一、关于实时嵌入Java的综述报告(论文文献综述)
张东捷[1](2021)在《面向智慧城市的多源感知和应急联动系统设计与实现》文中研究表明目前已有的“智慧城市”系统仅支持数据采集功能,而无法在数据感知网关侧对异常数据进行分析、处理,所有异常事件处理均需在云端完成,对于监测人员的判断和应急能力要求较高,容易出现对于异常事件判断延迟、处理缓慢的情况。为解决上述问题,本文设计并实现一种面向智慧城市的多源感知和应急联动系统,系统把气象环境数据、路灯运行状态数据、BLE广播数据、可见光视频数据、按键报警信息五种多源数据通过串口通信和网络传输进行实时采集、集中存储和实时显示,实现系统实时性、多源性,同时,当出现异常数据时,对多源数据进行融合处理,达到系统应急联动的目的。系统软件功能为论文研究的重点,主要分为异常事件应急联动功能子系统、气象环境数据实时查看子系统、路灯运行状态数据实时查看子系统三部分:(1)异常事件应急联动功能子系统,主要基于多源数据的融合,对异常事件进行应急处理,首先在系统设备端采集BLE广播数据和按键报警信息,当发生按键报警异常事件后,设备端嵌入式控制器进行联动光显和联动报警录像。随后,在系统服务端,消费约定主题下的按键报警信息,确定事发区域附近的巡检人员,通过短信云平台向其发送报警提示信息;同时,将异常事件信息推送至Web客户端,弹出事发区域的监控界面,提醒监测人员发生异常事件,快速采取相应的应急措施。(2)气象环境数据实时查看子系统,在系统设备端利用串口通信技术、嵌入式系统搭建、移植技术实现温度、湿度、光照强度、噪声、PM2.5和PM10数据实时采集,通过Kafka消息队列将数据快速上传至系统服务端,系统服务端消费气象数据后,利用socket IO技术将气象数据实时推送至前端显示界面,供监测人员实时查看气象环境数据变化曲线。(3)路灯运行状态数据实时查看子系统,在系统设备端通过路灯单灯控制器定时查询路灯运行状态,实时采集路灯运行电压、电流、有效功率、漏电电流、调光状态和调色温状态,并通过Kafka技术和WebSocket协议将上述数据实时推送至前端显示界面,供监测人员实时查看路灯运行状态数据变化曲线。本文对多源感知和应急联动系统进行软件功能的设计与实现,并成功验证系统的实时性和多源性,为“智慧城市”系统设计提供一种新的可行性解决方案。
汪哲宇[2](2021)在《数字化慢病管理系统的研究与实践》文中认为为了应对以长期性、非传染性与难治愈性为主要特征的慢性疾病的复杂护理需求,“慢病管理”——一种以患者为中心的新型卫生服务模式——自上世纪八十年代开始逐渐涌现并不断发展。协同护理是慢病管理区别于传统卫生服务模式的关键要素,其目标是为患者提供有组织性的协同化医疗服务。以移动健康和人工智能为代表的信息技术能够提升慢病管理的协同效率,帮助患者与护理提供者之间形成完整的闭环反馈,将循证知识与健康数据中蕴含的信息集成到管理过程之中,推动慢病管理逐渐从传统方式向全面的数字化方式过渡。虽然以慢性病照护模型为代表的慢病管理理论模型已经发展得较为成熟,且其有效性已经在多个国家得到了验证,但在当前我国的慢病管理实践中,仍然存在着一系列的关键问题,导致以协同护理为核心的数字化慢病管理技术尚未得到有效应用。同时,数字化慢病管理领域的相关实施性研究也存在着一定的局限性。针对这些关键问题,本论文系统性地研究了如何在我国的医疗场景下形成以协同护理为特征的数字化慢病管理关键方法,具体内容包括:(1)数字化慢病协同管理模型的构建与表达方法研究。针对我国慢病管理实践存在的管理角色分工不明确、缺乏数字化全流程决策支持等问题,使用路径的方式对通用性慢病管理方法进行明确可执行的表示,通过对高血压、糖尿病与慢阻肺三类常见慢病国内外指南的分析与归纳,提炼出了包含九类共通任务的通用性管理路径,并对数字化场景下各病种的具体路径进行了明确。在此基础上,面向我国管理模式构建了路径驱动的数字化协同管理模型,并通过本体对模型中包含的结构化知识与具体路径中的医学决策知识进行了表达。(2)数字化背景下面向患者依从性增强的个性化管理方法研究。针对患者自我管理依从性问题与相关个性化管理研究的局限性,一方面,从移动健康应用的个性化需求分析入手,基于目标导向型设计方法中的用户建模过程,结合相关健康行为理论,提炼了面向患者自我管理依从性提升的用户模型,结合问卷与访谈结果识别出了三类患者虚拟角色与其对应的个性化需求。另一方面,从人工智能技术的管理实践入手,基于本体与多种自然语言处理技术实现了一种根据患者特征为其推荐相关文章的个性化健康教育方法;基于强化学习技术实现了一种在虚拟管理环境中根据患者与管理师状态给出干预建议的个性化管理策略生成方法。(3)数字化慢病闭环管理系统的设计与实现。针对我国慢病管理信息化实践中存在的缺乏理论指导以及多病种集成性较低等问题,基于所构建的模型与个性化管理方法,设计并实现了包含智能服务引擎与客户端两大组件的数字化慢病闭环管理系统。智能服务引擎以通用性慢病管理路径本体为核心,能够通过多种类型的接口为系统提供数据存储与全场景决策支持服务;客户端中的医生工作平台基于共通性路径任务设计,能够辅助不同角色的医护人员执行具有时序性与闭环性的协同式管理;客户端中的患者移动终端基于所提炼的个性化需求与行为改变轮设计,能够为患者提供全方位的自我管理支持,并在一定程度上改善患者依从性。所实现系统目前已在我国多个地区进行了实际的部署与应用。(4)面向数字化慢病管理的评价体系构建与实践。针对数字化场景下管理系统评价方面存在的局限性,基于面向远程医疗的综合评估模型,提炼了包含评价角色、评价重点与评价角度三个维度的面向个体层面的数字化慢病管理评估模型,并依据该模型对所实现系统进行了不同证据水平的实践评价,包括基于系统真实数据的回顾性评价、面向慢阻肺患者的前后对比试验与面向高血压患者的随机对照试验。评价结果表明,当前系统能够帮助医护人员与患者共同合作,开展医患之间高效互动的闭环式协同管理,并在一定程度上改善患者的疾病控制情况、日常生活质量与疾病认知水平。总的来看,本论文所提出的路径驱动的数字化慢病管理系统能够在一定程度上解决我国慢病管理实践与慢病管理领域相关研究中存在的多种问题,为数字化慢病管理在我国的推广与应用提供了理论指导与实践验证。
冯阳[3](2020)在《基于嵌入式Android的车载HUD系统设计与开发》文中指出汽车安全问题一直是热点问题,而且汽车智能化、无人化的发展趋势对车内显示方式提出了更高要求。HUD可将车辆信息投影到驾驶员前方,避免驾驶员低头,提高驾驶安全的同时扩展了车内显示方式,是未来发展的主流方向。目前,对于HUD投影单元和显示界面的研究较多,但实现方案研究较少,而且大多是基于单片机实现,功能单一。因此,本文基于嵌入式Android系统,提出了一种功能更加完善的HUD设计方案。首先,分析了 HUD的发展历程与产品形态,在DLP、MEMS和LCD投影技术中选择了 LCD投影方案;并结合车载网络技术、OBD接口、车联网技术等,分析用户需求,确定了包含下位机、HUD主机、云端服务器以及手机APP四个部分的HUD系统结构。其次,结合功能需求,进行了软硬件开发。以Exynos4412处理器为核心,设计了电源电路、声卡电路、PGU连接电路等;基于EST527解码芯片设计了 OBD解码电路,用于汽车CAN报文的解析;并以Capture CIS+PCB Editor+Padstack Editor交互设计的方式制作了 PCB板。基于Android系统定制了 HUD操作系统,并结合百度语音、高德地图、图灵机器人开发平台,使用Android Studio IDE开发了语音对话、地图导航、智能聊天、车辆数据的提取与显示等功能;部署了云端服务器,可通过HUD使用MQTT协议将车辆接入云端,实现状态监控、数据存储与分析等;开发了“一路友你”手机APP,可直接与HUD及云平台通信,方便驾驶员查看车辆数据。再者,针对HUD显示信息过多会对驾驶员造成干扰等问题,侧重于三维注册技术,提出了一种AR功能的实现方案。建立了 AR-HUD模型,根据虚像和实像两个成像过程确定了各个坐标系,并推导了它们之间的转换关系,提出了 AR-HUD三维注册方案;之后使用张正友标定法、DLT算法、旋转平移理论等对模型参数进行求解,结合OpenGLES进行虚像绘制,验证了三维注册方法的有效性。最后,设计制作了 HUD样机,结合HUD的使用环境对显示效果和功能进行了测试。系统实验效果与预期目标一致,为HUD产品设计提供了实验基础及参考价值。
