一、基于本体的特征知识库（论文文献综述）
张志豪[1]（2021）在《再犯罪改造领域知识管理系统的设计与实现》文中研究说明目前有关再犯罪改造领域的知识并没有被纳入管理,且在该领域的知识管理方面的研究极少,如何将犯罪心理领域知识纳入管理、形成一套完整的知识管理体系,准确预测罪犯或矫正对象的再犯罪几率,体现改造质量的优劣,从而制定一套合适的帮扶计划,提高再犯罪改造质量,变成了急需的问题。为此,本文基于领域专家经验以及对某监狱的调查问卷,结合本体技术、机器学习预测模型、模糊综合评估等技术,从再犯罪改造领域知识库的构建、再犯罪预测模型、以及再犯罪改造领域知识管理系统的设计与实现三个方面展开了研究。本文首先结合领域专家经验、再犯罪改造领域特点以及本体技术,建立再犯罪改造领域知识库,定义了该领域类与属性及其关系,对本体进行了可视化,并使用关系数据库存储领域知识库,提高了检索效率,降低了维护成本;其次基于模糊层次分析法以及模糊综合评估,并对模糊综合评估模型进行了较深入地研究,构建了一套再犯罪影响因素权重体系,对比三种机器学习算法在预测再犯罪能力上的效果,经过实验,选择逻辑回归作为预测模型,将模糊综合评估以及逻辑回归的结果进行加权平均,得到最终的较为准确的预测结果,为领域专家针对性的制定帮扶计划提供了参考依据;最后开发出了再犯罪改造领域知识管理系统的原型,包括知识浏览、知识检索、知识管理、知识维护、再犯罪预测、用户管理等功能模块,测试结果表明该系统所有功能模块都能够达到预定目标。
张凯[2]（2021）在《面向领域的知识库构建方法研究与实现》文中指出
毛军轻[3]（2021）在《基于本体的港口供应链知识服务模型研究》文中提出随着世界经济一体化进程的不断推进与发展,以及互联网、人工智能等技术的普及,我国港口物流行业及供应链已进入一个全新高速发展阶段,港口供应链应运而生。随着进入全新的互联网数据发展时代,港口供应链领域在发展的历程中产生并积累了大量的数据化资源。但由于港口供应链结构复杂与涉及众多领域,以及众多节点企业习惯于传统的运营模式与合作环境变化难以预测等问题,致使港口供应链不能有效与最大化利用领域海量的数据资源,很难快速适应经济一体化的发展,使港口供应链在高速发展的信息化时代下难以实现智慧化、一体化高效运营与转型升级。而实现港口供应链智慧化、一体化运营的前提则是港口供应链企业能够独立有效地获取领域数据与所需知识,港口供应链上应具有高度信息化、智能化的知识服务平台系统,为港口供应链企业提供个性化、智能化与多元化的知识服务系统平台方案。因此,本文对港口供应链智慧化的知识服务研究具有十分重要的意义。首先,本文对我国港口供应链的发展现状及趋势、知识服务在供应链中运用的现状及特点、本体与基于本体的知识服务研究现状等文献进行了梳理归纳,以及对本体、知识服务与数据挖掘等技术的相关概念进行概述。其次,通过对港口供应链领域知识进行获取与分析,对比多种领域本体库的构建方法,最后选择运用七步法分别从类层、属性层和实例层三个层次构建了港口供应链本体库。然后,在构建港口供应链本体库的基础之上,构建了包含知识获取、知识组织与知识服务三个板块的基于本体的港口供应链知识服务模型,并详细说明与分析了知识获取的方法、知识组织中的知识融合匹配、自动存储与更新、本体的过滤与集成、语义标注、以及为用户提供的具体服务等。最后,以九江港口供应链为例进行模型的运用与实现途径分析,详细说明了知识检索、知识导航与智能的个性化推荐等服务,以及对基于本体的港口供应链知识服务模型系统的运用进行可行性分析,说明该实现路径的可行性与有效性。本文旨在基于现今港口供应链的发展趋势与存在的问题,构建了基于本体的港口供应链知识服务模型,并利用该模型为港口供应链企业提供一系列智慧化、一体化、多样化的知识服务,为港口供应链的高效运行与转型升级提供理论参考。
朱俊杰[4]（2021）在《汽轮发电机组能效诊断与维护决策系统研究》文中进行了进一步梳理为减少煤炭资源消耗,确保我国能源行业绿色发展,实现“碳达峰、碳中和”目标,需要不断挖掘汽轮发电机组节煤潜力。随着清洁能源装机比重不断增大,我国电力生产结构不断调整,大部分汽轮发电机组开始承担调峰任务,在低负荷运行过程中,机组能源利用效率偏低,汽轮发电机组节能压力不断增大。在此背景下,开展汽轮发电机组能效诊断与维护决策技术研究具有重要意义。首先,对汽轮发电机组热力系统进行能效分析,确定用来表征机组能效状态的能效状态指标体系,总结、梳理出引起汽轮发电机组能效状态异常的相关异常模式以及故障模式。其次,依靠本体理论建立了汽轮发电机组能效诊断知识库,将引起机组能效指标异常的相关典型故障模式以及异常模式录入知识库中,并与其所属系统设备、相关征兆、原因、维护措施关联起来,作为系统能效诊断的依据。再次,确定了系统能效诊断功能的相关规则与算法。确定了以数据挖掘技术为基础的基准值确定方法,以“稳态筛选-工况划分-异常检测”为流程,通过对比实时运行参数以及参数基准区间,对运行数据进行实时诊断,并根据诊断结果给出相应的维护建议。通过某电厂仿真机仿真出的凝汽器真空不严密故障验证了系统的可靠性。最终,将理论研究付诸于实践,结合离线的能效诊断知识库与在线的实时运行数据处理方法开发了一套汽轮发电机组能效诊断与维护决策系统,致力于提高机组的节煤能力,确保机组健康稳定的运行。
