一、机器智能与模式识别研究中的统计学习方法（论文文献综述）
李兆飞,熊兴中,王小刚[1]（2021）在《案例结合课堂学术报告的研究生模式识别课程改革与实践》文中研究说明目前模式识别课程存在教学内容不完善、教学模式局限和考评机制单一等问题,无法支撑研究生培养质量的需求。为此,对该课程进行了课内、课外立体化的改革和实践,从教学内容、教学模式和教学考核机制等方面着手,构建了开放式案例结合课堂学术报告以及案例复现的研究生模式识别课程。实践证明,该教学模式能有效地提高研究生的学习兴趣和学习效果。
吴国政,肖斌,赵瑞珍,陈厅[2]（2021）在《2021年度NSFC人工智能学科基金项目申请资助情况及学科发展展望》文中指出对2021年度国家自然科学基金委员会信息科学部二处人工智能（F06）代码下部分基金项目的申请与资助情况进行了统计和说明,统计和分析了F06代码下面上、青年科学基金和地区科学基金项目申请与资助依托单位分布情况、二级代码分布和项目科学属性分类评审试点情况,并对2021年度人工智能学科基金项目部分评审原则与举措进行了介绍。最后对人工智能学科进行了简单总结和展望。
王飞跃[3]（2021）在《智能控制五十年回顾与展望:傅京孙的初心与萨里迪斯的雄心》文中研究说明本文从智能的起源与目标开始讨论,重新梳理人工智能史前的历史进程.在此背景之下,回顾智能控制从学习控制到平行控制的演化过程,进而展望未来的控制智能从平行智能到知识自动化的可能发展途径.前事不忘,后事之师,谨以此文纪念傅京孙与萨里迪斯教授开创并推动"智能控制"这一多学科交叉研究领域五十周年和二位开拓者诞辰九十周年.
穆晓敏[4]（2021）在《老年慢性病共病模式挖掘与防控策略研究》文中研究表明目的:随着经济快速发展,医疗卫生服务水平提高,人们的预期寿命逐渐延长,老年慢性病人群普遍存在共病现象,共病已成为威胁人类生存与健康的重要隐患。与单一慢性病相比,共病导致患者生活质量下降、药物不良事件风险增加、死亡风险增加、医疗资源消耗增加等,给慢性病防控和管理带来了诸多挑战。但目前慢性病管理侧重于单病种管理,与老年慢性病人群普遍存在共病的现象不一致,开展共病模式挖掘研究对了解共病现状,完善慢性病综合防控体系具有重要意义。如今,在医疗大数据背景下,如何在现有的大量且异构化的医疗数据中挖掘共病模式,提取出能够辅助共病管理的有价值的信息已成为当前亟待解决的问题。因此,本研究基于数据挖掘的方法和技术,对共病模式挖掘与利用的理论与方法展开了深入的探讨,为共病的管理及防控策略提供数据与理论支持。方法:（1）通过对国内外相关文献调研,明晰本文研究的相关理论基础,对共病相关概念进行梳理与界定;探讨共病的影响因素类型及其作用机理;厘清数据驱动共病管理决策的过程;基于信息管理的DIKW体系构建共病模式挖掘与利用模型。（2）基于复杂网络理论的基本思想,提出了整合影响因素的共病模式挖掘方法。利用c2检验和Logistic回归模型分析共病影响因素,抽取疾病-疾病关联关系和疾病-影响因素关联关系建立整合影响因素的共病网络,在此基础上引入重叠社区发现算法识别社区结构,挖掘共病模式。（3）结合共病模式挖掘结果,基于慢性病管理理论和协同管理理论的基本思想,构建老年共病防控机制,并提出具体建议,为政府部门制定公共卫生政策提供理论依据。结果:（1）共病的发生发展受生物因素、心理因素、社会环境因素和生活行为因素的影响,构建了由生物因素、心理因素、社会环境因素和生活行为因素所组成的共病影响因素的花瓣模型,并对生物因素、心理因素、社会环境因素和生活行为因素间的相互作用进行系统阐述。（2）构建了基于DIKW体系的共病模式挖掘与利用模型,共病模式挖掘与利用模型是由共病数据（数据层）、共病中的关联信息（信息层）、共病模式（知识层）和共病管理（智慧层）组成,基本要素之间的转化通过数据驱动实现。（3）选取中国健康与养老追踪调查CHARLS项目2015年调查数据作为数据来源,利用本研究提出的共病模式挖掘方法识别中国老年慢性病人群的共病模式。影响因素分析结果显示,年龄、疼痛、睡眠时间、基本生活活动能力障碍、肥胖、抑郁、生活满意度是老年慢性病人群共病的影响因素;识别出的共病模式包括5个社区,包括{高血压、血脂异常、糖尿病、心脏病、24≤BMI<28、BMI≥28}、{慢性肺部疾病、哮喘、70-79岁、BMI<18.5、对生活满意度一般、睡眠时间<4小时}等。（4）通过共病管理现状分析发现存在制度不完善、信息不对称等问题,结合共病模式挖掘结果,提出以全人管理、分类指导、预防为主和全面协调的基本原则,构建慢性病共病防控模式,分析共病管理中政府、医疗机构、社区和患者参与主体的职责,提出共病防控的主要措施。结论:（1）共病模式挖掘与利用包含了数据收集与预处理、共病关联关系抽取、共病模式挖掘和共病管理决策,其核心任务是利用共病模式挖掘结果,驱动共病管理决策。（2）提出的整合影响因素的共病模式挖掘方法,既可以发现疾病之间的关联关系,又可以发现共病模式与影响因素之间的潜在关联。（3）利用提出的整合影响因素的共病模式挖掘方法,识别出中国老年慢性病人群的共病模式。（4）基于共病模式挖掘结果,可以为共病管理决策提供服务,优化共病防控策略。