李增[4](2020)在《基于静态检测的安卓应用安全性分析方法研究》文中指出随着移动网络的发展,智能移动设备快速普及,其中安卓设备占据大部分份额,安卓应用的数量也呈爆发性增长。用户享受到安卓应用带来的便利的同时,其隐私安全也受到很大威胁。恶意的安卓应用会收集用户的高价值隐私数据,例如账户信息、地理位置、设备信息以及传感器数据等等。若隐私数据泄露,用户轻则受到垃圾短信、电话的骚扰,重则遭受财产损失以及人身安全威胁。因此,为保护用户的隐私安全,检测恶意的安卓应用以及分析应用的恶意行为十分必要。学术界已经提出了诸多高效灵活的检测方案来检测安卓恶意应用,例如抽取应用申请的权限或者编程接口作为特征并配合机器学习方法来检测恶意应用等,其中一些成果已经应用在商业杀毒软件中。然而,由于安卓恶意应用的数量快速增长以及其使用的躲避检测技术快速迭代,现有检测技术在面对层出不穷的安卓恶意应用时检测效果也在逐渐降低。针对此挑战,本文围绕安卓恶意应用的检测,开展了以下研究工作:1.提出了一种基于图嵌入的安卓恶意应用的家族分类技术,设计并实现了原型系统。该系统针对呈现家族特性的安卓恶意应用,分析家族应用的共有行为,抽取应用代表性的行为作为家族特征,然后利用这些特征对新的恶意样本进行检测,识别其家族标签,以辅助安全分析者利用相关应用家族先验知识快速处理恶意应用带来的影响。本研究内容的挑战点在于表示恶意应用行为的图十分复杂,现有的图匹配算法计算复杂度过大。为了解决此挑战,本文提出了一种基于图嵌入的图相似性比较方法,通过图嵌入后节点向量保留的拓扑信息,快速的比较不同图的相似度。在真实的安卓恶意应用数据集上的试验结果表明,该系统能够精准的识别恶意应用的家族标签,同时检测的时间消耗较少。2.提出了一种基于交叉污点分析的安卓应用界面行为的权限滥用检测技术,设计并实现了原型系统。该系统分析安卓应用中使用图片进行渲染的用户界面,采用交叉污点分析方法建立图片与回调函数的关联,再通过分析回调函数执行的行为所需权限,建立图片与权限的关联,然后采用深度学习方法来判断图片触发的行为是否符合用户的预期以检测权限滥用行为。本研究内容的挑战点在于难以建立全定制或半定制的用户界面库中图片和响应事件(回调函数)的关联。安卓原生界面库中,图片的设定和回调函数的设置都有具体的编程接口进行操作。但是,在全定制或半定制的第三方库中,设定图片和回调函数没有统一的模式和名称,这阻碍了现有的分析检测方法。再者,不同于文本渲染的界面元素可以通过文本信息推理用户的期望,图片渲染的界面元素所携带的语义信息很难被机器理解。为了解决这些挑战,本文提出了一种交叉污点分析的方法,用来建立渲染图片和相应回调函数的关联,并利用深度学习提取图片包含的语义信息,以此来检测图片渲染界面触发行为是否滥用权限。在真实的安卓数据集上的试验结果表明,该系统能够有效的建立图片和触发行为的关联,检测出触发行为是否滥用权限。3.提出了一种通用的基于增量学习的安卓恶意应用检测算法。为躲避检测,安卓恶意应用会引入新技术快速更新迭代,为恶意应用带来新的特性。带有新特性的恶意应用为恶意应用集引入了概念漂移,降低原有基于机器学习检测方法的检测性能。面对源源不断新到来的待处理的恶意应用以及保有的海量恶意应用样本,批处理机器学习方法难以实时更新模型。另外,真实的安卓数据集中恶意应用数量远远小于善意应用,带来了数据不平衡问题。同时,恶意应用多种传播方式引入多种概念漂移问题。针对这些问题,本文提出来提出了一种基于块的增量式集成分类算法,将源源不断的恶意应用作为流数据处理,采用权重更新机制、过采样机制以及剪枝机制来处理这些样本,提升检测性能。
吴奇学[5](2020)在《基于CPS的工业机器人运动监测与控制系统研究》文中进行了进一步梳理CPS(Cyber-Physical Systems,信息物理系统)作为信息空间和物理世界融合的新一代系统,一经提出便吸引了各国政府及学者的研究,CPS在工业发展中的重要作用使其在世界范围内产生重大影响。由于未来工业具有高度自动化和智能化融合的趋势,结合这一趋势进行面向工业机器人的CPS研究,能够实现机器人与人之间更紧密协同的工作,而这一研究也成为实现智能制造的热门内容之一。基于CPS的工业机器人研究就是面向工业机器人实现互联环境下的人-机-物相互感知、理解与融合,而目前的大多数研究尚未提出面向工业机器人的CPS系统的内容。鉴于此,为了在CPS理论下提高工业机器人自身性能以及机器人与人之间的交流与协作,本文主要对基于CPS的工业机器人运动监测与控制系统进行了研究。首先,在研究CPS理论及CPS的技术框架和体系结构的基础上,分析了面向工业机器人的CPS框架。界定了基于CPS的工业机器人运动监测与控制问题内容边界,并在此基础上分析了基于CPS的工业机器人控制体系要素和基于CPS的工业机器人运动监测系统呈现形式。其次,对工业机器人Cyber系统进行构建方法研究。分析了工业机器人Cyber系统方法,并对工业机器人Physical系统进行分析。运用Solid Works对机器人本体及必要环境进行Cyber模型的建立,为建立工业机器人Cyber系统提供Cyber模型基础。同时,运用3ds Max软件对Cyber模型进行外观渲染,对具备逼真视觉效果的模型进行格式转换,最终以Unity3D引擎作为开发平台进行场景搭建和运动学分析等实现工业机器人Cyber系统实例建立。再次,在完成对工业机器人Cyber系统方法研究的基础上,为了提升整体系统的相互感知、理解与融合水平,提出了对基于CPS的工业机器人交互方法研究。对工业机器人Cyber系统到Physical系统的关联、机器人层面的数字化呈现和交互功能进行分析,并以实现人机交互和初步探索数字化呈现为目的,进行了智能化操作交互分析和实例建立,完成用户图形化界面交互分析和相应实例,为提供沉浸式交互体验搭建了工业机器人虚拟现实信息显示及操作框架。最后,在建立工业机器人Cyber系统及其与Physical系统交互的基础上,通过对视频数据的采集功能、编码功能和传输功能的研究,建立起机器人运动监测体系;基于Java Web设计并开发了基于WEB的工业机器人运动监测系统,实现了对工业机器人Physical层到Cyber层的安全性和可靠性补充。最终完成了基于CPS的工业机器人运动监测与控制系统研究。
王龙晖[6](2019)在《基于并行计算的调节阀大数据智能分析及建模方法研究》文中研究指明过程控制是现代工业自动控制领域的重要分支,调节阀是过程控制系统最重要的终端部件。随着自动化技术和信息技术的发展,一个拥有成千上万台调节阀的大型过程控制系统可以采集海量的实时信号并存储为历史大数据。目前,由于大数据分析的复杂性和高耗时性,调节阀大数据并没有被有效的挖掘使用,导致了“数据丰富、信息匮乏”的现状。本文综合运用并行计算技术、人工智能技术、云物联技术,对调节阀的实时大数据和历史大数据进行高效的分析和监控,主要研究工作如下:研制了直驱式电液调节阀执行机构和基于物联网技术的嵌入式控制系统,该系统一方面实现了对调节阀的智能控制,另一方面实现了数据采集,为后续基于大数据驱动的调节阀故障诊断以及压力预测方法研究提供保障。嵌入式系统以ARM Cortex-M3单片机为控制核心,实现了传感器信号采集、触摸屏显示/输入、PWM伺服电机驱动、网络通讯、阀门开度调节等功能。其中开度控制采用离散控制算法,分析了阀门运行过程中的死区环节、线性环节以及滞后环节,使用数字控制器对滞后环节进行校正,实现了开度的精确定位。提出了基于大数据驱动和并行SDP算法的调节阀故障诊断方法。参考某化工集团氯碱工业中氯气调节阀的实际工作状况,搭造了调节阀实验系统并模拟故障状态,采集了调节阀在正常运行以及七类故障状况下的大数据样本。利用t-SNE降维算法对数据进行预处理,实现了数据从高维空间至低维空间的非线性映射。根据低维空间中的数据分布,首先使用SDP聚类算法来分离几类分布集中的数据,然后使用SVM分类算法精确的分离几类分布离散的数据。由于SDP算法在处理大数据时耗时很高,本文将SDP算法与Spark MapReduce框架相结合,提出了并行SDP算法。实验结果表明,与其他方法相比,本文提出的故障诊断方法具有很高的预测精度和建模速度,并且Spark MapReduce对SDP算法有很好的加速效果,极大降低了 SDP算法在处理大数据时的耗时。提出了基于Spark Streaming和故障诊断推理模型的调节阀大规模实时故障诊断方法。一个拥有大量调节阀的过程控制系统采集到的实时数据具有流量大、种类多、同步性差等特点,而传统方法的计算能力和容错率有限,分析实时大数据十分困难。本文提出的实时故障诊断方法可以有效解决这些问题。该方法整合了实时并行计算框架Spark Streaming、分布式消息收集器Flume和分布式消息订阅/发布器Kafka三个组件。实验结果表明该方法在处理次秒级实时大数据时具备良好的性能。分析了影响系统性能的几个主要因素,包括故障诊断模型规模、采样时间间隔、设备种类数量等。提出了基于大数据驱动和并行决策树回归分析算法的调节阀阀后压力预测方法。由于调节阀结构具有高度的非线性和耦合性,通过动力学建模十分困难,因此研究人员通常使用回归分析的方法对调节阀进行建模。常用的神经网络、支持向量机(SVM)等回归算法计算复杂度高,只适合处理小样本,难以挖掘大数据中蕴含的更为深刻的规律。本文分别使用Spark MLlib中的并行线性回归、并行决策树回归、并行随机森林回归和并行渐进梯度树回归算法,在千万量级的大数据上建立调节阀回归模型。该模型可以根据调节阀的阀前压力、流量等输入参数来预测阀后压力。通过实验分析了四种算法的各项性能,结果表明并行决策树回归在建模精度、建模速度等性能指标上有明显优势。研究了数据量对回归算法性能的影响,结果表明“大数据+并行算法”是调节阀压力预测的最优策略。研制了调节阀管网智能运行服务系统,将前文所述的设备信息及数据分析结果(故障诊断、压力预测等)进行集成化、综合化、可视化,并为管网的运行管理提供决策规划。传统的监控系统一方面只能在电脑监控室等固定地点、固定设备上进行;另一方面智能化程度较低,缺乏对数据的挖掘利用和整合分析。本文利用SSH服务器、iOS、Web等技术,实现了对网页端、移动端、桌面端全面的支持,可以随时随地对设备进行监控;提出了基于Spark MapReduce的并行蚁群算法,可以对管网巡检最优路线进行高效规划。该系统旨在增强工程人员对管网的感知和洞察能力,提升决策分析和应急指挥水平,为生产、生活的稳定进行提供了可靠的保障。
