一、数据挖掘工具的应用与标准化（论文文献综述）
邓晶艳[1]（2021）在《基于大数据的大学生日常思想政治教育创新研究》文中研究说明中国特色社会主义进入新时代,标定了大学生日常思想政治教育的新方位。面对新时代提出的新任务与新要求,大学生日常思想政治教育要不断探索新思路、新路径与新方法,进一步增强工作的针对性与实效性,以满足大学生成长成才需求以及党和国家事业发展需要。当前,随着移动互联网、物联网、云计算、人工智能等为代表的新一代网络信息技术的迅猛发展、全面集成与广泛应用,人类逐步迈入大规模数据挖掘、运用与创新的“大数据时代”。在此时代背景下,如何运用新媒体、新技术加强和创新高校思想政治教育工作,使之富有时代性、增强针对性、彰显实效性,是新时期高校面临的一个重要而现实的课题。作为当代信息技术发展的前沿,大数据广域的信息资源、先进的信息处理技术以及全新的思维范式,为大学生日常思想政治教育带来了即时性、精准性、前瞻性与个性化等创新发展的新动力与新空间。将大数据思维、技术与方法全方位嵌入大学生日常思想政治教育各要素、各环节与全过程,促进大学生日常思想政治教育革新思维、优化供给、改进方法、重构范式,建构科学化、数字化与智能化的大学生日常思想政治教育体系,推进大学生日常思想政治教育向“精准思政”“智慧思政”转型升级,是大学生日常思想政治教育顺应时代发展的现实需要,也是其进一步提质增效、焕发新机的重要生长点与强劲推动力。阐释大数据内涵、价值、特征与功能,阐释大学生日常思想政治教育内涵并且辨析其与大学生思想政治理论教育的关系,有利于进一步探讨两者的深度融合。基于此,大学生日常思想政治教育大数据概念得以提出。从大学生日常思想政治教育大数据资源、大学生日常思想政治教育大数据技术、大学生日常思想政治教育大数据思维三个维度全面阐述大学生日常思想政治教育大数据的内涵与外延,同时运用马克思主义哲学基本原理和方法论论析大学生日常思想政治教育大数据的生成逻辑、发展动因、方法论基础与价值取向,可以明确大数据与大学生日常思想政治教育需求的契合点,理清大数据对大学生日常思想政治教育的作用机理。面对新时代提出的新任务与新要求,大学生日常思想政治教育仍然面临一些困境、存在一些短板和弱环。运用文献资料法、大数据文本挖掘方法与访谈调研法审视大学生日常思想政治教育现状,总结当前大学生日常思想政治教育存在的问题与困境并作原因剖析,同时探讨新时代大学生日常思想政治教育新要求,指出新时代大学生日常思想政治教育面临的新课题以及新时代大学生日常思想政治教育的指导思想与原则、教育内容体系以及教育工作的主体转型,有利于为新时期大学生日常思想政治教育发展创新提供现实依据。通过分析大数据在大学生日常思想政治教育中应用的技术优势以及可能性,进一步探讨大数据在大学生日常思想政治教育中“精准画像”“规律探寻”与“超前感知”三个应用呈现。以之为基础,基于当前大学生日常思想政治教育存在的理念滞后、模式粗放、知行脱节、供需错位等难题,提出利用大数据推进大学生日常思想政治教育由线性思维向系统思维、由普适教育向个性化培育、由认知培育向实践养成、由需求侧适应向供给侧发力四大发展转向并详细阐述四大发展转向的实现路径。基于大数据推进大学生日常思想政治教育不仅要遵循学科规律、注重理论深化,还要坚持实践导向,致力推动大数据应用,促进理论与实践的双向转化。由之,宏观上,探索大学生日常思想政治教育大数据的数据采集、数据预处理与存储、数据挖掘与分析、数据应用与可视化、数据解释与反馈五大工作模块与应用流程;微观上,对大数据在大学生日常思想政治教育典型场域中的“数据画像”“精准资助”“失联告警”三个应用进行数据模型构建,从而为大学生日常思想政治教育利用大数据提供切实可行的实现路径。大数据为大学生日常思想政治教育创新发展带来了前所未有的机遇,然而,当前大学生日常思想政治教育利用大数据还存在观念性、路径性与机制性瓶颈,同时,大数据是一柄双刃剑,对数据的不当应用会带来诸如“数据垄断”“数据滥用”“数据侵害”“数据冰冷”等一些可能的风险与挑战。高校尚须在思维理念、技术开发、政策支持、制度完善、机制建设、校园环境建设等方面对大数据应用作出回应与调试。不仅如此,在基于大数据创新大学生日常思想政治教育过程中,高校要注重发挥教育工作者的主体性与能动性,始终坚持数字技术与人文精神、数据智能与教育智慧相结合。
