一、基于模糊认知图的机器人高层规划研究（论文文献综述）
公超[1]（2020）在《情商网络模型及算法研究》文中研究表明随着大数据、物联网和云计算技术的发展,日益积累的海量数据和不断增强的计算能力,使人工智能摆脱了数据量小、计算性能差的条件限制,并在计算机视觉、自然语言处理、汽车自动驾驶等众多领域取得了前所未有的成功。然而,随着人们对更高级人工智能需求的增加,传统的“智商”型人工智能逐渐暴露出开放式场景兼容性差、多智能协作能力弱、感性思维缺失等不足。因而如何实现一种“情商”型的强人工智能成为了未来人工智能领域中重要的研究内容。现阶段,对“情商”型人工智能的研究仍面临诸多挑战。首先,基于传统智能节点难以进行有效的智能协作,并且组网机制的缺失造成多智能体网络的可行性难以保障;其次,情感数据的“瞬时——过程二象性”特征导致现有数据处理技术难以对其保持理想的分析和预测性能;再次,当前集中训练、模式单一的智能范式难以有效地进行高维、个体差异化明显的情感计算;最后,由于情感动力机制缺失而导致的黑盒式智能模型不可控性过高,稳定性难以保证。针对以上问题,本文围绕情商网络相关模型及算法展开研究。首先提出一种类人类社会网络的情商网络群体智能架构。在该架构的基础上,利用随机脉冲理论、忆阶神经元网络理论、隐马尔科夫模型和范德波尔振子理论,对情商网络的系统宏观规则制定、情感记忆处理、情感计算和情感控制等问题展开深入研究,主要研究工作包括:（1）提出一种情商网络系统情感随机脉冲模型,基于基础情感之间的转移实现对情商网络系统情感的预测,通过增加脉冲信号将系统情感控制在稳定运行空间内。基于此模型,提出一种系统情感脉冲规则确定算法,实现情商网络宏观规则的制定,通过持久性和全局吸引性分析,证明运行在该规则下的情商网络能够实现有效的可行性保障。（2）提出一种忆阶神经元网络模型,通过在人工神经元中增加连续化记忆开关实现忆阶神经元的记忆跃迁机制,从而能够对情感瞬时数据和时间序列数据进行自动的转换处理。对忆阶神经元进行组网,并且提出忆阶神经元网络的学习算法。经过该算法训练的忆阶神经元网络能够实现对长时间情感记忆数据的精确分析与预测。（3）提出一种仿杏仁核的情商网络情感计算框架,通过对情商节点表征状态的观测实现情商网络的机器情感计算。通过模仿人脑杏仁核的情感机制,首先基于修剪和哈希技巧对卷积神经网络进行压缩,实现对外部应急情感的加速识别。然后通过增加时间池化层实现更深层次的忆阶神经元网络,用于对外部过程情感的加速识别。最后基于外部情感的识别结果,建立性格化的颅内情感隐马尔可夫模型实现情商网络个性化情感计算。（4）提出一种情商网络的范德波尔情感动力学模型,将情感波动的恢复力非线性化,并分别在自治情形和随机激励情形下对模型进行了求解以及稳态响应分析。根据情感状态的运行轨道对情感系统的四种健康状态进行了定义。在该动力学模型的基础上,提出了情商节点情感的稳定反馈控制算法,以保证情商网络中各情商节点的稳定运行。
王学渊[2]（2018）在《基于膜计算的移动机器人自主行走控制方法研究》文中进行了进一步梳理膜计算理论与应用研究,为移动机器人自主行走中的智能规划、决策与控制等关键问题的解决提供了新途径。目前,膜计算的理论研究成果丰硕,而急需应用研究领域的突破。抽象于生物细胞的膜系统是一种仿生并行分布式计算模型,具有强大的信息处理与计算能力,适于求解移动机器人的运动规划与控制问题。本文针对移动机器人自主行走所面临的三类关键问题,结合膜计算模型的特点,分别设计了基于膜优化的路径规划算法以及多种行为膜控制器,用于提升移动机器人自主行走时的环境适应能力。本文首先描述了膜计算模型信息处理的特点,剖析了膜系统适合于解决移动机器人自主行走关键问题的原因。另一方面,在综合分析一般智能体混合式体系结构与膜系统构造的认知系统的共性基础上,构建了适合不同类型膜系统应用的自主移动机器人混合控制体系结构;分层次探讨了可以利用膜计算模型解决的具体应用问题,为后续膜系统与移动机器人自主行走控制方法相结合的研究工作,奠定了膜计算应用框架基础。针对智能路径规划方法常存在收敛慢、局部探测能力弱,难以兼顾效率与效果的问题,通过分析有效路径优化过程中解个体节点的演变规律,提出了一种维度可变的粒子群膜优化算法。充分利用动态膜结构的膜溶解、膜通信、膜转运等规则,将点修复算法、平滑算法以及移动方向调整等辅助功能算法有机结合,实现寻优粒子种群的维度变化与信息交流。利用多维度种群具有更广泛探测能力的特点,以提高搜索效能。另一方面,定义的多个目标的评价与决策方法,在加快算法收敛与提高适应性的同时,可以产生更合理的路径。针对非完整约束的轨迹跟踪过程中,移动机器人常面临外部扰动、参数剧烈变化、难以精确建模等问题,设计了运动学模型结合动力学模型的两层结构轨迹跟踪控制器。在外层运动学层面,结合Lyapunov稳定性理论、滑模控制方法以及Backstepping技术,分段设计了前馈与反馈相结合的运动学跟踪控制律,为动力学模型提供了更精确的参考路径输入。在内层动力学层面,利用膜系统将神经网络PID的控制模型规则化,同时利用酶变量灵活多变选择规则执行的特性,在膜内实现神经网络与专家知识相结合的参数自学习过程,这种灵活切换方式可使参数间的影响减弱,达到有效控制强时变扰动的效果。针对基于行为的实时导航过程中,存在易振荡与易陷入最小值陷阱等问题,分别设计了局部环境模式分类器、多行为选择策略与多行为融合膜控制器。考虑到自主机器人探索未知环境时,机器人对所处环境理解越精确越有利于做出正确行为响应,但传感器易受噪声影响的情况,定义了二值化的多种局部环境模式,将膜系统引入到环境分类器设计中,实现环境模式的准确快速识别;为便于多行为的融合,根据机器人物理特性分别设计了目标趋向、避障、随墙、通道穿越等行为控制律;提出能摆脱局部最小值陷阱的多行为融合策略,所设计的多行为融合膜控制器能够帮助移动机器人成功走出复杂的迷宫环境,自主行走性能优良。搭建了基于膜控制器的移动机器人实验平台。多组实验验证本文提出的膜控制器在移动机器人自主行走中具有满意的运动规划与运动控制性能。
