一、基于马尔可夫链使用模型的系统测试（论文文献综述）
张鹏[1]（2021）在《高校公共卫生突发事件防控系统的研发及应用》文中研究指明当前,高校公共卫生突发事件已经成为危及高校乃至社会稳定的突出问题。高校人流量大、接触性强,往往因用户间的移动行为而造成人群聚集情况,同时,经过调查发现,公共卫生突发事件在高校等人群聚集区发生的可能性较大,具有爆发性强、不易处置等特点。因此,判断高校用户的行为轨迹对于预判公共卫生突发事件爆发和防止公共卫生突发事件扩散具有重要意义。本文以高校用户移动轨迹为研究对象,提出了基于移动模式的马尔可夫位置预测模型,通过挖掘历史移动轨迹中的位置关联性,来预测用户的移动位置,并将模型应用到系统中,设计并实现了具备聚集预警功能的高校公共卫生突发事件防控系统。本文的主要工作如下:第一,分析了国内外高校在公共卫生突发事件防控和系统开发方面的研究现状,总结出高校在应对公共卫生突发事件过程中所遇到的问题和不足,通过收集高校在卫生防控方面的需求进行需求分析,并对系统进行总体设计。第二,提出了基于移动模式的马尔可夫位置预测模型,该模型分为移动模式挖掘与马尔可夫位置预测。在移动模式挖掘阶段,针对传统个体移动模式挖掘算法准确性低、误差大等问题,提出了基于改进Apriori算法的个体移动模式挖掘方法,提高了预测结果的准确性,同时,为获得用户群体移动模式,提出了基于相似性聚类的群体移动模式挖掘方法。该阶段得到的移动模式用于马尔可夫位置预测阶段的研究。马尔可夫位置预测阶段分为聚集点预测和用户个体的移动位置预测,聚集点预测可以提前了解用户群体最可能聚集的地点,用户个体的移动位置预测用来发现可能导致该地聚集的用户,通过统计该类用户的信息及人数,判断聚集地点的预警等级,决定是否进行人员疏散管控。通过实验证明了该模型的有效性。第三,完成了对系统所需的立式测温认证一体机、智能测温人员通道、热成像测温半球摄像机等设备的选型并进行实际部署,设计和实现了公共卫生突发事件防控系统。该系统主要应用于高校的卫生防控工作,通过系统的健康管理和报警管理等功能模块代替传统的人工监管,并将提出的预测模型应用到系统的聚集预警模块中,实现了人群聚集预警的智能化管控。本系统采用了前后端分离模式,保障了系统的可维护性和可扩展性,另外,系统加入了安全性设计,通过登录验证和权限控制管理等方法保护用户的信息安全,满足高校用户的使用需求。
冯笑凡[2]（2021）在《基于视觉特性的高速雾天车路协同预警系统分心研究》文中提出雾是一种会使能见度下降的不良天气,它容易令驾驶人驾驶操作行为发生变化,从而为驾驶过程带来安全隐患。基于人机界面（HMI）的车路协同技术对提高雾天高速公路整体安全水平具有重要作用,但其对驾驶人注意力的影响不容忽视。目前车路协同技术应用前测试困难较大,基于车路协同的雾预警系统对于驾驶人的注视分布影响评估有所欠缺,并且对于HMI导致的驾驶人对驾驶环境的注视规律的影响尚不明确。此外,针对视觉特性与驾驶行为关联关系的研究较少。因此,论文聚焦于车路协同雾预警系统应用前的测试平台搭建和车载雾预警系统对驾驶人视觉影响,为车路协同雾预警系统的实际应用提供参考。论文的主要研究内容如下:首先,搭建车路协同雾预警系统测试平台并设计驾驶模拟实验。论文基于驾驶模拟技术搭建车路协同雾预警系统测试平台,构建强浓雾能见度条件下两种车路协同技术等级（无车载提示、有车载提示）的雾预警系统实验场景,实验道路被划分为三个区域（无事件区、雾预警区域,雾区）,通过驾驶模拟实验获取驾驶人高颗粒度的驾驶模拟数据。第二,评估车路协同雾预警系统对驾驶人视觉特性的影响。论文将采集的驾驶人注视点划分为前方路面区域和其它区域,分析在不同条件下驾驶人对前方路面区域及非前方路面区域的注视眼跳频率及注视占比,同时采用AttenD算法量化评估不同条件下驾驶人的视觉分心程度,从而评估自行设计的HMI对驾驶人视觉行为的影响。结果表明有HMI提示会导致驾驶人视觉负荷增加;技术等级主要影响驾驶人视觉分心影响程度;有HMI提示会使驾驶人视觉分心的占比明显上升,对道路交通安全产生一定的负面影响。第三,评估车路协同雾预警系统对驾驶人的注视转移影响,为HMI提供优化建议。论文对驾驶人的前方路面注视兴趣区进一步划分成更细的4个区域,从而共有7个注视兴趣区,利用马尔可夫链原理分析驾驶人在不同路段对不同区域的注视倾向,从而提出优化HMI的建议。结果表明HMI对驾驶员有积极作用,但在不同路段对驾驶员有不同程度的影响。在各路段驾驶员对远前方路面的复查率都很高,其中在雾区的复查率最高;HMI应为驾驶人提供更多的道路信息;HMI的提示模块的水平长度应缩短;根据HMI区域和仪表盘区域的扫视率结果,HMI在进入警告区域前向驾驶员提供提示,同时在进入雾区前应提示驾驶人限速的变化。第四,论文讨论了视觉特性与驾驶行为表现的关联预测方案。AttenD算法可以帮助区分驾驶人视觉层面的分心程度,但其判断条件映射到驾驶行为层面是否依旧适用需要进一步研究。本文基于AttenD算法,按照不同的方案设计将驾驶人分心程度分为三个水平,利用随机极端树模型评估视觉与行为数据的匹配关联度,找到最优的视觉特性与驾驶行为的映射点,为现阶段驾驶人分心预警算法提供优化支持。结果表明,基于Kmeans聚类算法设计的AttenD划分方案更符合驾驶行为表现的分布。
刘亚光[3]（2021）在《无人机目标追踪信息展示系统的设计与实现》文中研究说明随着监控设备数量的增加,视频监控已经逐渐成为维护社会治安和法治的重要工具,也成为智慧城市中协调交通资源的重要支撑。通过现有的视频监控和定位,已经可以越来越多的掌握行人、行车等重要的位置和行为信息,但现有获取信息的数量还仍然跟不上未来万物互联时代庞大的信息需求。比如在漫长的高架桥、偏远的乡村、广阔的海域上,不可能密集布满摄像头装置;又比如在高楼林里的城市里,固定摄像头会被遮挡,留下很多监控的死角。现有的国产无人机厂商已经逐步掌握了远程通信、GPS定位和飞行控制等核心技术,将成本逐步缩减到可以广泛民用的水平。无人机具有高空的开阔视角和很高的空间自由度,可以作为追踪和监视系统的重要组成部分。本文结合无人机技术,设计并实现了一个无人机目标追踪信息展示系统（UAV Target Tracking Information Display System,UTTIDS）,该系统的展示功能使用B/S架构,在Web端展示,由服务器和无人机组成,使用多无人机调度追踪的方法对目标进行监视,使用集中的服务器对每一架无人机进行飞行控制和调度,收集监控无人机的信息,通过Web端的二维电子地图将监控信息和无人机位置信息、工作状态展示给用户。本文首先介绍了无人机追踪监控的背景和研究意义,介绍了无人机相关的飞控、通信、电子地图和应用平台等技术。然后分析了 UTTIDS在展示、调度、飞控等环节需要实现的功能,根据需求分析设计了调度算法,设计了 UTTIDS的结构、服务器和无人机客户端的架构,并根据设计方案使用Python、Html和Android做了系统开发,实现了 UTTIDS系统的功能。在系统实现后实地测试了飞行控制功能的有效性,使用模拟的多无人机客户端通信测试了调度算法的效率,并测试了 UTTIDS的实时查看、历史查询功能,展示了 UTTIDS在安卓平台和大疆DJI设备上实现的方法和效果,测试结果表明,使用轨迹预测算法可以减少对目标的追踪丢失率。最后对本文的工作进行了总结,对无人机监控的前景做出了展望。
