一、Avaya布局融合网络（论文文献综述）
王伟,王海涛,袁畅[1]（2021）在《浅析演播室融合网络控制管理系统架构及特点——以湖北广播电视台为例》文中认为以湖北广播电视台200m2演播室群配置的演播室融合网络控制管理系统为例,阐述系统的功能、组成、网络架构特点及对灯光、机械、音视频等各专业系统的控制,归纳了系统的优势及应用前景。
张侃[2]（2021）在《基于迁移学习的自动睡眠分阶融合网络研究》文中指出随着睡眠紊乱问题的日益严重,睡眠检测设备和自动睡眠分阶技术得到了快速地发展。脑电信号包含大量的生理学信息,已经作为自动睡眠分阶的重要依据。同时,深度学习技术的发展也为睡眠波特征学习、睡眠自动分阶应用提供了重要的技术支撑。然而,脑电信号受周围环境影响包含大量噪声,脑电信号采集仪器的差异性导致数据没有统一的标准。这对脑电数据的智能化分析造成很大的干扰;此外,由于目前深度学习的可解释性较弱,单一特征学习无法描述复杂多变的脑电信号特征,最终导致分类结果不理想。为了解决上述问题,本文从知识迁移和多特征融合两方面展开研究,提出了基于迁移学习的自动睡眠分阶融合网络方法,其主要研究内容如下:1.针对睡眠监测脑电数据不足、不同脑电数据集通道不匹配的问题,提出了基于迁移学习的深度神经网络睡眠分阶方法。研究使用两个睡眠分阶常用的神经网络Seqsleepnet和Deepsleepnet进行研究,首先在源域大型数据集Montreal Archive of Sleep Studies（MASS）上训练好模型参数,初始化上层网络参数。然后,应用目标域sleep-edf expanded的子数据集sleep-cassette,针对网络结构设计了4种不同策略的目标网络微调方法。最终通过5组对照实验,验证了迁移策略的有效性。实验结果表明,本文方法可以很好地适应在不同的脑电信号通道环境下完成知识转移,在小样本上可以有效提高睡眠分阶的准确性。2.针对深度学习网络可解释性较弱,以及单一神经网络对脑电信号表征不足的问题,提出了多网络融合的睡眠分阶方法。本方法结合Seqsleepnet和Deepsleepnet网络,利用快速傅里叶变换提取脑电时频特征,并结合注意力机制和长短期模型,学习睡眠各阶段特征,同时利用CNN网络提取原始EEG数据的不同尺度的睡眠时频特征,并设计LightGBM分类器进行混合特征分类,得到最终的分类结果。本研究共设计了6个实验组,采用了2组数据样本进行验证。实验结果表明,本文方法相比其他对比算法,对于SC健康人的睡眠数据的分阶准确率提高了2.4%-4.94%,对于ST睡眠障碍患者数据集取得了良好的结果,证明了本方法的普遍性和鲁棒性。
唐雨[3]（2021）在《S企业冷链物流技术研发专利策略研究》文中指出专利文献数据是先进科技信息的重要承载体,因此对于技术专利的研发是国家和企业实施创新驱动发展的关键助力,也是企业核心竞争力和创新能力的体现,进行专利布局和技术管理是企业进行专利研发的重要内容。近年来,我国的冷链物流行业的发展不论是在需求量还是市场规模上,增速都相当可观,然而冷链设备属于重型资产且技术准入门槛高,需要较大的成本投入,研发方向偏差或研发失败会给企业带来相当大的损失,故正确地制定专利技术研发策略对企业的发展至关重要。本文针对S企业在冷链物流专利技术研发中面临的专利策略确定问题进行研究。认为企业的技术研发决策主要受企业内部技术研发水平、技术应用水平、外部市场中消费者细分程度和技术间的相互影响作用以及技术自身的发展阶段三个方面的影响。首先利用社会网络分析方法,构建冷链物流领域已申请专利的IPC分类号共现矩阵,进而构建共现网络并在初步分析结果的基础上提出类H-index指标,兼顾节点信息可达性与邻近节点影响力,完成冷链物流专利核心技术的识别;然后基于技术成熟度模型对冷链物流领域内核心技术进行成熟度评估;最后将消费者细分为服务敏感型消费者和服务不敏感型消费者,结合技术的生命周期理论以及技术的核心程度,构建创新链中的专利策略博弈模型,探讨不同专利授权模式下不同技术发展阶段的知识溢出及消费者偏好对冷链服务提供商的最优专利策略的影响。研究表明:（1）冷链物流的关键技术领域为用于运输或储存的为货物提供特殊环境的包装内装入物、冷藏装置的一般特征结构、储存或运输过程中使用到的容器的零部件以及冷链运输或仓储过程中的数据管理系统和行政管理方法等。同时发现冷链物流核心技术领域大多处于成长期,自主研发创新在未来有较好的发展空间。（2）在考虑技术发展的生命周期时,单位费率许可模式时下S企业对新服务的最优定价总是高于固定费用许可模式之下对新服务的最优定价。当S企业选择自主研发时的利润总是随着技术产品的生命周期逐渐走向成熟而增加。低价策略自主研发时的利润总是随着市场中服务敏感型消费者数量的增加而增加,同时在固定费率许可模式下高价策略自主研发的利润仅受到知识溢出水平的影响,与服务敏感型消费者所占的比例无关;单位费率许可模式下,高价策略自主研发时的利润随着服务敏感型消费者的增加而降低。通过实例分析得出,不论S企业选择何种价格策略,在单位费率许可模式下S企业选择自主研发的利润额总是大于在固定费用许可模式下S企业选择自主研发的利润。（3）在固定费用许可模式下选择继续购买专利许可的收益总是大于单位费率许可模式下继续购买专利许可的收益,对于想要获得技术创新的企业会更加倾向于和提供单位费率许可的技术供应商合作,而无技术创新研发需求企业会更加倾向于和提供固定费用许可的技术供应商合作。（4）最后将对模型进行实例分析的结果与S企业现在已经拥有的冷链专利进行对比分析,建议S企业现阶段可以把技术研发创新重点放在储运容器的零部件和物流仓储管理的数据处理系统和方法上。本文的研究成果为S企业提供了一个可供参考的专利技术研发决策框架。可以有效地帮助企业把握冷链物流领域内有商业价值的技术机会,帮助企业在面临诸多内外部不确定性时选择可以使自身利润最大化的专利技术研发策略。
