一、数据库复制技术在数据仓库化的决策支持系统中的应用（论文文献综述）
王小健[1]（2020）在《石化企业多源知识发现与管理方法研究》文中研究指明企业知识管理,即企业灵活运用先进的现代技术,对企业的显性和隐性知识进行有效地识别、融合和利用的活动。在知识管理过程中合理利用知识挖掘方法,能够帮助石化企业更好地做出指标预测、风险分析和企业决策,提高企业客户的忠诚度和服务体验度,进而从根本上提升我国石化企业的核心竞争力。然而,如果没有有效的多源信息处理手段,企业的知识管理系统只能处理单一来源的数据,将不可避免地局限了石化企业的发展空间。因此,本文探索建立一套高效的知识管理系统,通过深入研究网络行为建模和多源数据融合的方法,从而建立一套合理有效的体制机制对企业员工的性格、偏好、行为模式等方面进行全面深入地分析,更好地帮助石化企业提升其知识管理水平。本文的主要贡献是:第一,提出了一种基于多源信息融合的信息表示和行为建模方法;第二,提出了一种基于多源信息融合的指标相关性建模方法;第三,提出了一种基于多源信息融合的员工社群分析方法;第四,通过大数据分析技术和自然语言处理技术,提出一种基于多源信息融合的石化企业客户指标相关性分析方法和基于层次化聚类的石化企业垂直分类方法。基于上述方法,本文对石化企业知识管理的效果进行了分组实验和对比评估。实验结果表明,在利用了本文所提出的基于多源异构大数据融合分析的知识管理新方法的情况下,企业知识管理水平有了较为显着的提升。本文的研究成果为未来的企业知识管理方法研究提供了一条可行之道。
韦秋霜[2]（2020）在《风电-储能价值链协同决策模型及信息系统研究》文中研究表明随着传统能源危机和环境问题的日益突出,以风力发电为代表的清洁能源发展取得瞩目关注,但风电出力的随机性、弱抗干扰性和难预测性使风电消纳成为限制风电发展的关键性问题。储能技术具有瞬时响应和精准控制能力,能促进风电系统与负荷需求间的能量和功率平衡并提高风电利用率,成为实现风电价值管理的关键环节。在电力市场改革和信息技术条件下,围绕风电系统和储能系统构建“风电-储能”价值链,成为提高风电利用率、实现储能系统价值、促进价值链整体价值效应的解决方案。论文针对风电-储能价值链的价值管理过程,以促进价值链的价值创造和增值为目标,以提高风电利用率和储能系统价值为基本原则,构建风电-储能价值链,探讨价值链的利益管理、容量管理、用能管理和价值增值效应等协同决策问题,面向上述问题设计信息系统,通过谋求能量流、信息流和价值流的多维协同而寻求价值链价值效应的最大化。本文研究内容如下:（1）在分析风电及储能发展现状与瓶颈、风电产业链和价值链的基础上,界定了风电-储能价值链的基本内涵和框架结构,分析了新一代信息技术对价值链的支撑作用,论述了风电-储能价值链的协同决策理论框架,为论文后续研究奠定了理论基础。（2）构建了风电-储能价值链利益管理的协同决策模型。在设计并分析风电商-储能商协同交易模式的基础上,基于演化博弈理论,构建了风电商-储能商协同演化博弈模型,探讨了风电-储能价值链关键利益主体的协同交易策略和预期收益函数,讨论了二者间的动态演化博弈过程和演化稳定策略,通过仿真设计、结果分析和敏感性分析探讨了风电商和储能商协同交易的利益博弈和演化博弈情况,为构建利益主体间的稳定协同合作关系提供决策支持。（3）建立了风电-储能价值链容量管理的协同决策模型。首先,分析了价值链容量管理的协同框架。其次,构建了风电-混合储能系统,对系统的运行策略、组件模型和能量管理模型进行了分析和探讨。再次,以系统总成本、弃风量和供电缺失率为优化决策目标,构建了储能容量管理的协同优化决策模型,使用多目标粒子群算法和TOPSIS算法确定了系统最优配置。最后,通过对比分析和敏感性分析验证所构模型的合理性和有效性,证明了容量管理协同决策模型能够提高风电利用率并发挥储能系统的关键作用,促进系统的经济效益和环境效益协同。（4）构建了风电-储能价值链用能管理的协同决策模型。满足用户用能需求是实现风电-储能价值链价值效应的直接手段。首先,设计并分析了风电-储能价值链用能管理的协同框架。其次,构建了风电系统、氢储能系统、电池储能系统和电动汽车用能系统协调规划的风-储-充协同运行系统,探讨了系统的组件模型和系统控制策略。再次,以系统年利润最大化为目标函数,构建了协同优化决策模型。最后,利用改进的自适应遗传算法对系统最佳配置进行了优化,并在不同模拟场景下进行了算例分析,分析结果表明风-储-充协同运行系统能够高效满足用户用能需求,从而促进风电-储能价值链的价值效应。（5）构建了风电-储能价值链价值增值效应的协同决策模型。对风电-储能系统项目的价值增值效应进行综合决策研究,是风电-储能价值链协同决策的重要组成部分。基于指标构建原则,从系统协同维、业务协同维、价值协同维、信息协同维、外部协同维等五个维度构建了风电-储能价值链价值增值效应决策指标体系,基于区间二型模糊理论对指标进行了预处理,综合考虑决策指标的重要程度和影响程度确定了指标权重,并构建了区间二型模糊TOPSIS综合决策模型。最后,通过算例分析、对比分析和敏感性验证了区间二型模糊TOPSIS综合决策模型能够对不同风电-储能系统项目的价值增值效应进行综合决策并排序,为决策者提供理论基础和实践依据。（6）提出了风电-储能价值链信息系统设计方案。首先,论述了信息系统的系统需求和系统构建的可行性,探讨了智能物联信息系统构建的可能性。其次,分别从系统设计原则、工作流程设计、系统架构、物联集成模型、信息集成与共享模型等角度描述了智能物联信息系统的整体架构。再次,对智能物联信息系统的主要功能进行了设计,包括数据库设计、模型库设计、方法库设计和功能框架设计等。最后,对构建智能物联信息系统的关键技术进行了探讨,为实现风电-储能价值链的信息协同和价值增值效应提供了信息化手段和应用基础。本文研究为促进风电消纳、提升储能系统价值、提高风电-储能价值链的价值创造和增值提供了利益管理、容量管理、用能管理、价值增值效应等多维协同决策支持理论依据,基于信息技术为实现风电-储能价值链的信息协同提供了参考。本文选题不仅有理论探讨意义,还有重要的应用前景和实践意义。
王张华[3]（2020）在《基于人工智能的政府治理模式变革研究》文中研究表明从人类社会的漫长历史来看,影响国家治理优良性和有效性的众多因素当中,科学技术总会占有一席之地,历史上历次的重大技术变革都或多或少会对各国国家治理的理念、价值、制度、方式等产生极其深远的影响。当下,以人工智能技术为核心驱动的“第四次工业革命”正在发生,对国家治理的变革性作用逐渐开始受到全球性的普遍关注和重视。作为全球人工智能发展和应用的大国,我国陆续对人工智能的发展和应用进行了战略性规划和顶层设计,突出了人工智能对提升国家治理优良性和有效性的重要作用,党的十九大报告中指出“推动互联网、大数据、人工智能和实体经济深度融合……提高社会治理社会化、法治化、智能化、专业化水平”,党的十九届四中全会进一步强调要“建立健全运用互联网、大数据、人工智能等技术手段进行行政管理的制度规则”。充分说明,加速人工智能等新兴技术同国家治理的融合已经成为我国深化行政体制改革,推进国家治理体系和治理能力现代化的重要目标。在第四次工业革命的历程中,中国政府对以人工智能为代表的新兴技术的采用和适应性改革已经走在世界前列,为我国公共管理的理论总结和话语体系建构提供了较为完整的“社会试验场”。面对百年来未有之历史机遇,摆在中国公共管理者面前的是必须从现实的真实世界出发,进行理论提炼和话语创新,充分汲取中西方公共管理理论与实践的丰富营养,推动人工智能时代政府形态的构建,并探索出与之相适的新型政府治理模式。正是出于这种考虑,本文将视角聚焦至政府治理中的人工智能应用问题,试图对人工智能驱动政府治理模式变革的理论和实践议题展开分析,以求为加速人工智能同政府治理的融合进程提供助益,推动政府数字化、智能化和智慧化转型。全文遵循“提出问题→分析问题→解决问题”的总体思路,指出探讨人工智能驱动政府治理模式变革迎合了时代变迁的整体境域,也是人类社会向前发展所必然面临的焦点议题;进一步从历史唯物主义视角论证命题的合理性,阐明人工智能对政府治理模式的变革意义内嵌于生产力与生产关系、经济基础与上层建筑的矛盾运动之中,具有内在的规律性意义和革命性潜质,从技术自身的生产力本质和赋能“政府—社会”关系的价值维度论证命题的可行性,人工智能将会对政府治理的理念、工具、机制、方式和结构带来颠覆性的影响;最后,在理论分析的基础上,进一步从认识更新、技术治理、制度跟进和机制创新四个维度探讨了政府如何实现善用人工智能的行动策略。