兰丽娜[7](2019)在《物联网资源管理服务关键技术研究》文中指出物联网将物理世界网络化、信息化,对传统的分离的物理世界和信息空间实现互连和整合,目标是达到更透彻的感知,更全面的互联互通和更深入的智能化,代表未来网络的发展趋势。目前,大量多源异构的物联网感知设备大多采用专用的接入方式和专门的应用系统进行互通,形成竖井式应用模式。这种竖井式应用模式造成大量的感知资源和数据难以共享和重用,物联网应用服务之间互联互通困难,难以实时动态协同,难以支持大规模的更智能化的物联网应用服务。本文针对物联网资源管理、物联网服务提供等关键技术进行深入研究,取得如下成果:1.针对物联网服务提供面临的感知信息按需分发及异构服务系统间的服务协同执行问题,提出了一种新的事件驱动的面向服务的物联网服务体系架构(EDSOA)。该架构融合事件驱动架构(EDA)和面向服务架构(SOA),基于消息总线实现感知信息的按需分发,基于事件驱动实现服务动态协同执行。该架构中消息总线采用易扩展的分布式基于主题的发布订阅消息系统,消息的发布和接收都采用Push方式,保证消息传送的实时性和保序性。该架构基于隐式的事件链驱动服务执行,相比传统SOA基于预先编排的请求响应服务流程执行更灵活,能较好地适应动态变化的物联网环境。最后通过一个物联网应用系统一智慧城市道路井盖监控系统验证了该架构的有效性,并通过实验证明了在并发服务执行上EDSOA架构比传统SOA架构执行速度更快,具有性能上的优势。2.针对物联网竖井式应用模式带来的资源共享困难,以及异构感知设备统一接入问题,提出了一种基于边缘计算的物联网异构感知设备统一接入平台。该接入平台部署在临近感知设备的网络边缘,以支持物联网应用的快速响应,并为敏感数据提供有效的隐私保护。提出了一种通用的基于本体的物联网资源描述模型,为云计算中的物联网应用提供异构感知设备的一致视图。基于该模型,提出了一种异构感知设备自适应接入方法,为智能化程度不同的感知设备提供统一的接入、控制和管理。该接入平台将物联网的竖井式应用模式转变为水平式应用模式,支持物联网应用对感知设备和资源的共享和重用。最后通过一个智慧城市道路井盖监控系统应用案例验证了资源描述模型和自适应接入方法的有效性,并通过实验证明了该接入平台具有良好的性能以及采用边缘计算的性能优势。3.针对物联网实时监控应用大数据处理中的事件可重构和实时处理性能两个关键问题,提出了一种通用的复杂事件处理(CEP)机制。首先提出了一种包括原始事件、简单事件和复杂事件的形式化的分级复杂事件模型,降低了复杂事件建模的复杂度。该模型支持复杂的时间和空间语义,支持以编程的方式灵活定义复杂事件。在此基础上,提出了一种基于边缘计算的CEP系统架构。该系统部署在终端感知设备与云端应用之间的网络边缘,为局域数据处理提供更快的响应。该系统将复杂事件定义映射到CEP规则逻辑脚本,可及时检测出潜在的异常事件。该CEP机制具有通用性,适用于各种异构感知设备和CEP引擎。通过两个物联网监控应用实例验证了复杂事件模型的有效性,并通过实验证明了该机制可显着提升CEP系统整体性能。4.针对物联网时间序列数据实时处理要求,提出了一种轻量级的嵌入式时序内存数据库(TSMMDB)。首先,基于业务模型提出了一种树形的物联网感知数据模型,叶子节点采用基于时间、资源、度量的三维表结构,索引采用多层嵌套的红黑树。数据存储按照时间进行分割,同一个文件中包含数据和相应的索引信息,并采用灵活的数据局部性内存分配机制,获得更好的实时处理性能。然后,提出了定制的虚拟堆和虚拟堆内存分配器,基于共享内存,将物理内存页面在进程间共享,使得应用程序可以在自己的进程空间中访问整个数据库中的数据,不再受限于传统的数据库进程间通信方式。内存数据库的数据对象,基于内存映射机制自动实现对象持久化。进一步,提供基于大粒度锁的数据访问并发控制机制。该内存数据库数据存取算法具有较好的时间复杂度,实验结果表明该内存数据库相比传统的内存数据库和基于磁盘的关系数据库具有更好的性能。
周玉轩[8](2019)在《物联网信息服务系统的设计与实现》文中研究表明物联网信息服务系统(Internet of Things Information Service System,IOT ISS)是物联网应用层的关键技术。系统以互联网为信息服务网络基础,通过物联网终端汇聚节点将底层的各类传感器收集信息传输给物联网应用服务器,进而通过开放性的互联网基础协议以及相关设施实现了信息交互与共享,通过物联网应用服务器实现物联网终端汇聚节点与互联网的连接,完成对任意传感器节点的服务请求并响应给特定执行机构。在传统的物联网信息服务系统RFID信息服务系统(RFID Information Service System,RFID ISS)中,由于系统本身架构设计独立于W3C标准之外,RFID ISS无法实现信息服务融入于互联网应用生态圈。从而使得传统IOT ISS的互联网基础设施利用率低,系统开发难度高。如何有效提升未来IOT ISS的低互联网资源利用率,实现融入互联网应用开发生态圈,是IOT ISS的研究重点。本文以提高物联网信息服务的效率为目标,围绕着新型IOT ISS架构的研究与设计,分别做出以下几方面的贡献:(1)根据Cordova移动开发框架与Node.js应用服务器开发框架开源跨平台部署、兼容互联网生态圈等特点,研究并设计了一种Cordova-NodeJS混合式物联网信息服务系统(Cordova-NodeJS Hybrid Internet of Things Information Service System,C-N HIOT ISS),以D2D-MIMO网络架构和C-N HIOT ISS系统架构为基础,提出一种D2D-MIMO混合式物联网信息服务系统(D2D-MIMO Hybrid Internet of Things Information Service System,D2D-MIMO HIOT ISS),解决传统物联网信息服务系统存在的一系列问题。(2)为实现信息服务系统的终端设备直连网络(Device to Device,D2D)的构建,提出一种基于MIMO系统的RSS信号临近终端终端确认方法,深入分析大规模多天线技术特性和接收信号强度(Received Signal Strength,RSS)的各项指标,利用KPCA-IWKNN算法与PLN-AP算法分析AP节点的空间位置指纹并合理地推测出终端设备附近的临近终端,从而为D2D终端设备直连网络的构建提供基础。(3)为解决D2D-MIMO HIOT ISS中混合式开发下的移动终端与物联网终端无法实现兼容信息服务的问题,设计一种终端兼容方法和一种混合式数据分发策略,从而实现D2D-MIMO HIOT ISS具有为多种类型终端平台提供信息服务的能力。本文提出的D2D-MIMO混合式物联网信息服务系统(D2D-MIMO HIOT ISS)架构,提高了未来物联网信息服务系统信息服务的效率,实现了终端直连干扰小、功耗低,同时系统通信链路频谱利用率高并可融入互联网应用生态圈,为后续的物联网信息服务系统的研究与应用提供了有意义的研究成果和有价值的参考。
王佳俊[9](2019)在《心墙堆石坝坝面碾压智能监控方法与应用研究》文中指出水利工程建设攸关经济发展与社会民生。自“十三五”水利改革及发展规划制定以来,水利工程建设规模和投资规模逐年扩大,并取得了显着的经济效益和社会效益。心墙堆石坝以其经济性、安全性等显着优点成为首选坝型。随着人工智能、物联网、大数据等先进技术的快速发展,智能建设时代随之到来。心墙堆石坝碾压施工在经历过人工化、机械化、自动化阶段后,正逐渐由数字化阶段向智能化阶段推进。然而,心墙堆石坝数字化碾压在智能建设时代面临着坝面碾压施工信息感知不全面、感知技术与方法缺乏先进性、坝面碾压施工质量分析缺乏深度、坝面碾压施工过程决策与控制智能化水平低等诸多挑战。因此,迫切需要总结已有工程的研究成果和经验,全面开展心墙堆石坝坝面碾压智能监控方法研究,集中攻关亟待解决的关键技术,提升心墙堆石坝坝面碾压施工管理与控制水平。本文就上述问题展开了深入的研究分析,取得了如下的主要成果:(1)提出了心墙堆石坝坝面碾压智能监控基本概念,丰富和发展数字大坝理论。在经历了人工化、机械化、自动化和数字化四个建设阶段后,心墙堆石坝施工管理与控制理论已发展至数字大坝理论,并以此为基础先后出现施工信息模型、智慧大坝、智能监控和大坝智能建设等基本理念。这些理念从碾压施工的感知、分析、控制及监控系统研发等方面为心墙堆石坝碾压施工提供了科学的指导。然而,以这些理念为基础的心墙堆石坝坝面碾压施工还面临着坝面碾压施工信息感知不全面且感知技术与方法缺乏先进性、坝面碾压施工质量分析缺乏深度、坝面碾压施工过程决策与控制智能化水平低等诸多挑战。