一、元模型可度量性及度量方法研究（论文文献综述）
宋杰[1]（2020）在《基于深度模型的零样本迁移学习》文中提出深度学习在过去十年中取得了前所未有的发展,在计算机视觉等多个领域取得了巨大的成功。然而当前深度学习方法依赖于大量的标注数据,限制了其在很多数据有限的实际场景中的应用。迁移学习是解决数据有限问题的一种比较流行的学习范式。在迁移学习中,深度模型将在数据丰富的源任务中学习到的知识,迁移到数据有限的目标任务中,从而降低了自身在目标任务上对大量标注数据的依赖。本文聚焦于迁移学习中一类非常重要且常见的问题:零样本迁移学习问题。与传统迁移学习不同,零样本迁移学习的目标是,在标注信息或者数据量为零的条件下,实现将源任务中所学的知识有效迁移到目标任务中。本文依次研究了三种类型的零样本迁移学习问题:目标任务上有数据但零标注的直推式零样本迁移学习、目标任务上零数据零标注的归纳式零样本迁移学习、以及源任务上零数据零标注的模型迁移性度量。具体工作如下:1.在直推式零样本迁移学习方面,现有方法训练后的模型往往存在映射偏移问题,即容易将目标类别数据误分类为源类别。本文提出了一种基于无偏嵌入空间的直推式零样本迁移学习方法,以解决此映射偏移问题。为了充分利用未标注的目标数据,本文同时还提出了一种准全监督学习机制,使得模型在解决映射偏移的基础上,能够提升在源类别以及目标类别数据上的识别效果。2.在归纳式零样本迁移学习方面,现有方法中人工属性具有一定的不完备性,阻碍了知识从源类别到目标类别的迁移,导致了零样本分类器准确度不高,应用到实际问题中风险较大。本文提出了一种基于属性自动增强的归纳式零样本迁移学习方法,通过字典学习自动挖掘人工属性之外的剩余属性,以构建更加完备的属性空间。此外,本文还提出通过选择性分类的方式解决零样本分类问题,以降低零样本分类器在实际应用中的预测风险。3.在零样本条件下模型迁移性度量方面,现有迁移学习方法在多个预训练的深度模型可用时,无法选择最优的预训练模型,也无法选择最优的特征提取层。本文提出了一种可解释、可比较的知识表示形式,称为深度归因图谱,以研究深度模型从异构任务中学到的知识的可迁移性。即使没有训练数据,该方法也可以度量不同模型或者同一模型不同层提取的特征的可迁移性。本文按照源任务与目标任务数据总量从多到少、任务由易到难的顺序依次对上述零样本迁移学习问题展开了研究,取得了出色的研究成果,很好地补充与完善了当前零样本迁移学习方向的研究。
张云涛[2]（2020）在《产业互联网背景下制造业企业创新绩效评价研究》文中认为随着“工业4.0”、“工业互联网”等概念的提出,复兴工业尤其是制造业正逐渐成为一项全球性的艰巨任务。在“中国制造2025”行动纲领的顶层设计下,中国制造业也亟需改变以往以价格战打天下的低端战略,利用智能信息技术系统、物联网及服务系统等新型高技术积极加入产业互联网的改革大潮中,实现转型升级和创新发展。本文针对产业互联网背景下的制造业企业构建了创新绩效指标体系,并结合可拓学中的物元理论和关联函数概念,构建了制造业企业创新绩效可拓优度评价体系。最后利用我国大型家电制造企业A集团进行了实证研究,证明上述创新绩效指标体系和评价模型的可行性,结合评价结果为A集团提升创新绩效提出了相应对策。平衡记分卡是目前研究较为深入、运用较广的绩效管理框架,其兼顾财务与其他内外因素指标,组成指标间具有一定因果关系的系统性绩效评价体系,这对于评价企业创新绩效具有整体性和系统性。在梳理投入产出理论和利益相关者理论的基础上,根据产业互联网对制造业企业创新绩效评价的内在逻辑要求与原则,在改进的平衡记分卡系统基础上构建制造业企业创新绩效指标体系,其中包括财务、顾客、内部业务流程、学习与成长和外部柔性5个一级指标,以及22个二级指标。其中,16个指标为定量指标,其余6个指标需要通过问卷等形式进行定性考量,对每个二级指标的测度方法也进行了详细描述。除了创新绩效指标,还需要一定的评价方法才能对企业整体创新绩效进行评价。因此,借鉴我国蔡文教授团队首创的可拓学理论,利用可拓物元理论及关联函数等概念构建制造业企业创新绩效可拓优度评价模型,并详细描述了模型的构建过程。其中,采用权值因子判断法对各一级指标和二级指标进行赋权;采取专家咨询法、标杆企业管理法、访谈法,并参考《2018企业绩效标准值》确定各二级指标取值的经典域与节域。最后,以我国大型家电制造业企业A集团进行案例研究,验证以上创新绩效指标体系与可拓优度评价模型的可行性,并为其定位了短板指标,提出了加大创新投入、强化创新激励、成立职能部门等创新绩效提升策略。本文构建的产业互联网背景下制造业企业创新绩效评价体系具有整体性、前沿性和系统性。指标涵盖企业财务、顾客、内部业务流程、学习与成长及外部柔性,指标的选取充分响应产业互联网对制造业企业创新发展的要求,同时将可拓优度评价模型与指标体系相结合可实现由指标到企业整体的系统性评。案例研究表明所构建的创新绩效评价体系和可拓优度评价模型具有一定的可操作性,能够有效帮助制造业企业挖掘创新发展中的短板,以此作为创新活动的依据,有利于企业实现创新战略从计划、操作、评价到提升的战略管理闭环。
林圣琳[3]（2020）在《面向复杂仿真的评估与优化方法研究》文中进行了进一步梳理仿真评估包含对仿真系统/模型本身的评估和基于仿真的评估两个方面。随着仿真对象的复杂化和仿真应用需求的提高,仿真系统呈现出大规模、非线性、不确定性、连续离散混合、输出变量复杂、仿真数据量大等特点,现有仿真评估、优化方法与工具面临巨大挑战。论文针对复杂仿真模型可信度评估、体系效能仿真评估与优化开展深入研究。从仿真系统内部和外部两方面分析复杂仿真的若干复杂特性,给出复杂仿真评估与优化问题的数学描述。针对大规模系统观测数据缺乏时,多子模型构成的复杂仿真模型可信度评估问题,构建基于输出变量间关系的可信度外推结构模型,采用贝叶斯网络由子模型验证数据估计系统级输出的后验分布,并基于最大后验概率密度置信域准则分别对子模型和系统级模型进行结果验证。另外,该验证准则在观测数据充分的前提下,能够有效提高验证结果的准确度。针对非平稳、多元、异类且具有相关性和不确定性的复杂仿真输出,分别提出基于Hilbert-Huang变换的模型排序评估方法和基于变量相关性分析与概率分布差异结合的结果验证方法。针对非平稳时间序列输出,采用经验模态分解将输出数据分解为趋势项和平稳项,提出基于Hilbert谱密度的平稳项一致性分析方法,利用灰色关联分析计算仿真模型排序结果。针对多元、异类、相关输出,采用互信息和分形维数法分别提取动、静态输出的相关变量子集,考虑不确定性因素的影响,基于联合概率分布差异法度量仿真模型可信度。针对体系效能仿真评估中各装备影响关系复杂的问题,以及高效的体系效能仿真优化需求,分别提出面向多装备协同的效能评估方法和基于序贯元模型与改进多目标优化算法的效能优化方法。基于关联规则挖掘对海量仿真数据进行关联分析得到指标间关联关系,构建网络化评估指标体系,并采用网络层次分析法实现效能综合评估。另外,改进传统的多目标优化算法解决连续离散混合优化问题,与元模型方法相结合提高昂贵仿真优化效率,并提出空间填充和聚类相结合的开发-探索序贯策略,进而提高元模型拟合精度。针对复杂仿真评估与优化、仿真大数据管理与分析需求,开发基于Hadoop的复杂仿真综合评估系统,支持分布式数据管理与并行分析、复杂仿真结果验证、复杂仿真模型可信度外推、体系效能仿真评估与优化等功能。采用Hadoop环境为仿真数据管理与算法运行提供支撑,具有算法可扩展、组件可重用、过程可视化等特点。通过某防空体系仿真可信度评估、效能仿真评估与优化的相关应用,验证了系统的有效性和实用性。最后,总结了论文的主要创新点,并对下一步的研究工作作出了展望。
