一、基于软件复用技术的数据挖掘系统模型研究（论文文献综述）
何兆贤[1]（2021）在《铁路通信承载网智能网管系统功能架构设计研究》文中进行了进一步梳理随着中国铁路的快速发展,在铁路网规模快速扩大的同时,铁路通信承载网也随之得以发展壮大,铁路通信承载网是服务于铁路运输组织、智能化发展的基础,是铁路各系统间相互联系的纽带,其保障了铁路运输组织各系统运行的可靠性与稳定性,但随着承载网网络的不断扩大,原有的管理技术与方法已经不能完全满足现实管理的需要,网络隐患难以被发现、故障处置时间长、影响范围广等诸多问题逐步体现出来。在现有的技术基础上,铁路运输各系统在智能化、信息化上以铁路通信承载网为基础更加紧密地结合在了一起,承载网网络的故障将对铁路运输造成巨大的干扰和潜在的经济损失,而网络智能化管理技术的缺失无形中放大了发生这一潜在影响的可能性,有可能瞬间、大面积影响铁路运输组织,造成极大安全隐患,带来巨大的经济损失。目前,随着铁路承载网中断对运输干扰事件的愈发突出,铁路承载网的可靠性和网络生存能力变得更为现实与重要。本论文深度分析了铁路承载网的现状,以及智能化方面存在的困难与问题,结合相关辅助系统运用情况,分析了现有网管系统在设备维护中存在的严重不足,并对网络管理者所关注的在资源运用、任务管理、智能运用等方面进行了深入分析,根据需求进行智能化网管系统架构及功能设计,并提出利用数据挖掘算法中的关联规则Apriori等算法对承载网本身的性能数据进行挖掘分析,形成实时性、可视化的设备健康管理呈现机制,提升与改善现有对承载网的在资源配置、任务管理、智能运用方面技术监测与管理方法,使通信承载网的管理更加高效、有针对性,实现对铁路通信承载网的智能化管理。
闵星[2]（2020）在《大数据持续分析平台的设计与实现》文中进行了进一步梳理随着计算机和网络技术的不断发展,世界已进入大数据时代。对大数据的有效使用,将极大推动社会发展和科学技术的进步。数据分析由此应运而起。但是目前数据分析遇到了一些瓶颈,首先是数据分析需要大量的编程经验。其次是在迭代的分析过程中,存在大量重复工作,会极大降低数据分析的效率。本文设计与实现的大数据持续分析平台,与目前常用的Python及R语言数据分析相比,平台对算法进行封装,通过拖拽组件的方式构建数据分析流程,使用户无需关心算法内部实现细节,降低了数据分析门槛。同时,提出了针对电信诈骗领域的定制K-Means聚类组件。使用基于最短路径的流程持续优化算法,从已有流程集合中抽取潜在结构,为新流程的编排提供建议。为了实现大数据持续分析平台,本文首先介绍了国内外相关数据分析平台的发展现状和相关技术,接下来分析了系统的主要功能需求和非功能性需求,接着提出为了实现该平台需要解决的关键技术:为了实现可视化流程编排和流程复用,系统提出了基于事件监听机制的数据绑定、基于XML格式的流程描述语言和流程解析引擎;针对流程的持续优化,提出了基于最短路径的持续优化算法。之后,介绍了大数据持续分析平台的总体架构和概要设计,在总体设计的基础上详细介绍了其中关键模块的设计,最后对大数据持续分析平台进行了测试。在最后一部分,总结了平台现有的不足和未来针对这些不足的改进方向。
刘芳[3]（2020）在《基于Web的数据挖掘可视化平台研究与实现》文中指出在科学技术引领的大数据时代背景下,海量的数据给各领域都带来了数据分析的需求,并且数据挖掘的技术门槛、工作量、工作繁琐程度也日益提高。基于上述需求,许多企业将可视化技术与数据挖掘技术相结合,将数据挖掘过程与结果以直观的形式展示给用户,提高数据挖掘工作的效率、准确性和有效性。但是目前已有的数据挖掘可视化平台还存在以下缺点:1)数据挖掘模型执行流程未结合系统底层计算框架的工作流程与任务调度逻辑,计算性能利用率有待提高;2)缺乏对数据挖掘工作完整生命周期的考虑,对数据挖掘建模工作的难度、繁琐程度和重复度优化不足;3)缺乏数据挖掘完整流程的工作报告,未能对数据挖掘工作的总结学习,优化提升提供有效途径。针对上述缺点,本文的研究内容如下:1)结合分布式数据挖掘框架Spark的工作流程,设计并实现数据挖掘流水线模型的执行流程。该流程为系统提供基础的数据挖掘算法,基于分布式框架的任务调度逻辑为流水线模型提供模型翻译技术和模型执行流程。2)结合数据挖掘完整生命周期,设计并实现数据挖掘可视化系统。该系统支持用户拖拽式构建数据挖掘流水线模型,提供各类数据挖掘算法WebAPI、配置模块以及可视化的执行结果与日志模块,为数据挖掘完整流程提供可视化工作环境。3)设计与实现数据挖掘可视化报告子系统,该系统基于组件化设计,根据数据挖掘算子数据类型,为用户提供多种算子报告模板,支持用户结合系统报告模板,选择数据挖掘项目的模型数据和结果数据,自主编辑生成数据挖掘报告。基于以上研究内容,本文设计与实现了基于Web的数据挖掘可视化平台。该平台基于Spark分布式框架为用户提供高效的数据挖掘计算能力,提供拖拽式的流水线建模方式,将用户高度接入数据挖掘过程中,提供自主编辑与系统模板相结合的数据挖掘报告生成功能,将数据挖掘的完整生命周期以高度可视化的方式呈现给用户。该可视化平台对于提升数据挖掘性能,降低数据挖掘工作难度、复杂度和重复度,降低数据挖掘学习难度有极大意义。