通过上述研究,研究概括了三个关键性的结论:一是人工智能将成为政府新一轮历史变革的关键力量。互联网、大数据、机器学习、精准算法等技术的不断发展和进步,互联网的整体水平得到进一步提升,数据出现井喷式爆发,使人工智能逐渐获得了与人类相匹敌的“智识”,在诸多方面展现出了超越和替代人类行为的能力,引发了政府治理新一轮的历史性变革。可以预见的是,不久的将来人工智能会更加深入广泛地嵌入政府治理的各个环节和领域,不仅会引发政府治理技术层面的变革,同时还会给传统政府治理的技术体系、价值目标、伦理结构乃至思维理念带来重要影响。对于人工智能技术的这种影响,相关部门必须积极研判和主动应对,以一种客观理性的态度审慎对之,正视其给政府治理所带来的影响。二是人工智能驱动政府治理模式变革遵循着内在的技术逻辑。从技术的种属来看,人工智能被视为是信息技术的最新发展阶段,虽然被贴上传统信息技术的标签,但是其对人类政府运行的冲击和影响仍然遵循着自身独特的技术逻辑,在探究人工智能驱动政府治理模式变革的技术逻辑时必须兼顾人工智能技术的内在发展逻辑和治理结构影响两个层面。从技术的内在发展逻辑层面看,决定人工智能独特属性的是三大核心要素:数据、计算资源和算法,可概括为数据和算法两种驱动逻辑;从技术治理的结构影响层面看,人工智能所带来的结构化影响是区别于互联网、大数据所解决的信息“连接”和“数据”问题,汲取了互联网和大数据的精髓,三者共同构建了一个彼此交互、高度融合的整体生态,解决的是信息社会网络相互连接端对大数据内容主体的智能化处理问题。三是人工智能驱动政府治理模式变革遵循着以“善智”实现“善治”的逻辑进路。为回应人工智能技术“向善”与“为恶”的双重属性,全文所引入和进一步阐释的“善智”概念,为人工智能的发展方向提供了参考,为发挥人工智能之于政府治理的重要作用提供了理论上可能进路。从“善智”和“善治”的关系出发,阐发了人工智能与政府治理之间何以遵循着以“善智”实现“善治”的内在逻辑,并在此基础上探究以“善智”实现“善治”的有效路径。当然,由于人工智能的发展及其嵌入政府治理的过程仍然处于一种“进行时”状态,一些深层次的问题尚未出现,几乎可以断定的是随着人工智能技术的进一步发展和成熟,其对政府治理的影响势必会更为深刻和广泛,其方式也会更加多样和复杂。围绕研究的核心议题,全文主要的创新之处主要体现在以下两个方面:第一,从人工智能技术“替代人”的社会属性以及由数据、算法和算力驱动的技术属性出发,将其从传统信息技术的种属中抽离出来,视其为一种全新的技术形态（智能技术）加以考量,并以此为切入探讨人工智能对政府治理可能的颠覆性影响;与大多数研究将其置于传统信息技术框架下展开所不同的是这样做有利于聚焦人工智能独特的技术属性（由数据、算力和算法共同驱动）,由此揭示出人工智能驱动政府治理模式变革遵循着数据驱动、算法支配和智能融合的技术逻辑。第二,针对人工智能“向善”与“为恶”双重面相所带来的争论,引入“善智”的概念,并从“价值—技术—应用”复合分析框架对其进行了重新解读,试图以此超越人工智能技术乐观与悲观的对立之争,为人工智能的开发和应用描绘一种最佳状态,并以“善智”与“善治”的关系为切入点,尝试在人工智能与政府治理之间找到联结点,为人工智能开发和应用与谋求良政善治之间寻求一种平衡。
游骏鹏[4]（2020）在《基于数据仓库的企业决策支持系统的设计与实现》文中指出随着信息技术的发展和大数据时代的到来,传统的依赖于决策者的经验和直觉来判断、制定决策的方式受到了挑战,急需借助量化的方式为公司的决策者提供客观信息支持从而辅助决策。此外,公司内部使用的传统手工报表的工作方式在数据的协作、共享和维持一致性方面存在交流成本较大的问题。因此,开发一套基于数据仓库的企业决策支持系统,以数据展现的方式为公司人员提供信息支持和决策辅助。本项目基于Hadoop分布式集群和J2EE（Java 2 Platform Enterprise Edition）架构,提供了一套完整的数据解决方案。项目总体上分为数据获取、数据存储与处理、数据应用三大部分:在前两部分,进行数据仓库的构建,依赖Hadoop的计算能力,将数据的ETL（Extract-Transform-Load,数据抽取、转化、加载）操作贯穿于整个数据流程中;数据应用部分则是通过数据分析手段定义模型,根据模型对经过计算的数据通过Spring Boot等开发框架进行基于维度选择的报表展现。项目在面向用户的角度上分为文件上传、工作日历、用户分析、招聘分析、运营统计和权限控制六大功能模块,每个模块根据需求又分为若干子模块,以这些功能为公司人员提供信息和决策支持,从而促进企业的发展和经营效益的获取。本人参与了项目完整流程的开发,并依据软件工程思想和软件工程开发流程撰写了此论文。在本论文中,笔者首先描绘该企业决策支持系统的建设背景,然后对开发中使用的相关技术进行介绍,说明了系统实现的可行性。然后,通过对资源和用户的识别,进行了系统的功能性和非功能性需求分析。之后,在概要设计阶段,从总体架构、模块架构和数据库设计三方向对系统进行宏观上的构建。再在上述工作基础上,进行系统细节上的详细设计的探索说明,并通过代码转换为项目。最后,以系统的功能性和非功能性测试为系统上线作最后把关。
刘奕[5]（2020）在《5G网络技术对提升4G网络性能的研究》文中指出随着互联网的快速发展,越来越多的设备接入到移动网络,新的服务与应用层出不穷,对移动网络的容量、传输速率、延时等提出了更高的要求。5G技术的出现,使得满足这些要求成为了可能。而在5G全面实施之前,提高现有网络的性能及用户感知成为亟需解决的问题。本文从5G应用场景及目标入手,介绍了现网改善网络性能的处理办法,并针对当前5G关键技术 Massive MIMO 技术、MEC 技术、超密集组网、极简载波技术等作用开展探讨,为5G技术对4G 网络质量提升给以了有效参考。
李洁[6]（2019）在《数据驱动下数字图书馆知识发现服务创新模式与策略研究》文中认为我们已经从信息时代走进了数据驱动的“智能时代”,数据成为人们认识和解决问题的新的逻辑起点。“数据驱动”打破了基于知识解决问题的思维桎梏,形成了从问题到数据又回归问题的新方法论认识——基于数据解决问题。这一研究范式将数字图书馆知识发现服务从对问题本源的探索推向知识服务的本真,可以说,从数据直面用户、管理和服务为大数据环境下的数字图书馆知识发现服务供给侧的改革提供了一种新思路:知识发现服务要改变的不只是管理技术、管理规则或服务形式,而要涉及整个管理理念和服务体系。而大数据环境中,数字图书馆信息发生源越来越多,数据产出量越来越大,数字资源增长速率越来越快,数据异构性越来越明显,数据老化节奏越来越快,低价值密度隐患的知识饥渴和数据海啸的矛盾越来越突出,用户对发现服务的需求越来越多元,数字图书馆数据资源正面临着重新被发现的挑战。迎面变化和挑战,数字图书馆的知识发现服务不单要完成从文献数字化到内容数据化的知识组织转型,更应实现数字资源从内容数据化到数据智能化的价值开发和智慧洞见。数据驱动的科研范式开辟了知识发现的新路径,开启了数字图书馆知识服务的时代新转型。探索数据驱动理念下的数字图书馆知识发现服务模式的新形态,需要学习、内化数据科学相关理论,需要剖析知识发现的驱动要素和作用机制,需要打破传统的资源发现固化模式,创建知识发现服务的创新生态功能圈。融合数据驱动和知识发现的双重技术优势,数字图书馆知识发现服务创新模式应趋从数据化、数据向知识转化的语义关联、可视化和智能化驱动维度寻求用户数据、内容资源数据、专家数据、业务数据的新协同,开发用户画像、研究设计指纹、精准文献推荐等的新应用,强化数据的集群整合、提升平台的绿色联通、实现用户界面的友好交互,使数字图书馆成为支持用户知识探索与发现创造的智能服务系统,使数据资源最大化的进行价值开发与知识转化,使用户随时随地都能受益于数字图书馆高效、便捷、友好与智能的知识发现服务体验。基于此,本文通过对数据驱动、知识发现研究成果的追本溯源,界定数据驱动下的数字图书馆知识发现服务的核心理念;通过文献分析、调查访谈、仿真实验、模型训练等方法的综合运用,分析数字图书馆知识发现服务创新的数据环境、驱动机制、创新模式、模式应用以及创新策略制定。