针对上述问题,首先,详细回顾了心墙堆石坝坝面碾压施工管理的发展历程,深入剖析了数字大坝、施工信息模型、智慧大坝、智能监控和大坝智能建设的基本概念和内涵,并融合“物联网+”、“人工智能+”等多种智能技术理念,紧扣心墙堆石坝坝面碾压施工的工程特点,提出心墙堆石坝坝面碾压智能监控基本概念,同时阐述了心墙堆石坝坝面碾压智能监控的基本特征和主要研究内容;其次,梳理心墙堆石坝坝面碾压施工智能感知、智能分析、智能控制等各环节的技术方法;最后,建立了心墙堆石坝坝面碾压智能监控数学模型,描述了心墙堆石坝坝面碾压智能监控的目标集、信息集、方法集和约束集,提出了心墙堆石坝坝面碾压智能监控的研究框架。(2)针对目前心墙堆石坝坝面碾压施工信息感知不全面且感知技术与方法缺乏先进性的问题,提出了心墙堆石坝坝面碾压施工信息智能感知与集成方法,实现了坝面碾压施工信息的智能感知与集成。目前心墙堆石坝坝面碾压施工尚未建立完善的坝面碾压施工信息感知体系,无法全面透彻感知坝面碾压施工信息,如缺乏对碾轮振动信号噪声的处理与碾轮振动特性参数的感知,缺乏对多类型障碍物的识别,以及缺乏对大坝地形地貌信息的感知与重构等;同时,在坝面碾压施工信息集成方面存在未集成多源异构坝面碾压施工信息、未进行不平衡数据处理等问题。针对上述问题,提出了心墙堆石坝坝面碾压施工信息智能感知与集成的方法。首先,分析了坝面碾压施工信息智能感知与集成的内容与技术,建立了集感知、传送、集成于一体的坝面碾压施工信息智能感知与集成框架;其次,采用加速度传感器感知碾轮的振动信号,并在小波降噪的基础上采用快速傅里叶变换提取碾轮振动特性参数,为坝面碾压施工质量评价提供数据基础与技术支持;再者,提出基于空洞卷积核的Faster-RCNN(Regions with Convolutional Neural Network)模型,在机载工业相机获取的图像信息基础上识别仓面中多类型障碍物,为实现坝面碾压施工安全控制提供理论基础;再者,采用基于无人机倾斜摄影的三维建模技术实现大坝地形地貌信息的感知与重构,为心墙堆石坝坝面碾压施工智能监控系统三维场景的搭建提供技术支持;进而,设计多源异构坝面碾压施工信息集成框架,实现碾压参数、料源参数、碾轮振动特性参数和试坑试验数据的集成,为施工信息分析提供数据基础;最后,提出基于K-Means的下抽样方法,能够在保持子概念个数不变的同时剔除局部密集数据,实现了对不平衡数据的处理,以保证数据分析的可靠性。(3)针对目前心墙堆石坝坝面碾压施工质量分析深度不够的问题,提出了心墙堆石坝坝面碾压施工质量智能分析方法,实现了坝面碾压施工质量的智能分析。目前心墙堆石坝坝面碾压施工质量分析存在如下问题:首先,未能综合考虑碾压参数、料源参数及碾轮振动特性参数对压实质量的影响;其次,目前常采用的多元线性回归、反向传播神经网络和支持向量回归等算法建立的压实质量评价模型在精度、鲁棒性和泛化能力等方面均有待进一步提升;最后,上述模型均未能够实时地对坝面碾压施工质量进行智能评价,且缺乏坝面碾压施工质量评价模型的更新研究。针对上述问题,提出了心墙堆石坝坝面碾压施工质量智能分析方法。首先,以心墙堆石坝坝面碾压施工信息智能感知数据为基础,综合考虑碾压参数、料源参数、碾轮振动特性参数对坝面碾压施工质量的影响,建立坝面碾压施工质量综合评价数学模型;其次,考虑到模糊逻辑虽然具有较强的鲁棒性、但是模型精度受限于规则库建立的问题,同时支持向量回归虽然具有较强的泛化能力、但是无法逼近L2(R)中的函数从而无法保证拟合精度的问题,从模糊逻辑规则库建立以及支持向量回归在L2(R)函数逼近等方面考虑,结合混沌理论、自适应理论、量子行为等多种智能成分,分别提出基于组合核和智能细菌觅食的模糊逻辑以及基于智能细菌觅食的自定义核支持向量回归两种算法,并在此两种算法基础上建立高精度、高泛化能力和高鲁棒性的压实质量评价模型;通过与常用模型的对比分析,选出精度、泛化能力和鲁棒性最优的模型,并将其嵌入至碾压施工智能监控系统中,从而实现压实质量的智能评价;最后,提出了基于增强概率神经网络和可变窗口技术的概念漂移检测算法,实现了对坝面碾压施工流数据中概念漂移现象的检测,并以出现概念漂移为条件实现了压实质量模型的更新,解决了当前碾压施工质量评价模型何时更新、如何更新的问题。(4)针对目前心墙堆石坝坝面碾压施工过程决策与控制智能化水平低的问题,提出了心墙堆石坝坝面碾压施工智能控制方法,实现坝面碾压施工事前、事中和事后的智能控制。心墙堆石坝坝面碾压施工控制可以分为事前、事中和事后控制。目前,事前控制主要通过碾压试验确定碾压参数的方法实现,但是这种方式未考虑坝面碾压施工质量、施工进度和施工成本的综合影响;事中控制主要依托车载平板系统对超速、不达标碾压遍数和错误振动状态等进行实时报警,但是忽略了对坝面碾压施工质量的评价,缺乏对仓面施工路径规划、仓面内多类型障碍物的目标识别,未能够有效的控制坝面碾压施工质量和安全;事后控制主要通过试坑试验抽检实现,但这种方式存在离散性大,时效性差等缺点。针对上述问题,提出了心墙堆石坝坝面碾压施工过程智能控制方法。首先,建立了心墙堆石坝坝面碾压施工智能控制框架,阐述事前、事中和事后各环节控制的内容与对应的控制方法;其次,提出多目标智能细菌觅食算法,求解以碾压参数为决策变量、以进度和成本为多目标、以碾压质量为主要约束的优化模型;最后,提出了基于AR(Augmented Reality)实景导引的坝面碾压施工智能控制方法,对坝面碾压施工路径规划、压实质量智能评价、障碍物目标识别等虚拟信息与摄像头获取的真实施工场景进行虚实融合,实现了对坝面碾压施工质量不合格、坝面碾压施工安全隐患等问题形象、直观的实时报警,并同时规划了补碾方案,进而实现事中与事后的智能控制。(5)基于心墙堆石坝智能感知、智能分析与智能控制等,研发了心墙堆石坝坝面碾压施工智能监控系统。目前心墙堆石坝数字化碾压施工质量实时监控系统实现了碾压参数的全天候、精细化实时监控。但是该系统以二维界面实现信息的可视化,存在展示直观性差、交互友好性差等不足;同时,该系统基于C/S构架(Client/Server)开发,主要在Windows系统中运行,跨平台使用难度大;而且C/S架构中客户端承载大量逻辑处理功能,因此该系统还存在数据易泄露的安全隐患。针对上述问题,结合坝面碾压施工信息智能感知、坝面碾压施工质量智能分析及坝面碾压施工过程的智能控制等方面的研究成果研发了心墙堆石坝坝面碾压施工三维智能监控系统。该系统采用B/S架构(Browser/Server)替换C/S架构,解决了数字化碾压施工质量实时监控系统跨平台使用难度大的问题,并且B/S架构将逻辑处理功能集成在服务端中,解决了数据易泄露的问题;同时,该系统采用面向对象技术、基于Unity3D(U3D)的虚拟现实技术(Virtual reality,VR)等,在增强现实技术(Augmented reality,AR)与基于无人机倾斜摄影搭建的三维虚实结合场景中,实现坝面碾压施工信息的集成、坝面碾压施工信息的智能分析及坝面碾压施工过程的智能控制等功能,解决了数字化碾压施工质量实时监控系统展示直观性差、交互友好性差等问题。
李富贵[10](2018)在《基于大数据技术的政府绩效信息使用研究》文中研究指明随着政府绩效管理理论和实践的不断探索,学术界积累了丰富的研究成果,呈现欣欣向荣的发展态势。同时绩效管理尚存在较多的问题,理论研究和实践探索开始进入反思阶段。国内外学者越来越聚焦于绩效管理循环的终端,更加关注绩效结果对公共组织及社会服务的影响,关注绩效信息与数据对内部管理及外部责任所产生的效应。由此便开启了值得绩效管理学界进一步研究和探讨的问题:政府如何更好的使用绩效信息,提高绩效管理的质量和效益。政府绩效管理存在诸多困境和挑战,亟需进行更深层的变革,实现方式改进和系统建构。采用新的研究方法和视角来促进绩效信息使用的研究,对实现政府绩效管理的有效性、科学性和可持续性有着重要的意义。随着网络信息技术的发展,大数据成为主流浪潮。大数据的引入将是未来政府绩效管理理论研究和实践发展的方向。绩效信息使用在理论和实践中存在的问题是本文的研究起点。基于对绩效信息使用理论的分析,本研究尝试理论和技术相结合,以大数据技术的视角分析绩效信息使用这一具体问题。本文围绕绩效信息来源的使用和绩效信息结果的使用两个维度,建构大数据视角下政府绩效信息使用的分析框架,再结合案例分析大数据技术对促进绩效信息使用的作用机理与效应,验证大数据技术对绩效信息使用质量和效益的影响。本文主要研究内容包括:导论部分梳理有关绩效信息使用的理论表达和实践指向,提出本文的研究目的和价值,设计研究思路和研究方法。第二章,通过对政府绩效信息使用的理论与实践分析,厘清政府绩效信息使用的价值、方式和影响因素。总结目前政府绩效管理实践中绩效信息使用存在问题与解决对策,为后续构建面向大数据的绩效信息使用机制提供启示和思路。第三章,为解决绩效信息使用客观性和科学性的问题,本部分尝试以大数据技术的视角分析绩效信息使用,侧重从大数据技术分析促进绩效信息使用过程中的技术和方法,并从绩效信息来源的使用和绩效信息结果的使用两个维度尝试构建政府绩效信息使用系统模型。第四章,以X市J区行政服务中心作为典型案例,深入剖析大数据技术应用于绩效信息来源使用中的主要方法、技术、流程和作用机理,以解决绩效信息客观性的问题。第五章,以X市财政综合信息系统为例,从决策者的宏观管理的视角出发,探讨如何利用大数据技术,促进财税业务的数据和绩效信息的使用,为政府部门提供决策支持分析,提升绩效信息使用科学性。结论部分是对全文进行总结性阐述,归纳文章的创新与不足,提出未来研究展望。本文研究结论如下:第一,从技术角度验证了跨学科研究绩效信息使用的可行性。通过尝试不同学科结合的分析思路,较好的验证了跨学科的技术分析和理论研究具有可行性。第二,从案例分析的视角考证了大数据应用于绩效信息使用的可操作性。透过典型案例本文验证了大数据技术下绩效信息使用的流程、方法和效果,增强了理论分析的说服力,也佐证了大数据技术在实践中具备较强的可操作性。第三,面向大数据的政府绩效信息使用分析框架具备解释力。在借鉴大数据工具和系统架构的基础上,本文构建了大数据技术下的政府绩效信息使用系统模型。该分析框架既符合当前大数据应用的技术实际,同时也能很好的将大数据工具和绩效信息研究客体有机衔接起来,具有较好的解释力。第四,本文验证了大数据技术能够提升绩效信息来源的质量,提高绩效信息的客观性。在绩效信息来源使用维度,案例分析验证了大数据的采集和预处理技术能够实现信息采集与预处理的自动化、实时化和多样化,提升绩效信息客观性。第五,大数据有助提升绩效信息结果使用质量和效益。在绩效信息结果使用维度,大数据的分布式计算和分析处理技术能够辅助决策支持系统,信息使用面向能够从微观管理转向决策支持,实现绩效信息使用的科学性,提高政府管理决策的质量。