徐嘉[3]（2017）在《基于FCM模型理论的无人作战飞机对地自主攻击决策》文中进行了进一步梳理为了适应日益复杂的战场环境,提升无人作战飞机监督控制模式下的自主作战能力,无人作战飞机自主攻击决策的问题被提出。考虑到实际作战中:（1）无人作战飞机深入前线,最先掌握一手战场信息;（2）无人作战飞机与控制站通信受限;（3）操作员任务负担繁重等实际问题,提高无人作战飞机的自主攻击决策能力成为提升无人作战飞机作战效能的关键。通过使用经过提炼的有启发作用的知识,自主生成有利的作战行动方案,最终由操作员确认攻击指令,是一条可行的实现途径。论文的主要工作和研究成果如下:1)给出了一种无人机自主等级划分方案。包括各自主等级的名称及各自主等级下人机交互方式和交互内容。根据国外文献中无人作战飞机自主等级定义及划分原则,结合本文实际,定义了本文中无人作战飞机的自主等级。2)建立了包含态势感知层、决策推理层和决策交互层的三层次无人作战飞机自主攻击决策模型框架。分别负责完成对敌我态势信息的分析和处理、决策推理过程的组织和实施、决策结果的反馈以及操作员控制指令的响应。层次化无人作战飞机自主攻击决策模型为具体模型的构建提供框架基础。3)设计了包括由强到弱四种干预形式的层次化有人机有限干预机制。体现了决策需求的层次性及操作员对无人作战飞机自主决策干预的有限性,既充分发挥了无人作战飞机的自主决策能力,又减轻了操作员的工作负担。4)基于模糊认知图模型理论,结合任务想定,建立了基于智能体模糊认知图模型框架的层次化无人作战飞机自主攻击决策模型。将无人作战飞机自主攻击决策内容合理地分解在不同层次和功能的Agent中,通过对各Agent建立因果推理模型,实现了合理有序地组织整个决策推理行为。5)设计了无人作战飞机对地自主攻击决策仿真软件。通过仿真分析,验证了所建模型的合理性和适用性,同时表明该模型将有助于无人作战飞机适应未来复杂的战场环境,提升监督控制模式下的自主作战能力。
刘倩[4]（2016）在《企业吸纳大数据能力结构建模与动态演化研究》文中研究表明随着互联网的发展和信息技术的普及,传统信息化进程发生了变革,步入以大数据为基石的智慧化时代,我国企业对大数据的吸收、推广、应用步履迟缓,因此,探索制约我国企业对大数据技术吸纳能力的影响机理,定性、定量研究基于大数据技术吸纳能力的企业管理与优化是重要课题。本文的主要研究如下:（1）探讨影响企业大数据技术吸纳能力的制约因素,结合文献阅读和问卷调查,从技术成熟度、政策支持度、企业革新度、市场响应度四个维度,构建企业对大数据技术吸纳能力评价指标体系。最终形成四个维度十三个指标组成的测评体系,对于企业大数据技术吸纳过程中的技术成熟度认知、政策支持度诉求、企业革新度提升和市场响应度应对等有较好的指导意义。（2）利用结构方程建模的路径关系分析,对企业大数据技术吸纳能力这一多因素相互作用的系统进行量化分析,明确企业内外部因素对大数据技术吸纳能力影响机理。通过对潜在变量和观测变量之间的因果路径关系及关联性分析,为系统认识多因素相互作用机理提供量化支持。（3）采用模糊控制图方法对企业大数据技术吸纳能力波动进行动态演化分析,并对各个影响因素进行趋势预测和管理优化分析。本文根据结构方程模型得到的测量模型和路径系数关系,采用模糊控制图对这一复杂动态系统进行动态演化分析预测,为我国传统企业运营管理层面的大数据驱动革新提供参考依据。
周林荣[5]（2015）在《新建制造企业物流服务供应商选择的FCM方法研究》文中进行了进一步梳理在知识经济背景下,传统制造业面临向新型服务制造业转型升级压力,“服务增强”已成为制造业的发展道路,同时面对中国广阔消费市场,每年有许多新建制造企业成立。为了专注核心能力,降低成本和更好地向顾客提供物流服务,大多数新建制造企业将物流业务外包。然而,据中国公路网的报道,我国物流市场中专业提供物流服务的供应商数量以每年16%-25%的速度增长。面对市场中数量众多,服务能力、服务质量参差不齐的物流服务供应商,新建制造企业急需用一种科学而又切合实际的方法来对物流服务供应商做出选择。因此,如何科学实际的选择物流服务供应商,本文从以下两个方面展开研究。一方面是基础研究。首先,阐述了新建制造企业物流服务供应商选择研究背景、研究目的等内容。然后,详细论述了现有文献关于物流服务供应商选择的评价指标体系和方法的研究现状,发现了已有的评价体系没有考虑具体行业的特性和常用的评价方法没有考虑评价因素间相互影响的反馈关系。最后,分别从理论研究和应用研究两个方面详细地综述了模糊认知图法（Fuzzy Cognitive Map,FCM）,并对比分析了适合本研究使用的模糊认知图的迭代规则和算法,为应用FCM方法解决新建制造企业物流服务供应商选择奠定理论基础。另一方面是核心研究。首先,在相关资料收集基础上,对新建制造企业物流服务类型和物流服务需求的特征进行分析。然后,向新建制造企业发放调查问卷,获取了新建制造企业物流服务供应商选择的影响因素,并对影响因素间的相互反馈关系进行分析,从而建立物新建制造企业物流服务供应商流选择的模糊认知图模型。最后,以某新建制造企业为例,进行案例分析。在分析某新建制造企业的物流需求基础上,应用已建立的模糊认知图模型来评价该新建制造企业的备选物流服务供应商,同时,也采用层次分析法来评估该企业的备选物流服务供应商,并对比了两种方法的评价结果。本文研究结果表明,评价因素间的相互反馈关系会影响最终的评价结果,FCM方法可以获得更为准确的评价权重值,能实现物流服务供应商的优选,并为其他的新建制造企业提供参考与决策支持。
徐建昌[6]（2015）在《关于技能技术若干问题的研究》文中指出技能技术是人工智能领域的一个富有挑战性的课题。它是多元智能的表现,单一的智能技术很难实现复杂的技能功能。技能是人类从生产实践中积累出来的经验、技巧,是进行创造性活动的重要条件。技能技术的主要优化功能有策略寻优、任务规划和运动规划等三个层次。本文以人的技能为基础,主要开展了以下工作:1、对技能、技能技术的概念、特征、研究意义等进行了介绍,提出了技能技术的基本思想和总体功能结构,对它的实现过程进行阐述。以按摩技能为例,对按摩任务进行陈述,并且对任务结构体系进行划分。2、在任务规划研究中,首先对四种任务表述方法进行比较,并分析它们各自的优缺点,最后选取HTN形式表示方法作为按摩机器人的任务规划方法。在详尽阐述HTN任务规划方法及其原理基础上,将其应用于按摩任务之中。把按摩任务划分为若干可以直接执行的子任务。然后利用有限状态机创建了任务模型,将子任务的各种状态以及变化响应映射到任务模型当中去,形成了一系列的动作序列,这样就完成了任务规划层的使命。3、运动规划层主要是对任务规划层所规划出的动作序列中的每一项动作生成动作轨迹。首先,阐述轨迹规划相关理论知识与B样条算法,对B样条算法的数学公式进行推导,得出基于B样条插值算法对时间最优化的约束条件。然后,用MATLAB工具箱建立了按摩机器人模型,对其进行正、逆运动学仿真,验证相关数学理论和机器人模型的正确性。在满足时间最优约束条件下,采用B样条曲线构造的机器人轨迹对前三个关节进行仿真,达到预期的效果。本文将任务规划和运动规划研究应用于按摩机器人,得出按摩任务序列,仿真验证建模和优化的正确性,对以后的相关工作研究和按摩机器人应用提供了理论依据。
