一、一种有效的数据管理技术（论文文献综述）
杨帆[1]（2021）在《车联网场景下LTE-D2D通信的资源分配、干扰管理与网络性能研究》文中研究指明随着信息技术、通信技术的高速发展,道路行驶车辆在以移动数据互通为基础的车联网环境下,实现车辆与车辆之间、车辆与路边基础设施之间、车辆与各类服务器之间便捷、准确的信息交换,成为保障行车安全,提升交通效率以及提供通信娱乐等服务的基础条件。其中,以最能反映车辆移动特性的车间通信为代表,与其相关的性能与技术的研究也受到越来越多的重视。作为车辆间通信的主要技术之一,设备到设备（Device-to-Device,D2D）通信将不经由基站可直接进行终端数据交换的特性引入到车联网的车辆数据交互过程中,通过车辆之间数据的直接传输来降低网络中基站的负载,减小通信时延,在保证通信质量的同时,提升车联网的整体性能。针对车联网场景下的车辆移动特性和通信需求,本文在通过基站进行通信协调的前提下,以对道路行驶车辆进行分簇为辅助,结合专用D2D信道资源（如子载波）对车辆信道资源分配、数据传输模式进行优化,同时解决资源复用所带来的干扰问题。本文主要工作如下:1)单基站覆盖场景下基于限定正交频分资源复用的簇内D2D信道资源分配及数据重传机制研究针对现有的D2D信道资源分配主要集中在与蜂窝用户的信道资源复用,且缺少适用于车联网环境的D2D信道资源分配机制及数据传输策略,造成网络性能受限的问题,设计了一种面向单基站覆盖场景下基于限定正交频分资源的分簇内D2D专用资源分配以及对不同数据的多播重传机制。该机制首先将覆盖范围内车辆按照已有的分簇方法完成相应的分簇作为前提,为簇内各个车辆分配唯一的D2D专用信道资源来避免蜂窝用户及簇内各个车辆之间的干扰。然后综合考虑分簇内车辆的动态变化情况,构建以簇内平均网络频谱利用率与重传发射功率之比最大化为目标的混合优化问题,来解决簇内存在无法正确接收数据车辆的重传问题,并进一步采用中继协作方法优化重传结果。通过仿真验证,就优化目标簇内平均网络频谱利用率与重传发射功率之比而言,该机制相比于固定一个重传节点以及不采用中继协作传输的方法结果分别提高了59.4%和30.7%。2)单基站覆盖场景下基于限定正交频分资源复用的簇内D2D信道资源分配机制及簇间干扰管理研究针对现有的车联网场景中D2D通信缺少单传输天线条件下的干扰管理,且未将协作通信作为一种有效的无线网络通信可靠性改进方案,在车辆多跳通信中加以重视等问题,设计了一种面向单基站覆盖场景,同时考虑簇内与簇间的D2D专用资源分配以及对可能存在的簇间干扰进行管理的机制。该机制首先提出了一种基于D2D的通信架构分簇算法来分配簇内资源。然后分析车联网场景中的数据传输服务,综合考虑簇内资源优化利用的协作通信,各个车辆均只配备一根通信天线时的干扰管理等因素,构建整个网络频谱效率最大化为目标的整型优化问题,并设计相关求解算法。通过仿真验证,在速度随机分布且车辆密度不同的条件下,该机制相比于不采用协作通信和干扰管理以及只采用协作通信的方法,网络吞吐增益平均可提升20%以上,最大改进增益可达75.9%。3)多基站协同覆盖场景下基于正交频分资源复用的D2D信道资源分配机制及干扰管理研究面对日益增长的交通行驶范围与车辆通信业务,单一的基站已无法满足交通场景中存在多路口区域的通信完全覆盖。不仅如此,当任意基站覆盖下的分簇内车辆数量不受限制时,簇内与簇间车辆将同时复用D2D信道资源,此时将会造成更加复杂的干扰情况。此时,若不进行相应的处理,大量未能直接传输的数据都将经由基站进行转发,这无疑将使网络负载剧增。为此,本文设计了一种在多基站混合配置的场景下,通过干扰对齐的方式同时进行簇内与簇间干扰管理的机制。此时,根据不同交通区域的通信负载情况考虑合理的基站放置,在满足通信负载需求的同时,降低部署开销。通过仿真验证,结合干扰对齐,采用D2D直传的方式将有效降低网络负载;特别地,在与全网络数据均经由基站进行转发作为基准相比较时,基站负载下降效果更为显着。
郑创明[2]（2020）在《超密集网络无线资源管理关键技术研究》文中研究指明为了满足第五代移动通信系统增加1000倍数据速率的要求,一种最有效的方法是在现有网络架构的基础上超密集部署低功率单小区站点来增加频谱复用次数、提高频谱效率、增加数据传输速率、扩展覆盖和提升用户服务质量。与以前移动通信技术不同的是,在第五代移动通信中更多的物-物连接设备接入网络,因此网络的设备密度将会大大增加。然而在一个无线网络中部署更多的低功率站点设备必然会带来严重的小区间干扰,从而限制了超密集网络频谱效率的提升。如何减少超密集网路中的小区间干扰,提高频谱效率和能量效率,保证用户的服务质量已经成为超密集网络中的关键问题。因此,能够适应于超密集网络的无线资源管理技术成为一个研究热点,本文主要研究超密集网络中的干扰管理技术和无线资源分配技术。具体包括博弈论在超密集网络无线资源管理中的应用,部分频率复用技术在超密集网络无线资源管理中的应用,宏微协作的无线资源管理在超密集网络中的应用研究,以及物联网中的反向散射通信技术在超密集网络中的应用及优化。博弈论既是现代数学的一个新分支,也是运筹学的一个重要学科。由于博弈论的一些基础性的假设与无线资源分配技术的预期目标非常匹配,所以博弈论在超密集网络的资源分配中具有重要的应用价值。理论上,运用博弈论能够获得性能最优的无线资源分配结果,不足之处在于它巨大的运算量,但随着云计算技术的发展,这些问题将会逐渐得以解决。本文主要研究博弈论在超密集网络中上行功率控制技术中的应用,将博弈论和异构网上行功率分配算法相结合,提出了一种博弈的异构网上行功率控制算法。该算法把价格支付函数运用到上行功率功率控制算法中,在异构网中任何用户的功率提升都要考虑对网络内的其它同频用户带来的干扰,并以此作为基于价格的支付函数,通过循环多次迭代使得用户功率提升对整个网络的干扰最小化。本文通过运用博弈论对现有功率控制算法进行优化,提升了网络的性能。部分频率复用技术是一种易于实现且可靠性高的小区间干扰抑制技术,在现有的移动通信网络中被广泛使用。本文对该技术进行深入研究,分析现有的部分频率复用技术在超密集网络中运用中存在的潜在不足,并结合超密集网络的特征对部分频率复用技术进行优化,提出一种用于优化LTE-A部分频率复用技术的准完美资源分配方案。它首先把小区的边缘区域和中心区域、边缘带宽和中心带宽、边缘用户和中心用户分成六份,并为每个区域内的用户定义一个不同的资源分配优先级,然后每个扇区通过用户的位置识别它所对应的位置区域,最后每个扇区的资源分配算法根据用户的位置信息按照预先定义的资源分配优先级,对用户进行资源分配。该算法通过对现有的部分频率复用技术进行优化,使得不同小区中分配相同频率资源的用户的位置更加均匀,因此能够更加有效减少小区间干扰。超密集网络中宏微协作是一种有效的无线资源管理方式,现有的宏微协作超密集网络的无线资源管理算法都是基于每个小区业务完全加载的场景进行优化,然而在现网中超密集网络的业务量随时间和站点变化。本文针对现有算法的缺陷,并结合超密集网络的这一特征,提出一种超密集网络中宏微协作的负载自适应的干扰管理算法。该算法综合运用三种技术进行干扰管理,首先,采用部分频率复用技术对宏宏间,微微间和宏微之间的干扰进行干扰协调;其次,采用负载自适应资源分配技术进一步降低小区间的干扰:该算法随着小区的负载变化而变化,当小区业务是部分加载时,通过降低高功率用户的调制编码方式,进而降低用户的功率和减少小区间的干扰。最后,采用干扰感知的资源映射技术把相邻小区的高功率用户所分配的资源映射到不同的频带上,从而实现更好的干扰协调效果。最后,本文对超密集网络中高密度存在的低功率反向散射通信系统的资源分配算法研究。与现有研究成果不同的是,本文主要研究一种典型的基于反向散射通信技术的两用户单解码转发中继网络模型,为降低网络的部署成本,其中一个用户与中继被集成一个节点。因为本文优化的目标为通过优化资源分配算法实现系统的吞吐量最大化,且该问题是一个多变量联合优化的非凸问题,直接采用多变量联合优化方法将产生非常复杂的运算量。所以本文提出一种多步骤迭代优化算法把两个节点非凸的联合优化问题转变为单个节点非凸的单独优化问题,然后通过松弛变化,把非凸问题转化为凸问题,并通过凸优化方法得到闭式解,最后通过循环迭代的方法得到原问题的最优解。本文提出的多步骤迭代优化算法为多个具有反向散射能力的节点组成的网络联合优化问题提供一种新的方法,把一个复杂的优化问题转化为多个简单的子优化问题。