吕璐成,赵亚娟[4]（2021）在《基于专利数据的技术融合研究综述》文中研究表明[目的/意义]基于专利数据开展技术融合研究是技术融合研究的主要方式和热点方向,面向为技术融合后续研究工作开展提供参考和启发的目标,对国内外基于专利数据的技术融合研究现状进行较为全面的综述。[方法/过程]将已有研究按研究内容划分为技术融合测度及预测方法研究、特定领域/多领域间/全领域的技术融合态势测度及趋势预测、技术融合的测度指标研究、影响技术融合的特征因素研究、基于技术融合视角进行技术机会发现以及技术融合与创新的关系研究六类,并对各类别取得的研究成果进行评述。[结果/结论]基于专利数据开展技术融合研究已经取得一定的成果,但是仍旧存在测度依据不合理、预测方法缺乏验证、全领域研究关注度低的问题,这些问题可通过引入语义关系优化技术融合网络、采用图神经网络技术改进技术融合预测方法、完善全领域技术融合测度和预测方法来解决。
张晓霞[5]（2021）在《基于2D信息的3D物体检测研究》文中研究指明近年来,随着社会发展与科技进步,2D图像物体检测在许多方面取得了很大进展。然而,在自动驾驶或增强现实（AR）的许多应用中除了获得2D边界框之外,还需要3D理解。目前随着在移动设备和自动驾驶车辆上3D传感器的普及,许多3D数据被获取和处理。因此,对于3D的理解也就变得格外重要。本文主要研究三维物体检测,它是对物体类别进行分类,并估算物理对象的三维边界框。目前3D物体检测常见的其中一种方法是基于二维驱动实现的,在实际场景检测中有很大局限性。比如光照、遮挡、信息表达单一等问题。为了解决点云密度不均匀导致点特征丢失问题,点云特征提取的不够准确性问题,以及边界框预测不准确的问题,本文研究了点云分割的网络框架,多视图融合的网络框架,以及在特征提取过程增加注意力机制的网络框架。主要研究内容如下:1、针对RGB-D数据的三维物体检测中采用均匀采样点云进行训练导致在实际场景下点云准确率下降的问题,本文提出用Point Conv网络进行检测,来解决部分关键点云特征的丢失问题。本文提出的方法在充分考虑了输入点的排列不变性情况下,使用直接计算点云的神经网络更有利于点云进行分割。同时考虑到Point Net缺少对局部特征的提取,缺乏识别细粒度图案和应用到复杂场景的能力,以及在采样时未考虑密度信息。现实场景中的点云往往是疏密不同的,Point Conv网络正是通过增加密度稀疏区域的权重,让稀疏区域的关键点不丢失,从而让点云特征输出更准确,因此,采用Point Conv网络进行3D实例分割和3D边界框评估,可以得到更准确的结果。2、针对受到串行结构的影响,3D边框估计的结果严重依赖于2D检测的问题,本文提出将Res Net网络提取的RGB图像特征和Point Net网络提取的点云特征进行融合,应用到3D实例分割模块,通过以上方法来提高3D物体分割和3D边界框评估的准确性,解决2D检测可能出现漏检现象导致3D点云数据的不准确性问题。融合网络将使用Res Net网络提取的图像特征和由点云通过Point Net网络产生的相应点云特征作为输入,然后将这些特征进行融合。融合特征的过程相对提高了特征的准确性,并对某些特征加以补充,很大程度上解决了3D边框估计的结果严重依赖于2D检测的问题。3、针对输入的点云数据出现光照与遮挡情况导致特征提取不准确问题,以及最大池化方法破坏点云的信息结构,导致局部特征表达能力弱的问题,本文提出了一种基于卷积注意力机制（Convolutional Attention Mechanism,CAM）的3D物体检测方法。CAM首先在传统特征提取网络结构的第一层和最后一层添加注意力机制,然后将不同层的特征信息进行融合,最后进行归一化操作。CAM实现局部与全局信息融合的同时,显着提高了在光照和遮挡场景下物体检测的准确性。
任卓君[6]（2020）在《基于深度学习的恶意代码可视化检测及分类研究》文中研究表明为了对恶意代码进行深层次的分析以确定其功能属性,研究人员探索了多种检测和识别恶意代码的技术和方法,如静态代码反汇编和动态代码执行,但都存在应用上的局限性。由于静态分析是通过检查程序的控制流来识别内部机制,只能在恶意代码不使用混淆技术时才能获得较全面的信息。而动态分析是在虚拟环境中运行恶意代码,通过观察到的行为刻画其属性,只能在虚拟环境满足触发条件时才能观测到恶意行为。为了克服现有分析技术的缺点,提高安全分析人员的工作效率,帮助他们从海量的可疑数据中快速地提取信息特征来分析、识别并分类恶意文件,迫切需要更加智能的数据分析方法。恶意代码可视化研究就是在上述背景下形成的新研究方向,它通过可视化界面进行科学的推理,以视觉分析派生出可视化对象的新属性,丰富了分析人员的认知。近年来,这一研究方向取得了很多有意义的研究成果。其中较为有效的方法就是将可疑文件用图形图像的数据格式呈现出来,利用视觉模式来表达其隐含的特征及数据差异。该方法可以解决恶意代码研究中的两类问题——恶意代码检测和恶意代码分类,也就是对可疑文件进行分析,确定是否含有恶意内容,一旦显示阳性即被分类机制按其行为及属性特征分配到相应的恶意代码族。但在实际应用中,尚存很多亟待解决的问题限制了恶意代码的可视化分析。