一、基于模型的动态分层诊断技术（论文文献综述）
田乃予[1]（2021）在《基于布尔可满足性的若干方法研究》文中研究表明布尔可满足性问题（Boolean Satisfiability Problem,SAT）是人工智能自动推理领域中的一个经典问题。追溯至1971年,Cook从图灵机的角度证明了SAT是NP（Non-deterministic Polynomial）完全问题。作为第一个被证明的NP完全问题,SAT具有重要的理论意义和实践价值。随着SAT求解算法的不断发展,如今其研究成果被广泛应用于计算机科学、数理逻辑和集成电路等领域,并逐渐成为许多问题求解的核心技术。SAT是基于布尔逻辑这一底层表达的,因此许多问题都可以转化为SAT问题进行求解。极小修正集（Minimal Correction Subset,MCS）的求解是SAT问题的一个重要扩展形式,现已成功应用于基于模型诊断（Model-Based Diagnosis,MBD）、单目标优化和多目标组合优化（Multi-Objective Combinatorial Optimization,MOCO）等多种热点问题,具有非常重要的研究意义。当问题的约束条件不能同时满足时,产生一个不可行系统,需要探究不可满足的原因并使系统可行。对MCS的求解正是不可行分析中的关键任务,因为MCS的移除可以修正不可满足性。本文研究基于SAT求解MCS的相关方法,针对现有的结合MCS求解MBD问题和MOCO问题的不足和技术难题,提出解决方案进行改进,旨在提高MBD问题的求解效率和MOCO问题的求解算法性能。主要内容如下:1)提出基于子集一致性检测的诊断解极小性判定方法（Subset Consistency Detection,SCD）。结合集合枚举树的基于SAT的MBD方法是目前直接求解诊断的主流方法之一。此类方法通过SAT求解器对候选解进行一致性检测,判定是否为诊断解,但过程中不能保证诊断解的极小性,需要辅以极小性检测过程来进行判定。因此,本文针对传统极小性检测方法随着诊断解数量增多,检测难度提高,耗时增大的不足,依据MCS思想提出基于子集一致性检测的诊断解极小性判定方法。当MBD问题建模为SAT问题进行求解时,极小子集诊断与MCS是等价的。该方法首先结合SAT问题中MCS与MBD问题中极小子集诊断等价的性质,研究诊断解的极小性与该诊断解子集的关系,给出基于子集一致性的诊断解极小性判定相关定理。其次,通过利用SAT求解器对诊断解少数几个子集的一致性检测来给出该诊断解的极小性判定。实验结果表明,该方法有效地避免了求解过程中诊断解个数增加对效率的影响,进而提高了诊断算法的整体求解效率。2)提出不可满足核指导的基于MCS路径多样化方法（Core-Guided Path Diversification for Minimal Correction Subset Enumeration,Cg PDMCS）。近几年,经研究发现,枚举MCS可以求解MOCO问题并取得了良好的效果。目前的基于MCS的MOCO方法主要通过在MCS枚举的过程中添加优化机制,以便于有指导性地获取更好的解集。其中,路径多样化机制的加入对提升算法性能起到了关键的作用。然而路径多样化方法虽然能够为MOCO问题提供更好的解集,但仍然存在冗余的搜索空间未能有效缩减。因此,本文针对此不足,提出不可满足核指导的基于MCS路径多样化方法。首先,该方法充分利用不可满足核的性质,提出不可行路径的定义和定理,对MOCO问题的冗余搜索空间进行剪枝。其次,为了丰富基于MCS的算法为MOCO问题获取解集的多样性,该方法利用不可满足核指导多样化路径的变量选择。该方法有效地避免了在不可行路径的求解上浪费时间,拓展了路径多样化,从而提升了算法性能,使算法可以在限定时间内获得更好的解集。实验结果表明,与原始的多样化路径方法相比,该方法为MOCO问题提供了收敛性和多样性更好的解集,尤其是对于受到严格约束的实例。3)提出基于动态评分的分层MCS方法（Dynamic Score Based Stratification for Clause D,DSSCLD）。对于在宽松约束下的MOCO实例,当前大多数基于MCS的MOCO方法的性能通常不如进化算法表现可观,仍需进一步改进。随着分层MCS策略在单目标优化问题上取得了良好的效果,将分层MCS策略应用于求解MOCO问题也使算法在宽松的约束下获得了更好的性能,得到的解集能更好的近似Pareto前沿且更具多样性,但该分层方法在多个目标间的平衡上仍然存在欠缺。因此,针对该问题,本文提出了基于动态评分的分层MCS方法求解MOCO问题。首先,给出动态分数的定义,并为目标函数的分层设计了两个动态评分规则。RULE-1在多个目标之间进行选择生成组合分区序列时,有指导性地更新每个目标对应的动态分数。RULE-2在获得MCS后,根据目标的优化比率为下一次迭代中的新序列分配初始动态分数。其次,采用Softmax函数将动态分数映射为概率,以便动态地在目标函数间进行分区选择。实验结果表明,基于动态评分的分层MCS方法指导算法在求解MOCO问题中获得多样性和收敛性更优的解集,有效地改进了当前最先进的基于MCS的MOCO方法。
邢朋毅[2]（2021）在《磁共振影像组学与数据分析在前列腺癌检测、风险分层与神经侵袭中的应用研究》文中提出前列腺癌（prostate cancer,PCa）是威胁人类生命和健康的全球性公共卫生问题,对男性泌尿生殖系统造成巨大危害。2021年美国国家癌症研究所的统计数据显示,前列腺癌在112个国家中是最常见的男性肿瘤,居于全球新发肿瘤病例第四位,作为男性死亡的第五大病因,其死亡率占男性生殖系统肿瘤性疾病的97%以上。与欧美国家相比,我国目前前列腺癌的发病率不高,随着饮食结构和生活环境发生了巨大改变,老龄人口不断增加,前列腺癌发病率逐年上升。多参数磁共振成像（mp-MRI）是目前诊断前列腺疾病最佳的影像学方法,在前列腺癌早期诊断、治疗方案选择、评估疗效及预后等方面具有重要价值。随着多参数磁共振的广泛应用,更多的局灶性前列腺癌被检出,并且定位精确,为早期前列腺癌的精准治疗提供了有利的条件,为了使前列腺磁共振成像的采集、解释和报告标准化,欧洲泌尿生殖放射学会（ESUR）于2012年开发了前列腺成像报告和数据系统（PIRADS）。ESUR与美国放射学院和Ad Me Tech基金会合作,于2015年发布了更新版PI-RADS v2,并于2019年发布了PI-RADS v 2.1。所有的PI-RADS版本都为图像采集的协议和规范提供了指导,该评分系统有助于活检的确定和临床显着性前列腺癌的管理。近年来随着PI-PADS的提出以及基于大数据的人工智能迅速发展,使基于MRI的前列腺影像组学研究广泛开展。传统影像医学模式是对图像进行形态学及半定量的分析,而影像组学是将传统的医学影像图像转换为可挖掘的数据信息,将数字影像信息、统计学、机器学习等方法融合,充分挖掘和深入分析图像中潜在的信息,进行高通量定量分析,实现对影像学检查结果最高效地利用。影像组学比形态学视觉分析能更全面、定量地显示肿瘤的异质性,可以用于多种医学图像,以协助临床作出诊断和选择治疗,在一定程度上弥补传统诊断方法的不足,影像组学的分析方法为评估前列腺癌的生物学特性和异质性提供了一种无创的工具。影像组学目前在前列腺癌方面的应用包括肿瘤的诊断和分期、疗效评价和预后分析以及基因预测。基于这种背景,我们开展了本项研究。本研究包含三个章节的内容:第一章基于磁共振双参数直方图的纹理分析检测前列腺临床显着性癌;第二章基于双参数磁共振成像影像组学机器学习的前列腺癌风险分层;第三章磁共振影像组学列线图术前预测前列腺癌神经周围侵犯的价值评估第一章基于双参数磁共振直方图的纹理分析检测前列腺临床显着性癌背景和目的:前列腺癌（prostate cancer,PCa）是当今全球老年男性中最常见的恶性肿瘤之一。目前,随着我国居民经济状况和生活水平的不断改善,前列腺癌在中国的发病率持续升高,成为影响许多家庭正常生活的主要健康问题。2017年欧洲泌尿外科协会PCa指南建议格里森评分（Gleason score,GS）<7的PCa患者进行积极的监测和随访观察,而GS≥7的临床显着性前列腺癌（CSPC）患者由于病情进展的风险增加,且总体生存期较短,应及时采取治疗干预措施。因此,通过准确的风险评估为这些患者选择最佳治疗方法显得至关重要,影像组学纹理分析可以评估像素强度的空间相互关系,用于量化病变的异质性。从标准医疗成像中提取肉眼不可见的定量数据,可能有助于提高诊断准确度和临床决策水平。本研究通过提取前列腺结节病灶及全前列腺内的双参数MR影像组学直方图纹理特征,应用纹理分析检测前列腺临床显着性癌,并评估PI-RADS、临床指标、纹理特征以及三者结合检测前列腺临床显着性癌的效能。方法:收集260例经病理证实的前列腺结节患者的临床资料,所有前列腺非癌性结节患者均行经超声引导下靶向穿刺活检,癌性病灶均行机器人前列腺根治全切术（RP）。病理标本均经HE染色及免疫组织化学分析。其中临床显着性癌（Gleason评分≥7）106例,非临床显着性癌（Gleason评分<7）154例。所有患者均接受3.0T MRI检查,采集参数相同,并统计与前列腺癌相关的临床危险因素（年龄、病灶大小、前列腺体积、PSAD、PSA）及PI-RADS评分。该研究基于双参数前列腺MRI（Bp MRI）序列（包括横轴位T2WI和ADC图像）,使用原型多参数磁共振分析软件Multiparametric Analysis v1.2.0（Siemens Healthineers,Erlangen,Germany）进行图像校准、病灶分割并提取影像组学直方图纹理特征进行分析。采用卡方检验和方差分析比较临床特征的差异。对22个纹理参数进行单变量分析,当正态分布时,通过双样本t检验对参数进行统计比较;而在非正态分布时,通过Mann-Whitney U检验进行统计比较。通过单因素分析识别纹理中的显着变量,计算每个变量检检测临床显着性癌的AUC值,并进行效能对比。使用多元逻辑回归建立鉴别模型,生成每个模型的接收者工作特征（ROC）曲线,计算曲线下面积（AUC）,准确度,灵敏度及最佳分界点的特异度,用Delong检验来比较不同模型ROC曲线的差异。