尹刚,王涛,刘冰珣,周明辉,余跃,李志星,欧阳建权,王怀民[4]（2018）在《面向开源生态的软件数据挖掘技术研究综述》文中研究说明全球开源软件生态中孕育的大众化软件生产模式正在快速形成一种新型的软件生产力,在软件开发和应用各个环节发挥了巨大作用.大众化软件生产的数据规模日趋庞大、协同范围不断扩展、管理模式高度精简,这些全球化特征使其在软件复用、协同开发、知识管理等环节面临诸多挑战,迫切需要新的理论指导和工具支持.首先,界定了大众化软件生产活动的分布范围、基本过程和数据形态;然后,从软件复用、协同开发、知识管理这3个核心环节对开源社区数据挖掘技术的研究工作进行了归类与分析;最后,总结了该领域研究工作存在的问题和未来的发展趋势.
保金桢[5]（2017）在《软件定义光电混合数据中心网络关键技术研究》文中提出近年来,作为承载云计算和大数据等多种新型计算和应用的核心基础设施,数据中心得到快速发展。业务和通信模式的转变对连接大规模服务器、存储设备等硬件资源的数据中心网络提出新的挑战。传统电交换网络架构面临网络带宽受限、能量消耗过大等问题,难以满足大规模数据中心网络的需求。光电混合数据中心网络结合光交换和电交换的优势,按照需求动态调整网络拓扑和带宽,能够有效提升网络的性能、降低功耗和布线复杂度等。本文面向软件定义光电混合数据中心网络,针对当前光互连网络架构扩展性和性能的不足、组播资源利用率低、链路调度未考虑短流等问题,分别对新型光互连网络架构、高效组播优化机制、带优先级的光电混合调度机制等挑战性问题展开研究,论文的主要工作包括:（1）针对目前光交换网络架构在可扩展性、灵活性以及性能方面的不足,提出一种高性能的光交换网络架构DETOUR。DETOUR设计为分布式光交换网络架构,将光交换机按照2D-Torus拓扑连接,有效提升光交换网络的规模,支持网络的动态扩展。DETOUR基于“广播-选择”光交换机制,能够灵活的支持单播、组播、广播等多种通信模式。DETOUR设计一种支持在两个维度上进行光信号交换的光交换机,每个光交换机广播的光信号能够到达DETOUR中任意的光交换机,从而支持在任意光交换机之间建立直连的光链路。根据DETOUR网络架构的特性,提出一种基于递归的冲突波长调整算法,并通过理论证明DETOUR光交换网络的无阻塞特性。与其它光交换网络架构相比,DETOUR能够同时满足扩展性、灵活性以及高性能的要求。实验表明,与OvS和Jellyfish相比,DETOUR能有效减少34%和57%的平均流完成时间,降低21%和30%的能量消耗。（2）针对现有数据中心组播优化方案资源利用率低、可扩展性差的问题,提出一种物理层分光组播和报文复制电组播协同优化机制iCAST。iCAST面向应用层感知组播需求,提出一种贪心的组播树构建算法和灵活的组播流切换策略。在构建组播树的过程中,iCAST优先为大流量组播组分配光组播链路,如果不能完全覆盖,则寻找可用的电组播。在构建完组播树配置的过程中,iCAST通过灵活的路由策略将组播流量在电交换网络和光交换网络之间切换,避免为等待光链路资源而阻塞组播流。通过自由空间光和光分束器搭建光电混合组播原型系统,并重新设计高性能计算框架MPICH以支持iCAST。实验表明,与MPICH中现有的环形算法相比,iCAST减少一个数量级的组播流完成时间。（3）针对当前光链路调度算法优化平均流完成时间,尤其是短流完成时间存在的不足,提出一种流调度和链路调度联合优化机制HyFabric。HyFabric采用最短剩余处理时间（Shortest Remaining Processing Time,SRPT）优先策略优化平均流完成时间。为了支持SRPT策略,HyFabric重新设计了柜顶（Top of Rack,ToR）交换机中的队列,能够根据SRPT策略进行报文出队列和丢弃。ToR交换机包含虚拟输出队列将不同目的ToR交换机的报文累积,经过ToR交换机上的调度器选择光交换或者电交换网络。HyFabric提出一种基于优先级的多级稳定婚姻算法为虚拟输出队列中累积的报文分配光链路,优先级根据累积报文中的优先级信息计算。与以往工作相比,HyFabric能够有效结合光交换和电交换网络,共同实现SRPT策略,最小化平均流完成时间。实验表明,与ProjecToR和Solstice相比,HyFabric能减少平均流完成时间93%以上,降低平均能量消耗32%以上。
曹小春,曾安,潘丹[6]（2014）在《云计算环境下面向领域的数据挖掘服务平台研究》文中进行了进一步梳理为促进数据挖掘开发及其商业应用,采用云计算技术、领域工程和数据挖掘等技术,结合领域驱动设计和云计算框架,提出了一种面向领域的数据挖掘云平台框架,并阐述了云计算环境下面向领域的数据挖掘服务的机理。定义了面向领域的数据挖掘云平台服务开发模式,这对面向领域的数据挖掘、云计算环境下的数据挖掘服务模式以及数据挖掘服务的开发和应用都有一定的参考价值。
曾安,陈云,潘丹,杨海东,谢光强[7]（2014）在《面向领域的数据挖掘云平台研究》文中进行了进一步梳理为促进数据挖掘开发和商业应用,通过将云计算技术、领域工程和数据挖掘相结合,从领域驱动设计和云计算框架出发,提出了一种面向领域的数据挖掘云平台框架,阐述了云计算环境下面向领域的数据挖掘服务的机理,并给出了面向领域的数据挖掘云平台服务开发模式,从软件开发生命周期的角度定义了面向领域的数据挖掘服务开发过程.
