一、应用JNI实现Java与Prolog的优势互补（论文文献综述）
来腾飞[1]（2021）在《基于Android的显微相机接口及应用软件的设计与实现》文中指出近年来随着计算机视觉理论的发展以及硬件设备的智能化趋势,相机在生活和生产中得到广泛的应用。而相机软件作为计算机视觉系统的重要组成部分,在其中起到关键性作用。论文研究了实验室自主研发的WLAN相机和USB相机,开发一款基于Android的显微相机软件,使得用户能够根据应用场景选择使用灵活的WLAN或者是具有更高稳定性和传输速度的USB方式将相机连接到Android设备。首先本论文对相机的接口进行了抽象设计,通过接口设计对上层调用相机的方式进行约束,然后分别基于TCP/IP协议和Linux的V4L2 API,研究了 WLAN相机和USB相机在Android平台下实现相机发现,视频流播放和参数调节的机制,实现了相机接口。相机接口经过封装,隐藏了设备类型和底层实现,使得上层应用和底层相机实现通过标准化的接口,能够各自独立的进行开发工作。围绕相机接口,相机软件划分为相机连接,相机控制和文件管理等三个模块,分别实现相机设备枚举,视频流接入及参数调节,媒体文件浏览等核心功能。根据模块的功能不同,软件分别设计了用户界面来辅助相机控制。本论文开发的软件为相机设计了丰富的拓展功能与算法,包括图像处理,定标测量,视频流景深延拓和文件传输功能,极大的简化了相机的使用方式,增加了软件的应用场景。最后使用XCAM4K相机,分别对软件的相机接入,界面性能和应用鲁棒性进行测试,圆满完成论文的设计目标。
杨珺珺[2]（2019）在《基于Tesseract的手机翻译软件设计与实现》文中研究指明语言作为人与人之间最重要的交流工具,实现不同语种的快速转换,是人们日益增长的需求。现代科学计算机软件技术的发展,让人们追求高效实用、简单易用的语言学习辅助工具的迫切愿望成为可能。以此为切入点,论文设计了一款智能翻译软件,将人们的迫切需求与计算机软件相结合,促进人与人之间的交流和计算机发展,实现更大的社会价值。论文设计的基于Tesseract的翻译软件,依托于Linux操作系统内核,以安卓系统做二次平台开发,主要应用于智能手机终端,以SQLite作为软件数据库。智能翻译软件主要包含三个基本功能模块:即时翻译功能模块;拍照翻译功能模块;字典翻译功能模块,分别实现单个字符图片的即时翻译,照片存储的字段翻译和字典查询功能。智能手机翻译软件设计共分为两个部分,分别是功能实现和软件设计优化,采用了光学字符识别技术,以开源的Tesseract框架为基础,搭建OCR引擎,完成了功能用例建模,最终实现了可以安装在智能手机终端的智能翻译功能。在此基础上,论文对智能翻译软件APP进行软件设计,并通过Android模拟器提供了软件界面设计模拟。最终,论文确定翻译软件的需求分析,明确功能设计,实现翻译软件的功能和模块划分,完成了以OCR为基础的小型翻译软件,实现JNI技术和多线程断点续传下载技术。在此基础上,论文对基于Tesseract的智能手机翻译软件提供了成果展示图,并对即时翻译功能的性能进行分析,为进一步研究和优化作铺垫。
吴贯锋[3]（2019）在《关于并行SAT求解器和并行自动演绎推理系统的研究》文中认为命题逻辑和一阶逻辑是逻辑学中的基本问题,也是计算机科学领域的核心问题。在推理系统中命题是命题逻辑公式的最小单位,一阶逻辑可以看作是命题逻辑的扩展,一阶逻辑增加了谓词和量化,是经典的谓词逻辑。SAT问题是布尔可满足性问题（Satisfiability Problem,SAT）的简称。SAT问题求解（SAT Solving）和一阶逻辑自动定理证明（Auto Theorem Proving,ATP）广泛应用于自然科学和社会科学的各个领域中,如数学定理的证明、通信协议的可靠性验证、集成电路的可靠性验证、程序自动生成以及程序测试例的自动生成、程序的形式化验证、智能规划、知识编译、密码的安全可靠性分析、法律法规的无歧义性分析验证等问题均可转换为SAT问题进行求解,同样一些内容也可转化为一阶逻辑定理证明问题进行证明。因此,研究SAT问题求解和一阶逻辑定理证明相关的理论与方法具有很高的理论意义和现实应用价值。并行算法能够有效的提高命题逻辑求解器和一阶逻辑定理证明系统的效率,基于此,本课题在命题逻辑并行求解算法和一阶逻辑定理证明中的并行算法方面展开研究。在命题逻辑方面研究命题逻辑并行求解的相关技术,在一阶逻辑方面借鉴命题逻辑并行求解方面的相关技术,并基于徐扬教授提出的基于矛盾体分离的多元协同动态自动演绎推理理论,设计和实现了针对一阶逻辑定理证明的基于矛盾体分离的多元协同动态自动演绎推理逆向演绎并行系统。提出了基于OpenMP的并行混合遗传算法框架,该算法框架将遗传算法与局部搜索算法有机结合用以求解3-SAT问题,充分利用了局部搜索算法的寻找局部最优解的能力和遗传算法的全局搜索能力。与此同时,有限的局部搜索迭代和灾变操作能够防止陷入局部最优,而对选择操作的算法改进则提高了遗传算法的运行效率。在OpenMP并行编程框架下,利用编译制导语句将混合遗传算法并行化,则充分利用了计算机的计算资源,通过对国际SAT问题库SATLib中的测试例进行测试发现,该算法框架与同类算法相比,提高了3-SAT问题的求解效率和成功率。针对硬件并行加速求解SAT问题,设计和改进了基于GPU的SAT问题求解算法,改进了GPU核函数的计算过程,设计了相应的数据结构,以便以位运算的方式完成BCP过程在GPU上的实现,同时位运算有效降低了核函数的分支数,提高了GPU的运行效率。针对现有的子句评估算法描述子句特征比较单一,保留的学习子句质量不高的问题。提出了基于频次与LBD混合的子句评估策略。在并行求解器的周期性删除学习子句模块替换原有的子句评估方式,同时在并行算法的子句共享模块应用该混合评估算法形成新的子句分享策略。实验结果表明,应用了混合评估算法的求解器求解能力均比原版本要高,与Syrup和abcd-SATP结合的版本求解出了原版未能求解出的43个问题。研究了基于矛盾体分离的多元协同动态自动演绎推理理论,在基于矛盾体分离的多元协同动态自动演绎推理理论框架下,提出了基于回溯的演绎路径控制算法,设计实现了基于矛盾体分离的多元协同动态自动演绎推理逆向演绎并行系统,实现了一阶逻辑问题真正意义上的并行划分演绎推理证明。从实验角度证明了基于矛盾体分离的多元协同动态自动演绎推理理论以及矛盾体分离的多元协同动态自动演绎推理逆向演绎理论的优越性。