李茵[2]（2021）在《面向医院管理的数据驱动决策研究》文中研究说明信息技术的快速发展与应用以及大数据战略的深入实施,使得大数据成为科技创新引领与决策支撑的重要战略资源,科学研究与实践正在完成“假设驱动”到“数据驱动”的巨大转变,大数据的深度挖掘与利用能够为社会发展、政府治理、国家安全等提供新的动能。围绕国家大数据战略,丰富和拓展大数据应用创新领域,推动管理升级,给学术界、产业界以及政府部门带来许多新的重要课题。其中面向健康服务供给侧的决策支持、决策引导和决策创新中的数据驱动、数据价值转换问题即是管理学、数据科学的核心科学问题之一,更是情报学应对大数据环境开展智慧型情报服务必须解决的关键问题之一。健康医疗大数据时代的到来,促使医院管理和医院管理者的观念都随之变化。数据驱动对医院精细化、智慧化管理决策具有重要意义。本研究从提升医疗管理决策质量的角度出发,构建数据驱动医院管理决策过程模型,分析数据驱动医院管理决策的影响因素,进而提出面向医院管理的数据驱动决策模型,并展开实证研究,为数据驱动决策领域的研究理论基础和实证研究提供参考依据,为促进医院精细化管理提供对策及建议。基于此,通过界定“数据驱动”、“医院管理”、“医院管理评价”与“数据驱动决策”等相关概念,以回顾数据驱动决策、面向医疗健康领域的数据驱动决策、面向医院管理的数据驱动决策以及数据驱动决策的影响因素研究现状为基础,综合运用文献调研法、半结构访谈法、问卷调查法、扎根理论法、结构方程法、统计分析法、机器学习法分析了面向医院管理的数据驱动决策的过程模型和影响因素模型,并构建了面向医院管理的数据驱动决策模型。围绕面向医院管理的数据驱动决策模型这一核心研究内容,本文第三章在已有BASM模型研究过程的基础上,结合医院管理决策场景的特殊性,探索面向医院管理的数据驱动决策的运行机理,构建面向医院管理的数据驱动决策过程模型,以梳理驱动的路径,理清其中的内在逻辑。该模型由处理过程模型及支持过程模型两部分构成,旨在分别回答面向医院管理的数据驱动决策过程中两个核心问题,一是数据本身如何转化并如何嵌入到医院管理决策过程中,二是医院中能够支持并且推动数据驱动决策的途径是什么。第四章采用扎根理论进行了面向医疗管理领域数据驱动决策的影响因素识别研究,编码面向医院管理者的半结构化访谈资料,经过饱和度测试,最终识别出了四个维度的影响因素。第五章在对影响因素定性研究的基础上利用结构方程模型方法进一步验证影响因素,探讨相关变量的权重和关系。阐述各个因素对医院管理决策的影响关系,验证数据驱动医院管理决策影响因素模型。第六章整合数据驱动医院管理决策过程模型和影响因素模型,构建支持医院管理决策全过程的数据驱动决策模型,探讨过程模型与影响因素模型的内在联系。第七章根据已构建的面向医院管理的数据驱动决策模型,进行基于DRGs分组的医疗服务能力评价和医生绩效评价管理工作的实证研究,修正和完善已构建的模型。具体内容如下:（1）构建面向医院管理的数据驱动决策过程模型。基于现有的数据驱动决策机制模型,结合医院管理实践,构建面向医院管理的数据驱动决策过程模型,该模型由处理过程模型及支持过程模型两部分构成,处理过程模型包括面向医院管理决策的数据处理过程和数据驱动的医院管理决策处理过程。决策处理过程既是数据处理过程的最后阶段,对数据处理的结果进行展示与应用,又会不断地产生新的数据,前推已有数据的老化和错误,补充和修正数据处理过程。而数据处理过程以决策处理过程中的阶段性需求为导向,能嵌入到决策处理过程的所有阶段,为决策处理的全流程服务。支持过程模型主要涉及两用户一技术。两用户包括数据分析人员和管理者,使能技术是创建和改进能够嵌入到操作系统的分析工具,这三个主体不能割裂独立,而可以互相转化并可能同时存在,共同对数据和决策进行处理,支持处理过程模型运转。