冯丹青[3]（2019）在《基于多目标优化的云计算资源调度算法研究》文中研究指明云计算是一种面向服务的计算模型,能够根据用户需求提供各种类型的服务。在资源调度过程中,虚拟化技术作为云计算的关键技术之一,能够在满足用户需求的前提下,有效实现资源的管理和分配。然而,由于用户需求的增加,导致了数据中心资源管理和分配的复杂性,使得提高资源利用率和降低能耗开销成为资源分配过程中需要解决的主要问题。因此,如何设计一种有效的资源自适应调度策略,除了提高资源利用率以外,还可以降低能耗开销;这已成为资源调度过程中面临的主要挑战之一。本文以提高资源利用率和降低能耗开销作为出发点,重点针对多目标优化和资源调度策略展开深入的研究。具体研究内容可以概括为以下几个方面。第一,提出了一种基于整体性能的自适应调度策略。通过分析多个关键性能指标,从生存性角度出发,利用熵差值方法确定性能临界值。在此基础上,根据用户的不同需求,设计了基于物理主机或虚拟机的自适应资源调度策略;当资源过度分配时,结合WMA（Weighted Moving Average）预测方法,设计了基于虚拟机的自适应减少策略来降低能耗开销。实验结果表明,在资源分配过程中,本文提出的自适应调度策略,能够根据用户需求快速增加或减少资源的使用数量。第二,提出了考虑三阶段的多目标资源优化策略。由于用户需求的随机可变性,导致了传统的预留计划无法灵活地满足用户需求,本文提出了将资源预留,预测以及整合三个阶段相结合的资源优化策略。在预留计划里,设计了随机整数线性规划模型来确定预留计划。在此基础上,提出了基于双指数平滑的组合预测方法确定下一阶段的负载需求。在整合过程中,通过提高资源利用率的方法来降低能耗开销。实验结果指出,在降低租用成本的前提下,本文提出的三阶段资源优化策略能够实现资源的快速管理和分配。第三,提出了基于改进粒子群算法的负载均衡策略。在资源调度过程中,除了传统单一目标（如能耗）的优化方法以外,还需要考虑其它的优化目标。而且,还需要解决确定热点主机以及虚拟机定位等主要问题。因此,本文设计了基于粒子群算法的负载均衡策略,主要目标是提高资源利用率和降低能耗开销。在均衡过程中,提出将CPU和内存等关键因素与熵值方法相结合来确定热点主机。在此基础上,设计了基于理想解的粒子群算法,提出通过虚拟机定位方法来提高资源利用率和降低能耗开销。实验结果表明,本文提出的基于双目标粒子群算法的负载均衡策略能够实现有效的负载均衡。第四,提出了基于两阶段的多目标资源整合策略。针对资源调度过程中存在的迁移时机,待迁移虚拟机以及虚拟机定位等问题,本文提出了基于多目标蚁群算法的资源整合策略,主要目标是提高资源利用率,降低能耗开销和资源损耗程度。在整合过程中,提出了将多个性能指标与灰色关联分析相结合的方法来确定当前物理主机状态。在此基础上考虑了CPU和内存利用率,提出利用欧式距离方法来确定待迁移虚拟机。而且,设计了基于帕累托的多目标蚁群算法,研究了虚拟机放置问题。实验结果表明,本文提出的多目标资源整合策略具有更好的整合效果;与其它启发算法对比,该算法能够有效地降低SLA违约以及能耗开销。
牛齐明[4]（2019）在《基于PHM技术的高铁装备健康状态智能分析模型研究》文中指出故障预测与健康管理在军事、核电等领域已经有很多研究和应用,但是对安全性和可靠性要求很高的高铁领域对故障预测与健康管理还需要进一步的深入研究。高铁装备的故障预测与健康管理技术通过检测和监测关键零件和部件的健康状态,评估已有的故障,给高铁装备的维修维护工作以辅助建议,这对避免灾难性的事故发生,确保高铁装备的安全和系统能发挥最大的效益具有重要的意义。基于此本文提出了一个通用的高铁装备故障预测与健康管理理论模型,并研究了高速动车组故障预测与健康管理健康分析中的两个重要问题:状态监测的特征提取和健康状态评估,并以轴承为实例进行了分析。探索构建适用于多种部件、系统和装备的通用高铁理论故障预测与健康管理模型,对于建立具体的故障预测与健康管理系统具有重要的理论意义和实际的指导作用。状态监测的特征提取结果是健康状态的一种有效表示,同时状态监测的特征提取也是健康状态分析任务的关键步骤之一。健康评估是指以一定的方法和措施来评价、评估高速动车组整体或部件所处健康状况以便于用户做出相应的运用或维修等决策工作。健康状态评估作为故障预测与健康管理中的关键技术是实现健康管理的前提和基础。本文以高速动车组牵引电机滚动轴承监测大数据为研究实例,用小波分析理论、动力学理论和人工神经网络理论为理论支撑,结合高速列车的实际应用建立模型,对滚动轴承的故障预测与健康管理进行研究。从高铁装备健康状态监测、健康状况评估的角度出发,解决了部分基于大数据的故障预测与健康管理理论与应用难题。本文取得的主要研究成果如下:（1）本文从高速铁路的角度出发结合开发故障预测与健康管理算法的实践初步提出了高铁装备故障预测与健康管理理论模型,并基于理论模型构建出高速动车组故障预测与健康管理功能模型和系统架构,以期为我国高铁故障预测与健康管理的健康发展提供理论参考和实际的指导。（2）最近,一些研究人员用组合方法,来提高状态监测精度。然而,对于计算效率和鲁棒性,并没有着重考虑。本文提出了一个双树复小波包变换和变分模态分解的特征抽取混合模型。这个模型把小波分析技术和变分模态分解整合在一个框架里。该模型尤其适合于监测强噪声背景下滚动轴承早期故障信号。在标准CWRU数据库上的实验和仿真实验检验了该模型监测滚动轴承早期故障的有效性。（3）本文提出了一种基于Tensor Flow的在线序贯极限学习机的健康状况评估组合模型。利用健康状况准确率指标来评价TOSELM算法的性能。为了验证所提出模型的有效性通过公共数据集和高速动车组牵引电机球轴承数据集用BP、ELM和TOSELM三个模型进行了多组实验,得到的结果表明,TOSELM模型是一种有效的轴承健康状态评估模型。所提模型能提高大数据背景下的计算效率和分析结果的可靠性。此模型解决了高速动车组牵引电机球轴承的健康状况评估问题,从而保障了高速列车运行安全。上述研究成果可应用于高铁装备的故障预测与健康管理系统和在途健康状态监测中,为进一步优化高速动车组状态维修策略提供技术支撑;对提高高铁装备的可靠性和安全性,降低运行维修的成本,具有重要的工程意义和理论价值。
孙文静[5]（2019）在《CPM理论视角下隐私管理技术特征对移动商务用户信息披露意愿影响研究》文中研究说明随着移动技术的快速发展,监控手段变得愈加广泛和强大。越来越多的移动应用程序过多地收集和记录用户的个人信息,使得移动环境下的隐私问题愈演愈烈,严重影响移动商务的健康发展。隐私管理作为当前一种有效的隐私保护手段,吸引了国内外学者们的广泛关注。而如何设计隐私管理的技术特征,则成为移动商务服务商亟待解决的问题。现有研究主要聚焦于内容和形式等维度,来探索隐私管理应具备的技术特征,鲜有从隐私管理功能设计的视角,来探究隐私管理应具备的技术特征,及其对移动用户信息披露行为的影响机理。因此,本研究基于沟通隐私管理理论（Communication Privacy Management,CPM）框架,探索了隐私管理应当具备的主要技术特征,并探讨这些技术特征对移动商务用户信息披露意愿的影响机理。从移动商务用户需求的视角出发,本研究揭示了隐私管理的技术特征对移动用户信息披露意愿的影响作用。（1）基于沟通隐私管理理论中边界协调的三个维度——边界渗透、边界所有权及边界联结,提出了隐私管理的三个技术特征——信息管理、许可声明管理和交互管理。（2）聚焦于隐私管理的技术特征,以用户的感知控制和感知的监视作为中介变量,构建了隐私管理的技术特征对移动商务用户信息披露意愿的影响模型。（3）通过情景式问卷的调查方式,采用SmartPLS3.0对收集的283份有效数据进行实证分析。研究结果表明,隐私管理的技术特征（信息管理、许可声明管理和交互管理）通过感知控制对移动用户个人信息披露意愿产生显着的正向影响,且信息管理和交互管理对移动用户的信息披露意愿有直接的正向影响;同时,感知的监视对感知控制与移动用户信息披露意愿之间的关系也起到了部分中介作用。研究结论不仅为学者们日后系统深入地探究移动商务用户信息披露意愿提供了理论依据,同时也为移动服务商设计符合用户需求的移动商务应用,刺激更多的移动用户披露个人信息,从而促进移动商务企业健康的发展提供相应的理论指导与建议。