围绕主要研究内容,本文第三章从数据环境特征、数据环境变化和数据环境开发分析数据驱动下的数字图书馆知识发现服务的机遇与挑战;第四章结合数据要素、数据驱动过程、数据驱动维度探讨数字图书馆知识发现服务的数据驱动动力机制、流机制、协同驱动机制和数据驱动控制机制;第五章通过对数字图书馆知识发现服务模式创新衍变的内在使命分析,指出数字图书馆知识发现服务创新模式的构建依据、构建基础和构建过程;第六章对数字图书馆知识发现服务创新模式进行具体的用户画像、研究设计指纹、文本推荐和多粒度检索决策应用;第七章针对数字图书馆知识发现服务创新模式的具体瓶颈给出各驱动维度的应对策略。具体内容阐述如下:第3章数据驱动下数字图书馆知识发现服务的数据环境分析本章是对大数据驱动环境下的数字图书馆知识发现服务场域的情境解构。首先,基于大数据的4V特征,面向全数据,分析数字图书馆知识发现服务在数据形态、存在方式、存储模式、存储内容、数据价值等方面的特性。其次,探讨数据化、新一代信息技术、数据分析思维、数据密集型科学发现范式影响下的数字图书馆知识发现服务革新的优劣利弊。最后,基于环境特性和环境变化的双向作用状态定位数字图书馆知识发现服务发展的开发方向。明确本文研究目的的同时,引出4、5、6、7章节的主要研究任务。第4章数字图书馆知识发现服务创新的数据驱动机制分析本章作为第5章的铺垫,详细解析数字图书馆知识发现服务平台的数据要素和驱动作用形式。通过用户数据、资源内容数据、专家数据的分类界定,为第6章科研用户画像、研究设计指纹、精准文献推荐等的服务模式应用提供数据基础;通过数据化、语义关联、可视化、智能化的数据驱动维面的层级解构,为第7章的创新策略制定奠定优化主线;基于数据要素、驱动过程和驱动维面,从内外力作用的动力机制、输入-输出的流机制、数据融合的协同驱动机制以及数据驱动控制机制具体呈现数据驱动与知识发现服务交互融合的催化反应。第5章数据驱动下数字图书馆知识发现服务创新模式研究在前文研究的基础上,本章首先对数据驱动下数字图书馆知识发现服务创新模式的构建进行内在逻辑分析;其次,从资源发现既有模式、知识产品和技术支持方面阐述实现数字图书馆知识发现服务创新的外在基础;最后,综合内在逻辑和外在基础,进行创新模式的基础框架和平台架构的初步解构,并在此基础上进行数据驱动下的数字图书馆知识发现服务创新功能圈构建。第6章数据驱动下数字图书馆知识发现服务创新模式应用研究本章在第5章提出的创新模式的基础上,分别利用科研用户数据进行数字图书馆百度发现的科研用户画像构建,利用文献数据进行以研究对象、研究问题与研究方法为核心要素的研究设计指纹构造,结合用户画像和研究设计指纹实现精准文献推荐,并通过用户检索实验验证多粒度检索决策的优势。第7章数据驱动下数字图书馆知识发现服务创新策略研究基于第4章对数据驱动维度和驱动机制的分析,本章旨在明确数据化、语义化、关联化、可视化和智能化驱动的创新方向并进行相应的优化路径设计,针对数字图书馆知识发现服务创新的制约因素,给出切实可行的解决方案与对策建议。大数据环境下,重新界定数据驱动下的数字图书馆知识发现服务的内涵、探讨数字图书馆知识发现服务的数据驱动机制、创新数字图书馆既有的资源发现服务模式,有利于从方法论认识层面为数字图书馆知识发现服务的供给侧改革提供理论支持。数字图书馆知识发现服务的意义不仅在于它的统一检索及其延伸功能,更在于此基础上辅助科学发现的循证决策、智能管理和知识再造的服务价值。在人类不断探索未知与努力认识未知的道路上,数据驱动+知识发现的催化反应为科学发现的方法探索提供了一个可行参考,推动着数字图书馆知识发现服务在不断革新的历程中惠及更多的求知受众。
蒋勤德[7]（2019）在《基于OLAP技术的学科竞赛管理系统设计与实现》文中进行了进一步梳理随着社会信息技术的不断进步和我国教育事业的发展完善,学科竞赛的举办形式多种多样,参赛人数也越来越多。越来越多的高校开始对学科竞赛管理的历史数据进行复杂分析,而传统的事务处理（OLTP）方式不能满足高校从多角度分析数据的要求。针对这样的背景,提出了基于OLAP技术和数据库管理技术,结合高校学科竞赛的操作流程和管理特点,设计和开发了便于高校管理学科竞赛工作和对学科竞赛信息数据进行分析的学科竞赛管理系统,实现了通过对学科竞赛信息的综合分析应用,进而促进学校学科竞赛的发展和不断完善学校的教学,同时,为提高学校的学科竞赛研究水平和学科竞赛管理水平提供决策支持。本文主要工作包括以下几个方面:（1）进行学科竞赛管理系统的功能需求分析,得出学科竞赛管理系统的功能模块图、系统用例图以及时序图。（2）对学科竞赛管理系统进行设计。由于系统包含两个部分,一个是信息管理系统,另一个是维度分析,所以在数据库设计上,本系统先是设计对应信息管理系统的数据库,然后重新创建用于维度分析的OLAP数据库表。（3）设计与开发的学科竞赛管理系统主要功能模块,包括学生用户登录管理、注册管理、报名管理、竞赛公告信息管理、学校管理、专业管理、管理员信息管理、学生管理、比赛项目管理、竞赛公告管理、竞赛成绩管理和学科竞赛数据多维分析等功能模块。（4）通过实现和运行学科竞赛管理系统各个模块功能,展示了该系统的创新性、科学性、实用性,并分别展示时间维与学科竞赛数据的多维分析结果、科目维与学科竞赛数据的多维分析结果、地区维与学科竞赛数据的多维分析结果、学科竞赛数据的多维图形展示等。结果表明,基于OLAP技术的学科竞赛管理系统,数据展示一目了然,从不同的维度上对学科竞赛管理系统的数据进行复杂分析,从而为提高学校的学科竞赛研究水平和学科竞赛管理水平提供决策支持。
田晚彤[8]（2019）在《数据仓库和联机分析在医院数据决策分析的研究和应用》文中研究说明很多医院非常注重医疗服务信息化建设,医疗信息系统的大量应用提高了诊治过程和医疗服务的透明度,医疗质量得到较大提升。使用很长时间之后,这些系统中存在着大量数据,虽然这些历史数据与不断产生的新的数据之间还存在着关联性,但是因为受系统功能限制,数据并没有得到充分利用,其价值被忽视和浪费。因此,对于医院管理系统中的历史医疗数据进行数据清理,多维分析医疗业务并为管理者提供有价值的决策支持信息,成为各医疗机构开始重视的问题。本文研究了当前医院管理信息系统在数据使用中存在的问题,经过实地调研,了解了医院管理者的具体业务需求,利用数据仓库技术和联机分析技术设计数据仓库模型并对进行数据清理和分析。具体的解决方案是首先确定数据仓库主题,设计并搭建了数据仓库逻辑模型;其次,利用数据仓库数据清理工具对医院管理信息系统数据进行数据清理;然后,依据数据仓库主题,利用联机分析技术分析了医院管理者所关注的一些医院业务,结合SQL Server Analysis Services工具以图形化形式展示数据分析结果;最后,据此提出一些决策支持建议,为管理者的科学决策提供数据支持。本文设计的基于联机分析技术的数据仓库在运行期间表现良好,对医院管理信息系统多年积累的数据重新进行了数据清理,将医院业务中存在的业务需求以图形方式清晰展示给医院管理者,极大方便了用户从医院管理信息系统历史数据中发现有价值的信息,同时为医院管理者提供决策建议,具有较好的实用价值。
王充[9]（2019）在《基于流数据处理技术的银行在线交易服务系统的研究与实现》文中研究指明随着大数据处理技术不断发展,流式数据日益被人们所重视,并在多个行业领域体现出其价值,这为流数据处理技术提供了广阔应用空间,也带来了更多挑战,如何合理利用当前主流的流计算技术平台、有效整合并充分利用特定行业各类流数据价值,已成为当前流数据计算应用所面临的主要问题。本文首先介绍了流计算相关技术研究现状和银行业流数据应用背景,接着分析对比各主要流数据计算平台优缺点,然后结合国内某商业银行流数据应用场景分析,设计实现了基于Kafka、Storm和巨杉数据库的银行在线交易服务系统,并就如何确保该系统流计算事件顺序一致性、如何提升流计算任务调度效率、如何实现多节点计算任务动态负载均衡三个关键问题,分别提出和设计实现了相关处理机制,最后针对这些处理机制和系统整体实现情况进行了测试验证。本文主要开展了以下几个方面的创新工作:（1）为了确保金融交易流数据处理在事件顺序上的严格一致性,设计实现了基于事件时间戳对比的流计算防乱序机制ETBC（Event-Time Based Comparison）。实验结果表明,ETBC防乱序机制能够可靠地识别乱序记录,并有效阻止对乱序交易记录的数据整合。（2）针对Storm默认任务调度器分配策略单一的问题,为提高系统处理性能,设计了基于单节点优先策略的拓扑任务调度算法SNP（Single Node Priority）,并基于该算法实现了单节点优先策略调度器SNPScheduler。实验结果表明,SNPScheduler达成了跨节点任务分配最小化的效果,性能明显优于Storm默认调度器DefaultScheduler。（3）为了提高Storm集群各节点任务均衡负载程序,设计实现了基于集群从节点Slot资源使用率的动态负载调整机制SUDLA（Slot-Usage Based Dynamic Load Adjustment）。实验结果表明,SUDLA负载动态调整机制在兼顾拓扑任务跨节点分配最小化的基础上,实现了各节点匀衡负载最大化,提高了集群资源使用率。