王仲[5]（2021）在《燃气-蒸汽联合循环机组智能诊断与健康维护技术研究》文中指出燃气-蒸汽联合循环机组运行工况多变、状态参数间相互耦合、故障传递与演化规律复杂,其健康状况诊断是一项涉及多学科知识的复杂系统工程。本文在对影响机组健康状况的典型故障模式深入分析的基础上,结合知识工程、大数据以及人工智能等相关理论和技术,开展了数据与知识双驱动的机组智能诊断与健康维护技术研究。首先,针对燃气-蒸汽联合循环机组多源故障信息间关联关系复杂以及查询和推理低效的问题,提出了基于本体理论和语义网络技术的领域知识和数据结构化表示方法。以故障树分析法和故障模式及影响分析法为指导,系统性地分析了机组典型故障知识;提出了机组健康维护领域本体概念和层次结构,构建了包括边界工况、故障知识和监测数据在内的本体语义网,实现故障知识和数据的多粒度语义性建模;同时,研究了基于本体的机组故障知识和数据的语义性推理和查询方法,提高了故障知识和数据的管理效率和应用效果。其次,针对燃气-蒸汽联合循环机组运行工况的多变性和健康状态信息的复杂性,研究了基于条件变自编码器的机组健康状况异常检测方法。在深入分析机组的运行特性和监测数据规律的基础上,提出了包括稳态判别、工况划分、基准样本筛选等过程在内的机组历史运行数据清洗流程;考虑到负荷等边界条件对监测参数的影响,采用条件变自编码器建立多变运行工况下多参数融合的基准模型,实现变工况下机组健康状况的数据表征;采用模型的重构概率作为异常检测的特征指标,用于衡量机组实际状态与基准状态的偏离程度,提高机组健康状况异常检测的准确率和灵敏度。再次,针对燃气-蒸汽联合循环机组故障和征兆复杂关联关系下的诊断问题,研究了基于反事实推理的诊断决策方法。从因果性的角度重新定义故障和征兆间的关系,通过引入隐变量表示诊断的不确定性,结合领域本体搜索获得的故障知识,构建了故障的结构性因果模型。在此基础上,提出了基于反事实推理的充分因和必要因的表达式和计算模型,用于定量表征故障对证据的因果性解释强弱,并从敏度、可靠性和可解释性的角度对所提出的诊断方法的鲁棒性和工程适用性进行了评价。最后,研究了基于数字孪生的燃气-蒸汽联合循环机组智能诊断系统构架,详细介绍了该系统的总体设计思想、具体功能以及系统实现的关键技术等,完成了粤电集团中山电厂燃气-蒸汽联合循环机组智能诊断系统的开发,以推进燃气-蒸汽联合循环机组智能诊断与健康维护研究工作的技术成果转化和工程应用。
孙树民[6]（2021）在《汽轮机智能故障诊断与维护决策系统研究》文中研究说明汽轮机故障诊断是一项多学科交叉、多技术融合的复杂系统工程,具有运行工况多变、参数间相互耦合、故障传递与演化规律复杂等特点。本文在对汽轮机典型故障模式深入分析的基础上,结合知识工程和深度学习等相关理论与技术,开展了汽轮机智能故障诊断关键技术研究。首先,针对汽轮机故障间关联关系复杂的问题,提出了故障知识分析与获取方法。基于系统工程理论,对汽轮机设备进行层次性划分;采用故障树分析法和故障模式及影响分析法相结合,系统性地分析并梳理了汽轮机典型汽路类故障和振动类故障知识,并对获取到的故障知识进行统一数字化编码。其次,针对故障知识缺乏统一的语义性,开展了基于本体理论的故障知识结构化表达研究。在已获取的汽轮机故障知识基础上,提出了故障知识类、属性和个体的划分原则,实现了汽轮机故障语义网的构建;同时,为了进一步管理并存储故障知识,研究了基于Neo4j的故障知识图谱可视化展示技术。再次,针对汽轮机状态参数间相互耦合的问题,开展了基于长短期记忆神经网络和本体语义性搜索的故障预警研究。选取特征参数,并利用清洗后的稳态数据样本,建立了长短期记忆神经网络预测模型,通过比较实际值与模型的预测值,定位异常参数;并进一步结合基于故障知识本体的语义性搜索,实现从异常参数到故障模式的快速匹配。最后,基于上述的理论研究工作,以实际工程需求为驱动,研究了汽轮机智能诊断系统设计框架,描述了系统数据库结构和功能模块的计算流程,开发了汽轮机智能故障诊断原型系统,推进了汽轮机组智能运维研究工作的工程应用。
曾广迅,龚光红,李妮[7]（2021）在《基于语义匹配的作战体系仿真想定生成方法》文中研究说明针对传统的想定建模方法耗时长、成本高的问题,为了实现作战体系概念模型数据到仿真想定的数据映射重用,提出一种基于语义匹配的作战体系仿真想定生成方法。首先,基于网络爬虫技术获取武器装备的参数信息,构建了作战领域知识库。在此基础上,提出了新型的混合式语义匹配方法以提供仿真想定的数据来源,根据自然语言数据库WordNet开展调参实验确定算法参数,通过对比人工打分结果有效提高了算法的可信性。在确定了概念模型与仿真想定的数据映射关系后,给出了仿真想定的生成方法。最后,通过编队突防仿真应用案例,验证了该方法的可行性。
张永明[8]（2021）在《汽轮发电机组健康状态监测与智能故障诊断技术研究》文中研究说明汽轮发电机组作为电力系统中极为关键的大型旋转机械设备,对安全性、稳定性以及寿命的要求非常高,如果出现意外故障,会造成人员伤害或严重的经济损失,因此为了提高汽轮发电机组运行的安全性与可靠性,对其故障进行准确的诊断和预测具有重要的工程实用价值。设计开发状态监测与智能故障诊断系统是保证机组在不停机的状态下平稳运行的主要手段,有助于技术人员对机组产生的故障进行监测和维护。本文基于UML系统建模方法开发了汽轮发电机组健康状态监测与智能故障诊断系统,提出了多源异构本体知识表示方法及关联案例推理机制,对系统知识库的构建和推理机的设计进行了深入的研究。论文主要内容与贡献总结如下:（1）构建了基于UML系统建模方法的状态监测与智能故障诊断系统模型。针对汽轮发电机组状态监测与故障诊断系统功能多样、结构复杂、开发周期长等问题,考虑UML建模方法具有拓展性强、通用程度高、开发周期短等特点,设计了基于UML的汽轮发电机组状态监测与智能故障诊断系统模型,包括机组的总体架构、系统用例模型、功能分解模型、系统静态类模型、系统状态模型、系统交互模型及组件部署模型。（2）提出了汽轮发电机组多源异构知识本体建模与融合的方法。利用Protégé软件构建了汽轮发电机组的全局本体和局部本体,详细说明了建模的方法与步骤,改进了知识融合的算法与多源知识检索的过程,通过多源知识的检索过程证明了所建本体知识模型的正确性。