宋鹏翔[4]（2021）在《插电式混合动力公交车工况预测与智能能量管理策略研究》文中研究说明在全球能源短缺和环境污染日益严峻的背景下,新能源汽车领域关键技术不断发展,大力推进插电式混合动力汽车的发展是通往全面普及纯电动汽车的必由之路。插电式混合动力系统是一种非线性、多变量且时变的复杂系统,由于其特殊的能量分配结构,对发动机、电机等动力源的控制与传统混合动力系统相比更为复杂,能量管理策略作为混合动力系统的关键技术之一,如何在满足车辆行驶需求和驾驶员动力需求的前提下对各动力源进行优化控制,实现各动力源高效合理地工作,进一步挖掘其节能潜力从而提高整车的燃油经济性是当前插电式混合动力系统研究的关键,同时也是新能源汽车产业发展的迫切需求。本文以双电机同轴混联插电式混合动力公交车为研究对象,开展了行驶工况构建方法、混合动力系统建模、未来工况预测方法、预测能量管理策略、智能能量管理策略以及硬件在环试验研究,完成了插电式混合动力车辆系统建模,仿真分析,能量管理策略验证的工作流程。本文依托国家重点研发计划“插电/增程式混合动力系统动态建模优化与动态控制方法”项目,主要研究内容包括以下六个方面:1)插电式混合动力公交车行驶工况构建。选定某城市具有代表性的公交线路,对其线路特征进行分析并完成车辆原始行驶工况数据的采集工作,采用小波变换方法对原始数据进行滤波降噪处理,然后将原始行驶工况数据划分为独立的短行程片段,选取可充分体现行驶工况数据特点的特征参数,筛选前四个主成分并采用自组织映射神经网络算法对所有的短行程工况样本根据特征参数的相似程度进行聚类分析,得出聚类结果后将其组合得到所构建的某公交线路行驶工况,并通过与原始工况数据特征参数的对比验证所构建工况的合理性。2)整车纵向动力学建模与能量管理策略构建。首先对双电机同轴混联插电式混合动力公交车的构型特点以及不同工作模式下的能量流展开了详细分析,并在仿真环境Matlab/Simulink下按照正向建模的思路建立了包含发动机、驱动电机和ISG电机以及动力电池组的插电式混合动力系统整车纵向动力学模型,同时基于所构建的行驶工况,建立了在工程实际上常用的基于规则的能量管理策略以及可保证全局最优的基于动态规划的能量管理策略模型,对两种基准策略进行合理性验证,并为后续能量管理策略的研究进一步提供了参考评价标准。3)建立基于数据驱动预测方法的车辆未来行驶车速预测模型。首先建立基于马尔可夫链的车速预测模型,采用贝叶斯估计求解初始转移概率矩阵,并基于所构建的循环工况,针对不同预测时域对车速进行多次预测,然后结合驾驶意图序列和历史车速序列建立基于RBF神经网络车速预测模型,在对所构建神经网络进行合理性验证的基础上对未来车速进行预测,对比分析了RBF神经网络预测模型和马尔可夫链预测模型在预测精度方面的差异,并验证了引入驾驶意图序列在RBF神经网络车速预测模型中的有效性。4)提出了一种分层预测能量管理策略。将庞特里亚金最小化原理与模型预测控制相结合,提出了基于PMP-MPC的插电式混合动力系统分层预测能量管理策略,上层控制器主要接收车速预测模型所预测的未来车速序列,并根据车辆状态采用PMP算法求解预测时域内的最优控制序列,下层控制器根据上层控制器的计算结果最终将控制指令输出给整车模型。并对基于PMP-MPC的能量管理策略进行仿真试验,分析了预测时域对控制效果的影响,并将PMP-MPC策略与结合动态规划算法和模型预测控制的DP-MPC能量管理策略进行对比分析,验证了PMP-MPC策略在燃油经济性和计算效率方面的优势。5)提出了基于深度强化学习的智能能量管理策略。结合深度学习的结构和强化学习的思想,探索了一种基于深度强化学习的插电式混合动力系统能量管理策略架构,基于双深度Q网络和深度确定性策略梯度两种深度强化学习算法分别开发了对应的能量管理策略,并对两种策略进行了仿真试验。与本文所提出的PMP-MPC能量管理策略进行对比分析,结果表明在随机行驶工况下基于深度强化学习的智能能量管理策略更具适应环境变化这种不确定性的能力,所受到环境的随机变化对整车经济性的影响较小,为插电式混合动力系统在随机行驶环境下的鲁棒性问题提供了新的思路和解决方案。6)对预测能量管理策略和智能能量管理策略进行硬件在环仿真试验。通过搭建硬件在环试验平台,将本文所提出的两种类型能量管理策略分别下载到真实控制器中,在实时仿真环境下对能量管理策略的控制效果进行了验证,由硬件在环试验结果表明所提出的两种类型能量管理策略均具有较好的实时性,且取得了良好的控制效果。
丁海旭[5]（2020）在《自组织递归模糊神经网络设计及污水处理应用研究》文中认为模糊神经网络（Fuzzy Neural Network,FNN）是一种兼具人工神经网络（Artificial Neural Network,ANN）的非线性分析能力与模糊系统的模糊推理能力的网络模型。FNN针对人脑思维的模糊性特点,利用数值化信息构建特定的非线性映射以实现对模糊事物的识别和判断,是一种能够适用于更复杂问题和更广泛领域的高级信息处理系统。然而,现有的FNN在内部动态信息传递与结构自适应调整过程中仍存在着诸多尚未解决的研究难题,在一定程度上限制了FNN的建模能力与应用领域。因此,研究能够自适应传递网络内部信息与自组织调整网络结构的FNN具有重要的意义。为解决以上研究难题,本文通过研究和分析FNN的动力学特性,提出了一种基于多元时间序列分析的自组织递归模糊神经网络（Self-organizing Recurrent Fuzzy Neural Network based on Multivariate Time Series Analysis,MTSA-SORFNN）模型。该模型通过小波变换-模糊马尔可夫链（Wavelet Transform Fuzzy Markov Chain,WTFMC）算法将预测因子引入到递归层中,增强了网络的递归环节的适应性;同时,采用加权动态时间弯曲（Weighted Dynamic Time Warping,WDTW）算法与敏感度分析（Sensitivity Analysis,SA）算法分别从局部与整体对网络的结构进行评估与优化;最后,将该网络模型应用于基准非线性问题的预测,并设计开发了污水处理关键出水参数软测量智能系统。实验结果表明,MTSA-SORFNN在收敛速度和建模精度上都展现出了较好的性能,实现了对基准非线性问题与污水处理关键水质参数的准确预测。论文的主要研究工作和创新点如下:（1）基于WTFMC算法的递归机制设计研究。针对自组织递归模糊神经网络（Self-organizing Recurrent Fuzzy Neural Network,SORFNN）的递归量难以自适应的问题,提出了一种基于WTFMC算法的递归机制。首先,在时间维度上记录隐含层神经元的模糊逻辑规则以构建多元时间序列（Multivariate Time Series,MTS）;其次,通过小波变换分解此MTS,并结合模糊马尔可夫链预测分解后得到的子序列变化趋势;最后,合并预测值并完成网络递归层的计算。实验结果表明,该递归机制可以探知网络的内部变化规律,有效地提高了网络的收敛速度。