王琼[4]（2020）在《考虑参数不确定性的汽车碰撞安全优化设计》文中认为汽车碰撞安全优化设计是一项非常复杂和高难度的系统工程。因制造工艺、人为认知和外部环境等的影响,汽车碰撞的实际工程问题中存在着如材料属性、结构几何尺寸和载荷等各种不确定性。在各种不确定因素的耦合作用下,基于传统确定性的汽车碰撞安全优化设计可能会产生较大分析偏差,已难以很好地满足汽车碰撞安全的设计需求。随着人们认识水平和安全意识的提高,汽车碰撞安全不确定性优化设计理论和方法应运而生。不确定性优化设计可充分考虑优化过程中的不确定因素对约束可行域或目标变化范围的影响,以获得能够满足优化要求的设计结果。虽然考虑不确定性的汽车碰撞安全优化设计研究在过去很长时间受到了科学界和工程界的广泛关注,但目前还未发展成熟,仍然需要改进和完善,特别对参数含复杂不确定性问题、优化设计求解及其效率等方面尚存在一系列技术难点亟待解决。为此,本文针对汽车碰撞安全设计中存在大容差多参数关联非精确概率的不确性优化难题,从不确定参数样本变化信息量、各种相关关系、不确定性描述等方面展开了研究。研究思路从设计变量或设计参数的有界不确定性、多源不确定性、混合不确定性和复杂非线性相关性几个角度出发,力求对考虑各种参数不确定性的分析模型与优化求解效率工作给出一些探索性方法,最终为汽车碰撞安全性能的提升和有效设计给予指导和借鉴。首先为了降低不确定性参数在有界范围内波动的敏感性,针对容差问题,采用区间模型描述参数的不确定性,建立了一种考虑公差设计的汽车碰撞安全稳健性优化模型,进一步考虑到不确定性参数的多源相关性问题,建立了一种可用于处理区间参数独立性和相关性的汽车碰撞安全稳健性优化设计模型,并且发展了高效的优化算法;其次考虑到非精确概率分布的非单一不确定性问题,将区间不确定性与概率不确定性相融合,建立了一种汽车碰撞安全混合可靠性优化模型并发展了高效设计方法。另外,还考虑了存在复杂参数相关性的不确定性问题,研究了汽车碰撞安全可靠性分析与高效设计方法。鉴于上述思路,本文开展和完成了如下研究内容:1)基于区间不确定性分析,发展了一种考虑参数有界不确定性的汽车碰撞安全优化设计方法。针对汽车碰撞优化中主要设计部件的尺寸、形状和位置容差的不确定性问题,采用表示对称公差形式的区间模型度量参数的不确定性。根据稳健性理论,将目标函数的半径作为稳健性评价指标。结合参数设计和公差设计,引入公差评价指标,建立一种同步优化设计变量名义值和公差的稳健性优化模型。利用基于可靠性的区间可能度处理模型中的不确定约束,将考虑公差的稳健性优化问题转换为确定性嵌套多目标优化问题,并且发展了相应的优化算法。通过在车身耐撞性优化设计的应用表明该方法同步调整设计变量的名义值和公差可在保证碰撞安全性稳健的同时实现公差范围的最大化,提高制造工艺性能,避免设计的重复性,降低生产成本。2)基于区间不确定性的相互关联关系,发展了一种考虑参数多源不确定性的汽车碰撞安全优化设计方法。针对汽车碰撞优化中存在独立和相关参数的不确定性问题,融入一种平行六面体凸模型来度量参数的多源不确定性,使得独立和相关参数得以在一个统一的框架内进行描述,进而建立一种考虑多源不确定性的稳健性优化模型,对目标函数的中点和半径进行优化。采用一种独立性转换技术,将不确定性参数转换为标准的独立区间参数,多维平行六面体不确定域转化为多维立方体域,从而含多源不确定性的稳健性优化模型转换为标准的独立区间稳健性优化模型,大大方便后续的稳健性分析和优化设计。利用基于可靠性的区间可能度处理不确定约束,将独立区间稳健性问题转换为确定性的多目标嵌套优化问题。以高效的微型多目标遗传算法作为框架,结合独立性转换和基于一阶泰勒展开的区间分析,发展了一种有效的稳健性优化算法,消除了嵌套问题的内层优化。通过在考虑乘员损伤的女性和男性假人约束系统优化设计的应用表明该方法不仅可保证安全性能的稳健性还能提高优化结果的准确性。3)基于非单一区间不确定性,发展了一种考虑参数混合不确定性的汽车碰撞安全优化设计方法。针对汽车碰撞优化中含有非精确概率分布的不确定性问题,虽然难以给定参数的精确概率分布函数,但给定其分布类型和分布参数变化区间是可能的,引用参数化概率盒度量此类概率-区间混合不确定性,进而以保证汽车碰撞安全性指标的可靠性为约束,建立一种关于汽车碰撞安全问题的混合可靠性优化设计模型。考虑到区间参数的存在,对约束的评估遵循保守原则,在经典序列优化与可靠性评估（Sequential Optimization and Reliability Assessment,SORA）方法理念的基础上,基于功能度量法（Performance Measurement Approach,PMA）得到混合可靠性最差情况时的MPP和区间向量（最不利点）,再利用该MPP并结合最不利信息构造移动向量,通过解耦算法使原优化问题变为确定性设计优化与可靠性评估交替执行的序列迭代过程。由此,避免了内外层嵌套寻优,可实现汽车碰撞混合可靠性优化设计的快速收敛和高效性。通过在车身耐撞性和考虑乘员损伤的约束系统优化设计的应用表明该方法不仅可保证安全性能的可靠性还能提高优化结果的准确性。4)基于相关性的多元化,发展了一种考虑参数复杂相关性的汽车碰撞安全优化设计方法。针对汽车碰撞优化中不确定参数存在各种相关性的问题,融入Copula函数度量参数的弱非线性、强非线性及尾部相关性,以保证汽车碰撞安全性指标的可靠性为约束,建立一种关于汽车碰撞安全参数相关问题的可靠性优化设计模型。根据样本点数量选择使用贝叶斯方法或参数估计法挑选与已知样本匹配度最佳的Copula函数来构造参数间的联合分布函数,将不确定性参数的相关性集成到可靠性分析中。在经典SORA方法理念的基础上,采用一种可考虑参数间相关性的解耦算法,将嵌套优化问题转换为基于Copula函数的可靠性分析和确定性优化交替进行的序列迭代过程,以快速实现汽车碰撞安全在考虑不确定性参数复杂相关情况时的可靠性设计。通过在车身耐撞性优化设计的应用表明该方法不仅可保证安全性能的可靠性还能提高优化结果的准确性。
孙煜时[5]（2020）在《空域扇区拥挤等级识别与预测研究》文中认为随着民航业快速发展,持续快速增长的航空运输需求与有限的空域资源之间的矛盾逐渐凸显,导致空域拥挤现象日益严重。因此,对空域扇区的拥挤现象进行监控,将有助于空中交通管理部门掌握空域拥挤情况,为日常运行和空域规划提供决策支持。本文对扇区拥挤等级识别和预测进行研究,包括扇区拥挤指标构建、拥挤识别模型以及拥挤预测方法三个方面的内容。本文从复杂网络的角度,将扇区拥挤程度识别问题转化为扇区内航空器网络复杂性的综合评价。首先,根据扇区内所有航空器的飞行信息,构建以航空器为节点的网络,航空器之间的相互关系构成了网络的边。最后,针对航空网络的特点,选取网络节点数,平均节点度等七个复杂度指标来表征扇区拥挤程度的指标。在指标构建的基础上,提出一种基于深度主动学习的拥挤程度识别方法,在保证识别性能的同时减少标记样本的数量。为了充分利用大量无标记样本的特征信息,在主动学习迭代之前,利用堆栈稀疏自编码对所有标记样本和无标记样本进行特征表示,并利用标记样本集训练输出回归层的参数。在主动学习迭代过程中,引入最小置信度、边际采样和信息熵作为样本采样度量,从未标记样本集选择与已标记样本集特征差异较大的样本,减少有标记样本集的冗余,从而以最小的样本标记,达到理想的模型性能。实验结果表明,本文方法在各项指标上均优于现有主流方法。之后在指标构建与拥挤识别的基础上,提出一种基于随机森林算法的拥挤程度预测方法,目的是为了建立起扇区拥挤度量指标与扇区拥挤等级之间的联系。采用有放回抽样的方式从原特征数据集中抽取出多个数目与原特征数据集相同的子数据集,并针对每一个子数据集构建子决策树,通过多次迭代稳定每棵子决策树中的分类方式,使模型达到理想的性能。当新数据产生时,最终结果由所有子决策树结果中的众数决定。实验结果表明,本文方法在各项指标上均优于现有主流方法。
庞景月[6]（2019）在《基于概率性预测的航天器遥测数据异常检测方法研究》文中研究说明航天器飞行过程中由于受到特殊空间环境、设计验证不充分、生产加工工艺风险与损伤累计效应等影响,在轨异常事件屡见不鲜,影响航天器系统在轨运行可靠性和任务安全性。遥测数据作为地面长管系统判断航天器运行状态和工作性能的重要依据,及时有效地检测其中的异常模式,对于提升在轨航天器的监测能力、保障飞行任务以及延长航天器使用寿命均具有重要价值和意义。航天器遥测数据呈现时序特性、伪周期特性与不确定性,其异常模式具有时间关联以及聚集特性。概率性预测方法由于具备时间序列建模、动态阈值生成、可在线检测异常以及强解释性等优势,已被尝试应用于航天器遥测数据异常检测领域。但针对单遥测参数复杂时序特性的聚集异常模式,以及具有复杂相关关系的多遥测参数的异常检测,此类方法仍存在预测置信度难以自适应选择、单遥测参数与多遥测参数异常检测性能不足等挑战,本文围绕概率性预测的航天器遥测数据异常检测的上述三个方面开展研究,主要研究工作如下:（1）针对概率性预测的异常检测方法中预测置信度选择依赖常规经验值的问题,研究非监督条件下预测置信度的优化选择方法。