利用机械故障模拟实验台（MFS）模拟了汽轮发电机组转子的不同故障,验证了知识融合算法的可行性与有效性。（3）设计了基于本体和关联案例推理机制。针对本体推理结果不完善,推理效率低等问题,利用Protégé自带的推理机Fa CT++进行初步推理,根据本体推理结果再进行案例分层检索。结合案例检索的全局相似度和局部相似度算法,设计了故障诊断系统推理机,提高了系统诊断的准确性和高效性,通过推理机制给出了故障的合理解决方案,实现了汽轮发电机组从“故障属性输入”到“解决方案输出”的全过程。（4）开发了汽轮发电机组健康状态监测与智能故障诊断系统。利用本体编辑器构建了知识库和完成了初步推理,使用SQL Server储存了机组传送过来的数据和长期积累的故障案例,通过MATLAB封装了相关图谱绘制算法、特征提取算法和关联案例推理算法,结合UML系统模型,开发了汽轮发电机组健康状态监测与智能故障诊断系统。通过系统性能调试验证了此系统能够为汽轮发电机组故障诊断提供可行的解决方案,保证了机组健康运行。
张希[9]（2021）在《基于个人知识库的智能时间管理App设计与实现》文中研究说明研究报告指出,97%的大学生认为自己存在拖延行为,拖延症作为一种十分常见的时间管理问题,已严重影响了大学生正常的学习和生活。一方面大学生们迫切需要解决拖延方面的知识,另一方面国内外专家针对大学生拖延研究成果丰硕,通过结合拖延领域知识开发出一款智能时间管理App,以辅助大学生战胜拖延,具有重要现实意义。针对上述问题,本文设计并实现了一款基于Android平台的智能时间管理App。本文首先构建了大学生拖延知识库,App能够通过问答诊断出大学生的拖延原因,并给出知识解决方案。本文整理大量文献资料,利用Protege构建拖延本体,使用SWRL构建推理规则。本文利用Android本地SQLite数据库构建了个人知识库,并基于知识推荐向大学生提供感兴趣的引导内容。此外,本文还基于Android实现了任务管理、目标管理、番茄钟、个人信息管理和登录注册等功能。本文智能时间管理App能够从目标、任务、认知等角度辅助大学生战胜拖延,通过确立目标、分解任务、执行番茄钟,帮助用户将一个模糊的目标转变成一系列具体可操作的行动单位。通过使用本文智能时间管理App,大学生能够有效避免在获取拖延知识过程中信息过载和知识焦虑等问题,在随时随地管理自身容易拖延任务的同时,还能有效提高自身的时间管理水平。本文设计实现的智能时间管理App经功能测试验证了系统的可行性和可用性,经验证可以推广使用。
张威强[10]（2020）在《心血管健康管理方案知识库构建及个性化方案智能生成与量化研究》文中研究指明当前,中国心血管病的患病率和死亡率仍处于上升阶段,权威报告显示,全国心血管患病人数超过2.9亿,每5例死亡者中就有2例死于心血管病。因此,心血管疾病已经成为我国人民健康的头号“杀手”,防治工作刻不容缓。社会发展与众多医学实践表明:以预防保养、实时监控和个性化为主的智能健康管理,不仅是一种通行的健康解决方案,也是应对心血管疾病这一类慢性疾病的有效策略。互联网的快速发展和广泛普及为知识共享提供了机会,也为个性化健康管理的实现提供了支撑。随着互联网技术取得巨大进步,基于网络的健康管理知识也呈现爆炸式增长。然而,由于这些海量且免费的健康知识来源众多、数量庞大、准确性参差不齐,表达方式也各有不同,使得人们很难找到真正适合个体所需的高质量的健康管理知识。目前国内外有很多基于互联网的公众健康管理系统及应用,但这些系统平台发布的健康管理知识大多是定性化和通用化的,定量化和个体针对性不足,也缺乏清晰的实施操作步骤和流程,导致用户实际上无法有效利用这些知识进行自我健康管理。基于此,本文尝试构建一个基于心血管病领域的知识库模型来规范和表示领域内的健康管理方案知识。然后,基于设计的领域本体知识库模型,本文结合个体健康特征、环境特征和个体其它相关特征,进一步研究个性化健康管理方案的智能生成算法。最后,根据智能生成的定性的运动方案和饮食方案,研究个性化运动和饮食方案的定量化模型。本文还邀请了领域专家对基于患者案例生成的个性化健康管理方案进行了评价,评价结果证明了个性化方案智能生成和方案量化的有效性和科学性。本文的主要创新点如下:第一,本文总结归纳了心血管疾病领域与健康管理相关的关键概念,提出并构建了一整套基于领域本体的健康管理方案知识库模型,弥补了目前国内在这个领域的研究不足,有助于实现对多源异构的健康管理知识的过滤、抽取、逻辑化和结构化。此外,考虑到心血管病的各种致病危险因素,以往仅局限于疾病与用药的领域本体并不能很好地满足大众个性化的健康管理需求。因此,本文构建了健康管理方案本体和健康管理方案实施本体,同时补充了领域内的其他关键本体,如食材、菜谱、运动等基础本体,还包含了大量与个体健康特征相关的本体和属性。本文构建的领域本体库是一套基于心血管病领域,完全以大众个性化健康管理为目标的知识库模型,同时它也是一项基础性研究,未来可以在与健康管理相关的场景中得到广泛应用。第二,本文将模糊Petri网络应用于健康管理领域,采用矩阵运算的并行推理方法进行健康管理方案的智能生成,解决了大规模知识推理的效率问题。提出的方案推荐算法充分考虑了个体健康特征、个体所处的自然环境和社会环境特征,能挖掘用户忽视或遗漏的某些健康特征信息或其他特征信息,同时能识别和处理知识推理过程中出现的矛盾或冲突规则,保证了方案推荐结果的有效性和科学性。对于饮食方案,推荐算法在考虑了个体收入水平、饮食偏好、饮食禁忌等信息的基础上,对饮食集做了进一步筛选与排序。而且,本文还结合中国居民平衡膳食宝塔所推荐的九种饮食类别对饮食做了分类推荐,不仅强调了饮食的个性化,而且兼顾了饮食种类的多样性和平衡性。