（2）基于WDTW-SA算法的自组织机制设计研究。针对SORFNN的结构难以确定的问题,提出了一种基于WDTW-SA算法的自组织机制。首先,在时间维度上记录隐含层神经元的模糊逻辑规则以构建MTS;其次,采用WDTW算法计算MTS间距以分析神经元之间的相关性,根据相关性评价指标对神经元进行合并;同时,结合SA算法计算该段时间的神经元的累计贡献度,根据贡献度评价指标对神经元进行分裂与删减。实验表明该自组织机制能够获得更紧凑的网络结构,并有效地提高了网络的预测精度。（3）SORFNN的结构参数调整策略设计研究。为了保证SORFNN在结构变化时的稳定性,提出了一种结构参数的调整策略。首先,针对神经元的合并阶段、分裂阶段和删减阶段分别设计了相应的参数调整算法;其次,设计了相应的阈值调整策略以提高网络的结构优化效率;最后,通过收敛性分析,证明了网络在该结构参数调整策略下的输出稳定性,避免了网络的震荡。（4）污水处理关键出水参数软测量智能系统设计研究。针对污水处理中关键出水参数检测工艺复杂且实时测量困难等问题,设计并开发了一种以MTSA-SORFNN模型为理论基础的污水处理关键出水参数软测量智能系统。根据系统需求分析,将其分为用户管理、数据采集、氨氮预测和模型理论四个模块。该系统以Visual Studio 2010为开发平台,通过调用SQL Server 2008数据库以实现用户信息的管理、水厂数据的调用和预处理,通过调用预置的MTSA-SORFNN的MATLAB程序以实现软测量模型的训练与预测。该软测量系统相较于传统检测方法具有检测快速、成本低廉、实用性好等优点,对保证污水处理厂稳定高效运行具有实际的意义。
朱楠[6]（2020）在《基于NTM神经网络的电影推荐系统的设计与实现》文中研究表明随着互联网技术的迅猛发展,人们对互联网的依赖愈加明显,其已遍布人们日常生活中的点点滴滴。为了给人们枯燥、乏味的生活添加一点乐趣,各大视频网站提供了数量巨大、种类繁多的电影资源让用户去观看,故在每次观看电影的时候,用户都需要耗费大量的时间来挑选出符合自己喜好的电影。为了解决这一问题,研究者们纷纷将个性化推荐技术应用于电影视频行业中,其结果表明,该技术确实能够有效地缓解信息过载问题,从而提高了用户的使用体验感,并且增加了用户对系统的使用粘性。目前,深度学习技术发展得如火如荼,并且已经在很多领域都取得了杰出的成果,因此,运用深度学习的方法展开个性化电影推荐系统的研究,其具有重要的现实意义和使用价值。首先,本文对一些传统的推荐算法以及它们各自存在的优缺点进行了简单地阐述;其次,根据电影推荐系统中存在的用户历史行为数据进行分析,并且为了让推荐的结果更加契合用户的喜好,文中引入了社交网络,进而构建数学模型;再次,考虑到评分预测的精确度也会影响到电影推荐系统的整体性能,便引入了自编码器,其就是将原本用于电影评分的数据进行重新构造,从而得出较为精确的电影评分;最后,采用豆瓣网站的电影数据作为数据集,将传统的基于项目的协同过滤算法、基于马尔科夫链的推荐算法以及基于NTM神经网络的推荐算法进行实验对比,结果表明,基于NTM神经网络的推荐算法在准确率、运行平均响应时间等方面的效果更佳。利用实验结果较优的NTM神经网络作为推荐算法,设计并且完成了基于NTM神经网络的电影推荐系统,最后,对实现的电影推荐系统进行了功能和性能的测试,验证该系统确实可以为用户提供更具个性化、更符合自己喜好的电影。
刘荣凯[7]（2020）在《基于个人信息和循环神经网络的口令猜测系统研究》文中认为口令认证作为用户身份认证方式之一,尽管存在着许多的安全隐患,但是凭借着其部署的方便性和灵活性,在可预见的未来中仍然是最主要的用户认证方式。因此,本文将研究重点放在了口令猜测技术的研究上。该项技术的研究不光能够制作出效率更高的口令字典,从而提升口令破解的效率,同时能够帮助系统和网站制定更好的口令策略,以此来提升用户的口令强度,创建更为安全的口令。首先,本文研究了目前较为流行的三种口令猜测算法,分别为基于概率上下文无关模型（PCFG）的口令猜测算法,基于Markov的口令猜测算法以及基于神经网络的口令猜测算法,分析其口令猜测过程以及在实际应用中的使用情况,为本文提出的PRP（Personal-RNN-PCFG）口令猜测算法提供理论基础。其次,本文通过对网络上多个公开的口令数据集展开研究,从常用口令、口令字符组成、口令长度、口令重用以及口令中包含的个人信息等多个维度研究口令的创建规律,为本文提出的PRP口令猜测算法提供了数据基础。再次,本文在上面理论基础以及数据基础上,利用个人信息,基于PCFG算法的思想,结合循环神经网络（RNN）的优势,提出了PRP口令猜测算法。该算法的主要思路是通过提取泄露数据集的口令结构,利用RNN对口令结构进行学习,从而进行口令结构的预测,最后利用个人信息对口令结构进行填充,从而得到预测口令。最后,本文使用PRP口令猜测算法搭建了口令猜测原型系统。并在在线猜测和离线猜测两种情境下对该原型系统进行测试,通过和基于PCFG算法的口令猜测系统进行对比,发现基于PRP算法的口令猜测系统无论是在在线猜测还是离线猜测的场景下,其破解效率都要优于基于PCFG算法的口令猜测系统。
王媛媛[8]（2020）在《异构网络族群普适接入机制的研究与实现》文中提出无线网络技术发展迅速,可谓日新月异,在网络应用的复杂环境下,异构网络并存融合已是大势所趋。在智慧协同网络中,智慧协同路由器作为一种很重要的网络设备,能够融合并深度优化使用多运营商多制式移动网络,也能够智慧协同地高效使用现如今主流的无线局域网技术。先进互联网技术与传统行业的深度融合,比如无人机的投入使用、自动驾驶的研究等等这些潮流的走向无一不是在说明人们对于当前人工智能的向往和切身需要,还有很多用于日常生活的网络需求,因为不同的场景对网络的切身要求都不同,这些使得网络选择变得尤为重要。因此,本文结合智慧协同网络的特点,秉持着减少资源浪费,尽量满足网络需求,提供不间断网络服务的原则,意在研究根据不同的应用环境的网络需求适配合适的网络资源,实现异构网络族群普适接入机制,以下为本文的主要研究内容。本文从两大层面进行研究,即组件层面和族群层面。考虑到族群的形成必然需要组件支撑这一重要关系,首先从组件层面出发,设备已经实现了 Wi-Fi网络方面的普适接入,而蜂窝移动网络的普适接入却是现存的重要问题,蜂窝网络的接入是通过拨号的重要手段来实现的,那么实现拨号的普适性即可以实现蜂窝移动网络的普适接入;族群层面的进一步研究可解释为网络族群的接入选择问题的研究。接下来介绍这两个层面的具体研究。组件层面。本文提出了一种基于智慧协同路由器的普适拨号方法,考虑到未来的发展以及使用过程中的实际情况,比如高速移动环境中,移动网络基站存在网络信号覆盖存在盲区的问题等等,又因为不同运营商、不同制式在拨号时均需要满足符合其自身的条件,建立了一种拨号的模型,分别对各个层进行功能的部署,并就各个层进行详细的实现,从正常功能和差错检测两个方面进行测试,验证了普适拨号方法的智能化和普适性,提高拨号的效率,实现了蜂窝移动网络的普适接入。族群层面。针对外界用户对于网络的不同需求,综合考虑多种网络因素,本文提出了基于灰色关联度分析的聚类算法,本着避免资源过于浪费,并且能够尽量为用户提供不间断的网络通信服务的原则,通过比较合理的属性综合权重分析,理智评判当前多种网络的网络质量,引入灰色关联度动态分析网络状态,再利用k-means聚类算法进行聚类,选择出比较合适的网络族群,并对此算法进行实现和测试,验证了不同网络族群选择的可行性。