刘炳含[10]（2019）在《基于大数据技术的电站机组节能优化研究》文中研究指明随着我国经济持续发展,能源消费保持增长态势。燃煤发电作为能源供应的支柱产业,在我国独特的能源结构作用下,将继续占据主导地位,也是我国实现优能降耗减排目标的关键。大数据、人工智能的崛起及迅猛发展,推动着智能化、信息化与工业化的深度融合,为我国发电企业由高能耗、高排放、低效率的粗放型发展方式向低能耗、低排放、高效率的绿色发展方式转变带来新的方式和机遇。随着电力系统信息集成化的普及应用,电站机组积累了海量运行数据,如何挖掘数据中的潜在价值并加以利用,已成为当前发电行业的重要研究领域。推广大数据技术在电站机组的多角度、深层次、宽范围的挖掘与应用,对提高机组效率及深化优能降耗具有重要意义。首先,通过对电力大数据定义及特征的概括分析,阐述了电站机组大数据的定义及价值。针对电站机组大数据的挖掘过程,提出电站机组大数据的层级架构设计;同时,依据电站大数据处理关键技术,构建电站大数据生态系统应用框架,引入大数据存储与批处理技术,实现电站机组大数据的信息挖掘与获取。其次,深入分析电站机组海量运行数据特点及数据质量,阐明质量缺陷及原因,明确数据处理策略及方法。在电站机组数据检测中,采用多参数阈值判断法筛选稳态工况数据。在数据预处理中,利用双线性插值法及联合概率密度法分别处理数据空缺值及离散值;同时,针对电站机组大数据高维度、非线性的特点,引入模糊粗糙集理论,建立电站机组大数据特征参数选择方法,剔除冗余或无关参数,精简特征参数集,保证大数据挖掘处理的高效率性与高精度性。再次,开展基于大数据技术的电站机组能耗分析方法。以模糊粗糙集属性约简为基础,通过Canopy算法对K-means聚类算法改进,并将改进K-means聚类算法在Hadoop平台上实现并行化计算,实现全工况高效寻优确定电站机组运行目标基准值。同时,建立支持向量机能耗敏感性分析模型,依据供电煤耗与输入特征参数之间的依赖度及相关性,分析不同负荷工况下关键特征参数对供电煤耗的敏感性系数。然后,分析厂网两级负荷优化分配现状,针对电力发展清洁型、灵活型、智能型需求,提出基于大数据技术的考虑边界条件及污染物排放的多目标厂级负荷优化分配策略。基于电站机组的海量运行数据,引入大数据分析方法,通过粒子群算法对支持向量机进行改进,建立厂级快速性、经济性、环保性多目标负荷优化预测模型;并利用MapReduce并行编程模型实现对NSGA-Ⅱ优化算法的并行化处理,完成厂级多目标负荷优化分配计算。以此为基础开展的厂级负荷优化分配可有效降低电站机组供电煤耗及污染物排放,对电力系统节能发电调度具有参考意义。最后,开展燃气电站机组对标管理综合评估研究。在分析研究燃气电厂对标管理评估特点及表征参数的基础上,从安全环保、机组可靠、设备管理、经济运营、生产技术5个方面建立燃气电站机组对标管理综合评价指标体系:同时,基于大数据分析方法的粗糙集属性约简原理,结合向量夹角余弦与主成分分析法,建立燃气电站机组对标管理综合评估模型。针对模型赋权方案,建立基于指标权值的敏感性分析模型,检验结果表明所建立的燃气电站机组对标管理综合评价模型的权值分配敏感性较低,模型评价结果稳定,鲁棒性好,为燃气电厂企业对标管理及电厂机组间竞赛提供指导和帮助。
二、数据库复制技术在数据仓库化的决策支持系统中的应用（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、数据库复制技术在数据仓库化的决策支持系统中的应用（论文提纲范文）
（1）石化企业多源知识发现与管理方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.1.1 知识管理的必要性 |
| 1.1.2 知识管理的经济价值 |
| 1.1.3 石化企业的知识管理 |
| 1.2 研究意义 |
| 1.2.1 理论价值 |
| 1.2.2 现实意义 |
| 1.3 研究内容与结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 结构安排 |
| 1.4 主要贡献和创新点 |
| 2 理论与方法综述 |
| 2.1 企业知识管理理论与方法 |
| 2.1.1 背景介绍 |
| 2.1.2 企业知识管理相关概念 |
| 2.1.3 国外主流知识管理思想 |
| 2.1.4 利用知识挖掘提高组织资本和企业竞争力 |
| 2.2 国内石化企业知识管理研究现状 |
| 2.2.1 石化企业知识管理的进展 |
| 2.2.2 基于多源知识发现实施石化企业知识管理的必要性 |
| 2.3 基于大数据分析的知识管理方法 |
| 2.3.1 多特征融合统计学习方法 |
| 2.3.2 多源异构数据知识发现方法 |
| 2.3.3 基于大数据分析的社会化管理方法 |
| 2.4 文本语料分析基本方法 |
| 2.4.1 技术挑战 |
| 2.4.2 文档处理和分词 |
| 2.4.3 数据降维及语义分析 |
| 2.4.4 文本语料分类和聚类 |
| 2.5 小结 |
| 3 石化企业知识管理的影响因素分析 |
| 3.1 石化企业知识管理的要求与方法 |
| 3.1.1 石化企业创新发展要求与创新要素 |
| 3.1.2 提升石化企业知识管理水平的方法 |
| 3.2 石化企业知识管理的影响因素 |
| 3.2.1 企业知识管理的影响因素 |
| 3.2.2 石化企业知识管理方法的基本要素 |
| 3.3 基于多源信息的石化企业知识管理实施框架与检验方法 |
| 3.3.1 知识管理方法实施框架 |
| 3.3.2 研究维度、效度及其检验方法 |
| 3.4 小结 |
| 4 基于多源信息融合的石化企业员工行为建模 |
| 4.1 网络社会化行为建模面临的挑战 |
| 4.2 网络社会化行为的特点与数据维度 |
| 4.3 问题研究的准备工作和总体思路 |
| 4.3.1 词汇范畴分析 |
| 4.3.2 数据收集 |
| 4.3.3 总体框架 |
| 4.4 员工行为建模方法 |
| 4.4.1 员工属性信息建模 |
| 4.4.2 工作行为建模 |
| 4.4.3 网络行为建模 |
| 4.5 指标相关性预测模型与知识管理 |
| 4.5.1 指标相关性预测模型和求解 |
| 4.5.2 指标分析和知识管理 |
| 4.5.3 指标相关性预测模型研究小结 |
| 4.6 企业员工的社群分析 |
| 4.6.1 企业员工社群分析的研究背景 |
| 4.6.2 企业员工行为的时间分布建模 |
| 4.6.3 社群发现 |
| 4.6.4 相似度学习及特征权重学习 |
| 4.6.5 企业员工社群分析研究小结 |
| 5 基于多源大数据分析的企业客户关系管理 |
| 5.1 客户关系管理(CRM) |
| 5.2 石化企业客户管理的必要性和基本管理思路 |
| 5.3 指标相关性建模方法 |
| 5.4 基于商业行为分析的企业客户分类方法 |
| 5.5 小结 |
| 6 实验研究与算例分析 |
| 6.1 多源信息融合实验 |
| 6.2 员工社群发现 |
| 6.3 员工社群类型的知识发现及讨论 |
| 6.4 企业客户信息搜集和指标相关性建模 |
| 6.5 企业分类实验评测 |
| 6.6 知识管理效果评估-以企业员工管理为例 |
| 6.7 实验讨论和小结 |
| 7 研究结论与讨论 |
| 7.1 基本结论 |
| 7.2 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）风电-储能价值链协同决策模型及信息系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 风电-储能价值链研究现状 |
| 1.2.2 风电-储能价值链利益管理决策 |
| 1.2.3 风电-储能价值链协同优化决策 |
| 1.2.4 风电-储能价值链价值增值效应决策 |
| 1.2.5 信息技术与价值链协同方面研究 |