结果:分别基于全病灶和全腺体建立模型。对全病灶进行纹理分析,检测移行带和外周带临床显着性癌时,纹理模型的AUC分别为:0.903（95%IC:0.853-0.953）和0.859（95%IC:0.764-0.954）,纹理-临床模型AUC分别为0.938（95%IC:0.819-0.974）和0.894（95%IC:0.819-0.968）,联合PI-RADS模型的AUC分别为0.971（95%IC:0.951-0.991）和0.888（95%IC:0.818-0.957）;对全腺体进行纹理分析,检测移行带和外周带临床显着性癌时,纹理模型的AUC分别为0.850（95%IC:0.787-0.913）和0.672（95%IC:0.555-0.789）,纹理-临床模型AUC分别为0.919（95%IC:0.642-0.965）和0.751（95%IC:0.6420.861）,联合PI-RADS模型的AUC分别为0.981（95%IC:0.965-0.996）和0.804（95%IC:0.703-0.905）。无论是对全病灶还是全腺体的纹理分析,纹理模型、纹理-临床及联合PI-RADS模型对移行带临床显着性癌都有较高的检测效能,全病灶纹理分析时纹理模型、纹理-临床及联合PIRAS模型对外周带临床显着性癌也有较高的预测能力。结论:基于全病灶和全腺体MR双参数的直方图的纹理分析可以检测前列腺的临床显着性癌,并能够提高PI-RADS评分对临床显着性前列腺癌的诊断效能,当PIRADS评分与纹理分析、临床因素结合使用时检测效能更高。第二章基于双参数磁共振成像影像组学机器学习的前列腺癌风险分层背景和目的:前列腺癌（prostate cancer,PCa）是威胁人类健康和生命的全球性公共问题,其死亡率占男性生殖器官肿瘤性疾病的97%以上,我国PCa的发病率呈逐年上升趋势。前列腺癌的Gleason分级是前列腺癌进展和生存的最有力预测指标之一,并且是影响PCa治疗方式的决定因素,Gleason评分（Gleason score,GS）系统通过分析腺体分化的程度对前列腺进行组织学识别,并依照主要评分及次要评分来反映肿瘤的异质性。根据GS可将PCa分为低风险PCa（GS≤3+4）和高风险PCa（GS≥4+3）,GS≤3+3和GS=3+4患者的预后相近,并明显优于GS≥4+3的患者。近年来在肿瘤研究中广泛应用了影像组学方法。影像组学的巨大优势在于它可以自动过滤从图像中提取的综合性数据,从宏观图像和分子水平的基因或蛋白质变化中识别肿瘤的异质性,并具有无创、高效、可重复性和成本低的特点,已被广泛用于预测头颈部、结直肠癌和肺癌的预后。本研究的目的是提取前列腺癌的双参数MRI影像组学特征,构建机器学习模型并对前列腺癌进行病理风险分层,协助优化治疗计划。方法:收集128例经病理证实的前列腺癌患者的临床资料,所有患者均行及机器人辅助前列腺根治切除术,并获得病理大切片。其中低风险组（Gleason评分≤3+4）60例,高风险组（Gleason评分≥4+3）68例。所有患者均接受3.0T MRI检查,采集参数相同,并统计与前列腺癌相关的临床危险因素（年龄、病灶位置、病灶体积、PSA及PI-RADS评分）。该研究基于双参数前列腺MRI（Bp MRI）序列（包括横轴位T2WI和ADC图像）,在图像预处理之后,进行病灶分割并提取影像组学特征进行分析。使用最小绝对收缩和选择算子算法（LASSO）从训练数据集中提取影像组学特征。依照7:3的比例将患者随机分为训练集和验证集,并对前列腺癌进行病理风险分层。通过多元逻辑回归分析确定能够对前列腺癌风险分层独立的危险因素,建立将前列腺癌风险分层的预测模型:临床模型、影像组学模型和临床-影像组学联合模型,并构建影像组学列线图,列线图的效能在训练数据集中进行评估,并在验证数据集中进行验证。分别通过受试者工作特征（ROC）曲线分析、决策曲线及校准曲线比较各模型的诊断性能、临床效益及病理符合率。结果:PSA和PI-RADS评分可以作为风险分层的预测因子（p<0.05）,在对前列腺癌进行风险分层时,影像组学模型和临床-影像组学联合模型的预测效果相同[AUC:0.78（95%CI:0.63-0.93）]且均优于临床模型[AUC:0.75（95%CI:0.60-0.91）]。决策曲线分析表明,影像组学模型和临床-影像组学联合模型比临床模型具有更高的临床净收益,校准曲线提示预测结果与病理结果一致性良好。结论:双参数MRI影像组学模型可以对前列腺癌进行有效风险分层,与仅评估与前列腺癌相关的临床危险因素相比,基于双参数MRI影像组学的临床-影像组学机器学习模型可以提高对前列腺癌风险分层预测的准确性。第三章磁共振影像组学列线图术前预测前列腺癌神经周围侵犯的价值评估背景和目的:影像组学的特征分析可以作为疾病预测及预后的生物学标志物,目前影像组学在前列腺癌中的应用包括肿瘤的诊断及分期、疗效评价、预后分析及基因预测。根治性前列腺切除术（radical prostatectomy,RP）中神经血管束的切除程度与患者术后功能（尿控或勃起）及无复发生存率关系密切,神经周围侵犯PNI（perineural invasion,PNI）是PCa侵袭性的组织病理学特征,也是其预后的一个重要指标,RP术前判断患者的PNI情况对选择手术的最佳方案和患者预后至关重要。本研究旨在基于MRI构建和验证一个临床-影像组学联合模型（列线图）,包括影像组学特征、临床因素及相关特征,以预测PCa患者的术前PNI状态。方法:回顾性分析2015年3月至2020年9月本院经机器人辅助前列腺根治术后手术病理证实的前列腺癌患者338例,并记录患者的PNI状态（212例阳性、126例阴性）,其中246名患者经GE750 MR采集图像,92例患者经Siemens Skyra MR扫描,从T1WI、T2WI、DWI中提取的影像组学特征用于建立影像组学模型。收集患者的临床特征及病理变量并建立临床模型,最终将影像组学模型和临床模型进一步整合,建立临床影像组学列线图。经GE750 MR扫描的患者按7:3的比例随机分为训练组（174例）和内部验证组（72例）,将经Siemens Skyra MR扫描的92例患者作为外部验证组。采用最小绝对收缩和选择算子回归（LASSO）算法建立影像组学模型。通过计算曲线下面积（AUC）来评估不同模型的诊断性能,并使用Delong检验比较模型间AUC的差异。校准曲线和决策曲线分析用于评估模型的校准和临床实用性。结果:影像组学模型在训练组和内部验证组中的AUC值分别为0.82和0.60,临床模型在训练组和内部验证组中的AUC值分别为0.75和0.71,临床影像组学联合模型（列线图）在训练组和内部验证组中的AUC值分别为0.84和0.66。决策曲线分析（decision curve analysis,DCA）显示了临床模型和临床影像组学联合模型（列线图）的临床实用性。影像组学模型在内部验证组的准确度、敏感度和特异度分别为59.7%、62.5%和54.2%。临床模型在内部验证组的准确度、敏感度和特异度分别为70.8%、77.1%和58.3%。临床影像组学联合模型（列线图）在内部验证组的准确度、敏感度和特异度分别为63.9%、76.2%和46.7%。外部验证时,临床模型优于联合模型（AUC:0.82vs.0.69,P<0.001）,准确度、敏感度和特异度分别为77.2%、98.0%和53.5%。结论:基于磁共振成像的临床-影像组学联合模型（列线图）可以区分有PNI和无PNI病变,有助于预测前列腺切除术前的PNI状态,不优于临床模型,PI-RADS评分和临床T分期是PNI的独立预测因素。
汪哲宇[3]（2021）在《数字化慢病管理系统的研究与实践》文中研究表明为了应对以长期性、非传染性与难治愈性为主要特征的慢性疾病的复杂护理需求,“慢病管理”——一种以患者为中心的新型卫生服务模式——自上世纪八十年代开始逐渐涌现并不断发展。协同护理是慢病管理区别于传统卫生服务模式的关键要素,其目标是为患者提供有组织性的协同化医疗服务。以移动健康和人工智能为代表的信息技术能够提升慢病管理的协同效率,帮助患者与护理提供者之间形成完整的闭环反馈,将循证知识与健康数据中蕴含的信息集成到管理过程之中,推动慢病管理逐渐从传统方式向全面的数字化方式过渡。虽然以慢性病照护模型为代表的慢病管理理论模型已经发展得较为成熟,且其有效性已经在多个国家得到了验证,但在当前我国的慢病管理实践中,仍然存在着一系列的关键问题,导致以协同护理为核心的数字化慢病管理技术尚未得到有效应用。同时,数字化慢病管理领域的相关实施性研究也存在着一定的局限性。针对这些关键问题,本论文系统性地研究了如何在我国的医疗场景下形成以协同护理为特征的数字化慢病管理关键方法,具体内容包括:（1）数字化慢病协同管理模型的构建与表达方法研究。针对我国慢病管理实践存在的管理角色分工不明确、缺乏数字化全流程决策支持等问题,使用路径的方式对通用性慢病管理方法进行明确可执行的表示,通过对高血压、糖尿病与慢阻肺三类常见慢病国内外指南的分析与归纳,提炼出了包含九类共通任务的通用性管理路径,并对数字化场景下各病种的具体路径进行了明确。在此基础上,面向我国管理模式构建了路径驱动的数字化协同管理模型,并通过本体对模型中包含的结构化知识与具体路径中的医学决策知识进行了表达。（2）数字化背景下面向患者依从性增强的个性化管理方法研究。针对患者自我管理依从性问题与相关个性化管理研究的局限性,一方面,从移动健康应用的个性化需求分析入手,基于目标导向型设计方法中的用户建模过程,结合相关健康行为理论,提炼了面向患者自我管理依从性提升的用户模型,结合问卷与访谈结果识别出了三类患者虚拟角色与其对应的个性化需求。另一方面,从人工智能技术的管理实践入手,基于本体与多种自然语言处理技术实现了一种根据患者特征为其推荐相关文章的个性化健康教育方法;基于强化学习技术实现了一种在虚拟管理环境中根据患者与管理师状态给出干预建议的个性化管理策略生成方法。（3）数字化慢病闭环管理系统的设计与实现。针对我国慢病管理信息化实践中存在的缺乏理论指导以及多病种集成性较低等问题,基于所构建的模型与个性化管理方法,设计并实现了包含智能服务引擎与客户端两大组件的数字化慢病闭环管理系统。智能服务引擎以通用性慢病管理路径本体为核心,能够通过多种类型的接口为系统提供数据存储与全场景决策支持服务;客户端中的医生工作平台基于共通性路径任务设计,能够辅助不同角色的医护人员执行具有时序性与闭环性的协同式管理;客户端中的患者移动终端基于所提炼的个性化需求与行为改变轮设计,能够为患者提供全方位的自我管理支持,并在一定程度上改善患者依从性。所实现系统目前已在我国多个地区进行了实际的部署与应用。（4）面向数字化慢病管理的评价体系构建与实践。针对数字化场景下管理系统评价方面存在的局限性,基于面向远程医疗的综合评估模型,提炼了包含评价角色、评价重点与评价角度三个维度的面向个体层面的数字化慢病管理评估模型,并依据该模型对所实现系统进行了不同证据水平的实践评价,包括基于系统真实数据的回顾性评价、面向慢阻肺患者的前后对比试验与面向高血压患者的随机对照试验。评价结果表明,当前系统能够帮助医护人员与患者共同合作,开展医患之间高效互动的闭环式协同管理,并在一定程度上改善患者的疾病控制情况、日常生活质量与疾病认知水平。总的来看,本论文所提出的路径驱动的数字化慢病管理系统能够在一定程度上解决我国慢病管理实践与慢病管理领域相关研究中存在的多种问题,为数字化慢病管理在我国的推广与应用提供了理论指导与实践验证。