薛见新[6]（2018）在《面向大数据的数据演化与溯源研究》文中认为关于大数据的特性至今没有一个统一的说法,但是大多数人所认可的特性是“3V”,3V是指volume、velocity和variety。可见通常所说的大数据不仅仅是指数据量大,数据种类多和数据更新较为频繁也是大数据的特性。大数据环境下数据的爆炸式增长使数据不断地产生、收集和转换,数据的动态演化特性已成为了大数据的基本特性。数据演化是指数据产生、并随时间推移而演化派生的过程。数据演化并不是大数据所独有的,小到管理一网页数据库都会面临数据演化问题。基于粒度不同数据演化可以分为模式级演化（即模式演化）和实例级演化。模式演化简单的说就是修改当前的模式以满足用户需要的变更,但是模式演化会带来一系列的问题,比如数据迁移、旧版本应用的重构和数据交换等问题。模式演化是模式级的数据演化,主要关注演化的执行效率和演化结果,而忽略了数据的清洗和中间处理过程。中间数据集合层次丰富、来源不同、质量各异、且结构不一致。因此,分析数据产生和演化的过程信息,进而评价数据的质量和正确性等,乃至修正数据结果就显得尤为重要。数据溯源用于描述数据的产生、并随时间推移而演化的整个过程,数据溯源记录的是数据演化整个过程的信息,它的应用非常广泛,可用于追踪不同数据源间和同一数据源内部数据的演化过程。同时,在数据演化过程中不可避免地产生不确定性,因此,数据溯源可同时追踪数据以及不确定性的来源和演化过程。但是数据溯源的高代价性制约着溯源应用,尤其是在大数据环境下提出一种高效的溯源计算方法是十分必要的。针对模式演化和数据溯源所存在的问题本文从以下方面进行了研究:第一,为了实现模式演化的自动化,提出了一种面向用户查询的双向模式演化方法,主要包括:（1）利用模式格表示数据模式的依赖关系,将单一用户查询在模式格中表示为查询宿主节点到当前模式节点的路径,将多用户查询表示为树,并提出了一种基于用户查询的目标模式生成算法;（2）提出了一种有效的多版本模式演化方法,即On-demand的双向模式演化方法,利用映射逆操作和组合操作实现多版本数据的虚拟化,可以避免对旧版本应用的重构,并可以大大节省数据的存储代价。第二,针对模式演化过程中多版本数据更新时一致性维护所存在的问题,分别对模式演化过程中的插入更新和删除更新反馈问题进行了研究,主要包括:（1）利用估计方法估计虚拟版本的大小来确定插入反馈是否存在副作用,并对具有投影操作的情况扩展了估计方法;（2）利用半环溯源来构建模式演化过程中虚拟版本到当前版本的溯源图,把删除反馈问题转换成图上的路径切断问题,进而提出了一种有效的算法来验证删除反馈是否存在副作用,并给出了最优删除策略。第三,为支持数据与模式协同演化,提出了一种基于轴依赖的数据与模式协同演化的方法,主要包括:（1）提出了一种更一般化的依赖关系-轴依赖,在函数依赖基础上加入了模式信息,同时提出了一些轴依赖的推理规则,可以由当前的轴依赖推理出蕴含的轴依赖,并给出相关的理论证明;（2）分析了演化过程与轴依赖的关系,并由此提出了一种演化过程中的轴依赖推理规则,可以在演化过程有效传递轴依赖以保证演化过程中的语义关系;（3）利用数据与模式协同演化操作的代数性质,对复杂的演化过程进行优化,可以有效减少演化路径长度以降低演化代价。第四,针对半环溯源的计算和存储问题,本文提出一种基于magic-set的半环溯源计算方法,主要包括:（1）分析半环溯源的计算的特点,给出了一种基于magic-set方法的溯源计算优化方法,并提出了一种动态多维直方图估计方法对magic-set方法进行优化;（2）提出了一种基于派生树结构的半环溯源计算优化方法,可有效优化复杂数据演化的半环溯源的计算过程;（3）为解决递归查询导致的问题,提出了一个本质标注的近似半环溯源计算方法。这种溯源计算方法能满足大多数标注数据库的应用需求,而且有效地提高了半环溯源计算效率。第五,针对当前的半环溯源计算需要大量重复访问数据库而导致的计算代价较高的问题,提出一种有效的半环溯源计算方法。主要包括:（1）提出了一种基于Kleene序列的近似迭代方法,该方法把对数据库的查询处理转换成对半环方程组的求解来避免对数据库的大量重复访问,从而可以提高半环溯源的计算效率;（2）从迭代次数的角度来分析半环溯源计算的复杂性,以降低迭代次数为优化目标提出了一种类牛顿半环溯源计算方法,该方法可以进一步加速半环溯源的计算过程。
王金栋[7]（2006）在《数据流系统中负载管理技术应用研究》文中研究指明随着计算机和网络技术的不断发展以及相关技术的进步,信息系统在制造、运输、金融、IT等各行各业得到了广泛应用。待处理数据量的飞速增加,使得传统数据管理技术难以适应新形势下的应用需求。近年来数据流管理技术,包括数据流管理系统的构建、优化、数据流挖掘等得到了密切关注。论文讨论了数据流系统的基本结构、工作原理、实现方法、特点以及其主要应用领域,针对由单位时间内输入系统的数据单元数量变化引起的处理器过载问题,探讨了负载管理系统模型的构建方法,并对负载平衡、Load-shedding、摘要生成等关键技术进行了深入研究。论文主要研究内容如下:（1）提出了基于双层重叠结构的负载平衡算法。针对分布式数据流系统对负载平衡可扩展性和易恢复性的需求,对负载平衡技术进行研究,提出了一种基于双层重叠结构的负载平衡算法,该算法可以满足Internet环境下紧耦合分布式数据流系统进行负载平衡的需求。（2）提出了基于分支路径分析的Load-shedding算法。针对以聚合类查询操作为结尾,包含多条输入数据流,多查询结果的连续查询网络的降载问题,对Load-shedding技术进行研究,提出了基于分支路径分析的Load-shedding算法。在此基础上进一步研究了该算法在输入数据单元具有不同权重、以非聚合类查询操作为结尾这两种情况下的改进推广,扩展了算法的适用范围。（3）提出了一种有效数据识别算法。给出了分布式数据流系统中有效数据的概念,将单输入数据流的数据识别技术推广到多输入数据流环境,给出了一种有效数据识别算法,该算法较好地解决了分布式数据流应用中的有效数据识别这一技术问题。（4）针对分布式数据流应用范畴,给出了负载管理系统模型DDSMLMS。通过分析负载管理系统的设计原则以及对现有负载管理系统结构、功能、运行环境的研究,论文综合考虑多种负载管理技术,给出了负载管理系统模型DDSMLMS。该模型作为课题组设计的生产现场管理系统的重要部分,在某国防基础预研项目中得到良好应用,提高了数据流系统的实用性能。本文对负载管理技术的研究,为有效应对数据流系统的负载问题提供了
