郭豆豆[1]（2021）在《粒计算视角下三支决策TAO模型及其治略度量研究》文中提出决策是人类生产和生活中的普遍行为,大到国家层面的治略方针制定,小到一台机器的操作,无处不在。例如,工业领域的操作优化和资源分配、商业领域的个性化服务和供应链管理、交通领域的车流控制和智能导航、医疗领域的疾病诊断和治疗策略等都属于决策范畴。近年来,针对数据资料进行智能决策的重要性也正与日俱增,从数据到知识,从知识到决策,也是当前大数据智能决策的新型计算范式。数据中蕴含丰富信息产生解决问题的新的可能性。将数据优势转化为决策优势,并由此发现其内在规律是智能数据决策研究的关键问题之一。为了系统的研究计算机科学、决策科学、管理学、认知科学等学科和领域中存在的认知计算范式,三支决策提出了一种基“3”思考的粒计算模型。长期的科学探索和实践应用证实,三支决策是一种契合人类认知的信息处理方式和有效的复杂问题求解策略,具有重要的理论意义和实用价值。本课题关注于数据驱动下的三支决策模型,分析三支决策与粒计算理论的历史关系和内在联系。针对实际中的具体问题,如分类、属性约简、图像识别,三支决策均取得了大量的成果。但对数据驱动下三支决策的优良性以及在观测空间的数据和知识发现后的智能决策之间的定量关系,尚难以直观进行分析。这一方面不利于对数据的内在规律的深入探索;一方面不利于对不同决策方案效果的直观比较。运用粗糙集、区间集、效用分析等理论工具,分别研究了粒计算三支决策模型、移动视角下的三支决策TAO模型、改变视角下的三支决策TAO模型以及粗糙集视角下的三支决策TAO模型。主要创新之处如下:（1）从移动视角开展数据驱动下的TAO模型和治略度量方法研究,本课题构建一种基于移动的三支决策TAO模型。首先,由一个医疗诊断的例子引入移动视角的三支决策问题,分析应用移动三支决策解决复杂问题的基本思路;其次,构建一种包含“分、治、效”层次结构的移动三支决策TAO框架模型,包括基于治略的移动策略、基于三分区结构的移动偏好以及基于经济性的移动过程;然后,针对一类移动视角下的三支决策TAO模型,提出比例效用函数度量方法,即将决策前后的对象变化量和最终状态量的比例值作为效用值,从粗粒度到细粒度讨论了基于移动的治略度量方法;最后,实验仿真结果和对比结果均验证了方法的有效性和实用性。（2）从改变视角开展认知背景下三支决策TAO框架研究,本课题提出一种基于改变的三支决策TAO模型。首先,分析其基本成分、解释和与其它三支决策模型的关系,构建一类基于改变的三支决策TAO模型;其次,讨论几种改变三支决策模型的构建形式,包括基于区间集表示的改变三支决策、基于量化的改变三支决策、基于评估的改变三支决策等;然后,提出一种针对改变三支决策模型的效用度量方法,将决策者的主观认知纳入有效性度量评估的考虑,并将其转化为可量化的单位进行效果评估,形成一种认知背景下改变三支决策模型的效用度量框架;最后,实例分析和实验结果表明了模型的有效性和实用性。（3）从粗糙集视角开展三支决策TAO模型的应用研究,本课题提出并建立一种粗糙集视角的改变三支决策模型。立足于信息系统,研究改变三支决策在基于粗糙集的知识发现方法中的作用。将信息系统的行-列视角作为切入点,对系统中数据直接进行分析与推理。首先,讨论了基于粗糙集的改变三支决策应用方法,将规则置信度作为治略对象,分别研究了定性和定量模式下的改变三支决策表示方法和语义解释;其次,从行视角提出一种基于改变三支决策的分类策略,将概率近似区域中的分类规则和分类对象进行重新决策,重新构建三支分类规则,并证明其方法的合理性和有效性;然后,从列视角研究基于属性的改变框架,并将其应用到属性约简方法,提出一种基于改变三支决策的属性约简方法;最后,在传统的全局约简条件和集成约简条件下分别进行实验验证,结果表明了方法在两种条件下,既能保准分类精度,又能有效的降低时间消耗。
岳毅[2]（2021）在《延迟敏感的网络功能虚拟化环境资源调度机制研究》文中提出近年来,伴随着计算机技术日新月异的快速发展,互联网技术正全面融入社会生产生活的各个角落,深刻影响并改变着人们的生活方式。网络极大地便利了人们的消费、学习、娱乐等日常活动。云计算、大数据、物联网、5G等技术的发展和应用已经深入日常生活和工作的方方面面。在带来便利的同时,各种应用对网络提出了更高的要求,这驱动着网络和信息服务基础设施开始新一轮的变革。未来的网络不仅需要提升管理的便捷性与灵活性,削减网络构建成本,还需要提高对资源的监测与调度能力,例如对网络资源能够进行按需分配等。虚拟化技术是颇具前途的新兴技术,它将硬件与软件解耦,使服务开发者得以摆脱硬件的束缚而专注于功能的改进。在网络领域,虚拟化技术同样大有可为,具有广阔的发展前景,网络功能虚拟化（Network Function Virtualization,NFV）正在电信网络和服务提供商的竞争中扮演着越来越重要的角色。传统的网络功能基于专用硬件,网络服务必须运行在专用设备上。NFV将网络功能从硬件中解放出来,虚拟网络功能（Virtual Network Functions,VNF）可以运行在任何通用服务器上。网络功能服务可以不再被硬件约束,拥有了前所未有的灵活性和可扩展性。在支持NFV的云网络中,来自用户的网络服务请求由一条服务功能链（Service Function Chain,SFC）执行,而每一条SFC由一系列有序的VNF组成。相应地,用户对一条SFC的使用请求被称为网络服务功能链请求（Service Function Chain Request,SFCR）,而每一个 SFCR 中的元素称为虚拟网络功能请求（Virtual Network Function Request,VNFR）。当服务提供商收到一批用户的SFCR,需要为其放置并实例化相应的VNF以完成服务请求。考虑到VNF特有的软件性质,这允许服务提供商灵活地为其选择放置位置并分配资源。同时,为了尽量降低额外的带宽开销,在映射SFCR的同时也需要考虑其所涉及的VNF之间的顺序约束。因此,为了优化网络资源开销并提高资源利用率,需要为VNF设计合理的放置方案。这一类问题通常以VNF放置问题命名。近年来,VNF放置问题已经受到了广泛的关注并获得了许多有价值的研究成果。近年来,VNF放置问题已经受到了广泛的关注,尽管有相当数量的研究成果颇具参考价值且影响深远,但不容忽视的是,诸如SFCR延迟模型、等问题还有待深入探讨并得出解决方案。因此,本文针对延迟敏感的NFV资源调度机制进行研究,并做出了以下贡献:1.在考虑资源优化与流量感知的虚拟网络功能放置研究中,为了获得更精确的VNF资源消耗,采用实时学习方法从原始数据中计算出服务请求的到达率,从而使节点资源开销的计算更加精确。针对节点资源开销与带宽资源开销分别建立了相应的资源约束。然后,构建了在整个数据中心中虚拟网络功能放置所需的总资源开销模型,并将优化目标公式化为一个目标函数。随后,提出一种增强的基于生物地理的优化算法（Enhanced Biogeography-Based Optimization,EBBO）来求解该问题。由于原始BBO直接解决问题的时间成本很高,因此在BBO算法的基础上添加了罚函数方法,以缩小原始BBO算法的可行解的状态空间。与罚函数方法结合后的BBO算法即为EBBO算法,其自适应的变异率能够带来更好的寻优效果并减少收敛时间。最后,本文从若干方面将EBBO方法与其他虚拟网络功能放置方法进行实验评估。实验结果表明,EBBO方法的总资源开销明显优于同类型的对比方案,并且有效地减少了系统中的总资源开销。2.在考虑延迟保障和资源优化的虚拟网络功能放置研究中,考虑到SFCR的延迟保障、节点资源开销与带宽资源开销三者在优化时呈相互冲突的现象,提出了一种延迟保障的资源优化虚拟网络功能放置方法。该方法首先考虑了 VNF的基础资源开销以及VNF实例的共享机制。利用可共享VNF实例上的VNFR可以均摊实例基础资源开销的性质,可以有效降低节点资源开销。随后对资源优化和延迟保障的VNF放置问题进行数学建模,并转化为一个整数线性规划模型进行求解。针对该问题,提出了 SFCR映射算法与VNFR调整算法。SFCR映射算法根据用户的服务请求,在保证它们的延迟请求的前提下,将它们映射到物理节点。随后,VNFR调整算法通过将需要相同VNF类型的VNFR整合至一起从而节省更多节点资源。最后,对所提算法详细分析并进行全方位的评估。实验结果表明,当SFCR数量较少时,所提算法可以获得接近最优的资源消耗。此外,对于大数量的SFCR,所提算法在资源消耗、平均VNF利用率和使用的节点数方面都优于参照基准。3.在考虑时变网络负载的动态虚拟网络功能放置研究中,本文主要在时变网络负载环境下对问题展开研究。由于网络资源的使用、启动和生存期的高度动态性,SFCR是动态的,并会导致网络负载的变化。在问题建模过程中,考虑了服务器资源开销,带宽开销和SFCR延迟约束。随后将网络功能虚拟化环境中资源优化和延迟保障的动态VNF放置问题公式化表达为一个整数线性规划模型,旨在在保证它们的延迟要求的同时最小化网络资源开销。为了解决该问题,设计了一种称为两阶段优化的解决方法。该方法由SFCR映射算法、VNFR调整算法以及VNF动态释放算法组成。根据服务器之间的相似性模型,SFCR映射算法将SFCR映射至服务器上;VNFR调整算法负责在服务器之间对已映射的VNFR进行调整;VNF动态释放算法则根据时变的网络负载动态地释放冗余的VNF实例,从而节省更多的服务器资源并提高资源利用率。最后,对两阶段优化方法进行了详细的分析和实验评估。实验结果表明,当问题规模较小时,两阶段优化方法在服务器资源开销方面可以获得接近最优的性能。对于较大规模的问题,与对照算法相比,本方法可以有效地保证SFCR的延迟要求,并且在服务器资源消耗、激活的服务器和服务资源利用率方面均优于对照算法。