陈奕夫[4]（2019）在《基于扩展JT/T808协议的车载监控终端的设计与实现》文中进行了进一步梳理由于新疆独特的地貌和特殊的交通形势,传统交通管理手段难以发挥作用。随着互联网技术、全球定位技术和移动设备的大力发展,基于移动设备的新型车载监控终端得到了很好的推广,从而很好辅助并改善传统的交通管理。针对新疆特殊的交通形势,以重型车辆为监控对象,本论文设计实现了基于扩展JT/T808协议的车载监控终端。根据交通部发布的JT/T808协议技术规范和新疆质量技术监督局发布的《大型工程机械设备和车辆卫星定位控制系统车载终端通信协议技术规范》,主要对车载监控终端的硬件平台进行研究并对车载监控终端的软件部分进行研究设计。本论文首先对该车载监控终端的总体需求、功能需求进行了分析,并确定了终端软硬件的总体设计方案。在硬件平台上采用基于ARM Cortex-A7内核的全志V40芯片作为处理器,重点研究了采用Netty网络框架搭建的终端通信模块并实现了JT/T808协议的封装和解析功能;通过GPS定位模块获取车辆的实时位置信息;通过限速报警模块对车辆的时速进行超速报警;采用JNI机制和NDK集成人脸识别算法so库,通过人脸识别模块实现对当前驾驶人的身份识别功能;设计并实现了H.264视频流的RTP封装方案,通过行车记录模块将三向实时行车画面推流至远程监控中心,进一步实现了三向行车视频的本地持久化功能;设计并实现了四种围栏算法,通过电子围栏模块监控车辆是否行驶在合法区域内;设计并搭建了Android SQLite数据库。本论文对终端的各个模块进行了功能测试,测试结果表明,该车载监控终端成功实现了预期功能,具有实际应用价值。
宋飞飞[5]（2019）在《基于智能手机的孕妇围产期宫缩图像分析系统研发》文中指出我国对围产期的划分法是孕妇妊娠28周到产后4周这一时期,孕妇进入这一时期开始,会出现比较明显和频繁的子宫收缩现象,子宫收缩的强度和频率是临床母婴监护的重要指标。目前,胎心监护仪是临床对孕妇监护最常用的工具,医护人员通过观察其打印的纸质胎心宫缩图判断孕妇及胎儿的健康状况。但是,纸质宫缩图存在不易于存储、医生视觉上的主观判定容易产生偏差等缺点,至今尚未出现一款有效的工具能够对纸质胎心宫缩图识别判定。因此,研制出一款能够分析识别纸质胎心宫缩图的监护系统具有重要意义。本文设计开发了一套基于智能手机的孕妇围产期宫缩图像分析系统。首先,利用手机APP调用手机拍照功能获取胎心宫缩图;然后,利用后台程序对获取到的图像进行预处理、宫缩波形提取、宫缩波形数据取值;接着,对提取到的数据进行分析判定;最后,通过APP的各个功能模块将处理的结果呈现给用户,同时将宫缩数据和判定结果上传至云端数据库。本文主要研究内容如下:（1）宫缩波形图像预处理方法设计与实现:根据图像处理的基本原理和方法,设计实现了对宫缩波形图像的预处理,主要步骤包括图像的灰度化、去噪、旋转与矫正以及宫缩波形图像的裁剪。（2）宫缩波形图像提取方法设计与实现:根据图像形态学操作原理和方法,设计实现了对宫缩波形的提取,主要步骤包括图像的二值化、腐蚀膨胀、连通域降噪、清除最大轮廓以及提取宫缩波形数据。（3）宫缩波形分析识别算法设计与实现:针对宫缩波形的不同特征对宫缩波形进行质量分类,然后根据波形质量确定合适的滤波方法,并对滤波后的波形进行了定基线和归一化处理,最后根据有效宫缩的评判标准给出健康判定结果。（4）安卓APP的设计与实现:根据系统需求设计了安卓APP的整体架构,并对每个功能模块进行原理说明与效果展示,实现了手机拍照提取、分析识别、健康判定、宫缩波形重绘和数据上传等基本功能。本系统完成了对纸质胎心宫缩图的数字化分析与管理,克服了纸质数据不易保存和容易损坏丢失的缺点,同时也为今后的大数据分析研究和人工智能算法处理提供了真实可靠的样本数据。
江鹏[6]（2019）在《基于Android系统的人脸识别门禁系统的研究》文中研究表明随着Android系统和人脸识别技术应用的迅速发展,智能门禁系统越来越广泛地应用于智能大厦、小区、办公室和宾馆等场所,它正在成为安全防护中重要的组成部分。本文采用了人脸识别技术与手机端身份识别技术相结合,设计了一种基于Android的人脸识别门禁系统,实现了用户在Android手机端进行人脸识别身份验证获取服务器端发来的二维码,用获取到的二维码去智能门禁端进行扫码开门的功能。在人脸检测方面,本文分析了基于肤色分割和Adaboost两种人脸检测算法的优势与不足,将两种算法相结合并提出了一种基于多特征结合的人脸检测算法,可以首先利用基于肤色分割的人脸检测算法的简单、快速特点迅速地锁定待检测图像中大致的人脸区域,再对该区域使用Adaboost算法提取Haar特征进行检测确定出最终的人脸位置。实验结果表明,多特征结合的人脸检测算法使Adaboost算法的效率有很大的提高,可以对人脸进行实时的检测,并且人脸检测的正确率也有较大的提升。在人脸识别方面,考虑到传统的PCA算法要求训练样本符合高斯分布,而现实中采集到的人脸图像往往受到光照、表情、姿态的影响不符合高斯分布,这样就会导致样本的识别率不高,因此本文对传统PCA算法进行改进。一方面采取了分块方式,将姿态相同的图片划分进同一矩阵里,这样可以使得样本更加接近于高斯分布,另一方面,传统PCA算法较容易受到光照的干扰而影响最终的识别效率,经研究发现,在PCA方法中,特征空间中前三个最大的主分量受到光照的影响最大,所以本文将前三个主分量加上权重小于1的系数来减少光照对识别的影响。实验表明,改进的算法有效的解决了上面的问题,并且识别率明显提升。本文设计的门禁系统具有双重验证的优点,一方面用户在Android手机端进行人脸识别身份验证,另一方面当身份验证成功手机端将会获取服务器端发送来的二维码作为开门“软钥匙”。双重验证的方式大大增加了门禁系统的安全性,本门禁系统为智能门禁系统提供了新的设计方案。
黄灿君[7]（2018）在《基于Web的丝绸文物创意设计专家系统关键技术开发》文中研究说明丝绸自古以来就是中华文化的瑰宝,曾经风靡世界,在当代丝绸织物设计领域,仍然具有很强的生命力。本文针对现代丝绸织物设计创意匮乏的现状,结合专家经验知识和数据挖掘技术,利用丝绸文物数据库中的素材信息构建基于Web的丝绸文物创意设计专家系统,为设计师提供创意生成和辅助设计功能。本文基于图元-骨架模式解析丝绸文物图案,运用关联数据挖掘技术提取图元和图元、图元和骨架间的关联关系,构建了专家系统知识库,并引入置信度推理,构建由图元到骨架的推理流程。本文基于Spring和Struts2等框架技术,面向用户实现规则操作、创意生成等基本业务功能,完成基于Web的丝绸文物创意设计专家系统的开发。本系统的研究将古代大量的丝绸文物素材和设计知识运用到现代丝绸织物设计上,并将设计过程和Web系统结合,提升了丝绸设计的创新性和研发效率。本文的丝绸文物创意设计专家系统已经完成了专家系统和Web后端的设计开发工作,目前已上线试运行供相关合作单位使用,反馈良好。