张燕丽[7]（2012）在《基于模糊认知图的动态系统的建模与控制》文中研究指明模糊认知图简单、直观的图形化表示和快捷的数值推理能力使其在医学、工业过程控制以及环境监测等领域得到了广泛的应用。模糊认知图是模糊逻辑和神经网络相结合的产物,适用于基于动态数据的非线性系统的描述、预测与控制。由于受到人的经验、知识水平和认知能力的限制,很难由领域专家直接构建大规模系统的模糊认知图。近年来依据动态数据自动或半自动构建模糊认知图的研究越来越受到关注。本文在对模糊认知图结构的构建、权值学习、稳定性分析和实际应用等方面进行综述、比较和分析的基础上,研究了基于动态数据的模糊认知图的构建、权值学习和控制,取得如下主要研究成果：（1）在分析了常用模糊认知图转换函数的不足之处之后,对模糊认知图转换函数进行改进,引入了协调系数,该系数无需事先指定,可由系统数据自动学习得到,改进后的转换函数使模糊认知图对现实系统的描述更加准确。（2）针对模糊认知图基于数据的权值学习的Hebbian技术、遗传算法、群体智能三大类存在的反复迭代运算、负荷过重问题,将最小平方技术与模糊认知图权值的学习相结合,提出了方便、简洁、准确、快速的基于最小平方的模糊认知图权值学习算法。该方法只需求解线性方程即可得到模糊认知图的权值,不需要进行迭代计算,大大提高了算法的运行效率。不需要专家事先指定任何系数或初始值,是一种无监督的自动学习算法。（3）针对大型非线性系统,提出了状态空间的拆分融合法,该方法针对状态区域范围过大的系统,将系统的整个状态区间进行拆分,形成多个局部区域,并分别建立各局部区域上的子模糊认知图,利用T-S模型形成由系统状态决定的具有时变关联矩阵的模糊认知图模型,从而解决了无法用一个模糊认知图描述大型系统的难题。（4）将模糊认知图与Hebbian技术相结合,提出了分步、自定义精度的动态系统自动控制算法,该方法将系统的控制目标拆分成多步来完成,控制系统逐步接近目标,直至最终满足控制精度要求。最后本文所提出的模糊认知图建模和控制理论和方法在复杂非线性的倒车系统中进行验证,实验结果表明该方法具有实用、准确、高效的特点。
马彪[8]（2011）在《面向决策支持的组织多源异性知识的智能集成研究》文中进行了进一步梳理管理决策一直以来都是一个充满挑战的领域,并且是一个知识密集型的活动。高质量的管理决策需要决策者具有丰富的经验并擅于综合相关的信息和知识。尤其是在当前急剧变化的复杂竞争环境中,及时正确的决策依赖于掌握更多有价值的信息和知识。人们常把决策失误归咎于缺少信息,实际上缺乏的是能够洞察全局和预见未来的知识。知识管理已经成为管理决策和决策支持所必须关注的重要课题。21世纪以来,在决策过程中管理者们如何运用数据、信息和知识的支持方式已经发生了巨大的变化。决策者面临获取知识过多导致知识过载,知识难以有效利用的问题。同时,组织知识大多是片段的、零散的、异性的、分布在组织的多个知识源之中,也这为决策支持带来了困难。显然,有效的知识集成是解决这些问题的基础和前提。而知识集成中的关键问题知识价值判断、隐性知识表示与集成至今仍未解决。基于上述问题,本文主要内容和创新点如下：1.面向决策支持的智能知识集成的理论框架的建立。本文关于知识集成的研究区别于传统知识管理中以组织行为为主的研究路径,而是基于自然决策理论的视角重点讨论以决策者为中心的知识集成问题。针对这一问题,融合决策科学、认知心理学、人工智能、自然决策理论和多Agent系统建立了实现知识获取智能化、知识表示智能化、知识评价智能化和知识应用智能化的系统性理论框架。为本文的理论分析和模型建立奠定了基础。2.建立了融合因果关系和信任关系的隐性知识表示方法。通过分析和总结人工智能中对于专家知识表示方法的优缺点,提出了以模糊认知图这一软计算方法为基础的隐性知识表示方法。同时,为进一步全面描述决策者在真实环境中对于知识的理解和应用,提出了知识信度的概念来反映专家对于知识的信任程度对决策者形成的影响。从而使得对于专家经验知识的描述更加全面且能够进行一定的定量分析。而且基于模糊认知图的表示方法使得决策问题的形式化和决策知识的形式化统一起来,为进一步的对面向决策支持的知识评价提供了前提和基础。3.分析了决策过程中知识价值的特征,构建了面向决策支持的知识价值函数。知识的价值在于减少决策情景的不确定性,基于熵理论提出了包含概念价值、关系价值和信度价值的知识价值函数。通过知识价值函数可以定量分析给定的知识源中的某一知识对于减少决策情景不确定性的贡献程度。支持决策者进行知识的筛选和确定决策的时机,从而减少由于知识负载带来的影响。4.针对组织知识的多源异性的特征,构建了基于多Agent系统的智能知识集成方法,并建立了RPD与CBR相结合的Agent推理机制。在此基础上,提出了通过Agent的共享心智模型实现经验知识集成和融合的新决策支持模式,从而克服由单一Agent决策所带来的有限意识问题。5.在证据理论的研究框架下,探讨了共享心智模型的构建过程,给出了不同来源的经验知识的融合方法。6.在多Agent仿真系统Repast中进行了知识价值模型和多Agent知识集成和共享心智模式的仿真实验,对提出的理论模型进行了验证和分析。设计了在多Agent平台JACK下的智能知识集成系统原型。本文的创新点可以概括为以下几个方面：1.面向特征的决策问题形式化方法。通过决策问题形式化方法的比较研究,将决策问题形式化问题转化为决策情景的描述,提出建立在决策情景的识别特征和其内在联系基础上的决策问题形式化方法。2.基于因果关系和信任关系的模糊认知图隐形知识表示方法。基于自然决策理论展开的对决策者决策行为的分析,引入了影响决策者对知识信任程度的知识源间的信任关系,提出了知识信度的概念来反映专家对于知识的信任程度对决策者形成的影响,使得隐性知识的描述更加客观全面并更够进行定量分析。3.基于熵的知识价值模型。从决策支持的视角分析知识对于减少决策问题不确定性的贡献,提出了基于熵理论的包含概念价值、关系价值和信度价值的知识价值函数。该研究具有原创性的特点,为知识负载的对策研究提供了有益的指导作用。4.提出基于RPD-BDI代理的智能知识集成方法。在智能代理的知识结构中引入面向知识集成的个体心智模型和共享心智模型结构,提出了RPD与CBR相结合的Agent推理机制,给出了共享心智模型的构建方法。在此基础上,提出了通过Agent的共享心智模型实现经验知识集成和融合的新决策支持模式,从而克服由单一Agent决策所带来的有限意识问题。总之,对于结合自然决策理论和多Agent系统的面向决策支持的智能知识集成研究尚未有研究者进行过系统的研究。而本文的研究是探索其中的理论基础、关键问题和技术的一种尝试。同时,本文的研究将为决策支持系统和知识管理的研究作为积极的贡献,为实现两者的全面系统的集成提供有益的指导。