李井辉[8]（2013）在《油气井钻柱力学参数预测模型及构件化技术研究》文中研究表明钻柱摩阻扭矩是钻柱力学分析的核心问题,钻柱受力计算是摩阻预测分析的基础,亦是影响钻柱延伸能力的主要因素。影响钻钻柱受力的因素较多,钻柱摩阻计算过程中影响因素也较为复杂,对于钻井工艺的飞速发展和井眼类型的增加,不确定性影响因素越来越突出。为此,针对钻井设计与施工过程中产生的大量井场数据,依据钻柱力学分析参数的特点而引入统计学习理论,探求难用普适的数学公式明确表达影响因素与分析结果之间关系的钻柱摩擦系数与延伸能力预测问题的解决方案,建立所研究问题的知识模型,求取其内在规律性。论文的主要研究内容及研究成果主要集中在以下方面:（1）钻井领域预测活动的特点和常用的预测方法研究。结合钻井过程的隐蔽性和复杂性,分析钻井领域预测活动应遵循的原则、步骤,研究钻井领域预测对象的特征及其与以神经网络和支持向量机技术为主的数据挖掘方法良好融合的理论基础。（2）基于多层前馈神经网络的的摩擦系数预测方法研究。准确的获取摩擦系数是提高摩阻计算精度的有效方式之一,摩擦系数隐含了力学分析模型假设与实际情况的差异以及井眼形状、钻井液体系等因素的影响,使摩阻系数表现出非稳定的随机性和个体差异。因此,充分利用多层前馈神经网络具有的自学习、自组织、自适应和非线性动态处理等特性,建立了摩擦系数及其影响因素之间的隐含关系预测模型,进而实现从摩擦系数的角度提高摩阻扭矩预测精度的目的。（3）基于支持向量机的钻柱延伸能力预测技术研究。钻柱延伸能力极限是钻井设计和施工中易于忽视的关键参数,针对指定工况下钻柱能够继续钻进的约束条件及其对下入极限深度的影响分析,给出适合于各种井型的下入极限深度计算模型。同时,充分利用支持向量机技术挖掘钻柱延伸能力与其不易觉察的影响变量之间的相互关系,实现模型变量的选取及模型变量与延伸极限之间的非线性关系映射,建立了钻柱延伸能力预测模型,实现了钻柱延伸能力的快速预测。（4）摩擦系数与延伸能力预测模型的构件化分析与设计研究。以与力学分析系统的无缝集成和有效融合为目标,研究领域知识的规范化表示和预测模型的粒度,探讨构件的精确描述以及构件间的相互关系,分析预测模型的工作环境,实现预测模型的构件化分析与设计工作,以期建立增量式、层次结构的基于可复用构件的应用系统。（5）研究领域预测模型数据分析与管理模型。力学分析数据标准和数据格式是进行钻井数据有效管理、分析和应用的基础。参照相关文献及现有工程软件,提出力学分析数据标准与数据格式,建立数据管理模型和数据库结构,为基于人工神经网络和支持向量机的钻柱摩擦系数和延伸能力预测提供数据基础和数据信息的有效处理。本文以油气井钻井过程特点为基础,对钻井实际与人工神经网络、支持向量机等人工智能方法结合方式进行了研究,二者的融合能够改善施工信息的利用率,可为提高油气井工程的决策效率提供依据,对油气井工程实际如钻前设计与钻进分析均有很大指导意义。
张泽清[9]（2010）在《基于语义的构件检索系统研究与实现》文中提出基于软件构件的软件开发方式是大规模软件开发的前提条件,其目的是为能充分而有效地利用已有的开发成果,减少重复劳动,提高软件的开发效率和提高软件质量。然而,直到今日这种理想仍然难于真正地实现,还远未达到所期待的水平,构件难于检索难于复用。主要问题在于构件的表示与检索是个难点。当存在大量构件时,在构件库中检索符合条件的构件十分困难。因此可复用构件的描述和检索一直是CBSD的一个研究重点。传统的构件检索主要是基于关键字、型构或刻面,这些方法缺少对特定领域的语义信息描述,使得查询结果不能让人满意。针对这一问题,国内外许多研究人员提出基于本体的构件检索方法。基于本体,在进行构件检索时,从各个步骤各角度考虑用户查询的真实意图,且用到相关领域知识,因而可以得到较高的构件查准率和查全率。然而,直至今日,这种方法仍然存在一个难于解决的问题,用户对问题域的理解是通过自然语言来进行表达的,在进行构件查询时,用自然语言进行表述,这就与基于本体的构件的规范描述之间存在一条巨大的鸿沟。本文提出一个基于本体的构件描述框架,给出了描述领域功能和刻面属性表示的构件本体元模型。构件描述框架通过这个模型识别领域内容,并可不断丰富。提出了通过树匹配方式实现了构件库中的会话式构件检索方法。利用决策树分类方对构件检索动作进行分类。利用数据挖掘技术,为构件构演化和检索提供切实有效的的辅助决策支持。该检索过程减少了用户的检索成本,提高了实用性。提出了一个基于刻面的查询树匹配算法,实现对用户自然语言查询到构件树的转化。