（2）系统分析了面向医院管理的数据驱动决策影响因素。对主观及客观上影响管理者数据驱动决策的因素进行整合和相关分析,确定四个核心影响因素范畴分别是医疗数据质量,信息技术,医院组织管理和管理者信息素养,构建了影响因素模型,发现数据驱动医院管理决策能受到管理者信息素养、医院组织管理和信息技术的正向影响,其中管理者信息素养最强,其次是医院组织管理和信息技术;医院组织管理对医疗数据质量、管理者信息素养、决策目标均有影响,对医疗数据质量的影响要强于管理者信息素养;医疗数据质量能够对信息技术产生正向影响;信息技术对决策目标具有正向影响。（3）构建了面向医院管理的数据驱动决策模型。将过程模型与影响因素模型有机结合在一起,构成了面向医院管理的数据驱动决策模型。打造数据驱动决策模型,将医院数据质量标准化管理贯穿于医院管理全流程、智能化管理提升医务人员的信息技术、高效化管理增效医院组织三个方面分析模型的实现,提出模型优化建议。（4）基于DRGs的肺癌医疗服务绩效分析实证研究。模拟医院管理中运用DRGs分组工具解决绩效问题的真实场景,应用数据驱动医院管理决策模型,优化DRGs分组,优化绩效管理。研究最终确定性别、年龄、入院途径、离院方式、住院次数、医保付费方式、是否手术、合并症严重情况八个因素为影响肺癌医疗服务费用的因素,构建了8个DRGs分组,其中合并症严重程度、是否手术、住院次数是决策树分组的分类结点变量。选用医疗服务能力的指标（DRGs总权重、CMI）根据获取的数据进行比较,完成绩效评价工作,实现基于数据驱动决策的绩效管理。
原凌燕[3]（2021）在《基于转录组数据挖掘分析免疫标志物与恶性黑色素瘤转移机制的研究》文中提出背景:恶性黑色素瘤（Malignant Melanoma,MM）是极具侵袭力的恶性肿瘤之一,具有发病隐匿,易转移,治疗反应差的特点,死亡病例占皮肤肿瘤总死亡病例的80%。多数患者确诊之前就已经发生远处转移,由于晚期有效的治疗方法和治疗药物有限,伴发转移患者总生存期仅为6-9个月,3年生存率不足15%。目前,即使包括最新获批用于转移性黑色素瘤的分子靶向治疗药物KRAS抑制剂和抗细胞毒性T淋巴细胞抗原（CTLA）-4抗体Ipilimumab在内的免疫治疗的受益群体也相当有限,而且几乎无法预测不同个体伴随治疗的严重副作用。因此,鉴定筛选与恶性黑色素瘤的预后高特异、高选择性相关的标志物,筛选出新治疗方法的获益群体,并据此预测预测筛选开发针对性的治疗方法,对改进MM的治疗至关重要,这也很可能有助于发现未来针对性研发MM新药的潜在靶点。目的:分析和筛选MM原发病例样本和转移病例样本中的差异表达基因,构建预后风险模型,并探索预后风险模型基因对肿瘤微环境的影响,分析基因标志物与MM恶性程度和免疫耐受复杂特性的关系,获取基因标志物影响黑色素瘤恶性表型相关的功能证据,为改善MM转移患者的临床治疗决策和相关新药研发提供参考依据。方法:（1）筛选基因标志物:1)以生物信息学方法,获取和清洗TCGA数据库的MM病例的基因组表达谱、生存数据,因为数据库中缺乏恶性黑色素瘤原发病例和转移病例的配对样本,所以根据数据库中恶性黑色素瘤病例的临床特征、治疗干预措施等,我们严格制定纳入和排除标准,保证原发病例样本和转移病例样本的一般资料具有可比性后,进行两组样本的差异表达基因分析;2)使用Imm Port（The Immunology Database and Analysis Portal）数据库的免疫相关基因数据集,取交集匹配出免疫相关基因标志物。3)为了保证预后时间的准确性,我们使用观察到的生存间隔时间（observed survival interval,OBS,即从TCGA采样到患者死亡或最后一次随访的时间间隔）代替总生存时间（overall survival,OS）;为了排除病例临床表型和治疗干预措施等因素的影响,我们纳入了年龄、性别、AJCC分期、Clark评分、Breslow厚度值进行单变量和多变量逐步Cox风险比例回归分析以构建预后基因标志物的预测模型,并通过R软件的“survminer”软件包构建,根据ROC曲线下面积验证模型的有效性。