一、MAP方法及数据处理简介（论文文献综述）
储雅琴[1]（2021）在《光纤无线混合接入网中的节能机制研究》文中指出随着通信技术的快速发展,人们的生活方式已发生极大的改变。尤其伴随着工业4.0的出现,越来越多的智能机器连接到网络,随之而来的是传感和监控数据的指数增长,从而导致高负载带来的高能耗。作为绿色通信网的目标之一,节能问题一直是光纤无线混合接入网（FiWi）的重要研究课题。为了以低能耗满足物联网时代用户对服务质量更高的要求,本文在传统FiWi网络架构的基础上将城域网和接入网集成,并引入边缘计算,提出边缘云增强的城域光纤无线混合接入网（Edge Cloud Enhanced Metro-FiWi）,其以更加节能的架构应对大量物联网的应用和设备在连接性、可靠性和带宽、延迟及成本方面的更大挑战。然而,该架构扩展的接入范围不可避免地带来设备的密集部署,进而带来较大的能量消耗。因此,为了实现绿色通信目标,一个有效的Edge Cloud Enhanced Metro-FiWi节能策略对降低整个通信网络能耗来讲至关重要。本文针对 Edge Cloud Enhanced Metro-FiWi 中光网络单元（ONU）的能量浪费问题,围绕容量资源分配、路由算法等方面展开能耗最小化研究,提出睡眠方案设计,其主要策略是关闭ONU中的空闲组件以进入睡眠状态,将流量聚合到尽可能少的目的节点上,以最大化资源利用率,增加睡眠设备的数量。本文的主要研究内容和创新点如下:1、边缘云增强的城域光纤无线混合接入网网络架构设计传统的光纤无线混合接入网由树状的无源光网络（PON）和无线网状网络组成,其结合了光网络后端的高容量、可靠性和无线前端低成本和无处不在的连接性。为了以低能耗进一步提高带宽容量、扩展网络覆盖范围,本文将城域光网络与接入网融合,组成城域光纤无线混合接入网。同时,边缘计算作为一种很有前途的计算范式,可以满足越来越多对延迟敏感的应用程序的严格服务质量要求,其将传统云资源转移到了边缘服务器,有利于终端设备的节能。本文将移动边缘计算服务器部署在ONU处,从而大大降低延迟。因此,本文创新性地提出了边缘云增强的城域光纤无线混合接入网的网络架构。2、负载自适应和位置感知的睡眠策略设计以前的研究常用的睡眠策略是循环睡眠和基于阈值的睡眠,循环睡眠即不考虑网络中的负载情况周期性地进入睡眠状态,基于阈值的睡眠即在没有流量负载（即阈值为0）或者流量负载低于设定阈值时进入睡眠。然而,这些ONU独立节能方法没有考虑两个重要问题:第一个问题是睡眠ONU个数不能完全适应网络中流量负载分布的变化,使得ONU利用率不高,限制了中等流量情况下ONU的节能潜力;第二个问题是由于缺乏位置感知,活跃ONU在地理位置上没有很好地分布,可能出现活跃ONU全部集中在某一重负载区域的情况,从而带来轻负载区域用户设备的数据流量的大路径延迟。因此,针对第一个问题,本文提出负载自适应的ONU睡眠方案,从全网的负载状态出发,在不同负载条件下应用贪心算法通过迭代确定能够承载当前网络负载的最佳活跃ONU数量,使得睡眠ONU数完全适应于负载,从而进一步提高ONU利用率和能效。针对第二个问题,本文基于K-means聚类和匹配博弈两种思想,分别设计了面向ONU非均匀分布和均匀分布的最佳活跃ONU位置部署策略,从而实现ONU资源的优化配置,在保证服务质量的同时最大程度地减小活跃ONU的数量。3、容量延迟感知的节能路由算法研究传统重路由算法有最短路径算法、剩余容量算法、延迟感知算法（DARA）、容量延迟感知算法（CaDAR）等,这些算法从MAP的角度,以路径长度、链路节点剩余容量等作为权重,确定目的ONU的选择和链路选择。传统重路由算法从MAP的角度,找到对MAP最有利的路径,与传统重路由算法不同,本文同时考虑ONU节能、MAP降低延迟的不同优化目标,将流量聚合到尽可能少的目的节点上,以最大化容量资源利用率,增加睡眠设备的数量。本文基于Floyd算法和K-shortest Path算法,运用匹配博弈思想提供自组织的资源分配解决方案,突破传统先来先服务的路由策略,使用延迟接受算法来实现资源的最佳配置,从而实现全网的节能与服务质量保证的多目标优化。
耿和清[2]（2021）在《基于Hadoop架构的海洋牧场大数据平台设计研究》文中研究指明海洋牧场是我国渔业重要的组成部分,其健康发展有助于修复海洋生态环境、恢复海洋渔业资源和维护海洋渔业的可持续发展。随着现代信息技术的发展,海洋牧场产生的各种数据正在以肉眼可见的速度快速增长,导致数据不能及时有效的进行存储,出现数据存储不全,不能及时发现数据之间的关系,并且对于已存储的数据没有完全开发利用它们潜在的价值。近几年,由于大数据的飞速发展,为解决数据存储“碎片化”、数据价值利用率低、数据“孤岛”等问题提供了有效的方法。本文基于Hadoop分布式基础架构,研究设计了海洋牧场大数据平台,解决了海洋牧场海量数据存储问题、数据价值利用率低、数据“孤岛”等问题,有效提高了海洋牧场数据管理的能力和信息化水平。首先,介绍了海洋牧场和大数据在国内外的发展现状和存在的问题,其次详细阐述了有关海洋牧场大数据平台构建的关键技术,包括Hadoop生态体系、人工神经网络以及果蝇优化算法原理和详细的改进过程,为构建海洋牧场大数据平台的设计研究奠定基础。然后,通过分析海洋牧场的数据来源、实际需求以及大数据标准化体系,设计实现了海洋牧场大数据平台的整体架构、标准体系以及整体框架。为了研究海洋牧场水质要素之间的非线性关系,本文提出了利用改进的果蝇优化算法（IFOA）优化BP神经网络算法并建立了海洋牧场溶解氧的预测分析模型（IFOA-BP）,通过山东省张家楼海洋牧场养殖数据实例分析验证了模型的预测精度;利用Hadoop分布式架构中的MapReduce研究设计了BP神经网络详细的并行化计算过程,实现并行化BP神经网络的运算,解决了海洋牧场海量数据的分析处理,并通过海洋牧场水质数据实例分析了神经网络并行化算法的分类精度和效率。最后,根据海洋牧场数据特点和实际需求设计了海洋牧场大数据平台的目标、业务功能、数据库、和数据处理流程,实现了海洋牧场数据采集、数据存储管理、数据分析计算和数据应用的海洋牧场大数据平台,解决了海洋牧场数据“碎片化”、数据价值利用率低、数据“孤岛”等问题。
张炜健[3]（2021）在《贝叶斯网络结构学习算法研究》文中提出贝叶斯网络（Bayesian network,BN）是目前不确定知识表达和推理领域最有效的理论模型之一,同时在如图像处理、疾病预测等领域得到越来越多的应用。BN结构与预测效果直接相关,学习BN结构也已被证明是NP难问题,因此快速准确的学习BN结构极为重要。启发式搜索算法已被广泛应用在BN结构学习问题中。基于遗传算法（Genetic algorithm,GA）的BN结构学习算法存在搜索时间过长、易陷入局部最优的问题。当数据量较大时,单机算法无法在限定的时间内得到BN结构,同时当各个计算流程相对独立时部分数据的使用效率较低。本文通过对基于GA的BN结构学习算法原理进行研究,对算法在小数据量下收敛速度较慢、易陷入局部最优及大数据量情况下计算时间较长、存在冗余计算等问题进行了针对性研究,提出了一种高效的知识驱动的GA算法,同时进一步结合Spark平台提出了基于GA的全流程分布式BN结构学习算法。本文主要工作如下:（1）针对搜索空间过大所导致搜索时间较长及现有基于GA的BN结构学习算法存在的收敛速度较慢、易陷入局部最优的问题,本研究提出了一种高效的知识驱动GA以解决BN结构学习问题。本文提出的算法使用了一种新的选择算子保持种群多样性,以便学习准确率更高的BN结构,并在此选择算子中引入爬山法的思想以加快收敛速度。为了提高所提算法的局部搜索能力,提出了一种新的知识驱动突变方法,分析精英集中个体所隐含的正确BN结构信息从而引导局部搜索过程。本文在小数据量的情况下,在各类小型、中型、大型、超大型网络上进行实验。实验结果证明了所提算法中各算子的有效性,同时相比传统BN结构学习算法和新型的GA混合算法,本文所提算法在较大网络中的准确率、收敛速度、搜索效果等方面表现出优越的性能。（2）针对在海量数据情况下基于GA的BN结构学习算法执行时间较长、冗余计算较多,同时现有分布式BN结构学习算法的BN结构准确率不高的问题,本研究将混合方式的BN结构学习算法与Spark分布式计算平台结合,提出了一种基于Spark的全流程分布式GA混合算法以解决海量数据情况下的BN结构学习问题。所提算法在构建超结构、评分计算和GA的进化操作三个流程上进行了并行化工作,同时引入Redis对中间数据进行存储以便在评分计算过程中高效复用数据,减少冗余计算时间,加快计算效率。本文在不同模型的海量数据情况下进行实验,实验结果表明所提分布式算法中各个算子的有效性,在结构精度、运行时间等方面相比传统算法和其它新型分布式混合算法表现较优。本文提出的分布式BN结构学习算法为海量数据情况下的BN结构学习方法提供了新思路。
