一、聚类分析的理论及其应用（论文文献综述）
田腾[1]（2021）在《隧道掘进机时序数据聚类方法及其应用》文中提出隧道掘进机作为一种技术复杂、附加值高的系统化大型隧洞施工机械,其智能化运行依靠数据挖掘技术,借助数据挖掘技术分析隧道掘进机运行数据,对于提升隧道掘进机的运行、分析、维护水平具有重要意义。数据挖掘中的聚类研究对于隧道掘进机运行数据归组分类、运行状态分析十分重要,是数据分析的重要前提步骤。然而隧道掘进机时间序列数据存在维度高、参数之间关联性强的问题,传统数据挖掘方法难以有效应用,缺乏针对隧道掘进机运行数据的相关算法研究。本课题是在科学技术部国家重点研发计划（编号:2018YFB1702502）的资助下,针对隧道掘进机运行数据异常数据多、时空归类难的问题,研究了适用于隧道掘进机运行数据的异常值检测及聚类算法,并以深圳地铁11号线后亭至松岗区间隧道施工数据进行算法的验证,本文的主要工作如下:（1）针对运行数据异常值多的问题,提出基于滑动窗口的异常值检测方法,首先采用滑动窗口方法实现时间序列数据的片段分割处理,其次提取分段数据特征进行异常子序列判断,最后借助Gath-Geva聚类算法实现异常值识别,实验表明,该算法具有更高的异常识别率。（2）针对运行数据杂乱无章,以推进速度与刀盘转速为研究对象,构建基于相似性度量的时间序列聚类方法,实现运行数据的聚类划分,寻求隧道掘进机相似掘进模式。首先以动态时间规整算法计算时间序列之间的相似性数值,随后以Gath-Geva完成时间序列聚类分组。实验分析表明,本文的聚类算法具有更高的聚类精度,能够更精准的实现数据划分。（3）以隧道掘进机多参数数据为研究目标,构建多元时间序列数据的片段聚类方法,实现隧道掘进机数据分割聚类,实现隧道掘进机运行状态分析。以动态因子模型为基础求解多运行参数之间的公共因子序列,实现数据降维处理,以FCM聚类算法完成该公共因子序列的片段聚类分析,实验表明本方法能够准确识别隧道掘进机状态变化点,实现运行状态分析。（4）以片段聚类结果为研究对象,针对每一段数据建立基于最小二乘支持向量机的推进速度预测模型,与未分割聚类的结果相比,本文的预测模型具有更高的预测精度,为隧道掘进机参数预测提供了新的预测方法。
王艾[2]（2021）在《面向决策支持的变尺度聚类分析技术》文中研究指明本论文针对运用跨行业数据挖掘标准流程（CRISP-DM）建设决策分析系统所面临的数据结构确定问题、分析层次转换问题和分析结果检验问题,研究基础业务数据尺度的确定、决策分析过程中的变尺度数据分析机制和基于变尺度数据分析的数据挖掘应用技术。基于数据挖掘的决策分析系统建设与运行面临的问题包括:（1）决策分析的数据结构确定问题。运用CRISP-DM建设决策分析系统的首要任务是明确业务分析需求的数据分析主题,并建立能够支撑分析主题的数据结构,这对数据挖掘算法的效率和结果质量具有重要影响。（2）决策分析层次转换问题。由于管理业务本身具有多层次特征,确定业务数据的合理分析层次,是降低决策复杂度和提升决策结果质量的关键,并且管理人员为达到合理决策的目标,决策分析需要在不同的分析层次间进行转换,才能够完成数据的综合分析,这本质上是业务数据分析层次的转换。（3）决策分析结果检验问题。分析结果的检验是保证决策分析结果在不同层次上具有一致性的依据,是检验决策分析过程结束的衡量标准。基于上述实际问题,本论文所研究的科学问题包括:（1）基础业务数据尺度的确定。研究决策分析所需要的多层次数据表征方法,针对分类变量数据、二值变量数据、数值变量数据三种原始业务数据类型的特点,确定基础业务数据的尺度结构,为变尺度数据分析建立完备的数据结构基础。（2）决策分析过程中的变尺度数据分析机制。模拟管理人员进行决策分析层次转换时的思维过程,以提升决策结果质量为目标,研究基于数据挖掘结果的数据尺度变换机制,并且考虑不同原始业务数据类型对数据尺度变换模式的影响,实现业务数据合理分析层次的自动化识别和转换,建立基于数据尺度变换的自动化决策分析机制。（3）基于变尺度数据分析的数据挖掘应用技术。以北京毅道体育发展有限公司、新浪微博社交网络平台和中国运载火箭技术研究院物流中心实际管理业务为背景,研究尺度变换机制的应用技术。本研究的创新性成果主要包括:（1）建立了面向决策问题空间表征的多尺度业务数据模型,该模型能合理描述决策问题所有候选分析层次的基础业务数据尺度组成及结构关系,为实现决策分析层次转换提供完备的数据结构。现有研究中数据结构模型将业务数据采集时的初始数据尺度直接作为用于数据挖掘的基础数据尺度,导致该单一尺度数据模型无法支持决策分析的多层次和层次转换需求。（2）提出了面向理性决策思维过程的数据尺度变换策略和尺度变换机制,该机制能基于决策分析结果确定合理的数据分析层次和数据尺度变换路径。现有研究中数据挖掘执行过程在出现数据挖掘算法结果与决策分析层次不匹配问题时,只能依靠分析人员来主观完成业务数据分析层次的转换工作。本研究成果对CRISP-DM的“数据准备-分析模型建立-分析结果评价”过程建立核心数据挖掘环节的自动化数据尺度变换机制,能够针对数据挖掘评价结果来迭代修正数据准备和建模中的业务数据分析层次,并且通过量化多尺度业务数据模型中不同属性的尺度变换价值来优化数据尺度变换策略。（3）提出了面向决策分析结果检验的变尺度聚类分析方法,其中尺度变换定理和满意类一致定理保证了决策分析过程中的尺度变换的正确性。通过对比实验证明了变尺度聚类分析方法的聚类结果有效性,且结果对方法的初始参数不敏感。针对上述提出的变尺度聚类分析方法,本论文对三种实际管理业务场景开展了应用拓展研究,具体包括:①针对分类变量数据且具有多重复值特征的决策分析问题,提出了具有多重复值分类变量数据的变尺度聚类分析技术。北京毅道体育发展有限公司的赛事数据实验结果表明该方法能够很好地辅助制定参赛选手差异化管理方案;②针对分类变量及二值变量混合数据的决策分析问题,提出了具有分类变量及二值变量混合数据的变尺度聚类分析技术。新浪微博社交网络平台的客户数据实验结果表明该方法能够很好地辅助制定客户差异化营销方案;③针对考虑业务数据时效性的数值变量数据决策分析问题,提出了考虑业务数据时效性的数值变量数据变尺度聚类分析技术。中国运载火箭技术研究院物流中心的航天型号物资库存数据实验结果表明该方法能够很好地辅助制定航天型号物资差异化库存管理方案。
高艳龙[3]（2021）在《基于粒子群的三支聚类算法研究及应用》文中研究说明K-means算法从诞生到现在已有50多年的历史,该算法简单易学、聚类效果好,被国内外许多学者引用。但K-means算法也有不足之处,一方面对聚类中心的选择比较敏感,而且易陷入局部最优解;另一方面K-means算法可能产生多组聚类结果,来自不同聚类结果类与类之间必然有不确定的部分。针对K-means算法存在的不足之处,本文对粒子群优化算法和三支聚类算法进行了研究,提出了基于粒子群的三支聚类算法,通过实验验证了所提出的算法具有良好的聚类效果。文章重点工作概况如下:（1）针对K-means算法中对选取聚类中心的敏感,易陷入局部最优解等问题进行了改进。通过改进粒子群优化算法参数,使得算法在搜索解空间中能快速逼近最优解;再初始化粒子群,随机选取k个聚类中心组合作为初始粒子,通过多次选取,形成粒子群;最后通过粒子群算法的全局寻优能力,得到最优聚类中心的解。（2）针对K-means算法在聚类过程中会产生多组不同的聚类结果问题并进行改进。通过三支聚类考察最优聚类中类与类数据之间、类内数据之间的关系,一个类用两个域来表示,把不确定的数据划分到类的边界域,把确定的数据划分到类的核心域。（3）基于粒子群的三支聚类算法在车牌号识别系统中的应用。车牌号识别系统设计有图像输入、图像预处理、车牌定位、字符分割与识别、结果输出;其中字符分割采用基于粒子群的三支聚类算法,分割结果准确和完整,证明了基于粒子群的三支聚类算法在车牌识别中的实用性,可以解决实际问题。