4)通过CIBERSORTx反卷积方法重构MM样本的免疫浸润淋巴细胞的相对含量丰度,“Spearman”相关性分析确定预后模型基因与免疫浸润淋巴细胞的相关性;5)本研究还收集MM单细胞测序数据,通过单细胞组学数据对转移预后基因标志物与肿瘤微环境的浸润淋巴细胞亚组进行相关性分析并比较计算结果,进一步对反卷积计算的结果加以验证。（2）验证基因标志物:1)利用人类蛋白质图谱（The human protein atlas,HPA）数据库的人类肿瘤样本免疫组学数据验证基因标志物,包括目标蛋白在细胞内的定位、肿瘤组织中的表达水平及免疫组化的特征等;针对缺乏免疫组化数据的目标靶基因,使用TCGA泛癌数据验证该基因对多种肿瘤的预后作用;2)利用分子生物学方法,通过Cas9技术基于向导RNA（small guide RNA,sg RNA）敲除CXCR4,构建敲除目标基因的恶性黑色素瘤细胞系sg-A375细胞,通过划痕实验、Transwell实验、CCK-8实验获取CXCR4影响黑色素瘤细胞恶性生物学行为的功能证据,以实验研究验证CXCR4基因对A375细胞侵袭和转移的促进作用。结果:（1）通过一系列分析,构建了一个可以预测MM转移患者预后的由6个免疫相关基因（immune-related genes,IRGs）-SLPI,S100A7,LYZ,CCL19,CXCR4和CD79A-组成的基因标志物模型,该模型能够在训练集中区分转移MM患者的预后风险,（TCGA,n=226,log-rank test,P<0.001）;且6-IRGs是MM独立的预后危险因素,不受性别、年龄和病理分期等临床特征的影响（HR=20.84,95%CI:5.00-86.93,P<0.001）;在GEO独立数据集中的验证结果显示该模型对转移患者的预后也能做出有效预测（GSE19234,n=106,log-rank test P<0.001,GES53118,n=79,log-rank test,P<0.001）,并通过ROC曲线验证模型的有效性;通过CIBERSORTx重构免疫浸润细胞的含量丰度,6个IRGs与免疫浸润细胞及免疫检查点基因（immune-checkpoint genes,ICGs）均具有一定的相关性。（2）通过GEO（GSE72056）单细胞测序数据集,运用单细胞分析软件及方法分析了MM转移病例样本中的细胞特征和聚类分型。结果显示,样本细胞注释后分为18类,与免疫微环境有关的肿瘤细胞亚群包括B细胞、DC细胞、成纤维细胞、粒细胞集落刺激因子、CD34造血干细胞、神经上皮细胞、神经元细胞、嗜中性粒细胞、NK细胞、前体CD34B细胞、晚期CD34B细胞、早幼粒细胞、T细胞和组织干细胞。与原发病例样本的肿瘤微环境比较,上述细胞（除NK细胞和T细胞）在淋巴结转移病例样本的含量丰度有显着差异（P<0.001）;单细胞中检测到的3个基因标志物（CXCR4,LYZ和CD79A）与上述差异细胞具有显着的相关性（P<0.001）。其中,CXCR4和多种免疫浸润细胞具有较高的相关性,因此CXCR4作为后期的实验验证对象,进行生物实验验证其功能。（3）通过HPA数据库中102例MM样本的免疫组化数据验证分析了筛选出的5个IRGs（SLPI,S100A7,LYZ,CCL19和CD79A）的蛋白组化结果显示在恶性黑色素瘤中均可以看到5个基因的蛋白免疫组化的染色;CXCR4和免疫浸润细胞呈高度相关,但是CXCR4在HPA数据库缺少蛋白组化数据,因此,为深入探讨CXCR4在肿瘤中的功能,基于TCGA泛癌的数据,分析CXCR4出恶性黑色素瘤之外的多种肿瘤的预后风险比（hazard radio,HR）,将CXCR4对不同肿瘤患者预后的HR进行Meta分析。结果显示,CXCR4对胃癌、骨肉瘤、卵巢癌、肺腺癌、肾透明细胞癌、头颈部癌、食管腺癌和宫颈癌的OS有预测作用（P<0.001）,其中,在胃癌和肾透明细胞癌的预后是保护性因素（HR<1）,在其余肿瘤的预后为危险性因素（HR>1）。