首先设计非监督受试者工作特征（Unsupervised Receiver Operating Characteristic,Un ROC）曲线,以揭示不同预测置信度下预测区间的潜在检测率与误检率的关联关系。在此基础上构建以改进Youden（Enhanced Youden,E-Youden）指数为目标函数的预测置信度优化模型,实现Un ROC曲线的预测置信度寻优以生成有效的动态阈值。实验结果表明,与其他预测置信度选择方法相比,所提方法选择的预测置信度,其对应的异常检测阈值具有较强的正负样本区分性能以及样本标签预测能力,有效解决预测置信度缺乏选择依据而影响异常检测阈值的样本分类性能的问题。（2）针对概率性预测的异常检测方法在单参数异常量化表征与多步预测特征融合建模方面的不足,研究一种离散特征构建及融合的单参数异常检测方法。首先结合预测置信度优化的概率性预测模型提供的有效动态阈值,设计基于等宽离散与统计分析的预测特征离散化方法,将预测误差分割为对应不同异常程度的离散化区间,以增强单参数异常量化表征能力。在此基础上,结合马尔科夫链与多数投票集成方法,对离散特征进行多步—多窗口的多时间尺度融合,实现多步预测特征的时序建模。实验结果表明,与其他单参数异常检测方法相比,所提方法对于表现形式各异且持续时间不同的聚集异常模式,具有较强的异常检测性能及检测稳定性,有效提升概率性预测方法对单遥测参数异常检测的综合性能及应用能力。（3）针对概率性预测的异常检测方法在高维输入空间预测性能与多特征融合建模方面的不足,研究一种时空特征提取及融合的多参数异常检测方法。首先基于因子分析方法提取多参数的空间特征,降低输入空间维度且揭示多参数内部结构关系,以构建关于空间特征的预测置信度优化的概率性预测模型,提取多参数的时空特征。在此基础上,通过时空特征离散化形成多参数的异常描述子,并基于多维马尔科夫链对特征进行交叉,实现多特征的关联建模。实验结果表明,与其他多参数异常检测方法相比,所提方法对于相关关系复杂的多遥测参数,具有较强异常检测能力且具有强解释性,有效提升概率性预测方法对于多遥测参数异常检测的适应性及应用能力。
周玉臣[7]（2019）在《复杂仿真模型验证方法研究》文中进行了进一步梳理复杂仿真模型具有运行机理、组成结构及交互关系复杂,高维、非线性,应用目的多样、多逼真度、多分辨率等特点;仿真模型可信是应用仿真模型开展分析、评估、优化等研究工作的基础,模型验证是评估仿真模型可信度的重要手段。对复杂仿真模型的状态变量、输出变量的观测数据与参考系统的状态变量、输出变量的观测数据进行相似性分析是模型验证的基本途径。针对复杂仿真模型验证与实验设计问题,本文主要开展了以下研究工作:首先,针对多维时间序列的相似性分析问题,研究基于核主成分分析的多变量验证方法。核主成分分析利用核方法将特征空间上的内积计算转换为核函数计算,进而对核矩阵进行奇异值分解,获取多个相关变量在特征空间的关联关系。核主成分分析需要对核函数参数进行优化,以最大化第一核主成分的方差贡献率;考虑到长时间序列的高维核矩阵奇异值分解效率低的问题,提出一种核主成分近似计算方法,将高维矩阵分解问题转换为若干低维矩阵分解问题。进一步,综合变量间的相关关系与单个变量间的尺度相似性,给出一种相似性度量方法。相对于经典方法,基于核主成分分析的多变量验证方法考虑了变量间的相关关系,验证结果更加客观合理。其次,针对海量数据的相似性分析问题,研究基于机器学习的复杂仿真模型验证方法。给出基于机器学习的仿真模型验证方法框架和训练过程,分析影响机器学习模型性能的因素;进而利用基于局部穷举搜索的特征选择方法,发现最优特征子集。基于机器学习的智能化验证方法的难点在于如何提高分类准确率,以降低其在海量数据相似性分析中的应用风险;为此,提出一种改进的Boosting方法,通过生成多样化的训练样本、选择异类组件分类器、采用基于惩罚因子的多样性筛选准则等策略增强机器学习模型的泛化性能。再次,复杂仿真模型在某一想定下可信,无法保证其在整个应用域内可信;由此,对复杂仿真模型验证的实验设计方法进行研究。单步实验设计方法方面,给出一种多准则拉丁超立方实验设计方法,通过综合距离准则与相关性准则,生成具有良好空间填充性的初始实验设计方案。针对实验设计中过采样和欠采样问题,提出一种基于开发-探索策略的自适应序贯实验设计方法,利用改进的距离准则度量实验点的全局探索价值,通过交叉验证误差估计实验点的局部开发价值;为了避免实验点在局部区域的过度聚集问题,设计权重自适应更新策略。以高斯过程模型为例,证明基于开发-探索策略的序贯实验设计,通过最大化期望误差,可以构建高精度的元模型。最后,针对现有的模型验证和可信度评估工具难以满足复杂仿真模型验证的应用需求的问题,设计并实现面向服务的复杂仿真模型验证平台。基于需求分析,设计平台的总体架构,给出算法服务的统一描述;利用通用建模语言,描述子系统的功能、内部交互关系和功能实现流程。考虑到用户专业及研究领域不同,其验证方法使用偏好不同的问题,提出一种个性化服务推荐K近邻算法,进一步提高平台的功能完备性、易用性和模型验证的效率。利用该平台对电磁轨道炮仿真模型进行验证,检验本文研究的模型验证方法和实验设计方法的有效性,验证平台的实用性。
李潇[8]（2019）在《基于多视点元模型的需求追踪性方法研究》文中认为面向多视点的方法在需求工程中得到了广泛的应用,采用“关注点分离”的思想将复杂的系统需求转化为视点需求,是研究者和开发者进行系统需求分析与描述的一种有效方法;然而在理论研究和实际应用方面仍然存在需求描述不完整、需求变更困难以及需求不一致等问题,本文主要针对需求描述的不完整性、变更困难及不一致性的问题进行研究。本文在分析和探讨传统需求建模方法优缺点的基础上提出了一种基于多视点元模型的需求建模方法,并建立了多视点追踪元模型,根据所建立的元模型元素间关系建立起多视点间的追踪关系,通过计算变化追踪矩阵实现多视点元模型间需求的可追踪性,在需求变更时可以追踪到相关元素并进行更改。其次,以建立的需求追踪矩阵为基础,结合需求关联程度度量方法计算并比较冲突需求与其他视点需求的关联程度值,将关联程度值较大的需求保留,将关联程度值较小的需求舍弃,从而消除在追踪过程中需求的不一致性问题。最后,结合基于ATM系统实际案例对上述方法的可行性进行说明与验证。通过上述研究,在多视点元模型间建立需求的可追踪关系为需求变更管理提供了一种有效途径,通过需求关联程度度量方法可以保证在追踪过程中需求描述的一致性,本文的研究对提高软件需求质量以及降低后期的系统维护代价等方面具有一定的理论意义和应用价值。
李祯[9]（2019）在《高效能仿真云平台关键技术研究》文中认为随着仿真应用领域的不断拓展,仿真对象规模日益扩大、结构日益复杂,以提升平台按需协同与可定制的建模仿真能力为目标,构建高效能建模仿真平台的需求日益凸显。云仿真技术作为一种新兴的网络化建模仿真手段,极大地改变了建模仿真应用模式,为构建高效能建模仿真平台提供了方法与架构支撑。然而当前云仿真理论和技术研究尚不完善,难以应对多领域多用户按需协同与可定制的建模仿真需求。从效能优化角度看,也未能充分发挥云计算平台的资源整合与按需供给的特点和优势,难以为用户提供更加敏捷高效的建模仿真服务。针对上述问题,论文以高效能仿真云平台建设为目标,提出了用户中心式云仿真服务架构及其应用模式,解决了多领域多用户按需协同与可定制的建模仿真需求。同时从建模开发、仿真运行以及作业调度三个方面,提出了仿真云平台效能优化框架和方法。论文的主要工作和贡献总结如下:1.提出了高效能用户中心式的云仿真服务架构及应用模式,设计了用户中心式仿真云平台架构。用户中心式云仿真服务架构以提升仿真云平台效能为目标,以面向服务架构为基础,根据用户需求的语义特征,通过一个虚拟协同建模环境,将领域相关的仿真资源、技术人员和用户等动态关联在一起,提供资源按需发现、组合、协同建模和仿真等能力。仿真云平台架构则分别从用户管理层、领域仿真服务层、仿真部署和调度管理层以及基础架构层等四个方面,设计了实现高效能用户中心式云仿真服务架构所需的关键模块。2.提出了仿真云效能度量框架。以高性能计算领域中效能概念为基础,提出并阐述了仿真云平台效能的概念与内涵,设计了仿真云平台效能量化模型。该模型定量化地描述了影响仿真云平台效能的关键因素,为设计高效能云仿真服务架构和效能优化方法提供了理论依据。3.提出了基于云平台的面向特征领域建模仿真框架Clou Fo DSim。