二、关于实时嵌入Java的综述报告(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、关于实时嵌入Java的综述报告(论文提纲范文)
(1)面向智慧城市的多源感知和应急联动系统设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
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 数据感知网关国外研究现状 |
1.2.2 数据感知网关国内研究现状 |
1.3 论文主要内容和系统技术指标 |
1.4 论文组织结构 |
1.5 本章小结 |
第二章 系统理论及技术综述 |
2.1 串口通信技术 |
2.1.1 RS-485 总线标准 |
2.1.2 Modbus协议 |
2.1.3 单灯控制器通信协议 |
2.2 Kafka分布式消息队列 |
2.3 Flask框架 |
2.3.1 Jinja2 模板系统 |
2.3.2 Flask-SQLALchemy数据库框架 |
2.3.3 Flask-Socket IO实时通讯库 |
2.4 网页开发技术 |
2.4.1 Ajax简介 |
2.4.2 Web Socket简介 |
2.5 本章小结 |
第三章 系统需求分析和架构设计 |
3.1 系统概述 |
3.2 系统需求分析 |
3.2.1 系统多源数据感知需求分析 |
3.2.2 系统应急联动需求分析 |
3.3 系统总体架构设计 |
3.3.1 气象环境数据实时查看子系统分解 |
3.3.2 路灯运行状态数据实时查看子系统分解 |
3.3.3 异常事件应急联动功能子系统分解 |
3.4 本章小结 |
第四章 系统功能软件设计 |
4.1 气象环境数据实时查看子系统设计 |
4.1.1 气象环境数据感知 |
4.1.2 气象环境数据消费和实时推送 |
4.1.3 气象环境数据可视化实现 |
4.2 路灯运行状态数据实时查看子系统设计 |
4.2.1 路灯运行状态数据感知 |
4.2.2 路灯运行状态数据消费和实时推送 |
4.2.3 路灯运行状态数据可视化实现 |
4.3 应急联动功能子系统设计 |
4.3.1 BLE模块通信命令 |
4.3.2 BLE广播数据感知和存储 |
4.3.3 系统设备端应急联动 |
4.3.4 系统服务端应急联动 |
4.3.5 系统Web客户端应急联动 |
4.4 本章小结 |
第五章 系统功能测试与分析 |
5.1 系统部署 |
5.1.1 系统设备端部署 |
5.1.2 系统服务端部署 |
5.1.3 系统Web客户端部署 |
5.2 气象数据实时查看子系统测试 |
5.3 路灯运行状态数据实时查看子系统测试 |
5.4 系统应急联动功能子系统测试 |
5.4.1 设备端应急联动功能测试 |
5.4.2 服务端应急联动功能测试 |
5.4.3 Web客户端应急联动功能测试 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
作者攻读学位期间研究成果 |
附录 |
附一 气象数据感知实现核心代码段 |
附二 气象数据可视化实时显示实现核心代码段 |
附三 路灯运行数据感知实现核心代码段 |
附四 路灯运行数据可视化实时显示实现核心代码段 |
附五 BLE广播数据感知实现核心代码段 |
附六 BLE广播数据存储实现核心代码段 |
附七 系统设备端应急联动功能实现核心代码段 |
(2)数字化慢病管理系统的研究与实践(论文提纲范文)
致谢 |
摘要 |
Abstract |
缩写、符号清单和术语表 |
第一章 绪论 |
1.1 慢病管理概述 |
1.1.1 慢病的定义与分类 |
1.1.2 慢病的全球化流行趋势 |
1.1.3 慢病管理的定义与基本要素 |
1.1.4 我国慢病流行趋势及管理现状 |
1.2 慢病管理领域研究综述 |
1.2.1 基于协同护理的慢病管理理论模型发展综述 |
1.2.2 基于CCM框架的慢病管理实施性研究综述 |
1.3 数字化慢病管理研究进展及应用实践 |
1.3.1 数字化背景下的慢病管理理论模型发展 |
1.3.2 数字化背景下的慢病管理实施性研究进展 |
1.3.3 数字化慢病管理国内外代表性应用实践 |
1.4 关键问题分析与论文研究内容 |
1.4.1 关键问题分析 |
1.4.2 论文的研究内容及创新点 |
第二章 路径驱动的数字化慢病协同管理模型构建与表达 |
2.1 路径驱动的数字化慢病协同管理模型构建 |
2.1.1 通用性慢病管理路径提炼与多病种实现 |
2.1.2 面向我国管理模式的数字化协同管理模型构建 |
2.2 基于本体的模型知识表达与验证 |
2.2.1 本体相关概念与构建方法 |
2.2.2 慢病协同管理模型基础本体构建 |
2.2.3 基于演绎推理的路径化决策支持 |
2.2.4 本体构建结果与技术性评估 |
2.3 本章小结 |
第三章 面向患者依从性增强的个性化管理方法研究 |
3.1 基于健康行为理论的患者个性化管理需求分析 |
3.1.1 移动健康应用设计方法概述 |
3.1.2 面向自我管理依从性增强的用户模型提炼 |
3.1.3 用户虚拟角色构建与需求识别 |
3.2 基于健康推荐系统的个性化健康教育方法研究 |
3.2.1 健康推荐系统相关概念与研究进展 |
3.2.2 健康知识推荐系统的设计与实现 |
3.2.3 基于测试集的推荐系统评估 |
3.3 基于强化学习的个性化管理策略生成方法研究 |
3.3.1 强化学习相关理论与研究进展 |
3.3.2 策略生成模型的设计与实现 |
3.3.3 基于虚拟环境的训练结果与模型评估 |
3.4 本章小结 |
第四章 数字化慢病闭环管理系统设计与实现 |
4.1 面向全场景决策支持的智能化慢病服务引擎构建 |
4.1.1 以引擎为核心的系统整体架构设计 |
4.1.2 基于多种软件框架的云端引擎实现 |
4.2 基于路径任务的医生协作工作平台设计与实现 |
4.2.1 路径任务驱动的协作工作平台功能设计 |
4.2.2 基于网页的协作工作平台功能实现 |
4.3 基于行为改变技术的患者移动终端设计与实现 |
4.3.1 行为改变轮驱动的干预功能设计 |
4.3.2 面向多平台的移动终端功能实现 |
4.3.3 面向患者依从性的移动终端试点性应用评价 |
4.4 系统部署与实际应用情况 |
4.5 本章小结 |
第五章 面向数字化慢病管理的多维度评价体系研究 |
5.1 数字化慢病管理系统多维度评价体系构建 |
5.1.1 慢病管理领域评价方法概述 |
5.1.2 面向个体层面的数字化慢病管理评估模型提炼 |
5.2 基于系统观察性数据的回顾性评价 |
5.2.1 研究设计与数据分析方法 |
5.2.2 回顾性评价结果总结 |
5.3 基于多层次临床试验的前瞻性评价 |
5.3.1 探究慢阻肺患者院外管理效果的前后对比试验 |
5.3.2 探究高血压患者院外管理效果的随机对照试验 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
个人简历 |
攻读博士学位期间的主要研究成果 |
(3)基于嵌入式Android的车载HUD系统设计与开发(论文提纲范文)
摘要 |
英文摘要 |
1 绪论 |
1.1 抬头显示器概述及研究意义 |
1.2 HUD分类 |
1.3 国内外研究现状 |
1.3.1 HUD发展现状 |
1.3.2 国内外研究动态 |
1.4 论文主要研究内容 |
2 HUD相关技术及系统架构设计 |
2.1 HUD投影技术 |
2.2 车载网络系统 |
2.2.1 OBD接口 |
2.2.2 CAN总线协议 |
2.3 HUD系统架构设计 |
2.3.1 HUD需求分析与设计理念 |
2.3.2 HUD功能设计 |
2.3.3 操作系统选择 |
2.3.4 Exynos4412 处理器 |
2.4 HUD系统方案 |
2.5 本章小结 |
3 HUD硬件设计 |
3.1 HUD结构设计 |
3.2 HUD成像系统设计 |