赵建[8]（2016）在《MRI脑室图像分割与三维重建的REST Web服务设计与实现》文中研究指明本文结合XX医院基于MRI（Magnetic Resonance Imaging）脑图像临床诊断的应用需求,完成了MRI脑室图像的分割及脑室三维重建;在此基础上,设计并实现了MRI脑室分割与三维重建的REST Web服务;并结合医院的实例化需求,设计并实现了脑室分割与三维重建的客户端应用系统。本文的主要工作及贡献如下:（1）脑室分割REST Web服务的设计与实现。为满足MRI脑室图像准确分割的临床需求,首先对几种基于区域活动轮廓模型的图像分割算法进行了分析与比较;在此基础上,基于LGDF（Local Gaussian Distribution Fitting）的活动轮廓模型实现了MRI图像的脑室分割,并结合脑室分割结果完成了脑室面积的估计;最终,采用C++与Matlab的混合编程方式,将脑室分割算法封装成动态链接库,基于JNI技术及Jersey框架,设计并实现了脑室分割的REST Web服务。（2）脑室三维重建REST Web服务的设计与实现。面向脑室分割结果三维重建的实时交互与高效率绘制的应用需求,首先对几种经典的三维重建面绘制方法和体绘制方法进行了分析与比较,重点考察了面绘制方法中的移动立方体算法、剖分立方体算法以及轮廓连接法的算法原理;在此基础上,借用VTK可视化工具包,实现了基于移动立方体法和轮廓连接法的脑室三维重建;最后,设计并实现了脑室三维重建的REST Web服务。（3）脑室分割与三维重建的客户端应用系统的设计与实现。结合XX医院关于MRI脑室图像分割与三维重建应用的实例化需求,基于Struts、Spring、Hibernate框架,设计并实现了基于B/S架构的脑室分割与三维重建的客户端应用系统。该系统可满足病人MRI脑室图像的分割、脑室切片的三维重建、重建结果的显示及交互等功能需求。系统应用表明:脑室分割与三维重建的REST Web服务实例系统可较好地满足XX医院关于脑室分割及分割结果三维重建的实际需求。
蒋华,孙婧[9]（2016）在《基于JNI的电子签章系统安全接口设计》文中提出JNI技术使得Java语言能够直接调用C++语言实现的本地函数,文中通过分析JNI技术,调用微软Crypto API库,实现了在USB KEY硬件中关于电子签章系统所需要的密码方案,实现了电子签章服务层与密码服务层的分离,设计了密码设备接口,保证了电子签章系统在互联网环境下应用的安全。
吴业福[10]（2014）在《基于本体的路考评判专家系统研究与应用》文中研究指明作为人工智能面向实际应用的一个分支，专家系统已经广泛应用于国民经济的许多领域。近年来，随着人工智能技术，特别是Ontology（本体论）的发展，专家系统的概念和实现技术也在改变。虽然基于规则的专家系统与传统的基于算法的应用程序都是用于解决某个领域问题的计算机程序，但是与基于算法的应用程序相比，专家系统具有不可比拟的优越性。随着我国经济的发展，越来越多的人参加机动车驾驶考试以获取驾照。近年来，为了体现驾驶人道路考试的科学性和公正性，国内一些车管所积极采用电子化的道路考试评判系统。但是，现有的电子考试评判系统采用传统的基于算法的编程方法实现。由此带来下面两方面的问题：其一是路考评判系统的评判规则可维护性差；其二是由于路考评判系统没有一个统一的、可共享的评判规则，因此市场上的路考评判系统产品的评判标准不一。将人工智能特别是将本体论应用到路考评判系统中，将有效地实现路考评判系统的可维护性,有助于路考评判规则的共享和交流,也有利于实现路考评判系统产品评判标准的统一。因此，论文研究对象是基于本体论的新型专家系统模型和本体论在驾驶人道路考试系统的应用。论文的研究内容主要体现在以下四个方面：（1）为了实现机动车驾驶人道路考试系统中路考评判规则的可维护、易共享和交流，将人工智能技术，特别是将本体论引入到驾驶人道路考试系统设计中，把评判模块作为一个专家系统加以实现，从而构建路考评判专家系统。（2）提出了基于本体和推理规则及规则时序的专家系统十元组模型（ESBO），并对该模型的关键技术（如本体描述、本体推理、规则表示及基于本体和Jess的规则推理等）进行了探讨，提出了一种基于OWL本体+SWRL规则+Jess推理引擎的专家系统的实现模型和基于JessML+本体的推理机模型。围绕提高规则推理机推理效率的需求，提出了一个方案、三个原则、一个算法：扩展OWL建模原语的方案（
二、应用JNI实现Java与Prolog的优势互补（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、应用JNI实现Java与Prolog的优势互补（论文提纲范文）
（1）基于Android的显微相机接口及应用软件的设计与实现（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 课题研究现状 |
| 1.2.1 国内外发展近况 |
| 1.2.2 WLAN相机和USB相机现状 |
| 1.3 本文研究目标 |
| 1.4 本文内容结构 |
| 2 相机接口的抽象,实现和封装 |
| 2.1 WLAN相机和USB相机的接口抽象 |
| 2.2 WLAN相机和USB相机的接口实现 |
| 2.2.1 WLAN相机的网络协议研究 |
| 2.2.2 WLAN相机的接口实现方案 |
| 2.2.3 V4L2研究 |
| 2.2.4 USB相机的接口实现方案 |
| 2.3 WLAN相机和USB相机的Java层接口封装 |
| 2.3.1 JNI的基本原理 |
| 2.3.2 WLAN相机和USB相机的JNI接口设计 |
| 2.3.3 WLAN相机和USB相机接口封装 |
| 2.4 本章小结 |
| 3 相机App的框架设计与核心功能实现 |
| 3.1 Android架构和开发方案研究 |
| 3.2 相机APP的框架设计和模块分工 |
| 3.3 相机APP的核心功能实现 |
| 3.3.1 基于活动生命周期的资源回收 |
| 3.3.2 相机列表的设计和实现 |
| 3.3.3 相机视频播放的设计和实现 |
| 3.3.4 相机参数管理的设计和实现 |
| 3.3.5 存图功能的设计和实现 |
| 3.3.6 文件列表的设计和实现 |
| 3.3.7 翻页浏览的设计和实现 |
| 3.4 本章小结 |
| 4 相机App的高级功能设计与实现 |
| 4.1. 图像处理功能 |