李享[4]（2021）在《基于动态贝叶斯网络的无线通信系统可靠性分析与故障诊断》文中进行了进一步梳理信息技术的快速发展为产业变革带来新的机遇。信息化作为各行业（军事、医疗、能源、交通）的远景目标与发展方向,促使实体行业与网络空间的深度融合,以满足更高质量的发展需求。无线通信技术作为网络空间的关键技术,被广泛应用于实体行业的信息化变革,形成适用于各行业领域的无线通信系统。然而,该系统在发挥其智能化优势的同时,也大大增加了系统的复杂性与不确定性,造成系统面临故障频发、性能波动以及薄弱环节难以精准定位的诸多可靠性问题。因此,针对前景广阔的无线通信系统,开展考虑实际物理特征与独特运行方式的系统可靠性分析与故障诊断,是信息时代的军事指挥、医疗诊断、能源生产以及交通运输的迫切需求与技术保障。无线通信系统作为网络空间的载体,其可靠性分析与故障诊断面临诸多现实问题与技术瓶颈,包括:通信场景多样且针对特定场景的系统可靠性分析模型难以搭建;设备功能繁多且各功能层次与组成部件的失效动态相关;网络结构复杂且针对网络的可靠性建模方法存在组合爆炸;系统节点众多且遍历所有节点的诊断方法存在观测能力不足。因此,针对无线通信系统的可靠性分析与故障诊断工作难以套用现有的分析理论与诊断技术,亟需在此领域寻求理论创新与技术突破。本文针对上述问题,考虑无线通信系统的不同性能指标与技术要求,展开该系统的可靠性建模分析与故障诊断研究,具体研究内容与成果如下:（1）提出了基于路径损耗模型的无线电传播可靠性建模方法。通过考虑复杂通信场景下,环境因素对无线电传播可靠性的影响问题,本文引入了路径损耗模型对其进行可靠性建模分析。首先,针对具体的通信频段,基于路径损耗模型,综合分析了通信频率、设备参数、通信距离等变量参数的不确定性问题。然后,运用对数正态分布拟合通信距离的随机分布曲线,并结合路径损耗模型,求解了不同通信场景下,路径损耗值的分布函数解析解。最后,通过求解路径损耗阈值,结合构建的可靠性分析模型,计算出了不同频率的无线电在各个通信场景的传播可靠度值。（2）针对多层次系统的可靠性分析问题,提出了一种基于离散时间贝叶斯网络的建模方法。首先,针对动态贝叶斯网络（Dynamic Bayesian Network,DBN）的动态逻辑门,构建了基于节点失效时间的概率表建模方法,并通过与蒙托卡罗仿真（Monte Carlo Simulation,MCS）结果对比,验证了方法的准确性。然后,基于多层次系统的工程背景与结构特性,建立了对应的多层次系统可靠性分析模型。最后,对无线通信系统中的典型通信设备进行功能层次与结构层次的逐层分析,建立了基于通信任务的可靠性分析模型,并通过所提方法对电台的可靠度进行定量计算,验证了方法的实用性。（3）考虑无线通信网络中存在的混合失效类型,本文提出了基于混合动态贝叶斯网络（Hybrid Dynamic Bayesian Network,HDBN）的无线通信网络可靠性建模方法。针对传统DBN算法的建模复杂、组合爆炸等问题,本文提出了一种高效便捷的二态概率表建模方法,并通过与MCS、连续时间贝叶斯网络（Continuous-Time Bayesian Network,CTBN）算法的结果对比,验证了本文所提方法的准确性。然后,针对无线通信网络中的各种通信任务（2端、k端、k n端通信）,提出了对应的HDBN建模方法。最后,将所提方法应用于某军用无线通信网络的可靠性分析,验证了方法的可行性。（4）提出了基于动态贝叶斯推理的无线通信系统分层故障诊断方法。首先,对现有的DBN推理算法进行对比分析,选取其中适用于多节点同时观测的推理算法。然后,考虑节点失效的动态特性对节点后验概率排序的影响,基于所选DBN推理算法,提出了一种动态诊断算法以求解节点后验概率的变化曲线。根据后验概率曲线将任务时间划分为多个阶段,并分阶段对各节点的后验概率进行了大小排序。最后,考虑通信系统节点众多、DBN算法观测能力不足等问题,提出了一种分层诊断算法。基于所提方法,实现了无线通信系统的分层故障诊断,以定位出系统在不同阶段各层级的薄弱节点。
蒋宇[5]（2020）在《齿轮箱混沌特性与故障诊断研究》文中提出传动系统在机械设备中起到中流砥柱的作用,齿轮箱传动系统是机器非常关键的组成部分,揭示齿轮箱系统固有混沌特性并通过其开展齿轮箱健康状态的监测与诊断,对于延长机器的服役时间具有重要意义。吸引子理论作为研究相空间中系统动力学状态的理论越来越得到认识和应用,而混沌吸引子属于吸引子中的一种形态,自然可用来诠释混沌系统的混沌动力学特性和状态。齿轮箱系统是一个混沌系统,其振动信号中蕴涵着大量能够反映系统特征的信息。针对齿轮箱系统混沌特性尤其是探索高维空间中混沌吸引子的特性以及演化规律的研究相对匮乏,且齿轮箱故障特征提取缺乏挖掘混沌特性与故障之间存在的内在关系,有待进一步寻求有效的混沌特征指标实现表征与诊断。为此,本文应用相空间重构理论将一维振动信号推广到高维相空间中去将振动信号单变量时间序列中隐含的系统信息显现出来,探索研究高维空间中齿轮系统混沌吸引子的相轨迹、相点分布、递归特性,揭示齿轮箱系统的混沌特性,进而对齿轮箱系统在不同故障形式下的混沌吸引子特征提取进行表征计算和状态分析。本文深入地开展了齿轮箱混沌特性与故障诊断研究。首先,在齿轮箱故障模拟试验台上开展了振动信号采集实验,采集了不同工况条件下齿轮箱系统的振动信号,对其进行了时域和频域分析,发现齿轮箱振动信号中均含有大量的噪声,相似度较高,频域中均存在齿轮的啮合频率及其谐波成分,同时在啮合频率及其谐波两侧都会形成一系列边频带。应用小波分析法和自适应噪声集成总体经验模式分解方法,分别对采集到的齿轮箱振动信号进行了降噪分析与处理,发现两种方法降噪后高频成分得到了一定的抑制,同时保留了低频带中原有信号的特征信息。相比而言,自适应噪声集成总体经验模式分解方法更有利于消除环境噪声对振动信号的影响,且有助于突显系统本身固有的特征信息,为后续齿轮箱系统混沌特性分析和故障模式识别与诊断打下了坚实的基础。为了揭示齿轮箱运行中的混沌特性,开展了齿轮箱系统不同运行状态下的混沌特性证明研究。引入了基于相空间重构的定量判别方法,分别为关联维数、最大Lyapunov指数和Kolmogorov熵,以及功率谱定性判别方法。同时,为了验证这四种判别方法的有效性,对于Lorenz理论混沌系统首先开展了混沌特性验证研究,接着对于齿轮箱系统不同运行状态进行了混沌特性判别,发现齿轮箱系统在不同运行状态下,其关联维数均为分数值,最大Lyapunov指数和Kolmogorov熵均大于零,而功率谱均为连续宽带谱。通过联合关联维数、最大Lyapunov指数Kolmogorov熵以及功率谱的方法,共同证明了齿轮箱系统的混沌特性。为了探索齿轮箱系统混沌吸引子空间分布特性,根据相空间重构理论构造了齿轮箱不同运行状态下的混沌吸引子,并探讨了嵌入维数和延迟时间对齿轮系统混沌吸引子的影响,应用相轨迹图和相点三维直方图方法,呈现了齿轮系统混沌吸引子三维空间中相点分布形态和空间结构,并基于相点分布形态和空间结构开展了定性和定量的混沌特性表征研究。同时,采用关联维数、包含球半径、包含相点的盒子数和相点数量最大值指标,对齿轮混沌吸引子进行量化表征计算,进而对齿轮箱不同运行状态进行模式识别。结果表明,混沌吸引子的相轨迹图可直观定性地对齿轮箱不同运行状态进行识别,而包含球半径是一种基于相点分布有效的量化表征指标,可用于实现齿轮箱不同运行状态模式识别。针对齿轮箱实际工作过程中故障特征提取难的问题,引入递归思想和递归分析方法,从系统相空间中相点递归特性出发,探索递归模式与齿轮故障的映射关系,提出了将递归分析结合自适应噪声集成总体经验模式分解方法。从自相似特征角度研究递归模式与齿轮不同模式的映射关系,应用四个递归量化参数分别为递归度、确定性、分层率、熵,对齿轮箱不同运行状态进行特征提取进而故障诊断,发现这四个参数指标均能对齿轮箱不同运行状态进行有效地识别。另外,与基于混沌吸引子相轨迹进行诊断的表征参数相比较,发现递归度和熵这两个递归指标诊断效果更优。结果表明,递归分析结合自适应噪声集成总体经验模式分解方法是一种有效的特征提取用于实现齿轮箱故障识别与诊断的方法。针对目前齿轮动力学建模多以考虑单频激励作用因素为主,而实际应用中齿轮箱多为工作环境复杂恶劣,开展了考虑多频激励作用建立齿轮非线性动力学模型与故障诊断研究。定义了啮合刚度系数,探讨了多频激励参数对正常及裂纹故障模型主共振幅频特性的影响,采用增量谐波平衡法对齿轮动力学响应进行分析计算,研究了正常及裂纹故障模型的动力学特性,证实了考虑多频激励作用模型相比传统单频激励模型更能准确地描述其动力学特性,丰富了齿轮动力学建模理论。同时,利用齿轮箱混沌特性开展了裂纹齿轮不同故障程度的识别与诊断研究。通过计算混沌指标最大Lyapunov指数,发现了最大Lyapunov指数随着裂纹故障程度增加而增大的规律。本文揭示了齿轮箱系统的混沌特性,并以混沌吸引子为依据研究解决齿轮箱故障诊断问题。为机械设备状态识别与故障诊断提供了一种新的思路,具有一定的理论价值及工程应用意义。该论文有图98幅,表19个,参考文献170篇。