赵春鹏[9]（2020）在《燃料电池汽车混合动力系统设计研究》文中指出随着传统石化燃料供应的制约和环境保护压力的升级,新能源汽车应运而生。不同于纯电动汽车使用单一动力电池作为能源供应,燃料电池汽车一般采用燃料电池和动力电池混合供能的方式。由于燃料电池在储能质量密度和能源转化效率方面的优势,燃料汽车因此具备动力系统质量轻和高效能的优点。我国燃料电池汽车研发还处于起步阶段,本文主要对燃料电池汽车混合动力系统的配置优化、建模仿真、能量管理策略和控制器设计展开研究。首先,提出一种以燃料电池混合动力系统成本和重量为优化目标,以满足燃料电池汽车的性能为约束条件的配置优化方法。采用了多目标粒子群优化算法对等效优化命题进行求解,得到了目标函数Pareto前沿。其次,从系统的顶层模型架构出发,依次建立了燃料电池机理模型,动力电池等效电路模型和DC/DC变换器拟合效率模型。再次,设计了基于改进随机动态规划的能量管理策略,并在ADVISOR仿真平台下和基于确定规则的能量管理策略进行对比,结果显示随机动态规划策略能够提高燃料电池发电效率和延长燃料电池汽车续驶里程。然后,研发了基于汽车级微处理器S32K144的系统控制器和搭建了燃料电池发电系统平台和电-电混合动力系统平台,并进行燃料电池系统最佳工况控制测试和混合动力系统电力输出控制测试。结果表明,所研制的控制器能够对燃料电池混合系统进行氢气压力控制、空气压力控制、温度控制和能量管理。
王进[10]（2019）在《基于自然驾驶数据的汽车智能驾驶系统测试与评价方法研究》文中进行了进一步梳理在过去的几十年里,汽车智能驾驶技术取得了显着的进步。国内外专家学者以及相关机构研究开发了许多智能驾驶的系统,赋予现代车辆多项功能,使其更加聪慧和安全。而智能驾驶系统的开发和验证是相辅相成的,在其正式使用前都需要经过重重测试,需要对其诸多性能给出定量评价。目前针对智能驾驶系统测试与评价的研究都存在着测试场景单一,测试方法多数采用国际通用标准测试方法,与我国实际道路情况不完全相符等问题。本文基于中国道路采集的自然驾驶数据,通过数据驱动聚类分析构建中国典型虚拟测试场景,并利用马尔科夫蒙特卡洛模拟的数据归纳学习法建立测试场景中前车随机预测模型,从安全性、舒适性和经济性三方面构建智能驾驶系统评价模型,最后基于层次分析与模糊综合评价相结合的方法对智能驾驶系统进行综合评价。本文主要研究内容分为如下几个方面:（1）构建基于自然驾驶数据驱动的汽车智能驾驶系统综合测试场景。采集了中国道路交通环境下汽车的自然驾驶数据,筛选出自然驾驶数据中危险工况数据片段,基于此提取出汽车智能驾驶系统综合测试的场景特征要素,并利用聚类分析法得到三类典型虚拟测试场景,从而为汽车智能驾驶系统虚拟测试的构建了场景基础,解决了国内尚无本土化汽车智能驾驶系统综合测试场景的问题。（2）建立虚拟测试场景中基于马尔科夫蒙特卡洛模拟法的前车随机运动预测模型。采用马尔可夫链理论表征前车人类驾驶员驾驶车辆的随机运动的特性,将聚类得到各场景下的自车数据作为前车历史工况数据,归纳学习得出马氏链转移概率,并通过蒙特卡洛模拟预测未来时刻的状态,基于此得到测试场景中前车随机运动模型,通过对比原始工况数据验证模型的有效性,有效解决了由于采集设备精度低导致前车数据不准,在虚拟环境测试中不能准确表征人类驾驶员驾驶车辆随机运动的问题。（3）提出基于层次分析法的汽车智能驾驶系统模糊综合评价方法。基于PreScan仿真平台进行多工况虚拟测试,以汽车的安全性、舒适性和经济性为指标构建了多层评价模型,将虚拟测试数据作为设置评价模型隶属度集和模糊规则的参考,计算安全性、舒适性和经济性各指标得分和综合得分,验证所提出的智能驾驶系统模糊综合评价方法的可行性。
二、基于马尔可夫链使用模型的系统测试（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、基于马尔可夫链使用模型的系统测试（论文提纲范文）
（1）高校公共卫生突发事件防控系统的研发及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要内容 |
| 1.4 论文的组织结构 |
| 第2章 关键技术与相关概念介绍 |
| 2.1 系统开发技术 |
| 2.2 移动模式挖掘应用算法介绍 |
| 2.2.1 Sunday模式匹配算法 |
| 2.2.2 Apriori算法 |
| 2.3 基于马尔可夫的位置预测方法 |
| 2.4 本章小结 |
| 第3章 高校公共卫生突发事件防控系统需求分析 |
| 3.1 系统在高校场景应用的功能性需求分析 |
| 3.1.1 信息可视化需求分析 |
| 3.1.2 人员管理需求分析 |
| 3.1.3 健康信息管理需求分析 |
| 3.1.4 聚集预警需求分析 |
| 3.1.5 报警管理需求分析 |
| 3.1.6 设备管理需求分析 |
| 3.1.7 网格化管理需求分析 |
| 3.1.8 组织管理需求分析 |
| 3.1.9 用户权限管理需求分析 |
| 3.2 系统非功能性需求 |
| 3.2.1 安全性需求 |
| 3.2.2 可维护性与可扩展性需求 |
| 3.2.3 性能需求 |
| 3.3 本章小结 |
| 第4章 高校公共卫生突发事件防控系统设计 |
| 4.1 系统总体设计 |
| 4.1.1 系统功能架构 |
| 4.1.2 系统技术架构 |
| 4.1.3 系统设计思路 |
| 4.1.4 系统硬件选型及场景化设置 |
| 4.2 基于用户移动模式的马尔可夫位置预测模型设计及应用 |
| 4.2.1 模型总体设计 |
| 4.2.2 基于改进Apriori算法的个体移动模式挖掘 |
| 4.2.3 基于相似性聚类的群体移动模式挖掘 |
| 4.2.4 基于移动模式的马尔可夫位置预测 |
| 4.2.5 实验结果与分析 |
| 4.2.6 模型应用 |
| 4.3 数据库设计 |
| 4.3.1 数据库概念结构设计 |
| 4.3.2 数据库逻辑结构设计 |
| 4.4 本章小结 |
| 第5章 高校公共卫生突发事件防控系统实现 |
| 5.1 系统登录模块 |
| 5.2 系统管理模块 |
| 5.3 人员管理模块 |
| 5.4 健康管理模块 |
| 5.5 聚集预警模块 |
| 5.6 报警管理模块 |
| 5.7 设备管理模块 |
| 5.8 楼区管理模块 |
| 5.9 组织管理模块 |
| 5.10 健康信息实时监控模块 |
| 5.11 本章小结 |
| 第6章 系统测试和维护 |
| 6.1 系统测试概述 |
| 6.2 系统主要用例测试 |
| 6.2.1 设备管理功能测试 |
| 6.2.2 角色管理功能测试 |
| 6.2.3 报警管理功能测试 |
| 6.2.4 健康管理功能测试 |
| 6.3 系统安全性测试 |