罗树林[5]（2021）在《基于高通量计算与机器学习的材料设计方法与软件的开发与应用》文中研究说明随着第一性原理密度泛函理论的不断发展,以高通量计算、晶体结构预测为代表的材料设计方法在材料研究中的地位正在快速上升。第一性原理高通量计算,可以大规模搜索材料相空间,发现新的材料、性质及原理。近年来,以人工智能图像识别等技术为突破口,机器学习算法快速应用在多个不同的学科领域。机器学习与材料设计方法的交叉融合,在新材料、新的构效规律、设计原则等的发现上取得了显着的进展,进一步刺激了众多科研力量的持续关注。实现高通量计算等材料设计方法与机器学习算法的有效结合,依赖于开发新的算法及软件基础架构。如何高效地产生、收集、管理、学习和挖掘大规模材料数据,是当前该研究方向涉及的算法开发及软件设计过程中面临的主要难点。针对以上问题,我们发展了三个基于高通量计算与机器学习的计算方法与软件,并将其应用于一些典型半导体光电材料物性的研究,取得了以下创新性成果或进展:（1）参与开发了人工智能辅助、数据驱动的高通量计算材料设计软件JAMIP（Jilin Artificial-intelligence aided Materials-design Integrated Package）中的晶体结构数据读写模块的核心算法及结构原型数据库接口,并对JAMIP做了千百级高通量计算任务测试。材料晶体结构信息的保存具有多种不同的数据格式。正确读取,写入这些不同类型的结构文件,是材料设计软件开发中的重要任务之一。我们针对不同结构文件,设计开发了结构文件读写算法。特别重要的是,对各种非标准格式的晶体学信息文件（CIF）,现有其他发布的同类算法存在无法正确识别所有非标准类型的CIF文件的问题,我们设计并发展了新的自适应算法来处理这些不同类型的非标准CIF文件,确保结构读写模块的更广泛的普适性。同时,我们开发了JAMIP软件的晶体结构原型数据库接口及配套工具,方便高通量结构建模及计算。此外,我们还对开发的JAMIP材料设计软件,开展了百千级高通量计算任务测试,验证了软件的可靠性。（2）发展了一种基于人工智能聚类算法的结构原型生成算法及软件SPGI（Structure Prototype Generator Infrastructure）,并用此软件创建了一个大型无机晶体结构原型数据库LAE-ICSPD（Local Atomic Environment based Inorganic Crystal Structure Prototype Database）。通常,高通量计算方法是基于一些结构原型,进行候选元素替换,通过批量计算来快速筛选潜在的候选材料。因此,高质量、高独占性的结构原型数据库对于高通量计算具有重要的实际使用价值。晶体的原子局域环境编码了晶体结构的所有原子配置信息,能很好地代表结构的独占性。我们开发了一种新的人工智能晶体结构原型生成软件SPGI,其基于无监督学习策略,以晶体结构的局域原子环境作为描述符,对所有实验上已合成的无机晶体结构做聚类分析,从中挑选出来了15613个结构原型,并以此构造了一个大型无机晶体结构原型数据库LAE-ICSPD,为高通量计算或机器学习等材料设计方法提供所需的晶体结构原型数据。（3）发展了一种新的、可逆推回晶体结构的晶体结构表征方法,并基于此结构表征方法设计了一种基于高通量计算和机器学习算法的逆向晶体结构预测策略。基于晶体结构投影分解算法,我们发展了一种新的可逆推回晶体结构的结构表征方法“二维切片格点图”。其核心思想是:对三维晶体结构做切片投影处理,将属于同一平面上的原子“切片”（投影）到同一个二维格点图上。该描述符可以同时用作监督学习预测模型（如深度神经网络）和无监督学习生成式模型（如变分自编码器,生成对抗神经网络）所需的材料特征描述符。同时,结合晶体结构原型数据库、监督学习性质预测模型/无监督学习生成式模型,我们设计了一种新的以材料目标性质为导向的逆向晶体结构预测策略。（4）通过理论与实验相结合,成功解析了实验观测到的Cs Pb Br3钙钛矿在两个不同表面上的具体原子排布,并解释了这两个不同表面间的相互转变机制。实验上用扫描隧道显微镜（STM）观测到了无机钙钛矿Cs Pb Br3材料有两个不同的稳定表面,即“stripe”表面和“armchair”表面。其中,“stripe”表面区域面积比“armchair”表面区域面积更大。但是实验上无法确定这两个表面对应的具体的表面原子排布,也无法解释为什么“stripe”表面区域面积更大。通过采用自主开发的JAMIP软件,我们开展了Cs Pb Br3钙钛矿STM图像的高通量模拟。我们发现了两个构建表面的模拟STM图像与实验观测图像吻合,进而解析了实验上观测到的“stripe”,“armchair”两种STM图像对应的具体表面原子排布:“stripe”图像是由于表面Br原子对及其两侧的Cs原子的长程和短程间隔排布所形成;而“armchair”图像是由于表面Br原子对及其两侧的Cs原子分层排布所形成。通过计算这两个表面结构的表面能,我们发现“stripe”表面的表面能略低于“armchair”表面的表面能,具有更好的稳定性。这是“armchair”表面自发地转变为“stripe”表面的主要原因,解释了“stripe”表面区域具有更大面积的实验事实。（5）基于第一性原理高通量计算方法,探索了纯MAPb I3钙钛矿中掺杂5-AVA分子可以提高材料热力学稳定性的原因,以及二维层状硒化铟材料的β相和γ相中带隙值和电子迁移率随原子层层数的变化规律。对于有机钙钛矿MAPb I3材料,实验上发现往其纯相中掺杂5-AVA分子,使其变成（5-AVA）xMA1-xPb I3体系后,能显着提高其在各种复杂条件下的稳定性。通过采用高通量筛选方法,我们批量计算了数十个不同的MAPb I3相和（5-AVA）xMA1-xPb I3相的形成能,获得了能量最低的两个MAPb I3相和两个（5-AVA）xMA1-xPb I3相。通过分析筛选出的四个相的分解焓及结构中八面体的形变程度,我们发现:5-AVA离子与I离子间有更强的键合作用,使得掺杂相中具有更大的八面体畸变程度;（5-AVA）xMA1-xPb I3体系具有更低的分解焓。因此,理论计算结果显示:5-AVA分子的加入,使得有机钙钛矿中的有机分子更难逃逸。这是纯MAPb I3钙钛矿中掺杂5-AVA分子可以提高材料热力学稳定性的主要原因。此外,通过开发电子输运计算的高通量计算流程方法及模块,与合作者开展了对两种相（β相和γ相）的二维层状硒化铟材料从单层到十层结构的带隙值、电子迁移率等物性随着原子层层数的变化规律的研究。我们发现:两种相的带隙值都是随着原子层层数的增加而减小,两种相的电子迁移率都是随着原子层层数的增加而增大。