韩璐[8]（2021）在《制造企业供应链数字化转型机理与决策模型》文中认为在数字化时代,零售商、分销商以及最终消费者对供应链的期待越来越高。为了满足客户需求并帮助企业实现数字化运营,供应链管理需要进行数字化转型。然而,对于生产环节众多、管理内容复杂的制造企业来讲,供应链的数字化转型是一项极为艰难的任务。转型方案与业务需求脱节、转型管理效率低下等原因致使很多实践以失败告终。关于制造企业供应链的数字化转型问题,目前行业和学术界的研究成果往往将管理、技术以及组织支持相混淆,对转型驱动要素、转型机理、转型研究方法以及转型管理方案尚无清晰的认识和有效的建议。针对这一现状,本文从管理层面对以上不足展开深入研究,帮助制造企业对供应链数字化转型形成理论认识与进行科学管理。本文从制造企业供应链数字化转型的难点出发,以供应链管理理论、信息管理理论和系统工程理论为理论基础,提出制造企业供应链数字化转型的三个关键驱动要素,即数据管理（对数据资源的获取与管理）、信息融合（对信息到相关决策点的可达性管理）以及智能优化（对数字化供应链管理点的系统性优化）,构建转型驱动机理概念模型,并分析运作管理中三个驱动要素的内在联系,对制造企业供应链数字化转型的管理思想进行系统阐述,所提出的观点得到了上市公司真实数据的实证支持。另外,本文提出了制造企业供应链数字化转型驱动要素的研究方法,为驱动要素的深入研究提供思路指导。基于所提出的制造企业供应链数字化转型机理和转型驱动要素研究方法,本文对每一个驱动要素展开了进一步研究。首先为驱动要素构建完整的管理内容体系,帮助制造企业明确驱动要素的管理范围。然后针对驱动要素关键问题的管理需求构建决策模型,依据建模结果制定驱动要素的管理方案。最后结合驱动要素的数字化属性,提出管理方案中不同对象的管理策略,帮助企业实现驱动要素的高效管理。实例分析章节的模型计算结果表明,本文所提出的数据管理决策模型对数据的相对重要性具有良好的区分度,所提出的信息融合仿真模型对信息的关联性具有良好的识别能力,所提出的智能优化决策模型对决策效用的提升具有良好的规划能力。本文的创新成果主要体现在3个方面:（1）阐明了制造企业供应链数字化转型驱动机理。现有研究供应链数字化转型影响因素尚不完整或者分散于人力资源等供应链管理之外的领域,对供应链数字化转型中的管理分析不够聚焦与完善,缺乏综合性研究视角。为了分析制造企业供应链数字化转型管理问题,本文从供应链管理的本质出发,结合数字化特点与信息管理学理论,对制造企业供应链数字化转型的影响因素进行分析和归纳,系统性地提出了制造企业供应链数字化转型的驱动要素——数据管理、信息融合以及智能优化,构建了转型驱动机理概念模型,探讨了驱动要素的运作机理与递进关系,从理论角度阐明了制造企业供应链数字化转型的基本原理,并且通过上市公司的真实数据,使用Malmquist指数法和回归分析法对所提出的驱动要素和驱动机理进行验证,进一步证明了本文所提出驱动要素和驱动机理的有效性。（2）构建了制造企业供应链数字化转型数据管理决策模型。现有文献对于制造企业供应链数字化转型中数据管理方面的讨论多为定性分析,没有考虑投入产出效率问题。为了提升数据管理效率、有效分配企业资源和精力,本文针对数据管理的方案制定问题,建立了数据管理体系,构建了基于DEMATEL方法和HOQ方法的数据管理决策模型,从信息需求决定数据需求的角度,对数据的相对重要性进行区分,依据结果提出数据的分级管理方案,并且结合数据管理的数字化属性提出不同分级中数据的管理建议,从而实现对制造企业供应链数字化转型中数据的高效管理。（3）构建了制造企业供应链数字化转型智能优化决策模型。以往对于制造企业供应链数字化转型中管理决策方面的研究多为单一管理点的决策效率提升,没有考虑所有管理点的整体决策效率问题。为了系统性地提升智能优化的决策效率,以及帮助企业在有限的计算能力与众多优化需求之间取得平衡,本文针对智能优化的路径规划问题,建立了智能优化体系,构建了基于ISM方法和NK模型的智能优化决策模型,从系统结构、优化目标、决策效用三个角度对所构建的智能优化分析系统进行建模与仿真,求解出提升整体决策效用的最佳优化路径作为智能优化的路径方案,从而实现对制造企业供应链数字化转型智能优化的高效管理。本研究针对制造企业供应链数字化转型缺乏理论指导的问题提出了转型驱动机理;针对转型驱动要素管理的深入研究问题形成了转型驱动要素研究方法;针对转型管理内容零散不全问题构建了驱动要素的内容体系与架构;针对转型管理效率问题分别构建了转型驱动要素决策模型与管理方案。综上所述,本文从管理与决策的角度为制造企业供应链数字化转型建立了一套完整的基本思想和管理方案,有利于构建制造企业供应链数字化转型理论;有利于建立制造企业供应链数字化转型管理体系;并且有利于提升制造企业供应链数字化转型管理效率。
贺天明[9]（2021）在《基于水权理论的农业用水管理技术研究与应用 ——以石河子灌区为例》文中研究表明目的:农业用水是我国的用水大户,节水是当下水资源管理的重要工作,管理节水又是农业节水邻域中的重要部分,本文以促进节水为目的,从管理节水的各个环节出发,对农业用水管理技术做研究。方法:本文以促进农业节水为目的,以水权理论为基础,运用文学计量学、投影寻踪技术、博弈论及系统论思想,构建了深层次农业初始水权分配指标体系和模型,水费支出水平承受力模型,水价-水量节水博弈模型和新疆干旱区水权交易模式,并以石河子灌区为例进行应用研究。结果:（1）运用Cite Space V可视化工具,对农业节水管理邻域进行演进路径和前沿热点分析,研究发现:农业用水管理领域的内容逐渐深化,相关决策部门文件相连紧密;农业用水管理领域是一个以水权分配为核心,以“初始水权分配—农业水价改革—水权交易市场建设”为主线的研究邻域。其中初始水权分配和农业水价改革是抓手,基于水市场优化配置农业节余水量是目标,在当下水资源管理决策下,我国西北和华北地区是农业节水管理研究的热点区域。（2）通过水权分配计算结果表明:石河子灌区（143团北灌区、152团、石总场）3个区域深层次的初始分配量分别为4183.68万m3,4046.05万m3,6569.28万m3;从现状灌区实际用水量计算,若整个灌区严格执行定额管理灌溉,可比现状用水量节水约15.7%。（3）以完全成本水价测算为基础,得到灌区完全成本水价和农民承受力水价分别为0.3918元/m3和0.439元/m3,与现行水价0.25元/m3相比,灌区水价存在很大的提升空间。在完全成本水价下,亩均灌水量可比田间实际灌水量节约71.89m3/亩,约为15%,节水潜力很大,其他条件不变时,完全成本水价下的亩均用水量与定额管控下的灌水量趋于一致,约400m3/亩。（4）以2020年灌区计划减退过度开垦的土地为基准,计算得出:通过严格的定额管理灌溉和“退地减水”措施,整个灌区可从农业部门节余水量为5250.45万m3,转向工业部门水量为4 987.93万m3,转向生态部门水量为262.52万m3;通过水权交易方式,区域灌区农业节余水量可产生的工业效益值为3 502.43万元,生态系统服务价值为1948.22万元,可产生的总体效益为5 460.65万元。结论:该文基于水权理论,以明晰灌区农业初始水权和农业用水价格为基础,政府水资源管理决策下灌区农业节水潜力为媒介,通过水权交易的途径将农业节余水量转移到工业用水和生态用水,形成地区整体可持续发展的农业用水管理技术集成方案,以期为灌区“农业节水-经济发展-生态环境”系统性水资源管理提供借鉴意义。
王静[10]（2021）在《基于SIC和IA的可充电无线传感器网络优化算法研究》文中认为无线传感器网络（Wireless Sensor Network,WSN）在交通管理、智能监控、智能建筑、军事侦察、环境监测领域都有着广泛的应用。无线传感器节点的电池能量有限,特别是在特殊监测的环境中,更换电池的难度增加,导致电池的能量消耗殆尽,网络质量变差。因此,如何延长WSN的寿命,保证节点的能量供应是尤为重要的研究话题。此外,随着网络规模的不断增大,节点间传输数据时产生的干扰也越发严重,由于无线通信开放信道的特性,在多个发射器同时工作的情况下,节点间的干扰越多会导致数据传输质量和信道利用率下降。基于延长WSN的寿命和提高WSN的吞吐量的目的,本文主要研究WSN的充电算法优化和干扰管理策略,主要的研究内容如下:（1）提出了基于聚类的可充电无线传感器网络（Wireless Rechargeable Sensor Network,WRSN）多节点充电优化研究策略。在使用移动充电小车（Wireless Charging Vehicle,WCV）给传感器节点进行能量补充中,研究最小化WCV的移动距离继而提高充电效用是研究中的一个热点。本文针对多节点同时充电的问题,使用分簇算法将区域中的传感器节点聚类,分析研究不同分簇算法在无线传感器网络中对能量补给设备工作的影响,同时保证每个聚类中的传感器节点均在WCV的充电范围内。在每个簇中确定WCV的停靠位置,WCV沿着最短哈密顿循环移动,获得充电周期中WCV的移动距离最小值。（2）提出了基于串行干扰消除（Successive Interference Cancellation,SIC）和干扰对齐（Interference Alignment,IA）的WRSN优化算法。首先,基于SIC的WRSN多节点充电模型将无线多节点同时充电和SIC技术相结合,根据聚类比较结果选择聚类算法聚类节点,在每个簇中设计一种启发式算法对节点应用SIC技术;其次,基于SIC-IA数学模型的多跳网络跨层优化模型同时使用IA技术和SIC技术,设置多个环境场景评估算法在多跳网络中的性能。实验表明,该研究模型可最大限度地延长网络寿命,提高网络吞吐量。