第三,没有明确运动时间的定性运动方案既不足以支撑实施个性化健康管理,也不能保证运动的有效性和科学性。本文在定性的运动方案基础上,遵循每日能量总消耗与每日膳食能量总摄入的差值最接近每日推荐能量净消耗的原则,构建出了个性化运动方案的非线性规划模型,求解该模型即得到定量化的运动时间。该运动时间也是后续饮食方案定量化的重要输入参数,从而保证了运动量化与饮食量化的紧密联系。第四,没有明确的膳食摄入量的定性饮食方案无疑将降低个性化健康管理方案的可操作性和个体的依从性,也不能确保每日膳食能量摄入的科学性。本文在定性的饮食方案的基础上,基于运动方案量化的结果,遵循饮食能量摄入与按目标BMI计算的每日能量总消耗相平衡原则,以中国居民平衡膳食宝塔的九种饮食类别的推荐摄入量作为模型约束条件,构建出了个性化饮食方案的目标规划模型。运动量化和饮食量化相互依存,模型更科学、合理。本研究基于本体理论、知识管理理论、优化理论,结合运动医学、营养学相关研究成果,提出并构建了一整套个性化健康管理方案领域知识库模型。在此基础上,设计了一套知识推理方法和算法,可以智能生成满足用户个性化需求的健康管理方案。同时,针对运动和饮食这二种最普遍的健康干预方案,实现了定性到定量化模型的转换,大大提升了健康管理方案的可操作性、有效性和准确性。
二、基于本体的特征知识库（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于本体的特征知识库（论文提纲范文）
（1）再犯罪改造领域知识管理系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 再犯罪改造 |
| 1.2.2 知识管理和知识管理系统 |
| 1.2.3 知识库 |
| 1.3 研究目标与研究内容 |
| 1.4 论文的组织结构 |
| 第二章 相关技术 |
| 2.1 本体技术 |
| 2.2 知识库构建 |
| 2.2.1 知识表示 |
| 2.2.2 知识存储 |
| 2.3 机器学习预测模型 |
| 2.3.1 逻辑回归 |
| 2.3.2 支持向量机 |
| 2.3.3 随机森林 |
| 2.4 本章小结 |
| 第三章 再犯罪改造领域知识库的构建 |
| 3.1 再犯罪改造知识库的规划和设计 |
| 3.2 再犯罪改造知识库的构建 |
| 3.2.1 领域核心概念定义 |
| 3.2.2 属性建立 |
| 3.2.3 本体可视化 |
| 3.3 再犯罪改造知识库的存储 |
| 3.4 本章小结 |
| 第四章 再犯罪预测模型 |
| 4.1 模糊层次分析模型构建 |
| 4.1.1 评价指标体系 |
| 4.1.2 判断矩阵 |
| 4.1.3 模糊一致矩阵 |
| 4.2 模糊综合评估 |
| 4.2.1 评语集 |
| 4.2.2 计算指标权重 |
| 4.2.3 模糊评估矩阵 |
| 4.2.4 模糊综合评估 |
| 4.3 基于卡方检验的机器学习预测模型 |
| 4.3.1 数据预处理 |
| 4.3.2 特征选择 |
| 4.3.3 再犯罪预测模型比较 |
| 4.4 再犯罪预测模型构建 |
| 4.5 本章小结 |
| 第五章 再犯罪改造领域知识管理系统的设计与实现 |
| 5.1 需求分析 |
| 5.1.1 功能需求 |
| 5.1.2 非功能需求 |
| 5.2 总体设计 |
| 5.2.1 系统架构设计 |
| 5.2.2 系统功能设计 |
| 5.2.3 数据库设计 |
| 5.3 系统实现 |
| 5.3.1 系统环境部署 |
| 5.3.2 知识管理模块 |
| 5.3.3 知识检索模块 |
| 5.3.4 知识维护模块 |
| 5.3.5 再犯罪预测模块 |
| 5.3.6 用户管理模块 |
| 5.3.7 知识浏览模块 |
| 5.4 系统测试及分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（3）基于本体的港口供应链知识服务模型研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 港口供应链研究现状 |
| 1.2.2 知识服务应用于供应链研究现状 |
| 1.2.3 基于本体论的知识服务研究现状 |
| 1.3 本文研究内容及创新点 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 主要创新点 |
| 1.4 技术路线 |
| 1.5 本章小结 |
| 第2章 相关概念与理论基础 |
| 2.1 本体概述 |
| 2.1.1 本体定义 |
| 2.1.2 本体功能 |
| 2.1.3 本体描述语言 |
| 2.1.4 本体构建 |
| 2.2 知识服务 |
| 2.2.1 知识服务概述 |
| 2.2.2 个性化推荐技术 |
| 2.2.3 基于本体的知识服务 |
| 2.3 数据挖掘技术 |
| 2.4 本章小结 |
| 第3章 港口供应链本体库的构建 |
| 3.1 港口供应链本体分析 |
| 3.1.1 港口供应链本体定义范围 |
| 3.1.2 港口供应链本体知识获取 |
| 3.1.3 港口供应链本体的概念化与分类 |
| 3.1.4 港口供应链本体类的属性关系 |
| 3.2 港口供应链本体构建概述 |
| 3.2.1 港口供应链本体构建方法 |
| 3.2.2 港口供应链本体构建工具 |
| 3.2.3 港口供应链本体构建原则 |
| 3.3 港口供应链领域本体库的构建 |
| 3.3.1 类层的构建 |
| 3.3.2 属性层的构建 |
| 3.3.3 实例层的构建 |