| 1.3 论文主要研究内容和创新点 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文研究创新点 |
| 第2章 风电-储能价值链构建及协同决策分析 |
| 2.1 风电及储能现状分析 |
| 2.1.1 风电发展现状 |
| 2.1.2 风电与储能协同发展现状 |
| 2.1.3 风电和储能协同发展瓶颈分析 |
| 2.2 风电-储能价值链内涵与构建 |
| 2.2.1 风电产业链和价值链 |
| 2.2.2 风电-储能价值链的基本内涵 |
| 2.2.3 风电-储能价值链的构建 |
| 2.2.4 新一代信息技术对风电-储能价值链的支撑 |
| 2.3 风电-储能价值链协同决策理论框架分析 |
| 2.3.1 协同决策的必要性 |
| 2.3.2 协同决策问题分析 |
| 2.3.3 协同决策维度 |
| 2.3.4 协同决策内容 |
| 2.3.5 协同决策框架 |
| 2.4 本章小结 |
| 第3章 风电-储能价值链利益管理的协同决策模型 |
| 3.1 引言 |
| 3.2 风电商-储能商协同交易模式及分析 |
| 3.3 风电商-储能商协同演化博弈模型 |
| 3.3.1 演化博弈理论 |
| 3.3.2 模型假设 |
| 3.3.3 协同交易策略及收益函数 |
| 3.3.4 动态演化博弈模型及分析 |
| 3.4 仿真验证及结果分析 |
| 3.4.1 仿真设计 |
| 3.4.2 结果分析 |
| 3.4.3 敏感性分析 |
| 3.5 本章小结 |
| 第4章 风电-储能价值链容量管理的协同决策模型 |
| 4.1 引言 |
| 4.2 储能容量管理的协同框架及分析 |
| 4.3 储能容量管理的运行策略及模型构建 |
| 4.3.1 WF-HESS运行策略 |
| 4.3.2 WF-HESS组件模型 |
| 4.3.3 WF-HESS能量管理模型 |
| 4.4 储能容量管理的协同优化决策模型 |
| 4.4.1 多目标协同优化决策模型 |
| 4.4.2 基于MOPSO和TOPSIS的求解算法 |
| 4.4.3 算例分析 |
| 4.5 本章小结 |
| 第5章 风电-储能价值链用能管理的协同决策模型 |
| 5.1 引言 |
| 5.2 用能管理的协同框架及分析 |
| 5.3 系统组件模型构建与控制策略 |
| 5.3.1 组件模型构建 |
| 5.3.2 系统控制策略 |
| 5.4 用能管理的协同优化决策模型 |
| 5.4.1 目标函数 |
| 5.4.2 约束条件 |
| 5.4.3 基于IAGA的模型求解算法 |
| 5.4.4 情景分析 |
| 5.5 本章小结 |
| 第6章 风电-储能价值链价值增值效应的协同决策模型 |
| 6.1 引言 |
| 6.2 价值增值效应决策指标体系 |
| 6.2.1 指标构建原则 |
| 6.2.2 指标体系构建 |
| 6.3 价值链价值增值效应决策模型 |
| 6.3.1 决策指标的预处理 |
| 6.3.2 区间二型模糊数确定指标权重 |
| 6.3.3 区间二型模糊TOPSIS综合决策模型 |
| 6.4 算例分析 |
| 6.4.1 基础数据 |
| 6.4.2 结果分析 |
| 6.4.3 讨论分析 |
| 6.5 本章小结 |
| 第7章 风电-储能价值链信息系统架构设计 |
| 7.1 系统分析 |
| 7.1.1 系统需求分析 |
| 7.1.2 可行性分析 |
| 7.2 整体架构设计 |
| 7.2.1 设计原则 |
| 7.2.2 工作流程设计 |
| 7.2.3 系统架构 |
| 7.2.4 物联集成模型 |
| 7.2.5 信息集成与共享模型 |
| 7.3 系统功能设计 |
| 7.3.1 数据库设计 |
| 7.3.2 模型库设计 |
| 7.3.3 方法库设计 |
| 7.3.4 功能架构设计 |
| 7.4 关键技术 |
| 7.5 本章小结 |
| 第8章 研究成果与结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（3）基于人工智能的政府治理模式变革研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与研究问题 |
| 1.1.1 时代境遇之必然:人工智能时代的大幕初启 |
| 1.1.2 治理转型之诉求:面向智能时代的政府治理变革趋向 |
| 1.1.3 研究问题之提出:如何善用人工智能驱动政府治理模式变革 |
| 1.1.4 研究意义之阐发:描绘人工智能时代政府治理的智治图景 |
| 1.2 国内外研究现状述评 |
| 1.2.1 国外研究回顾 |
| 1.2.2 国内研究回顾 |
| 1.2.3 研究现状评析 |
| 1.3 研究方法与研究框架 |
| 1.3.1 研究方法 |
| 1.3.2 研究框架 |
| 1.4 研究内容与创新之处 |
| 1.4.1 研究内容 |
| 1.4.2 可能的创新点 |
| 1.5 本章小结 |
| 第2章 人工智能与政府治理模式变革的知识基础 |
| 2.1 核心概念 |
| 2.1.1 认识人工智能:一项正在“挑战人”的新兴技术 |
| 2.1.2 政府治理模式:理念、结构和方式 |
| 2.2 典型范式 |
| 2.2.1 数字治理、数据治理、智能治理和智慧治理的具体释义 |
| 2.2.2 数字治理、数据治理、智能治理和智慧治理的关系辨析 |
| 2.3 理论源流 |
| 2.3.1 汲取新公共管理理论思想养分 |
| 2.3.2 审视技术治理理论的合理面向 |
| 2.3.3 数字治理理论催生的智慧政府 |
| 2.3.4 现代系统管理理论的理论启示 |
| 2.4 本章小结 |
| 第3章 人工智能与政府治理模式变革的逻辑理路 |
| 3.1 人工智能驱动政府治理模式变革的内在逻辑 |
| 3.1.1 人工智能驱动政府治理模式变革的内在关联 |
| 3.1.2 人工智能驱动政府治理模式变革的客观基础 |
| 3.2 人工智能驱动政府治理模式变革的技术逻辑 |
| 3.2.1 以“数据”促“善治”的数据驱动逻辑 |
| 3.2.2 以“算法”谋“善治”的算法主导逻辑 |
| 3.2.3 从“链接”到“互嵌”的智能融合逻辑 |
| 3.3 人工智能驱动政府治理模式变革的价值逻辑 |
| 3.3.1 公平与公正——应确保公平公正对待所有人 |
| 3.3.2 安全与隐私——应确保安全可靠、尊重隐私 |
| 3.3.3 开放与包容——应实现开放参与、人人赋能 |
| 3.3.4 透明与责任——应实现易于理解、透明负责 |
| 3.4 人工智能驱动政府治理模式变革的目标逻辑 |
| 3.4.1 由传统扩张型政府走向收缩型政府 |
| 3.4.2 由传统封闭型政府走向开放型政府 |
| 3.4.3 由传统粗放型政府走向精细化政府 |
| 3.4.4 由传统电子化政府走向智能化政府 |
| 3.5 本章小结 |
| 第4章 人工智能驱动政府治理模式变革的运作机理 |
| 4.1 技术与结构的互动:人工智能驱动政府治理模式变革的逻辑结构 |
| 4.1.1 技术的原始吸纳:治理绩效需求催生人工智能技术引入 |
| 4.1.2 技术与组织互构:人工智能技术驱动政府组织形态变革 |
| 4.1.3 政府的自我重塑:政府组织形态变革引致治理模式转型 |
| 4.2 渗透·传导·扩散:人工智能驱动政府治理模式变革的微观机制 |
| 4.2.1 渗透:人工智能引致政府治理理念转变 |
| 4.2.2 传导:人工智能带来政府治理结构调整 |
| 4.2.3 扩散:人工智能驱动政府治理方式创新 |
| 4.3 理念·结构·方式:人工智能驱动政府治理模式变革的具体维度 |
| 4.3.1 思维理念的更新:智慧治理成为政府治理的核心理念 |
| 4.3.2 治理结构的重塑:多元协同成为政府治理的关系结构 |
| 4.3.3 治理方式的转换:智能治理成为政府治理的行动特征 |
| 4.4 以“善智”促善治:人工智能驱动政府治理模式变革的实现进路 |
| 4.4.1 “善智”引入之必要:人工智能“向善”与“为恶”的双重面相 |
| 4.4.2 “善智”之多维解读:基于“价值—技术—应用”复合分析框架 |
| 4.4.3 以“善智”实现善治:人工智能驱动政府治理模式变革的逻辑关联 |
| 4.5 本章小结 |
| 第5章 人工智能驱动政府治理模式变革的实践审视 |