因此,本文重点对以下问题进行研究:不能定位字符信息进行交互分析、不能抵御Zip Bomb攻击、不能防范恶意代码通过改变全局图像特征来规避检查的企图、不能直观地反映文件内部是否存在压缩或加密的情况,并对扩展性不强、不适用于检测和分类大规模样本的问题进行了有益的探索。针对以上问题,本文运用人工智能、深度学习、卷积神经网络等相关理论知识,设计了恶意代码可视化分析、检测与分类模型。通过可视化的方式来展现恶意代码的属性特征,从视觉分析上掌握恶意代码行为变化的规律,提高了恶意代码的识别准确率,体现了恶意代码属性特征的直观性和可操作性。本文的主要研究内容概括如下:1、从分析字节本身特征的角度,提出了两种基于字节序列N元语法特征的恶意代码可视化分析方法。方法一（SFCM）,将恶意文件的二进制字节序列,即一元语法（1-gram）特征以空间填充曲线的形式表示,并用不同颜色区分可打印字符和非可见字符,解决了现有的灰度图方法不能定位字符信息进行交互分析的问题,避免了恶意代码数据量过大而引发Zip Bomb攻击的风险。方法二（MDP）,将字节序列的二元语法（2-gram）特征及其统计信息可视化为图像中像素点的坐标及亮度显示,解决了恶意软件通过改变代码段位置或增加冗余信息而造成底层字节特征变化的问题。将这两种方法应用于微软公开的恶意样本集（BIG 2015|Kaggle）,获得的可视化结果经深度卷积网络学习后使用支持向量机分类,分别取得98.36%和99.08%的分类正确率。与此同时,应用这两种方法分别对该恶意样本集和Windows操作系统中正常的可执行文件可视化后进行识别检测,分别取得99.21%和98.74%的恶意代码识别率。另外,所提方法中使用的识别机制还提升了现有灰度图方法的分类正确率及识别准确率。2、从分析字节所反映信息的角度,提出了一种基于局部熵的恶意代码可视化分析方法。该方法将恶意文件分成相同大小的字节块并依次计算熵值,经归一化处理形成固定长度的局部熵值序列,使用不同颜色区分熵值高低,随后扩展熵值范围以增强视觉表现力,最后借助空间填充曲线的局部自相似性实现构图,解决了一般恶意代码分析方法不能直观反映样本是否使用混淆技术的问题,以及现有可视化方法不适用于检测、分类大规模样本的问题。采用该方法可视化上述恶意样本集,经相同的深度融合网络结构学习特征并分类,获得了99.10%的最优分类正确率。该方进行识别检测时,获得了99.48%的最优识别率。另外,该方法采用的深度融合网络还将现有熵直方图方法的分类正确率由65.32%提高到98.93%,将识别准确率从84.53%提高到99.43%。3、从分析字节所构成语义的角度,提出了一种基于操作码频率的恶意代码可视化分析方法。该方法在静态分析反汇编的基础上,获取机器指令中的操作码序列,使用设计的色谱区分常见和罕见的操作码指令,并依据对应颜色向量在RGB空间中的顺序来重排操作码的位置,以此实现关于操作码频率的映射,解决了现有方法视觉区分度不强、分类精准度不高的问题。将该方法应用于同一恶意样本集的ASM格式（反汇编后的恶意样本文件）,可视化结果经深度学习后,取得了98.50%的分类正确率。基于大量的实验结果,本文对给出的创新方法从以下三个方面进行了评估:1)在视觉表现方面,所提方法均能使同族恶意代码生成的图像相似,而异族代码生成的图像差异明显;2)在恶意代码检测、分类方面,所提方法都使用了迁移学习的思想（即运用已有知识对不同但相关领域的问题进行求解的学习方法）,充分地利用了卷积神经网络在图像分类上取得的有益成果,使所设计的模型在恶意代码检测、分类验证中的效果均优于同类型的可视化分析方法;3)在分析效率方面,所提方法构建了研究人员与恶意文件之间直观的视觉通信,降低了对分析人员专业水平和相关经验的要求,并且所提方法生成的图像均经过规范化处理、能以自动执行的方式实现,极大地提高了工作效率。特别要指出的是,前两种创新方法既无需代码反汇编的静态分析,也无需代码执行的动态分析,对使用了混淆技术的恶意代码有很好的适应性。最后,本文对所做工作进行了总结,并对该项研究的未来发展方向进行了讨论。
曾德明,于英杰,文金艳,王媛[7]（2020）在《基于Web of Science分类的学科交叉融合演化特征分析》文中进行了进一步梳理学科交叉融合是基础研究发展的重要趋势和方向,明确学科之间的交叉融合关系特征非常关键。本文基于Web of Science收录的中国学者1978—2017年发表的2627604篇论文的题录信息,运用文献计量和社会网络分析,对交叉融合的论文总量、比例特征、多样性、合着者数量特征进行文献计量分析,通过构建交叉融合网络,分析交叉融合的路径,探究网络的结构演化特征。研究发现,学科交叉融合是当前我国科学创新体系的普遍特征,接近50%的论文涉及学科间交叉融合;学科间融合以两个学科融合为主,但未来的交叉融合将包括比现在更复杂更加多样性的学科组合;交叉融合的广度随时间持续增加,融合的深度却时增时减,且存在路径依赖性;随着工程领域、计算机领域的快速发展,这两个领域在学科融合中发挥重要作用。本研究可以为政府、高校、企业及研究者制定相关政策、优化学科布局、培养交叉融合人才、厘清创新方向等提供借鉴。