Clou Fo DSim的核心是构建了面向特征的领域资产追踪、管理和组合集成方法,一方面实现了仿真云平台下领域仿真资产的虚拟化管理,提供了资源的按需发现和动态聚合的能力;另一方面,基于特征的模型管理和集成框架,解决了传统组合式仿真中需求与已有资源难以匹配的问题。因而,Clou Fo DSim从建模开发效能优化角度,实现了面向多领域多用户按需协同与可定制的建模仿真能力。4.提出了面向带宽保障的并行仿真作业管理和调度框架及相应的优化算法。该框架从作业调度效能优化角度,采用基于虚拟集群的方式部署并行仿真作业,以保障虚拟机间的带宽性能,解决仿真云中面临的网络带宽竞争以及网络性能不确性等问题。针对虚拟集群的分配问题,提出了自适应带宽感知的虚拟集群部署算法Ada Ba。进而,在Ada Ba算法基础上,提出了面向带宽保障的并行仿真作业调度算法Bg MBF以及其改进算法Bg MBFSDF。在保证带宽需求前提下,获得了最优的虚拟资源分配和作业调度性能。5.提出了通信感知的自适应仿真运行优化框架及相应的优化算法。该框架从仿真运行效能优化角度,分别从虚拟机间网络通信消耗及模型在分布式虚拟节点上的分割部署策略两个方面,提出了高效的自适应优化算法。针对自适应模型分割部署问题,论文以大规模人工社会仿真运行优化为例,提出了基于统计迁移图分割的负载分割方法,在负载均衡约束下,减小了模型在分布式虚拟机节点间的通信量。针对虚拟机间网络通信消耗问题,论文提出了通信感知的虚拟机自适应迁移调度算法,在考虑迁移代价情况下,减小了数据中心内虚拟机间的通信消耗。本文从理论框架和关键技术两个方面,对高效能仿真云平台进行了研究。在理论框架上,面向仿真云效能优化需求,提出了用户中心式云仿真服务架构及其应用模式,并从建模开发、作业调度以及仿真运行三个方面,提出了基于仿真云的效能优化框架。在关键技术方面,面向建模开发效能优化需求,提出了基于Clou Fo DSim的云端高效能仿真应用构建方法;面向作业调度效能优化需求,提出了面向带宽保障的并行仿真作业调度优化方法;面向仿真运行优化需求,提出了通信感知的自适应仿真运行优化方法。论文研究成果对云仿真理论研究和仿真云平台建设具有借鉴和指导意义。
曹立雄[10]（2019）在《基于证据理论的结构不确定性传播与反求方法研究》文中认为在实际工程应用中,不确定性因素不可避免的存在于结构的设计、制造、运营及维护等各个阶段,主要由结构的几何尺寸、材料特性、安装和测量误差、边界条件及对工程问题所做的一些假设等引起。工程中的不确定性因素表现形式多种多样,并且在其影响下系统性能可能产生剧烈的波动,甚至失效的风险。因此,有效的度量和控制甚至缩减各种不确定性对实际工程结构的可靠性、稳健性及经济性具有十分重要的意义。目前,已存在概率论、区间模型、模糊集合和证据理论等多种不确定分析模型,其中证据理论通过离散的证据焦元可灵活地量化工程中信息量不足时的各种不确定性,从而被认为一种不确定性度量和分析较为理想的选择,具有非常可观的应用前景。然而,证据理论在工程结构中的研究和应用仍处于初级阶段,许多关键仍有待进一步解决,尤其是计算量的组合爆炸问题严重阻碍了证据理论在实际工程问题中的推广。本文以证据理论为研究对象,在计算效率、相关性度量和建模及反问题等方面展开了较为系统的研究,取得了一些创新性成果。具体研究工作如下:（1）提出了基于不确定域分析的证据理论不确定传播分析方法。传统证据理论传播分析中,因为需要对每个焦元进行极值分析,因此计算成本较大,并且由于焦元的离散特性,仅能采用可信度和似真度构成的概率区间对结果进行度量。针对该问题,通过系统的极限状态方程可以将焦元分析转化到不确定域中。通过划分子不确定域,可以构造一个多段、显式的极限状态方程。利用显式的多段极限状态方程可以准确的判断焦元甚至整个子不确定域与原事件域的归属情况,从而有效提升了计算效率。此外,由于极限状态方程的使用,对于部分属于事件域的焦元,通过求解近似体积比可获得焦元部分支持原命题的概率,进而可获得在可信度和似真度之间的一个明确的最大熵度量指标,为工程实际问题提供了一个明确的度量结果。（2）针对高维不确定涉及的组合爆炸问题,提出了基于边缘区间分析的证据理论不确定传播分析方法。首先,通过证据矩将原系统功能函数在证据变量均值中点处降维分解为单变量子函数的组合。因此,利用展开轴上边缘配置点处的响应可获得不确定域空间中的所有联合配置点处的响应,进而通过统计联合配置点处的响应便可快速的获取焦元响应极值。该方法可极大地减少中焦元极值分析中原系统功能函数的调用。在此基础上,又进一步推导出边缘区间分析方法,通过边缘配置点的响应可直接获取子函数边缘区间,进而通过各子函数边缘区间的区间运算,即可快速获取焦元的响应极值。从而克服了高维问题中后续的数值计算效率低下问题。通过算例分析可知,该边缘区间分析方法有效改善了高维问题证据传播分析的计算效率,并且由于边缘配置点处原函数的使用,该方法也具有较高的计算精度,从而有效扩展了证据理论在工程实际问题中的应用。（3）提出了度量证据相关性的超平行体的证据理论模型,以克服传统证据理论模型无法有效量化相关的不确定变量的问题。首先,通过提出证据相关系数的概念,构建了一个超平行体的识别框架来度量变量的不确定性和相关性。然后,在识别框架内进一步构建超平行体的联合焦元并进行基本概率分配。由于所构建的联合焦元形状一致、排列规律且都能体现与识别框架相同的证据相关性。因此,通过构建的超平行体的识别框架、超平行体的联合焦元及基本概率分配可形成一个统一的证据理论模型。在传播分析中,可通过构建该超平行体证据理论模型将带有相关变量的传播问题转化为独立变量的传播问题,进而采用现有的传播方法即可实现相关证据变量的不确定传播分析。该模型的提出完善了证据理论的理论体系,提高了工程实用性。（4）针对模型中存在不确定性的反问题,提出了高效的证据理论结构不确定反求方法。该方法从两个层面提升计算的效率,从而实现了证据逆向传播的高效求解。首先,该方法通过正向传播中的边缘区间分析方法将证据焦元的逆向传播转化为有限个不确定参数配置点下的确定性反求,从而大大减少了证据反求过程中确定性反求次数。其次,由于相邻配置点下不确定参数的微小变化,其对应确定性反求中系统方程具有相似性。基于此,又进一步发展了基于相似系统原理的确定反求方法,以减少了每次迭代过程中梯度矩阵的计算量,从而有效降低了正问题模型的调用次数。通过算例分析表明,在两个方法的组合效应下,该不确定反求方法可高效、准确地获得待识别参数的累积信度和累积似真度函数,实现结构不确定下待识别参数的反求。（5）针对测量响应中含有认知不确定的反问题,提出了一种基于证据理不确定反求方法。该方法根据测量响应的累积信度和累积似真度函数来识别未知参数的证据焦元结构。首先,根据测量响应的上下界,通过典型的区间反问题可确定待反求参数的证据框架。其次,通过添加线性约束,将证据结构的反求转化为焦元节点参数的反求,从而减少了待求解的结构参数,解耦了求解中的优化嵌套。最后,选择目标函数误差较小的焦元个数组合情况作为最优解,从而将此情况下反求的证据结构视为待识别参数的证据BPA结构。算例分析结果也表明,该方法反求所得证据焦元结构可有效表征因测量端的认知不确定引起输入端参数的不确定性。
二、元模型可度量性及度量方法研究（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、元模型可度量性及度量方法研究（论文提纲范文）
（1）基于深度模型的零样本迁移学习（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究意义 |
| 1.2.1 理论研究意义 |
| 1.2.2 应用研究价值 |
| 1.3 面临的挑战 |
| 1.4 本文主要目标和工作 |
| 1.4.1 基于无偏嵌入空间的直推式零样本迁移学习 |
| 1.4.2 基于属性自动增强的归纳式零样本迁移学习 |
| 1.4.3 基于深度归因图谱的零样本模型可迁移性度量 |
| 1.5 本文组织结构 |
| 2 相关文献综述 |
| 2.1 普通迁移学习研究综述 |
| 2.1.1 同构任务迁移学习 |
| 2.1.2 异构任务迁移学习 |
| 2.2 零样本迁移学习研究综述 |
| 2.2.1 零样本迁移学习中的语义空间 |
| 2.2.2 直推式零样本迁移学习方法 |
| 2.2.3 归纳式零样本迁移学习方法 |
| 2.3 迁移性度量研究综述 |
| 2.3.1 任务分类法 |
| 2.3.2 特征相似性分析法 |