武彤[4]（2020）在《考虑社交关系的二型模糊大规模群决策方法及其商务推荐应用》文中研究指明随着社会网络的发展,大规模群决策正在得到越来越多的关注,以其为基础的社会化商务推荐亦是推荐系统发展的重点。在大数据背景下,决策环境和决策行为极为复杂。如何分析复杂情境下的大规模群决策问题,并将大规模群决策理论与社会化商务推荐系统进行有效结合,研究基于大规模群决策理论的社会化商务推荐系统具有重要的理论价值及现实意义。本文将主要利用区间二型模糊理论对不确定信息的灵活处理能力,以大规模群决策方法为研究重点,结合社会网络相关方法和技术,研究基于大规模群决策方法的社会化商务推荐模型,为复杂情境下的不确定推荐问题研究提供新的思路和解决方案。论文主要研究内容如下:（1）针对决策问题中的不确定性,基于区间二型模糊集理论从偏好表达和聚类分析方面研究了大规模群决策方法。利用问卷调查的方式收集数据为电商评论情境创建了区间二型模糊语言变量代码本,并针对决策参与者的大规模特性,提出区间二型模糊等价关系聚类算法,该算法根据不同的聚类水平呈现出动态聚类效果。另外,针对决策属性的大规模特性,提出了区间二型模糊主成分分析法将大规模属性降维,该方法将相似属性整合为新的主成分属性,可以有效避免聚类过程中属性信息的丢失。在此基础上,提出双大规模群决策方法并将其应用到电商用户网购行为分析中。该研究内容首次开展了区间二型模糊环境下的大规模群决策研究,为面向语言评论的实际电商应用提供了理论参考。（2）考虑到决策参与者之间的社交关系,基于社会网络分析工具研究了区间二型模糊环境下的社会化大规模群决策方法。在区间二型模糊语言变量表示偏好信息的基础上,识别决策群体间的社交关系,首次提出基于区间二型模糊的社会化大规模群决策方法,通过社区发现算法将决策个体划分到相应社区,并通过社会网络中心性计算决策个体和社区权重。另外,针对社交关系表达的不确定性,利于区间二型模糊语言变量描述社交关系的强弱程度,提出综合考虑外部社交关系和内部偏好关系的区间二型模糊社会化大规模群决策方法。该研究内容不仅通过社交关系丰富了决策者信息来提升决策质量,还利用社会网络分析工具大大降低了大规模群决策问题的复杂性。（3）根据信任关系的特殊性及传递性,研究了基于信任关系的群决策理论与方法。针对信任关系表达的不确定性,基于区间二型模糊语言变量描述信任水平,提出区间二型模糊信任传递算子和集成算子,循着传递路径对信任关系进行分析。接着,通过偏好相似性为决策者构建隐性信任关系,基于此对传统最小成本共识模型进行改进研究信任关系对群共识的作用,并基于信任关系对决策者的主观给定单位调整成本进行调整。另外,根据决策领域的关系矛盾,基于信任网络和共识演化网络构造多层网络,研究了信任对共识的积极作用和消极作用。该研究内容以模型的方式展示信任对共识的促进作用,并从矛盾视角研究了信任在群共识中可能存在的消极作用,促进了基于信任的群决策研究的深入和完善。（4）根据大规模群决策问题的复杂性特征,从聚类分析的角度研究了大规模群决策共识达成问题。为了平衡聚类分析与共识达成过程的矛盾性,基于共识演化网络提出了基于Lovain社区发现算法的动态聚类算法,并通过提高共识阈值来从共识达成过程中得到有效聚类。另外,为了降低共识达成过程中交互的复杂性,将决策者单位调整成本作为偏好关系的辅助要素考虑进聚类分析过程,使得社区内成员在偏好和调整成本上都比较相似,从而降低协商难度,节约决策时间。该内容分别从聚类分析的矛盾视角和聚类要素方面研究了大规模群决策共识问题,为大规模群共识研究提供了一种全新的思路。（5）为了响应社会化商务推荐的需求,提出基于信任关系的大规模群决策方法,并研究其在社会化商务推荐中的应用。根据信任关系的传递特性将决策个体分为领导者和跟随者,以领导者为中心得到初步的信任社区划分。确定跟随者到领导者的信任传递路径,利用信任传递算子和集成算子评估跟随者对领导者的信任水平,基于此将属于不止一个社区的跟随者分配到唯一社区,得到最终的独立信任社区。在此基础上,结合基于关联规则的推荐模型提出基于大规模群决策方法的社会化商务推荐方法,并通过Movie Lens数据分析将其应用到电影推荐场景中。该研究内容将大规模群决策理论与社会化商务推荐应用相结合,实现了理论向应用的转化,为促进在线商务的发展提供了理论参照。本文主要围绕大规模群决策问题展开,所提方法的合理性和有用性皆通过算例分析和对比分析进行了验证。相关研究成果不仅为深化和拓展复杂情境下的大规模群决策研究提供了理论基础,还在应用层面上为社会化商务推荐提供了新的解决思路和手段。
董青青[5]（2020）在《长沙市小学校园足球特色学校足球活动质量评价研究 ——基于灰色聚类分析》文中研究表明随着校园足球活动的发展,提高校园足球活动质量,是每个青少年校园足球特色学校的关键之点,如何提高校园足球特色学校足球活动质量已成为青少年校园足球发展的重中之重。本研究运用文献资料法、层次分析法和灰色聚类分析法等研究方法,依据三维质量结构理论,结合校园足球相关政策,构建长沙市小学校园足球特色学校足球活动质量评价指标体系,并运用灰色聚类分析法对我市9个地区的小学校园足球特色学校足球活动质量进行评价研究。以全面了解长沙市小学校园足球特色学校足球活动开展过程中的问题所在,进而为提高我市校园足球活动质量提供相应的对策与建议,得出研究结论如下:（1）运用灰色聚类分析法的中心点三角白化权函数评价方法对我市9个地区的小学校园足球特色学校足球活动质量进行评价,得出岳麓区、雨花区的足球活动质量“很好”;宁乡市、天心区、开福区、望城区的足球活动质量“好”;浏阳市、芙蓉区的足球活动质量“一般”;长沙县的足球活动质量“差”。（2）长沙市小学校园足球结构质量中,长沙市小学足球特色学校能贯彻校园足球活动理念,但存在“走过场”、“只挂牌”的现象,资金来源渠道单一和经费预算问题;师资不足,持证比例低,培训力度弱。（3）长沙市小学校园足球过程质量中,长沙市小学足球特色校设有足球教学课,但一周足球课时少,足球活动计划不周详,未建立信息报导平台;足球代表队参与比赛的次数少,学生的对校园足球活动兴趣不高。（4）长沙市小学校园足球结果质量中,长沙市小学足球特色校学生的体质健康基本达标,但足球技能还需进一步提高;在学生与家长反馈方面,足球场地不足,足球教师不够耐心,与家长沟通方面有欠缺;学生的足球技能水平和体育精神未达到预期目标。（5）提高校园足球活动质量的策略包括:健全机制,坚强保障;保障足球学时,广泛实施足球课外与文化活动,普及校园足球联赛;激发学生足球兴趣,加强宣传引导,转变和提高家长观念与认可度。
揭跃[6]（2020）在《基于多重聚类算法的火电机组运行参数优化研究》文中认为随着大数据以及人工智能技术的不断发展,其应用领域不断扩大。火电机组运行参数寻优是运行优化的主要内容之一,本文结合机理知识,研究电站锅炉与汽轮机设备运行参数寻优的数据挖掘新算法,为大数据与人工智能在火电机组参数寻优上提供新的探索和解决方案。本文的主要研究内容与创新如下:（1）基于K-means聚类和FCM聚类相结合的多重聚类算法研究本文提出一种基于运行数据、实现参数寻优的多重聚类算法。首先引入轮廓系数法和有效性函数划分系数解决K-means聚类和FCM聚类算法自动确定最佳聚类数的问题;之后验证了K-means聚类和FCM聚类算法对火电机组历史数据集聚类的适用性;进而结合这两种算法的特性,提出先用K-means聚类进行数据筛选,再用FCM聚类进行运行参数寻优的多重聚类算法,并验证了多重聚类算法的有效性。（2）基于密度的DBSCAN聚类算法的离群点检测由于K-means聚类和FCM聚类算法在聚类的过程中,很容易受到离群点的影响而导致聚类结果不准确,所以本文在数据预处理的过程中,将基于密度的DBSCAN聚类算法对火电机组历史数据进行离群点检测。DBSCAN聚类算法可以发现任意形状的簇,并且快速发现每一个簇中的离群点,所以该算法可以有效地剔除全局离群点和局部离群点,从而避免了离群点对多重聚类结果的影响。（3）基于多重聚类算法的火电机组运行参数优化研究首先,结合锅炉与汽轮机参数寻优的需求,采用机理分析与灰关联方法,确定了锅炉热效率、汽轮机热耗率及其主要关联的运行参数,如排烟温度、排烟氧量、主汽压力、主汽温度等。其次,利用多重聚类算法,将数据寻优的过程分为高效区筛选（k-means）和习惯运行区聚类（FCM）两个阶段,有效地改善了聚类分析的质量。最后的算例结果表明:多重聚类得到的结果优于传统的单一FCM聚类的结果。