| 4.1.1. 图像处理功能的设计和实现方案 |
| 4.1.2 几何变换功能的设计 |
| 4.1.3 直方图变换功能的设计 |
| 4.1.4 图像去雾功能的设计 |
| 4.2 定标测量功能 |
| 4.2.1 定标功能设计 |
| 4.2.2 测量图形类的设计 |
| 4.2.3 指令类和指令栈设计 |
| 4.2.4 测量图形层设计 |
| 4.3 景深延拓功能 |
| 4.3.1 景深延拓方案设计 |
| 4.3.2 景深延拓的视频流处理接口设计 |
| 4.3.3 景深延拓的算法设计 |
| 4.3.4 景深延拓的实验验证 |
| 4.4 无线传输功能 |
| 4.4.1 无线传输方案设计 |
| 4.4.2 无线传输协议设计 |
| 4.5 本章小结 |
| 5 相机APP界面实现和功能测试 |
| 5.1 界面设计与实现 |
| 5.1.1 相机列表界面的设计与实现 |
| 5.1.2 相机控制界面的设计与实现 |
| 5.1.3 文件列表界面的设计与实现 |
| 5.1.4 文件浏览界面的设计与实现 |
| 5.2 基于XCAM4K相机的测试 |
| 5.2.1 软件的单元测试 |
| 5.2.2 相机连接性能测试 |
| 5.2.3 视频流传输测试 |
| 5.2.4 软件稳定性测试 |
| 5.3 本章小结 |
| 6 总结展望 |
| 参考文献 |
| 作者研究生期间所取得的科研成果 |
（2）基于Tesseract的手机翻译软件设计与实现（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 研究目的和意义 |
| 1.4 研究内容和研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 2 翻译软件系统关键技术 |
| 2.1 Android系统架构 |
| 2.2 翻译软件的相关技术 |
| 2.3 Tesseract框架 |
| 2.3.1 OCR原理 |
| 2.3.2 基于OCR的字符图像预处理 |
| 2.3.3 基于OCR的字符图像特征提取 |
| 2.3.4 字符特征匹配算法的比较 |
| 2.3.5 OCR系统流程 |
| 2.3.6 Tesseract算法 |
| 2.4 本章小结 |
| 3 手机翻译软件需求分析 |
| 3.1 功能需求分析 |
| 3.2 接口需求分析 |
| 3.2.1 用户界面 |
| 3.2.2 软件接口 |
| 3.3 非功能需求分析 |
| 3.3.1 可行性分析 |
| 3.3.2 用户体验需求分析 |
| 3.3.3 性能需求分析 |
| 3.4 本章小结 |
| 4 基于Tesseract的手机翻译软件架构设计 |
| 4.1 系统的总体设计 |
| 4.1.1 系统的结构设计 |
| 4.1.2 系统的流程设计 |
| 4.1.3 即时翻译功能设计 |
| 4.1.4 拍照翻译功能设计 |
| 4.1.5 字典翻译功能设计 |
| 4.1.6 语言选择功能设计 |
| 4.2 数据库设计 |
| 4.3 本章小结 |
| 5 基于Tesseract的手机翻译软件的实现 |
| 5.1 模块的具体实现 |
| 5.1.1 图像采集模块的实现 |
| 5.1.2 OCR字符识别模块 |
| 5.1.3 翻译模块 |
| 5.1.4 图像显示模块 |
| 5.1.5 下载模块 |
| 5.2 功能实现 |
| 5.2.1 用户界面实现 |
| 5.2.2 即时翻译功能实现 |
| 5.2.3 拍照翻译功能实现 |
| 5.2.4 语言选择功能实现 |
| 5.2.5 退出界面功能实现 |
| 5.3 软件性能分析 |
| 5.4 本章小结 |
| 6 系统测试 |
| 结论 |
| 参考文献 |
| 致谢 |
（3）关于并行SAT求解器和并行自动演绎推理系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号和缩略词表 |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 命题逻辑并行求解器的研究现状 |
| 1.2.2 一阶逻辑定理证明并行证明系统研究现状 |
| 1.3 论文的主要工作 |
| 1.4 论文结构安排 |
| 第2章 命题逻辑与一阶逻辑相关知识 |
| 2.1 引言 |
| 2.2 命题逻辑求解器相关知识 |
| 2.2.1 命题逻辑问题求解相关概念 |
| 2.2.2 命题逻辑求解器 |
| 2.2.3 归结演绎 |
| 2.2.4 DP算法(Davis-Putnam Algorithm) |
| 2.2.5 DPLL算法 |
| 2.2.6 CDCL算法 |
| 2.2.7 局部搜索算法 |
| 2.2.8 并行SAT求解技术 |
| 2.3 一阶逻辑定理证明器相关知识 |
| 2.3.1 一阶逻辑自动定理证明的相关概念 |
| 2.3.2 基本的数据结构 |
| 2.3.3 最一般合一算法 |
| 2.3.4 基于浸透的演绎方法 |
| 2.3.5 基于目标的演绎方法 |
| 2.3.6 一阶逻辑中的并行方式 |
| 2.4 小结 |
| 第3章 基于OpenMP的求解SAT问题的并行遗传算法 |
| 3.1 引言 |
| 3.2 并行遗传算法与OpenMP编程框架简介 |
| 3.2.1 遗传算法 |
| 3.2.2 并行遗传算法 |
| 3.2.3 并行编程框架OpenMP |
| 3.3 求解SAT问题的遗传算法相关工作 |
| 3.3.1 求解SAT问题的遗传算法 |
| 3.3.2 求解SAT问题的局部搜索算法 |
| 3.3.3 SAT问题并行求解框架 |
| 3.4 对求解SAT问题的混合遗传算法的改进 |
| 3.4.1 选择操作 |
| 3.4.2 交叉操作 |
| 3.4.3 变异与灾变操作 |
| 3.4.4 改进的求解SAT问题的混合遗传算法描述 |
| 3.5 求解SAT问题的并行混合遗传算法 |
| 3.5.1 数据共享 |
| 3.5.2 迁移实现 |
| 3.5.3 整体流程 |
| 3.5.4 负载均衡问题 |
| 3.6 实验分析 |
| 3.6.1 测试环境 |
| 3.6.2 求解效率对比 |
| 3.6.3 变异率和交叉率对求解效率的影响 |
| 3.6.4 不同种群规模与求解成功率的关系 |
| 3.6.5 HCGA、HGA与 CGPHGA求解时间对比 |
| 3.6.6 HGA与 CGPHGA最优解进化代数分布 |
| 3.6.7 迁移规模对求解成功率的影响 |
