1 群决策信息采集规则 |
| 6.2.2 阶段群决策信息集结 |
| 6.2.3 动态群决策信息集结 |
| 6.2.4 一般决策过程 |
| 6.3 应用示例 |
| 6.4 本章小结 |
| 第7章 河南省农业旱灾风险调控群决策实证分析 |
| 7.1 河南省农业干旱特点及灾害概况 |
| 7.2 河南省农业旱灾脆弱性关键驱动因子识别 |
| 7.2.1 河南省农业旱灾脆弱性驱动因子识别原理 |
| 7.2.2 多元截面数据变化率灰色关联分析模型 |
| 7.2.3 关键驱动因子识别结果与成因分析 |
| 7.3 雨养农业区政策性农业保险产品择优投放群决策实证 |
| 7.3.1 河南省农业保险与雨养农业区概况 |
| 7.3.2 政策性农业保险产品择优投放群决策—以陕州区为例 |
| 7.3.3 河南省雨养农业区加快发展农业保险的建议 |
| 7.4 灌区小型农田水利设施管护模式优选群决策实证 |
| 7.4.1 河南省灌区小型农田水利设施管理现状 |
| 7.4.2 小型农田水利设施管护模式优选群决策—以滑县为例 |
| 7.4.3 河南省灌区完善小型农田水利设施管理模式的建议 |
| 7.5 本章小结 |
| 第8章 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 附件 |
| 个人简历、在学期间取得的科研成果 |
（4）面向数字化车间的棉纺质量自主控制与管理（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状分析 |
| 1.3.1 纺纱过程数据关联分析 |
| 1.3.2 纺纱质量异常因素识别 |
| 1.3.3 纺纱生产过程质量控制 |
| 1.3.4 文献小结 |
| 1.4 论文研究内容及结构 |
| 1.4.1 主要研究内容 |
| 1.4.2 论文结构安排 |
| 1.5 本章小结 |
| 2 面向棉纺数字化车间的系统集成模型 |
| 2.1 棉纺数字化车间发展现状 |
| 2.2 棉纺数字化车间系统功能集成 |
| 2.2.1 纺织制造层面系统功能的集成 |
| 2.2.2 基于多Agent的系统功能协同 |
| 2.3 棉纺数字化车间系统数据集成 |
| 2.3.1 纺纱异构数据集成模型 |
| 2.3.2 纺纱数据集成分析模型 |
| 2.4 本章小结 |
| 3 纺纱质量控制理论及智能算法 |
| 3.1 纺纱质量异常因素识别算法 |
| 3.2 BP神经网络预测算法 |
| 3.2.1 标准BP神经网络预测算法 |
| 3.2.2 改进BP神经网络预测算法 |
| 3.3 基于多工序知识关联的质量控制模型 |
| 3.3.1 多工序知识关联的质量控制模型构建 |
| 3.3.2 基于多目标烟花算法的模型求解 |
| 3.4 本章小结 |
| 4 棉纺质量异常波动因素识别 |
| 4.1 纺纱数据选择与处理 |
| 4.1.1 纺纱数据选择 |
| 4.1.2 纺纱数据处理 |
| 4.2 纱线质量波动关键质量指标辨识 |
| 4.3 纺纱质量异常因素识别 |
| 4.3.1 纺纱质量异常因素识别模型 |
| 4.3.2 因素识别模型验证与分析 |
| 4.4 本章小结 |
| 5 数据驱动的纺纱质量控制与管理 |
| 5.1 基于FWA-BP神经网络的纺纱质量预测 |
| 5.1.1 纺纱质量预测模型的构建 |
| 5.1.2 预测结果验证与分析 |
| 5.2 基于多工序知识关联的纺纱质量控制 |
| 5.2.1 质量控制点及质量控制阈的选取 |
| 5.2.2 纺纱质量控制结果分析与验证 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 研究总结 |
| 6.2 论文的创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 作者攻读学位期间发表学术论文清单 |
| 致谢 |
（5）基于CBR-RBR集成方法的马病远程诊断专家系统的研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 1 引言 |
| 1.1 我国马产业发展现状及存在的问题 |
| 1.2 专家系统概述 |
| 1.2.1 什么是专家系统 |
| 1.2.2 专家系统的结构 |
| 1.2.3 专家系统的类型及特点 |