刘允昊[6]（2020）在《基于多信号流模型的故障诊断技术研究》文中指出为满足现代高速发展的需要,工业生产中出现了越来越多地大型复杂系统,系统的复杂度将会使故障具有复杂性,任何一部分组成部件发生故障都可能会影响系统正常运转,严重时会引起设备的失效,造成巨大的时间损失、财产损失甚至人员伤亡。为了使系统设备更加安全可靠,研究大型复杂系统的故障诊断技术十分必要。近年来,随着诊断测试技术的不断发展,业内专家提出在系统设计初进行可测试性设计,即在系统设计时就考虑测试诊断的问题。在可测试性设计的情况下进行故障诊断研究并将结果反馈给研究人员,有利于研究人员优化系统设计。然而,在可测试性设计中进行故障诊断对算法的效率和计算的参数有很大影响。本文针对可测试性设计中的故障诊断问题,从诊断策略和故障传播路径辨识两个方面进行分析,为提高算法效率,更好应用于大型复杂系统可测试设计提供了新的思路。首先,基于多信号流图的建模思想分析确定多信号流模型建模步骤,并以雷达发射机系统为例建模,用于后续故障诊断分析。其次,分析诊断策略优化常用的算法,针对序贯测试中的AO*算法进行分析,在原有AO*算法基础上提出采用信息熵作为启发式函数,应用于诊断策略优化中,以便提高算法效率,应用于大型复杂系统时算法不易崩溃。该方法的思想是减少AO*算法中构建霍夫曼树的过程,减少算法的运行时间以提高算法效率。再次,利用多信号流模型的图论信息和模型中模块的基本信息对多信号流模型进行分层重构,体现模型的分布扩散结构,减少疑似故障源,方便更快实现故障源的定位;针对可测试性设计没有大量历史数据进行定量分析的问题,提出分析故障传播路径的结构性指标参数,计算其故障传播强度值以明确故障在系统中的传播路径。最后,将本文所提出的方法集成为软件,实现可视化操作,对软件设计的思路、原则、关键功能模块的实现进行介绍。
俞凯[7]（2020）在《基于图割/图搜索的医学影像分割算法研究及应用》文中研究表明随着医学成像技术的飞速发展,医学影像在临床疾病诊断与分析过程中发挥了越来越大的作用,其中,精准的组织器官与病灶区域量化分析为临床诊断、疗效评估等提供了强有力的科学保障。因此,临床医生亟需计算机辅助诊断分析软件,对组织器官和病灶区域实现精准的分割量化,以提高临床诊断与分析的效率和准确率。目前,研究人员针对医学影像普遍存在的灰度不均匀、噪声干扰等问题提出了一系列分割算法,而医学影像的多模态特性和组织器官固定拓扑结构特性使得这些图像分割算法依然面临着挑战。另一方面,近年来基于图论的分割算法表现突出,这是由于图论中的图结构能够有效建立图像中像素点的相互关系,并通过特定建图方式实现固定拓扑结构的分割效果,因此更加适用于多模态和固定拓扑结构的医学影像分割任务。本文深入研究了图论中图割和图搜索算法的原理与实现,并以此为算法基础针对医学影像的多模态和分割目标的固定拓扑结构等特性提出了改进与创新。本文的主要研究内容与创新点总结如下:1、针对双模态肺肿瘤分割难点问题,本文提出了一种基于双模态的分割算法,优化了建图模式,改进了代价函数。该算法通过随机游走算法为图割算法扩增了种子点区域,并提出了随机游走能量项和高斯混合模型能量项,充分利用了两个模态的结构信息和功能信息,最终通过建立双子图图割模型,实现了双模态下肺肿瘤的准确分割。本文收集了 25位肺肿瘤患者的双模态影像数据进行了算法验证,并取得了不错的分割结果,验证了该算法的可行性且为多模态医学影像的分割任务提供了有效的分割方案。2、针对三维视网膜层结构分割任务,本文提出了一种自适应动态约束的分割算法,改进了建图模式。该算法根据形状先验信息完成自适应建图,并实现目标表面层的准确分割。该算法相对于传统图搜索算法具有更强的灵活性和适应性,能够在形态差异巨大且变化剧烈的分割任务上实现准确的分割。本文分别在10个正常眼和10个青光眼数据的视盘区域内界膜分层任务上进行算法验证,并取得了 5.38微米的平均绝对距离误差,表明了该算法的准确性,同时为更广泛的目标表面分割任务提供了改进和优化方案。3、针对三维视网膜视盘区域的视杯盘分割任务,本文提出了一种基于自适应动态约束图搜索结合随机森林的分割算法。该算法利用极坐标重采样操作克服了血管阴影等因素所导致的视盘边界模糊且难以界定的问题,并结合动态约束图搜索算法提取了视盘边界有效特征。最终该算法在30个正常眼和35个青光眼数据上进行了测试,分割Dice系数为0.925,进一步验证了该算法的准确性,同时该算法也开发成了软件,并在眼科医院进行了临床和科研的应用。4、针对视盘区域视网膜层的孔洞拓扑结构特点,本文提出了一种具有固定拓扑约束的三维视网膜层分割算法,改进了建图模式。该算法充分利用了形状先验信息,提升了分割准确率,并通过设立共享孔洞边限定了分割结果的拓扑结构,在视网膜分层任务中避免了分层错乱的问题,实现了更准确的视网膜分层。在本文实验阶段,该算法在10个正常眼和10个青光眼数据上实现了8层视网膜准确分层,且平均绝对距离误差为7.51微米,进一步验证了该算法的准确率以及通过建立共享孔洞边实现拓扑约束的可行性,并为其他具有特定拓扑结构的目标分割任务提供了解决思路。
刘梦[8]（2020）在《组合电路的模型诊断问题研究》文中研究指明模型诊断（Model-Based Diagnosis,MBD）问题是人工智能领域的重要研究方向之一,可追溯至1987年De Kleer、Williams和Reiter的具有重要性标志意义的工作。到目前为止,MBD问题已发展到利用多种不同的模型进行建模,如离散事件模型、定性模型、不完全因果模型和混合模型。并且其成果也成功应用到多个领域,如航天航空、汽车制造、电信网络、燃气轮机条件监测、软件验证、以及电路的诊断和故障排除。基于一致性的组合电路MBD方法以逻辑公式形式对系统进行建模,旨在高效率获取所有诊断以及高质量的健康态。本文主要针对单观测诊断方法及其延伸而来的多观测诊断方法、健康态方法进行研究,以达到提高求解效率和求解质量的目的。主要内容如下:1)结合SAT技术来解决MBD问题作为直接诊断方法的重要方式之一,因其求解特征,在解决MBD问题过程中还需其它结构的辅助以生成候选解空间,如集合枚举树,并利用SAT（Satisfiability）求解器来判断候选解是否为诊断。但该类方法存在对候选解空间的冗余解进行一致性检测的不足,因此,本文提出结合SAT的分组式诊断方法（Grouped Diagnosis,GD）实现电路元件的分组并剪枝这些冗余空间,以提高算法效率。该方法首先结合电路特征,利用单元传播规则获取故障输出,依据电路逻辑与故障输出将电路中元件进行分组。其次结合诊断问题和SAT求解过程的特征,给出非诊断定理和分组式诊断方法,并利用分组后的电路加速对集合枚举树无解空间的剪枝,进而提高算法求解效率。实验结果表明,针对获取所有极小子集诊断,在相同的诊断长度限制下,GD方法比目前最先进的结合集合枚举树的基于SAT的MBD方法求解效率更高。2)MaxSAT（Maximal Satisfiability）技术也是用来解决MBD问题的高效方式之一,但其不需要额外的结构辅助,因此引出提高算法效率的另一种途径——对电路系统进行抽象,该方式可缩减问题规模。目前的抽象算法主要为基于分层抽象方法,该方法在抽象电路上得到顶层诊断（Top-Level Diagnosis,TLD）,再对TLD进行迭代枚举替换操作,以得到所有的极小势诊断,但该方法的缺陷在于需要对拓展诊断逐一检查一致性,这个过程十分耗时。因此,本文给出一种结合MaxSAT的区域化抽象诊断方法（Zonal Diagnosis,ZD）。首先结合电路特征,提出新的抽象模型,将电路划分成不同的Zone,并利用MaxSAT求解器在由这些Zone构成的抽象电路上得到极小势抽象诊断。其次利用值传播特点提出了一种新的传播扩展方法,用于扩展极小势抽象诊断以有效地获得所有极小势诊断,从而避免检查一致性,提高求解效率。实验结果表明,针对获取所有极小势诊断,在相同的诊断数量限制下,ZD算法比目前最先进的基于分层抽象的算法求解时间更短,显着提高了算法效率。3)健康态作为诊断算法求解质量的代表,该形式表示系统所有元件故障的可能性,在故障排除等问题中有十分重要的应用。健康态通过诊断列表及其分数计算而得,且不需要所有的诊断参与计算即可得到质量收敛的健康态,但不足之处在于该诊断列表中诊断均只解释一个观测,诊断的精确度较低,从而影响健康态质量。因此,本文设计一种结合多观测和差异度的提高健康态质量方法（Improve the Quality of Health State with Difference Degree,IHSD）来解决该问题,以获取更高质量的健康态。结合健康态计算时不需要所有诊断即可质量收敛的特征,该方法首先给出适应健康态计算的多观测MBD方法,利用多观测诊断方法对诊断进行整合,得到同时满足多观测的精确诊断。其次结合“差异度”概念对评分机制进行修改以对精确诊断进行评分,尽量提高精确诊断的分数以尽可能接近真实故障情况,从而提高健康态的质量。实验结果表明,设置相同的收敛参数,与目前最先进的计算健康态方法对比,IHSD算法显着提高了健康态的质量。4)与单观测MBD方法相比,多观测MBD方法可对多个观测结果进行联合诊断以识别常见的故障位置,且该方法在程序故障定位等领域取得成功,针对基于一致性的组合电路多观测MBD问题,有学者给出两种完备方法,即诊断组合方法和碰集二元性方法。考虑到观测增量化的情况,诊断组合方法是合适的,但其在获取满足多观测的精确诊断过程中,无法完全避免非极小解情况的出现,仍需子集检测过程辅助,影响算法效率。因此,本文提出增量的多观测极小诊断方法(Incremental MBD with Multiple Observations,IMBDMO)。该方法首先给出极小子集精确诊断定理和诊断组合规则,确保精确诊断的子集极小性且避免子集检测过程,进而提高算法效率。其次实现观测增量化。实验结果表明,与目前最先进的诊断组合方法对比,IMBDMO算法显着提高了算法效率且在观测增量化情况下依然保证算法高效性。