张静驿[7]（2020）在《贝叶斯网络在《伤寒论》阳明病篇方、药、症规律研究中的应用》文中提出目的:建立《伤寒论》阳明病篇的中药、方剂、症状的贝叶斯网络模型,结合中医理论知识推理得出《伤寒论》阳明病篇方药及证治的相关规律,为《伤寒论》方证知识的系统研究提供一个新的切入点。方法:本研究首先对《伤寒论》阳明病篇的中药、方剂、症状进行规范化处理,统计中药、方剂、症状的频次、频率,并录入Microsoft Excel软件建立数据库;随后采用SPSS 23.0软件包及R3.4.3软件初步构建贝叶斯网络关系图;再用Netica软件绘制得到贝叶斯网络模型;之后统计贝叶斯网络模型中研究变量的节点度;最后根据图表特征结合中医理论知识分析总结相关规律。结果:（1）方药方面:在《伤寒论》阳明病篇中,仲景使用最多的中药是大黄,使用最多的方剂是承气汤,与其他药物组成药对最多的是甘草和大枣。仲景在阳明病篇中强调阳明实证、阳明变证及阳明热证的治疗,其中用承气汤治疗阳明实证;小柴胡汤、茵陈蒿汤和抵当汤治疗阳明变证;栀子豉汤和猪苓汤治疗阳明热证。仲景亦对表证做了论述,所用方剂为麻黄汤和桂枝汤。（2）证治方面:仲景在阳明病篇中对“发热”做了鉴别,分别指出“发热”相兼“脉浮”为“表热证”、“发热”相兼“便秘”为“里热证”,其中“表热证”用麻黄汤和桂枝汤治疗,“里热证”用承气汤治疗。仲景对“喘”也做了鉴别,指出喘伴恶寒、发热和汗出,用桂枝汤治疗;喘伴潮热、腹胀和便秘,用大承气汤治疗;喘伴发热、汗出和腹胀,用白虎汤治疗。仲景用通利小便的方法治疗发黄,所用方剂为猪苓汤。除此之外,仲景用厚朴治疗谵语、潮热和便秘,栀子治疗身黄、发热和心烦,桂枝治疗恶寒和脉浮,芒硝治疗喘和腹胀,人参治疗潮热;用大承气汤治疗便秘、喘和潮热,栀子豉汤治疗心烦和发热,小承气汤治疗便秘,茵陈蒿汤治疗身黄,小柴胡汤治疗潮热,麻黄汤治疗脉浮,桂枝汤治疗汗出。结论:本研究采用贝叶斯网络和频次、频率统计方法,对《伤寒论》阳明病篇的中药、方剂、症状的知识进行梳理,分析得出方药、证治两方面的规律。研究结果显示:应用贝叶斯网络得到的模型图简洁、清晰、可视化效果好,实现了对《伤寒论》阳明病篇中的方药、证治规律的深入理解,对学习仲景用药和辨证规律有着十分重要的意义,贝叶斯网络是系统研究《伤寒论》的有效方法。
张雨农[8]（2020）在《密度峰值聚类的优化及其应用研究》文中认为近年来,随着大数据人工智能技术的高速发展,人们的生产生活方式发生了翻天覆地的变化。手机支付、网络直播、视频传播、共享单车、网络购物以及人工智能等已渗入到人们生活的方方面面,成为人们关注的热点问题,而由此产生的数据量也发生了爆炸式地增长。聚类分析,作为数据挖掘技术的重要分支,是统计分析学科中的一项重要技术,也是一种无监督的机器学习方法。其在无任何先验信息的条件下,可以自主探究数据内在的结构信息和相似关系,使得同一类簇内的数据相似性较大,不同类簇的数据差异较大。因此,可以借助聚类分析挖掘出这些海量数据中包含的无组织但有价值的信息,进行相关实验研究,促进社会发展。Alex Rodriguez等人于2014年在Science上提出了一种基于快速搜索和发现密度峰值的聚类算法（Clustering by fast search and find of density peaks,简称DPC）。该算法重新定义了类中心的概念,将数据映射到一个二维空间上（局部密度和最近距离）,并在新的空间上进行类中心的识别和类的分组。DPC算法能够快速地发现任意形状数据集的密度峰值点,并能高效地进行样本点的分配和离群点的剔除。该算法自提出以来就在社区发现、图像处理、计算机视觉以及文本处理等领域得到应用,受到了各行各业的广泛认可。然而,随着对DPC算法的深入研究,其也暴露了一些应用上的不足。该算法没有统一的密度度量准则、参数dc较难直接确定、聚类中心需人工选择、样本分配易导致错分结果连续传递、无法有效处理复杂流形以及密度差异化数据集等等。为获得更好的应用效果,本文提出了两种聚类优化算法,并将新算法运用到电子病历的文本挖掘研究中。首先,针对密度峰值聚类算法在处理密度差异的数据时,无法有效度量位于低密度区域内数据点的密度峰值,错误地将稀疏低密度类簇归类于密集高密度的类簇中。提出了一种基于相对密度优化的密度峰值聚类算法,重新定义了样本点的局部密度和剩余点的分配方式,较好地解决了低密度区域样本的识别问题,扩展了密度峰值聚类的研究方法。其次,针对密度峰值聚类算法在处理多密度型和复杂流形的数据时,无法有效识别类簇中心,错误地将一个类簇分割或是将两个类簇合并。基于密度峰值聚类算法和DBSCAN算法的启发,利用共享近邻重新定义了样本点的局部密度,并借助DBSACN算法核心点和近邻连接的思想进行聚类分析。此外,尝试性地将非参数统计检验用到子类的合并中,提出了一种基于共享近邻和统计检验的聚类算法,有效地弥补了密度峰值聚类无法有效处理复杂流形数据的缺陷。最后,在互联网医疗迅速兴起,医院数字信息化,纸质病历逐渐被丢弃导致积累了海量电子病历的背景下,将经典DPC算法和本文改进算法用到电子病历的文本挖掘中,验证优化算法在文本挖掘聚类分析中的有效性,以期实现对医院积累的电子病历文本数据的分析,发现其中蕴藏的疾病特征以及对应的诊疗模式。实验结果表明,本文在保留DPC算法优点的同时,通过汲取其他算法的优势和统计检验的思想,针对密度可变的数据、结构不规则的数据以及复杂流形的数据,提出的两种密度峰值优化算法很大程度上提高了聚类精度,增强了参数鲁棒性。在电子病历的文本挖掘中,本文优化算法较好地完成了聚类工作,对于提高临床诊疗效率和水平具有重要意义。本文创新之处主要表现在三个方面,第一,针对密度峰值聚类算法在处理密度可变、多密度型和复杂流形的数据时效果不佳,提出了两种密度峰值优化算法,较好地解决了低密度区域和复杂流形数据的问题,扩展了密度峰值聚类的研究方法。第二,由于聚类分析的特殊性与复杂性,缺乏显着性检验,分析过程不够完整。通过汲取其他算法的优势和统计检验的思想,本文尝试性地将非参数检验用于类簇的合并当中,取得了较好的效果,为聚类分析提供了一种新的视角和方法。第三,将改进的算法用到电子病历的文本挖掘中,以期实现对医院积累的电子病历文本数据的分析,发现其中蕴藏的疾病特征以及对应的诊疗模式,对于提高临床诊疗效率和水平具有重要意义。
张洪祥[9]（2020）在《SsHADV-1介导的核盘菌内生特性及应用研究》文中认为核盘菌（Sclerotinia sclerotiorum）是一种寄主范围十分广泛的病原真菌,由其引起的菌核病是包括油菜在内的许多重要作物上的毁灭性的病害。核盘菌在侵染初期分泌小分子蛋白、草酸、细胞壁降解酶类杀死寄主细胞、抑制寄主的抗性,并从死亡的细胞中吸取营养,是典型的死体营养型真菌。目前尚未在油菜中发现高效的抗病品种,油菜菌核病始于子囊孢子在花瓣上侵染,并随罹病花瓣飘落至枝条和主茎,感染和杀死枝条或整个植株。由于田间油菜植株密、冠层厚,药剂难以抵达病菌为害部位,防治非常困难。核盘菌低毒相关DNA病毒1（Sclerotinia sclerotiorum hypovirulence associated DNA virus 1,Ss HADV-1）是首例在真菌中发现的DNA病毒,该病毒侵染性强,病毒粒子可直接侵染核盘菌,也可以在不同的营养体亲和型菌株间进行传播,而且发现有昆虫传播介体,是极具生物防治潜力的真菌病毒。前期研究发现在盛花期喷施携带Ss HADV-1的核盘菌菌丝片段可以高效控制菌核病并显着提高油菜产量,但是携带Ss HADV-1的核盘菌能否在油菜上生长并不清楚;同时,携带低毒相关病毒的菌株能否在植物上长期存活是利用真菌病毒控制病害的关键。