孙丹丹[3]（2021）在《基于数学史网络研修的在职初中数学教师观念发展研究》文中研究表明该研究是一项在数学教育中运用数学史的实证研究,关注数学史研修对在职初中教师数学观及数学教学观的影响。为此,研究者设计实施了一项旨在发展在职初中数学教师观念的基于数学史的网络研修项目,共持续一年,包含九个主题的数学史学习及教学研讨,研究致力于分析:参与研修项目的教师的数学观和数学教学观是否有转变?如果有:（1a）教师数学观内容有何转变?（1b）教师数学观持有方式有何转变?（2a）教师数学教学观内容有何转变?（2b）教师数学教学观持有方式有何转变?（3）教师的数学观和数学教学观转变有何联系?这些转变与数学史有怎样的联系?研究收集了教师数学观及数学教学观前后测李克特问卷、数学观及数学教学观前后测开放性问卷、9个研修主题的反思单及若干教师的反思单追踪访谈、个案教师教学设计、个案教师半结构化访谈等数据,综合教师总体与教师个案两个层面来分析问题1教师数学观的变化及问题2教师数学教学观的变化,总体层面的分析可以发现教师观念转变趋势,个体层面的分析有助于深入转变细节,问题3数学史、数学观及数学教学观转变关系的探索依赖于具体情境,因此仅在个案层面回答。研究采用混合研究法分析教师总体观念转变,采用案例研究法分析教师个体观念转变。研究发现,教师数学观表现出更支持柏拉图主义和问题解决观、更否定工具主义观的趋势,教师数学教学观表现出更支持强调理解及学生中心、更否定强调表现的趋势。具体而言,教师数学观内容的转变体现在:持有更加动态的数学观;倾向认为数学思维的应用也是一种数学应用;否定数学是不相关的事实规则集合。教师数学观持有方式转变体现在阐释性、例证性、论证性、一致性的增强。教师数学教学观内容转变体现在:深化“双基”目标;重视情意及观念目标的培养;尊重及重视学生的想法;关注学生的主动参与及思考;补充调整教科书。教师数学教学观持有方式转变体现在:例示性、论证性、执行性及联结性增强,冲突性减弱。研究从数学史（横向枚举史、纵向演进史）和HPM课例实施及观摩两方面阐述了数学史网络研修对数学教师观念的影响路径。本研究理论创新在于综合信念内容及信念持有方式两个视角来探索数学史对数学教师观念系统的影响,关注了已有数学史与数学教育研究较少关注的数学教学信念,同时讨论了数学观与数学教学观之间的联系。实践创新在于设计了可推广的指向在职初中数学教师观念发展的教师教育项目,借助网络研修拓广了以数学史促进教师专业发展的辐射面,为开展“互联网+教师教育”提供参考原型。
姚佳佳[4]（2020）在《同伴对话反馈策略促进大学生深度学习的理论与实践研究》文中提出传统高校教学中生生之间较为缺乏深度对话互动的机会是其不足以促进大学生实现深度学习的一个重要原因,而基于同伴对话反馈的协作式学习是高校课堂中激发学生高阶思维、加深学习投入的重要实现途径,对缓解高校教学互动现状和实现深度学习有较好的适用性。为了探索能够更好促进学生深度学习的同伴对话反馈策略,本研究以基于学习方法理论的深度学习影响因素模型、反馈干预促进深度学习的交互机制以及深度学习环路等重要相关理论为基础,构建了“同伴对话反馈策略促进深度学习的理论框架”,以此指导探究三种基于不同在线讨论工具（基础、增强、基础与可视化增强）的同伴对话反馈策略对大学生深度学习的具体影响过程和效果。具体实践研究包括:（1）以《现代教育技术》课程的94位大三本科生为研究对象,将其分为19个小组,学期前三周（6个课时）仅进行无讨论活动的教师讲授,后五周（14个课时）在教师讲授基础上增加基于基础在线讨论工具的组内同伴对话反馈活动设计,通过单组前后测实验和内容分析,探究基于基础在线讨论工具的组内同伴对话反馈策略对大学生深度学习的影响过程和效果。（2）以《现代教育技术》课程的57位大二本科生为研究对象,学期前六周（12个课时）的小组展示课使用电子问卷收集班级学生提问,然后由教师或展示小组成员给予面对面回应,后六周（12个课时）在保持小组展示方式和师生面对面交流方式不变的情况下,仅将学生以电子问卷提问的方式改为通过增强在线讨论工具进行同伴提问与回应,且六周里逐次尝试三种不同可视化程度的实时互动界面,每种互动方式持续两周,通过单组前后测实验和内容分析,探究基于增强在线讨论工具的班级同伴对话反馈策略（以及不同可视化程度的互动界面）对大学生深度学习的影响过程和效果。（3）以《网络与远程教育》课程的11位大三本科生为研究对象,将其分为3个小组,设计了持续八周（32个课时）的同伴对话反馈活动,包括基于基础在线讨论工具的班级提问与回应、基于可视化增强在线讨论工具的小组协作问题解决以及小组展示与师生答疑交流等环节,每周的学习过程中,学生不断在班级和组内来回转换同伴对话反馈角色,并从同伴处获得双层反馈,通过单组前后测实验、内容分析和个案研究,探究基于基础和可视化增强在线讨论工具的混合同伴对话反馈策略对大学生深度学习的影响过程和效果。研究主要得到以下发现:（1）基于基础在线讨论工具的组内同伴对话反馈策略可以显着促进学生的学习方法从浅表学习转向策略学习和深度学习,且对话反馈参与度越高,学习方法越深,尤其对浅表学习者作用较明显,对深度学习者可能存在负面效果。同时,该策略可以显着促进学生的认知层次从单一或低级多元结构转变到中高级多元结构,但尚不能激发其思维水平发展到更高层次的关联和抽象拓展结构,且更积极参与活动的深度学习者认知层次也并没有比浅表学习者提升更佳,尽管他们在带动浅表学习者参与互动和学习方法深化方面有着较为积极的作用。（2）基于增强在线讨论工具的班级同伴对话反馈策略可以显着削弱学生的浅表学习方法倾向,但对深度学习方法倾向的强化效果不明显。不过,同伴对话反馈过程中初始对话层面和初步反馈层面的提问行为以及深层反馈层面的提问与观点发表类行为都比初始对话层面和初步反馈层面的观点发表类行为更有利于促进学生学习方法的深化。同时,该策略可以显着促进学生的认知层次从浅表思维结构突破到深度思维结构,且适度增加可视化互动能更好地促进学生深层反馈行为的产生以及达到更深的认知层次。（3）基于基础和可视化增强在线讨论工具的混合同伴对话反馈策略既能避免深度学习者的学习方法浅化,又能促进浅表学习者的学习方法突破到深度层次,且学生学习方法的深化与其在班级同伴对话反馈中的深层认知初步回答行为密切相关,学生更多地在小组协作前期参与内容相关的组内同伴对话反馈有助于提升其在班级同伴对话反馈中的初步回答行为认知层次。此外,小组在协作解决问题的过程中存在问题导向、资料导向、任务导向三种同伴对话反馈行为模式,其对小组协作达到深度认知层次的促进作用依次减弱,但群体的深度协作并不能保证个体的深度学习,学生个体深度学习机制的触发更多来自班级同伴对话反馈的影响,且学生动机与信念的提高是激发其实现深度学习最主要的机制。最后,研究总结了不同同伴对话反馈策略对大学生深度学习的影响过程与效果,作为对理论框架中同伴对话反馈策略促进大学生深度学习相关规律的补充完善;此外,研究还从设计标准与课程、预评估、营造积极的同伴学习文化、预备与激活先期知识、获取新知识、深度加工知识以及评价学生的学习等七个环节提出了可以促进大学生深度学习的同伴对话反馈策略设计与实施要点,为高校教师如何更好地在混合教学情境下设计和实施基于同伴对话反馈的深度学习活动提供一定的参考和操作性指导。研究的创新点主要包括以下两个方面:（1）将促进学生深度学习的策略研究视角聚焦到同伴对话反馈活动上,并将学生深度学习促进效果的评价与同伴对话反馈具体行为的微观分析密切结合,且通过理论与实践的探索,构建并丰富了“同伴对话反馈策略促进深度学习的理论框架”,从更系统的视角解释同伴对话反馈对学生深度学习的影响过程,为他人开展后续相关研究提供了理论参考;（2）设计并检验了高校混合教学环境下促进大学生深度学习的三种同伴对话反馈策略干预方案,为高校教师开展基于同伴对话反馈的深度学习教学提供了实践案例参考以及相关策略优化设计与实施的具体建议。
刘贵燕[5]（2020）在《软件定义网络中的流量矩阵估计和网络流量调度》文中认为流量工程是软件定义网络（Software Defined Networking,简称SDN）的一类典型应用,主要研究网络流量的测量和管理,通过设计可行的路由机制,优化网络流量调度,从而提高网络资源利用率并满足服务质量。但是随着云计算和物联网的不断扩展和应用,基于传统网络技术的流量工程具有局限性。网络规模的扩大导致难以在封闭的网络设备中部署新的协议,增加了网络运营商定制化网络服务的难度。用户对服务需求的增加以及各种新型服务的出现,也增加了运维的成本和网络功能管理的难度。SDN和网络功能虚拟化技术（Network Function Virtualizaiton,简称NFV）是数据中心网络（Data Center Networs,简称DCNs）中大数据计算、存储、分析等核心功能的高效运转的关键。与传统网络相比,SDN控制转发解耦和NFV软件硬件分离的特点在支持流量工程中具有巨大的优势。虽然SDN扩展了网络资源的范畴,但是带宽和流表成为有限的网络资源,这对精确的网络流量测量和高效灵活的调度网络资源、网络功能提出了更高的要求。随着SDN和NFV技术的发展,开展SDN的流量工程研究具有很大的现实意义与应用价值。本文结合该方向的最新研究成果,主要研究了软件定义网络中的流量矩阵估计和网络流量调度。本文的主要工作与贡献包括以下三个方面:第一,研究了大流识别的SDN流量矩阵（Traffic Matrix,简称TM）估计。主要通过将SDN提供的部分直接测量信息与推理技术相结合得到混合网络的测量方案。