宾康成[6]（2021）在《基于震动感知的运动目标识别关键技术研究》文中提出开展智慧边境监测的研究具有重大的科学意义和现实意义。作为现代化数字环境中的终端设备,震动传感系统可用于识别运动目标。震动传感系统具有强隐蔽性和非视距检测等特点,因此在边境监测中应用该技术具有独特的优势。虽然基于震动信号的运动目标识别领域已发展二十余载,但相关课题在数据集、目标检测算法和目标分类算法方面都遇到了新的挑战。本文对该领域当前面临的挑战性问题进行了研究,形成了相对完整的目标识别震动感知体系,主要研究内容和创新点如下:（1）地面目标与低空目标诱导震动信号的机理研究。建立了各类目标在运动时的等效力学模型,讨论了地面目标与地表之间的摩擦、冲击作用以及空中目标声震耦合作用产生的震动信号,确定了以瑞利波为主导的运动目标识别方针,分析了层状地质介质中瑞利波的传播机理。通过理论分析,清楚地认识了运动目标震动信号的本质,为目标检测算法和目标分类算法的研究提供了理论指导。（2）独立、丰富的运动目标数据集构建。针对震动数据集匮乏的问题,本文对六大类常见运动目标的震动信号进行了两个季节的数据采集实验,并将所整理的数据集命名为“JL数据集”。数据分析的结果表明,所有类别的数据都符合客观事实和目标实体的运动规律。此外,JL数据集具有良好的信噪比,且信噪比跨度范围广,每类目标数据的信噪比极差都超过了15 d B。所收集的数据为目标检测算法和目标分类算法的测试与评估提供了必要的数据基础。（3）基于容量维数与线性支持向量机的目标检测算法研究。传统目标检测算法大多都依赖于震动信号的能量,在检测能量较弱的信号时存在较高的误报率和漏检率。为了进一步提高目标检测精度,本文提出了容量维数联合支持向量机的目标检测算法（FD-SVM）。容量维数可以定量地描述运动目标震动信号的混沌性和非线性行为,并以此完成震动特征的提取。线性支持向量机用于辨识容量维数中的有效信号成分和干扰噪声成分,从而实现运动目标的准确检测。两个案例研究的实验结果均表明,所提出的FD-SVM算法获得了较好的精确率、召回率和F1分数。对比实验的结果证明,FD-SVM算法在检测弱信号时全面优于基准算法。（4）基于压缩观测的震动深度神经网络目标分类算法研究。深度学习当前成为了分类运动目标震动信号最流行的方法,但是先前建立的深度神经网络主要面临冗余层次特征提取和抵抗噪声能力弱这两个关键问题。为了同时解决这两个问题,本文利用震动信号在时间域上的稀疏性,提出了基于压缩观测的深度学习目标分类算法（CO-SDL）。首先,CO-SDL算法中的测量矩阵将原始震动信号线性投影到压缩域并获得观测值。压缩观测大幅减小了震动数据的维度,但保留了绝大部分的原有信息,同时还压制了噪声能量。然后,CO-SDL算法中的深度神经网络可充分提取震动观测值的非线性特征,并实现观测值与目标类别的准确映射。两个案例研究的实验结果均表明,所提出的CO-SDL算法可高效地推理震动信号的深层关系,借助降维的观测值即可获得较高的分类准确率。与该领域最新的三个深度学习算法相比,CO-SDL算法仅需1/10的计算时间便可达到与之相当的分类性能,并且CO-SDL算法具有更好的抗干扰能力。
吴佳南[7]（2021）在《基于多物理场耦合的膝关节炎仿生辨识研究》文中研究表明膝关节炎是多发于中老年的慢性、退行性疾病,以关节软骨磨损、关节间骨赘形成和软骨下骨硬化为主要病理特征,并伴有关节疼痛、僵硬、畸形和肌肉萎缩等多种症状,严重时会导致关节运动障碍甚至残疾。膝关节炎因其高发病率和高致残率,又被称为“不死的癌症”,严重影响患者的生活质量,并给家庭和社会造成了巨大的医疗和经济负担。目前,临床上主要以关节软骨为关注点,利用X射线、计算机断层扫描、磁共振成像和超声成像等影像学方法,以关节软骨磨损和关节间隙狭窄为膝关节炎的标志性病理特征,对膝关节炎进行诊断和评估。然而,关节软骨等结构性病变往往发生在疾病中晚期,且关节软骨一旦磨损便不可逆转,病情极易因发现较晚而错过治疗的绝佳时期。此外,膝关节炎的保守治疗方法主要以缓解疼痛为主,尚无法做到根治疾病,而手术治疗又会造成关节内部损伤,使患者承受痛苦并承担高额的医疗费用。面对临床诊断膝关节炎的瓶颈问题和巨大的医疗需求,研究人员利用影像学和生化检查等方法进行了诸多研究,然而目前仍未有行之有效的膝关节炎早期诊断方法。因此,如何在膝关节炎发生、发展的早期对其进行诊断和评估成为亟待解决的世界性难题。近年来,越来越多的研究发现关节炎是一种全关节疾病,病变累及下肢骨骼、半月板、滑膜、肌肉、肌腱和韧带等多种组织。特别是在膝关节炎的早期阶段,关节软骨等组织的异常变化尚未达到影像学检测方法的诊断标准,而膝关节周围软组织,例如肌肉、肌腱、韧带和血管可能已经发生了相应的病理改变。