| 1.2.4 专家系统的知识获取 |
| 1.2.5 专家系统知识库 |
| 1.3 知识推理技术的概述 |
| 1.3.1 基于规则推理（RBR） |
| 1.3.2 基于案例推理（CBR） |
| 1.3.3 基于模型推理（MBR） |
| 1.4 专家系统在医学及兽医学中研究现状 |
| 1.4.1 医学专家系统研究现状 |
| 1.4.2 专家系统在兽医领域的应用 |
| 1.4.3 动物疾病诊断专家系统存在的问题 |
| 1.5 研究目的与意义 |
| 2 马病临床诊断内容的研究 |
| 2.1 马疾病诊断特点分析 |
| 2.2 马疾病诊断任务分析 |
| 2.3 马疾病临床诊断过程描述 |
| 3 CBR和RBR集成的马病诊断推理方法研究 |
| 3.1 CBR-RBR集成推理策略 |
| 3.2 基于规则的推理方法 |
| 3.2.1 正向推理 |
| 3.2.2 反向推理 |
| 3.2.3 正反向混合推理 |
| 3.3 基于模糊规则提升理论的推理方法研究 |
| 3.3.1 马病诊断知识及模糊规则表示 |
| 3.3.2 基于模糊规则提升理论的推理机制 |
| 3.3.3 疾病诊断实证分析 |
| 3.4 基于案例的推理方法 |
| 3.4.1 案例推理概述 |
| 3.4.2 马病案例知识表示 |
| 3.4.3 马病案例症状属性及属性权值确定 |
| 3.4.4 马病案例检索 |
| 3.4.5 案例重用和修改 |
| 3.4.6 案例保存 |
| 3.5 CBR-RBR集成推理策略的评价 |
| 4 马病远程诊断与管理信息系统的设计 |
| 4.1 系统开发过程 |
| 4.2 系统总体设计 |
| 4.2.1 系统设计原则 |
| 4.2.2 系统功能设计 |
| 4.2.3 系统结构设计 |
| 4.2.4 系统体系结构 |
| 4.3 系统知识库设计 |
| 4.3.1 知识获取 |
| 4.3.2 知识库及数据库的建立 |
| 5 马病远程诊断与管理信息系统的实现 |
| 5.1 系统开发环境 |
| 5.1.1 软件环境 |
| 5.1.2 硬件环境 |
| 5.2 系统登录和主界面 |
| 5.2.1 登录界面 |
| 5.2.2 主界面 |
| 5.3 马病诊断专家系统的实现 |
| 5.3.1 基于症状的诊断 |
| 5.3.2 基于疾病的诊断 |
| 5.4 马病管理信息系统的实现 |
| 5.4.1 病例管理 |
| 5.4.2 病例统计 |
| 5.4.3 病案资料库 |
| 5.4.4 免疫管理 |
| 5.4.5 预防方案管理 |
| 5.4.6 远程教学 |
| 5.5 系统评价 |
| 6 讨论 |
| 6.1 本系统的特点 |
| 6.2 领域专家求解问题的思维分析 |
| 6.3 CBR-RBR集成推理策略分析 |
| 6.4 系统构建分析 |
| 6.4.1 .NET面向对象可重用组件的开发 |
| 6.4.2 系统安全 |
| 6.5 系统开发的必要性 |
| 6.6 系统下一步改进方向 |
| 6.6.1 知识库的改进 |
| 6.6.2 物联网技术的交叉集成 |
| 7 结论 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的学术论文 |
（6）铝合金车轮制造企业知识集成方法研究（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 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 研究评述 |
| 1.3 论文主要研究内容和研究方法 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究方法 |
| 第2章 企业多层级知识集成方法与问题提出 |
| 2.1 知识支撑层级的知识获取方法与问题 |
| 2.1.1 借助现有数据体系的知识获取 |
| 2.1.2 基于本体的知识获取 |
| 2.1.3 企业知识数据异构问题提出 |
| 2.2 知识关联层级的知识关联方法与问题 |
| 2.2.1 基于UML的知识关联 |
| 2.2.2 企业知识关联结构复杂动态性问题提出 |
| 2.3 知识管理层级的知识集成方法与问题 |
| 2.3.1 单本体知识集成 |
| 2.3.2 多本体知识集成 |