首先采用梯度增强机（Gradient Boosting Machine,简称GBM）从多个历史TM识别大流,找到大流采样源-目的对（Origin to Destination pair,简称OD对）,然后针对有限的流表资源,提出了一种贪婪启发式算法,解决SDN使能交换机（SDN-enabled switches）的选择问题,确保选择的大多数的大流采样OD对能被跟踪监测,其次还提出了一种基于源节点前缀树的位合并聚合方案（Source Node Prefix Tree Based Bit Merge Aggregation,简称SPTBMA）,通过设计可行的转发规则为大流采样OD对保留更多的流表空间,进而提高TM估计的精确度;最后,基于大量真实流量数据集的仿真实验,结果表明提出的方案在提高TM估计精度和克服有限流表资源方面优于现有的算法。第二,研究了分布式SDN中联合流量感知的中间件选择和路由。在静态配置机制的SDN中,流量的动态变化不仅会影响数据平面中的链路负载,还会影响控制器之间的负载。SDN和NFV可以灵活管理基于软件中间件（Middlebox）的服务,但是中间件中不同的虚拟网络功能会改变已处理流量的大小,当没有联合处理好中间件选择和流量路由时,特定的瓶颈链路会产生高度拥塞。为确保控制平面和数据平面有更好的服务质量,该问题首先表述为一个具有流量感知的联合中间件选择和路由问题,随后设计了一个两阶段算法解决这个NP-hard问题,其中第一阶段是用通配符规则重定向选定的流的路由,第二阶段是用基于凑整的方法来寻找细粒度的路由路径,最后实验结果表明,提出的方法比现有算法更接近最佳的控制器负载和链路负载均衡性能,且控制器响应时间减少了2-5倍。第三,研究了面向5G网络切片的服务功能链（Service Function Chain,简称SFC）重新配置。越来越多的用户随时随地尝试在5G网络中访问其定制的服务,SFC请求将根据不断变化的流量需求和可用资源进行动态和自适应地重新配置,但是SFC重新配置涉及流重新路由,虚拟网络功能（Virtual Network Functions,简称VNFs）实例缩放和迁移等问题,这会消耗额外的资源并导致服务中断,进而降低用户体验。为了解决这个问题,首先针对现有资源和扩展资源两种应用场景构建了最大接受比率最小重新配置开销的优化问题,现有资源下的目标是以最小重构开销执行重新配置,而扩展资源下的目标是接受具有正收益的SFC请求来获取利益,随后,设计了一个低复杂度的启发式算法解决这个NP-hard问题,最后,实验结果表明,该算法可以提高请求的接受比率和降低重配置开销。
汪涛[6]（2020）在《eQTL数据处理与功能分析方法研究》文中认为随着基因组测序技术的快速发展以及测序成本的下降,大型人群基因组计划不断开展,基因组变异的发现数量得以空前增长。如何有效挖掘和认识基因组变异的分子功能,是功能基因组时代迫切需要解决的重要问题,对理解和研究疾病等重要性状的分子机理、发现药物靶点等具有重要意义。表达数量性状位点（expression Quantitative Trait Loci,eQTL）分析是解决该问题的重要途径,其通过在大量样本中分析基因组变异类型与基因表达强度之间的关系,可以从全基因组尺度挖掘基因组变异对基因的功能影响。然而,eQTL数据具有高噪声、数据不完整性、蕴涵复杂生物功能关系等特点,现有eQTL数据分析方法难以有效挖掘和揭示其中蕴涵的重要生物功能,迫切需要建立更加有效的数据处理与功能分析方法。本文围绕eQTL数据处理与功能分析方法开展研究,主要内容包括以下几个方面:第一,针对eQTL原始数据具有的多源异构性、普遍存在异常样本、普遍存在混淆因素带来的高噪声等问题,本文整合多种统计特征与模型,构建了一套涵盖数据质量分析、异常数据检测、混淆因素校正和数据归一化的eQTL原始数据清洗方法,解决了多源异构eQTL原始数据质量控制与归一化问题,有效降低人工干预、降低数据噪声、提高数据质量。第二,针对eQTL总结数据普遍存在缺失统计量的问题,本文提出基于多变量高斯分布的缺失eQTL数据推断方法。该方法基于变异之间的连锁不平衡关系,通过使用多变量高斯分布对eQTL统计量进行建模,用已知eQTL统计量对缺失eQTL统计量进行推断。通过全基因组片段化处理以及构建动态连锁不平衡关系矩阵,使该方法适用于并行分析,并有效提高缺失数据推断效率。该方法不需要原始基因型数据和原始基因表达数据,并适应于多种类型的QTL缺失数据推断。同时,该方法可以突破原始eQTL分析次要等位基因频率底线阈值,能够有效提高eQTL研究信号发现量。该方法有利于提高eQTL总结数据完整性、进一步增强eQTL研究的生物学发现。第三,针对eQTL与多基因间调控模式挖掘问题,本文提出eQTL调控网络构建与模体挖掘方法。该方法通过自适应置换检验策略以及基于广义帕累托分布拟合eQTL中介效应零分布,快速、高精度地计算eQTL中介效应,并整合eQTL二部网络与基于互信息的基因调控网络,构建eQTL调控网络。在此基础上,本文通过基于启发式子图同构判别的eQTL调控网络模体挖掘方法,降低子图同构判别计算空间,提高网络模体挖掘计算效率,挖掘eQTL与多基因间调控模式。该方法拓宽了传统基因调控模式研究思路,为eQTL与基因间的调控功能研究提供了新的方法支撑。第四,针对整合多组学数据进行生物分子网络中疾病模块挖掘问题,本文提出整合eQTL网络和多组学数据的疾病功能模块挖掘方法。该方法首先以eQTL网络作为桥梁,融合疾病表型与基因组变异关联数据（GWAS）、转录组基因表达与基因组变异关联数据（eQTL）、以及蛋白质相互作用数据（PPI）,构建融合多组学数据信息的复杂生物分子网络。在此基础上,利用图表征学习模型对网络进行特征提取,利用层次聚类方法进行无偏向性的功能模块挖掘,利用疾病相关基因在模块中的富集水平对功能模块进行优先排序等,实现疾病功能模块挖掘。该方法有助于从系统生物学角度研究疾病分子通路,以及eQTL在疾病分子通路中的功能影响。
吴昊[7]（2020）在《面向云平台IaaS层的能效问题研究》文中认为近年来,云平台已经成为学者和服务提供商部署计算应用的主流平台。得益于云平台中IaaS（Infrastructure as a Service）层的诸多优点,如动态可扩展、按需部署、可靠性高、性价比高等优点,吸引了众多来自学术界和工业界的用户。随着技术的发展与革新,例如宿主机资源均衡的改善、服务负载周期性变化等,IaaS层也涌现出一个新场景下亟待解决的重要问题:能效问题。如何提升IaaS层计算设施的能效,是用户和供应商共同面临的挑战之一。对于用户,能效问题关系到其执行计算应用的成本;对于云供应商,能效问题关系到数据中心的功耗以及稳定性。本文主要站在两个角度对IaaS层的能效问题展开研究。一方面是站在用户的角度上,针对需要执行大规模科学应用的用户,提出了一些算法与机制帮助用户提升使用云服务的效能以降低计算成本。另一方面,站在云供应商的角度,帮助其提升数据中心效能以降低数据中心的功耗并提高稳定性。在本研究中,作者在涉及到能效的成本、能耗和稳定性问题中取得了以下成果:1.为了降低云平台上中小规模科学工作流的执行成本,首先提出了一种基于可满足性模理论（Satisfiability Modulo Theories,SMT）的算法来调度云平台上的科学工作流,基于SMT的算法将调度问题构造为一阶逻辑表达式,并通过求解器对表达式进行求解,从而使分配给工作流的虚拟机数量最小化。然后开发了一种名为多重策略算法（Multiple Strategies Algorithm,MSA）的启发式算法,该算法用于确定一个虚拟机的执行模式使得虚拟机消耗的实例小时数量最少。最后,将提出的基于SMT的算法和MSA结合到一个名为SMT-MSA的框架中,并在实验中与其他优秀的算法进行比较,结果表明,在大多数情况下,该算法比其他三种方法降低了更多（高达5%）的成本。2.提出了 一个基于DAG拆分的任务调度框架（Cost Minimization Approach with DAG Splitting Sethod,COMSE）,用于最大限度地降低受完成时间约束的大规模科学工作流的运行成本。首先全面分析了资源均衡的多vCPU虚拟机同时运行多个任务的资源利用情况。其次,考虑到工作流的并行性和拓扑结构之间的平衡,对基于DAG的工作流进行了简化,并在简化的DAG基础上,设计了一种DAG拆分方法对工作流进行预处理。然后,由于虚拟机是按小时收费的,因此设计了一个精确的算法,为给定的调度方案寻找最优的操作模式,使虚拟机消耗的实例小时数最小,这个算法被命名为TOID（Instance Hours Minimization by Dijkstra）。最后,基于 DAG 拆分法和 TOID,COMSE 在多vCPU虚拟机上调度一个受完成时间约束的大规模科学工作流,并将计算成本和通信成本进行最小化。通过大量严格的性能评估模拟实验,结果表明,COMSE方法在计算成本和通信成本方面显着优于现有算法,效果提升高达8%。3.为了降低大规模科学工作流在虚拟机上的容错成本,提出了一个新型的容错框架。首先,对如何提高在处理器上运行单个任务的容错性能进行了全面的理论分析。其次,考虑到工作流的并行性和拓扑结构之间的平衡,提出了选择性镜像任务容错机制（Fault Tolerance Algorithm using Selective Mirrored Tasks Method,FAUSIT）。FAUSIT 通过采用选择性镜像容错机制应对工作流的容错问题,并解决两个目标:最小化完成时间和计算成本。本研究用来自现实世界的工作流数据集进行模拟实验来评估FAUSIT,结果表明,FAUSIT方法在完成时间和计算成本方面综合地优于现有算法。4.为了降低数据中心的能耗和提高稳定性,提出了一个针对负载可预测的虚拟机调度算法（VM Consolidation algorithm for Predictable Loads,VCPL）,以降低热迁移操作次数并提高物理机利用率。首先,提出了一个预测方法（Cyclic Usage Prediction,CUP）来预测虚拟机整个周期内的负载。然后,将周期性负载的虚拟机与其他的虚拟机分离,并通过VCPL将它们调度到物理机上,以确保每个物理机有一个稳定的负载,以达到降低热迁移操作并降低能耗的目的。最后通过使用微软提供的数据集进行了大量的模拟实验来评估VCPL算法,结果显示,66%的长期虚拟机具有周期性负载,并且是可预测的,而且容纳这些虚拟机的物理机上发生的热迁移操作可以比其他解决方案显着减少,提高了物理机资源利用率。