| 3.4 本体的检测和评价 |
| 3.5 本章小结 |
| 第4章 基于本体的港口供应链知识服务模型构建 |
| 4.1 港口供应链知识服务模型框架 |
| 4.2 港口供应链知识服务模型的知识获取 |
| 4.2.1 港口供应链领域数据采集 |
| 4.2.2 港口供应链领域知识抽取 |
| 4.3 港口供应链知识服务模型的知识组织 |
| 4.3.1 知识服务系统的知识处理与存储 |
| 4.3.2 知识服务系统的知识融合 |
| 4.3.3 本体知识库构建 |
| 4.3.4 本体的过滤集成 |
| 4.3.5 领域语义标注 |
| 4.4 港口供应链知识服务模型的知识服务 |
| 4.4.1 知识检索服务 |
| 4.4.2 知识导航服务 |
| 4.4.3 个性化知识服务 |
| 4.5 本章小结 |
| 第5章 基于本体的九江港口供应链知识服务应用 |
| 5.1 港口供应链本体库的构建 |
| 5.2 港口供应链领域本体推理 |
| 5.2.1 领域本体推理 |
| 5.2.2 领域本体规则推理 |
| 5.3 港口供应链知识服务仿真模型实现 |
| 5.3.1 知识检索服务的实现 |
| 5.3.2 知识导航服务的实现 |
| 5.3.3 个性化推荐服务的实现 |
| 5.4 港口供应链知识服务模型应用分析 |
| 5.4.1 供应链企业间的知识关联 |
| 5.4.2 供应链知识服务流程分析 |
| 5.4.3 供应链知识服务 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文研究工作总结 |
| 6.1.1 研究结果 |
| 6.1.2 存在不足 |
| 6.2 未来研究工作展望 |
| 参考文献 |
| 攻读硕士期间的研究成果 |
| 致谢 |
（4）汽轮发电机组能效诊断与维护决策系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义及目的 |
| 1.2 国内外研究现状 |
| 1.2.1 汽轮发电机组能效诊断技术研究现状 |
| 1.2.2 诊断系统研究现状 |
| 1.3 本文研究内容 |
| 第2章 汽轮发电机组能效状态指标体系 |
| 2.1 引言 |
| 2.2 能效状态指标体系研究 |
| 2.2.1 能效状态指标选取原则 |
| 2.2.2 能效状态指标体系构建思路 |
| 2.3 汽轮机系统能效指标选取 |
| 2.3.1 燃煤电厂热力系统分析 |
| 2.3.2 汽轮机本体系统分析 |
| 2.3.3 回热系统分析 |
| 2.3.4 冷端系统分析 |
| 2.4 指标体系形成 |
| 2.5 本章小结 |
| 第3章 系统能效诊断知识库构建 |
| 3.1 引言 |
| 3.2 本体的相关研究 |
| 3.2.1 本体的介绍 |
| 3.2.2 本体构建的原则 |
| 3.2.3 本体构建语言以及工具 |
| 3.3 能效诊断知识库本体构建 |
| 3.3.1 能效诊断知识库本体构建策略 |
| 3.3.2 类和类的结构关系 |
| 3.3.3 属性和属性关系 |
| 3.3.4 个体实例创建 |
| 3.3.5 一致性验证 |
| 3.3.6 能效诊断知识库 |
| 3.4 本章小节 |
| 第4章 系统能效诊断方法分析 |
| 4.1 引言 |
| 4.2 参数基准值的确定 |
| 4.2.1 历史数据稳态筛选 |
| 4.2.2 基于K-均值聚类算法的工况划分 |
| 4.2.3 基于MGMM和SVR模型的基准值确定方法 |
| 4.3 参数异常检测与诊断 |
| 4.3.1 参数异常检测 |
| 4.3.2 能效诊断知识库的查询 |
| 4.4 案例分析 |
| 4.5 本章小节 |
| 第5章 能效诊断与维护决策系统开发与应用 |
| 5.1 系统介绍与框架 |
| 5.2 系统数据仓库设计 |
| 5.2.1 数据表E-R图设计 |
| 5.2.2 数据表设计 |
| 5.2.3 知识库设计 |
| 5.3 系统开发与运行环境 |
| 5.4 能效诊断功能设计 |
| 5.4.1 监测分析界面 |
| 5.4.2 诊断与决策界面 |
| 5.5 本章小节 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其他成果 |
| 致谢 |
（5）燃气-蒸汽联合循环机组智能诊断与健康维护技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 联合循环机组在我国的发展 |
| 1.1.2 联合循环机组健康维护面临的挑战 |
| 1.1.3 联合循环机组健康维护的新机遇 |
| 1.2 课题的研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 故障与健康概念内涵研究现状 |
| 1.3.2 知识与数据管理研究现状 |
| 1.3.3 联合循环机组智能诊断理论研究现状 |
| 1.3.4 联合循环机组智能诊断系统研究现状 |
| 1.4 本文的研究内容和结构安排 |
| 第2章 联合循环机组健康维护大数据系统研究 |
| 2.1 引言 |
| 2.2 联合循环机组健康维护领域知识获取 |
| 2.2.1 FMEA和FTA基本理论 |
| 2.2.2 FMEA和FTA联合指导机组领域知识获取 |
| 2.2.3 联合循环机组领域知识获取结果 |
| 2.3 本体基本理论 |
| 2.3.1 本体的概念 |
| 2.3.2 本体的语义 |
| 2.3.3 OWL的语法 |
| 2.4 基于本体的领域知识和数据结构化表示 |
| 2.4.1 边界工况本体 |