马金亮[4]（2021）在《MAP3K1对长江三角洲白山羊毛囊干细胞发育的调控》文中提出长江三角洲白山羊是皮、肉、毛兼优的江苏地方品种,同时也是世界上唯一能生产优质笔料毛的山羊品种。优质笔料毛作为制作高档毛笔的原材料,具有极高的经济价值。课题组前期通过对长江三角洲白山羊优质笔料毛型与非优质笔料毛型山羊皮肤组织转录组测序发现:MAP3K1在优质笔料毛型山羊颈脊部皮肤组织中高表达,推测MAP3K1对长江三角洲白山羊优质笔料毛发性状的形成具有至关重要的作用。毛囊干细胞的发育对毛发生长极为重要,而MAP3K1调控毛囊干细胞发育的分子机制尚不清楚。本研究利用相关分子生物学实验技术探究MAP3K1对毛囊干细胞的调控作用及转录组学分析,试验过程及具体结果如下:1.组织表达谱分析。利用RT-qPCR技术探究MAP3K1在长江三角洲白山羊不同组织中的表达量,同时验证前期转录组测序结果。结果表明,MAP3K1基因在山羊不同组织中广泛表达,其中在脾脏、肺、睾丸和皮肤组织中表达量高于心脏组织。通过对比颈脊部皮肤组织中的MAP3K1表达水平发现,MAP3K1在优质笔料毛型山羊中的表达极显着高于非优质笔料毛型山羊（P<0.01）,符合前期测序结果。2.干扰MAP3K1基因。构建干扰腺病毒载体,利用RT-qPCR、Western blot、CCK-8、EdU、细胞周期及细胞凋亡试验来探究干扰MAP3K1对毛囊干细胞增殖与凋亡的影响。结果表明,MAP3K1-sh2干扰腺病毒载体的干扰效率达到70%左右（P<0.01）;干扰MAP3K1后毛囊干细胞增殖能力显着下降（P<0.01）,S期细胞数量显着增加,表明细胞被阻滞在S期;干扰MAP3K1后毛囊干细胞凋亡率明显增加（P<0.01）。以上结果表明在毛囊干细胞中干扰MAP3K1会抑制细胞增殖并促进其凋亡。3.过表达MAP3K1基因。构建过表达载体,利用RT-qPCR、Western blot、CCK-8、EdU、细胞周期及细胞凋亡试验来探究过表达MAP3K1对毛囊干细胞增殖与凋亡的影响。结果表明,在过表达后MAP3K1,过表达组MAP3K1表达水平是对照组的10倍（P<0.01）;过表达MAP3K1后毛囊干细胞增殖能力显着提高（P<0.01）,S期细胞数量显着降低（P<0.01）;过表达MAP3K1表达后毛囊干细胞凋亡率显着降低（P<0.01）。以上结果表明过表达MAP3K1促进毛囊干细胞增殖并抑制其凋亡。4.转录组学分析。成功构建干扰MAP3K1、过表达MAP3K1和对照组（NC）共9个mRNA文库,通过GO功能分析和KEGG通路分析,发现差异基因3913个,其中上调基因有2213个,下调基因有1700个。这些差异基因与TNF、MAPK、NOD-like receptor等信号通路有关,进而揭示MAP3K1对毛囊干细胞的分子调控机制。综上所述,MAP3K1能有效调控长江三角洲白山羊毛囊干细胞的增殖与凋亡过程,其调控机理与TNF、MAPK、NOD-like receptor等信号通路有关,本研究为进一步探究长江三角洲白山羊优质笔料毛发性状形成的机制提供理论基础。
朱熙[5]（2021）在《马铃薯中与胁迫相关StMAPKs基因的分离及功能研究》文中研究表明丝裂原活化蛋白激酶（Mitogen activated protein kinase,MAPK）级联是真核生物中高度保守的信号转导模式,由MAPKKK、MAPKK和MAPK组成。该级联途径通过三种激酶依次逐级磷酸化将感知的外源信号放大并传递下去,从而产生应激反应介导细胞增殖、分化和死亡。马铃薯（Solanum tuberosum L.）为世界第四大粮食作物,日益突出的土地干旱和盐碱化问题造成其减产。目前,关于植物MAPK在干旱、盐及渗透胁迫条件下的基因功能研究十分有限。迄今为止,马铃薯StMAPKs基因响应非生物胁迫和植物激素诱导表达模式的系统研究仍未见报道,而且其在马铃薯不同组织和器官中的表达模式也不清楚。本研究主要解析StMAPKs是否介导多种与胁迫相关的信号转导途径,StMAPKs是否在干旱、盐和渗透胁迫下起作用以及其潜在机制。本研究对StMAPKs响应不同非生物胁迫和植物激素处理表达模式行了分析,同时还分析了其在不同组织和器官中的表达模式。从马铃薯“大西洋”中分离得到一个与盐和渗透胁迫相关的StMAPK3功能基因和一个与干旱胁迫相关的StMAPK11功能基因,并通过亚细胞定位、酵母双杂文库筛选、酵母双杂检测互作蛋白、双分子荧光互补、磷酸化蛋白组学,以及对过表达和RNA干扰表达转基因的植株在胁迫下生理指标和光合指标的检测做了研究。取得的主要研究结果如下:1.通过qRT-PCR技术分析了马铃薯15个StMAPKs基因在不同非生物胁迫和植物激素处理以及不同组织和器官中的表达模式。结果表明:马铃薯中15个StMAPKs基因不仅在非生物胁迫和植物激素处理时表达差异显着,而且在不同组织和器官中的特异性表达差异也显着。2.从马铃薯中克隆得到两个促分裂原活化蛋白激酶基因StMAPK3和StMAPK11,其中StMAPK3是与盐和渗透胁迫相关,而StMAPK11与干旱胁迫相关,构建了pCAM35s-GFP-StMAPK3和pCAM35s-GFP-StMAPK11亚细胞定位载体,并在烟草表皮细胞中进行了瞬时表达。结果表明,StMAPK3和StMAPK11均定位于细胞膜和细胞核。3.构建了原核重组表达载体pET28b-StMAPK11,并将重组质粒转化大肠杆菌BL21（DE3）后,IPTG诱导并纯化StMAPK11重组蛋白,制备兔抗StMAPK11多克隆抗体,Western blot结果显示制备好的抗体可以很好的与StMAPK11蛋白特异性结合。4.分别构建了酵母双杂和双分子荧光互补载体,通过酵母双杂交和双分子荧光互试验验证结果显示,StMAPK3可以与StDof1、StSR2、StACS5、StMEK2和StMAPKK1发生互作,其中StMAPK3与StSR2在细胞核内相互作用。StMAPK11可以与StbZIP2、StPTP1和StVQP9发生互作,其中StMAPK11与StbZIP2在细胞核内相互作用。5.与盐和渗透胁迫相关StMAPK3基因的功能分析。在盐和渗透胁迫条件下,与非转基因植株相比,过表达StMAPK3植株中过氧化氢酶（CAT）、过氧化物酶（POD）、超氧化物歧化酶（SOD）的酶活性和脯氨酸含量均增加,在RNA干扰表达植株中,结果相反,而在StMAPK3过表达植株中H2O2和丙二醛（MDA）含量减少,RNA干扰表达植株中H2O2和MDA含量增加。同时过表达StMAPK3提高了盐和渗透胁迫下植株的蒸腾速率、净光合速率、气孔导度和水分利用效率,在RNA干扰表达植株中,这些光合指标与非转基因植株相比都不同程度的降低。并且还发现在盐和渗透胁迫下转StMAPK3基因对马铃薯植株的气孔开合度、植株高度、茎粗、鲜重、根长和侧根数都有不同程度的影响。结果表明StMAPK3能明显提高马铃薯植株对盐和渗透胁迫的抗性。6.与干旱胁迫相关StMAPK11基因的功能分析。在干旱胁迫条件下,与非转基因植株相比,过表达StMAPK11植株（马铃薯、烟草和拟南芥）中CAT、POD、SOD酶活性和脯氨酸含量均增加,但在RNA干扰表达马铃薯植株中,结果相反,在StMAPK11过表达植株（马铃薯、烟草和拟南芥）中H2O2和MDA含量减少,但在RNA干扰表达马铃薯植株中H2O2和MDA含量增加。同时过表达StMAPK11提高了干旱胁迫下马铃薯植株的蒸腾速率、净光合速率、气孔导度和水分利用效率;在RNA干扰表达植株中,这些光合指标与非转基因相比都不同程度的降低。并且还发现转StMAPK11基因在干旱胁迫下对马铃薯植株的鲜重、干重、根鲜重和根干重都有不同程度的影响。表明StMAPK11能明显提高植株（马铃薯、烟草和拟南芥）对干旱胁迫的抗性。7.对StMAPK3过表达和RNA干扰表达马铃薯植株进行磷酸化蛋白质组学分析共鉴定得到2180种磷酸化蛋白。通过修饰位点定量分析在两组中共同鉴定到的修饰位点2922个,其中差异显着的修饰位点总数78个,显着上调的修饰位点总数49个,显着下调的修饰位点总数29个。通过磷酸化蛋白差异分析两组共鉴定蛋白2023个,其中上调表达蛋白15个,下调表达蛋白14个。利用GO、KEGG、COG数据库对鉴定的磷酸化蛋白质进行功能注释,结果表明这些蛋白质主要在植株生长发育过程,信号转导和代谢途径中发挥相应功能。
赵苡[6]（2021）在《基于随机场先验的沙漠地震低频噪声压制》文中认为随着我国石油需求总量的持续增加,油气勘探已成为我国发展过程中的热点问题。其中,地震勘探作为常用的油气勘探方法之一,被普遍用于勘探后期的精查阶段,对探明含油气有利区域的地质构造特点有重要意义。我国西北部的塔里木盆地是开展地震勘探工作的主要地区之一,其沙漠区域中蕴藏着丰富的油气资源。然而由于沙漠地区复杂多变的地理环境以及常年存在的风沙和干热风灾害,地震勘探得到的记录中往往会混有大量的低频随机噪声。该类噪声能量强,频率低,与有效信号频谱混叠严重,极大降低了地震勘探记录的信噪比。为了获得高质量的、可靠的、满足“三高”要求的地震信息,向后续资料解释环节提供直观的、相关的地质依据,研究可行性高的噪声压制方法对油气勘探领域有重要意义。目前,国内外的专家学者就地震数据处理这一环节提出了很多行之有效的方法,例如中值滤波算法、小波去噪算法、多道拟合算法等等。尽管这些方法在实际应用中都取得了不错的成效,但在某些方面仍然存有一定的局限性。近年来,随着大数据时代的到来,机器学习展现出了更强的性能和更大的潜力。其中,随机场模型作为一类应用广泛的机器学习模型,以建立起未知变量的概率分布为核心,利用无向图来描述变量间的相关关系,将学习任务归结为推测变量概率分布的计算任务,直观而高效地定义了面向于具体任务的特定模型,具有推断高效、框架简洁紧凑的优点。基于该模型的优异性能,本文将其应用于地震资料的处理中。随机场框架的去噪流程可以总结为:先选用合适的势能函数建立地震信号的先验分布,捕捉有效反射波内部精细结构特征;再选用合适的估计方法,在先验信息的指导下完成有效信号的高保真度恢复。该框架的去噪效果主要由势能函数和参数这两部分决定,根据这两点,便可延伸出本文采用的两种算法。一方面,对于势能函数而言,该函数对地震数据概率分布的拟合程度越好,获得的先验信息准确性就越高,模型去噪效果越好。但这会导致实际中模型性能受势能函数制约,对不同特征的信号都呈现出同样的函数样式,泛化能力差。基于此,本文采用了CSF模型。该模型用RBF间接建模先验分布,摆脱了势能函数对模型性能的限制,增强了模型在实际工程中的可用性。另一方面,为了设计出更适合于地震数据的去噪参数,本文在GCRF-MMSE框架的基础上引入稀疏性度量模块。该模块基于有效信号与沙漠低频噪声之间稀疏性的差异,用稀疏度决定去噪参数,实现了沙漠低频噪声的针对性去除。本文将上述的两种算法应用于沙漠地区地震勘探记录的噪声压制上,并且通过模拟实验和实际实验来证明本文算法的有效性和可靠性。在通过对去噪结果进行多方面、多角度的衡量分析后,可以得出结论:相比于对比算法,本文算法不仅很好地恢复了地震同向轴的能量连续性,而且也有效地压制了沙漠低频噪声与面波。