因此,以膝关节周围软组织为关注点对膝关节炎进行研究,为探索膝关节炎病变新机制,寻求膝关节炎的早期诊断方法提供了全新的思路。仿生学是学习、模拟大自然,在建造的人工制品中实现回归自然的仿生发展理念和发展模式的科学,是解决人类面临的经济与社会发展重大难题的一条有效捷径。现代仿生学的研究内容不再局限于模拟生物,还注重对人类生活所发生的一些现象进行探索,将一切对人类有用的信息进行仿生尝试,尤其是将人类生活作为生活模本,同生物模本一样进行仿生模拟。人类在自身生活中积累的经验、技能与知识为仿生创新提供了重要的资源。中、西医在悠久的历史发展过程中,积累了大量的临床经验,并形成了行之有效的疾病诊断方法,至今仍具有十分重要的参考和应用价值。中医凭借人的感官,通过望、闻、问、切的方法收集临床信息,得出诊断性的结论;西医利用感官和检查工具,通过视诊、触诊、叩诊、听诊和嗅诊的方法了解和评估人体状态,对疾病进行诊断。其中,中医“四诊”中的切诊（按诊和脉诊）与西医的触诊相似,都能够获取人体软组织的相关信息。例如,体表温度、湿度;压痛感、摩擦感;肿块的位置、大小、轮廓、硬度、移动度、与周围软组织有无粘连;血管充盈情况和动脉搏动的部位、速率、强度和节律等信息。中、西医通过切诊（按诊和脉诊）和触诊对疾病进行诊断的行为过程,为我们提供了珍贵的仿生模本,这启示我们可以利用仿生思维解决目前膝关节炎早期诊断面临的瓶颈问题。本文以膝关节周围主要软组织——肌肉、肌腱、韧带和血管为关注点,以中、西医切诊（按诊和脉诊）和触诊的疾病诊断方法为基础,利用在体、无创、定量的现代影像学技术获取软组织多物理场的相关参数,并利用机器学习方法对健康受试者和膝关节炎患者进行仿生辨识。本文开展的基于多物理场耦合的膝关节炎仿生辨识研究,为探索膝关节炎病变新机制,寻求膝关节炎早期诊断方法提供全新的思路,并对人类传统疾病辨识方法向定量化和自动化的方向发展具有重要的推动作用。本文具体研究内容和主要结论如下:（1）膝关节周围软组织力学模量场研究。本文选取了膝关节周围的9块肌肉、6条肌腱/韧带为测量对象,利用超声弹性成像系统在体、无创、定量测量了肌肉、肌腱/韧带的杨氏模量,分析发现性别和年龄对健康受试者膝关节周围肌肉、肌腱/韧带的杨氏模量具有显着性影响。对不同性别而言,男性肌肉、肌腱/韧带的杨氏模量大于女性;对不同年龄而言,除了个别软组织以外,健康受试者肌肉、肌腱/韧带的杨氏模量随着年龄的增长而下降。本文还探索了健康受试者和膝关节炎患者之间肌肉、肌腱/韧带杨氏模量的差异性,分析发现男性大部分肌肉、肌腱/韧带的杨氏模量在健康受试者和膝关节炎患者之间无显着性差异;女性大部分肌肉、肌腱/韧带的杨氏模量在健康受试者和膝关节炎患者之间存在显着性差异,且膝关节炎患者大于健康受试者。同时,本文还研究了不同疼痛部位对膝关节周围肌肉、肌腱/韧带杨氏模量的影响,分析发现股四头肌腱、髌韧带、内侧副韧带和髌外侧支持带,这四条肌腱/韧带的杨氏模量与膝关节疼痛部位密切相关。（2）膝关节周围血管流场研究。本文选取了为膝关节供血的7条主要动脉血管为测量对象,利用彩色多普勒超声在体、无创、定量测量了动脉血管的血管内径、血流速度和血流量,分析发现性别和年龄对健康受试者膝关节周围动脉血管形态学参数无显着性影响;仅有个别血管的血流动力学参数在不同性别之间存在显着性差异,且男性大于女性。本文还探索了健康受试者和膝关节炎患者之间动脉血管血流参数的差异性,分析发现血管形态学参数在健康受试者和膝关节炎患者之间无显着性差异;大部分血管的血流动力学参数在健康受试者和膝关节炎患者之间存在显着性差异,且膝关节炎患者大于健康受试者。（3）膝关节周围软组织温度场研究。本文利用红外热像仪在体、无创、定量测量了膝关节周围肌肉、肌腱/韧带和血管的表面温度,分析发现性别和年龄对大部分健康受试者膝关节周围软组织的表面温度均无显着性影响;仅有个别软组织表面温度在不同性别之间存在显着性差异,且男性大于女性。本文还探索了健康受试者和膝关节炎患者之间软组织表面温度的差异性,分析发现仅有部分软组织的表面温度存在显着性差异,且膝关节炎患者大于健康受试者。（4）基于机器学习的膝关节炎仿生辨识研究。本文基于测得的膝关节周围软组织力学模量场、血管流场和温度场的相关参数,利用决策树、BP神经网络、自组织竞争神经网络、学习向量量化神经网络和极限学习机等五种机器学习方法对健康受试者和膝关节炎患者进行了仿生辨识。研究结果表明,极限学习机的健康受试者识别正确率和患者识别确诊率分别在90%-100%之间和85%-95%之间,总体识别正确率在90%-97.5%之间,极限学习机对健康受试者和膝关节炎患者的识别率高、识别精度稳定,可以作为辨识健康受试者和膝关节炎患者的机器学习模型。
王华,张雨顺[8]（2021）在《测井资料人工智能处理解释的现状及展望》文中研究说明在当前电子信息高速发展的时代,测井资料的处理解释除了面临长期以来的多解性外,还面临着高端测井仪带来的数据量剧增、数据时效性要求更高的问题。并且油田公司和服务公司普遍用人紧张,使得这些问题变得更为突出。随着大数据、机器学习及人工智能的兴起,行业专家也逐渐开始探索机器学习方法在测井领域的应用。介绍了人工智能、机器学习相关概念及其分类,并与基于物理模型的传统建模方法进行对比,简述了人工智能方法对于测井数据分析的适用性。多样的机器学习算法可以跳出传统岩石物理体积模型的假定限制,为测井资料处理解释带来了更大的函数空间,帮助测井资料处理解释人员以非线性方式从高维空间发掘知识。从2个发展较为系统的测井资料智能解释领域:常规测井资料岩相分类和参数反演中总结了相关智能解释算法的工作流程,这些智能解释算法可为相关任务节省大量时间,并提供定量化的不确定性分析以供从业人员参考。最后,从3个方面对测井资料智能解释的未来发展提出了思考及展望:借助大量理论模型正演资料,机器学习方法或能替代数值模拟方法提升模拟资料的处理解释效率;开发结合高端测井资料（如成像测井资料）与常规测井曲线联合解释的智能解释流程,可更好地提升岩相分类及参数反演的效果;高效扩充开源数据集或结合无监督手段提升智能算法表现有利于智能方法的评价与推广。