| 6.4 系统维护 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 本文创新点 |
| 7.3 展望 |
| 参考文献 |
| 硕士期间取得成果 |
| 致谢 |
（2）基于视觉特性的高速雾天车路协同预警系统分心研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 车路协同预警系统效用研究 |
| 1.2.2 车路协同预警系统效用研究测试 |
| 1.2.3 驾驶人分心研究 |
| 1.2.4 研究现状分析及问题梳理 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第二章 高速雾区车路协同实验平台及数据提取 |
| 2.1 实验设备及车路协同测试平台搭建 |
| 2.2 车载终端HMI设计 |
| 2.3 驾驶模拟实验设计 |
| 2.3.1 驾驶模拟实验要素设计 |
| 2.3.2 实验被试 |
| 2.3.3 实验任务及流程 |
| 2.3.4 数据采集 |
| 2.3.5 驾驶人视觉特征数据预处理 |
| 第三章 高速雾区车路协同雾预警系统的视觉分心特性影响分析 |
| 3.1 指标选取 |
| 3.2 指标定义 |
| 3.3 视觉分心特性影响分析 |
| 3.3.1 车路协同人机交互环境下注视眼跳指标分析 |
| 3.3.2 车路协同人机交互环境下AttenD指标分析 |
| 3.4 本章小结 |
| 第四章 高速雾区车路协同雾预警系统的视觉转移规律影响分析 |
| 4.1 指标介绍 |
| 4.1.1 马尔可夫链理论 |
| 4.1.2 扫视过程 |
| 4.1.3 查阅HMI的注视轨迹 |
| 4.3 注视转移规律影响分析 |
| 4.3.1 马尔可夫链分析 |
| 4.3.2 扫视过程分析 |
| 4.3.3 预警点注视轨迹分析 |
| 4.4 本章小结 |
| 第五章 高速雾区车路协同视觉特性与驾驶行为表现的关联预测 |
| 5.1 算法介绍 |
| 5.1.1 决策树 |
| 5.1.2 随机森林 |
| 5.1.3 极端随机树模型 |
| 5.2 数据预处理 |
| 5.3 模型参数设置 |
| 5.4 视觉特性与驾驶行为表现关联预测模型构建 |
| 5.4.1 模型设计方案 |
| 5.4.2 模型评估 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究主要成果与结论 |
| 6.2 研究主要创新点 |
| 6.3 研究不足与展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（3）无人机目标追踪信息展示系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 本文工作内容 |
| 1.3 论文结构 |
| 第二章 相关技术 |
| 2.1 无人机技术 |
| 2.1.1 旋翼无人机飞行控制 |
| 2.1.2 无人机数据 |
| 2.1.3 大疆DJI Mobile SDK功能 |
| 2.1.4 大疆DJI通信协议 |
| 2.1.5 大疆DJI飞行模拟器 |
| 2.2 电子地图 |
| 2.3 Web前端工具 |
| 2.4 服务器工具 |
| 2.5 数据库工具 |
| 2.6 马尔可夫链 |
| 2.7 本章小结 |
| 第三章 系统需求分析与概要设计 |
| 3.1 系统功能需求分析 |
| 3.1.1 调度算法需求分析 |
| 3.1.2 飞控数据生成需求分析 |
| 3.1.3 通信模块需求分析 |
| 3.1.4 Web显示需求分析 |
| 3.2 系统性能需求分析 |
| 3.3 系统安全性需求分析 |
| 3.4 系统整体结构 |
| 3.5 系统模块间数据流向 |
| 3.6 数据库总体设计 |
| 3.7 界面结构 |
| 3.8 本章小结 |
| 第四章 系统详细设计与实现 |
| 4.1 无人机客户端设计与实现 |
| 4.1.1 服务器通信设计与实现 |
| 4.1.2 读取无人机状态功能设计与实现 |
| 4.1.3 发送飞控数据功能设计与实现 |
| 4.1.4 显示界面的设计与实现 |
| 4.2 调度算法模块设计与实现 |
| 4.2.1 布局加载设计与实现 |
| 4.2.2 轨迹分析预测设计与实现 |
| 4.2.3 坐标位置预测设计与实现 |
| 4.2.4 区域切换调度设计与实现 |
| 4.2.5 电量保护调度设计与实现 |
| 4.3 飞控数据生成模块设计与实现 |
| 4.3.1 起飞动作生成设计与实现 |
| 4.3.2 追踪动作生成设计与实现 |
| 4.3.3 区域巡逻动作生成设计与实现 |
| 4.3.4 追踪准备动作生成设计与实现 |
| 4.3.5 返航动作生成设计与实现 |
| 4.4 通信模块设计与实现 |
| 4.4.1 无人机客户端通信设计与实现 |
| 4.4.2 接收追踪坐标设计与实现 |
| 4.4.3 前端信息推送设计与实现 |
| 4.4.4 接收查询请求设计与实现 |
| 4.5 显示功能模块设计与实现 |
| 4.5.1 图形显示模块设计与实现 |
| 4.5.2 静态页面设计与实现 |
| 4.6 计算函数设计与实现 |
| 4.7 数据库设计与实现 |
| 4.8 本章小结 |
| 第五章 系统部署与测试 |
| 5.1 软硬件环境 |
| 5.1.1 软件开发环境 |
| 5.1.2 服务器环境 |
| 5.1.3 无人机型号 |
| 5.1.4 安卓平台控制系统环境 |
| 5.1.5 大疆DJISDK版本及功能 |
| 5.1.6 浏览器版本 |
| 5.2 部署流程 |
| 5.2.1 搭建服务器流程 |
| 5.2.2 无人机连接流程 |
| 5.2.3 模拟无人机客户端通信 |
| 5.3 测试数据集 |
| 5.4 测试内容及结果分析 |
| 5.4.1 基于模拟器的无人机飞行和Web端展示测试 |
| 5.4.2 基于实物的无人机飞行测试 |
| 5.4.3 调度算法测试 |
| 5.4.4 追踪覆盖率分析 |
| 5.4.5 历史查询功能测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作不足之处 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
（4）插电式混合动力公交车工况预测与智能能量管理策略研究（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 插电式混合动力汽车研究概况及发展趋势 |
| 1.3 能量管理策略研究现状及发展趋势 |
| 1.3.1 基于规则的能量管理策略 |
| 1.3.2 基于优化的能量管理策略 |
| 1.4 存在问题与主要研究内容 |
| 第2章 基于历史数据的插电式混合动力公交车工况构建 |
| 2.1 行驶工况构建方法 |
| 2.2 原始行驶工况数据采集试验 |
| 2.2.1 行驶工况数据采集方法 |
| 2.2.2 试验线路与试验车辆选取 |
| 2.2.3 行驶工况数据采集 |