郭泽洲[7]（2021）在《复合喷射模式下丙酮-丁醇-乙醇（ABE）/汽油双燃料发动机燃烧及排放特性研究》文中进行了进一步梳理以内燃机为动力装置的汽车如今面临着严苛的法规要求,提升热效率以及降低有害排放物刻不容缓。目前点燃式发动机均配备了较为先进的技术以满足法规要求,如包含进气道喷射+缸内直喷的复合喷射技术等。与此同时,醇类燃料由于其可再生性好以及在发动机上使用不需要过多改变结构等优势受到了广泛关注。鉴于此,本文通过定容弹及台架试验探究了ABE、汽油的喷雾特性及复合喷射模式下ABE/汽油双燃料对发动机燃烧及排放的优化潜力,以明确复合喷射模式下将ABE应用于点燃式发动机中的最优喷射模式及喷射策略。为了明确将ABE应用于点燃式发动机中的喷雾特性以及与汽油喷雾特性的差别,利用定容弹喷雾测试平台对ABE及汽油喷雾图像进行拍摄。对比了在不同喷油压力,环境压力及喷油脉宽下ABE及汽油的喷雾特性。研究表明,喷油开始后ABE的喷雾发展慢于汽油,汽油喷雾的前半部分沿横向的宽度大于ABE,说明汽油向外侧扩散能力大于ABE。提高喷油压力可以改善燃油雾化蒸发效果。随着喷油压力的增加,汽油及ABE贯穿距离持续增加且贯穿距离随时间的增长率变大,增加喷油压力对增加ABE贯穿距离的效果更加明显。在喷油压力为5,7MPa时汽油的贯穿距离大于ABE,而当喷油压力继续增加为9,11和13MPa时,ABE的贯穿距离则大于汽油。随着喷油压力的增高,喷雾锥角达到峰值的时间提前。喷雾锥角稳定后,随着喷油压力的升高ABE及汽油喷雾锥角有所增大。不同喷油压力下ABE的喷雾锥角均大于汽油。此外,随着环境压力的升高喷雾贯穿距离减小,燃油蒸发扩散效果变差。无论是ABE还是汽油,随着环境压力的升高,喷雾锥角均呈现增加的趋势。在喷油压力及环境压力一定时,喷油过程中,不同喷油脉宽下的喷雾图像形态相似。喷油结束后,随着喷油脉宽的增加,相同时刻下喷油量增多使得燃油浓度较高且蒸发扩散的不完全。此外,随着喷油脉宽的增加喷雾贯穿距离增加,但不同喷油脉宽下的喷雾贯穿距离曲线基本重合。增加喷油脉宽使得贯穿距离增大的效果对于ABE来说更加明显。喷油过程中不同喷油脉宽下喷雾锥角数值接近。整体来看,在喷油压力及环境压力较低时,汽油贯穿距离大于ABE;而当喷油压力及环境压力较高时,ABE贯穿距离大于汽油。在不同喷油压力,环境压力及喷油脉宽下,ABE的喷雾锥角均大于汽油。为了明确ABE/汽油在复合喷射发动机中最优喷射模式,设计了“喷射比与醇油比统一法”试验优化方案。基于该方案通过发动机台架试验比较了不同直喷压力、直喷时刻、转速、负荷和过量空气系数（λ）下ABE进气道喷射+汽油缸内直喷（A+G）和汽油进气道喷射+ABE缸内直喷（G+A）两种模式的燃烧特性、气体排放和微粒排放,并引入汽油复合喷射（G+G）模式作为比较基准。结果表明,G+A模式的扭矩在不同工况下始终是最高的。相比A+G和G+G模式来说,G+A模式最大扭矩对应的直喷压力更高。在发动机低负荷即进气歧管绝对压力（MAP）为30,40,50k Pa时,G+G模式的扭矩高于A+G模式;而在发动机高负荷即MAP=60,70k Pa时,G+G模式的扭矩低于A+G模式。G+A和A+G模式的总燃烧期（CA0-90）基本相同,均低于G+G模式。当λ=0.9-1.3时,G+A模式的有效热效率（BTE）比G+G模式的分别提高了0.2%、0.4%、0.02%、0.05%和0.6%。G+A模式的氮氧化物（NOx）、碳氢化合物（HC）和总微粒数量浓度是三种模式中最低的。当λ=0.9时,A+G模式的NOx和HC排放量高于G+G模式,而在λ=1.2和1.3时,A+G模式的NOx和HC排放量低于G+G模式。根据燃烧及排放特性,汽油进气道喷射+ABE缸内直喷模式在不同工况下具有较好的动力性及较低的排放,为ABE/汽油双燃料复合喷射的最优供给模式。为了明确基于汽油进气道喷射/ABE直喷模式下的最优策略,通过台架试验探究了不同直喷策略、转速及负荷下汽油进气道喷射/ABE直喷发动机的性能。研究表明,11MPa直喷压力下不同ABE直喷比的平均指示压力（IMEP）较高,HC和一氧化碳（CO）排放较低且NOx排放没有恶化,可以视为获得较好动力性和气体排放的直喷压力。但在直喷时刻较早时,若想获得最低的微粒数量浓度,应选择9MPa的直喷压力。此外,不同直喷时刻中,300°CA BTDC直喷时刻配合大ABE直喷比可以使得动力性有很大提升且微粒数量极低。考虑到目前排放法规对微粒数量有严格要求,因此认为9MPa直喷压力+300°CA BTDC直喷时刻配合大ABE直喷比燃料为较优的直喷策略。在低转速及低负荷时,80%ABE直喷比的燃料动力性最优。随着转速及负荷的增加,纯ABE在提升动力性方面具有优势。不同转速、负荷下,60%或80%ABE直喷比对应于较低的HC和NOx排放,而100%ABE直喷比对应于较低的CO排放,但80%ABE直喷比下CO排放较100%直喷比下CO排放增幅较小。此外,当燃用60%-100%ABE直喷比的燃料时,微粒数量浓度极低,工况变化对微粒数量浓度影响很小。综上,在低转速及低负荷时,80%ABE直喷比燃料燃烧及排放性能最优。随着转速及负荷增加,如对动力性需求较大则燃用纯ABE最优,否则可以选择80%ABE直喷比以兼顾气体排放。为了进一步拓宽以丁醇为主体的醇类替代燃料在复合喷射发动机中的应用潜力,基于汽油进气道喷射/醇类直喷的模式通过台架试验对比了汽油/ABE,汽油/异丙醇-丁醇-乙醇（IBE）及汽油/丁醇的燃烧排放特性。研究表明,在动力性方面汽油/IBE优于汽油/ABE,汽油/ABE优于汽油/丁醇。在气体排放方面,随直喷比的变化三种燃料变化的趋势是相似的。在直喷比较低时,汽油/ABE的气体排放占有优势,而当直喷比例较大时,汽油/丁醇的气体排放具有优势。在微粒排放方面,汽油/ABE模式的微粒数量排放始终是最低的,但在直喷时刻较早且直喷比例较大时,三种燃料的微粒数量浓度均处于极低的水平。总体来看,作为替代燃料,ABE及IBE相比于丁醇在燃烧和排放性能以及成本方面更具有优势。
冯文轩[8]（2021）在《基于非线性特征提取算法的ECG身份识别研究》文中研究说明伴随着现今时代高新技术的进步,个人身份识别技术在各个领域所起到的作用也越来越关键,如金融、安防、保密等领域。而传统的身份识别技术逐渐暴露出各种缺陷。如此一来,基于人体生理特征的身份识别技术以其安全性和便利性成为了新的热门技术。而基于心电信号（ECG）的身份识别技术越来越得到重视,有着广阔的应用前景。经过多年研究,心电信号在医学领域已经成为一种成熟可靠的数据,为临床诊断提供信息,而对于身份识别领域,心电信号相比其它的生理信号有着采集技术成熟、一维数据处理简单的优势,同时因其体内特征不暴露在外的特点,数据极难伪造。目前针对基于ECG的身份识别技术研究已经取得了很多进展,但现有的识别技术依然存在诸多问题。目前大量的研究都是在规模仅有几十人或一两百人的小数据库上进行的,因此虽然识别准确率接近100%,但距离实际应用场合的数据规模差距很大,当同样的算法应用到更大规模的数据集上时识别的准确率和效率均会明显下降,传统方法计算量大、模型泛化能力的问题暴露出来,需要对身份识别技术的时效性和模型泛化性进行改进。针对这些问题,本文从心拍分割、特征处理和分类识别方面进行了以下研究:1、提出了一种基于t-分布随机邻近嵌入（t-SNE）算法结合随机森林分类器（Random Forest,RF）的ECG身份识别方法。首先定位输入信号的R点,并进行心拍分割及归一化。然后利用t-SNE算法结合PCA特征向量进行特征提取,最后根据降维后的特征,使用随机森林算法构建并训练分类器。其中t-SNE算法能有效压缩心电信号数据处理的维度,本文降维后的特征维度仅为二维,这样能加显着提高分类器的训练速度,在降低冗余度的同时并且保留了心电信号数据的特征,增强了ECG身份识别的准确率,随机森林算法有着非常好的抗过拟合能力,能够增强识别模型的泛化性能。为了检验本方法的性能,本文在Physio Net/CinC 2017数据库上进行了实验,结果表明,本文提出的ECG身份识别方法有着优异的识别准确率和时效性能,并且在大数据集上相比传统方法的泛化性能更好,在样本量达到1000的时候,识别准确率依然有91%,而这时基于PCA+SVM、PCA+Adaboost等方案的传统方法准确率已经降低到85%以下。2、提出了一种基于TriMAP降维算法的ECG身份识别方案。通过对非线性降维算法的进一步研究,针对t-SNE算法在降维过程中迭代时间过长,时效性不强的缺点,本文提出了使用更好的非线性降维算法TriMAP进行降维的方法。TriMAP算法在时效性上有效克服了t-SNE算法耗时过长的缺陷,与别的非线性降维算法（如t-SNE、Large Vis和UMAP）相比拥有最低的时间耗费,并且在运算时占用的空间资源也最低。实验表明,在实验个体数量为1000的情景下,本方案的耗费相比t-SNE算法缩减了95%以上,同时依然保持了90%的准确率。综上所述,本文提出的ECG身份识别方法有着优异的识别准确率和时效性能,并且在大数据集上相比传统方法的泛化性能更好。是对基于ECG的身份识别技术的一次实用化探索。