| 2.3.3 混合本体知识集成 |
| 2.3.4 企业混合本体知识集成问题提出 |
| 2.4 本章小结 |
| 第3章 知识支撑层企业异构数据规格化知识元表征方法 |
| 3.1 铝合金车轮企业的知识多源异构问题 |
| 3.2 面向对象的知识元数据表征 |
| 3.3 企业关系型数据库来源知识元表征 |
| 3.3.1 关系型数据库知识元表征结构 |
| 3.3.2 泛化集参考因子 |
| 3.4 企业实时过程对应知识元表征 |
| 3.4.1 输出型实时知识元 |
| 3.4.2 输入型实时知识元 |
| 3.4.3 混合型实时知识元 |
| 3.4.4 实时知识元属性与参数的构建 |
| 3.5 企业互联网来源知识元表征 |
| 3.5.1 企业互联网来源知识元特点 |
| 3.5.2 企业相关网络信息与属性的适配关系建立 |
| 3.6 本章小结 |
| 第4章 知识关联层企业准动态层级关联图生成方法 |
| 4.1 铝合金车轮企业知识关联特点 |
| 4.2 知识关联与层级关联图 |
| 4.3 企业知识关联结构静态层级关联图层次化生成 |
| 4.3.1 层级关联图成图规则 |
| 4.3.2 成图预处理 |
| 4.3.3 成图布局 |
| 4.4 企业知识关联结构准动态层级关联图层次化生成 |
| 4.4.1 基本行为设定 |
| 4.4.2 操作准则适配 |
| 4.4.3 操作体适配 |
| 4.4.4 操作标签适配 |
| 4.4.5 方法基本实现流程 |
| 4.5 本章小结 |
| 第5章 知识管理层企业知识集成混合本体方法 |
| 5.1 铝合金车轮企业知识集成特点与架构 |
| 5.2 由顶向下的混合本体知识集成方法 |
| 5.2.1 动态局部本体思想的提出 |
| 5.2.2 已固化和未固化元素含义 |
| 5.2.3 由底向上的本体结构生成方法的问题 |
| 5.2.4 由顶向下的本体结构生成方法 |
| 5.3 基于混合本体方法的铝合金车轮企业知识集成过程 |
| 5.3.1 铝合金车轮企业知识集成问题及解决思路 |
| 5.3.2 相关概念定义 |
| 5.3.3 直接相关关系类配对方法 |
| 5.3.4 间接相关关系类配对方法 |
| 5.3.5 局部本体类的生成 |
| 5.3.6 由顶向下的构建混合本体结构过程 |
| 5.3 本章小结 |
| 第6章 铝合金车轮制造企业多层次知识集成实例 |
| 6.1 铝合金车轮制造企业内部知识层次结构 |
| 6.2 铝合金车轮制造企业的知识集成特点 |
| 6.3 知识支撑层铝合金车轮制造企业知识元表征实例 |
| 6.3.1 企业关系型数据库知识元表征实例 |
| 6.3.2 企业实时知识元表征实例 |
| 6.3.3 与企业相关互联网知识元表征实例 |
| 6.4 知识关联层铝合金车轮制造企业准动态层级关联图实例 |
| 6.4.1 静态与静态优化后企业初始知识集成知识结构建立 |
| 6.4.2 准动态企业初始知识集成知识结构建立 |
| 6.5 知识管理层铝合金车轮制造企业基于本体的知识集成实例 |
| 6.5.1 知识集成实例系统模块结构 |
| 6.5.2 类集合与全局本体和局部本体间的相关关系 |
| 6.5.3 铝合金车轮企业混合本体知识集成动态架构 |
| 6.5.4 混合本体结构中的局部本体类属性 |
| 6.5.5 类配对过程中属性语义相关性 |
| 6.6 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 |
| 作者简介 |
（7）基于知识的再制造工艺智能决策支持系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 再制造工程研究现状 |
| 1.2.2 工艺智能决策研究现状 |
| 1.2.3 知识工程与管理 |
| 1.3 研究内容及结构安排 |
| 1.3.1 研究主要内容 |
| 1.3.2 论文结构 |
| 1.4 本章小结 |
| 第2章 基于知识的再制造工艺智能决策相关理论 |
| 2.1 知识管理 |
| 2.1.1 知识资源 |
| 2.1.2 知识分类与层级 |
| 2.1.3 知识仓库 |
| 2.2 再制造工艺知识 |
| 2.2.1 再制造工艺知识内涵 |
| 2.2.2 再制造工艺知识特征 |