| 2.4 本章小结 |
| 3 基于无偏嵌入空间的直推式零样本迁移学习 |
| 3.1 引言 |
| 3.2 直推式无偏嵌入空间 |
| 3.2.1 问题描述 |
| 3.2.2 直推式无偏嵌入模型 |
| 3.2.3 准全监督学习 |
| 3.3 实验结果与分析 |
| 3.3.1 实验设置 |
| 3.3.2 实现细节与讨论 |
| 3.3.3 常规零样本迁移学习设定下实验对比 |
| 3.3.4 通用零样本迁移学习设定下实验对比 |
| 3.4 本章小节 |
| 4 基于属性自动增强的归纳式零样本迁移学习 |
| 4.1 引言 |
| 4.2 属性自动增强 |
| 4.2.1 预备知识 |
| 4.2.2 问题描述 |
| 4.2.3 选择性零样本分类器 |
| 4.2.4 增广属性学习 |
| 4.2.5 优化方法 |
| 4.3 实验结果与分析 |
| 4.3.1 实验设置 |
| 4.3.2 消融实验 |
| 4.3.3 基准比较 |
| 4.4 本章小节 |
| 5 基于深度归因图谱的零样本模型可迁移性度量 |
| 5.1 引言 |
| 5.2 深度归因图谱 |
| 5.2.1 预备知识 |
| 5.2.2 可迁移性定义 |
| 5.2.3 深度归因图谱的构建 |
| 5.3 可迁移性度量 |
| 5.3.1 模型可迁移性 |
| 5.3.2 层可迁移性 |
| 5.4 实验结果与分析 |
| 5.4.1 模型迁移性度量 |
| 5.4.2 模型微调临界点选择 |
| 5.5 本章小节 |
| 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 |
| 作者简历 |
| 攻读博士学位期间主要的研究成果 |
（2）产业互联网背景下制造业企业创新绩效评价研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 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 文献综述 |
| 1.2.1 产业互联网概念界定 |
| 1.2.2 企业创新绩效指标研究综述 |
| 1.2.3 企业绩效评价方法研究综述 |
| 1.2.4 文献评述 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 研究思路与技术路线 |
| 1.4.1 研究思路 |
| 1.4.2 技术路线 |
| 1.5 创新点 |
| 第二章 制造业企业创新绩效评价的理论基础 |
| 2.1 投入产出理论 |
| 2.1.1 投入产出理论概述 |
| 2.1.2 投入产出理论与企业创新绩效评价 |
| 2.2 利益相关者理论 |
| 2.2.1 企业利益相关者理论概述 |
| 2.2.2 利益相关者理论与企业创新绩效评价 |
| 2.3 本章小结 |
| 第三章 产业互联网背景下制造业企业创新绩效指标体系 |
| 3.1 产业互联网下制造业企业创新绩效指标选取依据 |
| 3.1.1 产业互联网下制造业企业发展特点 |
| 3.1.2 产业互联网下制造业企业创新绩效评价重点 |
| 3.2 产业互联网下制造业企业创新绩效指标体系的功能和特点 |
| 3.2.1 产业互联网下制造业企业创新绩效指标体系的功能 |
| 3.2.2 产业互联网下制造业企业创新绩效评价体系的特点 |
| 3.3 构建产业互联网下制造业企业创新绩效指标体系的原则 |
| 3.3.1 科学客观性原则 |
| 3.3.2 整体系统性原则 |
| 3.3.3 可比性原则 |
| 3.3.4 可度量性原则 |
| 3.4 产业互联网下制造业企业创新绩效指标体系基本架构 |
| 3.5 产业互联网下制造业企业创新绩效指标选取 |
| 3.5.1 财务层面 |
| 3.5.2 顾客层面 |
| 3.5.3 内部业务流程层面 |
| 3.5.4 学习与成长层面 |
| 3.5.5 外部柔性层面 |
| 3.6 本章小结 |
| 第四章 产业互联网背景下制造业企业创新绩效可拓优度评价 |
| 4.1 可拓学理论 |
| 4.1.1 可拓学研究内容与适用范围 |
| 4.1.2 可拓学的特点及优势 |
| 4.2 物元理论及关联函数 |
| 4.2.1 物元及物元的可拓性 |
| 4.2.2 关联函数及其相关概念 |
| 4.3 制造业企业创新绩效可拓优度评价模型的构建 |
| 4.3.1 定义创新绩效指标物元模型 |
| 4.3.2 设置绩效等级 |
| 4.3.3 确定经典域与节域 |
| 4.3.4 建立关联函数 |
| 4.3.5 计算综合关联度并确定绩效等级 |
| 4.4 本章小结 |
| 第五章 案例分析——以大型家电制造业企业A集团为例 |
| 5.1 家电制造业产业背景 |
| 5.2 A集团的愿景与战略概述 |
| 5.3 A集团的创新绩效评价体系 |
| 5.3.1 各指标取值 |
| 5.3.2 确定指标权重 |
| 5.3.3 确定指标经典域与节域 |
| 5.3.4 计算综合关联度及判定绩效等级 |
| 5.3.5 绩效分析 |
| 5.4 A集团创新绩效提升策略 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（3）面向复杂仿真的评估与优化方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 仿真评估与优化相关概念 |
| 1.2.1 仿真可信度评估概念 |
| 1.2.2 效能仿真评估与优化概念 |
| 1.3 国内外研究现状综述与分析 |
| 1.3.1 仿真可信度评估研究现状 |
| 1.3.2 装备效能评估与优化研究现状 |
| 1.3.3 仿真评估工具研究现状 |
| 1.3.4 目前所面临的问题 |
| 1.4 论文的研究内容与组织结构 |
| 第2章 复杂仿真模型可信度外推方法 |
| 2.1 引言 |
| 2.2 复杂仿真评估问题分析与数学描述 |
| 2.2.1 仿真复杂特性分析 |
| 2.2.2 复杂仿真评估与优化问题数学描述 |
| 2.3 基于贝叶斯推理的复杂仿真模型可信度外推方法 |
| 2.3.1 问题描述与分析 |
| 2.3.2 基于贝叶斯网络的外推结构模型构建 |
| 2.3.3 基于HPD置信域的验证准则 |
| 2.4 可信度外推实例验证 |
| 2.4.1 飞机引擎转子疲劳度仿真模型可信度外推 |
| 2.4.2 飞行器制导仿真模型可信度外推 |
| 2.5 本章小结 |
| 第3章 面向复杂输出的仿真结果验证方法 |
| 3.1 引言 |
| 3.2 基于Hilbert-Huang变换的仿真模型排序评估方法 |
| 3.2.1 问题描述与分析 |
| 3.2.2 基于经验模态分解的非平稳数据预处理 |
| 3.2.3 基于Hilbert变换的平稳项一致性分析 |
| 3.2.4 基于灰色关联分析的排序评估 |
| 3.2.5 实例验证 |
| 3.3 多元相关输出仿真结果验证方法 |
| 3.3.1 问题描述与分析 |
| 3.3.2 多元异类输出相关变量提取 |
| 3.3.3 相关变量子集的一致性分析 |
| 3.3.4 实例验证 |
| 3.4 本章小结 |
| 第4章 体系效能仿真评估与优化方法 |
| 4.1 引言 |
| 4.2 考虑多装备协同的体系效能仿真评估方法 |
| 4.2.1 问题描述与分析 |
| 4.2.2 基于关联规则挖掘的评估指标关联分析 |
| 4.2.3 网络化效能评估指标体系构建 |
| 4.2.4 基于ANP的体系效能综合评估 |
| 4.2.5 实例验证 |
| 4.3 基于序贯元模型的体系效能仿真优化方法 |
| 4.3.1 问题描述与分析 |
| 4.3.2 改进的多目标全局优化算法 |
| 4.3.3 基于开发-探索序贯策略的元模型构建 |
| 4.3.4 体系效能仿真优化流程 |
| 4.3.5 算法性能分析与实例验证 |
| 4.4 本章小结 |
| 第5章 基于Hadoop的复杂仿真综合评估系统 |
| 5.1 引言 |
| 5.2 复杂仿真综合评估系统设计 |
| 5.2.1 复杂仿真综合评估系统总体设计 |
| 5.2.2 复杂仿真综合评估子系统设计 |
| 5.3 复杂仿真综合评估系统实现及应用 |
| 5.3.1 复杂仿真综合评估系统实现 |