王丹力,郑楠,刘成林[9]（2021）在《综合集成研讨厅体系起源、发展现状与趋势》文中进行了进一步梳理20世纪80年代前后,国外学术界开始了复杂性与复杂系统的研究.与此同时,以钱学森为代表的一批中国学者也开展了与此相关的系统科学和开放的复杂巨系统的研究,开创性地提出了综合集成法,进一步发展为综合集成研讨厅体系,并取得了一些成功应用.但是由于当时人们对综合集成研讨厅体系的认识不足,以及技术条件所限,其应用受到了限制.随着思维科学/认知科学、系统科学和信息技术、计算机技术、网络通信技术巨大进步,特别是近年来大数据、云计算、人工智能的飞速发展,出现了越来越多的复杂巨系统,亟待有效方法来处理这类问题.在此背景下,综合集成研讨厅体系又获得广泛关注.本文回顾了综合集成研讨厅体系产生和发展的重要历程,分析了其典型案例,介绍了国内外的相关研究进展,最后提出了未来发展的几个方向.本文力图为从事复杂巨系统研究和实践的相关人员提供理论方法指导和工程范例.
艾廷华[10]（2021）在《深度学习赋能地图制图的若干思考》文中提出地图制图学包含地图制作与地图应用两大任务,分别与人工智能技术有不解之缘。经历了符号主义智能表达的地图制图专家系统、行为主义智能表达的空间优化决策后,地图制图面临与连接主义下的深度学习的结合,以提升地图制图的智能化水平。本文针对"深度学习+地图制图"命题讨论了3个问题。一是从深度学习方法与地图空间问题解答策略思想的一致性,基于梯度下降、局部相关、特征降维和非线性化性质,回答了两者结合的可行性;二是从地图学独特的学科特点和技术环境分析了两者结合面临的挑战,涉及地图数据组织的非规范性、样本建立的专业需求、几何与地理特征的融合,以及地图固有的空间尺度性;三是分别讨论了地图制作与地图应用融入深度学习的切入点和具体方法。
二、机器智能与模式识别研究中的统计学习方法（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、机器智能与模式识别研究中的统计学习方法（论文提纲范文）
（1）案例结合课堂学术报告的研究生模式识别课程改革与实践（论文提纲范文）
| 0 引言 |
| 1 模式识别课程建设现状 |
| 2 模式识别课程建设存在主要问题 |
| 3 模式识别课程改革及实践 |
| 3.1 教学内容的专题模块化构建及实践 |
| 3.2 案例内容的单元模块化构建及实践 |
| 3.3 案例课后扩展复现及翻转课堂研讨的教学模式建设及实践 |
| 3.4 模式识别系统的综合设计报告建设及实践 |
| 3.5 课程学习成果的合理教学质量考评机制建设及实践 |
| 4 结束语 |
（4）老年慢性病共病模式挖掘与防控策略研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究目的与意义 |
| 1.1.1 研究目的 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 数据来源及共病患病率 |
| 1.2.2 共病的影响因素研究 |
| 1.2.3 共病模式识别方法研究 |
| 1.2.4 共病管理相关研究 |
| 1.2.5 相关研究成果述评 |
| 1.3 研究内容及章节安排 |
| 1.3.1 研究内容 |
| 1.3.2章节安排 |
| 1.4 研究方法与技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 第2章 相关概念及理论基础 |
| 2.1 共病的概念 |
| 2.2 生物-心理-社会医学模式 |
| 2.2.1 医学模式的转变 |
| 2.2.2 医学模式的内容 |
| 2.2.3 医学模式对共病的指导意义 |
| 2.3 复杂网络理论 |
| 2.3.1 复杂网络相关概念 |
| 2.3.2 复杂网络的统计特性 |
| 2.3.3 复杂网络社区发现 |
| 2.3.4 复杂网络在共病模式识别中的适用性 |
| 2.4 协同管理理论 |
| 2.4.1 协同理论 |
| 2.4.2 协同管理理论 |
| 2.4.3 协同管理在共病管理的适用性 |
| 2.5 慢性病管理理论 |
| 2.5.1 慢性病管理概况 |
| 2.5.2 慢性病管理模式 |
| 2.5.3 慢性病管理的过程 |
| 第3章 共病模式挖掘与利用的理论研究 |
| 3.1 共病的影响因素分析 |
| 3.1.1 生物因素 |
| 3.1.2 心理因素 |
| 3.1.3 社会环境因素 |
| 3.1.4 生活行为因素 |
| 3.1.5 共病影响因素的花瓣模型 |
| 3.2 整合影响因素的共病模式问题研究 |
| 3.2.1 整合影响因素的共病模式问题分析 |
| 3.2.2 整合影响因素的共病模式研究框架 |
| 3.3 数据驱动的共病管理决策流程 |
| 3.3.1 数据驱动决策过程 |