田华庚[9]（2011）在《面向数据资源的认知图推理机制研究与实现》文中研究说明认知图是一种软计算工具,是近年来兴起的一种新的知识管理方法和知识表达工具,它可以用来表示相关领域中实体之间的因果关系。认知图推理就是在认知图的基础上,利用已知的知识推理出未知知识的过程。认知图能够以图的形式直观的表达知识,具有面向复杂系统建模的能力,还具有强大的数值计算的能力。认知图推理可以用来预测行为的结果或者查找给定事实的原因。因此认知图成为人工智能领域研究的热点。然而长期以来对认知图的研究多依赖于专家经验而忽视了客观数据资源的存在,从而可能导致信息丢失的现象;并且目前的主要研究集中在认知图的表示形式、认知图的建立以及认知图的应用等几个方面,而对于认知图推理方面的研究尚少,同时缺乏对认知图推理机制、推理策略系统全面的研究。该文首先对认知图理论的发展概况和认知图应用现状进行了深入分析,指出了现有研究存在的问题。接着对当前常用的认知图推理方法（矩阵推理法、层次推理法、基于规则的推理方法）进行了详尽的阐述,并结合实例分析了他们各自存在的不足,同时对矩阵推理法进行了重点的研究。论文对认知图推理的变换函数进行了深入研究,结合具体实例比较分析了二值变换函数、三值变换函数以及sigmoid变换函数的推理能力,并给出了这三种变换函数的特性和适用范围。在此基础上对认知图推理过程中的四个关键问题（推理初始化条件的获取、推理模型的设置、变换函数的选择、推理结束状态的判断）进行了研究,并构建了认知图推理算法。在以上研究的基础上,并结合数据预处理技术,使用VC++实现了“面向数据资源的认知图推理系统”。最后,采用重庆某地区的气象数据和医疗数据对所研究的算法和系统进行了实验分析,推理结果与现实世界基本相符,说明了推理算法的有效性和系统的实用性,这也说明了该文的工作对认知图理论的发展和应用范围的扩展具有一定的意义。
俞立峰[10]（2009）在《模糊认知图智能学习算法及其应用研究》文中指出Kosko在认知图的基础上提出的模糊认知图（fuzzy cognitive map,FCM）融合了Zadeh（1965）提出的模糊集理论与神经网络技术,它是一种软计算方法,其知识表示和推理能力更强。FCM的概念可以表示系统的动作、原因、结果、目的、感情、倾向及趋势等,反映系统的属性、性能与品质。本文首先介绍了模糊认知图的发展,现有国内外模糊认知图学习算法及智能优化算法中的遗传算法和粒子群优化算法。然后重点分析了现有模糊认知图学习算法的不足之处,并重点介绍了本文提出的两种学习模糊认知图的新方法:智能优化算法中的遗传算法和粒子群优化算法,两者都能够用来寻找合适的权矩阵,以便使FCM达到预期的稳定状态。在介绍新算法的过程中提出了两种不同的目标函数,并针对化学工业过程进行了仿真实验,证明了本文所提出的算法的有效性和健壮性。
二、基于模糊认知图的机器人高层规划研究（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、基于模糊认知图的机器人高层规划研究（论文提纲范文）
（1）情商网络模型及算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写和符号清单 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 人工智能国内外发展现状分析及瓶颈 |
| 1.1.2 下一代人工智能趋势分析 |
| 1.1.3 研究意义 |
| 1.2 论文的研究内容及主要创新点 |
| 1.2.1 论文的具体研究内容 |
| 1.2.2 论文的主要创新点 |
| 1.3 论文的组织与安排 |
| 2 情商网络国内外研究现状综述 |
| 2.1 情商网络群体智能架构研究现状 |
| 2.2 情感时间序列分析与预测研究现状分析 |
| 2.3 机器情感计算研究现状分析 |
| 2.4 情感动力控制研究现状分析 |
| 2.5 本章小结 |
| 3 情商网络群体智能基础架构研究 |
| 3.1 引言 |
| 3.2 情商网络的定义 |
| 3.3 情商网络的群体智能基础架构 |
| 3.4 情商网络运行模式 |
| 3.4.1 情商网络的基本功能 |
| 3.4.2 情商网络的运行流程 |
| 3.5 情商网络的应用场景 |
| 3.6 本章小结 |
| 4 情商网络系统情感随机脉冲模型及算法研究 |
| 4.1 引言 |
| 4.2 情商网络系统情感问题的提出 |
| 4.3 情商网络系统情感随机脉冲模型 |
| 4.3.1 模型建立 |
| 4.3.2 全局正解的存在性及其随机边界 |
| 4.4 情商网络系统情感随机脉冲规则确定算法 |
| 4.5 仿真验证 |
| 4.6 本章小结 |
| 5 面向长时间情感记忆的忆阶神经元网络研究 |
| 5.1 引言 |
| 5.2 长时间情感时间序列识别问题的提出 |
| 5.3 忆阶神经元 |
| 5.3.1 忆阶神经元的记忆跃迁机制 |
| 5.3.2 记忆跃迁的连续化 |
| 5.3.3 忆阶神经元的不应期 |
| 5.4 忆阶神经元网络 |
| 5.4.1 忆阶神经元网络结构 |
| 5.4.2 忆阶神经元网络训练机制 |
| 5.5 仿真验证 |
| 5.6 本章小结 |
| 6 仿杏仁核的情感计算模型及算法研究 |
| 6.1 引言 |
| 6.2 情商网络中情感计算问题的提出 |
| 6.3 情商网络机器情感计算模型 |
| 6.3.1 性格化颅内情感的模型建立 |
| 6.3.2 基于外部情感识别的颅内情感模型求解 |
| 6.4 情商网络机器情感计算算法 |
| 6.4.1 机器情感数据集 |
| 6.4.2 情商网络性格化颅内情感识别算法 |
| 6.5 仿真验证 |
| 6.6 本章小结 |
| 7 范德波尔情感动力控制模型及算法研究 |
| 7.1 引言 |
| 7.2 情商网络情感动力控制问题的提出 |
| 7.3 情商网络情感动力学模型 |
| 7.3.1 具有非线性恢复力的范德波尔情感动力学模型建立 |
| 7.3.2 自治情形下情商网络情感动力模型求解及稳定性分析 |
| 7.3.3 随机激励情形下情商网络情感动力模型求解及稳态响应分析 |
| 7.4 情商节点情感动力控制算法 |
| 7.5 仿真验证 |
| 7.6 本章小结 |
| 8 结论 |
| 8.1 工作总结 |
| 8.2 研究展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（2）基于膜计算的移动机器人自主行走控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的提出 |
| 1.2 国内外研究现状 |
| 1.2.1 膜计算研究现状 |
| 1.2.2 移动机器人发展概况 |
| 1.2.3 移动机器人自主行走关键问题研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 第2章 基于膜计算的移动机器人自主行走控制分析 |
| 2.1 引言 |
| 2.2 移动机器人自主行走控制的膜计算基础 |
| 2.2.1 膜算法 |
| 2.2.2 数值膜系统定义 |
| 2.2.3 酶数值膜系统定义 |
| 2.3 基于膜计算的移动机器人自主行走控制体系分析 |
| 2.3.1 基于膜计算的认知体系 |