| 5.3.2 复杂仿真综合评估系统应用 |
| 5.4 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）考虑参数不确定性的汽车碰撞安全优化设计（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 汽车碰撞安全分析及确定性优化 |
| 1.2.1 车身结构耐撞性分析与优化 |
| 1.2.2 考虑乘员损伤的约束系统分析与优化 |
| 1.3 汽车碰撞安全不确定性优化设计 |
| 1.3.1 基于概率不确定性的汽车碰撞安全优化设计 |
| 1.3.2 基于非概率不确定性的汽车碰撞安全优化设计 |
| 1.4 汽车碰撞安全不确定性优化设计目前存在的问题 |
| 1.5 本文的研究目标和主要研究内容 |
| 第2章 考虑参数有界不确定性的汽车碰撞安全优化设计 |
| 2.1 引言 |
| 2.2 有界不确定性的区间度量模型 |
| 2.2.1 目标函数的不确定性处理 |
| 2.2.2 约束的不确定性处理 |
| 2.3 基于区间度量的稳健性优化设计模型及求解 |
| 2.3.1 考虑公差的区间稳健性优化模型 |
| 2.3.2 确定性转换 |
| 2.3.3 优化设计求解 |
| 2.4 车身耐撞性设计参数的区间稳健性优化 |
| 2.4.1 车身结构参数尺寸公差设计 |
| 2.4.2 车身结构参数形位公差设计 |
| 2.5 本章小结 |
| 第3章 考虑参数多源不确定性的汽车碰撞安全优化设计 |
| 3.1 引言 |
| 3.2 多源不确定性的平行六面体度量模型 |
| 3.3 基于平行六面体度量的稳健性优化设计模型及求解 |
| 3.3.1 考虑多源不确定性的稳健性优化模型 |
| 3.3.2 独立性变换 |
| 3.3.3 确定性转换 |
| 3.3.4 优化设计求解 |
| 3.4 乘员约束系统稳健性优化设计 |
| 3.4.1 女性驾驶员约束系统设计 |
| 3.4.2 男性驾驶员约束系统设计 |
| 3.4.3 综合考虑男性和女性驾驶员约束系统设计 |
| 3.5 本章小结 |
| 第4章 考虑参数混合不确定性的汽车碰撞安全优化设计 |
| 4.1 引言 |
| 4.2 混合不确定性的P-box度量模型 |
| 4.3 基于混合度量的可靠性优化设计模型及求解 |
| 4.3.1 混合可靠性优化模型 |
| 4.3.2 约束混合可靠性分析 |
| 4.3.3 优化设计求解 |
| 4.4 车身耐撞性混合可靠性优化设计 |
| 4.4.1 100%正面碰撞有限元模型分析 |
| 4.4.2 100%正面碰撞设计变量和不确定参数分析 |
| 4.4.3 100%正面碰撞目标函数和约束分析 |
| 4.4.4 100%正面碰撞HRBDO模型 |
| 4.4.5 100%正面碰撞优化结果分析 |
| 4.5 乘员约束系统混合可靠性优化设计 |
| 4.5.1 乘员约束系统模型分析 |
| 4.5.2 乘员约束系统设计变量和不确定参数分析 |
| 4.5.3 乘员各损伤值灵敏度分析 |
| 4.5.4 乘员约束系统HRBDO模型 |
| 4.5.5 乘员约束系统优化结果分析 |
| 4.6 本章小结 |
| 第5章 考虑参数复杂相关性的汽车碰撞安全优化设计 |
| 5.1 引言 |
| 5.2 参数复杂相关性的Copula度量函数 |
| 5.3 基于Copula函数的可靠性优化设计模型及求解 |
| 5.3.1 RBDO模型 |
| 5.3.2 约束的可靠性分析 |
| 5.3.3 最优Copula函数选择 |
| 5.3.4 优化设计求解 |
| 5.4 汽车100%正面碰撞可靠性优化设计 |
| 5.4.1 100%正面碰撞有限元模型分析 |
| 5.4.2 100%正面碰撞设计变量和不确定参数分析 |
| 5.4.3 100%正面碰撞目标函数和约束分析 |
| 5.4.4 100%正面碰撞RBDO模型 |
| 5.4.5 100%正面碰撞优化结果分析 |
| 5.5 汽车40%偏置碰撞可靠性优化设计 |
| 5.5.1 40%偏置碰撞有限元模型分析 |
| 5.5.2 40%偏置碰撞设计变量和不确定参数分析 |
| 5.5.3 40%偏置碰撞目标函数和约束分析 |
| 5.5.4 40%偏置碰撞RBDO模型 |
| 5.5.5 40%偏置碰撞优化结果分析 |
| 5.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 附录 A 攻读学位期间所发表的学术论文目录 |
| 附录 B 攻读学位期间所主持或参加的科研项目 |
| 致谢 |
（5）空域扇区拥挤等级识别与预测研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 空域扇区拥挤程度的识别 |
| 1.2.2 空域扇区拥挤程度的预测 |
| 1.3 本文的主要研究工作 |
| 1.4 本文的内容安排 |
| 第二章 扇区拥挤行为定义及指标构建 |
| 2.1 扇区拥挤行为定义 |
| 2.2 基于复杂网络理论的扇区航空网络构建 |
| 2.2.1 复杂网络的定义 |
| 2.2.2 复杂网络的拓扑模型 |
| 2.2.3 扇区航空网络构建 |
| 2.3 拥挤度量指标构建 |
| 2.3.1 航空网络拓扑结构分析 |
| 2.3.2 拓扑属性拥挤度量指标构建 |
| 2.4 实验验证 |
| 2.4.1 数据预处理 |
| 2.4.2 实验结果 |
| 2.5 小结 |
| 第三章 空中交通扇区拥挤状态识别 |
| 3.1 引言 |
| 3.2 问题阐述 |
| 3.3 基于深度主动学习的扇区拥挤识别方法 |
| 3.3.1 堆栈式稀疏自编码神经网络 |
| 3.3.2 样本标记策略 |
| 3.3.3 扇区拥挤识别具体实现步骤 |
| 3.4 案例分析 |
| 3.4.1 案例研究数据 |
| 3.4.2 模型评价度量 |
| 3.4.3 模型参数设置 |
| 3.4.4 模型性能分析 |
| 3.5 小结 |
| 第四章 空中交通扇区拥挤状态预测 |
| 4.1 引言 |
| 4.2 问题阐述 |
| 4.3 基于随机森林的扇区拥挤预测方法 |
| 4.3.1 随机森林算法原理 |
| 4.3.2 基于随机森林的扇区拥挤预测 |
| 4.3.3 扇区拥挤预测具体实现步骤 |
| 4.4 案例分析 |
| 4.4.1 案例研究数据 |
| 4.4.2 模型参数设置 |
| 4.4.3 模型性能分析 |
| 4.5 小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（6）基于概率性预测的航天器遥测数据异常检测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 航天器遥测数据异常检测研究现状 |
| 1.2.1 航天器遥测数据简介 |
| 1.2.2 航天器遥测数据异常内涵 |
| 1.2.3 航天器遥测数据异常检测方法 |
| 1.3 数据驱动的异常检测方法研究现状 |
| 1.3.1 基于相似性度量的异常检测方法 |
| 1.3.2 基于支持度的异常检测方法 |
| 1.3.3 基于模型偏差的异常检测方法 |
| 1.3.4 数据驱动的异常检测方法对比和总结 |
| 1.4 研究现状总结 |
| 1.5 论文的主要研究内容 |
| 第2章 非监督ROC曲线寻优的预测置信度选择 |
| 2.1 引言 |
| 2.2 预测置信度的影响分析 |
| 2.2.1 概率性预测的异常检测方法 |
| 2.2.2 预测置信度选择对异常检测性能的影响分析 |
| 2.3 非监督ROC曲线寻优的预测置信度选择方法 |
| 2.3.1 方法的提出 |
| 2.3.2 非监督ROC曲线寻优 |
| 2.3.3 改进的预测置信度选择方法 |
| 2.4 实验验证与评估 |
| 2.4.1 实验设置 |
| 2.4.2 面向仿真及公开数据集的实验验证与评估 |
| 2.4.3 面向实测遥测数据的实验验证与评估 |
| 2.4.4 预测置信度选择的算法参数影响分析 |
| 2.4.5 实验结果分析与讨论 |
| 2.5 本章小结 |
| 第3章 多时间尺度离散特征融合的单参数异常检测 |
| 3.1 引言 |