王博慧[8]（2020）在《光与无线融合网络中业务传输保障技术研究》文中指出第五代移动通信网络的发展呈现出超高速率、超大连接、超低时延等特点,网络中移动数据流量爆炸性增长,各种类型新业务和新应用场景不断涌现。光无线融合网络支持更高的数据传输速率,具有良好的端到端性能,为低延迟、低功耗的基础设施建设和应用研究提供了新的解决方案。随着光无线互连技术的广泛应用,通信网络的连接结构越来越复杂,对不同种类业务传输保障能力的要求也越来越高。设计适用于5G场景的高速率、高可靠且资源高效的光无线融合网络架构已引起广泛关注,并成为研究热点。本文针对光与无线融合网络中链路出现故障及不合理的业务调度引发业务阻塞的关键问题,旨在提出有效的业务传输保障策略。研究大规模网络中多链路故障定位技术,及时、精确地找出故障位置,避免经过相应链路的业务发生中断。提出高效的业务调度方案,在有限的网络资源下满足大量业务接入的需求。本文主要创新成果如下:第一,针对大规模光无线融合网络中多链路故障定位效率低的问题,提出基于Hopfield神经网络的高效故障定位算法。通过设计合适的神经网络能量函数将描述疑似故障与告警信息间对应关系的有向二部图映射到神经网络上,利用神经网络快速解决组合优化问题的能力化简该二部图,并找到网络中最有可能发生故障的具体位置。第二,针对大规模光无线融合网络中多链路故障定位精度差的问题,优化故障定位算法。结合二部图中所有疑似故障“度”的概念,进一步分析细化网络故障和告警信息间的对应概率关系,并将其应用在对每个神经元初始化的过程中,避免神经网络在计算运行过程中陷入问题的局部最优解,提高故障定位的精度。第三,针对大规模光无线融合网络中业务接入发生阻塞的问题,提出基于业务优先级的闭环动态业务调度策略。在分析用户优先级的基础上,在应用层考虑不同业务对网络带宽、服务时间等的差异性需求,在网络层考虑光网络及无线网络实时的带宽资源利用率,结合时变的网络状态调整业务调度执行方案。仿真结果证明所提方案与传统方案相比能有效降低业务传输阻塞率及平均响应时延,同时提高了网络中带宽资源利用率,进一步保障大量业务传输的可靠性。
胡壮壮[9]（2020）在《基于红外和可见光图像的水上目标识别研究》文中研究指明在航运愈加密集的情况下,水上事故的频繁发生对人民的生命安全和生态环境造成了严重的危害,对水上目标进行全天时的智能识别已成为世界各国普遍的关注问题。随着各种传感设备性能的不断提升,多源影像在目标信息获取中存在巨大优势,因此急需利用不同探测手段实现水上目标智能识别,最大限度地保障航行安全。本文主要研究了基于红外和可见光图像的水上船只识别方法,主要内容包括如下。（1）针对传统船只识别算法对同一视场中,大小不一的多形态船只识别精度低的问题,研究并实现了基于单步级联神经网络的多形态船只准确识别方法。该网络由特征提取、尺度变换和分类回归三个模块组成,首先对自建数据集聚类分析生成适当的anchors作为目标检测的先验框,并在模型训练过程中引入GIo U评价指标提高困难样本对损失优化的贡献程度;然后设计四种尺度的特征金字塔,经过尺度变换模块完成高低阶特征融合;最终利用分类和回归模块完成多尺度预测,实现在可见光条件下,対微小船只和大型船只的一体化精确识别。通过対公开数据集和自建数据集测试,证明本方法在检测识别精度和速度上都优于其他对比方法。（2）针对红外和可见光融合识别过程中,配对的红外训练数据集不足和标注困难的问题,研究并实现基于双向生成对抗网络的红外和可见光图像高逼真转化方法。该方法设计两组生成器和判别器互相对抗性学习,经过交叉损失实现网络迭代更新,同时在生成器中引入深度残差块完成红外和可见光图像的不同层次的特征提取和转化,最终完成红外和可见光图像的互相转化和自动化标注。为后续的融合识别提供高质量的训练样本集。（3）针对红外和可见光融合识别过程中,指导性融合策略缺乏导致融合识别精度低的问题,研究并实现了基于对称融合网络的红外和可见光船只精确识别方法。该方法利用双流特征提取模块完成红外和可见光图像各自特征提取,经过张量拼接完成特征融合,在分类和回归的过程中,设计自适应权值分配模块调整红外和可见光的特征比例,得到最终的检测识别结果,完成全天时目标识别任务。通过対多组实际数据测试,证明本方法的识别效果优于其他方法。
夏凡[10]（2020）在《新兴产业技术融合方向预测方法研究》文中研究表明随着技术创新需求日益复杂与多元化,技术融合的研究价值日渐突出,已引起各级政府、各领域专家学者关注。技术融合并非全新的研究主题,但其相关研究仍处于探索阶段,特别是如何有效测度产业技术融合水平、及时展开科学预测等研究问题仍有待深入探讨。此外,技术融合已成为新兴产业技术创新重要趋势与必然选择,准确把握未来技术融合方向对新兴产业创新机会把握、技术融合创新决策具有重要意义,亟需运用先进的理论、研究方法展开新兴产业技术融合方向预测研究。在对国内外新兴产业、技术融合以及链路预测等方面相关研究成果进行归纳与梳理基础上,界定出新兴产业技术融合内涵;分析新兴产业技术融合过程,明确了融合影响因素、融合发生条件、融合特征;提出新兴产业技术融合方向预测方法架构。选取相应分析指标,提出技术融合状态分析方法,把握当前技术融合状态与对融合产生重要影响的技术领域;综合考虑多技术领域之间相互作用对技术融合的影响,引入链路预测方法,设计基于全局路径Katz指标的融合技术对预测方法,阐明未来技术融合方向判断过程。通过对我国电动汽车产业技术融合方向进行预测,表明整套方向预测方法的适用与可行,并提出产业未来技术融合发展建议。本文设计的新兴产业技术融合方向预测方法,在一定程度上丰富了技术融合预测的理论研究内容。同时该方法的应用及技术融合方向的得出有利于新兴产业创新主体有效识别未来技术机会、合理开展技术创新布局,以及为政府制定有关创新引导政策提供参考。
二、Avaya布局融合网络（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、Avaya布局融合网络（论文提纲范文）
（1）浅析演播室融合网络控制管理系统架构及特点——以湖北广播电视台为例（论文提纲范文）