| 2.2.3 再制造工艺知识分类 |
| 2.2.4 再制造工艺知识存在形式 |
| 2.3 决策技术 |
| 2.3.1 基于案例推理 |
| 2.3.2 基于规则推理 |
| 2.4 本章小结 |
| 第3章 基于知识的再制造工艺智能决策模型 |
| 3.1 再制造工艺知识获取 |
| 3.2 再制造工艺知识表示 |
| 3.3 再制造工艺智能决策模型构建 |
| 3.4 再制造工艺实例库构建 |
| 3.4.1 再制造工艺实例表示 |
| 3.4.2 再制造工艺实例检索 |
| 3.4.3 再制造工艺实例修改与重用 |
| 3.5 再制造工艺规则库构建 |
| 3.5.1 规则表示 |
| 3.5.2 规则库构建 |
| 3.6 基于 CBR/RBR 的集成推理 |
| 3.7 本章小结 |
| 第4章 再制造工艺决策案例分析 |
| 4.1 液压缸再制造需求分析 |
| 4.2 液压缸分类及结构 |
| 4.3 液压缸再制造工艺流程 |
| 4.4 液压缸再制造工艺知识 |
| 4.4.1 液压缸再制造工艺案例表示 |
| 4.4.2 液压缸再制造工艺规则表示 |
| 4.5 应用示例 |
| 4.6 本章小结 |
| 第5章 基于知识的再制造工艺智能决策支持系统设计与实现 |
| 5.1 系统开发背景 |
| 5.2 系统结构和功能设计 |
| 5.2.1 系统架构设计 |
| 5.2.2 系统功能设计 |
| 5.3 系统实现平台及开发工具 |
| 5.4 概念模型设计 |
| 5.4.1 E-R 图设计 |
| 5.4.2 逻辑结构设计 |
| 5.5 系统主要界面及功能实现 |
| 5.5.1 用户管理模块 |
| 5.5.2 基础资料模块 |
| 5.5.3 再制造工艺知识模块 |
| 5.5.4 再制造工艺决策模块 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 论文结论 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 附录 攻读硕士期间发表论文 |
| 详细摘要 |
（8）基于多代理的通信领域虚拟服务系统构建研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景和研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 存在问题 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多Agent系统研究现状 |
| 1.2.2 本体推理研究现状 |
| 1.2.3 通信领域信息系统应用现状 |
| 1.3 研究内容和结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 2 基于多Agent的通信领域虚拟服务体系构建 |
| 2.1 多Agent系统的基本理论 |
| 2.1.1 Agent定义和分类 |
| 2.1.2 多Agent系统的体系结构 |
| 2.1.3 多Agent系统的通信机制 |
| 2.1.4 多Agent系统的构建方法 |
| 2.2 通信领域虚拟服务相关流程分析 |
| 2.2.1 虚拟服务的生命周期 |
| 2.2.2 虚拟服务产生流程 |
| 2.2.3 虚拟服务开通运营流程 |
| 2.2.4 虚拟服务评价流程 |
| 2.3 基于多Agent的通信虚拟服务系统体系结构 |
| 2.3.1 基于多Agent的虚拟服务系统体系 |
| 2.3.2 Agent功能与结构 |
| 2.4 本章小结 |
| 3 基于Petri网的通信虚拟服务流程优化 |
| 3.1 通信虚拟服务流程优化 |
| 3.1.1 通信虚拟服务流程优化的必要性 |
| 3.1.2 虚拟业务开通流程分析 |
| 3.2 基于Petri网的虚拟业务开通流程优化 |
| 3.2.1 Petri网建模准备 |
| 3.2.2 虚拟业务开通流程优化 |
| 3.2.3 虚拟业务开通流程Petri网建模 |
| 3.3 本章小结 |
| 4 基于信道资源共享的协调机制的研究 |
| 4.1 多Agent系统的协调机制 |
| 4.1.1 协商与协作 |
| 4.1.2 多Agent系统的协作类型与方法 |
| 4.1.3 多Agent系统的协商机制类型 |