| 3.2 基于多步预测特征融合的单参数异常检测方法分析 |
| 3.3 多时间尺度离散特征融合的单参数异常检测方法 |
| 3.3.1 方法的提出 |
| 3.3.2 多时间尺度离散特征融合建模 |
| 3.3.3 改进的单参数异常检测方法 |
| 3.4 实验验证与评估 |
| 3.4.1 实验设置 |
| 3.4.2 面向仿真及公开数据集的实验验证与评估 |
| 3.4.3 面向实测遥测数据的实验验证与评估 |
| 3.4.4 单参数异常检测的算法参数影响分析 |
| 3.4.5 实验结果分析与讨论 |
| 3.5 本章小结 |
| 第4章 时-空离散特征融合的多参数异常检测 |
| 4.1 引言 |
| 4.2 多参数异常检测方法分析 |
| 4.3 时-空离散特征融合的多参数异常检测方法 |
| 4.3.1 方法的提出 |
| 4.3.2 时空离散特征融合建模 |
| 4.3.3 改进的多参数异常检测方法 |
| 4.4 实验验证与评估 |
| 4.4.1 实验设置 |
| 4.4.2 面向仿真遥测数据的实验验证与评估 |
| 4.4.3 面向实测遥测数据的实验验证与评估 |
| 4.4.4 多参数异常检测的算法参数影响分析 |
| 4.4.5 实验结果分析与讨论 |
| 4.5 单参数以及多参数异常检测方法的适应性分析 |
| 4.6 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他成果 |
| 致谢 |
| 个人简历 |
（7）复杂仿真模型验证方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 仿真模型验证相关概念 |
| 1.2.1 模型验证与仿真可信度 |
| 1.2.2 仿真模型验证实验设计 |
| 1.2.3 仿真模型验证的两类错误 |
| 1.3 国内外研究现状综述及分析 |
| 1.3.1 模型验证方法研究现状 |
| 1.3.2 实验设计方法研究现状 |
| 1.3.3 模型验证软件研究现状 |
| 1.3.4 目前面临的问题 |
| 1.4 论文的研究内容与组织结构 |
| 第2章 复杂仿真模型的多变量验证方法 |
| 2.1 引言 |
| 2.2 仿真模型验证问题描述 |
| 2.3 复杂仿真模型的验证过程与指标体系 |
| 2.3.1 复杂仿真模型验证过程 |
| 2.3.2 复杂仿真模型验证指标体系 |
| 2.4 基于核主成分分析的多变量验证方法 |
| 2.4.1 问题描述与分析 |
| 2.4.2 核主成分分析 |
| 2.4.3 核主成分的近似计算方法 |
| 2.4.4 核主成分的相似性度量方法 |
| 2.5 应用实例 |
| 2.5.1 电磁轨道炮仿真模型及其验证指标体系 |
| 2.5.2 多变量验证实例 |
| 2.6 本章小结 |
| 第3章 基于机器学习的复杂仿真模型验证方法 |
| 3.1 引言 |
| 3.2 问题描述与分析 |
| 3.3 基于机器学习的智能化验证方法 |
| 3.3.1 方法框架 |
| 3.3.2 机器学习模型的训练过程 |
| 3.3.3 影响机器学习模型性能的因素 |
| 3.3.4 基于PES的特征选择方法 |
| 3.4 异构集成学习方法 |
| 3.4.1 改进的Boosting方法 |
| 3.4.2 分类系统的更新算法 |
| 3.5 应用实例 |
| 3.5.1 特征提取与选择 |
| 3.5.2 单一分类器性能对比 |
| 3.5.3 集成学习方法性能对比 |
| 3.5.4 改进的集成分类系统性能分析及更新 |
| 3.6 本章小结 |
| 第4章 复杂仿真模型验证的实验设计方法 |
| 4.1 引言 |
| 4.2 问题描述与分析 |
| 4.3 多准则拉丁超立方实验设计方法 |
| 4.4 基于开发-探索策略的自适应序贯实验设计方法 |
| 4.4.1 全局探索与局部开发的度量准则 |
| 4.4.2 权重自适应更新策略 |
| 4.4.3 序贯实验设计的终止策略 |
| 4.4.4 仿真结果可信度预测模型构建过程 |
| 4.5 开发-探索策略的有效性证明 |
| 4.5.1 高斯过程模型 |
| 4.5.2 有效性证明 |
| 4.6 实例验证 |
| 4.6.1 数值实例 |
| 4.6.2 应用实例 |
| 4.7 本章小结 |
| 第5章 面向服务的复杂仿真模型验证平台 |
| 5.1 引言 |
| 5.2 面向服务的复杂仿真模型验证平台设计 |
| 5.2.1 面向服务的复杂仿真模型验证平台总体设计 |
| 5.2.2 面向服务的复杂仿真模型验证平台的子系统设计 |
| 5.3 考虑数据特征与用户偏好的服务推荐方法 |
| 5.3.1 问题描述与分析 |
| 5.3.2 个性化服务推荐K近邻方法 |
| 5.4 面向服务的复杂仿真模型验证平台实现及应用 |
| 5.4.1 面向服务的复杂仿真模型验证平台实现 |
| 5.4.2 面向服务的复杂仿真模型验证平台应用 |
| 5.5 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 |
（8）基于多视点元模型的需求追踪性方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要研究内容及创新点 |
| 1.3.1 论文的主要研究内容 |
| 1.3.2 论文的主要创新点 |
| 1.4 本文的组织结构 |
| 第二章 基于多视点元模型建模方法的研究与分析 |
| 2.1 面向多视点需求建模方法的分析 |
| 2.1.1 传统基于UML的 OO建模方法 |
| 2.1.2 RUP提出的“4+1”视图建模方法 |
| 2.1.3 传统面向多视点需求建模方法的不足 |
| 2.2 基于多视点元模型建模过程的构建 |
| 2.2.1 构建基于多视点元模型的建模过程 |
| 2.2.2 建模技术的分析 |
| 2.3 多视点下元模型的构建 |
| 2.3.1 I~*目标元模型的建模与分析 |
| 2.3.2 基于目标的场景元模型的建模与分析 |
| 2.3.2.1 传统场景元模型的建模与分析 |
| 2.3.2.2 传统场景元模型的缺陷 |
| 2.3.2.3 构建基于目标的场景元模型 |
| 2.3.3 软件体系结构元模型的建模与分析 |
| 2.4 小结 |
| 第三章 多视点元模型间可追踪性研究 |
| 3.1 需求可追踪性分析 |
| 3.1.1 需求追踪的定义 |
| 3.1.2 需求追踪的形式 |
| 3.1.3 需求追踪的必要性 |
| 3.2 基于多视点的追踪元模型 |
| 3.2.1 构建基于多视点的追踪元模型 |
| 3.2.2 追踪元模型中追踪关系的分析 |
| 3.2.2.1 目标层与场景层间的追踪 |
| 3.2.2.2 场景层与软件体系结构层间的追踪 |
| 3.3 追踪元模型的可追踪性研究与实现 |
| 3.3.1 构建需求追踪的整体框架 |
| 3.3.2 构建需求传播途径 |
| 3.3.3 构建需求追踪关系 |
| 3.3.4 构建需求追踪矩阵 |
| 3.3.5 可追踪性的验证 |
| 3.4 小结 |
| 第四章 需求的一致性研究与实现 |
| 4.1 需求一致性概述 |
| 4.2 需求冲突处理 |
| 4.2.1 需求关联性与需求一致化程度 |
| 4.2.2 基于需求追踪矩阵的需求冲突处理过程 |
| 4.3 需求关联程度度量 |
| 4.3.1 场景-目标矩阵的建立及定义 |
| 4.3.2 基于场景-目标矩阵的关联性度量 |
| 4.4 小结 |
| 第五章 实例分析 |
| 5.1 建立基于ATM系统的追踪元模型 |
| 5.2 基于ATM系统追踪元模型间追踪的实现 |
| 5.2.1 构建需求传播途径 |
| 5.2.2 构建需求追踪关系 |
| 5.2.3 构建需求追踪矩阵 |
| 5.3 可追踪性的验证 |
| 5.4 冲突需求的处理 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（9）高效能仿真云平台关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号使用说明 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 高效能建模仿真平台建设需求 |