王文哲[9]（2021）在《基于视频数据的人物识别方法的研究与实现》文中进行了进一步梳理当今时代,视频数据已经主导了互联网的流量。与静态图像相比,视频数据能够提供更加丰富的时序和多模态信息。视频语义分析和内容理解在实际应用中有着迫切的需求,因此也逐渐成为计算机应用领域的一个研究热点。人物作为视频中重要的实体,也是社会发展的核心。作为多媒体内容理解领域的一个关键问题,视频中人物的识别问题对于进一步的人物关系挖掘、知识图谱构建、人物行为和情感分析等具有重要的作用,在公安监察、社会管理、信息检索、娱乐生态等领域都拥有巨大的社会和商业价值。已有的研究主要面向图像中的人物识别问题,然而这些方法对视频中丰富的时序和多模态信息难以处理。对此,本文进行了以下内容的研究和实现:1)提出了一种基于多线索和时序注意力机制的视频人物识别模型MCTA。对于多线索信息,分别从不同视觉线索区域中提取人物特征,并提出了一个多线索注意力模块对其进行聚合;对于时序信息,引入了一个时序注意力模块,来自适应地学习视频不同帧的质量分数。特别的,构建并标注了一个新颖的、有挑战性的视频人物识别数据集CRV。对比实验和消融研究证明了 MCTA模型的有效性和先进性。2)提出了一种基于多模态和帧特征聚合的视频人物识别模型FAMF。对于帧级别特征,提出了一种基于注意力的局部聚合描述子向量算法,同时对局部特征的残差分布,以及不同簇即视频中不同质量帧所对应的权重分布进行学习;对于多模态特征,引入了一个改进的多模态特征融合模块,对不同模态的特征进行联合优化。对比实验和消融研究证明了 FAMF模型的有效性和先进性。3)开发并构建了一个视频人物检测与识别系统,实现数据管理、视频处理、视频人物检测与识别、检测识别结果可视化等功能,同时集成多个算法组件,进行多维度视频内容理解与分析,并提供友好的交互操作界面,促进视频内容理解算法的应用与发展。
徐锴滨[10]（2021）在《大数据环境下并行密度聚类算法的研究》文中认为随着大数据时代的到来,各行各业都面临着处理海量数据的压力,如何快速且有效的从海量数据中挖掘出有用的价值和信息成为当下的研究热点。作为一种无监督的数据挖掘算法,密度聚类算法的提出使人们能依靠事物自身的相关特征来挖掘出事物之间潜在的分布联系,然而在大数据环境下,传统的密度聚类模型和方法也受到了极大的挑战。随着MapReduce等分布式框架的提出和广泛应用,基于分布式计算架构的并行密度算法逐渐成为研究的主要方向,尤其是目前在时效性和准确性方面上的并行密度聚类算法研究不仅对大数据的快速处理和实时挖掘具有重要意义,而且为各行各业的人们做出精准判断和决策支持提供重要保障。目前,大数据下的并行密度聚类算法虽然取得了一定的成效,但由于在并行过程中对数据的分区与局部簇的合并缺乏合理性且计算效率较低,再加上目前密度聚类算法自身的局限性,因此现有的大数据下的密度聚类在并行效率和聚类结果准确率上普遍不高。针对这些问题,本文在提升并行密度聚类挖掘算法的性能上主要从三个方面入手,一是根据数据点的空间分布状况,设计自适应的数据划分策略来提升数据分区的合理性。二是利用快速索引存储结构设计并优化算法在不同阶段的MapReduce并行策略。三是利用加权网格来加强数据分区的关联性,以及利用群智能优化算法的优势来解决聚类算法的参数选取敏感问题,以此来提升算法的聚类效果。针对大数据下基于密度的聚类算法中存在的数据划分不合理,聚类结果准确度不高以及并行化效率较低等问题,提出了一种基于MapReduce和加权网格信息熵的并行密度聚类算法DBWGIE-MR。该算法首先提出自适应网格划分策略ADG来划分网格单元;其次根据数据点以及数据分区之间的关联性,提出邻居网格扩展策略NE用于构建每个数据分区的加权网格,以此提高聚类效果;同时提出加权网格信息熵策略WGIE来计算网格密度以及密度聚类算法的?邻域和核心对象,使密度聚类算法更适用于加权网格;接着结合MapReduce计算模型,提出并行计算局部簇算法COMCORE-MR,从而加快获取局部簇;最后提出了基于并查集的并行合并局部簇算法MECORE-MR,用于加快合并局部簇的收敛速度,提升了基于密度的聚类算法对局部簇合并的效率。实验表明,DBWGIE-MR算法的聚类效果更佳,且在较大规模的数据集下算法的并行化性能更好。针对大数据下并行密度聚类算法中存在的数据划分不合理、参数寻优能力不佳、并行性能较低等问题,提出一种基于KD树和IFOA的并行密度聚类算法MR-DBIFOA。首先,该算法提出基于KD树的网格划分策略KDG来自动划分数据网格;其次在局部聚类中,设计基于自适应搜索策略KLSS和聚类判定函数CCF的果蝇群优化算法IFOA;然后根据IFOA算法进行局部聚类中最优参数的动态寻优,从而使局部聚类的聚类效果得到提升;同时结合MapReduce模型提出局部聚类算法DBIFOA;最后提出了基于QR-Tree的并行合并局部簇算法MR-QRMEC,实现局部簇的并行合并,使算法整体的并行性能得到加强。实验表明,MR-DBIFOA算法在大数据下的并行效率更高,且聚类效果更好。
二、MAP方法及数据处理简介（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、MAP方法及数据处理简介（论文提纲范文）
（1）光纤无线混合接入网中的节能机制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及其意义 |
| 1.1.1 光纤无线混合接入网概述 |
| 1.1.2 FiWi中的节能问题 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.4 本文主要工作及组织安排 |
| 1.4.1 主要研究工作 |
| 1.4.2 论文组织安排 |
| 1.5 本章小结 |
| 第二章 边缘云增强的城域光纤无线混合接入网 |
| 2.1 引言 |
| 2.2 关键技术及发展前景 |
| 2.2.1 城域光接入网、无线网状网络及边缘计算简介 |
| 2.2.2 Edge Cloud Enhanced Metro-FiWi发展前景 |
| 2.3 边缘云增强的城域光纤无线混合接入网的网络架构设计 |
| 2.4 Edge Cloud Enhanced Metro-FiWi中的节能问题描述 |
| 2.5 本章小结 |
| 第三章 面向ONU非均匀分布的节能策略 |
| 3.1 引言 |
| 3.2 关键技术介绍 |
| 3.2.1 贪心算法 |
| 3.2.2 K-means聚类算法 |
| 3.3 负载自适应和基于K-means聚类的节能策略 |
| 3.3.1 节能问题定义与分析 |
| 3.3.2 节能策略描述 |
| 3.4 仿真结果分析与性能比较 |
| 3.4.1 仿真测试条件设置 |
| 3.4.2 结果分析与性能比较 |
| 3.5 本章小结 |
| 第四章 基于匹配博弈的动态节能机制 |
| 4.1 引言 |
| 4.2 问题定义与分析 |
| 4.2.1 问题表述 |
| 4.2.2 动态节能策略分析与设计 |
| 4.3 基于匹配博弈的动态节能、资源分配与路由选取策略 |
| 4.3.1 匹配博弈简介 |
| 4.3.2 匹配博弈模型建立 |
| 4.3.3 双边匹配博弈路由资源分配与负载自适应节能策略 |
| 4.4 仿真结果分析与性能比较 |
| 4.4.1 仿真测试条件设置 |
| 4.4.2 结果分析与性能比较 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（2）基于Hadoop架构的海洋牧场大数据平台设计研究（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 海洋牧场背景 |
| 1.1.2 大数据技术背景 |
| 1.1.3 课题研究意义 |
| 1.2 国内外发展现状 |
| 1.2.1 国内外海洋牧场发展现状 |
| 1.2.2 国内外大数据发展现状 |
| 1.3 本文的主要工作 |
| 第2章 海洋牧场大数据平台关键技术原理综述 |