| 2.4.2 故障知识本体 |
| 2.4.3 监测数据本体 |
| 2.4.4 案例验证 |
| 2.5 基于本体的语义性推理 |
| 2.5.1 基于OWL公理的本体语义性推理 |
| 2.5.2 基于SWRL的本体语义性推理 |
| 2.5.3 案例验证 |
| 2.6 基于本体的语义性查询 |
| 2.6.1 基于SPARQL的本体查询 |
| 2.6.2 基于本体的历史数据访问 |
| 2.6.3 案例验证 |
| 2.7 本章总结 |
| 第3章 联合循环机组健康状况异常检测研究 |
| 3.1 引言 |
| 3.2 联合循环机组健康状况异常检测分析与流程设计 |
| 3.3 历史数据清洗 |
| 3.3.1 稳态工况判别 |
| 3.3.2 工况划分 |
| 3.3.3 基准样本筛选 |
| 3.4 变工况异常检测 |
| 3.4.1 联合循环机组变工况运行状态分析 |
| 3.4.2 变分自编码器基本理论 |
| 3.4.3 基于条件变自编码器的联合循环机组变工况基准模型 |
| 3.4.4 基于重构概率的异常检测 |
| 3.5 实例验证 |
| 3.5.1 数据清洗 |
| 3.5.2 参数预测 |
| 3.5.3 异常检测 |
| 3.6 本章总结 |
| 第4章 联合循环机组健康诊断与维护决策研究 |
| 4.1 引言 |
| 4.2 联合循环机组智能诊断分析与流程设计 |
| 4.2.1 联合循环机组故障诊断特点 |
| 4.2.2 联合循环机组智能诊断的流程设计 |
| 4.3 诊断模型的构建 |
| 4.3.1 结构性因果模型基本理论 |
| 4.3.2 Leaky Noisy-Or假设 |
| 4.3.3 基于结构性因果模型的诊断模型 |
| 4.4 基于反事实推理的诊断决策 |
| 4.4.1 反事实推理基本理论 |
| 4.4.2 充分因与必要因诊断指标的定义 |
| 4.4.3 基于孪生网络的反事实推理计算框架 |
| 4.5 诊断模型的评价 |
| 4.5.1 诊断模型的敏度分析 |
| 4.5.2 诊断模型的可靠性分析 |
| 4.5.3 诊断模型的可解释性分析 |
| 4.6 实例验证 |
| 4.7 本章总结 |
| 第5章 联合循环机组智能诊断系统设计与实现 |
| 5.1 引言 |
| 5.2 联合循环机组智能诊断系统的数字孪生模型 |
| 5.2.1 数字孪生基本理论 |
| 5.2.2 基于数字孪生的智能诊断系统框架 |
| 5.3 联合循环机组智能诊断系统的设计 |
| 5.3.1 系统需求分析 |
| 5.3.2 系统整体设计 |
| 5.3.3 大数据系统设计 |
| 5.3.4 模型算法库设计 |
| 5.3.5 人机交互系统设计 |
| 5.4 联合循环机组智能诊断系统的实现 |
| 5.4.1 系统技术框架概述 |
| 5.4.2 系统主要功能实现 |
| 5.5 本章总结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 论文的主要创新点 |
| 6.3 有待进一步开展的工作 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（6）汽轮机智能故障诊断与维护决策系统研究（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 国内外研究现状 |
| 1.2.1 汽轮机故障知识管理研究现状 |
| 1.2.2 汽轮机故障诊断研究现状 |
| 1.2.3 汽轮机故障诊断系统研究现状 |
| 1.3 本文研究内容 |
| 第2章 汽轮机故障知识分析与获取 |
| 2.1 复杂系统特性分析 |
| 2.2 汽轮机故障知识获取 |
| 2.2.1 设备树分析 |
| 2.2.2 基于FMEA与FTA的故障分析 |
| 2.3 实例分析 |
| 2.4 本章小结 |
| 第3章 故障知识的结构化表达与可视化研究 |
| 3.1 本体基本理论 |
| 3.1.1 本体的概念和语义 |
| 3.1.2 本体的构建 |
| 3.2 基于本体的汽轮机故障知识结构化表达 |
| 3.2.1 类及层次结构的确立 |
| 3.2.2 属性及属性关系的确立 |
| 3.2.3 个体填充 |
| 3.2.4 一致性检验 |
| 3.3 故障知识可视化 |
| 3.4 本章小结 |
| 第4章 汽轮机异常检测与故障预诊研究 |
| 4.1 特征参数选取 |
| 4.2 历史数据稳态筛选与标准化 |
| 4.3 基于LSTM的参数异常检测 |
| 4.3.1 LSTM理论介绍 |
| 4.3.2 参数异常检测 |
| 4.3.3 模型评价指标选取 |
| 4.4 基于本体语义性搜索的故障预诊 |
| 4.5 案例分析 |
| 4.6 本章小结 |
| 第5章 汽轮机故障诊断系统的设计与开发 |
| 5.1 系统设计目标与功能设计 |
| 5.2 系统总体架构与开发环境 |
| 5.3 系统大数据系统设计 |
| 5.3.1 汽轮机故障诊断系统知识仓库设计 |
| 5.3.2 汽轮机故障诊断系统数据仓库设计 |
| 5.4 故障诊断模块功能设计 |
| 5.5 系统实现与测试 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（8）汽轮发电机组健康状态监测与智能故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的来源 |
| 1.2 课题的研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 汽轮发电机组状态监测与故障诊断的国内外研究现状 |