| 3.3.2 数据驱动的共病管理决策过程分析 |
| 3.4 基于DIKW体系的共病模式挖掘与利用模型 |
| 3.4.1 DIKW体系 |
| 3.4.2 基于DIKW的共病模式挖掘与利用模型构建 |
| 第4章 整合影响因素的共病模式挖掘方法 |
| 4.1 整合影响因素的共病模式挖掘流程 |
| 4.2 整合影响因素的共病网络构建 |
| 4.2.1 疾病-疾病关联的一模网络 |
| 4.2.2 疾病-影响因素关联的二模网络 |
| 4.2.3 整合影响因素的共病网络 |
| 4.3 基于重叠社区发现的共病模式识别 |
| 4.3.1 重叠社区发现的适用性 |
| 4.3.2 LFM算法的原理和步骤 |
| 4.3.3 节点重要性分析 |
| 4.4 共病模式挖掘方法评价研究 |
| 4.4.1 评价原理 |
| 4.4.2 对比方法的选择 |
| 第5章 基于CHARLS的我国老年共病模式挖掘与分析 |
| 5.1 数据来源与预处理 |
| 5.1.1 数据来源 |
| 5.1.2 数据预处理 |
| 5.2 老年共病影响因素分析结果 |
| 5.2.1 老年共病的患病情况 |
| 5.2.2 共病影响因素的单因素分析 |
| 5.2.3 共病影响因素的多因素分析 |
| 5.3 老年共病模式挖掘结果 |
| 5.3.1 共病关系抽取 |
| 5.3.2 共病网络 |
| 5.3.3 共病模式 |
| 5.4 共病模式挖掘结果评价 |
| 5.4.1 结果评价 |
| 5.4.2 方法对比评价 |
| 第6章 老年共病防控策略研究 |
| 6.1 共病管理现状研究 |
| 6.1.1 现状分析 |
| 6.1.2 存在问题 |
| 6.2 共病防控机制 |
| 6.2.1 基本原则 |
| 6.2.2 模式构建 |
| 6.3 参与主体的主要职责 |
| 6.3.1 政府层面 |
| 6.3.2 医疗机构层面 |
| 6.3.3 社区层面 |
| 6.3.4 个人层面 |
| 6.4 共病防控主要措施 |
| 6.4.1 加强危险因素的综合干预 |
| 6.4.2 完善慢性病信息系统建设 |
| 6.4.3 借助新媒体进行健康指导 |
| 第7章 研究结论与展望 |
| 7.1 主要研究结论 |
| 7.2 本文创新点 |
| 7.3 研究局限与展望 |
| 7.3.1 局限性 |
| 7.3.2 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（5）基于高通量计算与机器学习的材料设计方法与软件的开发与应用（论文提纲范文）
| 中文摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 材料领域高通量计算工具概述 |
| 1.1.1 大型材料结构及物性计算数据库 |
| 1.1.2 现有高通量计算软件包 |
| 1.2 用于材料学领域的机器学习算法概述 |
| 1.2.1 监督学习算法 |
| 1.2.2 无监督学习算法 |
| 1.3 论文选题目的及意义 |
| 1.4 论文的结构安排 |
| 第二章 计算材料学的理论背景和物性计算方法 |
| 2.1 密度泛函理论概述 |
| 2.1.1 密度泛函理论的发展历史 |
| 2.1.2 Hohenberg-Kohn定理 |
| 2.1.3 Kohn-Sham方程 |
| 2.1.4 交换关联泛函 |
| 2.2 材料的第一性原理物性计算 |
| 2.2.1 材料的第一性原理物性计算概述 |
| 2.2.2 本文中涉及到的材料第一性原理物性计算 |
| 2.2.2.1 表面原子的STM图像 |
| 2.2.2.2 表面能 |
| 2.2.2.3 原子填充因子 |
| 2.3 结构描述符 |
| 2.3.1 材料的结构表征方法概述 |
| 2.3.2 本论文中涉及到的材料结构表征方法 |
| 2.3.2.1 原子成键键取向序列(BOO) |
| 2.3.2.2 原子位置平滑重叠(SOAP) |
| 2.4 新材料的计算设计方法 |
| 2.4.1 基于高通量计算的计算设计方法 |
| 2.4.2 基于结构预测的计算设计方法 |
| 2.4.3 基于机器学习的计算设计方法 |
| 第三章 开发机器学习辅助的高通量计算材料设计工具 |
| 3.1 参与开发机器学习辅助的高通量计算材料设计软件JAMIP |
| 3.1.1 开发背景 |
| 3.1.2 开发工具 |
| 3.1.3 开发细节 |
| 3.1.3.1 晶体结构的文本文件格式转换 |
| 3.1.3.2 结构原型数据库 |
| 3.1.3.3 百千级高通量计算任务测试 |
| 3.1.4 本节小结 |
| 3.2 基于无监督学习及高通量计算开发晶体结构原型生成软件SPGI及数据库LAE-ICSPD |
| 3.2.1 开发背景 |
| 3.2.2 开发工具 |
| 3.2.3 开发细节 |
| 3.2.3.1 创建LAE-ICSPD的流程概述 |
| 3.2.3.2 初始结构的筛选及预处理 |
| 3.2.3.3 结构局域原子环境的表征 |
| 3.2.3.4 聚类分析 |
| 3.2.3.5 无机晶体结构原型数据库LAE-ICSPD的创建 |
| 3.2.3.6 结构原型生成软件SPGI |
| 3.2.3.7 基于密度泛函理论的高通量计算 |
| 3.2.4 本节小结 |
| 3.3 结合机器学习与高通量计算的逆向晶体结构预测策略 |
| 3.3.1 逆向晶体结构预测的研究现状 |