| 1 系统功能 |
| 2 系统组成 |
| 2.1 硬件架构 |
| 2.2 系统软件 |
| 3 系统控制 |
| 3.1 对各专业系统控制的路由 |
| 3.2 系统的同步触发方式 |
| 4 系统优势 |
| 5 应用前景 |
（2）基于迁移学习的自动睡眠分阶融合网络研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景介绍 |
| 1.2 基于EEG自动睡眠分阶技术的发展现状 |
| 1.2.1 基于特征选择的自动睡眠分阶研究 |
| 1.2.2 基于深度学习的自动睡眠分阶研究 |
| 1.2.3 不同脑电信号分类处理方法比较 |
| 1.3 本文主要研究工作 |
| 1.4 论文组织架构 |
| 第二章 自动睡眠分阶方法相关理论介绍 |
| 2.1 睡眠数据集处理介绍 |
| 2.1.1 非侵入式EEG采集 |
| 2.1.2 数据集介绍 |
| 2.1.3 数据预处理 |
| 2.2 针对特征选择的自动睡眠分阶方法介绍 |
| 2.2.1 特征提取相关知识 |
| 2.2.2 特征选择相关知识 |
| 2.2.3 特征融合相关知识 |
| 2.3 基于深度学习的自动睡眠分阶相关方法介绍 |
| 2.3.1 神经网络历史发展 |
| 2.3.2 卷积神经网络介绍 |
| 2.3.3 迁移学习相关知识介绍 |
| 2.4 本章小结 |
| 第三章 基于迁移学习的自动睡眠分阶方法 |
| 3.1 迁移学习的意义 |
| 3.2 基于迁移学习的自动睡眠分阶方法的具体设计 |
| 3.3 知识迁移训练 |
| 3.4 实验设计与结果分析 |
| 3.4.1 实验环境 |
| 3.4.2 实验设计 |
| 3.4.3 实验结果分析 |
| 3.5 本章小结 |
| 第四章 基于融合网络的自动睡眠分阶方法 |
| 4.1 多特征融合网络的意义 |
| 4.2 融合网络的具体方法设计 |
| 4.3 基于时序特征提取的Seqsleepnet网络 |
| 4.4 基于时频分析的Deepsleepnet网络 |
| 4.5 基于LightGBM的特征融合 |
| 4.6 实验设计与结果分析 |
| 4.6.1 实验环境 |
| 4.6.2 实验设计 |
| 4.6.3 实验结果分析 |
| 4.7 本章小结 |
| 总结和展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间取得的科研成果 |
（3）S企业冷链物流技术研发专利策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究目的及研究内容 |
| 1.2.1 研究目的 |
| 1.2.2 研究内容 |
| 1.3 研究方法 |
| 1.4 创新讨论 |
| 1.5 本章小结 |
| 第2章 文献综述 |
| 2.1 冷链物流发展现状 |
| 2.1.1 国外冷链物流发展现状 |
| 2.1.2 我国冷链物流发展现状 |
| 2.2 企业技术研发研究现状 |
| 2.2.1 供应链技术创新研究现状 |
| 2.2.2 核心技术研究现状 |
| 2.2.3 技术生命周期研究现状 |
| 2.2.4 知识溢出研究现状 |
| 2.3 专利分析研究现状 |
| 2.3.1 企业技术研发管理的研究现状 |
| 2.3.2 企业专利管理策略 |
| 2.3.3 效用理论在专利分析中的研究现状 |
| 2.4 本章小结 |
| 第3章 S企业冷链物流业务发展现状及问题分析 |
| 3.1 S企业冷链物流业务发展现状 |
| 3.1.1 S企业简介 |
| 3.1.2 S企业冷链物流发展历史 |
| 3.1.3 S企业现有主要冷链业务 |
| 3.2 S企业冷链物流技术应用及专利持有情况 |
| 3.2.1 S企业冷链技术应用及发展现状 |
| 3.2.2 S企业专利技术研发投入现状 |
| 3.2.3 S企业冷链专利技术持有情况 |
| 3.2.4 S企业专利研发基本流程 |
| 3.2.5 S企业冷链物流技术发展瓶颈分析 |
| 3.3 影响S企业专利策略的关键因素简析 |
| 3.3.1 技术核心程度 |
| 3.3.2 专利技术持有者的专利授权策略 |
| 3.3.3 消费者细分 |
| 3.3.4 技术生命周期 |
| 3.4 本章小结 |
| 第4章 冷链物流领域技术创新机会识别 |
| 4.1 基本思路 |
| 4.2 冷链物流核心技术挖掘 |
| 4.2.1 研究方法 |
| 4.2.2 数据来源及描述性分析 |
| 4.2.3 冷链物流技术融合网络构建 |
| 4.2.4 类H-index的计算 |
| 4.2.5 结果分析 |
| 4.3 冷链物流领域核心技术成熟度分析 |
| 4.3.1 数据来源及研究方法 |
| 4.3.2 冷链物流技术生命周期预测模型 |
| 4.3.3 冷链物流技术生命周期预测结果及分析 |
| 4.3.4 S 企业技术研发方向建议 |
| 4.4 本章小结 |
| 第5章 市场细分下S企业专利策略分析 |
| 5.1 问题描述及符号说明 |
| 5.1.1 问题描述 |
| 5.1.2 符号说明 |
| 5.2 消费者细分下的需求分析 |
| 5.3 基本模型的建立与求解 |
| 5.3.1 市场细分下固定费用许可模式时的模型建立及求解 |
| 5.3.2 市场细分下单位费率许可模式时的模型建立及求解 |
| 5.4 专利策略决策分析 |
| 5.4.1 供应商的决策分析 |