| 1.3.2 基于UML系统建模方法的国内外研究现状 |
| 1.3.3 基于本体知识表示方法的国内外研究现状 |
| 1.3.4 基于案例推理的故障诊断国内外研究现状 |
| 1.4 课题的研究目标和研究内容 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 第2章 汽轮发电机组典型故障原理分析及处理技术 |
| 2.1 引言 |
| 2.2 600MW亚临界汽轮发电机组的基本结构 |
| 2.3 汽轮发电机组典型故障分析及处理 |
| 2.3.1 汽轮发电机组转子质量不平衡 |
| 2.3.2 汽轮发电机组转子不对中故障 |
| 2.3.3 汽轮发电机组动静碰磨振动故障 |
| 2.4 本章小结 |
| 第3章 汽轮发电机组状态监测与智能故障诊断系统建模 |
| 3.1 引言 |
| 3.2 UML理论研究 |
| 3.2.1 UML建模 |
| 3.2.2 UML核心元素 |
| 3.2.3 UML建模流程和工具 |
| 3.3 机组总体架构 |
| 3.3.1 汽轮发电机组数据处理中心的功能 |
| 3.3.2 状态监测与故障诊断系统的功能 |
| 3.3.3 诊断算法研究中心的功能 |
| 3.4 状态监测与故障诊断系统静态建模 |
| 3.4.1 系统三层架构 |
| 3.4.2 系统用例模型 |
| 3.4.3 系统类图 |
| 3.4.4 系统功能分解 |
| 3.5 状态监测与故障诊断系统动态建模 |
| 3.5.1 系统状态模型 |
| 3.5.2 系统交互模型 |
| 3.6 系统组件部署 |
| 3.7 本章小结 |
| 第4章 智能故障诊断系统的知识库构建和推理机设计 |
| 4.1 引言 |
| 4.2 汽轮发电机组多源异构知识的选择与融合 |
| 4.2.1 多源异构知识的选择 |
| 4.2.2 多源异构知识的融合 |
| 4.3 汽轮发电机组多源异构本体知识建模 |
| 4.3.1 汽轮发电机组全局本体的构建 |
| 4.3.2 汽轮发电机组局部本体的构建 |
| 4.3.3 汽轮发电机组全局本体与局部本体间映射 |
| 4.4 汽轮发电机组知识融合实例验证 |
| 4.5 基于本体和关联案例推理机制的设计 |
| 4.5.1 本体推理 |
| 4.5.2 关联案例推理 |
| 4.5.3 本体和关联案例集成推理方法的评价 |
| 4.6 本章小结 |
| 第5章 状态监测与智能故障诊断系统的开发与性能测试 |
| 5.1 引言 |
| 5.2 系统开发关键技术 |
| 5.2.1 动态链接库的生成方式 |
| 5.2.2 MATLAB的嵌入与捕捉 |
| 5.2.3 状态监测模块中实时显示机组数据技术 |
| 5.2.4 封装SqlHelper类 |
| 5.3 系统数据库的设计 |
| 5.3.1 需求分析 |
| 5.3.2 概念结构设计 |
| 5.3.3 添加配置文件 |
| 5.4 系统功能开发 |
| 5.4.1 系统登录模块 |
| 5.4.2 状态监测模块 |
| 5.4.3 信号分析模块 |
| 5.4.4 故障诊断模块 |
| 5.5 实例验证 |
| 5.6 本章小结 |
| 总结与展望 |
| 总结 |
| 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及科研成果 |
| 附录B 攻读学位期间所参与的科研项目 |
（9）基于个人知识库的智能时间管理App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 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外大学生拖延研究现状 |
| 1.2.2 知识库国内外发展现状 |
| 1.2.3 时间管理类软件发展现状 |
| 1.3 本文研究内容 |
| 1.4 论文结构 |
| 1.5 本章小结 |
| 第二章 系统相关理论技术介绍 |
| 2.1 知识库 |
| 2.2 知识服务 |
| 2.3 知识库建模推理工具 |
| 2.4 基于知识的推荐算法 |
| 2.4.1 协同过滤算法 |
| 2.4.2 内容过滤算法 |
| 2.4.3 基于知识的推荐算法 |
| 2.5 本体构建方法 |
| 2.5.1 IDEF-5方法 |
| 2.5.2 骨架法 |
| 2.5.3 METHONTOLOGY法 |
| 2.5.4 TOVE企业建模法 |
| 2.5.5 七步法 |
| 2.6 本章小结 |
| 第三章 个人知识库的构建 |
| 3.1 个人知识库架构分析与设计 |
| 3.2 拖延知识库本体构建 |
| 3.2.1 本体领域与应用目标 |
| 3.2.2 专业知识的获取 |
| 3.2.3 概念术语与层级关系 |
| 3.2.4 本体属性 |
| 3.2.5 本体实现 |
| 3.2.6 本体评估 |
| 3.3 规则知识库的构建 |
| 3.3.1 SWRL简介 |
| 3.3.2 推理规则建立 |
| 3.3.3 推理规则实例 |
| 3.4 个人知识库的构建 |
| 3.5 本章小结 |
| 第四章 智能时间管理系统的需求分析与设计 |
| 4.1 智能时间管理系统需求分析 |
| 4.1.1 智能时间管理系统业务分析 |
| 4.1.2 智能时间管理系统用户角色分析 |
| 4.1.3 智能时间管理系统功能性需求分析 |
| 4.1.4 智能时间管理系统非功能性需求分析 |
| 4.2 智能时间管理系统概要设计 |
| 4.2.1 智能时间管理系统系统设计原则 |