| 2.3.2 基于膜计算的混合式体系结构分析 |
| 2.4 本章小结 |
| 第3章 基于膜计算的移动机器人路径规划方法 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于m MPSO算法的移动机器人路径规划 |
| 3.3.1 路径规划问题的数学建模 |
| 3.3.2 可变维策略分析 |
| 3.3.3 m MPSO算法描述 |
| 3.4 实验验证及结果分析 |
| 3.5 本章小结 |
| 第4章 基于膜计算的移动机器人轨迹跟踪方法 |
| 4.1 引言 |
| 4.2 移动机器人轨迹跟踪问题描述 |
| 4.3 移动机器人轨迹跟踪控制器 |
| 4.3.1 移动机器人运动学控制器设计 |
| 4.3.2 移动机器人动力学控制器设计 |
| 4.4 实验验证及分析 |
| 4.4.1 运动学控制器仿真实验 |
| 4.4.2 动力学控制器计算机仿真及分析 |
| 4.5 本章小结 |
| 第5章 基于膜计算的移动机器人多行为融合控制方法 |
| 5.1 引言 |
| 5.2 移动机器人自主行走中的行为选择 |
| 5.3 环境状态识别的膜分类器设计 |
| 5.3.1 局部环境模型定义 |
| 5.3.2 环境模型膜分类器设计 |
| 5.4 基本行为控制律设计 |
| 5.4.1 趋向目标行为 |
| 5.4.2 避障行为 |
| 5.4.3 随墙行为 |
| 5.4.4 穿越通道行为 |
| 5.4.5 自转行为 |
| 5.4.6 紧急调头行为 |
| 5.5 基于膜系统的多行为融合控制器设计 |
| 5.5.1 多行为动态选择策略 |
| 5.5.2 行为融合的膜控制器设计 |
| 5.6 实验验证及分析 |
| 5.6.1 环境分类器实验 |
| 5.6.2 多行为融合控制器对比实验 |
| 5.7 本章小结 |
| 第6章 实验验证及结果分析 |
| 6.1 引言 |
| 6.2 膜控制器实现的系统框架 |
| 6.3 膜控制器实现的软硬件平台 |
| 6.3.1 数值膜系统仿真平台 |
| 6.3.2 移动机器人平台 |
| 6.4 实验结果及分析 |
| 6.4.1 轨迹跟踪计算机仿真及结果分析 |
| 6.4.2 多行为融合实验及结果分析 |
| 6.4.3 实体平台实验 |
| 6.5 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间科研成果 |
（3）基于FCM模型理论的无人作战飞机对地自主攻击决策（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文的研究背景、目的和意义 |
| 1.2 自主攻击决策研究现状及应用前景 |
| 1.2.1 自主攻击决策研究现状 |
| 1.2.2 自主攻击决策应用前景 |
| 1.3 模糊认知图研究现状 |
| 1.3.1 模糊认知图理论背景 |
| 1.3.2 国内外研究现状 |
| 1.4 论文组织结构和主要研究内容 |
| 1.5 论文主要创新点 |
| 第二章 无人作战飞机对地自主攻击决策系统 |
| 2.1 无人作战飞机对地自主攻击决策系统概述 |
| 2.1.1 无人作战飞机自主等级定义 |
| 2.1.2 无人作战飞机对地攻击过程 |
| 2.2 无人作战飞机对地自主攻击决策分析 |
| 2.2.1 无人作战飞机对地攻击特点 |
| 2.2.2 自主攻击决策的复杂性 |
| 2.2.3 无人作战飞机对地攻击决策关键技术 |
| 2.3 无人作战飞机对地自主攻击决策机制 |
| 2.3.1 态势感知层 |
| 2.3.2 决策推理层 |
| 2.3.3 人机交互层 |
| 2.3.4 有人机有限干预机制 |
| 2.4 本章小结 |
| 第三章 基于FCM模型理论的无人作战飞机对地自主攻击决策任务建模 |
| 3.1 模糊认知图模型理论 |
| 3.1.1 模糊认知图的基本性质 |
| 3.1.2 规则模糊认知图 |
| 3.1.3 动态模糊认知图 |
| 3.1.4 智能体模糊认知图 |
| 3.2 无人作战飞机对地自主攻击决策模型框架 |
| 3.2.1 任务想定与野战防空环境设置 |
| 3.2.2 基于ABFCM的自主攻击决策模型框架 |
| 3.3 无人作战飞机攻击优势评估建模 |
| 3.3.1 机载武器系统检测Agent因果推理模型 |
| 3.3.2 无人作战飞机生存能力Agent因果推理模型 |
| 3.3.3 无人作战飞机作战效能Agent因果推理模型 |
| 3.3.4 攻击条件判断Agent因果推理模型 |
| 3.3.5 攻击优势评估Agent因果推理模型 |
| 3.4 地面目标威胁程度评估建模 |
| 3.4.1 威胁源类型Agent因果推理模型 |
| 3.4.2 警戒雷达状态Agent因果推理模型 |
| 3.4.3 火力威胁判断Agent因果推理模型 |
| 3.4.4 威胁程度评估Agent因果推理模型 |
| 3.5 无人作战飞机自主攻击决策建模 |
| 3.5.1 自主攻击决策Agent因果推理模型 |
| 3.5.2 监督控制Agent因果推理模型 |
| 3.6 本章小结 |
| 第四章 无人作战飞机对地自主攻击决策任务仿真 |
| 4.1 关键节点仿真分析与仿真流程设计 |
| 4.1.1 关键节点仿真结果分析及结论 |
| 4.1.2 仿真流程设计 |
| 4.2 攻击优势评估仿真与结果分析 |
| 4.2.1 攻击优势评估仿真状态想定 |
| 4.2.2 攻击优势评估仿真结果分析 |
| 4.3 威胁程度评估仿真与结果分析 |
| 4.3.1 威胁程度评估仿真状态想定 |
| 4.3.2 威胁程度评估仿真结果分析 |
| 4.4 自主攻击决策仿真与结果分析 |
| 4.5 无人作战飞机对地自主攻击决策仿真软件 |
| 4.5.1 自主攻击决策软件设计 |
| 4.5.2 模型整体性仿真结果分析及结论 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 发表论文/专利及参与科研情况 |
| 致谢 |
（4）企业吸纳大数据能力结构建模与动态演化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 2 企业大数据技术吸纳能力影响机理分析 |
| 2.1 吸纳能力理论 |
| 2.2 大数据技术吸纳能力的影响因素分析 |
| 2.3 问卷调查设计 |
| 2.4 本章小结 |
| 3 基于SEM的企业大数据技术吸纳能力结构建模 |
| 3.1 大数据技术吸纳能力理论模型构建 |
| 3.2 大数据技术吸纳能力模型检验 |
| 3.3 大数据技术吸纳能力模型分析 |
| 3.4 本章小结 |
| 4 基于FCM的企业大数据技术吸纳能力演化分析 |