| 5.4.2 S企业专利策略决策分析 |
| 5.5 本章小结 |
| 第6章 考虑技术生命周期的S企业专利策略分析 |
| 6.1 问题描述及符号说明 |
| 6.1.1 问题描述 |
| 6.1.2 符号说明 |
| 6.2 模型的建立与求解 |
| 6.2.1 技术生命周期视角下固定费用许可模式时的模型建立与求解 |
| 6.2.2 技术生命周期视角下单位费率许可模式时的模型建立与求解 |
| 6.3 专利策略决策分析 |
| 6.3.1 企业专利策略决策分析 |
| 6.3.2 算例分析 |
| 6.4 S企业冷链物流领域专利研发策略决策建议 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望与不足 |
| 参考文献 |
| 致谢 |
（4）基于专利数据的技术融合研究综述（论文提纲范文）
| 1 引言 |
| 2 已有研究分类综述 |
| 2.1 技术融合测度及预测方法研究 |
| 2.1.1 技术表示方法 |
| 2.1.2 技术融合关系的构建 |
| 2.1.3 融合程度测度以及重要融合关系的识别提取 |
| 2.1.4 技术融合的动态分析 |
| 2.1.5 技术融合的未来趋势预判问题 |
| 2.2 特定领域/多领域间/全领域的技术融合态势测度及趋势预测 |
| 2.3 技术融合的测度指标研究 |
| 2.3.1 整体网络测度指标 |
| 2.3.2 网络节点重要性测度指标 |
| 2.3.3 技术凝聚性与多样性测度指标 |
| 2.4 影响技术融合的特征因素研究 |
| 2.5 基于技术融合视角进行技术机会发现(识别新兴技术或前沿技术) |
| 2.6 技术融合与创新的关系研究 |
| 3 总结及展望 |
（5）基于2D信息的3D物体检测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 存在的问题及分析 |
| 1.4 论文的主要研究内容与创新点 |
| 1.5 论文的组织结构与安排 |
| 第2章 三维物体检测相关理论知识 |
| 2.1 二维驱动三维物体检测 |
| 2.2 点云 |
| 2.3 注意力机制 |
| 2.3.1 注意力机制基本概念 |
| 2.3.2 CBAM注意力模型 |
| 2.4 RGB图像和点云的融合 |
| 2.5 三维物体检测主要评价指标及分析方法 |
| 2.6 本章小结 |
| 第3章 基于PointConv网络的三维物体检测 |
| 3.1 引言 |
| 3.2 基于PointConv网络的三维物体检测 |
| 3.2.1 问题描述 |
| 3.2.2 PointConv网络 |
| 3.2.3 整体网络架构 |
| 3.2.4 损失函数 |
| 3.2.5 实验结果及分析 |
| 3.3 本章小结 |
| 第4章 基于多视图融合网络的三维物体检测 |
| 4.1 引言 |
| 4.2 基于多视图融合的网络的三维物体检测 |
| 4.2.1 问题描述 |
| 4.2.2 融合网络 |
| 4.2.3 整体网络架构 |
| 4.2.4 损失函数 |
| 4.2.5 实验结果分析 |
| 4.3 本章小结 |
| 第5章 基于注意力机制的三维物体检测 |
| 5.1 引言 |
| 5.2 基于注意力机制的三维物体检测 |
| 5.2.1 问题描述 |
| 5.2.2 注意力机制 |
| 5.2.3 整体网络架构 |
| 5.2.4 损失函数 |
| 5.2.5 实验结果分析 |
| 5.3 本章小结 |
| 总结和展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读硕士学位期间发表的学术论文 |
（6）基于深度学习的恶意代码可视化检测及分类研究（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 研究综述 |
| 1.2.1 传统的恶意代码分析方法 |
| 1.2.2 恶意代码的可视化分析 |
| 1.2.3 恶意代码可视分析中研究对象及设计方案比较 |
| 1.3 主要研究工作及创新点 |
| 1.4 论文的组织结构 |
| 第二章 恶意代码可视化检测与分类模型的设计 |
| 2.1 引言 |
| 2.2 可视化模块 |
| 2.2.1 恶意样本选取及处理 |
| 2.2.2 基于空间填充曲线的可视化方案设计 |
| 2.3 分析/检测/分类模块 |
| 2.3.1 深度学习框架的选择 |
| 2.3.2 卷积网络层的结构设计 |
| 2.3.3 分类器层的算法实现 |
| 2.4 本章小结 |
| 第三章 基于字节n元语法特征的恶意代码可视化分析方法 |
| 3.1 引言 |
| 3.2 方法描述 |
| 3.2.1 基于空间填充曲线的恶意代码可视化分析方法 |
| 3.2.2 基于字节序列二元语法特征的恶意代码可视化方法 |
| 3.3 实验结果分析 |
| 3.3.1 可视化结果的视觉分析 |
| 3.3.2 分类性能比较 |
| 3.3.3 恶意代码识别效果分析 |
| 3.4 所提两种方法的统计学比较 |
| 3.5 混淆技术的影响分析 |
| 3.6 本章小结 |
| 第四章 基于局部熵的恶意代码可视化分析方法 |
| 4.1 引言 |
| 4.2 方法描述 |
| 4.3 实验结果分析 |
| 4.3.1 可视化结果的视觉分析 |
| 4.3.2 分类性能比较 |
| 4.3.3 恶意代码识别效果分析 |
| 4.4 本章小结 |
| 第五章 基于操作码频率的恶意代码可视化分析方法 |