| 4.2.2 智能时间管理系统架构设计 |
| 4.3 智能时间管理系统详细设计 |
| 4.3.1 登录注册模块 |
| 4.3.2 个人管理模块 |
| 4.3.3 任务管理模块 |
| 4.3.4 目标管理模块 |
| 4.3.5 拖延原因分析模块 |
| 4.3.6 智能引导模块 |
| 4.4 智能时间管理系统数据库设计 |
| 4.4.1 数据库设计原则 |
| 4.4.2 E-R图 |
| 4.4.3 数据库表设计 |
| 4.5 本章小结 |
| 第五章 智能时间管理系统实现 |
| 5.1 智能时间管理系统实现与测试环境 |
| 5.2 智能时间管理系统实现 |
| 5.2.1 登录注册模块 |
| 5.2.2 个人信息管理模块 |
| 5.2.3 目标任务管理模块 |
| 5.2.4 拖延原因分析模块 |
| 5.2.5 智能引导模块 |
| 5.3 智能时间管理系统测试 |
| 5.3.1 智能时间管理软件系统功能测试 |
| 5.3.2 规则推理实验 |
| 5.3.3 性能测试 |
| 5.4 本章小结 |
| 第六章 总结与期望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
（10）心血管健康管理方案知识库构建及个性化方案智能生成与量化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 研究内容与创新点 |
| 1.4 研究方法与技术路线图 |
| 1.5 论文的组织结构 |
| 第二章 文献综述 |
| 2.1 健康管理知识库 |
| 2.2 知识推理 |
| 2.3 个性化健康管理方案定量化 |
| 2.4 本章小结 |
| 第三章 个性化健康管理方案领域本体库构建 |
| 3.1 本体建模方法 |
| 3.1.1 本体内涵 |
| 3.1.2 建模方法 |
| 3.2 领域本体知识库模型构建 |
| 3.2.1 明确本体应用目标 |
| 3.2.2 确定核心知识源 |
| 3.2.3 归纳顶层概念 |
| 3.2.4 本体详细设计 |
| 3.2.5 本体建立与检验 |
| 3.2.6 知识库模型评估 |
| 3.3 健康管理方案的本体实例 |
| 3.4 健康管理方案实例相似度 |
| 3.4.1 属性分类 |
| 3.4.2 相似度计算 |
| 3.4.3 相似度计算实例 |
| 3.5 本章小结 |
| 第四章 心血管健康管理方案知识库系统 |
| 4.1 设计方法 |
| 4.2 核心需求 |
| 4.3 系统设计 |
| 4.3.1 系统架构设计 |
| 4.3.2 基本功能设计 |
| 4.3.3 业务流程设计 |
| 4.3.4 数据库设计 |
| 4.4 知识库系统实现 |
| 4.5 领域本体知识库模型验证与更新 |
| 4.6 本章小结 |
| 第五章 个性化健康管理方案智能生成 |
| 5.1 健康管理方案Petri网络 |
| 5.2 个性化方案智能生成 |
| 5.2.1 Step1:构建推理网络 |
| 5.2.2 Step2:设置初始状态向量 |
| 5.2.3 Step3:知识推理 |
| 5.2.4 Step4:饮食方案筛选与排序 |
| 5.2.5 Step5:健康管理方案输出 |
| 5.3 应用实例 |
| 5.4 本章小结 |
| 第六章 个性化运动和饮食方案定量化 |
| 6.1 方案量化概述 |
| 6.2 运动方案量化模型 |
| 6.3 饮食方案量化模型 |
| 6.4 方案迭代 |
| 6.5 应用实例 |
| 6.5.1 运动方案定量化实例 |
| 6.5.2 饮食方案定量化实例 |
| 6.6 方案评价 |
| 6.7 菜谱智能推荐 |
| 6.7.1 菜谱推荐概述 |
| 6.7.2 智能推荐模型 |
| 6.7.3 应用实例 |
| 6.8 本章小结 |
| 第七章 总结与展望 |
| 参考文献 |
| 附录 |
| 附录一. 常见活动代谢当量表 |
| 附录二. 中国居民平衡膳食宝塔 |
| 附录三. 健康管理方案知识库系统数据表结构 |
| 附录四. 健康管理方案知识库系统典型界面 |
| 附录五. 心血管疾病患者案例及个性化健康管理方案 |
| 附录六. 个性化健康管理方案评价表 |
| 致谢 |
| 攻读博士学位期间已发表或录用的论文 |
四、基于本体的特征知识库（论文参考文献）
- [1]再犯罪改造领域知识管理系统的设计与实现[D]. 张志豪. 华东交通大学, 2021(01)
- [2]面向领域的知识库构建方法研究与实现[D]. 张凯. 哈尔滨工业大学, 2021
- [3]基于本体的港口供应链知识服务模型研究[D]. 毛军轻. 江西财经大学, 2021(09)
- [4]汽轮发电机组能效诊断与维护决策系统研究[D]. 朱俊杰. 华北电力大学(北京), 2021(01)
- [5]燃气-蒸汽联合循环机组智能诊断与健康维护技术研究[D]. 王仲. 华北电力大学(北京), 2021(01)
- [6]汽轮机智能故障诊断与维护决策系统研究[D]. 孙树民. 华北电力大学(北京), 2021(01)
- [7]基于语义匹配的作战体系仿真想定生成方法[J]. 曾广迅,龚光红,李妮. 系统工程与电子技术, 2021(08)
- [8]汽轮发电机组健康状态监测与智能故障诊断技术研究[D]. 张永明. 兰州理工大学, 2021
- [9]基于个人知识库的智能时间管理App设计与实现[D]. 张希. 北京邮电大学, 2021(01)
- [10]心血管健康管理方案知识库构建及个性化方案智能生成与量化研究[D]. 张威强. 上海交通大学, 2020(01)