邱存月[9]（2020）在《改进胶囊网络优化分层卷积的亚健康识别算法研究》文中研究表明大型工业设备滚动轴承故障不仅仅会对经济造成损失,更重要的是会危及人们的生命安全,随着科技的进步与飞速发展,从传感器中获取大量的振动信号已经司空见惯。所以,分析大型工业设备滚动轴承亚健康的传感器振动信号,预测可能发生的故障,可以及时预警设备的状态或者更换设备零件,减少安全隐患,无论对工业还是对工业设备的操作者都是有意义的。因而,有很多专家学者对亚健康识别算法给予关注并展开深入研究。分析并对比近几年学者的亚健康研究成果后,针对传统算法特征提取费时、费力以及诊断精度不高的问题,本文提出改进胶囊网络优化分层卷积的亚健康识别算法。该算法以卷积神经网络（CNN）和胶囊网络（CAPSNET）为主体。首先,针对传统CNN为提高轴承亚健康识别精度不断堆叠卷积层和池化层致使花费大量训练时间的问题,一方面提出分层的CNN,将数据输入到三个并行的不同大小的卷积核中处理,多角度的提取信号中的亚健康信息,另一方面对数据进行两种降噪处理方式,即小波降噪法和小波包降噪法,更好的保留原始振动信号中有用的亚健康信息。建立多输入分层CNN的亚健康识别模型,提出的模型根据振动信号即可进行亚健康识别。然后,针对CNN不能根据部分来识别整体从而对最后亚健康识别结果产生影响以及原始胶囊网络更新参数庞大、胶囊向量特征冗余的问题,将卷积后的结果输入到改进的胶囊网络进行亚健康识别。改进的胶囊网络采用修剪机制,当低层胶囊与高层胶囊表达的内容不一致时,耦合系数的值就会变得很小,根据阈值修剪耦合系数,同时,将相应的权重参数进行修剪,减少CAPSNET的计算成本以提高性能。改进的胶囊网络亚健康识别算法根据部分与整体的关系,可以更快的输出亚健康识别结果。最后,通过西储大学的实测轴承数据集验证本文提出的改进胶囊网络优化分层卷积的亚健康识别算法,根据实验结果数据以及对比实验结果数据发现,改进后的算法可以有效的识别出滚动轴承的健康状态,验证本文改进后算法的有效性。
周鹏[10]（2019）在《可信信息物理融合系统的架构设计及自管理优化策略研究》文中指出信息物理系统（Cyber Physical System,CPS）是一种具有松散物理结构和严谨逻辑组织的有机智能系统;其涉及如计算、网络、控制、物理处理和应用领域知识等多学科交叉技术;应用通常对安全性、可信性及合时性有严格的要求。而CPS时刻产生如此大量复杂的数据,以致于管理员无法及时有效地理解数据并给出正确的指令。因此需要构建一种自管理CPS（Self-management CPS,SCPS）,使之在不同情况下都能自主地、灵活地与物理世界进行正确地交互,并能自动的从各种异常中恢复且不影响正常业务实施。随着SCPS规模的不断扩大,系统的复杂性、时延等问题日益失控;自管理决策的不确定性和决策执行的可信性等问题也日渐严峻。迫切需要探索系统性SCPS设计方案和维护方案,以各项模型和技术的有机集成,构建可信SCPS。物理世界高度并行且灵活,同时充满随机性。为匹配并行度,SCPS通常包含大量的（异构）传感器和执行器。为灵活应对动态场景,SCPS需要以不同方式自主按需地组织并协调这些嵌入式子系统。针对这些特点,本文提出可组合的actor元模型建模SCPS服务;使用（随机）活动网络（stochastic activity network）构建服务的交互模型,并提出合约-建议-决策规范。为控制复杂性,本文基于代数运算建模运行时重组的组合模式,研究actor元模型的可组合性约束、属性和需求的可满足性规则;并进一步提出了自愈actor模型改善失效模式下子系统的可组合性。在actor元模型的基础上,本文采用架构分析和设计语言（AADL）探索基于模型驱动工程（Model Driven Engendering,MDE）的SCPS设计方法,并构建相应的actor模型库,硬件模型和错误模型,以及SCPS综合集成模型。采用形式化模型转换方法将元模型转化为现有的FTA、CTMC、自动机等分析模型,利用现有的分析工具对设计开展硬件-软件协同分析、研究故障行为和正常行为的相互影响。同时针对SCPS自管理需要架构和策略动态协同的特点,本文提出了架构-策略协同分析思想,以及带一阶检查点的分层决策-去中心化实施方案。最后分析了4种不同去中心化层程度方案的灵活性,仿真结果显示了分层决策-去中心化决策方案在可靠性和稳定性等指标的改进。为应对自管理决策中的时延和不确定性挑战,本文提出了一种基于合约规范（Contract）的自适应方案协调式子系统间的分布式协作。通过将合约规范中的活动拓扑抽象有向图,将SCPS拓扑抽象为边点带权顶点着色图,本文将合约规范优化过程按反馈循环分为3个阶段,提出合约的多目标渐进优化方案。在合约制定阶段采用改进Dijkstra算法检验合约的可实施性;在建议细化阶段,采用改进NSGA-II算法优化actor的组织;在决策执行阶段,采用组合模式和决策规范指导actor协作,并赋予actor局部随机应变的能力。在此基础上采用等待时间对齐方法协调不同分支的执行时间,降低决策方案的可靠性期望值的波动,提升决策执行方案的稳定性,进而提高SCPS行为的可预测性和可控性。仿真结果揭示了改善行为稳定性和合约优化的主要因素,并显示了渐进优化方案的有效性。进一步本文提出了可组合自适应框架和自相似actor,并证明解耦（架构）控制逻辑能降低系统的全局复杂性,进而提升系统可靠性。同时针对全局绝对参考时间方案无法满足大规模地理分布的SCPS需求的问题,本文提出了一种基于相对参考时间的分布式事件的时序保障方案。针对actor模型故障传播假设的不足,设计了基于轻量级容器隔离方案,为actor提供理想的运行时环境;并在容器上集成基于FDIR的自修复方案以限制故障传播和改善actor自愈能力。最后在实际嵌入式系统上分析验证了容器的FDIR效率和消息管理的效率,以及合约渐进优化和决策执行的可靠性、稳定性。实际测试结果显示本设计方案、系统优化、自管理功能等措施的有效性,以及本方案的可靠性综合保障能力。论文结尾总结了复杂性和不确定性对SCPS设计和维护带来的挑战,并给出驯服复杂性的两个原则,以及用于克服设计和决策中的不确定性的系统性建议。最后针对现有设计中的不足和结合设计中的启发,利用MDE和model@run.time两者的模型和设计原理的相似性,提出自进化CPS（self-evolution CPS）的概念设计。
二、基于模型的动态分层诊断技术（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、基于模型的动态分层诊断技术（论文提纲范文）
（1）基于布尔可满足性的若干方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 SAT求解研究现状 |
| 1.2.2 MCS求解研究现状 |
| 1.3 主要研究内容和贡献 |
| 1.4 论文组织结构 |
| 第2章 布尔可满足性问题 |
| 2.1 基本理论知识 |
| 2.1.1 布尔表达式 |
| 2.1.2 范式 |
| 2.1.3 SAT问题基本定义 |
| 2.1.4 不可行系统和相关子集 |
| 2.2 相关基本算法框架 |
| 2.2.1 SAT算法经典框架 |
| 2.2.2 不可行系统MCS求解基本框架 |
| 2.3 本章小结 |
| 第3章 基于子集一致性检测的诊断解极小性判定方法 |
| 3.1 引言 |
| 3.2 预备知识 |
| 3.2.1 基于模型诊断 |
| 3.2.2 组合电路转化为CNF |
| 3.3 基于SAT的 MBD相关算法 |
| 3.3.1 结合SE-tree的基于SAT诊断方法 |
| 3.3.2 LLBRS-tree算法 |
| 3.3.3 GD算法 |
| 3.3.4 ACDIAG算法 |
| 3.4 诊断解极小性判定过程 |
| 3.4.1 原有诊断解极小性判定过程 |
| 3.4.2 基于子集一致性检测的诊断解极小性判定方法 |
| 3.4.3 方法分析 |
| 3.5 实验结果与分析 |
| 3.5.1 实验条件 |
| 3.5.2 结果与分析 |
| 3.6 本章小结 |
| 第4章 不可满足核指导的基于MCS路径多样化方法 |
| 4.1 引言 |
| 4.2 预备知识 |
| 4.2.1 PBO问题基本定义 |
| 4.2.2 MOCO问题基本定义 |
| 4.2.3 基于枚举MCS求解PBO/MOCO问题 |
| 4.3 基于MCS枚举的路径多样化方法 |
| 4.3.1 路径多样化方法 |
| 4.3.2 MCSEnumPD算法 |
| 4.4 不可满足核指导的路径多样化方法 |
| 4.4.1 不可行路径 |
| 4.4.2 不可满足核指导的路径剪枝 |
| 4.4.3 不可满足核指导的变量选择 |
| 4.5 实验结果与分析 |
| 4.5.1 虚拟机整合问题 |
| 4.5.2 实验条件 |
| 4.5.3 评价指标 |
| 4.5.4 结果与分析 |
| 4.6 本章小结 |
| 第5章 基于动态评分的分层MCS方法 |
| 5.1 引言 |
| 5.2 预备知识 |
| 5.2.1 MOCO问题实例 |
| 5.2.2 分层MCS算法 |
| 5.3 基于分层MCS求解的MOCO方法 |
| 5.3.1 SCLD算法 |
| 5.3.2 分层策略 |
| 5.3.3 SCLD算法分析 |
| 5.4 基于动态评分的分层方法 |
| 5.4.1 MOCO分层的动态分数 |
| 5.4.2 结合Softmax的动态分数映射 |
| 5.4.3 基于OR的动态评分规则 |
| 5.4.4 DSSCLD算法 |
| 5.5 实验结果与分析 |
| 5.5.1 VMC问题建模 |
| 5.5.2 实验条件 |
| 5.5.3 评价指标 |
| 5.5.4 结果与分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（2）磁共振影像组学与数据分析在前列腺癌检测、风险分层与神经侵袭中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 前言 |