| 2.2.4 行驶工况数据预处理 |
| 2.3 原始行驶工况特征参数分析 |
| 2.3.1 短行程片段划分与特征参数计算 |
| 2.3.2 基于主成分分析的特征参数筛选 |
| 2.4 基于自组织映射神经网络的短行程样本聚类分析 |
| 2.4.1 SOM神经网络原理 |
| 2.4.2 基于SOM神经网络的聚类分析 |
| 2.5 行驶工况的合成与验证 |
| 2.6 本章小结 |
| 第3章 插电式混合动力公交车建模与能量管理策略 |
| 3.1 双电机同轴混联式构型分析 |
| 3.2 插电式混合动力公交车动力学模型建立 |
| 3.2.1 整车及部件基本参数 |
| 3.2.2 整车动力学建模 |
| 3.3 基于规则的插电式混合动力系统能量管理策略 |
| 3.3.1 EV-CD-CS能量管理策略制定 |
| 3.3.2 仿真验证及结果分析 |
| 3.4 基于动态规划算法的最优能量管理策略 |
| 3.4.1 确定性动态规划算法理论基础 |
| 3.4.2 目标问题构建及数值求解 |
| 3.4.3 仿真验证及结果分析 |
| 3.5 本章小结 |
| 第4章 基于数据驱动的工况预测方法研究 |
| 4.1 工况预测方法 |
| 4.2 基于马尔可夫链模型的车速预测方法 |
| 4.2.1 马尔可夫链基本概念 |
| 4.2.2 马尔可夫链预测模型 |
| 4.2.3 基于马尔可夫链的车速预测 |
| 4.3 基于RBF神经网络模型的车速预测方法 |
| 4.3.1 基于模糊控制的驾驶意图识别 |
| 4.3.2 RBF神经网络预测模型 |
| 4.3.3 基于RBF神经网络模型的车速预测 |
| 4.4 本章小结 |
| 第5章 基于PMP-MPC的分层预测能量管理策略研究 |
| 5.1 基于模型预测控制的能量管理策略 |
| 5.1.1 模型预测控制基本原理 |
| 5.1.2 基于模型预测控制的能量管理策略问题构建 |
| 5.2 基于PMP-MPC的分层预测能量管理策略 |
| 5.2.1 庞特里亚金最小化原理 |
| 5.2.2 基于PMP-MPC的能量管理策略设计 |
| 5.3 基于PMP-MPC的预测能量管理策略仿真验证 |
| 5.3.1 预测时域对控制效果影响分析 |
| 5.3.2 PMP-MPC与 DP能量管理策略对比分析 |
| 5.3.3 PMP-MPC与 DP-MPC能量管理策略对比分析 |
| 5.4 本章小结 |
| 第6章 基于深度强化学习的智能能量管理策略研究 |
| 6.1 强化学习基本理论 |
| 6.1.1 强化学习基本概念 |
| 6.1.2 强化学习算法分类 |
| 6.2 基于深度强化学习的能量管理策略问题构建 |
| 6.3 基于DDQN的 DRL能量管理策略 |
| 6.3.1 双深度Q网络算法 |
| 6.3.2 基于DDQN的 DRL能量管理策略设计 |
| 6.3.3 基于DDQN能量管理策略仿真分析 |
| 6.4 基于DDPG的 DRL能量管理策略 |
| 6.4.1 深度确定性策略梯度算法 |
| 6.4.2 基于DDPG的 DRL能量管理策略设计 |
| 6.4.3 基于DDPG能量管理策略仿真分析 |
| 6.5 能量管理策略对比分析 |
| 6.6 本章小结 |
| 第7章 能量管理策略硬件在环试验 |
| 7.1 硬件在环试验平台搭建 |
| 7.2 硬件在环试验结果分析 |
| 7.3 本章小结 |
| 第8章 全文总结与展望 |
| 8.1 本文主要结论 |
| 8.2 本文创新点 |
| 8.3 未来工作计划与研究展望 |
| 参考文献 |
| 攻读博士期间发表的论文及科研成果 |
| 致谢 |
（5）自组织递归模糊神经网络设计及污水处理应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 自组织递归模糊神经网络研究现状 |
| 1.2.1 递归机制研究现状 |
| 1.2.2 自组织机制研究现状 |
| 1.3 污水处理关键出水参数预测方法研究进展 |
| 1.3.1 化学检测方法 |
| 1.3.2 软测量分析方法 |
| 1.4 课题来源 |
| 1.5 论文研究内容与结构安排 |
| 第2章 基于WTFMC算法的递归神经网络设计方法 |
| 2.1 引言 |
| 2.2 递归神经网络 |
| 2.2.1 RNN的概念 |
| 2.2.2 RNN的分类 |
| 2.2.3 RNN的分析 |
| 2.3 基于WTFMC算法的递归机制研究 |
| 2.3.1 问题描述 |
| 2.3.2 小波变换 |
| 2.3.3 模糊马尔可夫链 |
| 2.4 基于WTFMC算法的RFNN设计方法 |
| 2.5 仿真实验及结果分析 |
| 2.5.1 Henon混沌系统辨识 |
| 2.5.2 非线性系统辨识 |
| 2.6 本章小结 |
| 第3章 基于WDTW-SA算法的自组织神经网络设计方法 |
| 3.1 引言 |
| 3.2 自组织神经网络 |
| 3.2.1 SONN的概念 |
| 3.2.2 SONN的分类 |
| 3.2.3 SONN的分析 |
| 3.3 基于WDTW-SA算法的自组织机制研究 |
| 3.3.1 问题描述 |
| 3.3.2 加权动态时间弯曲算法 |
| 3.3.3 敏感度分析算法 |
| 3.4 基于WDTW-SA算法的SOFNN设计方法 |
| 3.5 仿真实验及结果分析 |
| 3.5.1 动态系统辨识 |
| 3.5.2 Mackey-Glass时间序列预测 |
| 3.6 本章小结 |
| 第4章 基于MTSA算法的SORFNN设计方法 |
| 4.1 引言 |
| 4.2 模糊神经网络 |
| 4.2.1 FNN的概念 |
| 4.2.2 FNN的分类 |
| 4.2.3 FNN的分析 |
| 4.3 基于MTSA算法的SORFNN的构建过程 |
| 4.3.1 结构设计方法 |
| 4.3.2 结构调整策略 |
| 4.3.3 阈值设定分析 |
| 4.3.4 收敛性分析 |
| 4.3.5 网络学习过程 |
| 4.4 仿真实验及结果分析 |
| 4.4.1 Henon混沌系统辨识 |
| 4.4.2 Mackey-Glass时间序列预测 |
| 4.5 本章小结 |
| 第5章 污水处理关键出水参数软测量方法 |
| 5.1 引言 |
| 5.2 污水处理软测量模型的原理 |
| 5.3 污水处理软测量模型的辅助变量选取 |
| 5.3.1 污水处理工艺 |
| 5.3.2 出水NH_4~+-N机理分析 |
| 5.3.3 数据采集和预处理 |
| 5.3.4 辅助变量降维 |
| 5.4 基于MTSA-SORFNN的出水NH_4~+-N软测量模型 |
| 5.5 本章小结 |
| 第6章 污水处理关键出水参数软测量智能系统开发 |
| 6.1 引言 |
| 6.2 软件系统的需求分析 |
| 6.2.1 用户需求 |
| 6.2.2 功能需求 |
| 6.3 软件系统的方案设计及关键技术 |
| 6.3.1 系统方案设计 |
| 6.3.2 系统关键技术 |
| 6.4 软件系统的功能开发 |