| 5.1 引言 |
| 5.2 方法描述 |
| 5.3 实验结果分析 |
| 5.3.1 可视化结果的视觉分析 |
| 5.3.2 分类性能比较 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| A.1 Hcurve曲线的代码实现(Python) |
| A.2 Hilbert曲线的代码实现(Python) |
| A.3 攻读博士学位期间取得的成果和参与的项目 |
| 致谢 |
（7）基于Web of Science分类的学科交叉融合演化特征分析（论文提纲范文）
| 1 引言 |
| 2 数据与研究方案 |
| 2.1 数据的来源与获取 |
| 2.2 研究方案的设计 |
| 2.2.1 学科和领域的划分 |
| 2.2.2 交叉融合网络的构建 |
| 3 学科交叉融合演化特征 |
| 3.1 交叉融合论文的数量特征 |
| 3.1.1 交叉融合论文总量及比例特征 |
| 3.1.2 交叉融合论文的多样性特征 |
| 3.1.3 交叉融合论文的合着者数量特征 |
| 3.2 交叉融合的路径 |
| 3.2.1 领域间交叉融合的路径 |
| 3.2.2 学科间交叉融合的路径 |
| 3.3 交叉融合网络结构的演变 |
| 3.3.1 领域间交叉融合网络结构的演变 |
| 3.3.2 学科间交叉融合网络结构的演变 |
| 4 结论和启示 |
（8）光与无线融合网络中业务传输保障技术研究（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 国内外研究现状 |
| 1.2.1 光无线融合网络研究进展 |
| 1.2.2 多链路故障定位研究进展 |
| 1.2.3 业务调度研究进展 |
| 1.3 主要工作和论文组成 |
| 1.3.1 主要工作 |
| 1.3.2 论文组成 |
| 第二章 多链路故障高效定位算法 |
| 2.1 多链路故障定位机制及HNN简介 |
| 2.1.1 光无线融合网络中多链路故障定位流程 |
| 2.1.2 HNN简介及优势分析 |
| 2.2 基于CHNN的故障定位算法 |
| 2.2.1 网络建模 |
| 2.2.2 故障定位问题映射 |
| 2.2.3 构建能量函数 |
| 2.3 仿真性能分析与讨论 |
| 2.3.1 仿真设定与评价指标 |
| 2.3.2 仿真结果与分析 |
| 2.4 本章小结 |
| 第三章 多链路故障精准定位算法 |
| 3.1 CHNN动力学特性及图论理论 |
| 3.1.1 CHNN的神经动力学特性 |
| 3.1.2 图论理论简介 |
| 3.2 基于改进CHNN初始化方案的精准故障定位算法 |
| 3.2.1 CHNN-FL算法动力学分析 |
| 3.2.2 精准定位算法模型设计 |
| 3.2.3 故障定位总体流程 |
| 3.3 仿真性能分析与讨论 |
| 3.3.1 仿真设定与评价指标 |
| 3.3.2 仿真结果与分析 |
| 3.4 本章小结 |
| 第四章 基于业务优先级的动态业务调度策略 |
| 4.1 光无线融合网络高效业务调度需求 |
| 4.1.1 新业务场景下的新需求 |
| 4.1.2 当前技术存在的问题 |
| 4.2 动态业务调度方案 |
| 4.2.1 调度流程规划 |
| 4.2.2 业务优先级判定方法 |
| 4.2.3 业务队列更新策略 |
| 4.3 仿真性能分析与讨论 |
| 4.3.1 仿真设定与评价指标 |
| 4.3.2 仿真结果与分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
（9）基于红外和可见光图像的水上目标识别研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 目标检测识别方法研究现状 |
| 1.2.1 单波段目标检测识别现状 |
| 1.2.2 红外和可见光融合检测识别算法现状 |
| 1.2.3 数据增强技术研究现状 |
| 1.3 本论文课题来源及主要研究内容 |
| 1.3.1 本论文课题来源 |
| 1.3.2 主要研究内容 |
| 第二章 基于单步级联神经网络的多形态船只准确识别 |
| 2.1 引言 |
| 2.2 传统检测识别算法基本原理 |
| 2.2.1 YOLO系列检测识别算法 |
| 2.2.2 R-CNN系列检测识别算法 |
| 2.3 基于单步级联神经网络的多形态船只识别 |
| 2.3.1 多维度特征组合方法 |
| 2.3.2 单步级联神经网络结构 |
| 2.3.3 Anchors的生成 |
| 2.3.4 正负样本鉴定 |
| 2.3.5 损失函数 |
| 2.4 实验结果和分析 |
| 2.4.1 实验数据集 |
| 2.4.2 网络训练 |
| 2.4.3 结果与分析 |
| 2.5 本章小结 |
| 第三章 基于双向生成对抗网络的红外和可见光图像高逼真转化 |
| 3.1 引言 |
| 3.2 生成对抗网络基本原理 |
| 3.3 基于双向生成对抗网络的红外和可见光图像转化 |
| 3.3.1 双向生成对抗网络结构 |
| 3.3.2 损失函数 |
| 3.4 实验结果与分析 |
| 3.4.1 实验数据集 |
| 3.4.2 网络训练 |
| 3.4.3 结果与分析 |
| 3.5 本章小结 |
| 第四章 基于对称融合网络的红外和可见光船只精确识别 |
| 4.1 引言 |
| 4.2 信息融合分类 |