3.2.1 HUD成像结构 |
3.2.2 图像生成单元选择 |
3.3 HUD主机硬件设计 |
3.3.1 主机硬件整体框架 |
3.3.2 电源电路设计 |
3.3.3 声卡电路设计 |
3.3.4 HUD主机底板设计 |
3.3.5 PGU连接设计 |
3.4 HUD下位机硬件设计 |
3.5 本章小结 |
4 HUD软件设计 |
4.1 操作系统移植 |
4.1.1 Android 系统源码目录结构 |
4.1.2 搭建编译环境 |
4.1.3 系统修改 |
4.1.4 系统编译 |
4.1.5 系统烧写 |
4.2 HUD应用软件开发 |
4.2.1 软件开发环境 |
4.2.2 软件功能模块 |
4.2.3 语音交互 |
4.2.4 地图导航 |
4.2.5 智能聊天功能开发 |
4.2.6 可视化界面设计 |
4.2.7 应用软件流程及框架 |
4.3 手机APP开发 |
4.4 云平台部署 |
4.5 本章小结 |
5 AR功能设计与实现 |
5.1 概述 |
5.2 AR-HUD模型 |
5.2.1 AR-HUD模型结构 |
5.2.2 AR-HUD数学模型 |
5.2.3 AR-HUD虚实注册方法 |
5.3 模型求解与AR实现 |
5.3.1 OpenGL ES |
5.3.2 矫正图像畸变 |
5.3.3 模型参数求解 |
5.4 三维注册仿真与实验 |
5.5 本章小结 |
6 样机测试及结果分析 |
6.1 HUD样机制作 |
6.2 HUD显示效果测试 |
6.3 HUD功能测试 |
6.4 AR效果测试 |
6.5 本章小节 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
致谢 |
参考文献 |
附录 HUD主控类部分代码 |
攻读学位期间主要研究成果 |
(4)基于静态检测的安卓应用安全性分析方法研究(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 本文主要研究内容 |
1.3 本文的组织结构 |
第2章 相关综述与国内外研究现状 |
2.1 相关综述 |
2.1.1 安卓系统 |
2.1.2 安卓应用 |
2.1.3 安卓恶意应用 |
2.2 国内外相关研究 |
2.2.1 静态检测 |
2.2.2 动态检测 |
2.2.3 动静态混合检测 |
2.2.4 基于特征码的检测技术 |
2.2.5 基于特定规则的检测方法 |
2.2.6 基于机器学习的检测 |
第3章 基于图嵌入的安卓恶意应用的家族分类 |
3.1 引言 |
3.1.1 研究背景和问题 |
3.1.2 研究动机和预备知识 |
3.1.3 研究方案和挑战 |
3.2 系统设计 |
3.2.1 静态分析阶段 |
3.2.2 特征生成阶段 |
3.2.3 家族分类阶段 |
3.3 实验评估 |
3.3.1 实验设置 |
3.3.2 特征子图的有效性 |
3.3.3 系统的性能评估 |
3.3.4 系统的效率 |
3.3.5 系统的抗混淆能力 |
3.4 方案有效性讨论 |
3.5 本章小结 |
第4章 基于交叉污点分析的安卓图片渲染界面触发行为的权限滥用检测 |
4.1 引言 |
4.1.1 研究背景和问题 |
4.1.2 研究动机和预备知识 |
4.1.3 研究方案和挑战 |
4.2 系统设计 |
4.2.1 总体框架 |
4.2.2 数据准备阶段 |
4.2.3 训练阶段和测试阶段 |
4.3 实验评估 |
4.3.1 实验设置 |
4.3.2 静态分析的有效性 |
4.3.3 预测的准确性 |
4.3.4 适用性分析 |
4.4 方案局限与讨论 |
4.5 本章小结 |
第5章 基于增量式学习的安卓恶意应用检测算法 |
5.1 引言 |
5.1.1 研究背景和问题 |
5.1.2 研究方案和挑战 |
5.2 算法设计 |
5.2.1 候选分类器的创建 |
5.2.2 集成成员更新机制 |
5.2.3 基分类器加权机制以及集成预测 |
5.3 实验评估 |
5.3.1 实验设置 |
5.3.2 块大小对DUE性能影响 |
5.3.3 不平衡率对DUE性能的影响 |
5.3.4 对比试验 |
5.3.5 算法效率比较 |
5.4 本章小结 |
第6章 文章总结 |
6.1 工作总结 |
6.2 未来展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(5)基于CPS的工业机器人运动监测与控制系统研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题的来源 |
1.2 研究背景与意义 |
1.3 国内外研究现状及分析 |
1.3.1 CPS理论及其发展研究现状 |
1.3.2 工业机器人技术及其运动控制研究现状 |
1.3.3 工业机器人运动监测研究现状 |
1.3.4 国内外文献综述的简析 |
1.4 主要研究内容 |
第2章 工业机器人的CPS框架与系统设计 |
2.1 CPS理论概述 |
2.1.1 CPS理论及其技术框架 |
2.1.2 CPS体系结构 |
2.1.3 CPS特性分析 |
2.2 面向工业机器人的CPS框架分析 |
2.3 基于CPS的工业机器人运动监测与控制系统结构简析 |
2.3.1 基于CPS的工业机器人运动监测与控制问题内容边界 |
2.3.2 基于CPS的工业机器人控制体系要素 |
2.3.3 基于CPS的工业机器人运动监测系统呈现形式 |
2.4 本章小结 |
第3章 工业机器人Cyber系统方法研究 |
3.1 工业机器人Cyber系统方法设计分析 |
3.2 工业机器人Physical系统简述 |
3.2.1 机器人本体 |
3.2.2 机器人控制箱 |
3.2.3 机器人气手指 |
3.3 工业机器人Cyber系统开发实例 |
3.3.1 机器人Cyber模型建立 |
3.3.2 渲染及处理部署 |
3.3.3 工业机器人Cyber系统实施 |
3.4 本章小结 |
第4章 基于CPS的工业机器人交互方法研究 |
4.1 基于CPS的工业机器人控制方法设计分析 |
4.2 智能化操作交互分析 |
4.2.1 关联操作与空间感知 |
4.2.2 智能化操作交互体系实例建立 |
4.3 图形用户界面交互设计 |
4.3.1 图形用户交互辅助及功能架构 |
4.3.2 图形用户界面交互设计实例 |
4.4 工业机器人虚拟现实信息显示及操作框架 |
4.4.1 虚拟现实交互技术特征 |
4.4.2 工业机器人虚拟现实信息显示及操作框架实例验证 |
4.5 本章小结 |
第5章 基于WEB的工业机器人运动监测系统设计与实现 |
5.1 系统总体设计 |
5.1.1 系统需求分析 |
5.1.2 系统功能设计 |
5.1.3 系统技术架构 |
5.2 机器人运动监测体系功能实现 |
5.2.1 机器人运动监测体系整体结构 |
5.2.2 配置摄像机及调试流地址 |
5.2.3 配置环境并基本建立机器人运动监测体系 |
5.3 基于WEB的工业机器人运动监测系统开发与实现 |
5.3.1 建立及调试机器人运动监测体系网页后端 |
5.3.2 机器人运动监测体系网页前端界面及运行展示 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文以及其他成果 |
致谢 |
(6)基于并行计算的调节阀大数据智能分析及建模方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 调节阀技术研究概况 |
1.2.1 调节阀的基本原理 |
1.2.2 调节阀技术的国内外研究概况 |
1.3 物联网技术研究概况 |
1.4 并行计算及大数据技术的研究概况 |
1.4.1 并行计算框架基本原理 |
1.4.2 大数据技术在工业领域的应用进展 |
1.5 人工智能在工业领域的研究概况 |
1.5.1 人工智能基本原理 |
1.5.2 基于人工智能技术的调节阀故障诊断研究概况 |
1.5.3 基于人工智能技术的工业设备数学建模研究概况 |
1.6 存在的主要问题 |
1.7 主要研究内容 |
第2章 调节阀电液执行机构及嵌入式控制系统研制 |
2.1 调节阀直驱式电液执行机构 |
2.2 调节阀嵌入式控制系统设计 |
2.2.1 硬件设计 |
2.2.2 软件设计 |
2.3 调节阀开度控制算法 |
2.3.1 离散控制系统原理 |
2.3.2 线性环节 |
2.3.3 非线性环节 |
2.3.4 数字控制器设计 |
2.3.5 开度控制实验研究 |
2.4 本章小结 |
第3章 基于并行SDP算法的调节阀故障诊断方法 |
3.1 Spark MapReduce框架的基本原理 |
3.2 调节阀分类故障大数据可视化 |
3.3 聚类算法与分类算法基础 |
3.3.1 聚类及聚类算法原理 |
3.3.2 分类及分类算法原理 |
3.4 基于Spark MapReduce的并行SDP算法实现 |
3.4.1 基本SDP算法原理 |
3.4.2 并行SDP算法实现 |
3.5 SVM算法基本原理 |
3.6 实验结果 |
3.6.1 调节阀故障诊断准确率研究 |
3.6.2 分类算法性能对比 |