| 4.1 模糊认知图（FCM） |
| 4.2 实证分析 |
| 4.3 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录：攻读学位期间发表论文 |
（5）新建制造企业物流服务供应商选择的FCM方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 研究内容及方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 研究思路及技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 研究技术路线图 |
| 第二章 物流服务供应商选择研究综述 |
| 2.1 物流服务供应商选择指标研究 |
| 2.2 物流服务供应商选择方法研究 |
| 2.3 模糊认知图法（FCM）研究 |
| 2.3.1 FCM理论研究 |
| 2.3.2 FCM应用研究 |
| 2.4 本章小结 |
| 第三章 模糊认知图的基本原理和算法 |
| 3.1 模糊认知图的基本原理 |
| 3.1.1 模糊认知图的概念 |
| 3.1.2 模糊认知图的迭代准则 |
| 3.1.3 模糊认知图的结构表示 |
| 3.1.4 模糊认知图的优势 |
| 3.2 模糊认知图的算法 |
| 3.2.1 基于Hebbian规则学习算法 |
| 3.2.2 基于Hebbian规则学习算法小结 |
| 3.3 模糊认知图的推理机制和推理步骤 |
| 3.3.1 模糊认知图的推理机制 |
| 3.3.2 模糊认知图的训练步骤 |
| 3.4 本章小结 |
| 第四章 新建制造企业物流服务供应商选择的FCM模型 |
| 4.1 新建制造企业含义及特征分析 |
| 4.1.1 新建制造企业含义 |
| 4.1.2 新建制造企业特征分析 |
| 4.2 新建制造企业物流需求及特征分析 |
| 4.2.1 新建制造企业物流需求分析 |
| 4.2.2 新建制造企业物流需求特征分析 |
| 4.3 新建制造企业物流服务模式选择 |
| 4.4 新建制造企业物流服务供应商选择的FCM模型 |
| 4.4.1 新建制造企业物流服务供应商选择的影响因素分析 |
| 4.4.2 新建制造企业物流服务供应商选择的FCM模型构建 |
| 4.4.3 新建制造企业物流服务供应商选择的计算步骤 |
| 4.5 本章小结 |
| 第五章 案例分析—以某新建制造企业为例 |
| 5.1 案例选择背景 |
| 5.2 企业基本情况 |
| 5.3 企业生产运作模式 |
| 5.3.1 企业生产流程 |
| 5.3.2 企业生产运作模式 |
| 5.4 企业物流需求分析 |
| 5.5 基于FCM的企业物流服务供应商评价 |
| 5.5.1 企业物流服务供应商评价影响因素 |
| 5.5.2 新建制造企业物流服务供应商选择计算过程 |
| 5.5.3 企业物流服务供应商计算结果分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录一 新建制造企业选择物流服务供应商考虑因素调查问卷 |
| 附录二 新建制造企业选择物流服务供应商考虑因素权重调查表 |
| 在学期间发表的论着及取得的科研成果 |
（6）关于技能技术若干问题的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 课题研究背景 |
| 1.3 国内外发展现状 |
| 1.3.1 国外发展现状 |
| 1.3.2 国内发展现状 |
| 1.4 论文组织结构 |
| 第2章 技能技术结构体系的研究 |
| 2.1 技能技术概述 |
| 2.1.1 技能技术概念 |
| 2.1.2 技能技术的分类 |
| 2.1.3 技能的特征 |
| 2.2 技能技术总体功能结构 |
| 2.3 技能技术的实现 |
| 2.3.1 人机接.模块 |
| 2.3.2 信息感知模块 |
| 2.3.3 技能规划模块 |
| 2.3.4 技能学习模块 |
| 2.3.5 监控模块和技能执行模块 |
| 2.4 中医按摩技能的任务结构系统 |
| 2.4.1 规划系统的设计准则 |
| 2.4.2 按摩机器人的任务结构体系 |
| 2.4.3 按摩机器人功能模块分类 |
| 2.4.4 按摩技能的任务陈述 |
| 2.5 本章小结 |
| 第3章 技能技术的任务规划研究 |
| 3.1 常用的任务规划系统 |
| 3.2 任务规划的形式表示方法 |
| 3.2.1 情景演算表示方法 |
| 3.2.2 STRIPS方法 |
| 3.2.3 PDDL表示方法 |
| 3.2.4 HTN语言 |
| 3.3 基于HTN规划的机器人任务规划 |
| 3.3.1 HTN规划的概述 |
| 3.3.2 HTN规划的定义以及分解表示 |
| 3.3.3 HTN的规划问题及规划解 |
| 3.3.4 基于HTN规划的规划过程 |
| 3.3.5 基于HTN规划方法对按摩任务的分解 |
| 3.4 基于有限状态机的任务规划 |
| 3.4.1 有限状态机简介 |
| 3.4.2 基于有限状态机的任务规划方法 |
| 3.4.3 基于有限状态机的数学模型建立 |
| 3.4.4 动作序列生成 |
| 3.5 本章小结 |
| 第4章 技能技术的运动规划研究 |
| 4.1 运动规划概述 |
| 4.2 运动轨迹规划 |
| 4.2.1 轨迹规划的基本步骤 |
| 4.2.2 B样条插值算法 |
| 4.2.3 其他关节轨迹的插补方法 |
| 4.3 最优轨迹规划 |
| 4.3.1 最优轨迹规划的约束条件 |
| 4.3.2 最优轨迹规划方案 |
| 4.4 B样条插值法对时间的最优轨迹规划 |
| 4.5 按摩机器人运动学仿真 |
| 4.5.1 基于Robotics ToolBox的仿人按摩机器人模型 |
| 4.5.2 按摩机器人的正运动学仿真 |
| 4.5.3 按摩机器人的逆运动学仿真 |
| 4.5.4 三次样条时间最优轨迹规划仿真 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和获得的科研成果 |
| 致谢 |
（7）基于模糊认知图的动态系统的建模与控制（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 模糊认知图概念、特点以及研究现状 |
| 1.2.1 模糊认知图概念 |
| 1.2.2 模糊认知图特点 |
| 1.2.3 模糊认知图研究现状 |
| 1.3 课题来源、研究思路与论文组织结构 |
| 1.3.1 课题来源 |
| 1.3.2 研究思路 |
| 1.3.3 论文组织结构 |
| 2 模糊认知图背景 |