叶苏南,彭宏,覃姜维[10]（2010）在《基于MVC架构的数据挖掘平台的设计与实现》文中研究指明为了增强数据挖掘软件各功能模块的可扩展性和复用性,分析了现有数据挖掘工具的优缺点,并综合考虑数据挖掘过程的实际特点,提出了一个基于MVC架构的数据挖掘平台设计方案。在此基础上,利用Eclipse plug-in,RCP,GEF等技术,实现了一个数据挖掘平台原型系统。该平台遵循CRISP-DM过程标准,在软件架构上实现了低耦合、高复用,为用户提供了一个友好、灵活、易重用、可扩展的数据挖掘应用环境。
二、基于软件复用技术的数据挖掘系统模型研究（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、基于软件复用技术的数据挖掘系统模型研究（论文提纲范文）
（1）铁路通信承载网智能网管系统功能架构设计研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究情况 |
| 1.3 研究解决的主要问题及关键技术分析 |
| 1.3.1 解决的主要问题 |
| 1.3.2 关键技术分析 |
| 1.4 研究路线与研究方法 |
| 1.4.1 研究路线 |
| 1.4.2 研究方法 |
| 1.5 工程价值与意义 |
| 1.6 本论文的主要工作 |
| 1.7 有待深入研究的问题 |
| 1.8 论文的研究内容与结构 |
| 第2章 承载网技术概述 |
| 2.1 承载网光纤技术 |
| 2.1.1 光纤结构 |
| 2.1.2 光的传输原理 |
| 2.2 承载网设备原理 |
| 2.2.1 MSTP原理 |
| 2.2.1.1 SDH的帧结构及复用 |
| 2.2.1.2 映射、定位和复用 |
| 2.2.2 OTN设备原理 |
| 2.2.3 数据网设备原理 |
| 2.3 本章小结 |
| 第3章 承载网网络有效管理问题 |
| 3.1 概述 |
| 3.2 铁路承载网网管现状 |
| 3.3 铁路承载网专业网管存在的问题 |
| 3.3.1 设备运行性能分析功能单一 |
| 3.3.2 资源统计无法进行定制 |
| 3.3.3 任务管理未实现自动化 |
| 3.3.4 智能运用功能不足 |
| 3.4 铁路承载网智能化建设问题 |
| 3.5 本章小结 |
| 第4章 承载网设备性能数据挖掘 |
| 4.1 网络数据概述 |
| 4.1.1 告警的关联性 |
| 4.1.2 设备性能的渐变性 |
| 4.2 数据挖掘目标 |
| 4.3 数据挖掘理论 |
| 4.4 数据挖掘算法 |
| 4.4.1 决策树算法 |
| 4.4.2 关联规则 |
| 4.4.3 粗糙集 |
| 4.4.4 人工神经网络算法 |
| 4.4.5 遗传算法 |
| 4.4.6 聚类分析 |
| 4.5 关联规则表述 |
| 4.5.1 Apriori算法介绍 |
| 4.6 性能数据归类 |
| 4.7 本章小结 |
| 第5章 智能网管系统功能架构设计 |
| 5.1 概述 |
| 5.2 系统需求分析 |
| 5.2.1 用户用例分析 |
| 5.2.2 系统功能需求 |
| 5.3 资源管理 |
| 5.3.1 资源的分类 |
| 5.3.2 铁路通信承载网源现状 |
| 5.3.3 资源模块 |
| 5.4 任务管理 |
| 5.4.1 设备巡检 |
| 5.4.2 工单管理 |
| 5.5 智能运用 |
| 5.5.1 网络架构验证 |
| 5.5.2 业务等级管理 |
| 5.5.3 差异化告警管理 |
| 5.5.4 告警集中管控 |
| 5.6 设备健康度分析 |
| 5.7 应用验证 |
| 5.8 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历及攻读学位期间取得的科研成果 |
| 学位论文数据集 |
（2）大数据持续分析平台的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文总体结构 |
| 第二章 相关技术 |
| 2.1 数据挖掘技术 |
| 2.1.1 数据挖掘技术定义 |
| 2.1.2 Fayyad过程模型 |
| 2.2 可视化数据挖掘技术 |
| 2.3 本章小结 |
| 第三章 需求分析 |
| 3.1 典型业务场景分析 |
| 3.2 功能性需求 |
| 3.2.1 可视化流程编辑功能 |
| 3.2.2 组件库管理功能 |
| 3.2.3 流程复用功能 |
| 3.2.4 流程执行功能 |
| 3.3 非功能性需求 |
| 3.4 本章小结 |
| 第四章 关键技术研究 |
| 4.1 关键问题提取 |
| 4.2 基于反射机制的数据分析流程可视化建模方法 |
| 4.2.1 基于事件监听模型的数据绑定 |
| 4.2.2 基于XML的流程描述语言 |
| 4.2.3 流程解析引擎 |