3.6.3 Spark对SDP算法的加速性能研究 |
3.7 本章小结 |
第4章 调节阀大规模实时故障诊断系统研制 |
4.1 基于Spark Streaming的实时并行计算框架 |
4.2 调节阀实时故障诊断系统的工作流程 |
4.3 实验结果 |
4.4 本章小结 |
第5章 基于Spark MLIib的调节阀压力预测建模 |
5.1 调节阀动力学模型 |
5.2 回归算法基本原理 |
5.2.1 线性回归 |
5.2.2 决策树回归 |
5.2.3 随机森林回归 |
5.2.4 梯度渐进树回归 |
5.3 基于Spark MLlib的回归建模 |
5.3.1 Spark MLlib的整体架构 |
5.3.2 基于Spark MLlib的并行回归算法实现 |
5.4 实验研究 |
5.4.1 输入特征优选实验 |
5.4.2 并行归回算法性能对比 |
5.4.3 数据量对回归算法性能的影响 |
5.5 本章小结 |
第6章 调节阀管网智能运行服务系统研制 |
6.1 智能运行服务系统整体架构 |
6.1.1 业务逻辑分析 |
6.1.2 智能运行服务系统工作流程设计 |
6.2 基于并行蚁群算法的管网巡检规划研究 |
6.2.1 最大最小蚁群算法基本原理 |
6.2.2 基于Spark MapReduce的并行蚁群算法实现 |
6.2.3 仿真结果 |
6.3 基于SSH框架的数据集成化方法 |
6.3.1 Struts框架 |
6.3.2 Spring框架 |
6.3.3 Hibernate框架 |
6.4 管网综合态势可视化方法 |
6.4.1 基于iOS技术的移动端实现 |
6.4.2 基于Web技术的网页端实现 |
6.4.3 基于Java技术的桌面端实现 |
6.4.4 智能运行服务系统的可视化界面设计 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 全文总结 |
7.2 创新点 |
7.3 工作展望 |
参考文献 |
攻读博士学位期间发表的学术论文及参与课题 |
致谢 |
外文论文 |
学位论文评阅及答辩情况表 |
(7)物联网资源管理服务关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究目标和研究内容 |
1.3 论文主要工作和创新点 |
1.4 论文结构 |
第二章 相关研究综述 |
2.1 本章引言 |
2.2 边缘计算 |
2.2.1 边缘计算与云计算的比较 |
2.2.2 主要研究项目 |
2.2.3 边缘计算在物联网资源管理中的应用 |
2.3 服务系统架构 |
2.3.1 EDSOA架构 |
2.3.2 物联网服务组合方式 |
2.3.3 发布订阅消息系统 |
2.4 复杂事件处理 |
2.4.1 通用参考架构 |
2.4.2 复杂事件模式匹配 |
2.4.3 相关工作与挑战 |
2.5 物联网异构感知设备的统一接入 |
2.5.1 物联网资源描述方法 |
2.5.2 物联网资源模型相关工作 |
2.5.3 物联网统一接入相关工作 |
2.6 内存数据库 |
2.6.1 内存数据库研究现状 |
2.6.2 内存数据库面临的挑战 |
2.7 本章小结 |
第三章 物联网服务系统体系架构研究 |
3.1 引言 |
3.2 物联网服务新特征 |
3.3 物联网服务系统面临的技术挑战 |
3.4 物联网服务系统架构 |
3.4.1 基于隐式的事件链驱动的EDSOA服务执行模式 |
3.4.2 基于EDSOA的物联网服务系统架构 |
3.5 发布订阅消息系统 |
3.5.1 消息系统架构 |
3.5.2 类Push方式接收消息 |
3.5.3 消息系统性能实验 |
3.6 应用案例 |
3.6.1 系统架构 |
3.6.2 定义服务和发布订阅事件 |
3.6.3 性能测试 |
3.7 本章小结 |
第四章 基于边缘计算的物联网异构感知设备统一接入平台 |
4.1 引言 |
4.2 基于边缘计算的三层计算模型 |
4.3 物联网感知设备接入平台 |
4.3.1 接入平台总体结构 |
4.3.2 基于本体的资源描述模型 |
4.3.3 感知设备自适应接入方法 |
4.4 应用案例和性能评估 |
4.4.1 应用案例 |
4.4.2 性能评估 |
4.5 本章小结 |
第五章 面向物联网实时监控的通用复杂事件处理机制研究 |
5.1 引言 |
5.2 物联网事件模型 |
5.2.1 原始事件 |
5.2.2 简单事件 |
5.2.3 复杂事件 |
5.2.4 复杂事件定义实例 |
5.3 复杂事件处理系统 |
5.3.1 系统架构 |
5.3.2 原始事件处理模块 |
5.3.3 复杂事件处理模块 |
5.3.4 系统特点分析 |
5.4 性能评估 |
5.4.1 时间相关复杂事件与时间无关复杂事件处理性能比较 |
5.4.2 时间相关复杂事件处理参数的性能分析 |
5.4.3 包含简单事件处理的复杂事件处理系统性能提升 |
5.5 本章小结 |
第六章 面向物联网时间序列数据的内存数据库研究 |
6.1 引言 |
6.2 物联网感知数据模型 |
6.3 数据存储策略 |
6.4 TSMMDB系统总体结构 |
6.5 TSMMDB系统设计 |
6.5.1 虚拟堆与虚拟堆内存分配器 |
6.5.2 数据库对象的持久化设计 |
6.5.3 基于共享内存的进程间通信机制 |
6.5.4 数据局部性内存分配机制 |
6.5.5 基于大粒度锁的并发控制机制 |
6.5.6 应用程序的内存地址空间规划 |
6.5.7 数据存取算法复杂度分析 |
6.6 性能评估 |
6.6.1 实验设置 |
6.6.2 TSMMDB与传统数据库的性能比较 |
6.6.3 TSMMDB系统资源占用率 |
6.7 本章小结 |
第七章 总结与展望 |
7.1 论文总结和创新点 |
7.2 展望 |
参考文献 |
致谢 |
攻读博士学位期间发表的学术论文及成果 |
(8)物联网信息服务系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 论文研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 D2D-MIMO混合式物联网信息服务系统的国内外研究现状 |
1.3 本文主要研究内容及安排 |
1.3.1 主要研究内容 |
1.3.2 章节安排 |
第2章 D2D-MIMO通信下系统无线资源管理方案 |
2.1 概述 |
2.2 D2D终端设备直连通信网络 |
2.2.1 D2D设备发现 |
2.2.2 D2D资源分配 |
2.2.3 D2D缓存网络 |
2.3 Massive MIMO通信系统 |
2.3.1 Massive MIMO系统概述 |
2.3.2 基于Massive MIMO系统的接收信号强度RSS空间位置指纹 |
2.4 HYBRID-D2D-MIMO网络架构中终端设备基本工作原理 |
2.5 本章小结 |
第3章 D2D-MIMO混合式物联网信息服务系统架构研究 |
3.1 面向D2D-MIMO无线网络的HYBRID-D2D-MIMO网络架构的研究 |
3.1.1 D2D-MIMO技术概述 |
3.1.2 基于D2D-MIMO技术下的HYBRID-D2D-MIMO网络架构设计 |
3.1.3 数据传输方式设计 |
3.2 物联网终端汇聚节点混合式开发 |
3.2.1 Cordova开发框架与Hybrid开发技术概述 |
3.2.2 移动终端Hybrid开发技术 |
3.2.3 基于Cordova的物联网终端汇聚节点Hybrid开发统一架构设计 |
3.3 基于Node.js框架的混合式物联网应用服务器 |
3.3.1 Node.js的介绍 |
3.3.2 基于Node.js架构下应用服务器的构建 |
3.4 本章小结 |
第4章 基于MIMO系统下RSS信号临近终端确认 |
4.1 引言 |
4.2 大规模多天线MIMO技术下RSS信号特性分析 |
4.2.1 RSS的传播特性及波束赋形技术下的信号强度路径损耗分析 |
4.2.2 基于RSS信号指纹架构下的临近终端确认 |
4.3 临近终端确认混合式开发系统模型 |
4.4 临近终端确认实现流程 |
4.4.1 临近终端确认步骤 |
4.4.2 KPCA-IWKNN算法和PLN-AP算法 |
4.4.3 KIP ATCS对 Hybrid终端的位置信息服务 |
4.5 临近终端确认系统与相关算法性能的仿真与分析 |
4.5.1 仿真场景与参数设计 |
4.5.2 仿真结果与分析 |
4.6 本章总结 |
第5章 终端兼容与混合式数据分发策略 |
5.1 引言 |
5.2 终端兼容方法的实现与Hybrid-MT算法&Hybrid-IOTT算法 |
5.2.1 终端兼容方法的实现 |
5.2.2 Hybrid-MT算法与Hybrid-IOTT算法 |
5.3 DHCSC算法混合式数据分发策略 |
5.3.1 DHCSC算法 |
5.3.2 混合式数据分发策略 |
5.4 实验环境搭建及性能指标设置 |
5.4.1 仿真场景与参数设置 |
5.4.2 仿真结果及分析 |
5.5 本章总结 |
第6章 结论 |
参考文献 |
附录 攻读硕士学位期间发表的论文和专利 |
致谢 |