| 3.6.8 并行算法对比 |
| 3.7 小结 |
| 第4章 基于GPU的并行SAT求解算法 |
| 4.1 引言 |
| 4.2 3-SAT问题与GPU简介 |
| 4.2.1 3-SAT问题 |
| 4.2.2 GPU简介 |
| 4.3 分治并行求解SAT问题相关工作 |
| 4.3.1 SAT问题并行求解框架 |
| 4.3.2 并行布尔约束传播算法 |
| 4.4 基于GPU的 BCP加速 |
| 4.4.1 整体流程 |
| 4.4.2 数据结构设计 |
| 4.4.3 GPU-BCP算法描述 |
| 4.4.4 实验分析 |
| 4.5 小结 |
| 第5章 学习子句混合评估算法与分享策略 |
| 5.1 引言 |
| 5.2 学习子句评估算法相关工作 |
| 5.2.1 基于VSIDS的评估算法 |
| 5.2.2 基于LBD的子句评估算法 |
| 5.2.3 混合评估算法 |
| 5.3 基于学习子句使用频次与LBD混合评估算法 |
| 5.3.1 基于学习子句使用频次的评估算法 |
| 5.3.2 基于频次与LBD混合评估算法 |
| 5.4 并行求解器中改进的子句共享策略 |
| 5.4.1 并行节点间子句分享策略 |
| 5.4.2 混合评估方式下的子句分享策略 |
| 5.5 实验与分析 |
| 5.6 小结 |
| 第6章 基于矛盾体分离的多元协同动态自动演绎推理的逆向演绎并行系统 |
| 6.1 引言 |
| 6.2 矛盾体分离理论背景知识 |
| 6.3 基于矛盾体分离理论的相关工作 |
| 6.3.1 标准延拓的矛盾体分离算法 |
| 6.3.2 扩展延拓的矛盾体分离算法 |
| 6.3.3 矛盾体分离算法的优势 |
| 6.3.4 子句与文字演绎权重 |
| 6.3.5 文字函数项复杂度 |
| 6.3.6 稳定度 |
| 6.4 基于矛盾体分离理论的自动推理演绎 |
| 6.4.1 系统结构 |
| 6.4.2 重要模块说明 |
| 6.4.3 演绎方向控制 |
| 6.4.4 子句与文字选择策略 |
| 6.4.5 重复使用子句策略 |
| 6.4.6 中间演绎结果策略 |
| 6.4.7 构建矛盾体的回溯策略 |
| 6.5 基于矛盾体的逆向并行自动推理演绎 |
| 6.5.1 系统结构 |
| 6.5.2 重要模块说明 |
| 6.5.3 逆向分离算法 |
| 6.5.4 演绎方向控制 |
| 6.5.5 消息传递机制与负载均衡策略 |
| 6.6 实验与分析 |
| 6.7 小结 |
| 第7章 总结 |
| 7.1 论文总结 |
| 7.2 今后工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的论文及科研成果 |
| 攻读博士学位期间主研的科研项目 |
（4）基于扩展JT/T808协议的车载监控终端的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及其意义 |
| 1.2 国内外发展现状 |
| 1.2.1 智能交通在国内外发展现状 |
| 1.2.2 主流车载终端操作系统对比 |
| 1.3 论文主要内容 |
| 2 关键技术研究 |
| 2.1 Android操作系统概述 |
| 2.1.1 Android系统框架 |
| 2.1.2 Android JNI机制 |
| 2.1.3 Android NDK |
| 2.2 TCP Socket通信 |
| 2.3 高并发Socket通信框架Netty |
| 2.4 JT/T808 协议 |
| 2.5 RTP实时传输协议 |
| 2.6 本章小结 |
| 3 需求分析及总体设计方案 |
| 3.1 总体需求分析 |
| 3.2 功能需求分析 |
| 3.3 车载监控终端总体设计方案 |
| 3.3.1 终端硬件总体设计 |
| 3.3.2 终端软件总计设计 |
| 3.4 本章小结 |
| 4 基于Netty的终端通信模块的设计与实现 |
| 4.1 终端通信模块总体设计 |
| 4.1.1 工作流程设计 |
| 4.1.2 模块结构设计 |
| 4.1.3 模块接口设计 |
| 4.2 基于Netty框架的数据通信功能的设计与实现 |
| 4.2.1 数据通信功能的流程设计 |
| 4.2.2 数据通信功能的实现 |
| 4.3 JT/T808 协议解析封装功能的设计与实现 |
| 4.3.1 基础定义 |
| 4.3.2 协议解析封装功能的实现 |
| 4.4 本章小结 |
| 5 车载监控终端的设计与实现 |
| 5.1 终端硬件设计原则与选型 |
| 5.1.1 硬件选型原则 |
| 5.1.2 终端硬件选型 |
| 5.2 开发环境的搭建 |
| 5.3 终端软件设计与实现 |
| 5.3.1 软件模块框架 |
| 5.3.2 人脸识别模块 |
| 5.3.3 行车记录模块 |
| 5.3.4 GPS定位模块 |
| 5.3.5 速度报警模块 |
| 5.3.6 电子围栏模块 |
| 5.4 终端数据库设计 |
| 5.4.1 持久化技术的选择 |
| 5.4.2 Android SQLite简介 |
| 5.4.3 SQLite数据库的设计 |
| 5.5 本章小结 |
| 6 车载监控终端功能测试 |
| 6.1 终端通信模块功能测试 |
| 6.2 人脸识别模块功能测试 |
| 6.3 行车记录模块功能测试 |
| 6.4 GPS定位模块功能测试 |
| 6.5 速度报警模块功能测试 |
| 6.6 地理围栏模块功能测试 |
| 7 总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（5）基于智能手机的孕妇围产期宫缩图像分析系统研发（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 国内外研究现状和发展趋势 |
| 1.3 本文主要研究内容 |
| 1.4 论文章节安排 |
| 第2章 系统总体方案设计综述 |
| 2.1 系统总体方案设计 |
| 2.2 宫缩波形预处理与提取模块综述 |
| 2.3 宫缩波形分析模块综述 |
| 2.4 安卓APP设计综述 |
| 第3章 基于OpenCV的宫缩波形提取 |
| 3.1 OpenCV库介绍 |
| 3.2 图像获取 |
| 3.3 宫缩波形图像预处理 |
| 3.3.1 图像灰度化 |
| 3.3.2 图像的去噪 |
| 3.3.2.1 图像噪声的分类 |
| 3.3.2.2 OpenCV中图像的去噪 |