| 5.1 人工智能嵌入政府治理过程的客观挑战 |
| 5.1.1 人工智能场景下公共行政的责任困境 |
| 5.1.2 人工智能挑战公共管理者的传统角色 |
| 5.1.3 人工智能对传统公共行政文化的挑战 |
| 5.2 人工智能嵌入政府治理过程的技术风险 |
| 5.2.1 安全失序 |
| 5.2.2 公平丧失 |
| 5.2.3 隐私泄露 |
| 5.3 人工智能驱动政府治理模式变革的典型案例 |
| 5.3.1 智能化治理的中国场景:浙江、广东和上海实践 |
| 5.3.2 智能化治理的世界经验:美国、“英国—欧盟”和韩国 |
| 5.3.3 国内外智能化治理实践的实践反思 |
| 5.4 本章小结 |
| 第6章 人工智能驱动政府治理模式变革的行动策略 |
| 6.1 认识更新:提升对人工智能嵌入政府治理的理性认知 |
| 6.1.1 意识层面:重视人工智能对人类政府运行的影响 |
| 6.1.2 知识层面:加强对人工智能相关理论的宣传讲解 |
| 6.1.3 行为层面:打造善用人工智能技术的组织内文化 |
| 6.2 技术治理:构建确保人工智能向善的完备治理体系 |
| 6.2.1 技术治理行动者的协同:优化人工智能治理的主体生态 |
| 6.2.2 技术治理内容的全覆盖:聚焦人工智能治理的要素层次 |
| 6.2.3 技术适用情景的精准化:开发面向政府场景的人工智能 |
| 6.3 制度跟进:健全政府治理运用人工智能的制度规则 |
| 6.3.1 完善面向智能行政场景的制度法规 |
| 6.3.2 建立起部门间数据共享和互通规则 |
| 6.3.3 建构智能场景下技术责任应对体系 |
| 6.4 机制创新:完善人工智能嵌入政府治理的实践机制 |
| 6.4.1 建立起人工智能的专业机构和领导体系 |
| 6.4.2 建立起专业的人才管理制度和培养机制 |
| 6.4.3 建立完善的人工智能应用科学评估机制 |
| 6.5 本章小结 |
| 第7章 结语和展望 |
| 7.1 研究结语 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间科研工作情况 |
（4）基于数据仓库的企业决策支持系统的设计与实现（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 项目背景 |
| 1.2 项目研究意义与目的 |
| 1.3 国内外发展现状 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 2 系统相关技术简介 |
| 2.1 数据仓库 |
| 2.2 Hive |
| 2.3 数据库 |
| 2.4 Sqoop |
| 2.5 Spring Boot框架 |
| 2.6 My Batis框架 |
| 2.7 本章小结 |
| 3 系统需求分析 |
| 3.1 系统需求分析总览 |
| 3.2 数据获取需求分析 |
| 3.3 数据存储与处理需求分析 |
| 3.4 数据应用需求分析 |
| 3.5 系统非功能性需求分析 |
| 3.6 本章小结 |
| 4 系统概要设计 |
| 4.1 系统总体架构设计 |
| 4.2 系统模块设计 |
| 4.3 数据库设计 |
| 4.3.1 MySQL表 |
| 4.3.2 Hive表 |
| 4.4 本章小结 |
| 5 系统详细设计与实现 |
| 5.1 数据获取的文件上传模块 |
| 5.1.1 模块设计描述 |
| 5.1.2 模块流程图 |
| 5.1.3 模块时序图 |
| 5.1.4 模块类图 |
| 5.2 数据存储与处理 |
| 5.2.1 问题识别与解决思路 |
| 5.2.2 数据仓库层次设计 |
| 5.2.3 ETL模块 |
| 5.3 数据应用的招聘分析模块 |
| 5.3.1 模块设计描述 |
| 5.3.2 模块流程图 |
| 5.3.3 模块类图 |
| 5.3.4 模块时序图 |
| 5.4 数据应用的工作日历模块 |
| 5.4.1 模块设计描述 |
| 5.4.2 模块流程图 |
| 5.4.3 模块类图 |
| 5.5 数据应用的用户分析模块 |
| 5.5.1 模块设计描述 |
| 5.5.2 模块流程图 |
| 5.5.3 模块类图 |
| 5.5.4 聚类分组算法实现过程 |
| 5.6 本章小结 |
| 6 系统测试 |
| 6.1 功能性测试 |
| 6.2 非功能性测试 |
| 6.3 本章小结 |
| 7 结论与展望 |
| 7.1 工作总结 |
| 7.2 工作展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（5）5G网络技术对提升4G网络性能的研究（论文提纲范文）
| 引言 |
| 1 4G网络现处理办法 |
| 2 4G网络可应用的5G关键技术 |
| 2.1 Msssive MIMO技术 |
| 2.2 极简载波技术 |
| 2.3 超密集组网 |
| 2.4 MEC技术 |
| 3 总结 |
（6）数据驱动下数字图书馆知识发现服务创新模式与策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 数据驱动研究现状 |
| 1.2.2 知识发现研究现状 |
| 1.2.3 研究现状评析 |
| 1.3 研究内容、方法与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 研究技术路线 |
| 1.4 创新点 |
| 第2章 相关概念与理论基础 |
| 2.1 相关概念 |
| 2.1.1 数据驱动 |
| 2.1.2 知识发现 |
| 2.1.3 Web级资源发现 |
| 2.1.4 数字图书馆知识发现服务 |
| 2.2 理论基础 |
| 2.2.1 数据密集型科学发现理论 |
| 2.2.2 数据驱动控制理论 |
| 2.2.3 数据挖掘与知识发现理论 |
| 2.3 本章小结 |
| 第3章 数据驱动下数字图书馆知识发现服务的数据环境分析 |
| 3.1 数字图书馆知识发现服务的数据环境特征 |
| 3.1.1 馆藏数据来源的广泛性及数据形态和存在方式的多样性 |
| 3.1.2 数据存储模式多样化及存储内容的非结构化和碎片化 |
| 3.1.3 数据资源价值的低密度和高变现潜能 |
| 3.2 数字图书馆知识发现服务的数据环境变化 |
| 3.2.1 从“数字化”到“数据化”的演化 |
| 3.2.2 新一代信息技术的涌现 |
| 3.2.3 数据分析思维模式的形成 |
| 3.2.4 数据密集型科学发现应用趋势 |
| 3.3 数字图书馆知识发现服务的数据环境开发与应用 |
| 3.3.1 数字图书馆知识发现服务在大数据环境中的新定位 |
| 3.3.2 开发数字图书馆知识发现服务数据驱动的新机制 |
| 3.3.3 创新数据驱动下数字图书馆知识发现服务的新模式 |
| 3.3.4 开发数据驱动下数字图书馆知识发现服务的新业态 |
| 3.4 本章小结 |
| 第4章 数字图书馆知识发现服务创新的数据驱动机制分析 |
| 4.1 数字图书馆知识发现服务创新数据驱动机制的数据要素 |
| 4.1.1 用户数据要素 |
| 4.1.2 内容资源要素 |
| 4.1.3 专家数据要素 |
| 4.2 数字图书馆知识发现服务创新的数据驱动过程与维度 |
| 4.2.1 数字图书馆知识发现服务创新的数据驱动过程 |
| 4.2.2 数字图书馆知识发现服务创新的数据驱动维度 |
| 4.3 数字图书馆知识发现服务创新的数据驱动动力机制 |
| 4.3.1 数字图书馆知识发现服务创新的数据驱动动力类型 |
| 4.3.2 数字图书馆知识发现服务创新的数据驱动动力关系分析 |
| 4.3.3 数字图书馆知识发现服务创新的数据驱动动力仿真模型 |
| 4.4 数字图书馆知识发现服务创新的流驱动机制 |
| 4.4.1 数字图书馆知识发现服务创新的流驱动特征 |
| 4.4.2 数字图书馆知识发现服务创新的流驱动过程 |
| 4.4.3 数字图书馆知识发现服务创新的流驱动机制模型 |
| 4.5 数字图书馆知识发现服务创新的数据协同驱动机制 |
| 4.5.1 数字图书馆知识发现服务创新的数据协同驱动内涵 |
| 4.5.2 数字图书馆知识发现服务创新的数据协同驱动目标 |
| 4.5.3 数字图书馆知识发现服务创新的数据协同驱动机制模型 |