| 6.4.1 用户管理模块 |
| 6.4.2 数据采集模块 |
| 6.4.3 氨氮预测模块 |
| 6.4.4 模型理论模块 |
| 6.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间的成果 |
| 致谢 |
（6）基于NTM神经网络的电影推荐系统的设计与实现（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 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 课题研究的主要内容 |
| 1.4 论文的组织结构 |
| 第二章 相关理论及技术介绍 |
| 2.1 个性化推荐系统概述 |
| 2.2 推荐算法简介 |
| 2.2.1 基于内容的推荐算法 |
| 2.2.2 基于邻域的协同过滤的推荐算法 |
| 2.2.3 基于模型的协同过滤的推荐算法 |
| 2.2.4 混合推荐算法 |
| 2.3 技术基础 |
| 2.3.1 TensorFlow框架 |
| 2.3.2 Web框架 |
| 2.4 本章小结 |
| 第三章 核心算法实现与实验比较 |
| 3.1 数据集简介 |
| 3.2 数据预处理 |
| 3.2.1 数据清理 |
| 3.3 实验环境 |
| 3.4 推荐系统性能度量指标 |
| 3.4.1 评分预测准确度指标 |
| 3.4.2 Top-N推荐 |
| 3.5 基于项目的协同过滤推荐 |
| 3.5.1 模型构建 |
| 3.5.2 寻找最相似项目 |
| 3.5.3 生成推荐列表 |
| 3.5.4 实验结果分析 |
| 3.6 基于马尔科夫链的推荐 |
| 3.6.1 马尔科夫原理 |
| 3.6.2 马尔科夫链 |
| 3.6.3 社交网络 |
| 3.6.4 模型设计 |
| 3.6.5 模型构建 |
| 3.6.6 实验分析 |
| 3.7 基于NTM神经网络的推荐 |
| 3.7.1 神经图灵机模型 |
| 3.7.2 自编码器评分预测 |
| 3.7.3 模型设计 |
| 3.7.4 实验分析 |
| 3.8 本章小结 |
| 第四章 系统总体设计 |
| 4.1 需求分析 |
| 4.1.1 功能需求 |
| 4.1.2 非功能需求 |
| 4.2 系统设计 |
| 4.2.1 系统架构设计 |
| 4.2.2 系统流程设计 |
| 4.3 系统数据库设计 |
| 4.4 本章小结 |
| 第五章 系统实现与测试 |
| 5.1 系统前台页面展示 |
| 5.2 系统后台页面展示 |
| 5.3 系统测试 |
| 5.3.1 功能测试 |
| 5.3.2 性能测试 |
| 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 |
| 致谢 |
| 个人简历 |
（7）基于个人信息和循环神经网络的口令猜测系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文内容与组织结构 |
| 1.4 本章小结 |
| 第二章 口令猜测方法 |
| 2.1 基于概率上下文无关算法的口令猜测方法 |
| 2.1.1 数据预处理 |
| 2.1.2 语法规则 |
| 2.1.3 口令生成 |
| 2.2 基于马尔可夫算法的口令猜测方法 |
| 2.2.1 马尔可夫口令猜测模型 |
| 2.2.2 N阶马尔可夫模型 |
| 2.2.3 变阶马尔可夫模型 |
| 2.3 基于神经网络的口令猜测方法 |
| 2.3.1 前馈神经网络 |
| 2.3.2 循环神经网络 |
| 2.3.3 长短期记忆神经网络 |
| 2.4 本章小结 |
| 第三章 口令特征分析 |
| 3.1 口令数据集介绍 |
| 3.2 常用口令分析 |
| 3.3 口令字符组成规律 |
| 3.4 口令长度分布规律 |
| 3.5 口令重用情况分析 |
| 3.6 口令中包含的个人信息 |
| 3.7 本章小结 |
| 第四章 Personal-RNN-PCFG口令猜测算法 |
| 4.1 基本思路 |
| 4.2 算法实现 |
| 4.2.2 口令结构定义 |
| 4.2.3 口令结构化处理 |
| 4.2.4 口令结构预测 |
| 4.2.5 口令猜测集构建 |
| 4.3 本章小结 |
| 第五章 口令猜测原型系统实现 |
| 5.1 原型系统需求分析 |
| 5.2 原型系统框架设计 |
| 5.2.2 训练模块 |
| 5.2.3 预测模块 |
| 5.2.4 破解模块 |
| 5.3 原型系统测试 |
| 5.3.1 实验数据 |
| 5.3.2 实验场景设计 |
| 5.3.3 实验结果和分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作和展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）异构网络族群普适接入机制的研究与实现（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究意义 |
| 1.4 论文结构 |
| 2 相关技术研究 |
| 2.1 智慧协同网络 |
| 2.2 蜂窝移动网络相关理论知识 |
| 2.2.1 AT指令介绍 |
| 2.2.2 接入点名称APN |
| 2.2.3 制式切换相关理论 |
| 2.2.4 拨号相关技术 |
| 2.3 相关算法 |
| 2.3.1 BP神经网络算法 |
| 2.3.2 马尔可夫链预测算法 |
| 2.3.3 灰色关联分析法 |
| 2.3.4 聚类算法 |
| 2.4 本章小结 |
| 3 异构网络族群普适接入机制的设计 |
| 3.1 需求分析 |
| 3.2 异构网络族群普适接入机制的总体设计 |
| 3.3 普适拨号方法设计 |
| 3.3.1 问题分析 |
| 3.3.2 系统模型 |
| 3.3.3 网络制式影响因素 |
| 3.3.4 制式切换选择算法 |
| 3.4 基于灰色关联度分析的聚类算法 |
| 3.4.1 网络选择影响因素 |
| 3.4.2 网络选择算法研究 |
| 3.4.3 属性综合权重设计 |
| 3.4.4 基于灰色关联度分析的聚类算法 |
| 3.5 本章小结 |
| 4 异构网络族群普适接入机制的实现 |
| 4.1 普适拨号方法实现 |
| 4.1.1 整体架构 |
| 4.1.2 分层实现 |
| 4.2 基于灰色关联度分析的聚类算法的实现 |
| 4.2.1 综合权重模块实现 |
| 4.2.2 族群划分模块实现 |
| 4.3 本章小结 |
| 5 系统测试 |
| 5.1 测试环境 |
| 5.2 普适拨号方法测试 |
| 5.2.1 正常功能测试 |
| 5.2.2 差错检测测试 |
| 5.3 基于灰色关联度分析的聚类算法测试 |
| 5.3.1 综合权重模块测试 |
| 5.3.2 族群划分模块测试 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 论文展望 |