因此,本文主要研究携带Ss HADV-1的核盘菌在油菜上的生存和生长及其机制、研究携带病毒的核盘菌对油菜生长发育的影响及其机制,以及基于本研究的新发现建立的应用Ss HADV-1控制油菜菌核病的新技术。取得的主要结果如下。1.携带Ss HADV-1的核盘菌菌株DT-8可以在油菜上内生性生长,并在核盘菌群体中传播病毒。在油菜抽薹期喷施DT-8的菌丝片段,7周之后,在油菜成熟期的果荚上可以检测到病毒的DNA。为了确认携带核盘菌的菌株可以在油菜内或者表面生长,将菌株DT-8菌丝块接种到油菜叶片上,一周后未产生任何病斑,取距DT-8菌丝块约1cm位置的油菜叶片组织进行共聚焦荧光观察,发现菌株DT-8可以在油菜叶片表面蔓延生长,同时形成简易侵染垫的结构侵入油菜组织中吸取营养物质。表面消毒的油菜种子经菌株DT-8的菌丝悬浮液浸泡处理后,于MS平板上萌发,之后分别移至含有MS培养基的组织培养瓶和无菌培养土中,培养20 d和30 d。PCR检测证实在油菜的根、下胚轴和叶等部位均可检测到Ss HADV-1的DNA和核盘菌的DNA,表明菌株DT-8可以在油菜上生长。利用菌株DT-8RFP（m Cherry荧光蛋白标记的菌株DT-8）处理油菜,通过共聚焦荧光观察和电镜观察,进一步发现菌株DT-8可以在油菜根部细胞间穿梭和通过根部细胞间隙在组织中蔓延;同时,在下胚轴维管束中可观察到DT-8菌丝随维管束方向蔓延。在叶面上接种菌株DT-8RFP也可以观察到标记的菌丝。这些结果表明,菌株DT-8可以在油菜植株中内生生长。经在MS组织培养瓶中培养6个月后,部分油菜植株开始死亡（8/32和6/23）,同时在其上可以观察到菌丝的生长。挑取菌丝进行培养,发现菌株为核盘菌,分别在8和6个培养物中有3和4个菌落携带病毒。但在健康的植株上及穴盆栽培的植株上均未分离出核盘菌。在经过菌株DT-8处理的油菜上接种核盘菌菌株1980-hyg,14天后自病斑上重新分离获得13株分离物中5株分离物中携带Ss HADV-1,且表现出生长速度减弱、致病力降低、菌落形态异常等弱毒相关特性。在田间不同时期喷施菌株DT-8菌丝悬液后,采集和分离的菌株中,有15%携带有DNA病毒。2.Ss HADV-1显着改变核盘菌致病相关基因的表达。为了解析菌株DT-8在感染Ss HADV-1的情况下由死体营养型病原真菌转变为内生真菌的机理,通过转录组测序技术,对菌株DT-8在PDA培养基上和接种在油菜叶片上与DT-8VF菌株的基因表达差异进行了分析。对显着差异基因（DEGs）进行KEGG富集和Fungi Fun功能富集分析,发现两种培养方式的菌株DT-8中上调表达的DEGs均主要富集在DNA的错配修复和重组相关通路中,这些通路相关基因的变化与病毒的复制有关;下调表达的DEGs均集中在代谢相关的通路中。对接种在油菜叶片上的菌株DT-8相比于DT-8VF菌株三个时期（12hpi、18hpi和24hpi）的DEGs进行详细分析,发现细胞壁降解酶类和小分泌蛋白等致病相关基因显着下调表达,同时侵染垫的形成和草酸合成等侵入相关基因正常表达。这表明Ss HADV-1对核盘菌的侵染能力没有显着的影响,但削弱了其对寄主植物的危害,可能是菌株DT-8成功入侵到油菜植株中营内生生长的原因。3.菌株DT-8促进油菜生长并显着提高油菜的抗病力。将表面消毒的油菜种经菌株DT-8的菌丝悬浮液浸泡处理后,MS平板上萌发,移植到培养土中培养36 d,地上部分鲜重为17.15±2.0 g/株,显着高于未处理的对照植株（14.55±1.1 g/株）;同时,在无菌组培瓶中MS培养基上培养的油菜植株,也获得了相似的促生结果。表明,菌株DT-8内生生长可以促进油菜植株的生长。在培养土中培养36 d的油菜叶片上,活体接种核盘菌1980菌丝块,菌株DT-8处理油菜植株上,病斑直径（1.22±0.08 cm）显着低于未接种的对照植株（1.51±0.12 cm）;同时,对油菜叶片上活体接种灰葡萄孢菌株B0510,菌株DT-8接种的油菜植株上的病斑（1.54±0.24 cm）显着小于未接种的对照植株（1.99±0.10 cm）。这表明菌株DT-8内生生长可以促进油菜生长,并且可以提高由此植株对核盘菌和灰葡萄孢的抗性。4.菌株DT-8改变油菜抗病及生长相关途径基因的表达。为了探究菌株DT-8内生影响油菜生长发育和抗病性的分子机理,取菌株DT-8处理的油菜植株茎尖生长点部位进行转录组分析,发现菌株DT-8对油菜植株基因表达的影响幅度较小,与对照植株相比,显着差异表达的基因总共只有348个,约占已知总基因数（101041）的3.4‰,其中显着上调表达的基因有258个,显着下调表达的基因有90个。上调表达的基因大部分与抗病相关,包括植物病原信号和抗性信号传导相关基因（CDPK、CML、WRKY33和MKK9）、茉莉酸和乙烯合成及其调控的抗性相关基因（AOC、ACS和ERF等）。下调表达的基因主要是以CCA1和LHK为主效基因的节律调节相关基因,该途径节律调节相关基因的下调表达可能与油菜植株生物产量的提高有关。表明油菜植株抗性的提高是可能通过菌株DT-8诱导抗性相关表达实现的,而生物产量的提高可能是通过抑制节律调节相关基因的下调表达实现的。5.田间喷施菌株DT-8可以显着提高油菜产量。根据菌株DT-8可以在油菜中内生并且可以在油菜表面长期生长的这一特性,将菌株DT-8的菌丝液喷施到油菜植株上进行油菜菌核病的田间防治试验。2013年-2015年,我们在湖北省武汉、鄂州、随州和襄阳等地分别进行DT-8菌丝液防治油菜菌核病的小区试验和大田试验。在小区试验中分别在苗期、抽薹期、盛花期、角果期,采取两种浓度（～1×105 cfu/m L和～1×104cfu/m L）的菌丝液进行喷施;大田试验油菜盛花期进行DT-8菌丝液的喷施（～1×104 cfu/m L）。连续3年各地在小区试验和大田试验中,DT-8菌丝液处理显着降低油菜菌核病的病情指数防控率高达50%左右,产量提高10%-20%,使油菜籽的含油量显着上升高达3.8%。6.灰葡萄孢中发现的新型DNA真菌病毒BcHADV-1,与灰葡萄孢的弱毒相关。Bc HADV-1具有一个34 nm等轴对称的病毒粒子,其基因组有四个1700 nt左右的单链环状的DNA组成。这四个基因组分共有有一个300 nt的共同区域（common region）、特殊的茎环结构和独特的nonanucleotide序列"TAAAATTTT"。进化分析显示在葡萄孢属真菌进行种间分化之前,Bc HADV-1-like病毒便于与葡萄孢属菌株之间存在基因水平转移。Bc HADV-1的Rep与Fg GMTV1具有一定的亲缘关系,而Bc HADV-1的CP基因与其他病毒的CP均没有亲缘关系。因此,Bc HADV-1可能代表着与Genomoviridae亲缘关系比较近的新的CRESS DNA病毒。同时,Bc HADV-1与灰葡萄孢的弱毒相关。本研究首次发现核盘菌可以在油菜植株中内生的生物现象,证明菌株DT-8的内生可以促进油菜植株的生长、增强油菜植株的抗病性。田间试验表明,感染低毒相关病毒的病原真菌可以作为植物疫苗保护植物,显着提高植物产量。本研究揭示了感染真菌病毒后,病原真菌的生活方式发生改变的现象,为利用真菌病毒控制作物病害研究提供新思路。同时,菌株DT-8的内生对Ss HADV-1传播的促进作用,揭示了Ss HADV-1传播的新途径,并为真菌弱毒相关病毒传播方式的探索提供了新的方向。为真菌病毒、病原真菌和寄主植株三者之间相互作用关系的研究提供了研究模型。同时,灰葡萄孢中DNA病毒Bc HADV-1的发现预示着这种新型生物防治模式在灰霉病的防治中可能同样适用。Genomoviridae中可能具有丰富的真菌弱毒相关病毒资源,等待人们去开发用于真菌植物病害的生物防治。