| 3.3.2 可逆结构表征方法“二维切片格点图” |
| 3.3.3 结合监督学习与无监督学习的逆向晶体结构预测策略 |
| 3.3.4 本节小结 |
| 3.4 本章小结 |
| 第四章 自主研发的高通量计算方法与软件在设计半导体光电材料中的应用 |
| 4.1 高通量计算材料设计方法用于设计半导体光电材料的研究现状 |
| 4.2 JAMIP在研究半导体光电材料的结构及性质中的应用 |
| 4.2.1 JAMIP在研究钙钛矿材料CsPbBr_3表面中的应用 |
| 4.2.1.1 CsPbBr_3钙钛矿薄膜样本的实验合成方法及STM观测结果 |
| 4.2.1.2 高通量计算模拟表面原子STM图像的方法及结果 |
| 4.2.2 用JAMIP做高通量计算研究钙钛矿(5-AVA)_xMA_(1-x)PbI_3的稳定性.. |
| 4.2.2.1 (5-AVA)_xMA_(1-x)PbI_3钙钛矿的实验合成方法及稳定性测试 |
| 4.2.2.2 高通量计算辅助研究(5-AVA)_xMA_(1-x)PbI_3钙钛矿的稳定性 |
| 4.2.3 高通量计算二维层状硒化铟材料的电子性质 |
| 4.2.3.1 二维层状硒化铟材料的带隙值随层数的变化规律 |
| 4.2.3.2 二维层状硒化铟材料的电子迁移率随层数的变化规律 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 作者简介 |
| 攻读博士学位期间公开发表的学术论文 |
| 致谢 |
（6）基于震动感知的运动目标识别关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 基于震动信号的运动目标识别算法研究现状 |
| 1.2.1 目标检测算法 |
| 1.2.2 目标分类算法 |
| 1.3 目标识别算法的研究案例综述 |
| 1.3.1 目标检测研究 |
| 1.3.2 目标分类研究 |
| 1.4 论文研究思路和结构安排 |
| 1.4.1 挑战性问题与本文的研究思路 |
| 1.4.2 本文的组织结构 |
| 第2章 运动目标诱导震动信号的机理研究 |
| 2.1 引言 |
| 2.2 运动目标产生震动信号的机理 |
| 2.2.1 地面运动目标的力学模型 |
| 2.2.2 低空飞行目标的声震耦合模型 |
| 2.3 震动信号的传播机理 |
| 2.3.1 地震波概述 |
| 2.3.2 瑞利波在多层介质中的传播模型 |
| 2.4 本章小结 |
| 第3章 SITEX02 数据集分析与JL数据集构建 |
| 3.1 引言 |
| 3.2 SITEX02 数据集 |
| 3.2.1 实验描述 |
| 3.2.2 数据分析 |
| 3.3 JL数据集 |
| 3.3.1 数据采集系统 |
| 3.3.2 数据采集实验 |
| 3.3.3 数据分析 |
| 3.4 本章小结 |
| 第4章 基于容量维数与支持向量机的目标检测算法研究 |
| 4.1 引言 |
| 4.2 信号的分形容量维数 |
| 4.2.1 混沌与分形 |
| 4.2.2 分形维数 |
| 4.2.3 分形容量维数的计算 |
| 4.2.4 实际信号的容量维数分析 |
| 4.3 使用支持向量机完成容量维数的辨识 |
| 4.3.1 超平面 |
| 4.3.2 线性支持向量机 |
| 4.3.3 非线性支持向量机 |
| 4.3.4 线性与非线性支持向量机的比较 |
| 4.4 基于容量维数与线性支持向量机的目标检测算法模型 |
| 4.5 实验与讨论 |
| 4.5.1 算法评估指标 |
| 4.5.2 案例研究Ⅰ(以SITEX02 数据为例) |
| 4.5.3 案例研究Ⅱ(以JL数据为例) |
| 4.6 本章小结 |
| 第5章 基于压缩观测的震动深度神经网络目标分类算法研究 |
| 5.1 引言 |
| 5.2 压缩观测理论分析 |
| 5.2.1 压缩观测思想 |
| 5.2.2 特征保留与噪声压制 |
| 5.2.3 应用压缩观测值的目标分类 |
| 5.2.4 压缩观测作为特征提取 |
| 5.3 基于压缩震动观测值的深度特征分类算法模型 |
| 5.4 实验与讨论 |
| 5.4.1 算法评估指标 |
| 5.4.2 案例研究Ⅰ(以SITEX02 数据为例) |
| 5.4.3 案例研究Ⅱ(以JL数据为例) |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结与创新点 |
| 6.2 后续工作展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（7）基于多物理场耦合的膝关节炎仿生辨识研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 膝关节炎诊断方法研究现状 |
| 1.2.1 影像学检查 |
| 1.2.2 膝关节镜检查 |
| 1.2.3 步态分析评估 |
| 1.2.4 生物标志物检查 |
| 1.3 膝关节周围软组织研究现状 |
| 1.3.1 膝关节周围软组织力学模量研究现状 |
| 1.3.2 膝关节周围血流参数研究现状 |
| 1.3.3 膝关节周围软组织表面温度研究现状 |
| 1.4 本文主要研究内容 |
| 第2章 试验对象、设备及方法 |
| 2.1 试验对象 |
| 2.2 测量内容 |
| 2.2.1 肌肉 |
| 2.2.2 肌腱/韧带 |