二、一种有效的数据管理技术（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、一种有效的数据管理技术（论文提纲范文）
（1）车联网场景下LTE-D2D通信的资源分配、干扰管理与网络性能研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 车联网相关通信技术 |
| 1.2 研究内容 |
| 1.3 论文组织结构 |
| 第二章 研究现状及相关理论概述 |
| 2.1 车联网环境下的D2D通信 |
| 2.1.1 D2D通信技术 |
| 2.1.2 车联网环境下D2D通信方式 |
| 2.2 干扰管理 |
| 2.3 协作通信 |
| 2.4 车联网环境下的相关问题说明 |
| 2.5 本章小结 |
| 第三章 单基站场景下簇内D2D信道资源分配及数据重传 |
| 3.1 引言 |
| 3.2 系统模型描述 |
| 3.3 车辆的动态分布模型 |
| 3.4 簇内D2D重传方法设计 |
| 3.5 仿真结果及分析 |
| 3.6 本章小结 |
| 第四章 单基站多跳D2D网络下簇内信道资源分配与簇间干扰管理 |
| 4.1 引言 |
| 4.2 系统模型描述 |
| 4.3 基于给定资源的分簇算法 |
| 4.4 频谱优化模型 |
| 4.5 仿真结果及分析 |
| 4.6 本章小结 |
| 第五章 多基站D2D网络下的混合干扰管理与基站部署 |
| 5.1 引言 |
| 5.2 系统模型描述 |
| 5.3 混合干扰管理模型 |
| 5.4 基于负载分布的联合基站部署 |
| 5.5 仿真结果及分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文研究总结 |
| 6.2 论文创新点 |
| 6.3 未来研究展望 |
| 参考文献 |
| 攻读博士学位期间的学术活动及成果情况 |
（2）超密集网络无线资源管理关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 第五代移动通信系统 |
| 1.1.1 移动通信的发展 |
| 1.1.2 第五代移动通信系统主要技术指标和网络结构 |
| 1.2 第五代移动通信系统中的超密集网络 |
| 1.3 第五代移动通信系统的资源分配 |
| 1.3.1 帧结构 |
| 1.3.2 下行资源分配 |
| 1.3.3 上行资源分配 |
| 1.4 超密集网络中无线资源管理技术 |
| 1.5 本文的主要研究内容和创新及章节安排 |
| 1.5.1 主要研究内容 |
| 1.5.2 创新点 |
| 1.5.3 论文章节安排 |
| 第二章 超密集网络中基于博弈论的上行功率分配优化 |
| 2.1 引言 |
| 2.2 系统模型 |
| 2.3 博弈的上行功率控制优化 |
| 2.3.1 mBS博弈的上行功率控制优化 |
| 2.3.2 MBS博弈的上行功率控制优化 |
| 2.3.3 博弈论的用户上行功率控制算法 |
| 2.4 性能仿真分析 |
| 2.4.1 仿真参数设置 |
| 2.4.2 LTE上行功率控制 |
| 2.4.3 算法的系统性能仿真与评估 |
| 2.5 本章小结 |
| 第三章 超密集网络中频率复用技术优化 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.3 小区间干扰特征分析 |
| 3.4 频率复用技术中准完美型的无线资源分配方法 |
| 3.4.1 完美型资源分配 |
| 3.4.2 准完美型资源分配算法 |
| 3.5 性能仿真分析 |
| 3.5.1 仿真参数设置 |
| 3.5.2 Q-PRAFFR算法的系统性能仿真与评估 |
| 3.6 本章小结 |
| 第四章 超密集网络中宏微协作的无线资源管理 |
| 4.1 引言 |
| 4.2 UDN中宏微协作的相关研究工作 |
| 4.3 系统模型 |
| 4.3.1 系统模型 |
| 4.3.2 问题形成 |
| 4.4 宏微协作负载自适应干扰管理 |
| 4.4.1 宏微协作的干扰信息交换 |
| 4.4.2 干扰感知的负载自适应无线资源分配 |
| 4.5 算法的性能分析和实现复杂度分析 |
| 4.5.1 负载自适应资源分配算法性能分析 |
| 4.5.2 干扰感知的资源分配算法性能分析 |
| 4.5.3 算法复杂度分析 |
| 4.6 性能仿真分析 |
| 4.7 本章小结 |
| 第五章 超密集网络中反向散射通信系统资源分配优化 |
| 5.1 引言 |
| 5.2 配置有中继设备的无线通信系统相关研究工作 |
| 5.3 系统模型 |
| 5.4 吞吐量最大化资源分配 |
| 5.4.1 问题形成 |
| 5.4.2 吞吐量最大化分析 |
| 5.4.3 吞吐量最大化资源分配算法 |
| 5.5 系统仿真与评估 |
| 5.5.1 仿真参数配置 |
| 5.5.2 性能评估 |
| 5.6 本章小结 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）基于多目标优化的云计算资源调度算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 资源调度方法的相关概念及分类 |
| 1.2.1 资源调度方法的相关概念 |
| 1.2.2 资源自适应调度服务分类 |
| 1.3 资源管理技术的研究现状 |
| 1.3.1 基于动态资源的弹性自适应调度 |
| 1.3.2 基于云计算的资源优化技术 |
| 1.4 当前研究工作存在的问题 |
| 1.5 本文的主要研究内容及章节安排 |
| 第2章 面向生存性的自适应调度策略 |
| 2.1 引言 |
| 2.2 相关工作 |
| 2.2.1 响应式方法 |
| 2.2.2 主动式方法 |
| 2.3 云计算提供资源自适应调度的应用场景 |
| 2.3.1 资源自适应调度的系统结构 |
| 2.3.2 自适应调度方法描述 |
| 2.4 考虑多个关键指标的性能分析 |
| 2.4.1 灰色关联分析 |
| 2.4.2 考虑生存性的性能临界值 |
| 2.5 考虑不同粒度的自适应调度策略 |
| 2.5.1 弹性资源自适应调度算法 |
| 2.5.2 基于物理主机的粗粒度增加方法 |
| 2.5.3 基于虚拟机的细粒度增加方法 |
| 2.5.4 弹性资源自适应减少方法 |
| 2.5.5 自适应调度算法的性能分析 |
| 2.6 实验及结果分析 |
| 2.6.1 弹性资源自适应调度实验环境 |
| 2.6.2 性能评估基准及对比算法 |
| 2.6.3 弹性资源自适应调度实验结果 |
| 2.7 本章小结 |
| 第3章 考虑三阶段的多目标资源优化策略 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.2.1 预留策略 |
| 3.2.2 按需分配 |
| 3.3 云计算提供资源优化调度的应用场景 |