| 4.3 基于最短路径的持续优化算法研究 |
| 4.3.1 持续优化定义 |
| 4.3.2 问题定义 |
| 4.3.3 基于最短路径的持续优化算法原理概述 |
| 4.3.4 基于最短路径的持续优化算法实现步骤 |
| 4.3.5 正确性验证 |
| 4.4 本章小结 |
| 第五章 总体设计 |
| 5.1 系统总体架构 |
| 5.2 系统关键功能模块介绍 |
| 5.2.1 可视化流程编辑/展示模块 |
| 5.2.2 组件库管理模块 |
| 5.2.3 流程执行模块 |
| 5.2.4 数据持久化模块 |
| 5.3 模块接口设计 |
| 5.4 基本工作流程 |
| 5.4.1 数据持续分析流程 |
| 5.4.2 自定义组件上传 |
| 5.4.3 流程实例执行 |
| 5.5 本章小结 |
| 第六章 关键模块设计与实现 |
| 6.1 可视化流程编辑/展示模块 |
| 6.1.1 模块架构展示 |
| 6.1.2 流程编辑子模块类图及接口说明 |
| 6.1.3 流程编辑子模块典型应用场景说明 |
| 6.1.4 结果展示子模块类图及接口说明 |
| 6.2 可视化组件设计 |
| 6.2.1 面向低耦合的自定义组件机制设计 |
| 6.2.2 面向反诈骗的定制K-Means组件实例设计 |
| 6.3 组件库管理模块 |
| 6.3.1 模块架构展示 |
| 6.3.2 类图及接口设计 |
| 6.3.3 典型应用场景说明 |
| 6.4 流程执行模块 |
| 6.4.1 模块架构展示 |
| 6.4.2 类图及接口说明 |
| 6.4.3 典型应用场景说明 |
| 6.5 本章小结 |
| 第七章 系统测试 |
| 7.1 测试环境 |
| 7.1.1 软件环境 |
| 7.1.2 硬件环境 |
| 7.2 单元测试 |
| 7.3 集成测试 |
| 7.4 电信反诈骗实例测试 |
| 7.5 测试结果 |
| 7.6 本章小结 |
| 第八章 结束语 |
| 8.1 工作总结 |
| 8.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表论文 |
（3）基于Web的数据挖掘可视化平台研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 数据挖掘技术研究现状 |
| 1.2.2 数据挖掘可视化平台研究现状 |
| 1.2.3 国内外研究现状总结 |
| 1.3 研究内容与论文工作 |
| 1.4 论文组织结构 |
| 第二章 数据挖掘可视化技术相关理论及技术研究 |
| 2.1 数据挖掘理论及技术 |
| 2.1.1 数据挖掘概念研究 |
| 2.1.2 分布式数据挖掘 |
| 2.1.3 分布式数据集模型 |
| 2.1.4 Spark工作流程 |
| 2.1.5 数据挖掘技术小结 |
| 2.2 可视化技术 |
| 2.2.1 可视化技术分类 |
| 2.2.2 Web前端框架 |
| 2.2.3 数据可视化实现工具 |
| 2.2.4 可视化技术小结 |
| 2.3 可视化技术与数据挖掘技术的结合 |
| 2.4 本章小结 |
| 第三章 pipeline执行流程的设计与实现 |
| 3.1 模型通用执行流程 |
| 3.2 Spark性能保障 |
| 3.3 数据挖掘pipeline执行流程的设计与实现 |
| 3.3.1 数据挖掘算法封装模块 |
| 3.3.2 pipeline模型翻译技术 |
| 3.3.3 模型执行流程 |
| 3.4 pipeline模型执行流程应用 |
| 3.5 本章小结 |
| 第四章 数据挖掘可视化平台的需求分析与总体设计 |
| 4.1 数据挖掘可视化系统特点分析 |
| 4.2 系统需求分析 |
| 4.2.1 数据挖掘可视化系统需求分析 |
| 4.2.2 数据挖掘可视化报告子系统需求分析 |
| 4.3 系统的架构设计 |
| 4.3.1 表现层 |
| 4.3.2 业务层 |
| 4.3.3 算法层 |
| 4.3.4 计算层 |
| 4.3.5 数据层 |
| 4.4 系统流程设计 |
| 4.5 系统数据库接口设计 |
| 4.5.1 数据库接口架构设计 |
| 4.5.2 数据库基本数据表设计 |
| 4.5.3 数据挖掘可视化系统数据管理设计 |
| 4.5.4 数据挖掘pipeline模型执行流程数据管理 |
| 4.5.5 数据挖掘可视化报告子系统数据管理设计 |
| 4.6 本章小结 |
| 第五章 数据挖掘可视化平台的核心模块设计与实现 |
| 5.1 数据挖掘可视化系统的设计与实现 |
| 5.1.1 组件模块 |