| 3.3.3 图像的矫正与裁剪 |
| 3.3.3.1 边缘检测 |
| 3.3.3.2 获取图像最大轮廓 |
| 3.3.3.3 旋转矫正图像 |
| 3.3.3.4 裁剪图像 |
| 3.4 宫缩波形图像提取 |
| 3.4.1 图像二值化 |
| 3.4.1.1 图像二值化概述 |
| 3.4.1.2 OpenCV中的图像二值化 |
| 3.4.2 腐蚀膨胀处理 |
| 3.4.2.1 结构元素概述 |
| 3.4.2.2 腐蚀概述 |
| 3.4.2.3 膨胀概述 |
| 3.4.3 连通域降噪处理 |
| 3.4.4 清除最大轮廓 |
| 3.4.5 提取波形数据值 |
| 3.5 仿真结果 |
| 3.5.1 波形重绘验证 |
| 3.5.2 波形拟合效果评估 |
| 3.6 本章小结 |
| 第4章 宫缩波形的处理与分析 |
| 4.1 宫缩信号的分析过程 |
| 4.2 宫缩信号的质量分类 |
| 4.3 宫缩信号的滤波 |
| 4.3.1 均值滤波 |
| 4.3.2 中值滤波 |
| 4.3.3 希尔伯特谱分析法 |
| 4.3.4 改进的中值滤波算法 |
| 4.4 确定信号的基线 |
| 4.5 信号的归一化处理 |
| 4.6 宫缩信号的识别与健康评估 |
| 4.6.1 宫缩信号的识别 |
| 4.6.2 健康评估 |
| 4.7 仿真结果 |
| 4.8 本章小结 |
| 第5章 系统软件设计与实现 |
| 5.1 软件系统总体设计 |
| 5.2 Android操作系统与APP架构 |
| 5.2.1 Android操作系统概述 |
| 5.2.2 Android APP架构 |
| 5.3 Android整合OpenCV库 |
| 5.3.1 Native层与JNI调用 |
| 5.3.2 Android与OpenCV库的整合 |
| 5.3.3 OpenCV库的动态管理 |
| 5.4 Android APP的实现 |
| 5.4.1 登录注册模块 |
| 5.4.2 侧边栏菜单模块 |
| 5.4.3 宫缩波形展示模块 |
| 5.4.4 历史数据及健康判定模块 |
| 5.5 云端服务器设计 |
| 5.5.1 云端服务器架构设计 |
| 5.5.2 数据库设计 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）基于Android系统的人脸识别门禁系统的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 人脸识别技术的国内外研究现状分析 |
| 1.3 Android系统平台 |
| 1.4 本文主要工作 |
| 第二章 图像预处理 |
| 2.1 图像灰度化 |
| 2.2 直方图均衡化 |
| 2.3 图像滤波去噪处理 |
| 2.4 图像尺寸归一化 |
| 2.5 本章小结 |
| 第三章 人脸检测算法的研究 |
| 3.1 人脸检测基本方法 |
| 3.1.1 基于人脸几何特征的人脸检测方法 |
| 3.1.2 基于统计理论的人脸检测算法 |
| 3.1.3 基于学习的人脸检测算法 |
| 3.2 基于肤色分割的人脸检测 |
| 3.2.1 色彩空间 |
| 3.2.2 基于YCbCr颜色空间的肤色分割方法 |
| 3.2.3 图像的形态学处理 |
| 3.2.4 人脸区域筛选 |
| 3.3 基于Adaboost算法的人脸检测 |
| 3.3.1 Haar特征和积分图 |
| 3.3.2 分类器的设计 |
| 3.3.3 级联多层分类器 |
| 3.4 基于肤色和Adaboost混合算法的人脸检测 |
| 3.5 实验结果与分析 |
| 3.6 本章小结 |
| 第四章 人脸识别算法的研究 |
| 4.1 人脸识别的基本方法 |
| 4.1.1 基于几何特征的人脸识别方法 |
| 4.1.2 基于模板匹配的人脸识别方法 |
| 4.1.3 基于特征脸(PCA)的人脸识别方法 |
| 4.1.4 基于神经网络的人脸识别方法 |
| 4.2 改进的人脸识别方法 |
| 4.2.1 传统PCA算法 |
| 4.2.2 改进PCA算法 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 第五章 Android系统及相关开发技术 |
| 5.1 Android系统的概述 |
| 5.1.1 Android系统的简介 |
| 5.1.2 Android系统的优点 |
| 5.1.3 系统架构 |
| 5.1.4 应用组件 |
| 5.2 Android开发准备 |
| 5.2.1 JDK |
| 5.2.2 Android Studio |
| 5.2.3 SDK |
| 5.3 Android NDK |
| 5.4 JNI技术 |
| 5.5 OpenCV |
| 5.6 本章小结 |
| 第六章 人脸识别门禁系统的设计与实现 |
| 6.1 系统概述 |
| 6.2 系统软件设计 |
| 6.2.1 系统总体模块结构设计 |
| 6.2.2 人脸库以及数据库的设计 |
| 6.2.3 人脸检测模块设计 |
| 6.2.4 人脸识别模块设计 |
| 6.2.5 移动手机端的设计 |
| 6.2.6 服务器端的设计 |
| 6.3 门禁端的设计 |
| 6.4 实验结果与分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 |
| 致谢 |
（7）基于Web的丝绸文物创意设计专家系统关键技术开发（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 丝绸文物经验知识研究现状 |
| 1.2.2 专家系统的研究和发展 |
| 1.3 课题研究内容 |
| 1.4 本文章节安排 |
| 第2章 丝绸文物创意设计专家系统概述 |
| 2.1 丝绸文物管理及设计系统整体架构 |
| 2.2 专家系统技术概述 |
| 2.2.1 专家系统的基本概念 |
| 2.2.2 基于产生式规则的专家系统 |
| 2.2.3 基于Prolog的专家系统开发 |
| 2.3 Web开发基本技术概述 |
| 2.3.1 Webservice架构 |
| 2.3.2 J2EE架构 |
| 2.4 丝绸文物创意设计专家系统的整体设计 |
| 2.5 本章小结 |
| 第3章 丝绸文物创意设计专家系统知识库构建 |
| 3.1 丝绸文物素材的参数化描述 |
| 3.1.1 图元描述 |
| 3.1.2 骨架描述 |