| 2.1 Hadoop生态技术介绍 |
| 2.1.1 Hadoop分布式基础架构 |
| 2.1.2 HDFS分布式文件系统 |
| 2.1.3 MapReduce分布式运算编程框架 |
| 2.1.4 HBase分布式数据库 |
| 2.2 人工神经网络 |
| 2.2.1 人工神经网络简介 |
| 2.2.2 BP神经网络 |
| 2.3 果蝇优化算法 |
| 2.3.1 果蝇优化算法 |
| 2.3.2 IFOA果蝇优化算法 |
| 2.4 本章小结 |
| 第3章 海洋牧场大数据平台框架设计 |
| 3.1 平台总体架构及标准体系设计 |
| 3.1.1 海洋牧场大数据平台架构设计 |
| 3.1.2 海洋牧场大数据标准体系设计 |
| 3.2 海洋牧场数据来源分析 |
| 3.2.1 海洋牧场观测网 |
| 3.2.2 渔业数据库 |
| 3.2.3 互联网数据 |
| 3.2.4 物联网数据 |
| 3.3 平台整体框架设计 |
| 3.4 本章小结 |
| 第4章 海洋牧场大数据分析模型设计 |
| 4.1 基于BP神经网络的水体溶解氧的预测分析模型 |
| 4.2 IFOA-BP模型在海洋牧场溶解氧的预测应用 |
| 4.2.1 数据与方法 |
| 4.2.2 神经网络性能指标 |
| 4.2.3 IFOA-BP模型参数 |
| 4.2.4 模型评价 |
| 4.3 基于MapReduce的 BP神经网络并行化分析模型 |
| 4.4.1 MapReduce编程模型基本思想 |
| 4.4.2 BP神经网络并行化思想 |
| 4.4.3 BP神经网络的并行化流程 |
| 4.4 BP神经网络并行化算法在海洋牧场水质分类的应用 |
| 4.4.1 数据来源及预处理 |
| 4.4.2 实验结果及分析 |
| 4.5 本章小结 |
| 第5章 海洋牧场大数据平台设计与实现 |
| 5.1 海洋牧场大数据平台设计 |
| 5.1.1 平台目标 |
| 5.1.2 平台业务功能设计 |
| 5.1.3 平台技术方案设计 |
| 5.1.4 平台数据库设计 |
| 5.1.5 平台数据处理流程设计 |
| 5.2 海洋牧场大数据平台集群实现 |
| 5.2.1 平台基础环境 |
| 5.2.2 平台Hadoop集群搭建 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要科研成果 |
| 一、发表的学术论文 |
| 二、其他科研成果 |
（3）贝叶斯网络结构学习算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状及发展动态 |
| 1.2.1 BN结构学习算法研究现状 |
| 1.2.2 基于进化算法的BN结构学习算法研究现状 |
| 1.3 本文研究内容及组织结构 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文组织结构 |
| 第二章 相关知识简介 |
| 2.1 BN相关知识概述 |
| 2.1.1 概率论基本知识 |
| 2.1.2 图论基本知识 |
| 2.1.3 BN定义 |
| 2.1.4 相关假设与定理 |
| 2.2 BN结构学习算法概述 |
| 2.2.1 基于评分搜索的方法 |
| 2.2.2 基于约束的方法 |
| 2.2.3 混合方法 |
| 2.3 GA概述 |
| 2.3.1 GA原理与生物遗传学基础 |
| 2.3.2 GA基本流程 |
| 2.3.3 遗传算法基本要素 |
| 2.3.4 分布式GA |
| 2.4 分布式计算框架概述 |
| 2.4.1 Hadoop平台简介 |
| 2.4.2 Spark计算框架简介 |
| 2.5 本章小结 |
| 第三章 基于高效的知识驱动GA的BN结构学习算法 |
| 3.1 引言 |
| 3.2 基于GA的BN结构学习算法 |
| 3.3 EKGA-BN算法 |
| 3.3.1 算法工作流程 |
| 3.3.2 基于多样性引导的爬山选择算子 |
| 3.3.3 知识驱动的变异过程 |
| 3.4 实验与结果分析 |
| 3.4.1 实验数据集 |
| 3.4.2 实验环境及参数设置 |
| 3.4.3 算子有效性分析 |
| 3.4.4 与其他BN结构学习算法的实验对比 |
| 3.5 本章小结 |
| 第四章 基于Spark和 GA的分布式BN结构学习算法 |
| 4.1 引言 |
| 4.2 分布式BN结构学习算法简介 |
| 4.3 基于Spark和 GA的 BN结构学习算法设计 |
| 4.3.1 主要工作流程 |
| 4.3.2 基于Spark的 SS构造方法 |
| 4.3.3 基于Spark的 GA方法 |
| 4.3.4 基于Spark的评分计算方法 |
| 4.4 实验与结果分析 |
| 4.4.1 实验平台 |
| 4.4.2 实验环境及参数设置 |
| 4.4.3 实验数据集 |
| 4.4.4 并行评分计算的有效性 |
| 4.4.5 并行化构建SS的有效性 |
| 4.4.6 并行GA的有效性 |
| 4.4.7 对比实验分析 |
| 4.4.8 加速比分析 |
| 4.4.9 扩展比分析 |
| 4.5 总结与展望 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文 |
（4）MAP3K1对长江三角洲白山羊毛囊干细胞发育的调控（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 文献综述 |
| 1.1 长江三角洲白山羊概述 |
| 1.1.1 长江三角洲白山羊简介 |
| 1.1.2 优质笔料毛生产意义 |
| 1.2 毛囊及毛囊干细胞的研究进展 |
| 1.2.1 毛囊的结构 |
| 1.2.2 毛囊的功能及发育周期性 |
| 1.2.3 毛囊干细胞简介 |
| 1.2.4 毛囊干细胞的特性 |
| 1.2.5 毛囊干细胞相关标记物 |
| 1.3 毛囊发育分子调控研究 |
| 1.3.1 分子调控对毛囊发育的影响 |
| 1.3.2 毛囊发育过程中相关信号通路 |
| 1.4 MAP3K1基因简介 |
| 1.4.1 MAP3K1基因家族简介 |
| 1.4.2 MAP3K1基因概述 |
| 1.4.3 MAP3K1基因与细胞增殖、凋亡的相关研究 |
| 1.4.4 MAP3K1基因与毛囊发育过程的相关研究 |
| 1.5 转录组学分析 |
| 1.5.1 转录组学研究方向 |
| 1.5.2 转录组测序技术在毛用动物上的应用 |
| 1.6 研究目的及意义 |
| 第2章 MAP3K1基因在不同组织中的表达谱研究 |
| 2.1 引言 |
| 2.2 材料与方法 |
| 2.2.1 试验材料 |
| 2.2.2 主要试验仪器 |
| 2.2.3 主要试验试剂 |
| 2.2.4 不同组织总RNA提取 |
| 2.2.5 组织样品的cDNA合成 |
| 2.2.6 MAP3K1引物设计 |
| 2.2.7 实时荧光定量PCR |
| 2.3 结果与分析 |
| 2.3.1 MAP3K1在优质与非优质笔料毛山羊不同组织中的表达 |
| 2.3.2 MAP3K1在优质与非优质笔料毛山羊皮肤组织中的表达 |
| 2.4 讨论 |
| 2.5 小结 |
| 第3章 干扰MAP3K1基因表达对山羊毛囊干细胞增殖与凋亡的影响 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 试验材料 |
| 3.2.2 主要试验仪器 |
| 3.2.3 主要试验试剂 |
| 3.2.4 干扰腺病毒载体构建 |
| 3.2.5 引物设计合成 |
| 3.2.6 MAP3K1基因干扰效率检测 |
| 3.2.7 RT-qPCR检测相关基因表达水平 |
| 3.2.8 Western blot试验 |
| 3.2.9 CCK-8检测细胞增殖能力 |
| 3.2.10 EdU细胞增殖检测 |
| 3.2.11 流式细胞仪法检测细胞周期 |
| 3.2.12 流式细胞仪法检测细胞凋亡 |
| 3.2.13 统计学分析 |
| 3.3 结果与分析 |
| 3.3.1 MAP3K1干扰效率检测 |
| 3.3.2 干扰AP3K1基因抑制毛囊干细胞增殖 |
| 3.3.3 干扰MAP3K1基因促进毛囊干细胞凋亡 |
| 3.4 讨论 |
| 3.5 小结 |
| 第4章 过表达MAP3K1基因对山羊毛囊干细胞增殖与凋亡的影响 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 试验材料 |
| 4.2.2 试验所用仪器及试剂 |
| 4.2.3 过表达腺病毒载体构建 |
| 4.2.4 引物设计合成 |
| 4.2.5 MAP3K1基因过表达效率检测 |
| 4.2.6 RT-qPCR检测相关基因表达水平 |
| 4.2.7 Western blot试验 |
| 4.2.8 CCK-8检测细胞增殖能力 |
| 4.2.9 EdU细胞增殖检测 |
| 4.2.10 流式细胞仪检测细胞周期 |
| 4.2.11 流式细胞仪检测细胞凋亡 |
| 4.2.12 统计学分析 |