赵学博[10]（2020）在《基于宽角域散射中心聚类的典型体结构特性研究》文中指出在现代战争中,新型武器的使用往往能达到出其不意的效果,及时准确快速的处理雷达数据,判断空中目标就显得尤为重要。散射中心模型是用来描述雷达目标的电磁散射特性的重要工具,是目标特性分析的研究基础,宽角域的目标散射中心分布能反映目标的精确几何信息。通过对目标散射中心数据的聚类分析处理,可以更直观地分析未知目标的结构特征,从而快速识别判断未知空中目标。然而,传统的聚类方法在处理雷达数据时往往效果不理想,流形学习方法是最近十几年来逐渐发展起来的一种降维算法,在高维非线性数据处理方面具有独特的优势。深度学习算法在处理数据的速度上相对较快,采用深度学习算法自动学习数据特征也能够提高聚类精度。本文通过将流形学习方法与传统聚类算法融合,完成宽角域散射中心数据的降维与聚类,以及提出了两种基于深度学习的散射中心数据聚类算法,并将其应用在典型体的结构特性研究中,旨在实现具有高性能的散射中心宽角域关联算法,为目标散射特性宽角域参数化建模提供技术支撑。主要研究内容如下:（1）为了研究典型体散射中心的散射特性,本课题首先分析了几种现有的散射中心模型的理论框架,对典型体散射中心参数化模型理论的发展过程进行了梳理,分析了现有模型的不足,并在现有模型的基础上,为了扩展模型的表征能力进行改进,提出了等边二面角和等边三面角的解析式,完善了典型体散射中心模型的适用范围;（2）针对雷达数据具有非线性流形结构的特点,本课题采用流形学习方法对雷达散射中心数据进行降维,再结合传统的聚类算法进行分析,可以表征出数据的位置、姿态和尺度等内在参数。实验结果表明,融合算法在宽角域散射中心雷达数据降维聚类处理时间上要优于传统聚类方法,且性能方面也取得了更好的表现;（3）针对雷达数据具有高维度及数据量大的特点,深度学习算法在提取数据特征方面更加具有优势,再结合数据驱动的前提,本课题提出两种基于深度学习的聚类方法——用流形学习方法和非直接的深度聚类算法的N2D算法和深度嵌入式聚类算法DEC。基于深度学习的散射中心聚类算法能够更清晰地表征典型体的细节结构特性,同时在算法性能上取得提升。实验结果表明,基于深度学习的聚类算法对高维雷达数据的数据结构能够很好地表示,在聚类效果上有更好的表现。
二、聚类分析的理论及其应用（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、聚类分析的理论及其应用（论文提纲范文）
（1）隧道掘进机时序数据聚类方法及其应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 隧道掘进机简介 |
| 1.2.1 隧道掘进机的发展 |
| 1.2.2 隧道掘进机的分类 |
| 1.2.3 隧道掘进机的构造 |
| 1.3 研究现状 |
| 1.3.1 异常值检测研究现状 |
| 1.3.2 时间序列数据聚类研究现状 |
| 1.4 研究内容及技术路线 |
| 2 基于滑动窗口的隧道掘进机时序数据异常值检测方法 |
| 2.1 隧道掘进机运行数据基本情况分析 |
| 2.2 时间序列的基本定义 |
| 2.2.1 时间序列相关概念 |
| 2.2.2 时间序列异常分类 |
| 2.3 异常值检测方法 |
| 2.3.1 四分位法 |
| 2.3.2 LOF法 |
| 2.4 基于滑动窗口的异常值检测方法 |
| 2.4.1 滑动窗口数据分割 |
| 2.4.2 子序列特征提取与异常值识别 |
| 2.4.3 异常值检测算法步骤 |
| 2.5 异常值检测实验分析 |
| 2.5.1 数值案例异常值检测实验 |
| 2.5.2 推进速度异常值检测实验 |
| 2.6 本章小结 |
| 3 基于相似性度量的隧道掘进机时序数据聚类方法 |
| 3.1 时间序列相似性度量方法 |
| 3.1.1 基于相似系数的相似性度量 |
| 3.1.2 基于特征的相似性度量 |
| 3.1.3 基于距离的相似性度量 |
| 3.2 时间序列聚类算法 |
| 3.2.1 k均值聚类 |
| 3.2.2 DBSCAN聚类 |
| 3.2.3 层次聚类 |
| 3.2.4 Gath-Geva聚类 |
| 3.3 聚类评价指标 |
| 3.4 聚类实验分析 |
| 3.4.1 标准时间序列数据集聚类分析 |
| 3.4.2 推进速度与刀盘转速时序数据聚类分析 |
| 3.5 本章小结 |
| 4 基于动态因子模型的隧道掘进机多元时序数据片段聚类方法 |
| 4.1 问题提出 |
| 4.2 动态因子模型基本概念 |
| 4.3 动态因子模型的因子参数估计 |
| 4.3.1 最大似然和卡尔曼滤波估计 |
| 4.3.2 非参数方法估计 |
| 4.3.3 贝叶斯估计 |
| 4.4 片段聚类实验分析 |
| 4.4.1 数值案例片段聚类分析 |
| 4.4.2 隧道掘进机多元数据片段聚类分析 |
| 4.5 本章小结 |
| 5 基于最小二乘支持向量回归机的掘进参数预测方法 |
| 5.1 支持向量回归机 |
| 5.2 最小二乘支持向量回归机 |
| 5.3 推进速度预测实验分析 |
| 5.4 本章小结 |
| 6 基于MATLAB GUI的隧道掘进机数据分析系统设计 |
| 6.1 开发背景 |
| 6.2 GUI简介 |
| 6.3 数据分析模块 |
| 6.3.1 时间序列异常值检测模块 |
| 6.3.2 时间序列聚类模块 |
| 6.3.3 时间序列片段聚类模块 |
| 6.3.4 推进速度预测分析模块 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（2）面向决策支持的变尺度聚类分析技术（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究框架与研究内容 |
| 1.4 创新点 |
| 2 理论基础和文献综述 |
| 2.1 数据驱动的决策分析 |
| 2.1.1 决策与决策过程 |
| 2.1.2 决策的层次特征与主观特征 |
| 2.1.3 数据驱动的决策分析方法 |
| 2.2 数据挖掘技术应用过程 |
| 2.2.1 数据挖掘技术应用过程中存在的问题 |
| 2.2.2 面向数据挖掘应用过程自动化的思维流程建模技术 |
| 2.2.3 启发式智能数据分析方法 |
| 2.3 粒度及尺度效应 |
| 2.3.1 数据分析领域中的粒度 |
| 2.3.2 粒计算理论中的信息系统模型 |
| 2.3.3 尺度效应 |
| 2.4 本章小结 |
| 3 尺度变换机制及变尺度聚类分析方法 |
| 3.1 多尺度数据模型 |
| 3.1.1 尺度基本概念及对象实例化 |
| 3.1.2 概念空间模型 |
| 3.1.3 多尺度数据模型及其构建过程 |
| 3.2 尺度变换策略 |
| 3.2.1 尺度变换及尺度变换率 |
| 3.2.2 激进尺度变换策略 |
| 3.2.3 保守尺度变换策略 |
| 3.3 尺度变换机制 |
| 3.3.1 尺度变换效果评价 |
| 3.3.2 尺度变换原则 |
| 3.3.3 尺度变换机制及其实施过程 |
| 3.4 变尺度聚类分析方法 |
| 3.4.1 变尺度聚类分析基本思想 |
| 3.4.2 变尺度聚类分析方法步骤 |
| 3.4.3 变尺度聚类分析过程示例 |
| 3.5 变尺度聚类分析方法有效性及参数敏感性分析 |
| 3.5.1 实验目的及数据准备 |
| 3.5.2 变尺度聚类分析方法有效性分析 |
| 3.5.3 变尺度聚类分析方法参数敏感性分析 |
| 3.6 本章小结 |
| 4 具有多重复值分类变量数据的变尺度聚类分析技术 |
| 4.1 具有多重复值分类变量数据的决策分析问题 |
| 4.1.1 城市马拉松赛事个性化服务研究背景及问题 |
| 4.1.2 城市马拉松赛事参赛选手的数据特征 |
| 4.1.3 具有多重复值分类变量数据的尺度变换机制研究问题 |
| 4.2 具有多重复值分类变量数据的变尺度聚类分析算法 |
| 4.2.1 分类变量数据变尺度聚类分析的概念准备 |
| 4.2.2 分类变量数据变尺度聚类分析的基本思想 |
| 4.2.3 分类变量数据变尺度聚类分析的算法步骤 |
| 4.3 基于分类变量数据变尺度聚类的案例推荐方法 |
| 4.3.1 基于分类变量数据变尺度聚类的案例推荐概念准备 |