| 参考文献 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）燃料电池汽车混合动力系统设计研究（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 燃料电池汽车 |
| 1.2.2 燃料电池混合动力系统配置优化 |
| 1.2.3 燃料电池混合动力系统能量管理策略 |
| 1.3 主要内容与章节安排 |
| 1.3.1 主要内容 |
| 1.3.2 章节安排 |
| 第二章 系统结构研究与配置优化 |
| 2.1 燃料电池混合动力系统拓扑结构研究 |
| 2.2 基于多目标粒子群算法系统配置优化 |
| 2.2.1 整车参数及性能指标 |
| 2.2.2 多目标优化目标函数 |
| 2.2.3 多目标优化约束条件 |
| 2.2.4 多目标优化求解方法 |
| 2.2.5 算例分析 |
| 2.3 本章小结 |
| 第三章 系统建模与仿真 |
| 3.1 动力系统总体模型 |
| 3.2 燃料电池模型 |
| 3.2.1 输出电压模型 |
| 3.2.2 空气供给系统模型 |
| 3.2.3 氢气消耗模型和效率模型 |
| 3.3 动力电池模型 |
| 3.3.1 输出电压模型 |
| 3.3.2 SOC变化模型和效率模型 |
| 3.4 DC/DC变换器模型 |
| 3.5 燃料电池混合动力系统仿真 |
| 3.5.1 燃料电池模型仿真 |
| 3.5.2 动力电池模型仿真 |
| 3.5.3 总体模型仿真 |
| 3.6 本章小结 |
| 第四章 能量管理策略 |
| 4.1 基于随机动态规划的能量管理策略 |
| 4.2.1 随机最优问题建立 |
| 4.2.2 总线需求功率马尔可夫链 |
| 4.2.3 代价函数设计 |
| 4.2.4 随机动态规划求解算法 |
| 4.2.5 ADVISOR模型策略求解 |
| 4.2 基于确定规则的能量管理策略 |
| 4.3 能量管理策略仿真及对比分析 |
| 4.3.1 单循环工况仿真对比 |
| 4.3.2 多循环工况仿真对比 |
| 4.4 本章小结 |
| 第五章 系统控制器设计 |
| 5.1 控制器硬件设计 |
| 5.1.1 主控芯片及其最小系统外围电路 |
| 5.1.2 信号检测电路 |
| 5.1.3 输出控制电路 |
| 5.1.4 通信电路 |
| 5.1.5 供电电路 |
| 5.2 控制器软件设计 |
| 5.2.1 系统运行有限状态机设计 |
| 5.2.2 传感器数据采集 |
| 5.2.3 系统运行实时控制 |
| 5.2.4 故障诊断和紧急处理流程 |
| 5.3 上位机程序设计 |
| 5.4 远程诊断单元设计 |
| 5.5 本章小结 |
| 第六章 系统测试与分析 |
| 6.1 测试平台搭建 |
| 6.2 控制器功能测试 |
| 6.2.1 空气压力控制测试 |
| 6.2.2 氢气压力控制测试 |
| 6.2.3 空气氢气压力联合控制测试 |
| 6.2.4 水冷散热系统控制散热测试 |
| 6.2.5 燃料电池电力输出控制测试 |
| 6.3 上位机软件功能测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的学术论文与取得的其他研究成果 |
（10）基于自然驾驶数据的汽车智能驾驶系统测试与评价方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.2 国内外研究现状 |
| 1.2.1 汽车智能驾驶系统测试与评价相关研究 |
| 1.2.2 自然驾驶数据采集及相关研究 |
| 1.2.3 测试场景相关研究 |
| 1.3 论文主要内容及工作 |
| 第二章 汽车智能驾驶系统虚拟测试场景构建 |
| 2.1 引言 |
| 2.2 自然驾驶数据预处理及危险片段筛选 |
| 2.2.1 自然驾驶数据采集 |
| 2.2.2 自然驾驶数据预处理 |
| 2.2.3 危险工况数据截取 |
| 2.3 场景聚类分析 |
| 2.3.1 场景要素标记 |
| 2.3.2 基于聚类分析典型场景构建 |
| 2.4 虚拟场景搭建 |
| 2.4.1 场景复现要素整合 |
| 2.4.2 场景建立与传感器配置 |
| 2.5 本章小结 |
| 第三章 基于马尔科夫链的前车随机运动预测模型 |
| 3.1 引言 |
| 3.2 马尔可夫链蒙特卡洛模拟基本理论 |
| 3.3 基于MCMC前车随机模型建立 |
| 3.3.1 车辆状态划分与编码 |
| 3.3.2 马尔科夫链状态转移矩阵计算 |
| 3.3.3 基于MCMC建立前车状态预测模型 |
| 3.4 本章小结 |
| 第四章 汽车智能驾驶系统的虚拟仿真与测试分析 |
| 4.1 引言 |
| 4.2 仿真测试环境搭建与测试用例生成 |
| 4.2.1 仿真测试环境设置 |
| 4.2.2 车辆模型建立 |
| 4.2.3 测试用例生成 |
| 4.3 汽车智能驾驶系统的测试与分析 |
| 4.3.1 城市工况下虚拟测试 |
| 4.3.2 高速夜间工况虚拟测试 |
| 4.3.3 郊区弯道工况虚拟测试 |
| 4.4 本章小结 |
| 第五章 汽车智能驾驶系统综合评价方法研究 |
| 5.1 引言 |
| 5.2 模糊综合评价法思路与评价步骤 |
| 5.2.1 模糊综合评价模型 |
| 5.2.2 模糊综合评价算子分析 |
| 5.2.3 权值确定方法 |
| 5.3 基于层次分析模糊综合法汽车智能驾驶系统评价 |
| 5.3.1 层次分析确定指标权重 |
| 5.3.2 建立模糊综合评价模型 |
| 5.3.3 汽车智能驾驶系统综合评价 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间取得的相关科研成果 |
| 附录 |
四、基于马尔可夫链使用模型的系统测试（论文参考文献）
- [1]高校公共卫生突发事件防控系统的研发及应用[D]. 张鹏. 曲阜师范大学, 2021(02)
- [2]基于视觉特性的高速雾天车路协同预警系统分心研究[D]. 冯笑凡. 北方工业大学, 2021(01)
- [3]无人机目标追踪信息展示系统的设计与实现[D]. 刘亚光. 北京邮电大学, 2021(01)
- [4]插电式混合动力公交车工况预测与智能能量管理策略研究[D]. 宋鹏翔. 吉林大学, 2021(01)
- [5]自组织递归模糊神经网络设计及污水处理应用研究[D]. 丁海旭. 北京工业大学, 2020
- [6]基于NTM神经网络的电影推荐系统的设计与实现[D]. 朱楠. 宁夏大学, 2020(03)
- [7]基于个人信息和循环神经网络的口令猜测系统研究[D]. 刘荣凯. 西安电子科技大学, 2020(05)
- [8]异构网络族群普适接入机制的研究与实现[D]. 王媛媛. 北京交通大学, 2020(03)
- [9]燃料电池汽车混合动力系统设计研究[D]. 赵春鹏. 浙江大学, 2020(02)
- [10]基于自然驾驶数据的汽车智能驾驶系统测试与评价方法研究[D]. 王进. 厦门大学, 2019(09)