| 4.3 结果与分析 |
| 4.3.1 MAP3K1过表达效率检测 |
| 4.3.2 过表达MAP3K1基因促进毛囊干细胞增殖 |
| 4.3.3 过表达MAP3K1基因抑制毛囊干细胞凋亡 |
| 4.4 讨论 |
| 4.5 小结 |
| 第5章 干扰与过表达MAP3K1后细胞转录组学分析 |
| 5.1 引言 |
| 5.2 材料与方法 |
| 5.2.1 试验材料、仪器及试剂 |
| 5.2.2 细胞培养及总RNA提取 |
| 5.2.3 RNA建库 |
| 5.2.4 mRNA分析流程 |
| 5.2.5 测序数据质控 |
| 5.2.6 测序数据比对分析 |
| 5.2.7 样本生物学重复相关性检测 |
| 5.2.8 差异表达基因筛选 |
| 5.2.9 差异表达基因功能通路分析 |
| 5.2.10 RT-qPCR验证转录组数据的可靠性 |
| 5.3 结果与分析 |
| 5.3.1 测序数据的质量评估 |
| 5.3.2 测序数据比对分析 |
| 5.3.3 样本生物学重复相关性检测 |
| 5.3.4 差异表达基因的筛选 |
| 5.3.5 差异表达基因功能通路分析 |
| 5.3.6 RT-qPCR验证测序数据 |
| 5.4 讨论 |
| 5.5 小结 |
| 全文结论 |
| 参考文献 |
| 附录 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（5）马铃薯中与胁迫相关StMAPKs基因的分离及功能研究（论文提纲范文）
| 摘要 |
| Summary |
| 缩略语表 Abbreviations |
| 第一章 文献综述 |
| 1.1 植物MAPK级联途径 |
| 1.1.1 植物MAPK级联途径组成 |
| 1.1.2 植物中的MAPKKK |
| 1.1.3 植物中的MAPKK |
| 1.1.4 植物中的MAPK |
| 1.2 植物MAPK级联途径参与植物激素信号转导 |
| 1.2.1 乙烯信号转导 |
| 1.2.2 脱落酸信号转导 |
| 1.2.3 茉莉酸信号转导 |
| 1.2.4 水杨酸信号转导 |
| 1.2.5 生长素信号转导 |
| 1.2.6 油菜素甾醇信号转导 |
| 1.2.7 赤霉素信号转导 |
| 1.3 MAPK级联参与调控植物非生物胁迫 |
| 1.3.1 盐胁迫 |
| 1.3.2 干旱胁迫 |
| 1.3.3 温度胁迫 |
| 1.3.4 氧化应激响应 |
| 1.3.5 臭氧胁迫 |
| 1.3.6 创伤响应 |
| 1.3.7 重金属胁迫 |
| 1.4 植物中磷酸化蛋白组学研究的应用 |
| 1.5 研究内容及目的意义 |
| 1.5.1 研究内容 |
| 1.5.2 研究目的意义 |
| 第二章 马铃薯StMAPKs的差异表达分析 |
| 2.1 材料与方法 |
| 2.1.1 生化试剂 |
| 2.1.2 培养基 |
| 2.1.3 引物 |
| 2.1.4 植物材料及处理 |
| 2.1.4.1 非生物胁迫和植物激素处理 |
| 2.1.4.2 马铃薯植株不同组织器官的取样 |
| 2.1.5 试验方法 |
| 2.1.5.1 植物总RNA的提取 |
| 2.1.5.2 反转录cDNA第一链的合成 |
| 2.1.5.3 实时荧光定量qRT-RCR分析StMAPKs表达谱 |
| 2.2 结果与分析 |
| 2.2.1 非生物胁迫及植物激素处理下的StMAPKs差异表达分析 |
| 2.2.1.1 脱落酸处理 |
| 2.2.1.2 干旱处理 |
| 2.2.1.3 乙烯处理 |
| 2.2.1.4 赤霉素处理 |
| 2.2.1.5 H_2O_2处理 |
| 2.2.1.6 高温处理 |
| 2.2.1.7 生长素处理 |
| 2.2.1.8 茉莉酸处理 |
| 2.2.1.9 低温处理 |
| 2.2.1.10 NaCl处理 |
| 2.2.1.11 PEG处理 |
| 2.2.1.12 水杨酸处理 |
| 2.2.2 不同组织器官中的StMAPKs差异表达分析 |
| 2.3 讨论 |
| 第三章 马铃薯StMAPK3 抗盐和渗透胁迫相关的功能研究 |
| 3.1 材料与方法 |
| 3.1.1 生化试剂 |
| 3.1.2 培养基 |
| 3.1.3 引物 |
| 3.1.4 植物材料及处理 |
| 3.1.5 试验方法 |
| 3.1.5.1 植物总RNA的提取 |
| 3.1.5.2 反转录cDNA第一链的合成 |
| 3.1.5.3 目的基因PCR扩增 |
| 3.1.5.4 PCR反应产物琼脂糖凝胶电泳 |
| 3.1.5.5 回收目的片段 |
| 3.1.5.6 植物表达载体构建 |
| 3.1.5.7 马铃薯StMAPK3 的亚细胞定位 |
| 3.1.5.8 酵母双杂试验 |
| 3.1.5.9 双分子荧光互补试验 |
| 3.1.5.10 马铃薯遗传转化及鉴定 |
| 3.1.5.11 盐和渗透胁迫条件下生理指标分析 |
| 3.1.5.12 盐和渗透胁迫条件下生长指标和气孔的分析 |
| 3.1.5.13 盐和渗透胁迫条件下光合指标的分析 |
| 3.2 结果与分析 |
| 3.2.1 马铃薯中与渗透和盐胁迫相关的StMAPK3 基因的分离 |
| 3.2.2 载体的构建 |
| 3.2.2.1 过表达载体pCPB-StMAPK3 的构建 |
| 3.2.2.2 RNA干扰表达载体pCPB121-miRmapk3 的构建 |
| 3.2.2.3 亚细胞定位载体pCAM35s-GFP-StMAPK3 的构建 |
| 3.2.2.4 酵母双杂表达载体的构建 |
| 3.2.2.5 双分子荧光互补(BiFC)表达载体的构建 |
| 3.2.3 StMAPK3 的亚细胞定位 |
| 3.2.4 酵母双杂交筛选与StMAPK3 互作蛋白 |
| 3.2.4.1 诱饵载体pGBKT7-StMAPK3 毒性与自激活检测 |
| 3.2.4.2 StMAPK3 诱饵蛋白筛选马铃薯cDNA文库及分析 |
| 3.2.4.3 酵母双杂交验证蛋白互作 |
| 3.2.5 双分子荧光互补试验(BiFC)验证结果 |
| 3.2.6 转基因马铃薯的植株的获得与检测 |
| 3.2.7 NaCl、甘露醇和PEG处理下的生理指标分析 |
| 3.2.8 NaCl、甘露醇和PEG处理下的光合指标分析 |
| 3.2.9 NaCl、甘露醇和PEG处理下的生长指标及气孔分析 |
| 3.3 讨论 |
| 第四章 马铃薯StMAPK11 抗旱胁迫相关的功能研究 |
| 4.1 材料与方法 |
| 4.1.1 生化试剂 |
| 4.1.2 培养基 |
| 4.1.3 引物 |
| 4.1.4 植物材料及处理 |
| 4.1.4.1 马铃薯材料及处理 |
| 4.1.4.2 烟草材料及处理 |
| 4.1.4.3 拟南芥材料及处理 |
| 4.1.5 试验方法 |
| 4.1.5.1 植物总RNA的提取 |
| 4.1.5.2 反转录cDNA第一链的合成 |
| 4.1.5.3 目的基因PCR扩增 |
| 4.1.5.4 PCR反应产物琼脂糖凝胶电泳 |
| 4.1.5.5 回收目的片段 |
| 4.1.5.6 植物表达载体构建 |
| 4.1.5.7 马铃薯StMAPK11 的亚细胞定位 |
| 4.1.5.8 原核表达马铃薯StMAPK11 蛋白 |
| 4.1.5.9 原核表达马铃薯StMAPK11 重组蛋白抗体制备 |
| 4.1.5.10 Western blot |
| 4.1.5.11 酵母双杂试验 |
| 4.1.5.12 双分子荧光互补试验 |
| 4.1.5.13 马铃薯遗传转化及鉴定 |
| 4.1.5.14 烟草遗传转化及鉴定 |
| 4.1.5.15 拟南芥遗传转化及鉴定 |
| 4.1.5.16 干旱胁迫条件下马铃薯植株生理指标分析 |
| 4.1.5.17 干旱胁迫条件下烟草的生理指标分析 |
| 4.1.5.18 干旱胁迫条件下拟南芥的生理指标分析 |
| 4.1.5.19 干旱胁迫条件下马铃薯植株的生物量和生长指标分析 |
| 4.1.5.20 干旱胁迫条件下光合指标的分析 |
| 4.2 结果与分析 |
| 4.2.1 马铃薯中与渗透和盐胁迫相关的StMAPK11 基因的分离 |
| 4.2.2 载体的构建 |
| 4.2.2.1 过表达载体pCPB-StMAPK11 的构建 |
| 4.2.2.2 RNA干扰表达载体pCPB121-miRmapk11 的构建 |
| 4.2.2.3 拟南芥和烟草表达载体pART-CAM-StMAPK11 的构建 |
| 4.2.2.4 亚细胞定位载体pCAM35s-GFP-StMAPK11 的构建 |
| 4.2.2.5 原核重组表达载体pET28b-StMAPK11 的构建 |
| 4.2.2.6 酵母双杂表达载体pGBKT7-StMAPK11 的构建 |
| 4.2.2.7 双分子荧光互补(BiFC)试验表达载体的构建 |
| 4.2.3 原核表达StMAPK11 及抗体制备 |
| 4.2.3.1 原核重组StMAPK11 蛋白表达 |
| 4.2.3.2 间接ELISA法检测兔抗StMAPK11 抗血清效价 |