| 4.6 数字图书馆知识发现服务创新的数据驱动控制机制 |
| 4.6.1 数字图书馆知识发现服务创新的数据驱动控制内涵 |
| 4.6.2 数字图书馆知识发现服务创新的数据驱动控制方法 |
| 4.6.3 数字图书馆知识发现服务创新的数据驱动控制模型 |
| 4.7 本章小结 |
| 第5章 数据驱动下数字图书馆知识发现服务创新模式研究 |
| 5.1 数字图书馆知识发现服务创新模式问题的提出 |
| 5.2 数字图书馆知识发现服务创新模式构建基础 |
| 5.2.1 数字图书馆知识发现服务创新的模式基础 |
| 5.2.2 数字图书馆知识发现服务创新的产品基础 |
| 5.2.3 数字图书馆知识发现服务创新的技术基础 |
| 5.3 数字图书馆知识发现服务创新功能圈构建 |
| 5.3.1 数字图书馆知识发现服务创新功能圈的框架设计 |
| 5.3.2 数字图书馆知识发现服务创新功能圈的架构分析 |
| 5.3.3 数字图书馆知识发现服务创新功能圈的建立 |
| 5.4 本章小结 |
| 第6章 数据驱动下数字图书馆知识发现服务创新模式应用研究 |
| 6.1 数字图书馆知识发现服务科研用户画像应用 |
| 6.1.1 用户画像数据收集 |
| 6.1.2 用户画像模型构建 |
| 6.1.3 用户画像实验分析 |
| 6.2 数字图书馆文献资源研究设计指纹识别应用 |
| 6.2.1 研究设计指纹识别基础 |
| 6.2.2 数据标注 |
| 6.2.3 研究设计指纹生成模型训练 |
| 6.2.4 结果与讨论 |
| 6.3 融合用户画像和研究设计指纹的文献推荐应用 |
| 6.3.1 文献推荐模型构建 |
| 6.3.2 文献推荐仿真实验 |
| 6.3.3 结果与讨论 |
| 6.4 数字图书馆知识发现服务多粒度检索决策应用 |
| 6.4.1 实验准备 |
| 6.4.2 实验描述 |
| 6.4.3 实验结果及讨论 |
| 6.5 本章小结 |
| 第7章 数据驱动下数字图书馆知识发现服务创新策略研究 |
| 7.1 数字图书馆知识发现服务创新的优化方向与路径 |
| 7.1.1 数字图书馆知识发现服务创新的优化方向 |
| 7.1.2 数字图书馆知识发现服务创新的优化路径 |
| 7.2 数字图书馆知识发现服务创新的数据化优化 |
| 7.2.1 数据化优化阻碍 |
| 7.2.2 数据化优化策略 |
| 7.3 数字图书馆知识发现服务创新的语义关联优化 |
| 7.3.1 语义关联优化阻碍 |
| 7.3.2 语义关联优化策略 |
| 7.4 数字图书馆知识发现服务创新的可视化优化 |
| 7.4.1 可视化优化阻碍 |
| 7.4.2 可视化优化策略 |
| 7.5 数字图书馆知识发现服务创新的智能化优化 |
| 7.5.1 智能化优化阻碍 |
| 7.5.2 智能化优化策略 |
| 7.6 本章小结 |
| 第8章 研究结论与展望 |
| 8.1 研究结论 |
| 8.2 研究局限 |
| 8.3 研究展望 |
| 参考文献 |
| 作者简介与研究成果 |
| 致谢 |
（7）基于OLAP技术的学科竞赛管理系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文的背景和意义 |
| 1.1.1 论文的背景 |
| 1.1.2 论文的目的与意义 |
| 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 主要研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关技术 |
| 2.1 PHP简介 |
| 2.2 OLAP技术 |
| 2.2.1 关于OLAP技术的几个概念 |
| 2.2.2 关于OLAP技术的一些特点 |
| 2.3 OLAP和 OLTP |
| 2.4 多维MOLAP和关系ROLAP |
| 2.5 MDX查询语句 |
| 2.6 OLAP技术与学科竞赛管理系统的结合 |
| 2.7 本章小结 |
| 第三章 学科竞赛管理系统的需求分析 |
| 3.1 系统开发目标分析 |
| 3.2 系统的可行性分析 |
| 3.3 学科竞赛管理的流程分析 |
| 3.4 系统功能性需求分析 |
| 3.5 系统用户用例分析 |
| 3.5.1 学生用户用例分析 |
| 3.5.2 管理员用户用例分析 |
| 3.6 系统非功能性需求分析 |
| 3.7 本章小结 |
| 第四章 学科竞赛管理系统的设计 |
| 4.1 系统设计目标 |
| 4.2 系统逻辑结构设计 |
| 4.3 系统功能模块设计 |
| 4.4 时序图设计 |
| 4.5 系统数据库设计 |
| 4.5.1 E-R图设计 |
| 4.5.2 源数据库表设计 |
| 4.5.3 多维数据库设计 |
| 4.6 本章小结 |
| 第五章 学科竞赛管理系统的实现 |
| 5.1 系统开发软件环境 |
| 5.2 系统功能的实现 |
| 5.2.1 系统登录、注册和考试报名 |
| 5.2.2 学校管理和专业管理模块 |
| 5.2.3 管理员管理和学生管理模块 |
| 5.2.4 学科竞赛和公告管理 |
| 5.2.5 学生报名管理 |
| 5.2.6 成绩数据查询 |
| 5.2.7 学科竞赛数据多维分析 |
| 5.3 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 |
| 攻读学位期间发表论文情况 |
（8）数据仓库和联机分析在医院数据决策分析的研究和应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究现状 |
| 1.3 论文研究目的 |
| 1.4 论文组织结构 |
| 2 相关理论和关键技术 |
| 2.1 数据仓库和数据库 |
| 2.1.1 数据仓库和数据库的特点 |
| 2.1.2 数据仓库与操作数据库区别 |
| 2.2 联机分析技术 |
| 2.2.1 联机分析系统组件 |
| 2.2.2 联机分析体系结构 |
| 2.2.3 联机分析规则 |
| 2.2.4 联机分析、数据挖掘和数据仓库的关联 |
| 2.3 本章小结 |
| 3 需求分析和数据仓库设计 |
| 3.1 需求分析 |
| 3.1.1 医院历史数据文件 |
| 3.1.2 医院总体需求 |
| 3.2 整体设计 |
| 3.2.1 解决方案 |
| 3.2.2 方案整体架构 |
| 3.2.3 系统开发环境和工具 |
| 3.3 数据仓库设计 |
| 3.3.1 数据仓库主题 |
| 3.3.2 维度设计 |
| 3.3.3 维表设计 |
| 3.3.4 事实表设计 |
| 3.3.5 逻辑模型设计 |
| 3.4 本章小结 |
| 4 医院数据分析决策应用 |
| 4.1 数据清理 |
| 4.1.1 数据抽取 |
| 4.1.2 数据有效性检查 |
| 4.1.3 数据转换 |
| 4.1.4 数据载入 |
| 4.2 联机分析应用 |
| 4.2.1 建立多维数据集 |
| 4.2.2 联机分析技术应用 |
| 4.2.3 图形化数据分析 |
| 4.3 决策支持建议 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
| 附录 |
（9）基于流数据处理技术的银行在线交易服务系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内研究及应用现状 |
| 1.2.1 流数据处理技术应用现状 |
| 1.2.2 国内银行业流数据处理现状 |
| 1.3 研究目标及内容 |
| 1.4 论文结构 |
| 第二章 流数据处理技术 |
| 2.1 流数据复制、采集及缓存技术 |
| 2.1.1 IBM Info Sphere CDC |
| 2.1.2 Oracle Golden Gate |
| 2.1.3 Flume |
| 2.1.4 Apache Kafka |
| 2.1.5 技术选型 |
| 2.2 流数据计算技术 |
| 2.2.1 Apache Storm |
| 2.2.2 雅虎S4 |
| 2.2.3 Spark Streaming |
| 2.2.4 Apache Flink |
| 2.2.5 技术选型 |
| 2.3 非关系型数据库技术 |