| 4.3.2 基于分类变量数据变尺度聚类的案例推荐基本思想 |
| 4.3.3 基于分类变量数据变尺度聚类的案例推荐方法步骤 |
| 4.4 城市马拉松赛事参赛选手差异化管理应用 |
| 4.4.1 基于分类变量数据变尺度聚类的参赛选手特征发现 |
| 4.4.2 城市马拉松赛事选手数据采集及预处理 |
| 4.4.3 实验结果及讨论分析 |
| 4.5 本章小结 |
| 5 具有分类变量数据及二值变量数据的变尺度聚类分析技术 |
| 5.1 具有分类变量数据及二值变量数据的决策分析问题 |
| 5.1.1 社交网络营销研究背景及问题 |
| 5.1.2 社交网络客户的数据特征 |
| 5.1.3 二值变量数据的尺度变换机制研究问题 |
| 5.2 具有二值变量数据的变尺度聚类分析算法 |
| 5.2.1 二值变量数据变尺度聚类分析的概念准备 |
| 5.2.2 二值变量数据变尺度聚类分析的基本思想 |
| 5.2.3 二值变量数据变尺度聚类分析的算法步骤 |
| 5.3 具有分类变量及二值变量混合数据的变尺度聚类分析算法 |
| 5.3.1 混合数据变尺度聚类分析的概念准备 |
| 5.3.2 混合数据变尺度聚类分析的基本思想 |
| 5.3.3 混合数据变尺度聚类分析的算法步骤 |
| 5.4 社交网络客户差异化管理应用 |
| 5.4.1 基于混合数据变尺度聚类的客户特征发现 |
| 5.4.2 社交网络客户数据采集及预处理 |
| 5.4.3 实验结果及讨论分析 |
| 5.5 本章小结 |
| 6 考虑业务时效性的数值变量数据变尺度聚类分析技术 |
| 6.1 考虑业务时效性的数值变量数据决策分析问题 |
| 6.1.1 航天型号物资动态库存管理研究背景及问题 |
| 6.1.2 航天型号物资的数据特征 |
| 6.1.3 数值变量数据的尺度变换机制研究问题 |
| 6.2 考虑业务时效性的数值变量数据变尺度聚类分析算法 |
| 6.2.1 数值变量数据变尺度聚类分析的概念准备 |
| 6.2.2 数值变量数据变尺度聚类分析的基本思想 |
| 6.2.3 数值变量数据变尺度聚类分析的算法步骤 |
| 6.3 航天型号物资差异化管理应用 |
| 6.3.1 航天型号物资库存动态分类管理思想 |
| 6.3.2 航天型号物资库存动态分类调整方法 |
| 6.3.3 航天型号物资数据采集及预处理 |
| 6.3.4 实验结果及讨论分析 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（3）基于粒子群的三支聚类算法研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作及体系结构 |
| 第二章 粒子群优化算法与三支聚类 |
| 2.1 引言 |
| 2.2 聚类分析 |
| 2.3 粒子群优化算法 |
| 2.4 三支聚类 |
| 2.5 本章小结 |
| 第三章 基于粒子群的三支聚类算法 |
| 3.1 引言 |
| 3.2 参数设置 |
| 3.3 对象和类的关系 |
| 3.4 基于粒子群的三支聚类算法 |
| 3.5 实验与结果分析 |
| 3.6 本章小结 |
| 第四章 基于粒子群的三支聚类算法的车牌号识别系统 |
| 4.1 引言 |
| 4.2 车牌号识别系统的研究 |
| 4.3 基于PTWDC算法的车牌号识别系统流程和功能 |
| 4.4 用户登录界面 |
| 4.5 基于PTWDC算法的车牌号识别系统主界面 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文主要工作总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
| 硕士期间科研成果 |
（4）考虑社交关系的二型模糊大规模群决策方法及其商务推荐应用（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 |
| 1.3 研究内容 |
| 1.4 论文框架和结构安排 |
| 第二章 理论基础 |
| 2.1 二型模糊系统 |
| 2.2 社会网络 |
| 2.3 群共识 |
| 2.4 基于群决策的推荐系统 |
| 2.5 本章小结 |
| 第三章 基于区间二型模糊的大规模群决策方法研究 |
| 3.1 区间二型模糊语言变量 |
| 3.2 基于区间二型模糊等价关系聚类分析的大规模群决策方法 |
| 3.3 基于区间二型模糊主成分分析法的大规模群决策方法 |
| 3.4 算例分析 |
| 3.5 本章小结 |
| 第四章 基于区间二型模糊的社会化大规模群决策研究 |
| 4.1 考虑社交关系的二型模糊大规模群决策方法的主要思想 |
| 4.2 基于一般社交关系的二型模糊大规模群决策方法 |
| 4.3 综合考虑社交关系与偏好关系的二型模糊大规模群决策方法 |
| 4.4 本章小结 |
| 第五章 基于信任关系的群决策方法研究 |
| 5.1 基于区间二型模糊集的信任关系分析 |
| 5.2 考虑群体信任对共识达成过程的影响 |
| 5.3 信任网络和共识演化网络的交互影响研究 |
| 5.4 本章小结 |
| 第六章 大规模群决策共识达成方法研究 |
| 6.1 大规模群决策共识研究的主要思路 |
| 6.2 平衡共识演化和聚类分析矛盾的大规模群决策方法 |
| 6.3 考虑偏好调整成本的大规模群决策方法 |
| 6.4 本章小结 |
| 第七章 大规模群决策方法在社会化商务推荐中的应用 |
| 7.1 社会化商务推荐问题分析 |
| 7.2 基于信任关系的社会化商务推荐模型 |
| 7.3 基于信任关系的大规模群决策社会化商务推荐应用 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 参考文献 |
| 附录:网购语言评论与网购影响要素调查 |
| 攻读学位期间的科研成果 |
| 致谢 |
（5）长沙市小学校园足球特色学校足球活动质量评价研究 ——基于灰色聚类分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 校园足球发展的时代要求 |
| 1.1.2 校园足球活动开展面临挑战 |
| 1.1.3 校园足球活动健康发展需要合理的足球活动质量评价 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 理论意义 |
| 1.2.3 现实意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国内研究综述 |
| 1.3.2 国外研究综述 |
| 1.3.3 国内外文献研究述评 |
| 1.4 研究对象和研究方法 |
| 1.4.1 研究对象 |
| 1.4.2 研究方法 |
| 2 概念界定与理论基础 |
| 2.1 概念界定 |
| 2.1.1 校园足球特色学校 |
| 2.1.2 校园足球活动质量 |
| 2.2 理论基础 |
| 2.2.1 三维质量结构理论 |
| 2.2.2 综合评价理论 |
| 3 长沙市小学校园足球特色学校足球活动质量评价指标体系的构建 |
| 3.1 指标体系的构建原则 |
| 3.1.1 科学性原则 |
| 3.1.2 目标导向性原则 |
| 3.1.3 量化研究的可操作性原则 |
| 3.1.4 整体完备性原则 |
| 3.2 长沙市小学校园足球特色学校足球活动质量评价指标的确立 |
| 3.2.1 足球活动质量评价指标的拟定 |
| 3.2.2 德尔菲法的应用 |
| 3.2.3 一级指标的两轮专家咨询问卷评价及筛选情况 |
| 3.2.4 二级指标的两轮专家咨询问卷评价及筛选情况 |
| 3.2.5 三级指标的两轮专家咨询问卷评价及筛选情况 |
| 3.2.6 指标体系的信效度检验 |
| 3.3 长沙市小学校园足球特色校足球活动质量评价指标权重计算 |