| 3.2 丝绸文物设计素材的关联性 |
| 3.3 基于Apriori关联数据挖掘的关联规则构建 |
| 3.3.1 关联规则的基本概念 |
| 3.3.2 Apriori关联数据挖掘 |
| 3.4 丝绸文物专家系统的关联规则 |
| 3.5 静态知识库规则构建 |
| 3.5.1 描述性规则 |
| 3.5.2 关联性规则 |
| 3.6 动态数据库的构建 |
| 3.7 本章小结 |
| 第4章 丝绸文物创意设计专家系统推理机制 |
| 4.1 描述性规则匹配机制 |
| 4.1.1 正向推理与反向推理 |
| 4.1.2 引入置信度的模块化匹配 |
| 4.2 基于关联性规则的素材推荐 |
| 4.3 本章小结 |
| 第5章 丝绸文物创意设计专家系统的Web服务实现 |
| 5.1 丝绸文物专家系统Web后台开发技术概述 |
| 5.1.1 JSON格式 |
| 5.1.2 AJAX技术 |
| 5.1.3 Struts2框架 |
| 5.1.4 Spring框架 |
| 5.2 Prolog与Java后台通信 |
| 5.3 Java后台设计实现 |
| 5.3.1 规则操作 |
| 5.3.2 关联挖掘数据提供 |
| 5.3.3 推理控制 |
| 5.4 前端基本交互流程 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 主要研究工作 |
| 6.2 未来工作展望 |
| 参考文献 |
| 硕士期间参与的项目与发表和录用的论文 |
（8）MRI脑室图像分割与三维重建的REST Web服务设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作 |
| 1.4 各章节组织结构 |
| 1.5 本章小结 |
| 2 Web服务相关理论及技术 |
| 2.1 传统Web服务相关理论及技术 |
| 2.1.1 Web服务概念 |
| 2.1.2 Web服务的体系结构 |
| 2.1.3 Web服务的协议结构 |
| 2.1.4 Web服务相关技术 |
| 2.1.5 传统Web服务的不足 |
| 2.2 REST风格Web服务相关理论及技术 |
| 2.2.1 REST主要规范 |
| 2.2.2 面向资源的架构(ROA) |
| 2.2.3 设计面向资源的服务 |
| 2.2.4 JAX-RS标准及Jersey开发框架 |
| 2.3 传统Web服务与REST Web服务对比分析 |
| 2.4 本章小结 |
| 3 脑室分割REST Web服务的设计与实现 |
| 3.1 脑室分割的需求分析 |
| 3.2 基于区域的活动轮廓模型图像分割算法综述 |
| 3.2.1 基于区域的活动轮廓模型的选取 |
| 3.2.2 M-S模型 |
| 3.2.3 C-V模型 |
| 3.2.4 LBF模型 |
| 3.2.5 LGDF模型 |
| 3.2.6 基于区域的活动轮廓模型MRI图像分割实验比较 |
| 3.3 基于LGDF模型的MRI图像脑室分割 |
| 3.3.1 脑室分割算法的选取 |
| 3.3.2 脑室分割实现步骤及分割流程 |
| 3.3.3 脑室区域面积的获取 |
| 3.3.4 实验结果及分析 |
| 3.4 脑室分割算法的DLL生成及JNI调用 |
| 3.4.1 JNI实现流程及具体实现 |
| 3.4.2 C++与Matlab的混合编程方式 |
| 3.4.3 脑室分割算法DLL的生成 |
| 3.4.4 C++与Matlab的混合编程 |
| 3.5 脑室分割REST Web服务的设计与实现 |
| 3.5.1 服务开发环境 |
| 3.5.2 服务架构设计 |
| 3.5.3 脑室分割REST接口设计 |
| 3.5.4 脑室分割REST Web服务的实现 |
| 3.6 脑室分割Web服务接口的测试 |
| 3.7 本章小结 |
| 4 脑室三维重建REST Web服务的设计与实现 |
| 4.1 三维重建的基本方法 |
| 4.1.1 面绘制方法 |
| 4.1.2 体绘制方法 |
| 4.1.3 面绘制与体绘制比较 |
| 4.2 面绘制方法 |
| 4.2.1 移动立方体算法 |
| 4.2.2 剖分立方体法 |
| 4.2.3 轮廓连接法 |
| 4.2.4 三种算法对比 |
| 4.3 可视化工具包VTK |
| 4.3.1 VTK概述 |
| 4.3.2 VTK的层次结构及优势 |
| 4.3.3 VTK的对象模型 |
| 4.3.4 VTK的可视化流程 |
| 4.4 脑室三维重建的设计与实现 |
| 4.4.1 脑室三维重建的设计 |
| 4.4.2 JNI实现脑室三维重建步骤 |
| 4.4.3 开发环境的搭建 |
| 4.4.4 VTK环境配置 |
| 4.4.5 脑室三维重建的实现 |
| 4.4.6 脑室三维重建结果 |
| 4.4.7 资源的封装 |
| 4.5 脑室三维重建REST Web服务的设计与实现 |
| 4.5.1 脑室三维重建REST接口设计 |
| 4.5.2 脑室三维重建REST Web服务的实现 |
| 4.6 脑室三维重建Web服务接口的测试 |
| 4.7 本章小结 |
| 5 脑室分割与三维重建的客户端应用系统的设计与实现 |
| 5.1 需求分析 |
| 5.2 数据库设计 |
| 5.2.1 概念模型设计 |
| 5.2.2 物理模型设计 |
| 5.3 系统架构设计 |
| 5.4 公共模块的设计与实现 |
| 5.4.1 持久化操作类的封装 |
| 5.4.2 自定义分页模块 |
| 5.5 系统核心模块设计与实现及界面展示 |
| 5.5.1 系统开发环境 |
| 5.5.2 系统控制器类图 |
| 5.5.3 系统核心模块的设计与实现 |
| 5.5.4 系统运行界面展示 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
（9）基于JNI的电子签章系统安全接口设计（论文提纲范文）
| 0 引言 |
| 1 JNI概述 |
| 1. 1 JNI、Ja Win、Ja Cob对比 |
| 1. 2 JNI与C + + 联合编程 |
| 2 电子签章系统架构 |
| 3 电子签章系统安全接口设计 |
| 3. 1 JNI接口设计 |
| 3. 2 底层密码库设计 |
| 3. 3 JNI实现过程 |
| 4 安全性分析 |
| 5 结束语 |
（10）基于本体的路考评判专家系统研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和研究意义 |