| 4.3 基于对称融合网络的红外和可见光船只识别 |
| 4.3.1 对称融合网络结构 |
| 4.3.2 损失函数 |
| 4.4 软件设计和实现 |
| 4.4.1 软件需求分析 |
| 4.4.2 界面设计 |
| 4.5 实验结果和分析 |
| 4.5.1 实验数据集 |
| 4.5.2 网络训练 |
| 4.5.3 结果和分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）新兴产业技术融合方向预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状及评述 |
| 1.3.1 新兴产业技术创新 |
| 1.3.2 技术融合过程及对产业发展的影响 |
| 1.3.3 技术融合预测 |
| 1.3.4 国内外研究现状评述 |
| 1.4 研究内容与方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 第2章 新兴产业技术融合过程及方向预测方法架构 |
| 2.1 新兴产业技术融合内涵与分类 |
| 2.1.1 新兴产业技术融合内涵 |
| 2.1.2 新兴产业技术融合分类 |
| 2.2 新兴产业技术融合特征 |
| 2.2.1 复杂性 |
| 2.2.2 非线性 |
| 2.2.3 动态演化性 |
| 2.2.4 融合技术偏好性 |
| 2.3 新兴产业技术融合过程及条件 |
| 2.3.1 新兴产业技术融合过程 |
| 2.3.2 新兴产业技术融合影响因素 |
| 2.3.3 新兴产业技术融合条件 |
| 2.4 新兴产业技术融合方向预测方法架构 |
| 2.4.1 融合方向预测思路与要点 |
| 2.4.2 专利与技术融合的映射关系 |
| 2.4.3 融合方向预测方法及流程 |
| 2.5 本章小结 |
| 第3章 新兴产业技术融合状态分析方法 |
| 3.1 新兴产业技术融合状态分析思路与内容 |
| 3.1.1 技术融合状态分析思路 |
| 3.1.2 技术融合状态分析内容 |
| 3.2 基于专利IPC的新兴产业技术融合网络构建 |
| 3.2.1 专利IPC共现信息提取 |
| 3.2.2 专利IPC共现矩阵构建 |
| 3.2.3 技术融合网络构建及可视化 |
| 3.3 新兴产业技术融合状态分析指标 |
| 3.3.1 技术融合状态分析指标选取原则 |
| 3.3.2 技术融合状态分析指标及其内涵 |
| 3.4 新兴产业技术融合状态分析与判断 |
| 3.4.1 整体产业技术融合状态分析 |
| 3.4.2 细分领域技术融合状态分析 |
| 3.4.3 新兴产业技术融合状态判断过程 |
| 3.5 本章小结 |
| 第4章 新兴产业融合技术对预测方法 |
| 4.1 新兴产业融合技术对预测方法选择与预测思路 |
| 4.1.1 融合技术对预测方法的选择 |
| 4.1.2 融合技术对预测思路与流程 |
| 4.2 新兴产业融合技术对预测指标确定与邻接矩阵构建 |
| 4.2.1 不同预测指标适用性比较 |
| 4.2.2 基于全局路径的Katz指标定义 |
| 4.2.3 边列表提取与邻接矩阵构建 |
| 4.3 新兴产业融合技术对识别 |
| 4.3.1 融合技术对预测精度评价 |
| 4.3.2 融合技术对预测值排序 |
| 4.3.3 融合技术对识别 |
| 4.4 新兴产业未来技术融合方向判断过程 |
| 4.5 本章小结 |
| 第5章 我国电动汽车产业技术融合方向预测 |
| 5.1 电动汽车产业专利信息收集 |
| 5.2 电动汽车产业技术融合状态分析 |
| 5.2.1 电动汽车产业技术融合网络构建 |
| 5.2.2 电动汽车整体产业融合状态 |
| 5.2.3 电动汽车细分领域融合状态 |
| 5.3 电动汽车产业融合技术对预测 |
| 5.3.1 电动汽车产业技术融合特点 |
| 5.3.2 电动汽车产业融合技术对预测过程及结果 |
| 5.3.3 电动汽车产业未来技术融合方向确定 |
| 5.4 电动汽车产业技术融合发展建议 |
| 5.5 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 |
四、Avaya布局融合网络（论文参考文献）
- [1]浅析演播室融合网络控制管理系统架构及特点——以湖北广播电视台为例[J]. 王伟,王海涛,袁畅. 演艺科技, 2021(06)
- [2]基于迁移学习的自动睡眠分阶融合网络研究[D]. 张侃. 西北大学, 2021(12)
- [3]S企业冷链物流技术研发专利策略研究[D]. 唐雨. 东华大学, 2021(01)
- [4]基于专利数据的技术融合研究综述[J]. 吕璐成,赵亚娟. 图书情报工作, 2021(06)
- [5]基于2D信息的3D物体检测研究[D]. 张晓霞. 兰州理工大学, 2021(01)
- [6]基于深度学习的恶意代码可视化检测及分类研究[D]. 任卓君. 东华大学, 2020(03)
- [7]基于Web of Science分类的学科交叉融合演化特征分析[J]. 曾德明,于英杰,文金艳,王媛. 情报学报, 2020(08)
- [8]光与无线融合网络中业务传输保障技术研究[D]. 王博慧. 北京邮电大学, 2020(05)
- [9]基于红外和可见光图像的水上目标识别研究[D]. 胡壮壮. 西安电子科技大学, 2020
- [10]新兴产业技术融合方向预测方法研究[D]. 夏凡. 哈尔滨理工大学, 2020(02)