| 3.3.1 层次分析法(AHP)的应用 |
| 3.3.2 权重的确定 |
| 4 基于灰色聚类分析的长沙市小学校园足球特色学校足球活动质量评价研究 |
| 4.1 基于中心点三角白化权函数的灰色评估模型建立 |
| 4.2 长沙市小学校园足球特色校足球活动质量的评价分析过程 |
| 4.2.1 确定足球活动质量的评价灰类 |
| 4.2.2 足球活动质量的灰色评估模型 |
| 4.2.3 足球活动质量的灰色综合聚类分析 |
| 4.2.4 足球活动质量评价的灰色分类 |
| 4.3 长沙市小学校园足球特色校足球活动质量的评价结果分析 |
| 4.3.1 各灰类地区的足球活动质量评价结果与分析 |
| 4.3.2 足球活动质量存在的问题分析 |
| 4.3.3 足球活动质量的影响因素分析 |
| 4.3.4 提高足球活动质量的对策 |
| 5 结论与建议 |
| 5.1 结论 |
| 5.2 建议 |
| 参考文献 |
| 附录一 |
| 附录二 |
| 附录三 |
| 附录四 |
| 附录五 |
| 附录六 |
| 附录七 |
| 附录八 |
| 附录九 |
| 附录十 |
| 附录十一 |
| 致谢 |
（6）基于多重聚类算法的火电机组运行参数优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 数据挖掘研究现状 |
| 1.2.1 数据挖掘技术的主要方法 |
| 1.2.2 基于聚类分析技术的应用现状 |
| 1.3 本文的主要研究内容 |
| 第二章 用于数据寻优的多重聚类算法研究 |
| 2.1 引言 |
| 2.2 基于层次的聚类算法 |
| 2.3 基于网格的聚类算法 |
| 2.4 基于密度的聚类算法 |
| 2.5 基于划分的聚类算法 |
| 2.6 其他聚类算法 |
| 2.7 多重聚类算法 |
| 2.7.1 K-means和 FCM算法的适用性验证 |
| 2.7.2 多重聚类算法的提出 |
| 2.7.3 多重聚类算法思想及仿真 |
| 2.8 本章小结 |
| 第三章 数据预处理 |
| 3.1 引言 |
| 3.2 数据预处理 |
| 3.2.1 数据清理 |
| 3.2.2 数据集成 |
| 3.2.3 数据变换 |
| 3.2.4 数据规约 |
| 3.3 本论文数据预处理基本过程 |
| 3.3.1 稳态筛选 |
| 3.3.2 min-max标准化 |
| 3.3.3 离群点检测 |
| 3.4 本章小结 |
| 第四章 火电机组运行参数目标值的优化 |
| 4.1 引言 |
| 4.2 运行工况划分 |
| 4.3 灰关联分析 |
| 4.4 锅炉侧运行参数寻优 |
| 4.4.1 锅炉热效率的计算 |
| 4.4.2 锅炉侧灰关联分析结果 |
| 4.4.3 影响锅炉热效率的主要因素分析 |
| 4.4.4 基于多重聚类的锅炉运行参数优化分析 |
| 4.5 汽机侧运行参数寻优 |
| 4.5.1 汽轮机热耗率的计算 |
| 4.5.2 汽机侧灰关联分析结果 |
| 4.5.3 影响汽轮机热耗率的主要因素分析 |
| 4.5.4 基于多重聚类的汽轮机运行参数优化分析 |
| 4.6 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者在攻读硕士期间的学习成果 |
| 致谢 |
（7）贝叶斯网络在《伤寒论》阳明病篇方、药、症规律研究中的应用（论文提纲范文）
| 中文摘要 |
| Abstract |
| 前言 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 贝叶斯网络技术应用于中医诊断的研究 |
| 1.3.2 贝叶斯网络技术应用于方剂的研究 |
| 1.3.3 贝叶斯网络技术应用于中药的研究 |
| 1.3.4 贝叶斯网络技术应用于中医证候的研究 |
| 1.4 论文的组织结构 |
| 2 《伤寒论》的相关知识 |
| 2.1 《伤寒论》一书的介绍 |
| 2.2 《伤寒论》阳明病篇的介绍 |
| 3 贝叶斯网络的介绍 |
| 3.1 贝叶斯网络的定义 |
| 3.2 贝叶斯网络的结构 |
| 4 研究的材料与方法 |
| 4.1 数据收集 |
| 4.2 数据的整理与规范 |
| 4.2.1 方剂的规范化与频次计数说明 |
| 4.2.2 中药的规范化与频次计数说明 |
| 4.2.3 症状的规范化与频次计数说明 |
| 4.3 质量控制及数据挖掘方法 |
| 5 结果 |
| 5.1 中药、方剂频次和贝叶斯网络模型 |
| 5.2 症状频次和贝叶斯网络模型 |
| 5.3 中药与症状间的贝叶斯网络模型 |
| 5.4 方剂与症状间的贝叶斯网络模型 |
| 6 讨论 |
| 6.1 方药分布规律 |
| 6.2 症状分布规律 |
| 6.3 中药与症状间的分布规律 |
| 6.4 方剂与症状间的分布规律 |
| 6.5 小结 |
| 7 结论与展望 |
| 参考文献 |
| 综述 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（8）密度峰值聚类的优化及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 第一节 研究背景和研究意义 |
| 一、研究背景 |
| 二、研究意义 |
| 第二节 密度峰值聚类研究综述 |
| 第三节 研究内容与研究框架 |
| 一、研究思路 |
| 二、研究方法 |
| 三、研究框架 |
| 第四节 研究的创新与不足 |
| 一、研究的创新之处 |
| 二、研究的不足之处 |
| 第二章 聚类分析的相关理论基础 |
| 第一节 数据属性的类型 |
| 一、常见数据类型概述 |
| 二、常见数据二维展示 |
| 第二节 聚类分析的方法 |
| 一、常见聚类算法概述 |
| 二、常见数据聚类思路 |
| 第三节 聚类分析的质量评价 |
| 一、内部有效性指标 |
| 二、外部有效性指标 |
| 三、相对有效性指标 |
| 第四节 密度峰值聚类算法 |
| 一、相关定义 |
| 二、决策图 |
| 三、样本分配机制 |
| 四、算法步骤描述 |
| 五、算法复杂度分析 |
| 第五节 本章小结 |
| 第三章 基于相对密度优化的密度峰值聚类 |
| 第一节 算法思想 |
| 第二节 相关定义 |
| 第三节 算法步骤 |
| 第四节 时间复杂度分析 |
| 第五节 实验结果与分析 |
| 一、人工数据集 |
| 二、真实数据集 |
| 三、参数敏感性分析 |
| 四、算法运行效率分析 |
| 第六节 本章小结 |
| 第四章 基于共享近邻和统计检验的流形聚类 |
| 第一节 算法思想 |
| 第二节 相关定义 |
| 一、相似性度量 |
| 二、压缩稀疏图 |
| 三、轮廓系数 |
| 四、非参数检验 |
| 第三节 算法步骤 |
| 第四节 时间复杂度分析 |
| 第五节 实验结果与分析 |
| 一、人工数据集 |
| 二、真实数据集 |
| 三、参数敏感性分析 |
| 四、算法运行效率分析 |
| 第六节 本章小结 |
| 第五章 优化算法在电子病历文本挖掘中的应用 |
| 第一节 文本预处理 |
| 一、样本筛选 |
| 二、中文分词去停用词 |
| 三、文本向量化 |
| 四、特征降维 |
| 五、相似性度量 |
| 第二节 电子病历文本挖掘 |
| 一、主题数目选择 |
| 二、电子病历文本挖掘步骤 |
| 第三节 实验结果与分析 |
| 一、数据来源 |
| 二、实验环境 |
| 三、实验结果及分析 |
| 第四节 本章小结 |
| 第六章 主要结论与展望 |
| 第一节 主要结论 |
| 第二节 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 在读期间科研成果 |