| 4.1.4 多Agent系统的冲突消解策略 |
| 4.2 基于通信集团—子公司的组织结构协作机制 |
| 4.2.1 集团—子公司组织结构依赖关系模型 |
| 4.2.2 基于使能关系的任务分解协作建模 |
| 4.3 基于公共资源冲突消解的协商机制 |
| 4.3.1 通信信道资源使用约束模型 |
| 4.3.2 公共资源冲突消解策略建模 |
| 4.4 本章小结 |
| 5 通信领域虚拟服务本体的构建方法 |
| 5.1 本体及相关理论方法 |
| 5.1.1 本体定义和分类 |
| 5.1.2 本体构建方法 |
| 5.1.3 本体集成方法 |
| 5.2 虚拟服务本体构建方法论 |
| 5.2.1 虚拟服务本体构建原则 |
| 5.2.2 虚拟服务本体构建方法 |
| 5.3 虚拟服务本体集成方法论 |
| 5.3.1 虚拟服务本体集成方法 |
| 5.3.2 虚拟服务本体集成模型 |
| 5.3.3 虚拟服务本体集成推理体系 |
| 5.4 本章小结 |
| 6 通信虚拟服务的评价方法研究 |
| 6.1 评价体系的设计 |
| 6.1.1 指标体系的设计原则 |
| 6.1.2 评价指标设计 |
| 6.2 评价模型的建立 |
| 6.2.1 相关灰色综合评价理论介绍 |
| 6.2.2 基于灰色综合评价的模型构建 |
| 6.3 通信资费套餐评价实证研究 |
| 6.3.1 指标数据的收集与背景分析 |
| 6.3.2 通信业务资费套餐指标权重的确定 |
| 6.3.3 基于灰色综合评价模型的通信业务资费套餐评价 |
| 6.3.4 通信业务资费套餐评价结果分析 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 创新点 |
| 7.3 进一步研究 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（9）铁路突发事件应急救援智能决策关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 铁路突发事件应急救援智能决策研究现状 |
| 1.3 国内外研究现状综述 |
| 1.4 研究范围的界定、逻辑结构与主要工作 |
| 1.5 本文研究的目标和方法 |
| 1.5.1 本文研究的目标 |
| 1.5.2 本文的研究方法 |
| 1.6 论文的创新点 |
| 2 铁路突发事件应急救援智能决策 |
| 2.1 智能决策 |
| 2.1.1 决策及决策过程 |
| 2.1.2 智能决策 |
| 2.1.3 智能决策支持系统 |
| 2.2 铁路突发事件应急救援智能决策 |
| 2.2.1 铁路突发事件应急救援决策的目标 |
| 2.2.2 铁路突发事件应急救援决策的特征 |
| 2.2.3 铁路突发事件应急救援智能决策方法 |
| 2.2.4 铁路突发事件应急救援群体决策过程 |
| 2.2.5 铁路突发事件应急救援群体决策方案的综合评价 |
| 2.3 铁路突发事件应急救援智能决策关键技术 |
| 2.3.1 基于 CBR 推理的铁路突发事件应急救援智能决策技术 |
| 2.3.2 铁路突发事件应急救援智能群决策技术 |
| 2.4 铁路突发事件应急救援分布式群决策支持系统 |
| 2.4.1 分布式群体决策支持系统 |
| 2.4.2 铁路突发事件应急救援分布式群体决策支持系统构架 |
| 2.4.3 分布式多阶段动态群决策支持系统的组织实施 |
| 2.4.4 分布式多阶段动态群决策支持系统关键技术 |
| 2.5 本章小结 |
| 3 基于 CBR 推理的铁路突发事件应急救援智能决策技术 |
| 3.1 案例推理技术 |
| 3.2 铁路突发事件应急救援智能决策的知识表示方法研究 |
| 3.2.1 知识表示技术综述 |
| 3.2.2 CBR 推理中知识表示的研究现状 |
| 3.2.3 基于 Petri 网与 XML 相结合的案例表示方法研究 |
| 3.2.4 基于 Petri 网与 XML 的铁路应急救援决策案例表示 |
| 3.3 案例的检索方法研究 |
| 3.3.1 案例库检索算法研究现状 |
| 3.3.2 基于 BP 神经网络与粒子群算法的组合模型研究 |
| 3.3.3 基于神经网络与粒子群算法组合模型的案例检索 |
| 3.4 应急救援方案调整方法研究 |
| 3.4.1 案例调整方法研究 |