教育部[8]（2020）在《教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知》文中指出教材[2020]3号各省、自治区、直辖市教育厅（教委）,新疆生产建设兵团教育局:为深入贯彻党的十九届四中全会精神和全国教育大会精神,落实立德树人根本任务,完善中小学课程体系,我部组织对普通高中课程方案和语文等学科课程标准（2017年版）进行了修订。普通高中课程方案以及思想政治、语文、
盛泳潘[9]（2020）在《面向知识图谱的学习算法研究与应用》文中指出随着认知智能技术的深入发展,知识图谱俨然成为了大数据时代的一种重要的知识表示形式。在多个垂直领域,以数据分析、智慧搜索、智能推荐、自然人机交互为主的实际应用场景中,皆对知识图谱提出了客观的使用需求。与此同时,知识图谱作为实现机器认知智能的重要基石,同样是现阶段人工智能领域的热门研究课题。本文面向知识图谱构建与智能应用中的若干关键理论问题开展学习算法研究与实证分析。其中,从开放域环境中自动获取关系实例是构建大规模知识图谱的基础,精准地识别概念间的上下位关系是在纵向层面上扩展知识层级体系结构的关键,通过知识图谱表示学习可实现知识图谱数值化表示,得以让机器更好地处理并应用知识图谱进行知识计算。立足于文本数据,构建一套完整的领域知识图谱模型是一个极富挑战性的任务。本文的研究内容与主要贡献可总结为:第一,针对开放域场景下的实体关系抽取问题,提出了一个基于句法分析的开放关系抽取模型。该模型采用一种规则增强的句法分析方法,提高了对句子结构的分析能力,从而得到了更多具有高质量关系短语的三元组。再者,通过一种关系强度度量方法,从中进一步筛选出显着且有良好关系强度的三元组作为最终的抽取结果。我们在四个真实世界的开放域数据集上进行了实证研究,实验结果表明:我们的方法具有无监督、自动化的特点,能够适应一定规模的异质文本语料。相比于多个具有代表性的基线方法,我们的模型在开放关系抽取任务上实现了性能的提升。第二,针对知识图谱中概念上下位语义关系的精准识别问题,我们充分利用WordNet和英文版维基百科这两个高质量的外部知识库,赋予候选上下位关系元组中的两个概念以文本定义的证据,提出了一个由概念定义驱动的上下位关系预测模型。一方面,通过引入高价值的文本知识,拓展了概念的语义上下文,弥补了现有方法从特征并不充分的,有着领域独立性的训练语料的上下文中学习概念嵌入表示的局限性。再者,有助于更好的解释领域相关的,或存在歧义的候选上下位关系元组;另一方面,模型能够将（概念,概念的定义）进行联合建模,有助于挖掘两者语义上下文中隐含的上下位关系特征。最后,通过端到端的训练,避免了传统预测模型先学习概念嵌入表示,再学习二元分类器的诸多局限,更为有效地利用了训练数据。在开放域与限定域数据集上的实验结果表明,我们的模型在性能与泛化能力上表现一致,且优于近年来表现较好的基线模型。第三,针对时序知识图谱上缺失链接的补全与纠正问题,我们基于该问题的先领性工作,提出了一个名为TKGFrame的两阶段时序知识图谱补全模型。TKGFrame在以下三个方面进行了扩展:第一方面,提出了一种改进的时序演化矩阵,使其能够更好地刻画同一个时序关系链条上时序顺序关系之间的演化强度。第二方面,基于时序知识图谱的嵌入结果,将其中缺失事实成立的合理性度量建模为一个带约束的优化问题,并采用整数线性规划方法对该问题进行求解,进一步过滤了候选结果中的不合理预测;第三方面,将上述两个模型无缝地整合在TKGFrame框架之下。在三个真实世界的时序知识图谱数据集上的实验结果表明,TKGFrame模型在实体预测和关系预测任务上的性能显着优于目前主流的相关工作。第四,新闻通常产生自特定的事件或者话题,如今已成为人们从互联网上获取信息的重要来源。在现实场景中,用户易于淹没在快速累积的、冗余的、多样的新闻报道之中,而无法有效感知并掌握其中重要的事实知识,从上述真实的用户诉求出发,我们提出了一套名为MuReX的概念知识图谱构建模型,该模型包括一种结合多种抽取器的抽取策略、一种改进自学习框架的两阶段候选关系实例过滤算法、一种关系实例兼容性度量、一种关系实例重要性度量、一种启发式知识图谱构造策略。这些完整且实用的技术被集成到了统一的MuReX框架,经过数据预处理、候选关系实例抽取、主题一致性估计、关系实例兼容性度量和概念知识图谱生成五个重要的建模过程,最终生成了包含显着事实的、高质量的概念知识图谱。据此,用户得以快速地洞察特定主题下的新闻事实、事件的发展脉络,以及探索其中潜在的、新的关系连接。
姜嘉兴[10]（2020）在《学术语篇中的隐性评价意义资源研究》文中研究表明系统功能语言学中,评价意义是人际功能的重要组成部分,其研究多以实现评价意义的词汇语法资源为主。功能语言学家认为评价意义包含态度、介入、级差三个系统。其中态度系统是评价意义的核心,介入与级差系统负责调节态度意义（Martin&White,2005）。然而也有一些学者（如Halliday&Hasan,1985;Sinclair,1987）认为,介入与级差系统中的资源以及一些评价系统以外的词汇语法资源也具有态度意义,进而实现评价意义。这类评价意义是隐性的、不易察觉的。当前学界对这种隐性评价意义的研究虽取得了一定成果,但仍存在一些有待解决问题,主要体现在三个方面:（1）对隐性评价意义的内涵讨论不多;（2）对隐性评价意义的资源描写不足;（3）对隐性评价意义资源的协作机制解释不够。有鉴于此,本文基于系统功能语言学的基本理论与研究范式,深入探讨学术语篇中隐性评价意义的内涵及其外延,对隐性评价资源进行描写并建构相应的分析框架,同时对该框架内的各组成成分之间的协作机制进行阐释。首先,本文对隐性评价意义的内涵及其外延进行了讨论。为了说明隐性评价意义的本质,本文引入与评价意义相关的价值哲学理论对隐性评价意义与评价理论中的评价意义进行区分,发现前者的本质是创造价值,即对某种价值成立的可能性的判断结果,而后者则是对给定价值效用的记录或陈述。本文结合功能语言学家对评价意义的讨论,进一步推理出隐性评价意义的三个组成成分:价值的内容、价值成立的条件及价值的表征方式,并据此构建了隐性评价意义的价值系统、情景系统与推理系统。其次,本文对隐性评价意义的价值、情景、推理系统中的资源分别进行了描写。根据隐性评价意义的特征,本文选取学术语篇为研究对象,并以Web of Science核心数据库为检索源,各取SCI、SSCI、A&HCI近10年内（2008年～2018年）影响因子排在前100位的研究性论文作为本文的研究语料（共300篇,约200万字）,对其进行定性的实例分析与定量的语篇检索（包括索引定位、词频检索、搭配检索等）。通过对语料的分析与总结,得到的隐性评价意义三个系统中包含的资源类型如下:在价值系统中,由于价值意义是人们判断的结果,本文引入心理学中激活判断活动的三种启发方式,将价值系统分为代表式、可得式、锚定式三种类别。根据语料分析的结果,实现代表式价值意义的资源包括:（1）具有限定性、精确性、特殊性等概念的指称语、修饰语、附加语;（2）含有归属、识别、象征等概念的参与者成分以及附加语;（3）包含相似性或差异概念的参与者成分和修饰语。实现可得式价值意义的资源包括:（1）含有介绍性、客观性、清晰性等概念的及物过程、参与者成分及修饰语;（2）具有建议或计划概念的及物过程。实现锚定式价值意义的资源包括:（1）数量语或具体数字;（2）表达数量关系的及物过程、修饰语及一些衔接手段;（3）具有包含或排除概念的及物过程。在情景系统中,由于隐性评价意义的情景是语篇作者主观建立的即时情景,本文引入话语分析中“语境模型”的基本观点（即语境具有主观性）,将情景系统分为设置与发生两个子系统。研究发现,情景的设置系统包括突显、情态、言据三个子系统,其内部语言资源包含:（1）表达比较概念的修饰语、附加语、比较结构以及表达因果概念的物质过程、连词（词组）、附加语等;（2）情态动词;（3）学术语篇的引用方式以及属格人称代词。情景的发生系统指情景内各种信息的存在方式,由及物过程的完成体与进行体实现。在推理系统中,本文将价值意义的组织方式视为解决学术语篇研究问题的心理表征过程,借鉴心理学中“心理模型”的基本观点,认为推理过程即为心理表征,并将推理系统分为归纳与演绎两个成分。研究发现,归纳可由含有总结或完成概念的物质过程、参与者成分、修饰语、附加语等资源实现或具备起源概念的及物过程实现。演绎有主、客观之分,由主位推进模式实现。推理依靠的知识类型可以分为算法类知识与描写/解释类知识。算法类知识可由含有顺序概念或先后概念的修饰语、附加语实现,描写/解释类知识的识别取决于小句表达的具体内容及上下文。最后,本文通过隐性评价意义资源的分析框架分析了所收集的部分语料,并基于分析的过程与结果进一步讨论了隐性评价意义资源三个系统间的协作与资源选择机制,建立了隐性评价意义资源选择的三维空间模型及其矢量与代数两种表征方式。隐性评价意义资源研究进一步丰富和拓展了关于评价意义的理论探索和应用研究。在理论上阐明了隐性评价意义的内涵与外延,揭示了隐性与显性评价意义间的关系,说明了隐性评价意义的内部构成,拓展了评价意义与语言元功能之间的关系,解释了语言、心理、语境在隐性评价意义中的协作与资源选择机制。在应用方面,对学术语篇中隐性评价意义资源的探究不仅呈现了实现隐性评价意义的资源类型,而且为学术语篇写作提供了可参考的写作策略,使学术语篇作者能够根据不同的写作目的选择适切的语言表达。