| 3.3.1 资源优化的系统结构 |
| 3.3.2 资源优化的调度过程 |
| 3.4 三阶段资源优化策略 |
| 3.4.1 基于混合线性规划的预留策略 |
| 3.4.2 基于指数平滑和WMA的组合预测 |
| 3.4.3 基于组合预测的多目标资源优化策略 |
| 3.4.4 资源优化算法的性能分析 |
| 3.5 实验及结果分析 |
| 3.5.1 资源优化实验环境 |
| 3.5.2 预留策略实验与结果分析 |
| 3.5.3 预测方法实验与结果分析 |
| 3.5.4 三阶段资源优化实验与结果分析 |
| 3.6 本章小结 |
| 第4章 基于改进粒子群算法的负载均衡策略 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.2.1 静态负载均衡算法 |
| 4.2.2 动态负载均衡算法 |
| 4.3 考虑资源利用率和能耗均衡的调度方法 |
| 4.3.1 熵值方法确定热点主机 |
| 4.3.2 基于熵值方法的负载均衡策略 |
| 4.4 基于粒子群算法的虚拟机放置策略 |
| 4.4.1 基于理想解的适应度函数 |
| 4.4.2 考虑双目标的粒子群算法 |
| 4.5 负载均衡算法的性能分析 |
| 4.6 实验及结果分析 |
| 4.6.1 负载均衡实验环境 |
| 4.6.2 性能评估基准 |
| 4.6.3 实验结果分析 |
| 4.7 本章小结 |
| 第5章 面向多目标优化的资源整合策略 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.2.1 动态资源调度策略 |
| 5.2.2 多目标资源优化策略 |
| 5.3 云计算提供资源整合过程的应用场景 |
| 5.3.1 资源整合调度过程 |
| 5.3.2 调度过程热点消除方法 |
| 5.4 基于多目标优化的资源整合策略 |
| 5.4.1 考虑两阶段的资源调度方法 |
| 5.4.2 多目标优化的资源整合策略 |
| 5.4.3 基于改进蚁群算法的虚拟机放置策略 |
| 5.4.4 资源整合算法的性能分析 |
| 5.5 实验及结果分析 |
| 5.5.1 资源整合实验环境 |
| 5.5.2 实验结果分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（4）基于PHM技术的高铁装备健康状态智能分析模型研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和研究意义 |
| 1.2 高铁装备PHM研究现状 |
| 1.3 主要研究内容 |
| 1.4 各章内容介绍 |
| 2 高铁装备PHM理论体系 |
| 2.1 高铁装备PHM的理论系统 |
| 2.2 高铁装备PHM的业务系统 |
| 2.3 高铁装备PHM的技术方法 |
| 2.4 高铁装备PHM的管理系统 |
| 2.5 高铁装备PHM的应用系统 |
| 2.6 高铁装备健康状态分析研究中的关键科学问题 |
| 2.7 本章小结 |
| 3 面向高铁装备PHM的理论模型 |
| 3.1 小波分析的理论模型 |
| 3.2 滚动轴承动力学的理论模型 |
| 3.3 人工神经网络理论模型 |
| 3.4 本章小结 |
| 4 特征提取方法 |
| 4.1 引言 |
| 4.2 健康监测方法分类 |
| 4.3 滚动轴承的背景知识 |
| 4.4 基于双树复小波包变换和变分模态分解的特征抽取模型 |
| 4.5 实验分析 |
| 4.6 本章小结 |
| 5 基于高铁装备的健康状态评估模型 |
| 5.1 引言 |
| 5.2 大数据分析理论 |
| 5.3 球轴承健康状态划分的问题 |
| 5.4 神经网络 |
| 5.5 基于Tensor Flow的在线极限学习机模型 |
| 5.6 实验分析 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 学位论文数据集 |
（5）CPM理论视角下隐私管理技术特征对移动商务用户信息披露意愿影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容和技术路线 |
| 1.2.1 研究内容 |
| 1.2.2 技术路线 |
| 1.2.3 论文框架 |
| 1.3 研究创新点 |
| 1.4 本章小结 |
| 第二章 文献综述 |
| 2.1 隐私管理 |
| 2.2 感知的监视 |
| 2.3 相关理论 |
| 2.3.1 CPM理论: 边界控制权 |
| 2.3.2 CPM理论: 隐私边界协作 |
| 2.4 本章小结 |
| 第三章 假设提出及模型构建 |
| 3.1 隐私管理的技术特征 |
| 3.2 研究假设 |
| 3.2.1 感知控制、感知的监视和信息披露意愿之间的关系 |
| 3.2.2 隐私管理的技术特征与感知控制、信息披露意愿的关系 |
| 3.3 模型构建 |
| 3.4 本章小结 |
| 第四章 研究方法 |
| 4.1 情景设计及操作 |
| 4.2 问卷设计 |
| 4.2.1 半结构化访谈 |
| 4.2.2 预实验 |
| 4.2.3 正式问卷 |
| 4.3 数据收集 |
| 4.4 本章小结 |
| 第五章 数据分析 |
| 5.1 样本统计分析 |
| 5.2 操作检验 |
| 5.3 信度和效度分析 |
| 5.3.1 信度分析 |
| 5.3.2 效度分析 |
| 5.4 假设检验 |
| 5.5 中介作用检验 |
| 5.6 结果讨论 |
| 5.7 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.1.1 理论贡献 |
| 6.1.2 管理启示 |
| 6.2 局限与未来研究 |
| 参考文献 |
| 附录1: 情景设计 |
| 附录2: 问卷设计 |
| 附录3: 攻读硕士学位期间发表的学术论文 |
| 附录4: 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（6）面向大数据的数据演化与溯源研究（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 相关技术及研究成果 |
| 1.2.1 数据库模式演化 |
| 1.2.2 数据溯源 |
| 1.2.3 数据更新维护 |
| 1.3 本文的研究内容和主要贡献 |
| 1.4 本文的组织结构 |
| 第2章 面向用户查询的双向模式演化方法 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 相关概念 |
| 2.4 基于用户查询的目标模式生成 |
| 2.4.1 模式的格模型 |
| 2.4.2 模式树的动态调整 |
| 2.4.3 查询路径的计算 |
| 2.4.4 模式树中节点的增加 |
| 2.4.5 模式树的节点删除 |
| 2.5 双向模式演化策略 |
| 2.5.1 On-demand双向模式演化方法 |
| 2.5.2 映射链组合优化 |
| 2.6 实验结果与分析 |
| 2.6.1 实验配置 |
| 2.6.2 WIKIPEDIA多版本存储 |
| 2.6.3 模式演化性能分析 |
| 2.7 本章小结 |
| 第3章 面向模式演化的更新反馈方法 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.2.1 更新反馈与副作用 |
| 3.3 插入更新反馈 |
| 3.3.1 问题的复杂性 |
| 3.3.2 更新结果估计 |
| 3.4 删除更新反馈 |
| 3.4.1 删除更新反馈的副作用检测算法 |
| 3.4.2 动态图可达性判定方法 |
| 3.5 实验分析 |
| 3.5.1 实验配置 |
| 3.5.2 估计算法中误差度量 |
| 3.5.3 插入更新反馈的估计算法的性能分析 |