| 5.1.2 数据挖掘pipeline建模工作平台 |
| 5.1.3 配置模块 |
| 5.1.4 日志模块 |
| 5.1.5 运行结果可视化模块 |
| 5.2 数据挖掘可视化报告子系统的设计与实现 |
| 5.3.1 报告模板 |
| 5.3.2 数据挖掘可视化报告编辑 |
| 5.3.3 数据挖掘可视化报告存储 |
| 第六章 基于Web的数据挖掘可视化平台的应用与测试 |
| 6.1 基于Web的数据挖掘可视化平台的部署 |
| 6.2 基于Web的数据挖掘可视化平台的应用说明 |
| 6.2.1 数据挖掘可视化系统应用介绍 |
| 6.2.2 数据挖掘可视化报告子系统应用介绍 |
| 6.3 系统功能测试 |
| 6.3.1 数据挖掘pipeline模型构建测试 |
| 6.3.2 模型算子节点配置模块测试 |
| 6.3.3 数据挖掘项目与模型的复用 |
| 6.3.4 数据挖掘pipeline模型执行模块测试 |
| 6.3.5 可视化报告生成测试 |
| 6.4 系统性能测试 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（4）面向开源生态的软件数据挖掘技术研究综述（论文提纲范文）
| 1 大众化软件生产 |
| 1.1 开源社区 |
| 1.2 大众化生产的关键机制 |
| 1.3 开源软件社区的数据特点 |
| 2 开源社区数据挖掘技术 |
| 2.1 软件资源挖掘技术 |
| 2.1.1 开源软件可信评估 |
| 2.1.2 软件资源定位 |
| 2.2 软件开发任务挖掘技术 |
| 2.2.1 缺陷优先级预测 |
| 2.2.2 自动化开发任务指派 |
| 2.2.3 领域专家识别与合作者推荐 |
| 2.3 软件知识挖掘技术 |
| 2.3.1 问答知识挖掘 |
| 2.3.2 API示例挖掘 |
| 2.3.3 软件知识与开发环境的集成 |
| 3 软件信息网络研究的挑战与展望 |
| 3.1 不同类型开源社区的数据融合与利用 |
| 3.2 结构化关系和语义化关系的关联与挖掘 |
| 3.3 面向开源社区数据的统一信息模型和框架 |
| 3.4 面向大众生产的新型软件开发支撑工具 |
| 4 结论 |
（5）软件定义光电混合数据中心网络关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号使用说明 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 云计算和数据中心 |
| 1.1.2 数据中心网络 |
| 1.1.3 软件定义光电混合数据中心网络 |
| 1.1.4 研究现状及不足 |
| 1.2 论文的主要工作 |
| 1.3 论文的组织结构 |
| 第二章 相关研究工作 |
| 2.1 光电混合数据中心网络架构 |
| 2.1.1 光网络技术介绍 |
| 2.1.2 典型的光电混合网络架构 |
| 2.2 数据中心网络组播优化技术研究 |
| 2.2.1 基于应用层的组播优化 |
| 2.2.2 基于网络层的组播优化 |
| 2.2.3 基于物理层的组播优化 |
| 2.3 本章小结 |
| 第三章 DETOUR:一种可扩展高性能的光交换网络架构 |
| 3.1 引言 |
| 3.2 DETOUR整体架构 |
| 3.2.1 整体架构 |
| 3.2.2 光交换原理 |
| 3.2.3 基本分析 |
| 3.3 控制通路 |
| 3.3.1 需求矩阵评估 |
| 3.3.2 拓扑和路由 |
| 3.3.3 波长分配 |
| 3.3.4 无缝重配置 |
| 3.4 实验结果与分析 |
| 3.4.1 仿真平台 |
| 3.4.2 仿真结果 |
| 3.5 本章小结 |
| 第四章 iCAST:光组播和电组播协同优化机制 |
| 4.1 引言 |
| 4.2 问题分析 |
| 4.3 混合数据中心网络架构 |
| 4.3.1 混合调度策略 |
| 4.3.2 贪心链路分配 |
| 4.4 实验结果与分析 |
| 4.4.1 系统实验 |
| 4.4.2 网络仿真 |
| 4.5 本章小结 |
| 第五章 HyFabric:流调度和链路调度联合优化机制 |
| 5.1 引言 |
| 5.2 问题分析 |
| 5.3 设计与实现 |
| 5.3.1 基于优先级的流调度设计与实现 |
| 5.3.2 基于稳定婚姻算法的链路调度设计与实现 |
| 5.3.3 端节点速率控制 |
| 5.4 实验结果与分析 |
| 5.4.1 仿真平台 |