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。
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。
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。
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 三支决策是不确定性问题解决的有效性方法之一 |
| 1.1.2 认知时代下的粒计算与三支决策 |
| 1.1.3 三支决策TAO模型及其有效性度量研究的重要意义 |
| 1.2 国内外研究现状 |
| 1.2.1 粒计算的研究进展 |
| 1.2.2 三支决策的研究进展 |
| 1.2.3 粒计算与三支决策的发展脉络 |
| 1.2.4 基于粒计算与三支决策的智能数据分析研究 |
| 1.3 论文主要研究工作 |
| 1.4 论文组织结构 |
| 第2章 粒计算与三支决策理论 |
| 2.1 粒计算 |
| 2.2 粗糙集三支决策 |
| 2.3 三支决策TAO模型 |
| 2.3.1 三分 |
| 2.3.2 治略 |
| 2.3.3 成效 |
| 2.4 基于粒计算与三支决策的智能数据决策方法 |
| 2.4.1 粒计算三元论 |
| 2.4.2 三支决策及其智能数据分析 |
| 2.5 两类三支决策有效性度量框架 |
| 2.6 本章小结 |
| 第3章 移动视角下的三支决策TAO模型研究 |
| 3.1 移动视角的三支决策问题 |
| 3.1.1 一个医疗诊断的例子 |
| 3.1.2 移动模型的基本思想 |
| 3.2 基于移动的三支决策TAO模型 |
| 3.2.1 移动策略 |
| 3.2.2 基于三分区结构的移动 |
| 3.2.3 两种移动过程分析 |
| 3.3 一种面向移动三支决策的有效性度量方法 |
| 3.3.1 比例效用度量框架 |
| 3.3.2 移动三支决策的比例效用函数 |
| 3.3.3 粗粒度度量-基于三分区的有效性度量方法 |
| 3.3.4 细粒度度量-基于等价类的有效性度量方法 |
| 3.4 仿真实验与结果分析 |
| 3.4.1 实验分析 |
| 3.4.2 实验比较 |
| 3.5 本章小结 |
| 第4章 改变视角下的三支决策TAO模型研究 |
| 4.1 基于改变的三支决策TAO框架 |
| 4.1.1 改变策略 |
| 4.1.2 改变模型 |
| 4.1.3 基于区间集表示的改变 |
| 4.2 两个解释的例子 |
| 4.2.1 贝叶斯认证理论与改变三支决策模型 |
| 4.2.2 移动三支决策模型中与改变三支决策模型 |
| 4.3 基于量化的C-3WD模型 |
| 4.3.1 基于单量化的改变 |
| 4.3.2 基于双量化的改变 |
| 4.4 基于评估的C-3WD模型 |
| 4.4.1 带有一对偏序评估的改变 |
| 4.4.2 带有一个偏序评估的改变 |
| 4.4.3 带有一个全序集评估的改变 |
| 4.5 一种面向改变三支决策的有效性度量方法 |
| 4.5.1 一种效用度量方法 |
| 4.5.2 基于改变三支决策的双重期望效用度量方法 |
| 4.5.3 实例分析 |
| 4.6 仿真实验与结果分析 |
| 4.7 本章小结 |
| 第5章 粗糙集视角下的三支模决策TAO模型研究 |
| 5.1 基于粗糙集的改变三支决策模型 |
| 5.1.1 规则置信度的改变 |
| 5.1.2 定性改变与定量改变 |
| 5.2 一种基于对象改变的分类策略 |
| 5.2.1 基于RS-C3WD的分类策略 |
| 5.2.2 分类算法 |
| 5.2.3 实例分析 |
| 5.2.4 策略的有效性 |
| 5.3 一种基于属性改变的约简策略 |
| 5.3.1 基于RS-C3WD的约简策略 |
| 5.3.2 基于改变三支决策模型的属性约简算法 |
| 5.4 仿真实验与结果分析 |
| 5.4.1 约简时间对比 |
| 5.4.2 分类精度对比 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术论文 |
| 攻读硕士学位期间所获得的科研成果 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 网络功能虚拟化 |
| 1.2.1 基本概念 |
| 1.2.2 网络功能虚拟化的技术优势 |
| 1.2.3 虚拟网络功能和服务功能链 |
| 1.3 论文结构及主要贡献 |
| 1.3.1 NFV环境中考虑资源优化与流量感知的虚拟网络功能放置 |
| 1.3.2 NFV环境中考虑延迟保障和资源优化的虚拟网络功能放置 |
| 1.3.3 NFV环境中考虑时变网络负载的动态虚拟网络功能放置 |
| 参考文献 |
| 第二章 相关研究综述 |
| 2.1 网络功能虚拟化环境中资源调度问题研究现状 |
| 2.1.1 虚拟机放置问题 |
| 2.1.2 虚拟网络嵌入问题 |
| 2.1.3 虚拟网络功能放置问题 |
| 2.2 虚拟网络功能部署问题研究综述 |
| 2.2.1 资源优化相关的虚拟网络功能放置研究 |
| 2.2.2 服务功能链与路由相关的虚拟网络功能放置研究 |
| 2.2.3 QoS相关的虚拟网络功能放置研究 |
| 参考文献 |
| 第三章 NFV环境中考虑资源优化与流量感知的虚拟网络功能放置 |
| 3.1 引言 |
| 3.2 问题描述与系统模型 |
| 3.2.1 问题描述 |
| 3.2.2 节点资源模型 |
| 3.2.3 带宽资源模型 |
| 3.2.4 问题模型 |
| 3.3 所提EBBO算法 |
| 3.3.1 BBO算法的基本原理与相关概念 |
| 3.3.2 迁移运算 |
| 3.3.3 变异运算 |
| 3.3.4 保留精英解操作 |
| 3.3.5 J-ORTC问题与EBBO算法的结合 |
| 3.3.6 EBBO算法的实现 |
| 3.3.7 EBBO算法的复杂度分析 |
| 3.4 性能评估 |
| 3.4.1 实验设置 |
| 3.4.2 实验结果与分析 |
| 3.5 本章小结 |
| 参考文献 |
| 第四章 NFV环境中考虑延迟保障和资源优化的虚拟网络功能放置 |
| 4.1 引言 |
| 4.2 相关概念 |
| 4.2.1 服务功能链请求的延迟 |
| 4.2.2 VNF的基础资源开销与可共享VNF实例 |
| 4.3 问题描述与问题建模 |
| 4.3.1 问题描述 |
| 4.3.2 网络模型 |
| 4.3.3 问题模型 |
| 4.4 所提SMA与VAA算法 |
| 4.4.1 SMA算法 |
| 4.4.2 VAA算法 |
| 4.4.3 SMA算法与VAA算法的复杂度分析 |
| 4.5 性能评估 |
| 4.5.1 实验环境与参数设置 |
| 4.5.2 实验结果 |
| 4.6 本章小结 |
| 参考文献 |
| 第五章 NFV环境中考虑时变网络负载的动态虚拟网络功能放置 |
| 5.1 引言 |
| 5.2 相关概念 |
| 5.2.1 VNF的基础资源开销 |
| 5.2.2 可共享的VNF实例 |
| 5.2.3 相似性模型 |
| 5.3 问题描述与问题建模 |
| 5.3.1 问题描述 |
| 5.3.2 系统模型 |
| 5.3.3 问题建模 |
| 5.3.4 优化目标极值的获取 |
| 5.4 所提TPOS方法 |
| 5.4.1 TPOS方法的基本思想 |
| 5.4.2 SFCR映射阶段 |
| 5.4.3 VNFR调整阶段 |
| 5.4.4 算法复杂度分析 |
| 5.5 性能评估 |
| 5.5.1 实验环境与参数设置 |
| 5.5.2 对照算法 |
| 5.5.3 实验结果 |
| 5.6 本章小结 |
| 参考文献 |
| 第六章 结束语 |
| 6.1 论文总结 |
| 6.1.1 NFV环境中考虑资源优化与流量感知的虚拟网络功能放置 |
| 6.1.2 NFV环境中考虑延迟保障和资源优化的虚拟网络功能放置 |
| 6.1.3 NFV环境中考虑时变网络负载的动态虚拟网络功能放置 |
| 6.2 未来工作 |
| 6.2.1 在NFV环境中考虑吞吐量优化的虚拟网络功能放置 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 摘要 |
| ABSTRACT |
| 第1章 引论 |
| 1.1 背景 |
| 1.1.1 数学史教育价值呼吁实证研究的验证 |
| 1.1.2 教育改革落实亟需教师观念的调整 |
| 1.1.3 信息技术发展强力支撑教师网络研修的推行 |
| 1.2 研究问题 |
| 1.3 研究意义 |
| 1.4 论文结构概览 |
| 第2章 文献综述 |
| 2.1 数学教师观念 |
| 2.1.1 国内教师信念及观念研究述评 |
| 2.1.2 国外教师信念及观念研究述评 |
| 2.2 数学史与教师专业发展 |
| 第3章 概念框架 |
| 3.1 理论的作用 |
| 3.2 研究问题中的理论要素 |
| 3.3 观念及信念系统 |
| 3.3.1 信念内涵:信念和知识 |
| 3.3.2 信念结构:信念系统 |
| 3.4 教师的数学观 |
| 3.4.1 三种概观和判断 |
| 3.4.2 三种数学观 |
| 3.4.3 大纲及课标中的数学观 |
| 3.5 教师的数学教学观 |
| 3.5.1 三种数学教学观 |
| 3.5.2 大纲及课标中的数学教学观 |
| 3.6 理论视角的联系 |
| 3.7 研究问题的细化 |