| 参考文献 |
| 第一章 基于双参数磁共振直方图的纹理分析检测前列腺临床显着性癌 |
| 一、引言 |
| 二、方法 |
| 三、结果 |
| 四、讨论 |
| 五、结论 |
| 参考文献 |
| 第二章 基于双参数磁共振影像组学的前列腺癌风险分层研究 |
| 一、引言 |
| 二、方法 |
| 三、结果 |
| 四、讨论 |
| 五、结论 |
| 参考文献 |
| 第三章 磁共振影像组学列线图术前预测前列腺癌神经周围侵犯的价值评估 |
| 一、引言 |
| 二、方法 |
| 三、结果 |
| 四、讨论 |
| 五、结论 |
| 参考文献 |
| 综述 前列腺癌多参数磁共振成像和影像组学的研究现状及进展 |
| 参考文献 |
| 在读期间发表论文和参加科研工作情况 |
| 致谢 |
（3）数字化慢病管理系统的研究与实践（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单和术语表 |
| 第一章 绪论 |
| 1.1 慢病管理概述 |
| 1.1.1 慢病的定义与分类 |
| 1.1.2 慢病的全球化流行趋势 |
| 1.1.3 慢病管理的定义与基本要素 |
| 1.1.4 我国慢病流行趋势及管理现状 |
| 1.2 慢病管理领域研究综述 |
| 1.2.1 基于协同护理的慢病管理理论模型发展综述 |
| 1.2.2 基于CCM框架的慢病管理实施性研究综述 |
| 1.3 数字化慢病管理研究进展及应用实践 |
| 1.3.1 数字化背景下的慢病管理理论模型发展 |
| 1.3.2 数字化背景下的慢病管理实施性研究进展 |
| 1.3.3 数字化慢病管理国内外代表性应用实践 |
| 1.4 关键问题分析与论文研究内容 |
| 1.4.1 关键问题分析 |
| 1.4.2 论文的研究内容及创新点 |
| 第二章 路径驱动的数字化慢病协同管理模型构建与表达 |
| 2.1 路径驱动的数字化慢病协同管理模型构建 |
| 2.1.1 通用性慢病管理路径提炼与多病种实现 |
| 2.1.2 面向我国管理模式的数字化协同管理模型构建 |
| 2.2 基于本体的模型知识表达与验证 |
| 2.2.1 本体相关概念与构建方法 |
| 2.2.2 慢病协同管理模型基础本体构建 |
| 2.2.3 基于演绎推理的路径化决策支持 |
| 2.2.4 本体构建结果与技术性评估 |
| 2.3 本章小结 |
| 第三章 面向患者依从性增强的个性化管理方法研究 |
| 3.1 基于健康行为理论的患者个性化管理需求分析 |
| 3.1.1 移动健康应用设计方法概述 |
| 3.1.2 面向自我管理依从性增强的用户模型提炼 |
| 3.1.3 用户虚拟角色构建与需求识别 |
| 3.2 基于健康推荐系统的个性化健康教育方法研究 |
| 3.2.1 健康推荐系统相关概念与研究进展 |
| 3.2.2 健康知识推荐系统的设计与实现 |
| 3.2.3 基于测试集的推荐系统评估 |
| 3.3 基于强化学习的个性化管理策略生成方法研究 |
| 3.3.1 强化学习相关理论与研究进展 |
| 3.3.2 策略生成模型的设计与实现 |
| 3.3.3 基于虚拟环境的训练结果与模型评估 |
| 3.4 本章小结 |
| 第四章 数字化慢病闭环管理系统设计与实现 |
| 4.1 面向全场景决策支持的智能化慢病服务引擎构建 |
| 4.1.1 以引擎为核心的系统整体架构设计 |
| 4.1.2 基于多种软件框架的云端引擎实现 |
| 4.2 基于路径任务的医生协作工作平台设计与实现 |
| 4.2.1 路径任务驱动的协作工作平台功能设计 |
| 4.2.2 基于网页的协作工作平台功能实现 |
| 4.3 基于行为改变技术的患者移动终端设计与实现 |
| 4.3.1 行为改变轮驱动的干预功能设计 |
| 4.3.2 面向多平台的移动终端功能实现 |
| 4.3.3 面向患者依从性的移动终端试点性应用评价 |
| 4.4 系统部署与实际应用情况 |
| 4.5 本章小结 |
| 第五章 面向数字化慢病管理的多维度评价体系研究 |
| 5.1 数字化慢病管理系统多维度评价体系构建 |
| 5.1.1 慢病管理领域评价方法概述 |
| 5.1.2 面向个体层面的数字化慢病管理评估模型提炼 |
| 5.2 基于系统观察性数据的回顾性评价 |
| 5.2.1 研究设计与数据分析方法 |
| 5.2.2 回顾性评价结果总结 |
| 5.3 基于多层次临床试验的前瞻性评价 |
| 5.3.1 探究慢阻肺患者院外管理效果的前后对比试验 |
| 5.3.2 探究高血压患者院外管理效果的随机对照试验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 个人简历 |
| 攻读博士学位期间的主要研究成果 |
（4）基于动态贝叶斯网络的无线通信系统可靠性分析与故障诊断（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 研究现状 |
| 1.2.1 无线通信系统的可靠性分析 |
| 1.2.2 基于 DBN 的系统可靠性分析 |
| 1.2.3 通信网络可靠性分析方法 |
| 1.2.4 基于贝叶斯推理算法的故障诊断 |
| 1.2.5 综述总结与问题提出 |
| 1.3 论文研究内容及结构 |
| 1.3.1 研究内容 |
| 1.3.2 结构安排 |
| 第二章 基于路径损耗模型的无线电传播可靠性分析 |
| 2.1 引言 |
| 2.2 路径损耗模型 |
| 2.2.1 Okumura-Hata模型 |
| 2.2.2 COST-231 Hata模型 |
| 2.3 无线电传播可靠性建模分析 |
| 2.3.1 通信距离不确定性量化 |
| 2.3.2 路径损耗概率分布 |
| 2.3.3 基于路径损耗的可靠度计算方法 |
| 2.4 算例分析 |
| 2.5 本章小结 |
| 第三章 基于离散时间贝叶斯网络的通信设备可靠性分析 |
| 3.1 引言 |
| 3.2 离散时间贝叶斯网络算法 |
| 3.2.1 静态逻辑门的DTBN算法 |
| 3.2.2 动态逻辑门的DTBN算法 |
| 3.3 多层次DTBN建模分析 |
| 3.3.1 多层次系统 |
| 3.3.2 DBN结构转换 |
| 3.3.3 MLS系统建模与结果分析 |
| 3.4 通信设备可靠性分析 |
| 3.4.1 VHF电台结构与功能层次分析 |
| 3.4.2 VHF电台DBN建模 |
| 3.4.3 VHF电台动态可靠性分析 |
| 3.5 本章小结 |
| 第四章 基于混合动态贝叶斯网络的无线通信网络可靠性分析 |
| 4.1 引言 |
| 4.2 混合动态贝叶斯网络 |
| 4.2.1 静态逻辑门的BPT建模 |
| 4.2.2 动态逻辑门的BPT建模 |
| 4.3 无线通信网络可靠性建模分析 |
| 4.3.1 2 端可靠性分析 |
| 4.3.2 k端可靠性分析 |
| 4.3.3 k/n端可靠性分析 |
| 4.4 算例分析 |
| 4.4.1 无线通信网络结构 |
| 4.4.2 HDBN建模 |
| 4.4.3 动态可靠性分析 |
| 4.5 本章小结 |
| 第五章 基于动态贝叶斯推理的无线通信系统分层故障诊断 |
| 5.1 引言 |
| 5.2 贝叶斯推理算法 |
| 5.2.1 精确推理算法 |
| 5.2.2 近似推理算法 |
| 5.2.3 算法对比 |
| 5.3 多层次系统分层动态诊断策略 |
| 5.3.1 动态故障诊断 |
| 5.3.2 分层故障诊断 |
| 5.4 无线通信系统分层故障诊断 |
| 5.4.1 网络层次划分 |
| 5.4.2 诊断结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（5）齿轮箱混沌特性与故障诊断研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景、意义及来源 |
| 1.2 国内外研究进展 |
| 1.3 尚需深入研究的问题 |
| 1.4 主要研究内容 |
| 2 试验信号采集与降噪分析处理研究 |
| 2.1 引言 |
| 2.2 齿轮振动信号采集试验分析 |
| 2.3 试验结果与分析 |
| 2.4 试验信号降噪分析与处理 |
| 2.5 本章小结 |
| 3 齿轮箱系统的混沌特性研究 |
| 3.1 引言 |
| 3.2 相空间重构理论 |
| 3.3 混沌系统的判别方法 |
| 3.4 理论混沌系统证明 |
| 3.5 齿轮系统混沌特性证明 |
| 3.6 本章小结 |
| 4 基于混沌吸引子相点分布特性表征诊断方法研究 |
| 4.1 引言 |
| 4.2 相轨迹图表征与诊断 |
| 4.3 相点三维直方图表征与诊断 |
| 4.4 本章小结 |
| 5 基于混沌吸引子递归特性表征诊断方法研究 |
| 5.1 引言 |
| 5.2 递归分析方法原理 |
| 5.3 齿轮故障递归图分析 |
| 5.4 齿轮故障定量递归分析 |
| 5.5 最优模式识别与诊断方法 |
| 5.6 本章小结 |
| 6 考虑多频激励齿轮动力学建模与诊断研究 |
| 6.1 引言 |
| 6.2 齿轮动力学模型构建 |
| 6.3 齿轮动力学模型特性与诊断 |
| 6.4 本章小结 |
| 7 全文总结 |
| 7.1 研究内容和主要结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（6）基于多信号流模型的故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 诊断策略优化技术研究现状 |
| 1.2.2 故障传播路径辨识技术研究现状 |
| 1.2.3 国内外研究现状分析 |
| 1.3 本文的主要研究内容 |
| 第2章 多信号流模型的建立方法及实例分析 |