| 4.2.3.3 兔抗StMAPK11 抗血清的Western blot鉴定 |
| 4.2.4 StMAPK11 的亚细胞定位 |
| 4.2.5 酵母双杂交筛选与StMAPK11 互作蛋白 |
| 4.2.5.1 诱饵载体pGBKT7-StMAPK11 毒性与自激活检测 |
| 4.2.5.2 StMAPK11 诱饵蛋白筛选马铃薯cDNA文库及分析 |
| 4.2.5.3 酵母双杂交验证蛋白互作 |
| 4.2.6 双分子荧光互补试验(BiFC)验证结果 |
| 4.2.7 转基因马铃薯植株的获得与检测 |
| 4.2.8 转基因烟草植株的获得与检测 |
| 4.2.9 转基因拟南芥植株获得与检测 |
| 4.2.10 干旱胁迫下的生理指标分析 |
| 4.2.10.1 干旱胁迫下马铃薯植株的生理指标分析 |
| 4.2.10.2 干旱胁迫下烟草植株的生理指标分析 |
| 4.2.10.3 干旱胁迫下拟南芥植株的生理指标分析 |
| 4.2.11 干旱胁迫下的光合指标分析 |
| 4.2.12 干旱胁迫下的生长指标及生物量分析 |
| 4.3 讨论 |
| 第五章 马铃薯StMAPK3 磷酸化修饰定量蛋白组学分析 |
| 5.1 材料与方法 |
| 5.1.1 植物材料 |
| 5.1.2 试验方法 |
| 5.1.2.1 总蛋白提取 |
| 5.1.2.2 蛋白质检 |
| 5.1.2.3 蛋白酶解 |
| 5.1.2.4 磷酸化修饰多肽富集 |
| 5.1.2.5 液质检测 |
| 5.1.2.6 蛋白质的鉴定和定量 |
| 5.1.2.7 蛋白质和差异表达蛋白质的功能分析 |
| 5.1.2.8 基序分析 |
| 5.2 结果与分析 |
| 5.2.1 磷酸化蛋白质组学数据质控与鉴定 |
| 5.2.2 磷酸化蛋白功能注释 |
| 5.2.3 磷酸化修饰位点分析 |
| 5.2.4 磷酸化蛋白差异分析 |
| 5.2.5 差异磷酸化蛋白生物信息学分析 |
| 5.3 讨论 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录1 |
| 附录2 |
| 附录3 |
| 附录4 |
| 附录5 |
| 附录6 |
| 致谢 |
| 作者简介 |
| 在读博士期间发表论文 |
| 导师简介 |
（6）基于随机场先验的沙漠地震低频噪声压制（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 地震数据消噪方法研究现状 |
| 1.2.2 随机场模型研究现状 |
| 1.3 研究内容及章节安排 |
| 1.4 本章小结 |
| 第2章 随机场先验模型与估计框架综述 |
| 2.1 CRF模型 |
| 2.2 CSF-MAP框架 |
| 2.2.1 CSF模型获取先验信息 |
| 2.2.2 MAP估计算法确立目标函数 |
| 2.2.3 收缩函数 |
| 2.2.4 训练 |
| 2.3 GCRF-MMSE框架 |
| 2.3.1 GCRF模型获取先验信息 |
| 2.3.2 MMSE估计算法确立目标函数 |
| 2.4 本章小结 |
| 第3章 基于随机场先验模型的沙漠低频随机噪声消减 |
| 3.1 基于CSF-MAP框架的基本去噪原理 |
| 3.1.1 算法基本原理 |
| 3.1.2 算法实现 |
| 3.2 基于改进的GCRF-MMSE框架的基本去噪原理 |
| 3.2.1 算法基本原理 |
| 3.2.2 算法实现 |
| 3.3 本章小结 |
| 第4章 合成沙漠地震记录与实际沙漠地震资料处理 |
| 4.1 合成沙漠地震记录处理 |
| 4.1.1 去噪结果 |
| 4.1.2 性能分析 |
| 4.2 实际沙漠地震资料处理 |
| 4.3 本章小结 |
| 第5章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（7）复合喷射模式下丙酮-丁醇-乙醇（ABE）/汽油双燃料发动机燃烧及排放特性研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.1.1 能源问题与环境问题 |
| 1.1.2 日趋严格的相关法规 |
| 1.1.3 应运而生的汽油机新技术 |
| 1.2 生物质燃料优势及研究现状 |
| 1.2.1 生物质燃料优势及试验研究方法 |
| 1.2.2 醇类-汽油混合燃料应用现状 |
| 1.2.3 “内部灵活燃料模式”研究意义及现状 |
| 1.3 ABE发动机研究现状 |
| 1.3.1 ABE发酵法 |
| 1.3.2 ABE喷雾及蒸发特性研究 |
| 1.3.3 ABE燃烧及排放特性研究 |
| 1.4 主要研究内容及意义 |
| 第2章 定容弹及发动机试验平台搭建与测试方法 |
| 2.1 定容弹试验平台 |
| 2.1.1 定容弹体及高速摄像机 |
| 2.1.2 定容弹试验d SPACE控制策略 |
| 2.1.3 喷雾图像处理程序 |
| 2.2 复合喷射发动机试验平台 |
| 2.2.1 复合喷射发动机及试验台架 |
| 2.2.2 发动机d SPACE控制策略开发 |
| 2.2.3 试验测试设备 |
| 2.3 试验用燃料制备及理化性质 |
| 2.4 本章小结 |
| 第3章 汽油及ABE的喷雾特性对比研究 |
| 3.1 喷雾特性参数定义 |
| 3.2 喷油压力对汽油及ABE喷雾特性的影响 |
| 3.2.1 喷油压力对汽油及ABE喷雾发展过程的影响 |
| 3.2.2 喷油压力对汽油及ABE喷雾贯穿距离的影响 |
| 3.2.3 喷油压力对汽油及ABE喷雾锥角的影响 |
| 3.3 环境压力对汽油及ABE喷雾特性的影响 |
| 3.3.1 环境压力对汽油及ABE喷雾发展过程的影响 |
| 3.3.2 环境压力对汽油及ABE喷雾贯穿距离的影响 |
| 3.3.3 环境压力对汽油及ABE喷雾锥角的影响 |
| 3.4 喷油脉宽对汽油及ABE喷雾特性的影响 |
| 3.4.1 喷油脉宽对汽油及ABE喷雾发展过程的影响 |
| 3.4.2 喷油脉宽对汽油及ABE喷雾贯穿距离的影响 |
| 3.4.3 喷油脉宽对汽油及ABE喷雾锥角的影响 |
| 3.5 本章小结 |
| 第4章 ABE/汽油双燃料复合喷射模式对发动机动力性及排放特性影响的研究 |
| 4.1 ABE/汽油双燃料复合喷射模式寻优试验优化设计 |
| 4.2 直喷策略对不同喷射模式下ABE/汽油双燃料发动机燃烧排放特性的影响 |
| 4.2.1 直喷压力对不同喷射模式下发动机动力性的影响 |
| 4.2.2 直喷压力对不同喷射模式下发动机排放特性的影响 |
| 4.2.3 直喷时刻对不同喷射模式下发动机动力性的影响 |
| 4.2.4 直喷时刻对不同喷射模式下发动机排放特性的影响 |
| 4.3 工况点对不同喷射模式下ABE/汽油双燃料发动机燃烧及排放特性的影响 |
| 4.3.1 转速及负荷对不同喷射模式下发动机动力性的影响 |
| 4.3.2 转速及负荷对不同喷射模式下发动机排放特性的影响 |
| 4.3.3 λ和点火提前角对不同喷射模式下发动机动力性的影响 |
| 4.3.4 λ和点火提前角对不同喷射模式下发动机排放特性的影响 |
| 4.4 本章小结 |
| 第5章 直喷策略对汽油进气道喷射/ABE直喷发动机燃烧及排放特性影响研究 |
| 5.1 ABE直喷比定义及不同直喷比燃料总能量变化 |
| 5.2 ABE直喷压力及直喷比对发动机燃烧及排放特性的影响 |
| 5.2.1 ABE直喷压力及直喷比对发动机燃烧特性的影响 |
| 5.2.2 ABE直喷压力及直喷比对发动机气体排放特性影响 |
| 5.2.3 ABE直喷压力及直喷比对发动机微粒排放特性影响 |
| 5.3 ABE直喷时刻及直喷比对发动机燃烧及排放特性的影响 |
| 5.3.1 ABE直喷时刻及直喷比对发动机燃烧特性的影响 |
| 5.3.2 ABE直喷时刻及直喷比对发动机气体排放特性的影响 |
| 5.3.3 ABE直喷时刻及直喷比对发动机微粒排放特性的影响 |
| 5.4 本章小结 |
| 第6章 不同转速及负荷下汽油进气道喷射/ABE直喷发动机燃烧及排放特性研究 |
| 6.1 不同转速下汽油进气道喷射/ABE直喷发动机燃烧及排放特性 |
| 6.1.1 不同转速下汽油进气道喷射/ABE直喷发动机燃烧特性 |
| 6.1.2 不同转速下汽油进气道喷射/ABE直喷发动机气体排放特性 |
| 6.1.3 不同转速下汽油进气道喷射/ABE直喷发动机微粒排放特性 |
| 6.2 不同负荷下汽油进气道喷射/ABE直喷发动机燃烧及排放特性 |
| 6.2.1 不同负荷下汽油进气道喷射/ABE直喷发动机燃烧特性 |
| 6.2.2 不同负荷下汽油进气道喷射/ABE直喷发动机气体排放特性 |
| 6.2.3 不同负荷下汽油进气道喷射/ABE直喷发动机微粒排放特性 |
| 6.3 本章小结 |
| 第7章 汽油/ABE,汽油/IBE,汽油/丁醇燃烧及排放特性对比研究 |
| 7.1 汽油/ABE,汽油/IBE,汽油/丁醇燃烧特性及动力性对比 |
| 7.1.1 汽油/ABE,汽油/IBE,汽油/丁醇缸内燃烧特性对比 |
| 7.1.2 汽油/ABE,汽油/IBE,汽油/丁醇动力性对比 |