| 第4章 研究设计 |
| 4.1 项目背景 |
| 4.1.1 主题选择 |
| 4.1.2 项目组织 |
| 4.2 研究方法 |
| 4.3 数据收集 |
| 4.4 研究工具 |
| 4.5 数据分析 |
| 4.6 信效度分析 |
| 第5章 教师观念变化趋势 |
| 5.1 数学观变化趋势的量化分析 |
| 5.2 数学观变化趋势的质性分析 |
| 5.2.1 数学演进 |
| 5.2.2 数学应用 |
| 5.2.3 数学本质 |
| 5.3 数学教学观变化趋势的量化分析 |
| 5.4 数学教学观变化趋势的质性分析 |
| 5.4.1 教学目标 |
| 5.4.2 教学过程及师生角色 |
| 5.4.3 学生学习 |
| 5.4.4 教学资源 |
| 第6章 教师观念转变案例研究 |
| 6.1 个案 1:孙老师 |
| 6.1.1 孙老师的数学观 |
| 6.1.2 孙老师的数学教学观 |
| 6.1.3 孙老师案例小结 |
| 6.2 个案 2:侯老师 |
| 6.2.1 侯老师的数学观 |
| 6.2.2 侯老师的数学教学观 |
| 6.2.3 侯老师案例小结 |
| 6.3 个案 3:李老师 |
| 6.3.1 李老师的数学观 |
| 6.3.2 李老师的数学教学观 |
| 6.3.3 李老师案例小结 |
| 6.4 跨案例分析 |
| 6.4.1 数学观 |
| 6.4.2 数学教学观 |
| 6.4.3 发展机制 |
| 第7章 结论 |
| 第8章 讨论 |
| 8.1 与已有研究的联系 |
| 8.2 可能回答的问题 |
| 8.3 回顾理论与方法论 |
| 8.4 回顾教育研究的三个方面 |
| 8.5 启示、局限与展望 |
| 参考文献 |
| 附录 |
| 附录1 研修主题示例 |
| 附录2 数学观及数学教学观开放问卷(研修前后) |
| 附录3 函数主题反思单示例 |
| 附录4 个案教师访谈提纲(研修后) |
| 附录5 《中学数学教师数学观问卷》正式问卷 |
| 附录6 a《中学数学教师数学教学观问卷》初测问卷 |
| 附录6 b《中学数学教师数学教学观问卷》正式问卷 |
| 作者简历及在学期间所取得的科研成果 |
| 致谢 |
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 传统高校教学中的浅表互动问题 |
| 1.1.2 高等教育开展深度学习的必要性和重要性 |
| 1.1.3 同伴对话反馈作为高校深度学习促进策略的可能性 |
| 1.2 研究目的与问题 |
| 1.3 研究意义 |
| 1.3.1 理论意义 |
| 1.3.2 实践意义 |
| 1.4 研究方法 |
| 1.4.1 单组前后测实验法 |
| 1.4.2 个案研究法 |
| 1.4.3 内容分析法 |
| 1.5 核心概念界定 |
| 1.5.1 深度学习 |
| 1.5.2 同伴对话反馈 |
| 1.5.3 同伴对话反馈策略 |
| 1.5.4 基础在线讨论工具 |
| 1.5.5 增强在线讨论工具 |
| 1.5.6 可视化增强在线讨论工具 |
| 1.6 研究思路 |
| 1.6.1 研究技术路线 |
| 1.6.2 实验设计及策略干预教学方案 |
| 1.7 本章小结 |
| 2 文献综述 |
| 2.1 深度学习的内涵与评价研究 |
| 2.1.1 深度学习的内涵辨析 |
| 2.1.2 面向过程的深度学习评价 |
| 2.1.3 面向结果的深度学习评价 |
| 2.1.4 已有研究总结与启示 |
| 2.2 深度学习的促进机制、策略及效果研究 |
| 2.2.1 深度学习常见的促进机制 |
| 2.2.2 关注个体学习参与的深度学习促进策略及效果 |
| 2.2.3 关注个体深化理解的深度学习促进策略及效果 |
| 2.2.4 关注同伴合作学习的深度学习促进策略及效果 |
| 2.2.5 关注同伴交互反馈的深度学习促进策略及效果 |
| 2.2.6 已有研究总结与启示 |
| 2.3 同伴对话反馈的策略、效果及分析框架研究 |
| 2.3.1 基于面对面口头讨论的同伴对话反馈策略及效果 |
| 2.3.2 基于在线讨论工具的同伴对话反馈策略及效果 |
| 2.3.3 同伴对话反馈的典型分析框架 |
| 2.3.4 已有研究总结与启示 |
| 2.4 本章小结 |
| 3 同伴对话反馈策略促进深度学习的理论框架构建 |
| 3.1 同伴对话反馈策略促进深度学习的理论基础 |
| 3.1.1 社会建构主义 |
| 3.1.2 联通主义 |
| 3.1.3 ICAP深度学习框架 |
| 3.2 同伴对话反馈策略促进深度学习的理论框架构建依据 |
| 3.2.1 基于SAL学习方法理论的深度学习影响因素3P模型 |
| 3.2.2 反馈干预促进深度学习的交互机制 |
| 3.2.3 DELC深度学习环路 |
| 3.3 同伴对话反馈策略促进深度学习的理论框架构建及内容 |
| 3.4 本章小结 |
| 4 基于基础在线讨论工具的组内同伴对话反馈策略实践研究 |
| 4.1 研究设计与实施 |
| 4.1.1 课程的介绍 |
| 4.1.2 课程平台的建设 |
| 4.1.3 同伴对话反馈活动的设计 |
| 4.1.4 研究的实施过程 |
| 4.2 数据收集与分析 |
| 4.2.1 学习方法前后测数据分析与预处理 |
| 4.2.2 认知层次前后测数据分析与预处理 |
| 4.2.3 学生Moodle讨论区交互内容数据分析与预处理 |
| 4.2.4 学生课程体验反馈数据分析与预处理 |
| 4.3 研究结果与发现 |
| 4.3.1 组内同伴对话反馈对学生整体学习方法和认知层次的影响 |
| 4.3.2 组内同伴对话反馈对不同学生学习方法和认知层次的影响 |
| 4.3.3 不同学习类型学生的同伴对话反馈参与度差异分析 |
| 4.3.4 学生课程体验反馈总结与教学反思 |
| 4.4 研究讨论与结论 |
| 4.4.1 主要结果讨论 |
| 4.4.2 结论与启示 |
| 4.5 本章小结 |
| 5 基于增强在线讨论工具的班级同伴对话反馈策略实践研究 |
| 5.1 研究设计与实施 |
| 5.1.1 课程的介绍 |
| 5.1.2 课程平台的建设 |
| 5.1.3 同伴对话反馈活动的设计 |
| 5.1.4 研究的实施过程 |
| 5.2 数据收集与分析 |
| 5.2.1 学习方法前后测数据分析与预处理 |
| 5.2.2 学生的提问数据分析与预处理 |
| 5.2.3 学生Padlet交互内容数据分析与预处理 |
| 5.2.4 学生课程体验反馈数据分析与预处理 |
| 5.3 研究结果与发现 |
| 5.3.1 班级同伴对话反馈对学生学习方法的影响 |
| 5.3.2 班级同伴对话反馈对学生提问认知层次的影响 |
| 5.3.3 学生班级同伴对话反馈行为与其深度学习促进效果的关联 |
| 5.3.4 学生课程体验反馈总结与教学反思 |
| 5.4 研究讨论与结论 |
| 5.4.1 主要结果讨论 |
| 5.4.2 结论与启示 |
| 5.5 本章小结 |
| 6 基于基础和可视化增强在线讨论工具的混合同伴对话反馈策略实践研究 |
| 6.1 研究设计与实施 |
| 6.1.1 课程的介绍 |
| 6.1.2 课程平台的建设 |
| 6.1.3 同伴对话反馈活动的设计 |
| 6.1.4 研究的实施过程 |
| 6.2 数据收集与分析 |
| 6.2.1 学习方法前后测数据分析与预处理 |
| 6.2.2 学生Tronclass讨论区与会议桌交互内容数据分析与预处理 |
| 6.2.3 小组协作成果数据分析与预处理 |
| 6.2.4 学生反思报告数据分析与预处理 |
| 6.2.5 学生课程体验反馈数据分析与预处理 |
| 6.3 研究结果与发现 |
| 6.3.1 混合同伴对话反馈对学生学习方法的影响 |
| 6.3.2 学生个体在不同层面的同伴对话反馈行为表现 |
| 6.3.3 小组同伴对话反馈行为对其协作成果认知层次的影响 |
| 6.3.4 学生深度学习机制的触发情况 |
| 6.3.5 学生课程体验反馈总结与教学反思 |
| 6.4 研究讨论与结论 |
| 6.4.1 主要结果讨论 |
| 6.4.2 结论与启示 |
| 6.5 本章小结 |
| 7 研究总结与展望 |
| 7.1 研究总结与结论 |
| 7.2 启示与建议 |
| 7.3 创新点 |
| 7.4 不足与展望 |
| 参考文献 |
| 中文文献 |
| 英文文献 |
| 附录 |
| 附件1 ASSIST学习方法倾向测量问卷(缩减版) |
| 附件2 ASSIST(缩减版)评分规则 |
| 附件3 研究一的学生主观题测试 |
| 附件4 研究三的学生反思提纲 |
| 附件5 研究三的小组协作作品 |
| 附件6 研究三的学生同伴对话反馈内容实例 |
| 作者简历 |
| 摘要 |
| Abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 面临的挑战 |
| 1.3 国内外研究现状 |
| 1.3.1 流量矩阵估计 |
| 1.3.2 多控制器下的流量调度 |
| 1.3.3 5G网络切片的重新配置 |
| 1.4 本文的工作 |
| 1.4.1 研究思路 |
| 1.4.2 具体内容 |
| 1.4.3 本文的创新点 |
| 第二章 SDN和 NFV技术及相关理论 |
| 2.1 SDN技术 |
| 2.1.1 SDN架构特点 |
| 2.1.2 OpenFlow交换机及协议 |
| 2.1.3 流量信息收集方式 |
| 2.2 NFV技术 |
| 2.2.1 NFV架构特点 |
| 2.2.2 中间件 |