| 2.1 引言 |
| 2.2 多信号流图模型建模方法 |
| 2.2.1 多信号流图建模理论 |
| 2.2.2 多信号流图建模步骤 |
| 2.3 多信号流图模型建模实例分析 |
| 2.3.1 复杂系统多信号流建模过程问题分析及处理 |
| 2.3.2 雷达发射机系统分析 |
| 2.3.3 划分系统组成模块及设定测试点 |
| 2.3.4 构建雷达发射机多信号流模型 |
| 2.4 本章小结 |
| 第3章 基于多信号流模型的诊断策略优化方法研究 |
| 3.1 引言 |
| 3.2 诊断策略优化理论概述 |
| 3.2.1 诊断策略优化问题的构成要素 |
| 3.2.2 诊断策略优化基本假设 |
| 3.2.3 诊断策略优化目标 |
| 3.3 面向诊断策略优化的启发式搜索算法 |
| 3.3.1 霍夫曼启发式函数 |
| 3.3.2 信息熵启发式函数 |
| 3.4 基于启发式搜索的诊断策略优化方法设计 |
| 3.4.1 诊断策略优化算法理论 |
| 3.4.2 诊断策略优化算法实现 |
| 3.5 诊断策略优化算法对比分析 |
| 3.5.1 计算原理对比分析 |
| 3.5.2 计算时间复杂度对比分析 |
| 3.5.3 计算结果对比分析 |
| 3.6 本章小结 |
| 第4章 基于多信号流模型的故障传播路径辨识 |
| 4.1 引言 |
| 4.2 基于系统分层重构的多信号流模型建立 |
| 4.2.1 系统分层重构思想 |
| 4.2.2 系统分层重构实例 |
| 4.3 故障传播模型结构性指标建立 |
| 4.3.1 基于隶属度函数故障程度分析 |
| 4.3.2 基于相容路径的传播通路 |
| 4.3.3 基于有向边负荷属性的有向边重要度 |
| 4.4 基于结构性指标的故障传播路径辨识 |
| 4.5 本章小结 |
| 第5章 基于多信号流模型的综合诊断软件设计与实现 |
| 5.1 引言 |
| 5.2 需求分析 |
| 5.3 软件总体设计 |
| 5.3.1 总体设计原则 |
| 5.3.2 软件功能模块组成 |
| 5.4 模型数据的管理 |
| 5.4.1 模型数据的存储结构 |
| 5.4.2 模型数据的读写 |
| 5.4.3 模型工具箱的开发 |
| 5.5 软件功能模块的实现 |
| 5.5.1 可视化建模模块 |
| 5.5.2 图形化诊断树模块 |
| 5.5.3 故障传播路径可视化模块 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（7）基于图割/图搜索的医学影像分割算法研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 医学影像分割概述 |
| 1.3 医学影像分割方法分类 |
| 1.3.1 基于阈值的分割方法 |
| 1.3.2 基于边缘的分割方法 |
| 1.3.3 基于区域的分割方法 |
| 1.3.4 基于能量泛函的分割方法 |
| 1.3.5 基于图论的分割方法 |
| 1.3.6 基于机器学习的分割方法 |
| 1.4 本文主要研究内容及结构安排 |
| 1.4.1 本文主要的研究内容与创新点 |
| 1.4.2 本文的结构安排 |
| 第二章 基于图论的图像分割 |
| 2.1 引言 |
| 2.2 图论基础原理 |
| 2.2.1 基本概念 |
| 2.2.2 医学影像与图 |
| 2.2.3 最大流与最小割 |
| 2.3 图割算法 |
| 2.3.1 算法原理与实现 |
| 2.3.2 算法分析 |
| 2.4 图搜索算法 |
| 2.4.1 算法原理与实现 |
| 2.4.2 算法分析 |
| 2.5 本章小结 |
| 第三章 基于三维图割算法的PET-CT双模态肺肿瘤分割方法 |
| 3.1 引言 |
| 3.2 肺肿瘤分割方法概述 |
| 3.2.1 基于CT影像的肺肿瘤分割方法 |
| 3.2.2 基于PET影像的肺肿瘤分割方法 |
| 3.2.3 基于PET-CT双模态影像的肺肿瘤分割方法 |
| 3.3 基于三维图割算法的双模态肺肿瘤分割方法 |
| 3.3.1 双模态影像预处理 |
| 3.3.2 基于随机游走的肺肿瘤区域提取 |
| 3.3.3 基于高斯混合模型的肺肿瘤建模 |
| 3.3.4 双子图建图与分割 |
| 3.4 双模态肺肿瘤分割实验 |
| 3.4.1 实验数据与参数 |
| 3.4.2 实验对照组设计 |
| 3.4.3 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于自适应动态约束图搜索的视网膜分层方法 |
| 4.1 引言 |
| 4.2 视网膜分层方法概述 |
| 4.3 自适应动态约束图搜索视网膜分层 |
| 4.3.1 OCT影像预处理 |
| 4.3.2 基于大津阈值的视网膜平滑参数获取 |
| 4.3.3 动态约束图搜索建图 |
| 4.4 视网膜内界膜分层实验 |
| 4.4.1 实验数据 |
| 4.4.2 实验对照组设计 |
| 4.4.3 实验结果与分析 |
| 4.4.4 模拟数据验证 |
| 4.5 本章小结 |
| 第五章 基于图搜索结合随机森林的视杯盘分割方法 |
| 5.1 引言 |
| 5.2 视杯盘分割方法概述 |
| 5.3 自适应动态约束图搜索结合随机森林的视杯盘分割 |
| 5.3.1 OCT影像预处理 |
| 5.3.2 视网膜B-scan对齐 |
| 5.3.3 三维OCT影像极坐标重采样 |
| 5.3.4 特征提取 |
| 5.3.5 视杯盘分割 |
| 5.4 视盘分割实验 |
| 5.4.1 实验数据 |
| 5.4.2 实验对照组设计 |
| 5.4.3 实验结果与结果分析 |
| 5.5 视杯盘分割软件 |
| 5.6 本章小结 |
| 第六章 基于三维共享孔洞图搜索的视网膜分层方法 |
| 6.1 引言 |
| 6.2 视盘区域视网膜分层方法概述 |
| 6.3 基于三维共享孔洞图搜索的视网膜分层 |
| 6.3.1 OCT影像预处理 |
| 6.3.2 视网膜B-scan对齐 |
| 6.3.3 共享孔洞图搜索建图 |
| 6.3.4 多尺度视网膜分层 |
| 6.4 视盘区域视网膜分层实验 |
| 6.4.1 实验数据 |
| 6.4.2 实验对照组设计 |
| 6.4.3 实验结果与分析 |
| 6.4.4 模拟数据验证 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士学位期间完成的学术成果 |
| 攻读博士学位期间获得的主要奖励 |
| 攻读博士学位期间参与的科研课题 |
| 致谢 |
（8）组合电路的模型诊断问题研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 组合电路模型诊断方法的研究现状 |
| 1.2.1 组合电路MBD方法分类 |
| 1.2.2 组合电路直接诊断方法研究现状 |
| 1.3 本文主要研究内容和贡献 |
| 1.4 本文论文结构 |
| 第2章 组合电路的模型诊断 |
| 2.1 相关基本知识 |
| 2.1.1 MBD基本概念 |
| 2.1.2 SAT和 MaxSAT基本定义 |
| 2.2 结合SAT/MaxSAT的组合电路MBD |
| 2.2.1 结合SAT的组合电路MBD |
| 2.2.2 结合MaxSAT的组合电路MBD |
| 2.2.3 两种方式的区别 |
| 2.3 本章小结 |
| 第3章 基于SAT的分组式诊断方法 |
| 3.1 引言 |
| 3.2 结合集合枚举树的基于SAT模型诊断 |
| 3.2.1 基本定义 |
| 3.2.2 LLBRS-Tree算法思想 |
| 3.3 GD算法 |
| 3.3.1 基本概念 |
| 3.3.2 元件分组方法 |
| 3.3.3 结合元件分组的诊断方法 |
| 3.4 实验结果 |
| 3.4.1 实验环境 |
| 3.4.2 实验数据 |
| 3.5 本章小结 |
| 第4章 基于MaxSAT的区域化抽象诊断方法 |
| 4.1 引言 |
| 4.2 基于分层抽象的MBD |
| 4.2.1 基本定义 |
| 4.2.2 分层抽象化诊断过程 |
| 4.3 ZD算法 |
| 4.3.1 基本定义 |
| 4.3.2 区域化抽象诊断方法 |
| 4.3.3 传播拓展方法 |
| 4.3.4 完备性分析 |
| 4.3.5 区域化抽象诊断方法与分层抽象诊断方法 |
| 4.4 实验结果 |
| 4.4.1 实验环境 |
| 4.4.2 实验数据 |
| 4.5 本章小结 |
| 第5章 结合多观测提高健康态质量方法 |
| 5.1 引言 |
| 5.2 基本定义 |
| 5.3 结合多观测和诊断差异度提高健康态质量的方法 |
| 5.3.1 基本概念 |
| 5.3.2 IHSD算法流程 |
| 5.4 相关工作 |
| 5.5 实验结果 |
| 5.5.1 实验环境 |
| 5.5.2 质量评价标准 |
| 5.5.3 实验数据 |
| 5.6 本章小结 |
| 第6章 增量的多观测极小诊断方法 |
| 6.1 引言 |
| 6.2 组合电路多观测MBD |
| 6.2.1 基本定义 |
| 6.2.2 求解极小精确诊断的两种完备算法 |
| 6.3 IMBD_(MO)算法 |
| 6.3.1 基本定义 |
| 6.3.2 IMBD_(MO)算法流程 |
| 6.3.3 相关工作 |
| 6.4 实验结果 |
| 6.4.1 实验环境 |
| 6.4.2 实验数据 |
| 6.5 本章小结 |
| 第7章 总结和展望 |
| 7.1 本文工作总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（9）改进胶囊网络优化分层卷积的亚健康识别算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 亚健康研究国内外现状 |
| 1.2.1 亚健康研究国内现状 |