| 3.5.4 删除更新反馈的实验分析 |
| 3.6 本章小结 |
| 第4章 基于轴依赖的数据与模式协同演化方法 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 数据与模式协同演化框架 |
| 4.3.1 fold操作 |
| 4.3.2 unfold操作 |
| 4.3.3 unite操作 |
| 4.3.4 split操作 |
| 4.4 轴依赖的推理与传播分析 |
| 4.4.1 轴依赖的定义 |
| 4.4.2 轴依赖的语义 |
| 4.4.3 轴依赖的推理 |
| 4.4.4 数据与模式协同演化过程中的轴依赖传播分析 |
| 4.5 数据与模式协同演化过程的优化 |
| 4.5.1 无损的数据与模式协同演化操作 |
| 4.5.2 数据与模式协同演化过程的优化 |
| 4.6 实验结果与分析 |
| 4.6.1 实验配置 |
| 4.6.2 轴依赖与函数依赖在检测“脏”数据上的对比分析 |
| 4.6.3 数据与模式协同演化的依赖保持 |
| 4.6.4 数据模式协同演化的优化 |
| 4.7 本章小结 |
| 第5章 基于magic-set的半环溯源计算方法 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.2.1 Datalog |
| 5.2.2 半环溯源 |
| 5.2.3 magic-set方法 |
| 5.2.4 问题描述 |
| 5.3 基于magic-set的连接结果大小估计 |
| 5.4 基于派生树结构的半环溯源计算方法 |
| 5.5 基于本质溯源的半环溯源优化方法 |
| 5.6 实验结果与分析 |
| 5.6.1 连接操作估计方法的实验评估 |
| 5.6.2 半环溯源计算方法的实验对比 |
| 5.6.3 溯源信息存储方法实验 |
| 5.7 本章小结 |
| 第6章 面向数据演化的半环溯源计算方法 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.2.1 派生树 |
| 6.2.2 问题描述 |
| 6.3 Datalog查询与多项式方程组 |
| 6.3.1 基于kleene迭代的半环溯源计算方法 |
| 6.3.2 类牛顿迭代的半环溯源计算 |
| 6.4 实验结果与分析 |
| 6.4.1 不同数据大小的溯源计算比较 |
| 6.4.2 合取谓词不同对溯源计算的影响 |
| 6.4.3 不同演化版本的半环溯源计算分析 |
| 6.5 本章小结 |
| 第7章 结束语 |
| 7.1 本文工作总结 |
| 7.2 未来的研究方向 |
| 参考文献 |
| 致谢 |
| 攻博期间发表的论文 |
| 攻博期间参与的项目 |
| 作者简介 |
（7）数据流系统中负载管理技术应用研究（论文提纲范文）
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 论文的研究内容及创新点 |
| 1.4 论文的组织结构 |
| 第二章 DDSM_LMS 负载管理系统结构及若干关键技术 |
| 2.1 负载管理系统的运行环境及特点 |
| 2.2 负载管理系统设计原则 |
| 2.3 DDSM_LMS 负载管理系统结构 |
| 2.4 负载管理关键技术 |
| 2.5 本章小结 |
| 第三章 基于双层重叠结构的负载平衡算法 |
| 3.1 问题描述 |
| 3.2 基于双层重叠结构的负载平衡算法 |
| 3.3 算法分析 |
| 3.4 验证及性能分析 |
| 3.5 本章小结 |
| 第四章 基于分支路径分析的Load-shedding 算法 |
| 4.1 问题描述 |
| 4.2 一种过载判断方法 |
| 4.3 基于分支路径分析的Load-shedding 算法 |
| 4.4 不同权重输入数据单元情况下的Load-shedding 算法 |
| 4.5 以非聚合类查询操作结尾的Load-shedding算法 |
| 4.6 本章小结 |
| 第五章 有效数据识别算法 |
| 5.1 问题描述 |
| 5.2 有效数据识别算法 |
| 5.3 算法分析 |
| 5.4 验证及性能分析 |
| 5.5 本章小结 |
| 第六章 DDSM_LMS 原型系统设计 |
| 6.1 设计背景 |
| 6.2 系统设计 |
| 6.3 系统测试及性能分析 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的主要论文 |
（8）制造企业供应链数字化转型机理与决策模型（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与研究问题 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.2 文献综述 |
| 1.2.1 企业供应链数字化转型相关概念 |
| 1.2.2 企业供应链数字化转型的因素分析 |
| 1.2.3 企业供应链数字化转型思路 |
| 1.3 研究意义 |
| 1.4 范围界定 |
| 1.4.1 研究层面界定 |
| 1.4.2 企业类型界定 |
| 1.4.3 供应链管理范围与成员地位界定 |
| 1.4.4 词汇用语简写 |
| 1.5 研究内容、方法与技术路线 |
| 1.5.1 研究内容 |
| 1.5.2 研究方法 |
| 1.5.3 技术路线 |
| 1.6 本章小结 |
| 2 相关基础理论与方法 |
| 2.1 基础理论 |
| 2.1.1 供应链管理理论 |
| 2.1.2 信息管理学理论 |
| 2.1.3 系统工程理论 |
| 2.2 模型方法 |
| 2.2.1 统计分析方法 |
| 2.2.2 复杂系统分析方法 |
| 2.2.3 仿真分析法 |
| 2.3 本章小结 |
| 3 制造企业供应链数字化转型机理分析 |
| 3.1 制造企业供应链数字化转型问题分析 |
| 3.1.1 供应链的数字化转型业务需求 |
| 3.1.2 供应链数字化转型内涵与目标 |
| 3.1.3 供应链数字化转型基本原则 |
| 3.2 制造企业供应链数字化转型驱动要素及概念模型 |
| 3.2.1 供应链数字化转型难点 |
| 3.2.2 供应链数字化转型驱动要素提出 |
| 3.2.3 供应链数字化转型驱动机理概念模型 |
| 3.2.4 供应链数字化转型驱动要素运作管理 |
| 3.3 制造企业供应链数字化转型驱动机理实证检验 |
| 3.3.1 实证方法与数据的选择 |
| 3.3.2 供应链数字化转型的测量与分析 |
| 3.3.3 供应链数字化转型驱动作用验证与分析 |
| 3.4 供应链数字化转型驱动要素研究方法 |
| 3.5 本章小结 |
| 4 制造企业供应链数字化转型数据管理决策 |
| 4.1 转型数据管理问题提出 |
| 4.1.1 数据管理业务需求与管理原则 |
| 4.1.2 数据管理的目标与问题描述 |
| 4.1.3 数据管理的研究思路 |
| 4.2 转型数据管理系统分析 |
| 4.2.1 数据管理的数字化属性 |
| 4.2.2 数据来源分类 |
| 4.2.3 数据内容与作用 |
| 4.2.4 数据管理与信息需求的关系 |
| 4.3 基于信息需求的转型数据管理决策建模 |
| 4.3.1 决策模型的选择与适用性 |
| 4.3.2 基于DEMATEL方法的信息需求重要度建模 |
| 4.3.3 基于HOQ方法的数据管理要素重要度建模 |
| 4.4 基于信息需求的数据管理方案制定 |
| 4.5 本章小结 |
| 5 制造企业供应链数字化转型信息融合建模 |
| 5.1 转型信息融合问题提出 |
| 5.1.1 信息融合的业务需求与管理原则 |
| 5.1.2 信息融合的目标与问题描述 |
| 5.1.3 信息融合的研究思路 |
| 5.2 转型信息融合系统分析 |