| 2.2.3 服务功能链 |
| 2.3 SDN和NFV的应用 |
| 2.3.1 SDN与 NFV的技术分析 |
| 2.3.2 网络切片 |
| 2.4 本章小结 |
| 第三章 大流识别的SDN流量矩阵估计 |
| 3.1 引言 |
| 3.2 SDN的流量矩阵估计 |
| 3.2.1 问题描述 |
| 3.2.2 算法实现 |
| 3.3 基于GBM的大流识别 |
| 3.3.1 大流的分析 |
| 3.3.2 大流的识别 |
| 3.4 交换机选择和流表聚合 |
| 3.4.1 SDN-enabled交换机选择 |
| 3.4.2 SPTBMA |
| 3.4.3 SPTBMA示例 |
| 3.5 仿真性能分析 |
| 3.5.1 实验设置 |
| 3.5.2 粗粒度下的实验结果 |
| 3.5.3 细粒度下的实验结果 |
| 3.5.4 算法运行时间 |
| 3.6 本章小结 |
| 第四章 分布式SDN中联合流量感知的中间件选择和路由 |
| 4.1 引言 |
| 4.2 系统模型和问题描述 |
| 4.2.1 系统模型 |
| 4.2.2 问题描述 |
| 4.2.3 NP-hard证明 |
| 4.3 算法设计 |
| 4.3.1 主控制器流重定向传输 |
| 4.3.2 本地决策控制器流定向传输 |
| 4.3.3 相关讨论 |
| 4.4 仿真性能分析 |
| 4.4.1 实验设置 |
| 4.4.2 实验结果 |
| 4.5 本章小结 |
| 第五章 面向5G网络切片的SFC重新配置 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.2.1 网络模型 |
| 5.2.2 问题描述 |
| 5.2.3 重新配置开销 |
| 5.3 问题构建 |
| 5.3.1 SFC_RPER |
| 5.3.2 SFC_RPSR |
| 5.3.3 问题分析 |
| 5.4 算法设计 |
| 5.4.1 整体设计 |
| 5.4.2 路径寻找算法 |
| 5.4.3 SFC重新配置算法 |
| 5.4.4 算法复杂度分析 |
| 5.5 仿真性能分析 |
| 5.5.1 实验设置 |
| 5.5.2 实验结果 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间完成和发表的论文 |
| 攻读博士期间主持和参与的科研项目 |
| 攻读博士期间获得的奖励 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究的目的与意义 |
| 1.2 相关背景知识 |
| 1.2.1 基因组相关概念 |
| 1.2.2 eQTL相关定义 |
| 1.2.3 eQTL相关数据 |
| 1.2.4 GWAS相关背景知识 |
| 1.3 研究现状概述 |
| 1.3.1 eQTL数据处理方法研究现状 |
| 1.3.2 eQTL功能分析方法研究现状 |
| 1.3.3 所存在的主要问题 |
| 1.4 本文的内容安排 |
| 第2章 多源异构eQTL数据清洗方法 |
| 2.1 引言 |
| 2.2 基因表达数据的清洗方法 |
| 2.2.1 多源异构基因表达数据处理与标准化 |
| 2.2.2 异常基因与样本检测与清洗 |
| 2.2.3 数据降噪与混淆因素校正 |
| 2.3 基因型数据的清洗方法 |
| 2.3.1 异常变异与样本检测与清洗 |
| 2.3.2 群体遗传结构分析与校正 |
| 2.3.3 芯片来源基因型数据推断 |
| 2.4 数据清洗后eQTL映射方法 |
| 2.5 实验结果与分析 |
| 2.5.1 数据集 |
| 2.5.2 eQTL数据清洗实验结果 |
| 2.5.3 eQTL映射结果与一致性分析 |
| 2.6 本章小结 |
| 第3章 缺失eQTL数据推断方法 |
| 3.1 引言 |
| 3.2 基于多变量高斯分布的eQTL数据推断方法 |
| 3.2.1 多变量高斯分布及其条件概率分布 |
| 3.2.2 局部缺失eQTL统计量推断方法 |
| 3.2.3 全基因组缺失eQTL统计量推断方法 |
| 3.3 实验结果与分析 |
| 3.3.1 一般变异频率的缺失eQTL数据推断实验结果 |
| 3.3.2 较低变异频率的缺失eQTL数据推断实验结果 |
| 3.3.3 与基于隐马尔可夫模型的基因型推断框架的比较 |
| 3.3.4 基于单细胞测序的eQTL数据推断实验结果 |
| 3.4 本章小结 |
| 第4章eQTL调控网络构建与模体挖掘方法 |
| 4.1 引言 |
| 4.2 eQTL中介效应分析与调控网络构建方法 |
| 4.2.1 基于置换检验的eQTL中介效应分析方法 |
| 4.2.2 基于优化置换检验的eQTL中介效应分析方法 |
| 4.2.3 整合eQTL中介效应的eQTL调控网络构建方法 |
| 4.3 基于启发式子图同构判别的eQTL调控网络模体挖掘方法 |
| 4.3.1 子图表示方法 |
| 4.3.2 子图枚举方法 |
| 4.3.3 子图同构判别方法 |
| 4.3.4 子图模式显着性检验 |
| 4.4 实验结果与分析 |
| 4.4.1 eQTL中介效应分析实验结果 |
| 4.4.2 eQTL调控网络构建实验结果 |
| 4.4.3 网络模体挖掘方法性能分析 |
| 4.4.4 eQTL调控网络模体挖掘实验结果 |
| 4.5 本章小结 |
| 第5章 整合eQTL网络与多组学数据的疾病功能模块挖掘方法 |
| 5.1 引言 |
| 5.2 多组学数据与eQTL网络的整合方法 |
| 5.3 基于图表征学习的网络功能模块挖掘方法 |
| 5.3.1 网络特征提取 |
| 5.3.2 基于层次聚类的网络模块挖掘 |
| 5.3.3 疾病相关功能模块优先排序 |
| 5.4 实验结果与分析 |
| 5.4.1 网络模块挖掘性能评价指标 |
| 5.4.2 基于真实网络数据集的网络模块挖掘实验结果 |
| 5.4.3 基于模拟网络数据集的网络模块挖掘实验结果 |
| 5.4.4 疾病功能模块挖掘实验结果 |
| 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他成果 |
| 致谢 |
| 个人简历 |
| 摘要 |
| Abstract |
| 1 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 |
| 1.2 研究思路 |
| 1.3 研究内容与创新点 |
| 1.4 组织结构 |
| 2 相关工作和概念 |
| 2.1 相关工作 |
| 2.1.1 科学工作流成本最小化相关研究 |
| 2.1.2 数据中心功耗及稳定性相关研究 |
| 2.2 相关概念 |
| 2.2.1 科学工作流 |
| 2.2.2 静态调度与动态调度 |
| 2.2.3 IaaS层 |
| 2.2.4 热迁移 |
| 3 科学工作流成本压缩调度算法 |
| 3.1 前言 |
| 3.1.1 研究背景与动机 |
| 3.1.2 相关研究 |
| 3.1.2.1 计算环境和优化目标 |
| 3.1.2.2 优化方法 |
| 3.2 问题定义 |
| 3.2.1 科学应用模型 |
| 3.2.2 云平台模型 |
| 3.2.3 虚拟机模型 |
| 3.2.4 问题定义 |
| 3.2.4.1 虚拟机数量最小化 |
| 3.2.4.2 实例小时数量最小化 |
| 3.3 虚拟机最小化 |
| 3.3.1 虚拟机数量的上下限 |
| 3.3.1.1 虚拟机数量的上限 |
| 3.3.1.2 虚拟机数量的下限 |
| 3.3.2 可满足性模理论 |
| 3.3.3 虚拟机数量最小化问题的SMT模型 |
| 3.3.4 基于SMT的启发式算法 |
| 3.4 实例小时最小化 |
| 3.4.1 实例小时最小化问题分析 |
| 3.4.2 单策略算法(Single Strategy Algorithm,SSA) |
| 3.4.3 多策略算法(Multiple Strategy Algorithm,MSA) |
| 3.4.3.1 MSA中的策略 |
| 3.4.3.2 合并机制 |
| 3.4.3.3 多策略算法 |
| 3.4.4 实例小时最小化问题复杂度分析 |
| 3.5 性能评估 |
| 3.5.1 虚拟机最小化评估 |
| 3.5.1.1 实验设置及相关参数 |
| 3.5.1.2 实验结果 |
| 3.5.2 实例小时最小化评估 |
| 3.5.2.1 评价标准 |
| 3.5.2.2 实验结果 |
| 3.5.3 综合评估 |
| 3.5.3.1 评价标准 |
| 3.5.3.2 实验结果 |
| 3.6 本章小结 |
| 4 混合使用多核虚拟机的工作流调度算法 |
| 4.1 引言 |
| 4.1.1 技术背景 |
| 4.1.2 相关研究 |
| 4.2 符号及模型 |
| 4.2.1 系统相关模型 |
| 4.2.1.1 科学工作流模型 |
| 4.2.1.2 云平台模型 |
| 4.2.1.3 虚拟机运行多任务模型 |
| 4.2.1.4 收费模型 |
| 4.2.2 问题定义 |
| 4.3 成本最小化算法 |
| 4.3.1 基本思想 |
| 4.3.2 COMSE算法 |
| 4.3.2.1 CombineTasks()函数 |
| 4.3.2.2 SplitLevels()函数 |
| 4.3.2.3 SplitDeadline()函数 |
| 4.3.2.4 Schedule()函数 |
| 4.3.2.5 MinimizeInstanceHours()函数 |
| 4.3.3 COMSE的框架 |