| 2.3.1 HBase |
| 2.3.2 Redis |
| 2.3.3 巨杉数据库Sequoia DB |
| 2.3.4 技术选型 |
| 2.4 本章小结 |
| 第三章 系统需求分析及架构设计 |
| 3.1 系统需求分析 |
| 3.1.1 数据来源及流数据采集需求 |
| 3.1.2 流数据整合计算需求 |
| 3.1.3 数据持久化存储需求 |
| 3.1.4 非功能性需求分析 |
| 3.2 系统架构设计 |
| 3.2.1 总体架构 |
| 3.2.2 流数据采集及缓存模块 |
| 3.2.3 流数据计算模块 |
| 3.2.4 数据持久化模块 |
| 3.2.5 平台管理模块 |
| 3.2.6 对外服务接口模块 |
| 3.2.7 非功能项设计 |
| 3.3 本章小结 |
| 第四章 关键技术的设计与实现 |
| 4.1 基于时间戳排序的流计算防乱序机制 |
| 4.1.1 流数据计算的乱序问题 |
| 4.1.2 ETBC防乱序机制的算法设计 |
| 4.1.3 ETBC防乱序机制的实现 |
| 4.2 基于单节点优先的拓扑任务调度机制 |
| 4.2.1 SNP任务分配调度机制的设计 |
| 4.2.2 SNPScheduler调度器的实现 |
| 4.3 基于SLOT使用率的动态负载调整机制 |
| 4.3.1 SNPScheduler调度器带来的问题 |
| 4.3.2 SUDLA负载动态调整机制的设计实现 |
| 4.4 本章小结 |
| 第五章 系统验证 |
| 5.1 流数据防乱序机制的测试 |
| 5.1.1 测试环境 |
| 5.1.2 测试步骤 |
| 5.1.3 测试结果及分析 |
| 5.2 单节点优先任务调度器的测试 |
| 5.2.1 测试环境 |
| 5.2.2 测试步骤 |
| 5.2.3 测试结果及分析 |
| 5.3 基于SLOT使用率的负载动态调整器的测试 |
| 5.3.1 测试环境 |
| 5.3.2 测试步骤 |
| 5.3.3 测试结果及分析 |
| 5.4 系统整体验证 |
| 5.4.1 测试目的 |
| 5.4.2 测试环境 |
| 5.4.3 测试过程 |
| 5.4.4 测试结果 |
| 5.5 本章小结 |
| 结论 |
| 总结 |
| 不足与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（10）基于大数据技术的电站机组节能优化研究（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 |
| 1.1.1 能源行业大数据技术发展需求 |
| 1.1.2 电力行业迈进大数据时代 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 电力大数据研究现状及发展趋势 |
| 1.2.2 电站机组节能降耗研究现状 |
| 1.3 论文的研究内容 |
| 第2章 电站大数据架构及理论基础 |
| 2.1 引言 |
| 2.2 电站大数据概念及特性 |
| 2.3 电站大数据架构体系 |
| 2.3.1 电站大数据架构 |
| 2.3.2 电站大数据关键技术 |
| 2.4 电站大数据平台 |
| 2.4.1 电站大数据平台架构 |
| 2.4.2 电站大数据平台搭建与配置 |
| 2.5 电站大数据理论基础 |
| 2.5.1 大数据存储 |
| 2.5.2 大数据计算技术 |
| 2.5.3 数据挖掘技术 |
| 2.6 本章小结 |
| 第3章 电厂实时大数据预处理及特征参数选择研究 |
| 3.1 引言 |
| 3.2 电站大数据预处理 |
| 3.2.1 数据稳态检测 |
| 3.2.2 大数据清理 |
| 3.3 电站机组关键能耗特征参数选择 |
| 3.3.1 特征参数选择方法概述 |
| 3.3.2 模糊粗糙集理论与方法 |
| 3.3.3 关键能耗特征参数选择实例分析 |
| 3.4 本章小结 |
| 第4章 基于大数据技术的电站机组能耗分析 |
| 4.1 引言 |
| 4.2 电站机组能耗分析策略 |
| 4.2.1 电站机组关键能耗特征参数分析 |
| 4.2.2 大数据技术新算法确定基准值策略 |
| 4.2.3 K-means聚类 |
| 4.2.4 Canopy算法 |
| 4.2.5 基于MapReduce架构的新算法实现 |
| 4.2.6 基于支持向量机的能耗敏感性分析模型 |
| 4.3 电站机组应用实例 |
| 4.3.1 确定研究对象及目标 |
| 4.3.2 算法应用及计算结果 |
| 4.3.3 算法性能测试 |
| 4.3.4 不同负荷下能耗敏感性分析实例 |
| 4.4 本章小结 |
| 第5章 大数据技术的电站机组节能环保多目标负荷优化分配 |
| 5.1 引言 |
| 5.2 厂级负荷分配 |
| 5.2.1 厂级负荷分配策略 |
| 5.2.2 负荷优化分配方法 |
| 5.2.3 大数据技术的厂级多目标负荷优化分配策略 |
| 5.3 大数据技术的厂级多目标负荷优化分配 |
| 5.3.1 PSO-SVM预测模型 |
| 5.3.2 NSGA-Ⅱ算法 |
| 5.3.3 并行NSGA-Ⅱ多目标优化方法 |
| 5.3.4 染色体表达 |
| 5.3.5 电厂负荷分配的物理模型 |
| 5.3.6 基于大数据技术的节能环保多目标负荷优化分配模型 |
| 5.4 实例分析 |
| 5.4.1 确定研究对象及目标 |
| 5.4.2 电站机组能耗特性分析 |
| 5.4.3 基于PSO-SVM预测模型计算 |
| 5.4.4 多目标负荷优化及计算结果 |
| 5.4.5 大数据方法效率验证 |
| 5.5 本章小结 |
| 第6章 燃气电站机组对标管理综合评价研究 |
| 6.1 引言 |
| 6.2 对标管理综合评价 |
| 6.2.1 对标管理基本概念 |
| 6.2.2 对标管理综合评价方法 |
| 6.3 燃气电站机组对标管理综合评价指标体系 |
| 6.3.1 指标体系构建的基本原则 |
| 6.3.2 评价指标体系建立 |
| 6.4 燃气电站机组对标管理综合评价模型搭建 |
| 6.4.1 粗糙集指标筛选 |
| 6.4.2 基于向量夹角余弦二级指标评价模型 |
| 6.4.3 主成分分析一级指标综合评价模型 |
| 6.5 实例分析 |
| 6.5.1 燃气电站机组样本概况 |
| 6.5.2 电站机组样本数据选取 |
| 6.5.3 基于粗糙集的指标筛选 |
| 6.5.4 基于向量夹角余弦法二级指标评价结果 |
| 6.5.5 基于主成分分析的一级指标评价结果 |
| 6.6 燃气电站机组评价体系指标权值敏感性分析 |
| 6.6.1 指标权值的敏感性分析模型 |
| 6.6.2 评价体系指标权值敏感性分析 |
| 6.7 本章小结 |
| 第7章 结论与展望 |
| 7.1 主要研究成果 |
| 7.2 论文主要创新点 |
| 7.3 后续工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
四、数据库复制技术在数据仓库化的决策支持系统中的应用（论文参考文献）
- [1]石化企业多源知识发现与管理方法研究[D]. 王小健. 北京交通大学, 2020(03)
- [2]风电-储能价值链协同决策模型及信息系统研究[D]. 韦秋霜. 华北电力大学(北京), 2020
- [3]基于人工智能的政府治理模式变革研究[D]. 王张华. 湘潭大学, 2020(10)
- [4]基于数据仓库的企业决策支持系统的设计与实现[D]. 游骏鹏. 北京交通大学, 2020(03)
- [5]5G网络技术对提升4G网络性能的研究[J]. 刘奕. 数码世界, 2020(04)
- [6]数据驱动下数字图书馆知识发现服务创新模式与策略研究[D]. 李洁. 吉林大学, 2019(02)
- [7]基于OLAP技术的学科竞赛管理系统设计与实现[D]. 蒋勤德. 广西大学, 2019(02)
- [8]数据仓库和联机分析在医院数据决策分析的研究和应用[D]. 田晚彤. 大连海事大学, 2019(07)
- [9]基于流数据处理技术的银行在线交易服务系统的研究与实现[D]. 王充. 华南理工大学, 2019(06)
- [10]基于大数据技术的电站机组节能优化研究[D]. 刘炳含. 华北电力大学(北京), 2019(01)