(9)心墙堆石坝坝面碾压智能监控方法与应用研究(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 国内外研究现状 |
1.2.1 坝面碾压施工信息感知研究现状 |
1.2.2 坝面碾压施工信息分析研究现状 |
1.2.3 坝面碾压施工反馈控制研究现状 |
1.2.4 坝面碾压施工监控系统研究现状 |
1.3 已有研究的局限性 |
1.4 研究内容与论文框架 |
1.4.1 主要研究内容 |
1.4.2 论文框架 |
第2章 心墙堆石坝坝面碾压智能监控基本概念与数学模型 |
2.1 心墙堆石坝坝面碾压智能监控基本概念提出 |
2.1.1 心墙堆石坝坝面碾压智能监控提出背景 |
2.1.2 心墙堆石坝坝面碾压智能监控基本概念 |
2.1.3 心墙堆石坝坝面碾压智能监控主要研究内容 |
2.2 心墙堆石坝坝面碾压智能监控方法概述 |
2.2.1 坝面碾压施工信息智能感知与集成方法概述 |
2.2.2 坝面碾压施工信息智能分析方法概述 |
2.2.3 坝面碾压施工过程智能控制方法概述 |
2.3 心墙堆石坝坝面碾压智能监控数学模型 |
2.3.1 目标函数 |
2.3.2 信息集 |
2.3.3 方法集 |
2.3.4 约束集 |
2.4 本章小结 |
第3章 心墙堆石坝坝面碾压施工信息智能感知与集成研究 |
3.1 心墙堆石坝坝面碾压施工信息智能感知与集成体系 |
3.1.1 坝面碾压施工信息智能感知与集成内容 |
3.1.2 坝面碾压施工信息智能感知与集成技术 |
3.1.3 坝面碾压施工信息智能感知与集成框架 |
3.2 基于加速度传感器的振动特性参数感知 |
3.2.1 碾轮振动过程概述 |
3.2.2 振动信号小波降噪处理 |
3.2.3 振动信号的快速傅里叶分析 |
3.3 基于空洞卷积核的FASTER-RCNN目标识别 |
3.3.1 卷积神经网络 |
3.3.2 基于空洞卷积核的Faster-RCNN |
3.4 基于无人机倾斜摄影的三维建模技术 |
3.4.1 基于无人机倾斜摄影的三维建模原理 |
3.4.2 基于无人机倾斜摄影的三维建模流程 |
3.5 坝面碾压施工信息集成 |
3.5.1 多源异构坝面碾压施工信息集成框架 |
3.5.2 基于K-Means下抽样技术处理不平衡数据 |
3.6 工程案例分析 |
3.6.1 碾轮振动信号感知 |
3.6.2 坝面碾压施工过程中多类型障碍物识别 |
3.6.3 基于无人机倾斜摄影的三维模型建立 |
3.6.4 坝面碾压施工信息集成 |
3.7 本章小结 |
第4章 心墙堆石坝坝面碾压施工质量智能分析研究 |
4.1 坝面碾压施工质量智能分析数学模型 |
4.2 坝面碾压施工质量智能评价模型 |
4.2.1 基于CK-SBFA-FL的坝面碾压施工质量智能评价模型 |
4.2.2 基于SBFA-CKSVR的坝面碾压施工质量智能评价模型 |
4.2.3 模型性能评价方法 |
4.3 坝面碾压施工质量评价模型更新研究 |
4.3.1 EPNN算法与VWT技术 |
4.3.2 基于EPNN与 VWT的概念漂移检测方法 |
4.3.3 模型更新方法 |
4.4 工程案例分析 |
4.4.1 坝面碾压施工质量智能评价模型案例研究 |
4.4.2 模型更新案例研究 |
4.5 本章小结 |
第5章 心墙堆石坝坝面碾压施工智能控制方法研究 |
5.1 心墙堆石坝坝面碾压施工智能控制体系 |
5.1.1 坝面碾压施工智能控制目标 |
5.1.2 坝面碾压施工智能控制环节 |
5.1.3 坝面碾压施工智能控制方法 |
5.1.4 坝面碾压施工智能控制框架 |
5.2 碾压参数智能优化控制方法 |
5.2.1 碾压参数多目标优化模型 |
5.2.2 多目标智能细菌觅食算法SMOBFA |
5.2.3 SMOBFA算法实现与验证 |
5.3 基于AR实景导引的坝面碾压施工智能控制方法 |
5.3.1 基于AR实景导引的技术构架 |
5.3.2 基于牛耕法的坝面碾压施工路径规划方法 |
5.3.3 基于AR实景导引的事中控制方法 |
5.3.4 基于AR实景导引的事后控制方法 |
5.4 工程案例分析 |
5.4.1 碾压参数智能优化控制分析 |
5.4.2 基于AR实景导引的坝面碾压施工智能控制分析 |
5.5 本章小结 |
第6章 心墙堆石坝坝面碾压施工三维智能监控系统 |
6.1 心墙堆石坝坝面碾压施工三维智能监控系统建设 |
6.1.1 系统结构 |
6.1.2 系统建设技术 |
6.2 心墙堆石坝坝面碾压施工三维智能监控系统功能实现 |
6.2.1 坝面碾压施工信息感知与集成模块 |
6.2.2 坝面碾压施工信息智能分析模块 |
6.2.3 坝面碾压施工过程智能控制模块 |
6.3 本章小结 |
第7章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(10)基于大数据技术的政府绩效信息使用研究(论文提纲范文)
摘要 |
Abstract |
第一章 导论 |
第一节 研究背景和意义 |
一、研究背景 |
二、研究意义 |
第二节 文献综述 |
一、政府绩效信息使用研究综述 |
二、大数据研究综述 |
三、面向大数据的政府绩效管理研究综述 |
四、研究述评 |
第三节 核心概念界定 |
一、政府绩效管理 |
二、政府绩效信息 |
三、政府绩效信息使用 |
四、大数据 |
第四节 研究内容、方法与技术路线 |
一、研究思路与研究内容 |
二、研究方法 |
三、技术路线图 |
第二章 政府绩效信息使用的理论与实践 |
第一节 政府绩效信息使用的理论分析 |
一、政府绩效信息的性质与价值 |
二、政府绩效信息的使用方式 |
三、政府绩效信息使用的影响因素 |
第二节 政府绩效信息使用的现状分析 |
一、绩效信息及其使用存在的问题 |
二、改进绩效信息使用的政策建议 |
第三章 基于大数据的政府绩效信息使用模式构建 |
第一节 大数据与政府绩效信息的关联衔接 |
一、大数据在政府绩效管理环节中的作用 |
二、大数据与绩效信息使用的关联衔接 |
第二节 基于大数据的政府绩效信息使用的分析框架 |
一、基于大数据的政府绩效信息使用分析框架设计思路 |
二、基于大数据技术的政府绩效信息使用系统模型研究 |
三、构建基于大数据技术的政府绩效信息使用系统模型的必要性 |
第四章 基于大数据的绩效信息来源的使用—以X市J区行政服务中心为例 |
第一节 基于大数据的绩效信息来源使用的设计思路 |
一、政府绩效信息来源使用的理论与实践分析 |
二、基于大数据技术的绩效信息来源使用的设计思路 |
第二节 面向大数据的行政服务中心绩效信息来源使用的作用机理 |
一、X市J区行政服务中心绩效管理系统的设计分析 |
二、大数据采集技术提升绩效信息客观性的分析 |
三、大数据清洗技术提升绩效信息准确性的分析 |
四、大数据存储技术提升绩效信息汇总时效性的分析 |
第三节 行政服务中心绩效信息来源的使用效应分析 |
一、基于大数据技术的绩效信息管理系统建设成效分析 |
二、行政服务中心绩效信息管理系统未来展望 |
第五章 基于大数据的绩效信息结果使用——以X市财政大数据平台为例 |
第一节 基于大数据的绩效信息结果使用设计思路 |
一、绩效信息结果使用研究的不同视角 |
二、大数据思维下绩效信息结果使用的新思路 |
三、基于大数据技术的绩效信息结果使用设计思路 |
第二节 面向大数据的财政绩效信息结果使用作用机理 |
一、基于大数据技术的财政决策支持系统的框架模型 |
二、财政绩效信息结果在决策支持中的应用分析 |
第三节 面向大数据的财政绩效信息结果使用效应分析 |
一、面向大数据的财政决策支持系统成效分析 |
二、财政决策支持系统未来展望 |
第六章 结语 |
第一节 研究结论与创新 |
一、研究结论 |
二、研究创新之处 |
第二节 研究不足与展望 |
一、研究不足 |
二、研究展望 |
参考文献 |
一、英文文献 |
二、中文文献 |
攻读学位期间的学术成果 |
致谢 |
四、关于实时嵌入Java的综述报告(论文参考文献)
- [1]面向智慧城市的多源感知和应急联动系统设计与实现[D]. 张东捷. 电子科技大学, 2021(01)
- [2]数字化慢病管理系统的研究与实践[D]. 汪哲宇. 浙江大学, 2021(01)
- [3]基于嵌入式Android的车载HUD系统设计与开发[D]. 冯阳. 西安理工大学, 2020(01)
- [4]基于静态检测的安卓应用安全性分析方法研究[D]. 李增. 中国科学技术大学, 2020(01)
- [5]基于CPS的工业机器人运动监测与控制系统研究[D]. 吴奇学. 哈尔滨工业大学, 2020(01)
- [6]基于并行计算的调节阀大数据智能分析及建模方法研究[D]. 王龙晖. 山东大学, 2019
- [7]物联网资源管理服务关键技术研究[D]. 兰丽娜. 北京邮电大学, 2019(02)
- [8]物联网信息服务系统的设计与实现[D]. 周玉轩. 长春理工大学, 2019(01)
- [9]心墙堆石坝坝面碾压智能监控方法与应用研究[D]. 王佳俊. 天津大学, 2019(06)
- [10]基于大数据技术的政府绩效信息使用研究[D]. 李富贵. 厦门大学, 2018(07)