| 2.2.3 血管 |
| 2.3 试验设备 |
| 2.3.1 超声弹性成像系统 |
| 2.3.2 红外热像仪 |
| 2.4 测量方法 |
| 2.4.1 肌肉、肌腱/韧带力学模量测量 |
| 2.4.2 血管形态学和血流动力学参数测量 |
| 2.4.3 软组织表面温度测量 |
| 2.5 本章小结 |
| 第3章 膝关节周围软组织力学模量场研究 |
| 3.1 膝关节周围软组织杨氏模量重复性分析 |
| 3.2 健康受试者膝关节周围软组织力学模量分析 |
| 3.2.1 性别对软组织力学模量的影响 |
| 3.2.2 年龄对软组织力学模量的影响 |
| 3.3 膝关节炎患者膝关节周围软组织力学模量分析 |
| 3.3.1 健康受试者和膝关节炎患者软组织力学模量分析 |
| 3.3.2 不同疼痛部位对软组织力学模量的影响 |
| 3.3.2.1 膝关节疼痛区域划分 |
| 3.3.2.2 不同疼痛部位对肌肉力学模量的影响 |
| 3.3.2.3 不同疼痛部位对肌腱/韧带力学模量的影响 |
| 3.4 本章小结 |
| 第4章 膝关节周围血管流场研究 |
| 4.1 膝关节周围血管形态学和血流动力学参数重复性分析 |
| 4.2 健康受试者膝关节周围血管流场参数分析 |
| 4.2.1 性别对血管流场参数的影响 |
| 4.2.2 年龄对血管流场参数的影响 |
| 4.3 膝关节炎患者膝关节周围血管流场参数分析 |
| 4.4 本章小结 |
| 第5章 膝关节周围软组织温度场研究 |
| 5.1 膝关节周围软组织表面温度重复性分析 |
| 5.2 健康受试者膝关节周围软组织表面温度分析 |
| 5.2.1 性别对软组织表面温度的影响 |
| 5.2.2 年龄对软组织表面温度的影响 |
| 5.3 膝关节炎患者膝关节周围软组织表面温度分析 |
| 5.4 本章小结 |
| 第6章 基于机器学习的膝关节炎仿生辨识研究 |
| 6.1 机器学习概述 |
| 6.2 数据预处理 |
| 6.2.1 数据归一化处理 |
| 6.2.2 数据降维处理 |
| 6.3 机器学习对膝关节炎的分类识别结果分析 |
| 6.3.1 决策树 |
| 6.3.2 BP神经网络 |
| 6.3.3 自组织竞争神经网络 |
| 6.3.4 学习向量量化神经网络 |
| 6.3.5 极限学习机 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录 |
| 附录1 |
| 附录2 |
| 作者简介及攻读博士学位期间科研成果 |
| 致谢 |
（8）测井资料人工智能处理解释的现状及展望（论文提纲范文）
| 0 引 言 |
| 1 人工智能在测井资料处理解释应用的适用性分析 |
| 2 测井资料智能解释现状 |
| 2.1 常规测井资料模式识别任务 |
| 2.2 常规测井资料参数反演任务 |
| 3 测井资料智能解释思考及展望 |
| 3.1 基于机器学习的智能正演过程探索 |
| (1) 阵列波形中敏感特征的提取。 |
| (2) 大量的正演模拟。 |
| (3) 快速准确的反演。 |
| 3.2 结合常规测井资料及成像测井资料的模式识别任务 |
| 3.3 开源数据集、标签数据扩充及无监督方法结合 |
| 4 总 结 |
（10）深度学习赋能地图制图的若干思考（论文提纲范文）
| 1 深度学习方法与地图空间问题求解的契合思想 |
| 1.1 梯度下降 |
| 1.2 局部相关 |
| 1.3 特征降维 |
| 1.4 非线性化 |
| 2 深度学习在地图制作技术中的应用 |
| 2.1 DL模型下的制图数据源加工处理 |
| 2.2 DL模型下的尺度变换与地图综合 |
| 2.3 DL模型下的地图符号设计与可视化风格表达 |
| 3 深度学习在地图分析中的应用 |
| 4 “深度学习+地图制图”面临的挑战与发展前景 |
| 4.1 地图数据组织的非规范性 |
| 4.2 地图目标样本标注的专业性 |
| 4.3 地理特征与几何特征的集成 |
| 4.4 学习模型的适宜地图尺度选择 |
| 5 结 语 |
四、机器智能与模式识别研究中的统计学习方法（论文参考文献）
- [1]案例结合课堂学术报告的研究生模式识别课程改革与实践[J]. 李兆飞,熊兴中,王小刚. 计算机时代, 2021(12)
- [2]2021年度NSFC人工智能学科基金项目申请资助情况及学科发展展望[J]. 吴国政,肖斌,赵瑞珍,陈厅. 智能系统学报, 2021(06)
- [3]智能控制五十年回顾与展望:傅京孙的初心与萨里迪斯的雄心[J]. 王飞跃. 自动化学报, 2021(10)
- [4]老年慢性病共病模式挖掘与防控策略研究[D]. 穆晓敏. 吉林大学, 2021(01)
- [5]基于高通量计算与机器学习的材料设计方法与软件的开发与应用[D]. 罗树林. 吉林大学, 2021(01)
- [6]基于震动感知的运动目标识别关键技术研究[D]. 宾康成. 吉林大学, 2021(01)
- [7]基于多物理场耦合的膝关节炎仿生辨识研究[D]. 吴佳南. 吉林大学, 2021(01)
- [8]测井资料人工智能处理解释的现状及展望[J]. 王华,张雨顺. 测井技术, 2021(04)
- [9]综合集成研讨厅体系起源、发展现状与趋势[J]. 王丹力,郑楠,刘成林. 自动化学报, 2021(08)
- [10]深度学习赋能地图制图的若干思考[J]. 艾廷华. 测绘学报, 2021(09)