| 1.1.1 交通安全与机动车驾驶人考试现状及问题 |
| 1.1.2 驾驶人道路考试监测与评估系统存在的问题 |
| 1.1.3 驾驶人道路考试评判系统自动评判规则的表示需求 |
| 1.1.4 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 专家系统及其研究现状 |
| 1.2.2 本体论及其研究现状 |
| 1.2.3 基于本体论的专家系统的研究现状 |
| 1.2.4 路考评判专家系统的研究现状 |
| 1.2.5 基于本体的路考评判专家系统的研究现状 |
| 1.3 研究内容与目标 |
| 1.4 研究思路与论文结构 |
| 第2章 基于本体论的专家系统模型 |
| 2.1 基于本体论的专家系统模型 |
| 2.1.1 基于本体论的专家系统概念模型 |
| 2.1.2 本体的构建方法 |
| 2.1.3 本体推理机结构 |
| 2.1.4 规则的表示方法 |
| 2.1.5 规则推理引擎 |
| 2.2 基于 OWL、SWRL 和 JESS 的专家系统模型及实现方案 |
| 2.2.1 OWL+SWRL+Jess 的结构模型 |
| 2.2.2 Jess 知识表示的方法 |
| 2.2.3 OWL+SWRL 转换为 Jess 知识的方案 |
| 2.2.4 Java 使用 Jess 知识库的方案 |
| 2.3 基于本体和 JESSML 的推理系统模型 |
| 2.3.1 JessML 表示规则和事实的方法 |
| 2.3.2 基于本体和 JessML 的推理机模型 |
| 2.3.3 JessML 规则的解析方法 |
| 2.4 提高规则推理机推理效率的方法探索 |
| 2.4.1 OWL 语言建模原语扩充方案 |
| 2.4.2 SWRL 中原子顺序的设置原则 |
| 2.4.3 Jess 推理结果的高效查找方法 |
| 2.5 小结 |
| 第3章 路考评判系统本体和规则 |
| 3.1 路考评判系统及相关概念 |
| 3.1.1 驾驶人道路考试的内容 |
| 3.1.2 路考评判系统的体系架构 |
| 3.1.3 路考评判系统中的概念 |
| 3.2 路考评判系统本体模型 |
| 3.3 路考评判系统本体 |
| 3.3.1 建立路考评判系统本体的原则 |
| 3.3.2 基于 OWL 的路考评判系统本体 |
| 3.3.3 在 Protégé中创建路考评判系统本体 |
| 3.3.4 路考评判系统本体的推理 |
| 3.3.5 路考评判系统本体的存储 |
| 3.4 基于路考评判系统本体的评判规则 |
| 3.4.1 建立驾驶人道路考试评判规则的必要性 |
| 3.4.2 基于 SWRL 的路考评判系统的评判规则 |
| 3.4.3 在 Protégé中创建路考评判系统的规则 |
| 3.5 路考评判系统本体和规则的 JESS 推理验证 |
| 3.6 小结 |
| 第4章 基于本体的路考评判专家系统应用 |
| 4.1 驾驶人道路考试系统的需求 |
| 4.2 道路考试系统的网络结构 |
| 4.3 路考评判专家系统的功能结构 |
| 4.3.1 总体功能模块结构 |
| 4.3.2 数据获取模块 |
| 4.3.3 自动评判模块 |
| 4.4 路考评判专家系统的知识库 |
| 4.4.1 产生式表示的评判规则 |
| 4.4.2 基于本体的路考评判知识库 |
| 4.5 基于本体和 JESS 的路考评判专家系统实现 |
| 4.5.1 路考评判专家系统开发方案 |
| 4.5.2 基于本体和 Jess 的路考评判专家系统框架 |
| 4.5.3 C#程序调用 Jess 推理机的方案 |
| 4.6 路考评判专家系统的运行界面 |
| 4.7 路考评判专家系统应用分析 |
| 4.8 小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的论文和参加的项目 |
| 附录 |
| A. SWRL2JESS.XSL 模板的部分代码 |
| B. 转换 SWRL 为 JESS 文件的核心 JAVA 代码 |
| C. 驾驶人管理规则 R-MANAGED 的 OWL 表示 |
| D. 创建一个模板和维护一个无序的事实的 JAVA 代码 |
| E. 加载 JESS 引擎、处理一条 JESS 查询的 JAVA 代码 |
| F. RRS 查询函数的 JAVA 代码 |
| G. 路考评判专家系统中的自动评判项目 |
| H. VEHICLE 类和 CANDIDATE 类的 OWL 表示 |
| I. RULE-A111-1 的 OWL 表示 |
| J. RTS3RULE.CLP 部分 JESS 规则 |
| K. RTS3DEMO 部分代码 |
| L. JUDGING.JAVA 类核心代码 |
| M. RTS3FACTS.CLP 文件内容 |
| N. RTS3RULE.CLP 文件内容 |
| O 线性搜索的核心代码 |
| P. C#调用 JESS 的函数代码 |
| Q. GPS 类结构(GPSDATA)（部分） |
| R. 传感器类结构(CGQDATA)（部分） |
四、应用JNI实现Java与Prolog的优势互补（论文参考文献）
- [1]基于Android的显微相机接口及应用软件的设计与实现[D]. 来腾飞. 浙江大学, 2021(09)
- [2]基于Tesseract的手机翻译软件设计与实现[D]. 杨珺珺. 大连理工大学, 2019(07)
- [3]关于并行SAT求解器和并行自动演绎推理系统的研究[D]. 吴贯锋. 西南交通大学, 2019
- [4]基于扩展JT/T808协议的车载监控终端的设计与实现[D]. 陈奕夫. 南京理工大学, 2019(06)
- [5]基于智能手机的孕妇围产期宫缩图像分析系统研发[D]. 宋飞飞. 杭州电子科技大学, 2019(01)
- [6]基于Android系统的人脸识别门禁系统的研究[D]. 江鹏. 上海工程技术大学, 2019(06)
- [7]基于Web的丝绸文物创意设计专家系统关键技术开发[D]. 黄灿君. 浙江大学, 2018(06)
- [8]MRI脑室图像分割与三维重建的REST Web服务设计与实现[D]. 赵建. 河北师范大学, 2016(08)
- [9]基于JNI的电子签章系统安全接口设计[J]. 蒋华,孙婧. 信息技术, 2016(03)
- [10]基于本体的路考评判专家系统研究与应用[D]. 吴业福. 武汉理工大学, 2014(04)