| 4.3.4 复杂度分析 |
| 4.4 性能评估 |
| 4.4.1 测试集与评价标准 |
| 4.4.2 性能对比 |
| 4.5 本章小结 |
| 5 面向大规模科学应用容错的调度机制 |
| 5.1 引言 |
| 5.1.1 研究背景 |
| 5.1.2 相关研究 |
| 5.2 符号及模型 |
| 5.2.1 科学工作流模型 |
| 5.2.2 云平台模型 |
| 5.2.3 快照模型 |
| 5.2.4 错误模型 |
| 5.2.5 主要相关符号定义 |
| 5.2.6 问题定义 |
| 5.3 容错机制 |
| 5.3.1 基本思想 |
| 5.3.2 FAUSIT容错机制 |
| 5.3.2.1 DetermineKeyTasks()函数 |
| 5.3.2.2 DeployKeyTasks()函数 |
| 5.3.3 FAUSIT的可行性说明 |
| 5.4 实验与评估 |
| 5.4.1 实验设置 |
| 5.4.2 评价指标 |
| 5.4.3 参数(?)的取值 |
| 5.4.4 实验结果 |
| 5.5 本章小结 |
| 6 基于周期性负载的海量虚拟机调度 |
| 6.1 引言 |
| 6.2 符号与定义 |
| 6.2.1 虚拟机模型 |
| 6.2.2 物理机模型 |
| 6.2.3 问题定义 |
| 6.3 负载预测 |
| 6.3.1 基本思想 |
| 6.3.2 周期负载预测算法(CUP) |
| 6.3.3 CUP的预测性能展示 |
| 6.4 基于预测负载的虚拟机调度算法(VCPL) |
| 6.4.1 VCPL的基本思想 |
| 6.4.2 VCPL算法 |
| 6.4.2.1 Classify()函数 |
| 6.4.2.2 Consolidate()函数 |
| 6.5 性能评估 |
| 6.5.1 数据集、实验设置和性能指标 |
| 6.5.2 预测负载对调度的影响 |
| 6.5.3 算法对比 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究难点与挑战 |
| 1.2.1 实体关系抽取 |
| 1.2.2 概念上下位关系识别 |
| 1.2.3 基于时序知识图谱的表示学习 |
| 1.2.4 基于新闻文本语料的概念知识图谱构建 |
| 1.3 本文研究内容与贡献 |
| 1.4 本文组织结构 |
| 第二章 开放域实体关系抽取方法研究 |
| 2.1 引言 |
| 2.2 预备知识 |
| 2.2.1 依存句法树 |
| 2.2.2 最短依存路径 |
| 2.2.3 开放关系抽取的任务定义 |
| 2.3 相关工作 |
| 2.3.1 基于无监督学习的抽取方法 |
| 2.3.2 基于深度学习的抽取方法 |
| 2.4 基于句法分析的开放关系抽取方法 |
| 2.4.1 生成依存句法树 |
| 2.4.2 候选三元组抽取 |
| 2.4.3 实体关系强度度量 |
| 2.5 实验与分析 |
| 2.5.1 数据集 |
| 2.5.2 对比方法 |
| 2.5.3 评估指标 |
| 2.5.4 实验结果 |
| 2.6 本章小结 |
| 第三章 概念上下位关系识别方法研究 |
| 3.1 引言 |
| 3.2 任务定义 |
| 3.3 相关工作 |
| 3.3.1 基于语言模式的匹配方法 |
| 3.3.2 基于分布式表示的识别方法 |
| 3.4 概念定义驱动的上下位关系识别方法 |
| 3.4.1 语句输入层 |
| 3.4.2 语句编码层 |
| 3.4.3 交互层 |
| 3.4.4 上下位关系分类层 |
| 3.5 实验与分析 |
| 3.5.1 数据集构建 |
| 3.5.2 对比方法 |
| 3.5.3 评估指标 |
| 3.5.4 实现细节 |
| 3.5.5 实验结果 |
| 3.6 本章小结 |
| 第四章 时序知识图谱补全方法研究 |
| 4.1 引言 |
| 4.2 预备知识 |
| 4.2.1 静态知识图谱 |
| 4.2.2 时序知识图谱 |
| 4.2.3 时序知识图谱补全的任务定义 |
| 4.3 相关工作 |
| 4.3.1 基于静态知识图谱的表示学习模型 |
| 4.3.2 基于时序知识图谱的表示学习模型 |
| 4.4 基于两阶段框架的时序知识图谱补全方法 |
| 4.4.1 阶段一:时序演化增强的表示学习模型 |
| 4.4.2 阶段二:精细分析模型 |
| 4.5 实验与分析 |
| 4.5.1 数据集 |
| 4.5.2 对比方法 |
| 4.5.3 评估指标 |
| 4.5.4 实现细节 |
| 4.5.5 实验结果 |
| 4.6 本章小结 |
| 第五章 基于新闻数据的概念知识图谱构建方法研究 |
| 5.1 引言 |
| 5.2 任务定义 |
| 5.3 相关工作 |
| 5.3.1 新闻表示 |
| 5.3.2 主题检测与追踪 |
| 5.3.3 开放域关系抽取 |
| 5.3.4 抽取式文档摘要 |
| 5.3.5 基于多文档的语义挖掘系统 |
| 5.4 概念知识图谱构建模型 |
| 5.4.1 数据预处理 |
| 5.4.2 候选关系实例抽取 |
| 5.4.3 主题一致性估计 |
| 5.4.4 关系实例兼容性度量 |
| 5.4.5 生成概念知识图谱 |
| 5.5 实验与分析 |
| 5.5.1 数据集 |
| 5.5.2 实验准备工作 |
| 5.5.3 实验结果分析 |
| 5.6 系统概况 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
| 致谢 |
| 摘要 |
| Abstract |
| 术语表 |
| 1 引言 |
| 1.1 选题缘起与研究意义 |
| 1.1.1 选题缘起 |
| 1.1.2 研究意义 |
| 1.2 研究目的与研究问题 |
| 1.3 研究对象 |
| 1.4 研究方法 |
| 1.5 论文结构 |
| 2 文献综述 |
| 2.1 概述 |
| 2.2 评价意义的概念研究 |
| 2.3 隐性评价意义的资源类型研究 |
| 2.3.1 隐性评价意义的语篇资源 |
| 2.3.2 隐性评价意义的局部词汇、语法资源 |
| 2.3.3 隐性评价意义资源研究中的现存问题 |
| 2.4 隐性评价意义与语言元功能 |
| 2.4.1 隐性评价意义与人际元功能 |
| 2.4.2 隐性评价意义与语篇元功能 |
| 2.4.3 隐性评价意义与概念元功能 |
| 2.4.4 隐性评价意义与语言元功能相关研究中的现存问题 |
| 2.5 学术语篇中的隐性评价意义的资源研究 |
| 2.5.1 情态、立场实现隐性评价意义 |
| 2.5.2 模糊语实现隐性评价意义 |
| 2.5.3 隐性评价意义在学术语篇中的应用 |
| 2.5.4 学术语篇中隐性评价意义资源研究的现存问题 |
| 2.6 小结 |
| 3 理论框架 |
| 3.1 概述 |
| 3.2 隐性评价意义的组成成分:价值、情景与推理 |
| 3.3 理论基础 |
| 3.3.1 语言的系统与元功能 |
| 3.3.2 价值的启发方式——价值激活 |
| 3.3.3 心理模型——推理过程 |
| 3.3.4 语境模型——情景建构 |
| 3.4 学术语篇中隐性评价意义资源的分析框架 |
| 3.4.1 隐性评价意义的内涵 |
| 3.4.2 隐性评价意义资源的分析框架 |
| 3.5 小结 |
| 4 隐性评价的价值系统及其资源 |
| 4.1 概述 |
| 4.2 代表式启发及其资源 |
| 4.2.1 确指意义及其资源 |
| 4.2.2 范畴意义及其资源 |
| 4.2.3 类比意义及其资源 |
| 4.3 可得式启发及其资源 |
| 4.3.1 陈述意义及其资源 |
| 4.3.2 提议意义及其资源 |
| 4.3.3 可得式启发资源的语义强度 |
| 4.4 锚定式启发及其资源 |
| 4.4.1 数量意义锚定及其资源 |
| 4.4.2 范围意义锚定及其资源 |
| 4.4.3 关系意义锚定及其资源 |
| 4.4.4 锚定式启发资源的语义强度 |
| 4.5 小结 |
| 5 隐性评价意义的情景系统及其资源 |
| 5.1 概述 |
| 5.2 情景的设置及其资源 |
| 5.2.1 突显及其资源 |
| 5.2.2 情态及其资源 |
| 5.2.3 言据及其资源 |
| 5.3 情景的发生及其资源 |
| 5.3.1 事实及其资源 |
| 5.3.2 事件及其资源 |
| 5.4 小结 |
| 6 隐性评价意义的推理系统及其资源 |
| 6.1 概述 |
| 6.2 推理系统的展开方式及其资源 |
| 6.2.1 归纳推理及其资源 |
| 6.2.2 演绎推理及其资源 |
| 6.3 推理过程中的知识类型 |
| 6.3.1 算法类知识及其资源 |
| 6.3.2 描写/解释类知识及其资源 |
| 6.4 小节 |
| 7 隐性评价意义资源的应用分析及其选择机制 |
| 7.1 概述 |
| 7.2 隐性评价意义资源的应用分析 |
| 7.2.1 价值系统的应用分析 |
| 7.2.2 情景系统的应用分析 |
| 7.2.3 推理系统的应用分析 |
| 7.3 隐性评价意义资源的特征及其选择机制 |
| 7.3.1 隐性评价意义资源的多重身份 |
| 7.3.2 隐性评价意义资源的语义合成 |
| 7.3.3 隐性评价意义资源选择的维度与空间 |
| 7.3.4 隐性评价意义资源的选择机制及其表征方式 |
| 7.4 小结 |
| 8 结论 |
| 8.1 研究发现 |
| 8.2 局限性与不足 |
| 8.3 后期展望 |
| 参考文献 |
| 附录A 本文语料库来源 |
| 附录B 节选语料 |
| 作者简历及在学研究成果 |