| 3.4.2 基于广义算子的案例调整模型 |
| 3.4.3 基于 RBR 的案例调整模型 |
| 3.4.4 基于广义算子的铁路救援案例调整过程 |
| 3.5 基于神经网络与遗传算法的案例学习策略 |
| 3.5.1 案例的学习方法研究现状 |
| 3.5.2 基于遗传算法与 BP 神经网络方法相结合的 CBR 学习算法 |
| 3.5.3 算例 |
| 3.6 本章小结 |
| 4 铁路突发事件应急救援智能群决策技术 |
| 4.1 群体决策方法研究现状 |
| 4.2 网络环境下分布式群决策模型推演机理研究 |
| 4.3 铁路突发事件应急救援决策群体协调策略研究 |
| 4.3.1 群体协调策略研究现状 |
| 4.3.2 铁路突发事件应急救援群体决策的特点 |
| 4.3.3 多阶段群体协调策略 |
| 4.3.4 算例 |
| 4.4 应急救援过程中方案的动态评价方法研究 |
| 4.4.1 救援过程中方案动态评价的必要性 |
| 4.4.2 应急救援方案群决策评价方法 |
| 4.4.3 群体灰色层次分析（GGAHP）算法研究 |
| 4.4.4 基于 GGAHP 的铁路突发事件应急救援决策方案评估 |
| 4.5 本章小结 |
| 5 救援决策信息获取与异构数据库的集成技术研究 |
| 5.1 异构数据库集成方法 |
| 5.2 基于中间件技术的异构数据库集成研究现状 |
| 5.3 应急救援决策资源异构数据的集成结构 |
| 5.4 异构数据库相似语义属性聚类过程 |
| 5.4.1 预处理阶段 |
| 5.4.2 聚类加工阶段 |
| 5.5 实验与仿真 |
| 5.6 本章小结 |
| 6 铁路突发事件应急救援智能决策支持系统应用研究 |
| 6.1 系统设计 |
| 6.1.1 系统总体设计 |
| 6.1.2 系统功能模块设计 |
| 6.2 数据管理与访问设计 |
| 6.2.1 数据库管理系统平台设计 |
| 6.2.2 异构数据库接口与访问设计 |
| 6.3 基于 SSH 的应急救援指挥平台系统开发 |
| 6.3.1 基于 SSH 技术的分布式应急救援群体决策平台实现 |
| 6.3.2 基于案例推理（CBR）的个体决策推理过程实现 |
| 6.4 基于 WebGIS 的应急救援物资管理 |
| 6.5 救援案例库与救援规则库 |
| 6.5.1 基于 CBR 技术的案例库实现 |
| 6.5.2 救援规则库 |
| 6.6 分布式群决策在“区域铁路物流服务平台研发与应用“项目中的应用 |
| 6.6.1 需求分析 |
| 6.6.2 利用分布式群决策模型构建区域铁路物流服务平台 |
| 6.6.3 物流供应链计算机协同工作层（CSCW）设计 |
| 6.6.4 区域铁路物流服务平台研发 |
| 6.7 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（10）面向集团企业的数据集成模型构建方法研究（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 |
| 1.2.1 数据集成概述 |
| 1.2.2 传统数据集成系统的构建方法 |
| 1.2.3 国内外相关研究 |
| 1.3 面向集团企业的数据集成 |
| 1.4 研究内容及贡献 |
| 1.4.1 存在的问题 |
| 1.4.2 研究内容 |
| 1.4.3 本文的主要贡献 |
| 1.5 论文的组织结构 |
| 1.6 本章小结 |
| 第二章 数据集成概述 |
| 2.1 数据集成需要解决的问题 |
| 2.2 云计算平台 |
| 2.2.1 云计算 |
| 2.2.2 云计算的基本架构 |
| 2.2.3 云计算的关键理论 |
| 2.2.4 典型的云计算平台 |
| 2.3 XML |
| 2.3.1 XML Schema |
| 2.3.2 XQuery 查询方法 |
| 2.3.3 XML 与数据集成 |
| 2.4 本体理论 |
| 2.4.1 本体概念 |
| 2.4.2 本体的特点 |
| 2.4.3 OWL |
| 2.4.4 本体与数据集成 |
| 2.5 本章小结 |
| 第三章 云环境下异构数据集成模型 |
| 3.1 问题的提出 |
| 3.2 国内外现状 |
| 3.3 云环境中的数据集成模型 |
| 3.3.1 云端数据获取分析应用接口 |