| 1.2.2 亚健康研究国外现状 |
| 1.3 本文主要研究内容 |
| 1.4 论文组织结构 |
| 第2章 基础理论分析 |
| 2.1 卷积神经网络的原理分析 |
| 2.1.1 卷积层 |
| 2.1.2 池化层 |
| 2.1.3 全连接层 |
| 2.1.4 CNN优缺点分析 |
| 2.2 Inception模块的演变分析 |
| 2.2.1 Inception v1 版本的提出 |
| 2.2.2 Inception v2和Inception v3 的差异分析 |
| 2.2.3 Inception v4和Inception-Res Net的差异分析 |
| 2.3 胶囊网络的原理分析 |
| 2.3.1 胶囊网络结构及动态路由算法分析 |
| 2.3.2 胶囊网络的优缺点分析 |
| 2.4 本章小结 |
| 第3章 多输入分层CNN的亚健康识别算法 |
| 3.1 传统CNN模型分析 |
| 3.2 多输入信号的处理 |
| 3.2.1 低频信号的分解降噪 |
| 3.2.2 高频信号的分解降噪 |
| 3.3 多维度特征提取的CNN |
| 3.4 多输入分层CNN的亚健康识别算法 |
| 3.4.1 多输入分层CNN的亚健康模型结构 |
| 3.4.2 多输入分层CNN的亚健康识别流程 |
| 3.5 本章小结 |
| 第4章 改进胶囊网络重构CNN的亚健康识别算法 |
| 4.1 多输入分层CNN的问题分析 |
| 4.2 改进的胶囊网络 |
| 4.2.1 动态路由算法原理分析 |
| 4.2.2 剪枝机制的提出 |
| 4.2.3 剪枝的动态路由算法 |
| 4.3 改进胶囊网络重构CNN的亚健康识别算法 |
| 4.3.1 改进胶囊网络重构CNN的模型结构 |
| 4.3.2 改进胶囊网络重构CNN的亚健康识别流程 |
| 4.4 本章小结 |
| 第5章 实验结果与分析 |
| 5.1 实验数据的选取 |
| 5.2 数据预处理 |
| 5.2.1 滑动窗口的处理 |
| 5.2.2 小波阈值去噪和小波包去噪的数据预处理 |
| 5.3 实验参数的选取 |
| 5.3.1 batch_size的选取 |
| 5.3.2 模型参数的选取 |
| 5.4 实验结果分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间发表的学术论文及参加科研情况 |
（10）可信信息物理融合系统的架构设计及自管理优化策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 CPS及可信计算等相关概念 |
| 1.2.1 CPS概念 |
| 1.2.2 CPS服务特征及设计需求 |
| 1.2.3 可信性概念 |
| 1.2.4 可信的自管理CPS |
| 1.2.5 模型驱动工程 |
| 1.2.6 运行时建模技术 |
| 1.3 国内外研究现状及存在的问题 |
| 1.3.1 CPS模型及分析工具研究 |
| 1.3.2 自管理决策及其可信性研究 |
| 1.3.3 不确定性问题和决策差异化研究 |
| 1.3.4 CPS集成技术研究 |
| 1.3.5 CPS国内外研究现状小结 |
| 1.4 自管理模式分析 |
| 1.4.1 SCPS自管理模式 |
| 1.4.2 自管理误差源和故障源 |
| 1.5 论文主要研究内容和章节结构 |
| 1.5.1 论文主要研究内容 |
| 1.5.2 研究内容之间的关系 |
| 第2章 一体化SCPS可组合元模型设计 |
| 2.1 引言 |
| 2.2 SCPS系统建模现状 |
| 2.2.1 SCPS子系统模型 |
| 2.2.2 可组合性定义 |
| 2.2.3 可组合性的相关研究 |
| 2.3 Actor及其组合模型 |
| 2.3.1 可组合时限可写actor模型 |
| 2.3.2 Actor组合交互模型 |
| 2.4 基于合约的决策任务表示规范 |
| 2.4.1 集成控制流和数据流的决策任务模型 |
| 2.4.2 合约-建议-决策规范 |
| 2.4.3 Actor活动组合模式及约束 |
| 2.4.4 Actor活动组合性质 |
| 2.4.5 基于actor元模型的事件推断及决策组织 |
| 2.5 Actor模型可组合性 |
| 2.5.1 功能可组合性 |
| 2.5.2 Actor需求和属性可组合性 |
| 2.5.3 Actor组合约束 |
| 2.5.4 失效模式的actor可组合性 |
| 2.6 合约可组合性及决策的合并约束 |
| 2.7 Actor元模型应用示例 |
| 2.8 本章小结 |
| 第3章 面向SCPS的模型驱动工程方法和架构-策略协同验证 |
| 3.1 引言 |
| 3.2 面向SCPS的模型驱动工程方法 |
| 3.2.1 面向SCPS的模型驱动工程研究现状 |
| 3.2.2 AADL语言和工具简介 |
| 3.2.3 基于AADL面向SCPS的模型驱动工程方法 |
| 3.2.4 Actor元模型和AADL语言描述规则转化 |
| 3.2.5 基于模型驱动工程方法的actor模型可信性分析 |
| 3.3 Actor子系统元模型实现和集成 |
| 3.3.1 AADL软硬件库 |
| 3.3.2 Actor元模型实现 |
| 3.3.3 基于Actor的软硬件协同设计模型 |
| 3.4 SCPS嵌入式子系统软硬协同验证 |
| 3.4.1 基于Actor元模型的设计验证原理 |
| 3.4.2 多actor的嵌入式子系统验证 |
| 3.4.3 子系统可信性的软硬件协同验证 |
| 3.5 架构设计及架构-策略协同验证 |
| 3.5.1 中心式静态控制策略方案 |
| 3.5.2 去中心架构中心化管理方案 |
| 3.5.3 完全去中心化管理方案 |
| 3.5.4 简单分层-去中心方案 |
| 3.5.5 带检查点的分层-去中心方案 |
| 3.5.6 架构-策略协同仿真 |
| 3.6 感知误差对决策可靠性的影响 |
| 3.7 本章小结 |
| 第4章 基于合约的SCPS自管理决策多目标渐进优化 |
| 4.1 引言 |
| 4.2 自适应反馈循环模式及协作 |
| 4.2.1 通用的自适应反馈循环模式 |
| 4.2.2 前瞻性决策中各反馈循环间的协作 |
| 4.3 运行时自适应的可组合合约 |
| 4.3.1 当前中心式和去中心式自管理方案的不足 |
| 4.3.2 运行时可改进的合约-决策方案 |
| 4.4 基于运行时建模的合约渐进优化 |
| 4.4.1 合约-决策细化问题形式化 |
| 4.4.2 合约的可实施性检测 |
| 4.4.3 基于改进NSGA-II的建议优化 |
| 4.4.4 建议时序约束设置和建议分解 |
| 4.5 去中心式决策运行时优化及补救性恢复 |
| 4.5.1 活动等待时间修正和截止时间对齐 |
| 4.5.2 运行时可靠性修正 |
| 4.5.3 运行时能耗优化 |
| 4.5.4 同步及时间误差消除 |
| 4.5.5 周期性子系统属性更新及反馈 |
| 4.6 合约-决策方案分析及仿真 |
| 4.6.1 建议优化复杂性和仿真分析 |
| 4.6.2 等待时间对稳定性影响分析 |
| 4.7 本章小结 |
| 第5章 可信SCPS多角色可组合子系统方案与验证 |
| 5.1 引言 |
| 5.2 SCPS自适应架构设计及分析 |
| 5.2.1 分层决策-去中心化执行多角色自适应架构 |
| 5.2.2 自适应架构解耦控制管理逻辑 |
| 5.2.3 可配置自管理嵌入式子系统框架 |
| 5.2.4 自相似actor接口定义及优势 |
| 5.2.5 运行时可编程规范和复合actor的生成 |
| 5.3 基于相对时间的分布式时序可靠性保障 |
| 5.3.1 相对参考时间方案 |
| 5.3.2 相对时间方案中时钟误差消除 |
| 5.3.3 相对时间和绝对时间方案比较分析 |
| 5.4 面向AVR的轻量级可恢复容器设计 |
| 5.4.1 轻量级可恢复的容器设计 |
| 5.4.2 容器性能分析 |
| 5.4.3 容器的故障恢复能力测试 |
| 5.5 SCPS爆发性消息管理优化 |
| 5.6 本地子系统自愈方案设计 |
| 5.6.1 多层次一体化自愈措施 |
| 5.6.2 时间预估及自愈措施选择 |
| 5.6.3 运行时时序可信相关的组合方案 |
| 5.7 SCPS系统实测与分析 |
| 5.7.1 测试平台和相关配置 |
| 5.7.2 建议的多目标组合优化解集 |
| 5.7.3 实际系统可靠性和稳定性测试 |
| 5.8 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它成果 |
| 致谢 |
| 个人简历 |
四、基于模型的动态分层诊断技术（论文参考文献）
- [1]基于布尔可满足性的若干方法研究[D]. 田乃予. 吉林大学, 2021(01)
- [2]磁共振影像组学与数据分析在前列腺癌检测、风险分层与神经侵袭中的应用研究[D]. 邢朋毅. 中国人民解放军海军军医大学, 2021(01)
- [3]数字化慢病管理系统的研究与实践[D]. 汪哲宇. 浙江大学, 2021(01)
- [4]基于动态贝叶斯网络的无线通信系统可靠性分析与故障诊断[D]. 李享. 电子科技大学, 2021
- [5]齿轮箱混沌特性与故障诊断研究[D]. 蒋宇. 中国矿业大学, 2020
- [6]基于多信号流模型的故障诊断技术研究[D]. 刘允昊. 哈尔滨工业大学, 2020(01)
- [7]基于图割/图搜索的医学影像分割算法研究及应用[D]. 俞凯. 苏州大学, 2020(06)
- [8]组合电路的模型诊断问题研究[D]. 刘梦. 吉林大学, 2020(08)
- [9]改进胶囊网络优化分层卷积的亚健康识别算法研究[D]. 邱存月. 辽宁大学, 2020(01)
- [10]可信信息物理融合系统的架构设计及自管理优化策略研究[D]. 周鹏. 哈尔滨工业大学, 2019(01)