| 5.4.2 仿真结果 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（6）云计算环境下面向领域的数据挖掘服务平台研究（论文提纲范文）
| 0 引言 |
| 1 相关技术 |
| 1.1 领域工程 |
| 1.2 领域驱动设计和经典分层架构 |
| 2 领域数据挖掘云平台 |
| 2.1 面向领域的数据挖掘软件服务 |
| 2.2 面向领域数据挖掘服务平台 |
| 2.3 领域构件资源、数据资源 |
| 2.4 物理资源 |
| 3 开发模式和相关实现 |
| 3.1 面向领域的数据挖掘分析与建模 |
| 3.2 领域构件、服务和架构设计 |
| 3.3 领域构件、服务和系统架构实现 |
| 3.4 相关实现和期望 |
| 4 结束语 |
（7）面向领域的数据挖掘云平台研究（论文提纲范文）
| 1 引言 |
| 2 相关技术 |
| 2.1 领域工程 |
| 2.2 领域驱动设计和经典分层架构 |
| 3 面向领域的数据挖掘云平台体系结构 |
| 3.1 面向领域的数据挖掘软件服务 |
| 3.2 面向领域数据挖掘服务平台 |
| 3.3 领域构件资源、数据资源 |
| 3.4 物理资源 |
| 4 面向领域的数据挖掘云平台服务开发模式和相关实现 |
| 4.1 面向领域的数据挖掘分析与建模 |
| 4.2 领域构件、服务和架构设计 |
| 4.3 领域构件、服务和系统架构实现 |
| 5 结束语 |
（8）油气井钻柱力学参数预测模型及构件化技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 钻柱摩阻扭矩分析及延伸能力研究综述 |
| 1.2.1 钻柱摩阻扭矩力学分析 |
| 1.2.2 钻柱延伸能力预测技术 |
| 1.2.3 人工神经网络与支持向量机技术及其应用 |
| 1.3 软件复用与构件化技术 |
| 1.3.1 钻井领域摩阻扭矩分析软件 |
| 1.3.2 软构件技术 |
| 1.4 论文的主要研究内容 |
| 第二章 钻井领域预测对象特征及预测方法应用研究 |
| 2.1 预测理论及预测方法 |
| 2.1.1 预测活动特征与原则 |
| 2.1.2 预测的步骤 |
| 2.1.3 预测的方法 |
| 2.2 钻井领域预测方法研究 |
| 2.2.1 人工神经网络预测方法 |
| 2.2.2 支持向量机方法 |
| 2.3 钻井领域预测对象特征分析 |
| 2.4 本章小结 |
| 第三章 基于多层前馈神经网络的摩擦系数预测方法研究 |
| 3.1 钻柱摩阻扭矩分析模型及其应用分析 |
| 3.1.1 钻柱摩阻扭矩模型应用分析 |
| 3.1.2 井眼摩擦系数校核方法 |
| 3.1.3 神经网络在摩擦系数预测中的应用分析 |
| 3.2 多层前馈神经网络模型 |
| 3.2.1 基于BP算法的多层感知器模型结构 |
| 3.2.2 基于BP算法的神经网络模型的建立 |
| 3.2.3 BP神经网络结构设计 |
| 3.2.4 网络训练样本集的准备与处理 |
| 3.3 基于BP神经网络的摩擦系数预测模型研究 |
| 3.3.1 模型输入特征向量及目标输出的选取与处理 |
| 3.3.2 网络模型隐层设计与权值初始化 |
| 3.3.3 预测结果及讨论 |
| 3.4 基于改进BP网络的摩擦系数预测 |
| 3.4.1 BP网络的改进方法 |
| 3.4.2 预测结果及讨论 |
| 3.5 本章小结 |
| 第四章 基于支持向量机的钻柱延伸能力预测技术研究 |
| 4.1 统计学习理论及其核心内容 |
| 4.1.1 机器学习模型及经验风险最小化 |
| 4.1.2 函数集的VC维 |
| 4.1.3 泛化误差界 |
| 4.1.4 结构风险最小化 |
| 4.2 支持向量回归机 |
| 4.2.1 最优分类超平面 |
| 4.2.2 支持向量机回归模型与损失函数 |
| 4.2.3 线性支持向量回归机 |
| 4.2.4 非线性支持向量回归机 |
| 4.3 基于SVR的钻柱延伸能力预测模型 |
| 4.3.1 钻柱延伸能力影响因素与理论极限值计算方法 |
| 4.3.2 预测模型特征参数与实验数据选取 |
| 4.3.3 模型内核参数选择与优化 |
| 4.3.4 预测结果与效果评价 |
| 4.4 本章小结 |
| 第五章 领域预测模型构件化技术研究 |
| 5.1 软件构件技术 |
| 5.1.1 软件构件模型 |
| 5.1.2 软件构件的粒度 |
| 5.1.3 构件的形式化描述 |
| 5.1.4 构件组装 |
| 5.2 力学分析软件构件化开发模型研究 |
| 5.2.1 基于构件复用的软件开发方法 |
| 5.2.2 基于构件复用的钻井领域力学分析软件开发模型研究 |