| 1.1.2 云仿真及其发展趋势 |
| 1.1.3 面向效能需求的不足与局限 |
| 1.1.4 本文研究的问题与意义 |
| 1.2 相关研究现状与分析 |
| 1.2.1 云仿真架构及其应用研究 |
| 1.2.2 仿真云效能优化方法研究 |
| 1.3 研究内容与论文结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 第二章 高效能用户中心式仿真云平台架构设计 |
| 2.1 仿真云效能度量框架 |
| 2.1.1 仿真云平台效能的定义与内涵 |
| 2.1.2 仿真云平台效能量化模型 |
| 2.2 用户中心式的云仿真服务架构 |
| 2.2.1 动态COI领域仿真环境 |
| 2.2.2 动态仿真运行环境 |
| 2.2.3 用户中心式云仿真应用模式 |
| 2.3 用户中心式仿真云平台架构 |
| 2.4 本章小结 |
| 第三章 基于Clou Fo DSim的云端高效能仿真应用构建方法 |
| 3.1 方法的提出 |
| 3.1.1 需求与动机 |
| 3.1.2 Clou Fo DSim:基于云的面向特征领域仿真建模框架 |
| 3.2 面向特征的组合集成方法 |
| 3.2.1 基于DEVS的建模仿真框架 |
| 3.2.2 面向DEVS的元特征模型 |
| 3.2.3 基于Fx DEVS的特征组合集成框架 |
| 3.3 基于领域资产追踪的领域建模与仿真服务 |
| 3.3.1 面向Clou Fo DSim的领域资产追踪元模型 |
| 3.3.2 领域建模与仿真服务过程 |
| 3.4 案例实验 |
| 3.4.1 领域分析 |
| 3.4.2 领域设计与实现 |
| 3.4.3 基于特征组合的应用定制 |
| 3.5 本章小结 |
| 第四章 面向带宽保障的并行仿真作业调度优化方法 |
| 4.1 面向带宽保障的高效能并行仿真作业管理和调度 |
| 4.1.1 仿真云中的并行仿真作业调度问题 |
| 4.1.2 基于虚拟集群的带宽保障方法 |
| 4.1.3 面向带宽保障的作业管理和调度框架 |
| 4.2 算法设计 |
| 4.2.1 自适应带宽感知的TVC部署算法 |
| 4.2.2 带宽保障的迁移回填调度算法 |
| 4.3 性能评估 |
| 4.3.1 仿真实验设置 |
| 4.3.2 输入负载 |
| 4.3.3 结果和讨论 |
| 4.4 本章小结 |
| 第五章 通信感知的自适应仿真运行优化方法 |
| 5.1 通信感知的自适应仿真运行优化框架 |
| 5.1.1 云端仿真运行优化问题 |
| 5.1.2 自适应仿真运行优化框架 |
| 5.2 基于统计迁移图分割的大规模人工社会仿真运行优化方法 |
| 5.2.1 问题 |
| 5.2.2 方法 |
| 5.2.3 结果与讨论 |
| 5.3 通信感知的自适应虚拟机迁移优化方法 |
| 5.3.1 问题建模 |
| 5.3.2 算法设计 |
| 5.3.3 性能评估 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录 A 基于网格分割算法和空间距离生成算法 |
| 附录 B 环境实体在GIS上地理分布及在不同算法下的分割结果 |
（10）基于证据理论的结构不确定性传播与反求方法研究（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 不确定传播理论及研究现状 |
| 1.2.1 随机不确定性传播理论及研究现状 |
| 1.2.2 认知不确定性传播理论及研究现状 |
| 1.2.3 证据理论传播理论及研究现状 |
| 1.3 不确定反问题理论及研究现状 |
| 1.4 基于证据理论的不确定性传播及反求主要问题 |
| 1.5 本文的研究目标和主要研究内容 |
| 第2章 基于不确定域分析的证据理论不确定性传播方法 |
| 2.1 引言 |
| 2.2 证据理论的基本概念 |
| 2.2.1 识别框架 |
| 2.2.2 基本可信度分配 |
| 2.2.3 可信度和似真度函数 |
| 2.3 传统证据理论不确定传播 |
| 2.3.1 构建联合BPA |
| 2.3.2 Bel和 Pl的计算 |
| 2.4 基于不确定域分析的证据传播方法 |
| 2.4.1 子不确定域划分 |
| 2.4.2 极限状态方程的多段近似 |
| 2.4.3 Bel和 Pl的计算 |
| 2.4.4 基于体积比的不确定度量 |
| 2.4.5 计算流程 |
| 2.5 算例分析 |
| 2.5.1 数值算例 |
| 2.5.2 管状悬臂梁 |
| 2.5.3 车架结构的不确定传播分析 |
| 2.6 本章小结 |
| 第3章 基于降维分解的证据理论不确定传播方法 |
| 3.1 引言 |
| 3.2 证据矩 |
| 3.3 基于降维配点和边缘区间分析的证据不确定传播方法 |
| 3.3.1 降维配点 |
| 3.3.2 边缘区间分析 |
| 3.3.3 计算流程 |
| 3.4 算例分析 |
| 3.4.1 数值算例1 |
| 3.4.2 数值算例2 |
| 3.4.3 数值算例3 |
| 3.4.4 增强现实眼镜 |
| 3.5 本章小结 |
| 第4章 考虑相关性的超平行体证据理论模型 |
| 4.1 引言 |
| 4.2 超平行体证据理论模型 |
| 4.2.1 超平行体FD的构建 |
| 4.2.2 超平行体联合焦元的构建 |
| 4.3 基于超平行体证据理论模型的结构不确定性传播 |
| 4.4 数值算例 |
| 4.4.1 数值算例 |
| 4.4.2 平面25 杆桁架 |
| 4.4.3 车辆耐撞性中的不确定传播 |
| 4.5 本章小结 |
| 第5章 基于相似系统分析的模型不确定反求方法 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 基于采样的证据不确定反求 |
| 5.3.1 联合焦元极值分析 |
| 5.3.3 反求参数Bel和 Pl的计算 |
| 5.4 基于相似系统原理的证据不确定性反求方法 |
| 5.4.1 不确定反问题向确定性反问题的转化 |
| 5.4.2 基于相似系统原理的确定性反求 |
| 5.4.3 基本计算流程 |
| 5.5 算例分析 |
| 5.5.1 数值算例 |
| 5.5.2 十杆桁架结构 |
| 5.5.3 车辆碰撞事故重构 |
| 5.6 本章小结 |
| 第6章 基于证据理论的响应不确定反求方法 |
| 6.1 引言 |
| 6.2 响应不确定反问题数学描述 |
| 6.3 待识别参数的不确定建模 |
| 6.4 基于证据理论响应不确定反求方法 |
| 6.4.1 识别框架的反求 |
| 6.4.2 证据结构的反求 |
| 6.4.3 基本求解流程 |
| 6.5 算例分析 |
| 6.5.1 数值算例 |
| 6.5.2 车辆乘员约束系统的参数识别 |
| 6.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文 |
| 附录B 攻读学位期间所参加的科研项目 |
四、元模型可度量性及度量方法研究（论文参考文献）
- [1]基于深度模型的零样本迁移学习[D]. 宋杰. 浙江大学, 2020(08)
- [2]产业互联网背景下制造业企业创新绩效评价研究[D]. 张云涛. 南京航空航天大学, 2020(07)
- [3]面向复杂仿真的评估与优化方法研究[D]. 林圣琳. 哈尔滨工业大学, 2020(01)
- [4]考虑参数不确定性的汽车碰撞安全优化设计[D]. 王琼. 湖南大学, 2020
- [5]空域扇区拥挤等级识别与预测研究[D]. 孙煜时. 南京航空航天大学, 2020(07)
- [6]基于概率性预测的航天器遥测数据异常检测方法研究[D]. 庞景月. 哈尔滨工业大学, 2019(01)
- [7]复杂仿真模型验证方法研究[D]. 周玉臣. 哈尔滨工业大学, 2019
- [8]基于多视点元模型的需求追踪性方法研究[D]. 李潇. 青岛大学, 2019(02)
- [9]高效能仿真云平台关键技术研究[D]. 李祯. 国防科技大学, 2019(01)
- [10]基于证据理论的结构不确定性传播与反求方法研究[D]. 曹立雄. 湖南大学, 2019(07)