| 7.2 汽油/ABE,汽油/IBE,汽油/丁醇气体排放对比研究 |
| 7.2.1 汽油/ABE,汽油/IBE,汽油/丁醇NO_x排放对比 |
| 7.2.2 汽油/ABE,汽油/IBE,汽油/丁醇HC排放对比 |
| 7.2.3 汽油/ABE,汽油/IBE,汽油/丁醇CO排放对比 |
| 7.3 汽油/ABE,汽油/IBE,汽油/丁醇微粒排放对比研究 |
| 7.3.1 汽油/ABE,汽油/IBE,汽油/丁醇微粒数量浓度对比 |
| 7.3.2 汽油/ABE,汽油/IBE,汽油/丁醇微粒粒径分布对比 |
| 7.4 本章小结 |
| 第8章 总结及展望 |
| 8.1 全文总结 |
| 8.2 本文主要创新点 |
| 8.3 工作展望 |
| 参考文献 |
| 作者简介及研究成果 |
| 作者简介 |
| 攻读博士学位期间所发表的科研成果 |
| 致谢 |
（8）基于非线性特征提取算法的ECG身份识别研究（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 |
| 1.3 传统ECG身份识别的难点及局限性 |
| 1.4 论文研究内容 |
| 1.5 论文结构安排 |
| 第2章 心电信号及ECG身份识别常用算法介绍 |
| 2.1 心电信号概述 |
| 2.2 心电信号的主要噪声 |
| 2.3 特征降维方法概述 |
| 2.3.1 PCA降维 |
| 2.3.2 LDA降维 |
| 2.3.3 t-SNE降维 |
| 2.4 常用分类算法概述 |
| 2.4.1 决策树 |
| 2.4.2 支持向量机 |
| 2.4.3 Boosting算法 |
| 2.4.4 KNN算法 |
| 2.4.5 随机森林算法 |
| 2.5 实验数据库介绍 |
| 2.6 本章小结 |
| 第3章 基于t-SNE算法+随机森林的ECG身份识别 |
| 3.1 预处理算法 |
| 3.1.1 心电信号去噪 |
| 3.1.2 R点检测及心拍归一化 |
| 3.2 t-SNE特征提取 |
| 3.2.1 t-SNE算法原理 |
| 3.2.2 t-SNE算法实流程 |
| 3.3 分类算法 |
| 3.4 实验过程与结果分析 |
| 3.3.1 实验平台及参数设置 |
| 3.3.2 实验结果分析 |
| 3.5 本章小结 |
| 第4章 基于TriMAP算法+完全随机森林的ECG身份识别 |
| 4.1 TriMAP算法介绍 |
| 4.1.1 TriMAP算法原理 |
| 4.1.2 TriMAP算法的实现步骤 |
| 4.1.3 TriMAP算法的优势 |
| 4.2 完全随机森林算法 |
| 4.3 实验过程及分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（9）基于视频数据的人物识别方法的研究与实现（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像和视频中人物检测问题研究现状 |
| 1.2.2 图像和视频中人物识别问题研究现状 |
| 1.3 研究内容和主要贡献 |
| 1.4 论文结构 |
| 第二章 相关概念与技术 |
| 2.1 深度学习相关技术简介 |
| 2.1.1 计算机视觉与卷积神经网络 |
| 2.1.2 注意力机制 |
| 2.2 人物识别相关技术简介 |
| 2.2.1 人脸识别 |
| 2.2.2 行人重识别 |
| 2.2.3 说话人识别 |
| 2.3 视频内容理解相关技术简介 |
| 2.3.1 视频分类与行为识别 |
| 2.3.2 视频目标检测 |
| 2.4 本章小结 |
| 第三章 基于多线索和时序注意力的视频人物识别方法 |
| 3.1 引言 |
| 3.2 模型部分 |
| 3.2.1 模型框架综述 |
| 3.2.2 时序注意力模块 |
| 3.2.3 多线索注意力模块 |
| 3.3 视频人物“消歧”数据集 |
| 3.3.1 数据集概览 |
| 3.3.2 数据集构建 |
| 3.4 实验部分 |
| 3.4.1 模型训练 |
| 3.4.2 评价标准 |
| 3.4.3 对比实验与分析 |
| 3.4.4 消融研究与分析 |
| 3.5 本章小结 |
| 第四章 基于多模态和帧聚合算法的视频人物识别方法 |
| 4.1 引言 |
| 4.2 模型部分 |
| 4.2.1 模型框架综述 |
| 4.2.2 基于注意力的局部聚合描述子向量算法 |
| 4.2.3 多层多模态注意力模块 |
| 4.3 实验部分 |
| 4.3.1 数据集 |
| 4.3.2 模型训练 |
| 4.3.3 评价标准 |
| 4.3.4 对比实验与分析 |
| 4.3.5 消融研究与分析 |
| 4.4 本章小结 |
| 第五章 视频人物检测与识别系统 |
| 5.1 系统需求分析 |
| 5.1.1 功能性需求 |
| 5.1.2 非功能性需求 |
| 5.2 系统设计 |
| 5.2.1 系统架构设计 |
| 5.2.2 数据存储设计 |
| 5.2.3 功能模块设计 |
| 5.3 系统实现 |
| 5.3.1 搭建环境 |
| 5.3.2 系统技术视图 |
| 5.3.3 算法实现与集成 |
| 5.4 系统测试 |
| 5.4.1 功能测试 |
| 5.4.2 性能测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（10）大数据环境下并行密度聚类算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于划分优化的并行密度聚类算法研究现状 |
| 1.2.2 基于数据关联的并行密度聚类算法研究现状 |
| 1.2.3 基于参数优化的并行密度聚类算法研究现状 |
| 1.3 研究内容 |
| 1.4 论文的组织结构 |
| 第二章 算法及相关概念介绍 |
| 2.1 Map Reduce架构原理简介 |
| 2.2 DBSCAN密度聚类算法 |
| 2.3 果蝇群优化算法 |
| 2.4 数据分区与合并 |
| 2.4.1 数据分区相关技术介绍 |
| 2.4.2 数据合并相关技术介绍 |
| 2.4.3 数据相关拓扑结构及特性介绍 |
| 2.5 本章小结 |
| 第三章 基于加权网格和信息熵的并行密度聚类算法 |
| 3.1 数据划分 |
| 3.2 局部簇形成 |
| 3.2.1 加权网格构建 |
| 3.2.2 加权网格构建网格密度的计算 |
| 3.2.3 局部聚类 |
| 3.3 局部簇合并 |
| 3.3.1 局部簇的合并 |
| 3.3.2 局部簇的并行化合并 |
| 3.4 算法步骤 |
| 3.5 实验结果与分析 |
| 3.5.1 实验环境 |
| 3.5.2 数据来源 |
| 3.5.3 评价指标 |
| 3.5.4 参数选取 |
| 3.5.5 NE策略和WGIE策略的有效性分析 |
| 3.5.6 聚类结果的比较分析 |
| 3.5.7 算法性能的比较分析 |
| 3.6 本章小结 |
| 第四章 基于KD树和IFOA的并行密度聚类算法 |
| 4.1 数据划分 |
| 4.2 局部簇形成 |
| 4.2.1 IFOA算法 |
| 4.2.2 IFOA算法的参数寻优 |
| 4.2.3 局部聚类 |
| 4.3 局部簇合并 |
| 4.3.1 局部簇的合并 |
| 4.3.2 局部簇并行化合并 |
| 4.4 算法步骤 |
| 4.5 实验结果与分析 |
| 4.5.1 实验环境 |
| 4.5.2 数据来源 |
| 4.5.3 评价指标 |
| 4.5.4 IFOA算法有效性分析 |
| 4.5.5 聚类结果的比较分析 |
| 4.5.6 算法性能的比较分析 |
| 4.6 本章小结 |
| 第五章 工作总结与展望 |
| 5.1 全文工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
四、MAP方法及数据处理简介（论文参考文献）
- [1]光纤无线混合接入网中的节能机制研究[D]. 储雅琴. 北京邮电大学, 2021(01)
- [2]基于Hadoop架构的海洋牧场大数据平台设计研究[D]. 耿和清. 齐鲁工业大学, 2021(10)
- [3]贝叶斯网络结构学习算法研究[D]. 张炜健. 江南大学, 2021(01)
- [4]MAP3K1对长江三角洲白山羊毛囊干细胞发育的调控[D]. 马金亮. 扬州大学, 2021
- [5]马铃薯中与胁迫相关StMAPKs基因的分离及功能研究[D]. 朱熙. 甘肃农业大学, 2021(01)
- [6]基于随机场先验的沙漠地震低频噪声压制[D]. 赵苡. 吉林大学, 2021(01)
- [7]复合喷射模式下丙酮-丁醇-乙醇（ABE）/汽油双燃料发动机燃烧及排放特性研究[D]. 郭泽洲. 吉林大学, 2021(01)
- [8]基于非线性特征提取算法的ECG身份识别研究[D]. 冯文轩. 吉林大学, 2021(01)
- [9]基于视频数据的人物识别方法的研究与实现[D]. 王文哲. 北京邮电大学, 2021(01)
- [10]大数据环境下并行密度聚类算法的研究[D]. 徐锴滨. 江西理工大学, 2021(01)