| 5.2.1 信息融合的数字化属性 |
| 5.2.2 信息的内容与作用 |
| 5.2.3 信息融合的主要环节 |
| 5.2.4 信息融合与业务流程的关系 |
| 5.3 基于业务流程的转型信息融合仿真建模 |
| 5.3.1 仿真模型的选择与适用性 |
| 5.3.2 基于供应链业务流程的Petri网建模 |
| 5.3.3 网系统的关联信息要素识别 |
| 5.4 基于业务流程的信息融合方案制定 |
| 5.5 本章小结 |
| 6 制造企业供应链数字化转型智能优化决策 |
| 6.1 转型智能优化问题提出 |
| 6.1.1 智能优化业务需求与管理原则 |
| 6.1.2 智能优化目标与问题描述 |
| 6.1.3 智能优化的研究思路 |
| 6.2 转型智能优化系统分析 |
| 6.2.1 智能优化的数字化属性 |
| 6.2.2 智能优化的内容与作用 |
| 6.2.3 智能优化系统架构 |
| 6.2.4 智能优化与决策效用的关系 |
| 6.3 基于决策效用的转型智能优化决策建模 |
| 6.3.1 决策模型的选择与适用性 |
| 6.3.2 基于ISM方法的智能优化结构建模 |
| 6.3.3 基于NK模型的智能优化路径建模 |
| 6.4 基于决策效用的智能优化方案制定 |
| 6.5 本章小结 |
| 7 实例分析 |
| 7.1 实例介绍 |
| 7.2 数据管理决策分析 |
| 7.3 信息融合建模分析 |
| 7.4 智能优化路径分析 |
| 7.5 本章小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 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 |
（9）基于水权理论的农业用水管理技术研究与应用 ——以石河子灌区为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究的背景及意义 |
| 1.1.1 研究的背景 |
| 1.1.2 研究的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水权及水权分配 |
| 1.2.2 农业水价综合改革 |
| 1.2.3 水权交易市场建设 |
| 1.3 农业节水管理的演进路径与前沿热点—基于Cite Space V软件分析 |
| 1.3.1 发文量分析 |
| 1.3.2 演进路径分析 |
| 1.3.3 前沿热点分析 |
| 1.4 当前研究存在的不足 |
| 1.5 研究内容与技术路线 |
| 1.5.1 研究内容 |
| 1.5.2 技术路线 |
| 第二章 水权理论及研究区概况 |
| 2.1 水权理论 |
| 2.1.1 水权解释 |
| 2.1.2 初始水权分配理论 |
| 2.1.3 系统论 |
| 2.2 石河子灌区概况 |
| 第三章 深层次农业用水初始水权分配研究 |
| 3.1 深层次农业初始水权分配指标体系构建 |
| 3.1.1 分配原则 |
| 3.1.2 指标选取及说明 |
| 3.2 遗传算法投影寻踪模型 |
| 3.3 结果分析 |
| 3.3.1 分配水量分析 |
| 3.3.2 最严格水资源管理制度下节水潜力分析 |
| 3.4 本章小结 |
| 第四章 农业水价承受力和节水潜力评估 |
| 4.1 完全成本农业水价核算 |
| 4.2 农户水价承受力分析 |
| 4.3 农业水价综合改革下节水潜力分析 |
| 4.3.1 水价-水量节水博弈模型 |
| 4.3.2 石河子灌区节水潜力分析 |
| 4.4 本章小结 |
| 第五章 水权交易模式构建及转让效益分析 |
| 5.1 干旱绿洲区水权交易模式设计 |
| 5.2 “退地减水”措施下区域可交易的农业节余水量 |
| 5.3 水权交易效益分析 |
| 5.3.1 经济效益分析 |
| 5.3.2 生态效益分析 |
| 5.4 石河子灌区农业用水管理技术集成 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 导师评阅表 |
（10）基于SIC和IA的可充电无线传感器网络优化算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 相关技术国内外研究现状 |
| 1.2.1 WSN充电 |
| 1.2.2 WSN中的分簇算法 |
| 1.2.3 干扰管理 |
| 1.3 研究内容 |
| 1.4 本文组织结构 |
| 第二章 无线传感器网络相关理论 |
| 2.1 WSN介绍及应用 |
| 2.2 无线移动充电技术 |
| 2.2.1 单节点充电技术 |
| 2.2.2 多节点充电技术 |
| 2.3 WSN中分簇算法的应用 |
| 2.4 干扰管理技术 |
| 2.5 本章小结 |
| 第三章 基于聚类的可充电无线传感器网络多节点充电优化研究 |
| 3.1 引言 |
| 3.2 系统模型及相关定义 |
| 3.2.1 网络模型表示 |
| 3.2.2 相关定义及假设 |
| 3.3 分簇策略 |
| 3.3.1 K-means聚类算法 |
| 3.3.2 Meanshift聚类算法 |
| 3.3.3 FCM聚类算法 |
| 3.3.4 GMM聚类算法 |
| 3.3.5 K-medoids聚类算法 |
| 3.3.6 DBSCAN聚类算法 |
| 3.4 仿真分析 |
| 3.4.1 仿真平台 |
| 3.4.2 环境设置 |
| 3.4.3 聚类算法在不同环境下的聚类结果和WCV行进时间对比 |
| 3.4.4 不同聚类算法聚类结果和 WCV 行进时间对比分析 |
| 3.5 本章小结 |
| 第四章 基于SIC和IA的可充电无线传感器网络优化算法的研究 |
| 4.1 问题分析 |
| 4.2 系统模型和相关定义 |
| 4.2.1 基于SIC的无线可充电传感器网络多节点充电模型 |
| 4.2.2 基于SIC-IA数学模型的多跳网络跨层优化模型 |
| 4.3 优化问题再构造 |
| 4.3.1 基于SIC技术的WSN充电策略 |
| 4.3.2 基于SIC-IA数学模型的多跳网络跨层优化模型 |
| 4.4 仿真分析 |
| 4.4.1 仿真平台 |
| 4.4.2 仿真设置 |
| 4.4.3 仿真结果 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文内容总结 |
| 5.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
四、一种有效的数据管理技术（论文参考文献）
- [1]车联网场景下LTE-D2D通信的资源分配、干扰管理与网络性能研究[D]. 杨帆. 合肥工业大学, 2021(02)
- [2]超密集网络无线资源管理关键技术研究[D]. 郑创明. 西安电子科技大学, 2020(05)
- [3]基于多目标优化的云计算资源调度算法研究[D]. 冯丹青. 哈尔滨工业大学, 2019(12)
- [4]基于PHM技术的高铁装备健康状态智能分析模型研究[D]. 牛齐明. 北京交通大学, 2019
- [5]CPM理论视角下隐私管理技术特征对移动商务用户信息披露意愿影响研究[D]. 孙文静. 华中师范大学, 2019(04)
- [6]面向大数据的数据演化与溯源研究[D]. 薛见新. 东北大学, 2018(01)
- [7]数据流系统中负载管理技术应用研究[D]. 王金栋. 南京航空航天大学, 2006(10)
- [8]制造企业供应链数字化转型机理与决策模型[D]. 韩璐. 北京交通大学, 2021(02)
- [9]基于水权理论的农业用水管理技术研究与应用 ——以石河子灌区为例[D]. 贺天明. 石河子大学, 2021(02)
- [10]基于SIC和IA的可充电无线传感器网络优化算法研究[D]. 王静. 合肥工业大学, 2021(02)