| 5.3 力学分析领域软件构件研究 |
| 5.3.1 钻柱力学分析领域界定与需求抽象 |
| 5.3.2 钻柱力学分析领域系统构件设计 |
| 5.4 领域预测构件的设计与实现 |
| 5.4.1 构件描述方法 |
| 5.4.2 摩擦系数预测模型构件化描述与开发 |
| 5.4.3 延伸能力预测模型构件化描述与开发 |
| 5.5 本章小结 |
| 第六章 领域预测模型的数据分析与管理模型设计 |
| 6.1 数据库与信息管理 |
| 6.2 领域数据库设计方法 |
| 6.2.1 领域数据库设计原则 |
| 6.2.2 数据库设计步骤 |
| 6.2.3 领域数据库对象—关系映射原则 |
| 6.3 领域预测模型数据标准与数据格式 |
| 6.3.1 领域数据模型设计 |
| 6.3.2 数据格式及实体关系模型 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 详细摘要 |
（9）基于语义的构件检索系统研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 本文的研究内容及意义 |
| 1.3 本文的研究工作 |
| 1.4 本文的组织结构 |
| 第二章 构件技术综述 |
| 2.1 构件技术简史 |
| 2.2 构件基本概念 |
| 2.3 构件描述和检索模型 |
| 2.3.1 构件的描述模型 |
| 2.3.2 构件的检索模型 |
| 2.4 小结 |
| 第三章 基于本体的构件描述框架与检索过程 |
| 3.1 本体 |
| 3.2 本体分类 |
| 3.2.1 按主题分 |
| 3.2.2 按照层次 |
| 3.2.3 按照细化程度 |
| 3.2.4 按照形式化程度 |
| 3.2.5 按照推理功能 |
| 3.3 本体描述语言 |
| 3.4 构件的本体描述 |
| 3.5 构件检索过程 |
| 第四章 基于本体的构件语义检索 |
| 4.1 词汇映射算法 |
| 4.2 检索请求处理及查询树生成 |
| 4.3 计算查询树匹配度 |
| 4.3.1 算法描述 |
| 4.3.2 基于刻面的查询树匹配算法 |
| 4.4 与其它方法的比较 |
| 4.5 小结 |
| 第五章 构件检索的辅助决策 |
| 5.1 引言 |
| 5.2 可复用构件库检索系统的检索情况 |
| 5.3 基于关联规则的检索请求缺失项补充 |
| 5.3.1 基于关联规则的数据挖掘技术 |
| 5.3.2 检索缺失补充 |
| 5.4 决策树分类方法 |
| 5.4.1 数据挖掘中的分类 |
| 5.4.2 决策树分类方法在软构件检索中的辅助决策支持 |
| 5.5 实验 |
| 5.6 小结 |
| 第六章 总结 |
| 第七章 展望 |
| 参考文献 |
| 致谢 |
（10）基于MVC架构的数据挖掘平台的设计与实现（论文提纲范文）
| 0 引言 |
| 1 基本概念 |
| 1.1 数据挖掘系统的结构 |
| 1.2 数据挖掘过程模型 |
| 1.3 MVC架构 |
| 2 数据挖掘平台的设计与实现 |
| 2.1 MVC模块 |
| 2.2 图形用户界面 |
| 2.3 数据挖掘构件库 |
| 2.4 构件管理模块 |
| 3 数据挖掘平台的应用 |
| 4 结束语 |
四、基于软件复用技术的数据挖掘系统模型研究（论文参考文献）
- [1]铁路通信承载网智能网管系统功能架构设计研究[D]. 何兆贤. 中国铁道科学研究院, 2021(01)
- [2]大数据持续分析平台的设计与实现[D]. 闵星. 北京邮电大学, 2020(05)
- [3]基于Web的数据挖掘可视化平台研究与实现[D]. 刘芳. 北京邮电大学, 2020(05)
- [4]面向开源生态的软件数据挖掘技术研究综述[J]. 尹刚,王涛,刘冰珣,周明辉,余跃,李志星,欧阳建权,王怀民. 软件学报, 2018(08)
- [5]软件定义光电混合数据中心网络关键技术研究[D]. 保金桢. 国防科技大学, 2017(02)
- [6]云计算环境下面向领域的数据挖掘服务平台研究[J]. 曹小春,曾安,潘丹. 自动化仪表, 2014(09)
- [7]面向领域的数据挖掘云平台研究[J]. 曾安,陈云,潘丹,杨海东,谢光强. 微电子学与计算机, 2014(08)
- [8]油气井钻柱力学参数预测模型及构件化技术研究[D]. 李井辉. 东北石油大学, 2013(06)
- [9]基于语义的构件检索系统研究与实现[D]. 张泽清. 电子科技大学, 2010(03)
- [10]基于MVC架构的数据挖掘平台的设计与实现[J]. 叶苏南,彭宏,覃姜维. 计算机工程与设计, 2010(05)