| 2.1 模糊认知图知识表示 |
| 2.2 模糊认知图推理机制 |
| 2.3 模糊认知图稳定性分析 |
| 2.4 模糊认知图在系统控制中的作用 |
| 2.5 模糊认知图的应用 |
| 3 模糊认知图结构构建 |
| 3.1 人工法 |
| 3.2 基于知识发现与表示的构建法 |
| 3.2.1 基于模糊规则构建法 |
| 3.2.2 利用模糊聚类技术构建法 |
| 3.2.3 基于公理模糊集的模糊聚类算法 |
| 3.3 拆分融合法 |
| 3.3.1 状态空间划分 |
| 3.3.2 节点拆分 |
| 3.4 本章小结 |
| 4 模糊认知图的人工、Hebbian和智能优化权值学习算法 |
| 4.1 人工法 |
| 4.2 基于数据的权值迭代学习算法 |
| 4.2.1 微分Hebbian算法 |
| 4.2.2 平衡微分学习法 |
| 4.2.3 自适应随机学习法 |
| 4.2.4 非线性Hebbian学习法 |
| 4.2.5 Active Hebbian学习法 |
| 4.2.6 遗传算法学习法 |
| 4.2.7 粒子群优化学习法 |
| 4.3 本章小结 |
| 5 最小平方技术的模糊认知图 |
| 5.1 问题背景 |
| 5.2 规范化数据 |
| 5.3 模糊认知图转换函数改进 |
| 5.4 基于最小平方技术的模糊认知图学习法：LS-FCM |
| 5.5 LS-FCM学习法与非线性Hebbian学习法比较 |
| 5.6 LS-FCM分类器 |
| 5.6.1 LS-FCM分类器产生背景 |
| 5.6.2 LS-FCM分类器构建方法 |
| 5.6.3 LS-FCM分类器实验研究 |
| 5.7 本章小结 |
| 6 Takagi-Sugeno模糊认知图 |
| 6.1 问题背景 |
| 6.2 Takagi-Sugeno模型 |
| 6.3 基于预测误差的状态空间划分 |
| 6.4 基于Takagi-Sugcno模型的LS-FCM融合 |
| 6.5 本章小结 |
| 7 模糊认知图在倒车系统中的应用 |
| 7.1 问题背景 |
| 7.2 倒车系统简介 |
| 7.3 倒车系统状态空间划分及其LS-FCM的建构 |
| 7.3.1 倒车系统的模糊认知图结构 |
| 7.3.2 状态空间划分和LS-FCM的建构 |
| 7.4 倒车系统的Takagi-Sugeno模糊认知图：TS-LS-FCM |
| 7.5 TS-LS-FCM对倒车系统动态行为的建模 |
| 7.6 TS-LS-FCM在倒车系统中的控制 |
| 7.6.1 基于TS-LS-FCM的动态系统的控制模型 |
| 7.6.2 基于TS-LS-FCM的倒车系统控制算法 |
| 7.6.3 实验研究 |
| 7.7 本章小结 |
| 8 LS-FCM整体学习法及其在倒车系统中的应用 |
| 8.1 LS-FCM整体学习法 |
| 8.2 系统状态空间的递归划分法 |
| 8.3 实验研究 |
| 8.4 预测误差分析 |
| 8.5 FCM权值学习算法比较分析 |
| 8.6 本章小结 |
| 结论 |
| 创新点摘要 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文情况 |
| 致谢 |
| 作者简介 |
（8）面向决策支持的组织多源异性知识的智能集成研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 决策的障碍 |
| 1.1.2 知识过载 |
| 1.1.3 认知偏差 |
| 1.2 研究问题的提出 |
| 1.3 研究的目的和意义 |
| 1.4 研究内容、方法和创新点 |
| 1.4.1 论文的主要内容 |
| 1.4.2 研究方法与技术路线 |
| 1.4.3 研究的创新点 |
| 1.5 本章小结 |
| 2 文献回顾 |
| 2.1 信息过载及相关研究 |
| 2.2 决策中的认知偏差及相关研究 |
| 2.3 决策理论的发展 |
| 2.3.1 决策的定义 |
| 2.3.2 管理决策和直觉 |
| 2.3.3 决策理论的发展 |
| 2.4 知识集成研究的发展 |
| 2.4.1 知识集成模型与机理 |
| 2.4.2 面向决策支持的知识集成 |
| 2.5 本章小结 |
| 3 智能知识集成的理论框架 |
| 3.1 知识与知识集成 |
| 3.1.1 多源异性知识 |
| 3.1.2 知识集成的定义 |
| 3.1.3 智能知识集成的定义 |
| 3.1.4 智能知识集成系统 |
| 3.2 智能知识集成与决策支持 |
| 3.2.1 决策支持面临的困境 |
| 3.2.2 决策支持系统与知识管理系统的不足 |
| 3.2.3 多源异性知识与分布式认知 |
| 3.3 智能知识集成的研究框架 |
| 3.3.1 智能知识集成的目标 |
| 3.3.2 智能知识集成的研究路径 |
| 3.4 智能知识集成的关键问题 |
| 3.5 本章小结 |
| 4 面向决策支持的知识价值模型 |
| 4.1 问题的提出 |
| 4.1.1 知识价值的含义 |
| 4.1.2 知识价值的特征 |
| 4.1.3 衡量知识价值的障碍 |
| 4.2 基于模糊认知图和熵理论的情景感知表示 |
| 4.2.1 模糊认知图的基本概念 |
| 4.2.2 情景感知的知识结构 |
| 4.2.3 情景感知的不确定性 |
| 4.2.4 知识可信度 |
| 4.2.5 面向特征的情景感知表示模型 |
| 4.3 基于熵的知识价值计算模型 |
| 4.3.1 概念模型 |
| 4.3.2 知识结构的价值计算 |
| 4.3.3 知识信度的价值计算 |
| 4.4 银行贷款风险管理中的知识价值分析算例 |
| 4.4.1 问题背景 |
| 4.4.2 计算过程 |
| 4.5 仿真实验 |
| 4.5.1 决策情景的设定 |
| 4.5.2 Agent的设定 |
| 4.5.3 Agent的运行机制 |
| 4.5.4 仿真结果分析 |
| 4.6 本章小结 |
| 5 基于多AGENT的智能知识集成方法 |
| 5.1 知识集成与多AGENT系统 |
| 5.1.1 知识集成要提供人机结合的决策支持模式 |
| 5.1.2 知识集成面临复杂的多源异构知识环境 |
| 5.1.3 Agent与多Agent系统 |
| 5.2 融合RPD的BDI扩展结构 |
| 5.2.1 Agent的BDI结构 |
| 5.2.2 智能Agent的RPD-BDI结构 |
| 5.2.3 R-B Agent的情景感知 |
| 5.3 R-B AGENT的推理机制 |
| 5.3.1 传统的基于案例推理方法的不足 |
| 5.3.2 情景感知到案例的映射 |
| 5.3.3 RPD-CBR的推理过程 |