（9）SsHADV-1介导的核盘菌内生特性及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 第一章 文献综述 |
| 1.1 核盘菌的危害及防治 |
| 1.1.1 核盘菌及作物菌核病 |
| 1.1.2 核盘菌的致病机理 |
| 1.1.3 植物针对核盘菌的防御机制 |
| 1.1.4 菌核病的防治 |
| 1.2 真菌病毒 |
| 1.2.1 真菌病毒的发现和分类 |
| 1.2.2 核盘菌中的病毒研究 |
| 1.2.3 真菌病毒的传播方式 |
| 1.2.4 真菌病毒与寄主的关系 |
| 1.2.5 真菌病毒应用及面临的问题 |
| 1.3 Genomoviridae病毒的研究进展和进化机制 |
| 1.4 内生真菌的研究进展 |
| 1.5 研究的目的和意义 |
| 第二章 核盘菌菌株DT-8在油菜中内生 |
| 2.1 引言 |
| 2.2 材料与方法 |
| 2.2.1 菌株及培养 |
| 2.2.2 供试植物与培养方式 |
| 2.2.3 培养基 |
| 2.2.4 菌株DT-8对油菜植株的处理 |
| 2.2.5 .菌株DT-8 转化mcherry荧光蛋白 |
| 2.2.6 菌株DT-8在油菜植株中的内生观察 |
| 2.2.7 菌株DT-8自油菜植株中重分离 |
| 2.2.8 内生菌株DT-8的传毒 |
| 2.2.9 菌株DT-8的检测 |
| 2.3 结果与分析 |
| 2.3.1 菌株DT-8在油菜植株中内生性生长 |
| 2.3.2 菌株DT-8在油菜植株中的分布 |
| 2.3.3 菌株DT-8在衰弱油菜植株上的生长 |
| 2.3.4 菌株DT-8 通过内生传播SsHADV-1 |
| 2.3.5 田间喷施菌株DT-8对病毒的传播 |
| 2.4 讨论 |
| 第三章 Ss HADV-1 对核盘菌基因表达的影响 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 数据来源 |
| 3.2.2 显着差异表达基因的筛选 |
| 3.2.3 FunCat功能富集分析 |
| 3.2.4 KEGG功能富集分析 |
| 3.3 结果与分析 |
| 3.3.1 Ss HADV-1 影响核盘菌基因的表达 |
| 3.3.2 菌株DT-8和DT-8VF的 DEGs的 FunCat富集分析 |
| 3.3.3 菌株DT-8和DT-8VF的 DEGs的 KEGG富集分析 |
| 3.3.4 核盘菌致病相关基因的表达分析 |
| 3.4 讨论 |
| 第四章 菌株DT-8内生促进油菜生长并提高抗病性能及其分子机制 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 油菜生物产量的测定 |
| 4.2.2 油菜植株抗病性的测定 |
| 4.2.3 油菜植株RNA的提取 |
| 4.2.4 转录组测序研究流程 |
| 4.2.5 数据分析方法 |
| 4.2.6 cDNA第一链合成和RT-PCR验证 |
| 4.2.7 实时荧光定量qPCR(Quantitative Real-time PCR) |
| 4.3 结果与分析 |
| 4.3.1 菌株DT-8内生显着促进油菜生物产量 |
| 4.3.2 菌株DT-8提高油菜抗病力 |
| 4.3.3 菌株DT-8内生对油菜基因表达的影响 |
| 第五章 菌株DT-8田间防病增产应用研究 |
| 5.1 前言 |
| 5.2 材料与方法 |
| 5.2.1 田间试验 |
| 5.2.2 病情指数调查 |
| 5.2.3 油菜籽含油量的测定 |
| 5.3 结果与分析 |
| 5.3.1 菌株DT-8在油菜上长期存活 |
| 5.3.2 菌株DT-8处理减轻菌核病的危害 |
| 5.3.3 菌株DT-8处理提高油菜产量 |
| 5.3.4 菌株DT-8提高油菜籽的含油量 |
| 5.4 讨论 |
| 第六章 真菌中新型genomovirus-like病毒BcHADV-1 的发现 |
| 6.1 引言 |
| 6.2 材料与方法 |
| 6.2.1 菌株及培养 |
| 6.2.2 供试植物与培养方式 |
| 6.2.3 DNA病毒序列的克隆和测定 |
| 6.2.4 序列和系统进化分析 |
| 6.2.5 病毒粒子的提取 |
| 6.2.6 BcHADV-1 病毒粒体的负染观察 |
| 6.2.7 Southern blot杂交分析 |
| 6.2.8 病毒水平传播验证 |
| 6.2.9 病毒垂直传播验证 |
| 6.2.10 菌株生物学特性检测 |
| 6.3 结果与分析 |
| 6.3.1 灰葡萄孢中四节段DNA病毒的发现 |
| 6.3.2 BcHADV-1 编码的假定蛋白 |
| 6.3.3 Bc HADV-1 的系统进化分析 |
| 6.3.4 BcHADV-1 的传播 |
| 6.3.5 BcHADV-1 与灰葡萄孢的弱毒相关 |
| 6.4 讨论 |
| 第七章 全文总结与展望 |
| 参考文献 |
| 附录 论文发表情况和专利 |
| 致谢 |
（10）基于宽角域散射中心聚类的典型体结构特性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 散射中心模型研究现状 |
| 1.2.2 聚类算法研究现状 |
| 1.2.3 存在的主要问题 |
| 1.3 本文的主要研究内容 |
| 第2章 典型体散射中心建模方法 |
| 2.1 引言 |
| 2.2 SLICY模型的数据预处理 |
| 2.3 散射中心的典型角散射现象 |
| 2.4 散射中心模型的构建 |
| 2.4.1 基本理论 |
| 2.4.2 六种典型体散射中心模型 |
| 2.4.3 两种非等边三面角模型解析式的理论推导 |
| 2.5 本章小结 |
| 第3章 基于流形学习算法的散射中心聚类分析 |
| 3.1 引言 |
| 3.2 宽角域散射中心聚类特性分析 |
| 3.2.1 聚类算法 |
| 3.2.2 宽角域散射中心流形学习算法 |
| 3.3 仿真实验及结果分析 |
| 3.3.1 实验设置与过程 |
| 3.3.2 实验结果与数据分析 |
| 3.3.3 算法的分析与比较 |
| 3.4 本章小结 |
| 第4章 基于深度学习算法的散射中心聚类分析 |
| 4.1 引言 |
| 4.2 宽角域散射中心数据特性分析 |
| 4.2.1 宽角域散射中心深度学习算法 |
| 4.2.2 算法的分析与比较 |
| 4.3 仿真实验及结果分析 |
| 4.3.1 实验设置与过程 |
| 4.3.2 实验结果与数据分析 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
四、聚类分析的理论及其应用（论文参考文献）
- [1]隧道掘进机时序数据聚类方法及其应用[D]. 田腾. 大连理工大学, 2021(01)
- [2]面向决策支持的变尺度聚类分析技术[D]. 王艾. 北京科技大学, 2021(02)
- [3]基于粒子群的三支聚类算法研究及应用[D]. 高艳龙. 北方民族大学, 2021(08)
- [4]考虑社交关系的二型模糊大规模群决策方法及其商务推荐应用[D]. 武彤. 东南大学, 2020
- [5]长沙市小学校园足球特色学校足球活动质量评价研究 ——基于灰色聚类分析[D]. 董青青. 湖南师范大学, 2020(01)
- [6]基于多重聚类算法的火电机组运行参数优化研究[D]. 揭跃. 东南大学, 2020(01)
- [7]贝叶斯网络在《伤寒论》阳明病篇方、药、症规律研究中的应用[D]. 张静驿. 山西医科大学, 2020(11)
- [8]密度峰值聚类的优化及其应用研究[D]. 张雨农. 安徽财经大学, 2020(08)
- [9]SsHADV-1介导的核盘菌内生特性及应用研究[D]. 张洪祥. 华中农业大学, 2020
- [10]基于宽角域散射中心聚类的典型体结构特性研究[D]. 赵学博. 哈尔滨工业大学, 2020(01)