| 3.3.2 任务调度与数据构建引擎 |
| 3.3.3 基于本体的异构数据集成接口 |
| 3.3.4 云存储与资源管理 |
| 3.4 模型实现的关键技术 |
| 3.4.1 数据获取语句的语义分析方法 |
| 3.4.2 云中异构多数据源并发控制与协同方法 |
| 3.4.3 云环境中异构数据的集成方法 |
| 3.4.4 云中数据存储与资源管理方法 |
| 3.5 本章小结 |
| 第四章 云环境下多源异构数据的管理方法 |
| 4.1 引言 |
| 4.1.1 研究现状 |
| 4.1.2 云环境中多源数据管理存在的问题 |
| 4.2 多数据源管理方法综述 |
| 4.2.1 信息资源的表示和描述 |
| 4.2.2 多信息源的发现与匹配 |
| 4.2.3 信息资源的动态管理 |
| 4.2.4 云中多信息源管理的关键问题 |
| 4.3 云环境下多数据源管理框架 |
| 4.4 云中多数据源管理框架的关键技术 |
| 4.4.1 数据源网络 |
| 4.4.2 数据转换层 |
| 4.4.3 数据整合层 |
| 4.4.4 安全管理层 |
| 4.5 异构多数据源查询方法 |
| 4.6 云中多数据源管理框架的实现 |
| 4.7 管理框架的应用 |
| 4.8 本章小结 |
| 第五章 基于本体的异构数据集成研究 |
| 5.1 基于本体的语义集成方法 |
| 5.1.1 语义集成现状分析 |
| 5.1.2 本体在数据集成中的作用 |
| 5.1.3 本体的集成方法 |
| 5.1.4 基于本体数据集成研究的意义 |
| 5.2 面向集团企业应用的数据集成 |
| 5.3 基于本体的语义集成框架 |
| 5.4 本体的构建 |
| 5.4.1 数据模式抽取 |
| 5.4.2 局部本体的构建 |
| 5.4.3 全局本体的构建 |
| 5.5 本体映射 |
| 5.5.1 局部本体的映射 |
| 5.5.2 全局本体及其映射 |
| 5.5.3 本体映射中的相似度计算 |
| 5.5.4 基于相似度的本体映射方法 |
| 5.6 基于本体的数据查询 |
| 5.6.1 全局查询语言 |
| 5.6.2 全局查询与局部查询的转换 |
| 5.6.3 数据查询流程 |
| 5.7 本章小结 |
| 第六章 云环境下多数据源并发控制与协同查询 |
| 6.1 多数据源并发控制 |
| 6.2 任务序列的重建与并发控制 |
| 6.2.1 数据结构 |
| 6.2.2 任务并发控制设计 |
| 6.2.3 数据一致性控制 |
| 6.3 协同查询的目标 |
| 6.4 协同查询的设计 |
| 6.4.1 相同查询的协同处理 |
| 6.4.2 相似查询的协同处理 |
| 6.4.3 查询结果的保存与管理 |
| 6.4.4 写操作对协同查询的影响 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文总结 |
| 7.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
四、基于管理决策问题中的异构知识集成推理研究（论文参考文献）
- [1]协同视角下的跨域突发事件应急情报组织模式[J]. 郭骅,蒋勋,许瑞,侯柏屹,张健东. 情报学报, 2021(07)
- [2]基于知识图谱的城市轨道交通建设安全管理智能知识支持研究[D]. 王莉. 中国矿业大学, 2019(04)
- [3]不确定环境下旱灾风险调控群决策方法研究[D]. 李海涛. 华北水利水电大学, 2019
- [4]面向数字化车间的棉纺质量自主控制与管理[D]. 马创涛. 西安工程大学, 2018(04)
- [5]基于CBR-RBR集成方法的马病远程诊断专家系统的研究[D]. 秦宏宇. 东北农业大学, 2017(01)
- [6]铝合金车轮制造企业知识集成方法研究[D]. 陈彦广. 燕山大学, 2015(01)
- [7]基于知识的再制造工艺智能决策支持系统研究[D]. 任勇. 武汉科技大学, 2014(03)
- [8]基于多代理的通信领域虚拟服务系统构建研究[D]. 王璇. 北京交通大学, 2014(06)
- [9]铁路突发事件应急救援智能决策关键技术研究[D]. 李小平. 兰州交通大学, 2013(03)
- [10]面向集团企业的数据集成模型构建方法研究[D]. 耿玉水. 天津大学, 2013(12)