| 5.4 R-B AGENT的知识集成和协作 |
| 5.4.1 R-B Agent的知识集成 |
| 5.4.2 R-B Agent间的协作机制 |
| 5.4.3 共享心智模型的构建 |
| 5.4.4 知识的融合和冲突处理 |
| 5.5 仿真实验 |
| 5.5.1 数据准备 |
| 5.5.2 实验设计 |
| 5.5.3 结果分析 |
| 5.6 本章小结 |
| 6 智能知识集成系统原型设计 |
| 6.1 多AGENT开发平台JACK |
| 6.1.1 JACK基本组成 |
| 6.1.2 JACK的MAS设计过程 |
| 6.2 MASKIS的系统功能结构 |
| 6.2.1 Agent种类认定 |
| 6.2.2 Agent认定 |
| 6.2.3 Agent交互设计 |
| 6.2.4 RPD-BDI Agent设计 |
| 6.2.5 Team设计 |
| 6.3 MASKIS的知识集成过程 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 论文的主要工作及结论 |
| 7.2 研究的局限性 |
| 参考文献 |
| 攻读博士学位期间的学术成果列表 |
| 参与的项目情况 |
| 发表相关论文情况 |
| 致谢 |
（9）面向数据资源的认知图推理机制研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 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 研究现状 |
| 1.2.1 认知图理论发展概述 |
| 1.2.2 认知图的三个重要模型 |
| 1.2.3 认知图应用现状研究 |
| 1.3 技术路线 |
| 1.4 论文结构安排 |
| 1.5 小结 |
| 2 认知图推理方法分析 |
| 2.1 认知图基本概念及形式化描述 |
| 2.1.1 认知图 |
| 2.1.2 模糊认知图 |
| 2.2 认知图推理 |
| 2.3 认知图推理方法分析 |
| 2.3.1 基于规则的推理方法 |
| 2.3.2 层次的推理方法 |
| 2.3.3 矩阵的推理方法 |
| 2.4 小结 |
| 3 认知图变换函数的推理能力研究 |
| 3.1 研究意义 |
| 3.2 认知图变换函数的介绍 |
| 3.3 认知图推理结束状态的判定 |
| 3.4 二值变换函数与三值变换函数的推理性能研究 |
| 3.4.1 二值变换函数与三值变换函数的推理性能比较 |
| 3.4.2 获取采用二值变换函数和三值变换函数的所有最终状态 |
| 3.5 sigmoid 变换函数进行推理的分析研究 |
| 3.6 总结 |
| 4 认知图推理算法研究 |
| 4.1 概述 |
| 4.2 认知图推理关键问题分析 |
| 4.2.1 推理初始化条件的获取 |
| 4.2.2 推理模型的设置 |
| 4.2.3 变换函数的选择 |
| 4.2.4 推理结束状态的判断 |
| 4.3 认知图推理算法 |
| 4.4 认知图推理算法实验分析 |
| 4.5 小结 |
| 5 系统设计与实现 |
| 5.1 系统开发背景介绍 |
| 5.2 系统的总体设计 |
| 5.3 各个模块的详细设计 |
| 5.3.1 文件处理模块 |
| 5.3.2 数据预处理模块 |
| 5.3.3 认知图挖掘模块 |
| 5.3.4 认知图推理分析模块 |
| 5.4 小结 |
| 6 应用案例分析 |
| 6.1 背景分析 |
| 6.2 研究现状 |
| 6.3 实验分析 |
| 6.3.1 认知图的建立 |
| 6.3.2 认知图的推理分析 |
| 6.4 小结 |
| 7 结论与展望 |
| 7.1 论文总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（10）模糊认知图智能学习算法及其应用研究（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 本文的研究内容及结构安排 |
| 第二章 模糊认知图学习算法简介 |
| 2.1 模糊认知图简介 |
| 2.1.1 认知图的发展 |
| 2.1.2 模糊认知图 |
| 2.2 模糊认知图学习算法 |
| 2.2.1 已有学习算法 |
| 2.2.2 已有算法的不足之处 |
| 2.3 本章小结 |
| 第三章 智能优化算法 |
| 3.1 算法介绍 |
| 3.2 遗传算法 |
| 3.3 蚁群算法 |
| 3.4 粒子群算法 |
| 第四章 基于遗传算法的模糊认知图学习算法及应用 |
| 4.1 遗传算法 |
| 4.1.1 遗传算法基本介绍 |
| 4.1.2 遗传算法的基本原理和运算过程 |
| 4.1.3 遗传算法的改进 |
| 4.1.4 遗传算法主要优缺点 |
| 4.2 基于遗传算法(Genetic Algorithm)的模糊认知图学习算法 |
| 4.3 仿真实验结果及结论 |
| 4.3.1 一个简单的过程控制问题 |
| 4.3.2 仿真实验结果及结论 |
| 4.4 本章小结 |
| 第五章 基于改进量子粒子群算法的模糊认知图学习算法及应用 |
| 5.1 粒子群优化算法 |
| 5.2 改进量子粒子群算法 |
| 5.3 基于改进量子粒子群算法的模糊认知图学习算法 |
| 5.4 仿真实验结果及结论 |
| 5.4.1 一个常见系统 |
| 5.4.2 仿真结果 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、基于模糊认知图的机器人高层规划研究（论文参考文献）
- [1]情商网络模型及算法研究[D]. 公超. 北京科技大学, 2020(01)
- [2]基于膜计算的移动机器人自主行走控制方法研究[D]. 王学渊. 西南交通大学, 2018(03)
- [3]基于FCM模型理论的无人作战飞机对地自主攻击决策[D]. 徐嘉. 西北工业大学, 2017(12)
- [4]企业吸纳大数据能力结构建模与动态演化研究[D]. 刘倩. 华中科技大学, 2016(01)
- [5]新建制造企业物流服务供应商选择的FCM方法研究[D]. 周林荣. 重庆交通大学, 2015(06)
- [6]关于技能技术若干问题的研究[D]. 徐建昌. 沈阳理工大学, 2015(02)
- [7]基于模糊认知图的动态系统的建模与控制[D]. 张燕丽. 大连理工大学, 2012(10)
- [8]面向决策支持的组织多源异性知识的智能集成研究[D]. 马彪. 东华大学, 2011(04)
- [9]面向数据资源的认知图推理机制研究与实现[D]. 田华庚. 重庆理工大学, 2011(04)
- [10]模糊认知图智能学习算法及其应用研究[D]. 俞立峰. 江南大学, 2009(05)