CXCR4对于多种肿瘤患者的无复发生存时间（Relapse-Free Survival,RFS）预后HR的Meta分析结果显示,CXCR4的高表达对胃癌、卵巢癌、肺腺癌、肾透明细胞癌和膀胱癌具有预后预测作用（P<0.001）,在胃癌、肺腺癌和肾透明细胞癌患者的RFS是保护性因素（HR>1）,而在卵巢癌还和膀胱癌中是高风险因素（HR>1）。（4）通过生物实验验证CXCR4与MM的增殖、转移功能关联:使用Cas9技术,利用sg-RNA转染敲除CXCR4后构建MM的CXCR4基因敲除细胞系A375细胞（sg-A375）,然后通过划痕实验和Transwell小室实验检测sg-A375细胞的迁移及穿透力,获取CXCR4与黑素瘤恶性行为相关功能的证据。与A375细胞比较,sg-A375细胞的划痕实验修复能力和迁移及侵袭能力显着下降。结果证实敲除CXCR4可抑制黑素瘤增殖、侵袭、迁移过程,表明MM中CXCR4高表达和患者预后不良相关。结论:（1）通过TCGA数据库筛选获得6个IRGs（SLPI,S100A7,LYZ,CCL19,CXCR4和CD79A）组成的可用于MM转移患者预后预测的免疫相关基因标志物（immune-related gene signature,IRGS）,经GEO不同维度的独立数据集验证该6个IRGs组成的IRGS模型具有很好的适用性。（2）转移MM病例的单细胞分析结果说明:转移病例样本中的B细胞、粒细胞集落刺激因子、中性粒细胞和成纤维细胞的浸润,与MM患者预后相关,同时上述浸润细胞含量丰度和免疫预后基因表达呈显着正相关。（3）HPA数据库验证基因标志物的结果显示,除CXCR4外,其余SLPI,S100A7,LYZ,CCL19和CD79A5个基因蛋白可以在数据库验证;基于泛癌数据的meta分析结果显示,CXCR4对多种肿瘤患者的OS和RFS均具有较好的预测作用。对不同的肿瘤,CXCR4具有不同的预后判断价值。（4）CXCR4不仅促进A375细胞的增殖和克隆,还与细胞的迁移和侵袭行为密切相关,说明CXCR4可能通过影响免疫微环境而改变患者的预后。
高学伟[4]（2021）在《数字孪生建模方法及其在热力系统优化运行中的应用研究》文中进行了进一步梳理随着社会经济的飞速发展,我国产业结构优化调整和转型升级进程的深入,要实现未来“碳达峰,碳中和”的目标,需要建设清洁低碳、安全高效的现代能源体系。以风电和太阳能发电为代表的可再生能源替代作用日益突显,而火电机组在未来很长一段时间内仍将处于主导地位。亟需解决火电和可再生能源的协同发展问题,大型火电机组更多需要担负起高效节能、低碳环保、深度调频调峰的任务。实施电能替代供热对于推动能源消费革命、减少碳排放、促进能源清洁化意义重大。利用电锅炉储热供暖还可以降低电网调节压力,增加供热能力,有效解决可再生能源的消纳问题。火电机组热力系统和电锅炉储热供暖热力系统都属于典型的非线性、多参数、强耦合的复杂热力系统。本文通过研究流体网络机理建模和数据驱动建模相融合的数字孪生建模方法,为热力系统建模工作提供了新的思路和途径,为热力系统安全、环保和经济运行提供理论支撑。论文围绕数字孪生建模方法及其在热力系统优化运行中的应用,主要研究内容和成果包括以下几个方面:（1）对数字孪生理论、热力系统建模理论以及大数据处理等基本理论进行了研究。比较了数字孪生与仿真技术及信息物理系统的异同;以火力发电厂为例,研究了流体网络机理建模及求解方法;对Hadoop系统的MapReduce与Spark计算进行了对比分析,对实时数据处理Spark Streaming与Storm进行了对比分析,并搭建了适用于数字孪生及大数据在热力系统建模领域应用的大数据分布式集群平台;在该集群上实现了大数据的存储管理,以及大数据分布式计算,研究了基于大数据平台的数据驱动建模理论,包括支持向量回归建模、极限学习机建模、智能辨识优化算法以及即时学习等基本理论。（2）针对数据驱动建模方法的研究,提出一套基于改进即时学习策略的自适应数据驱动建模方法。采用“主成分+互信息”的方法获得输入和输出变量之间的相关程度,确定权重因子,然后利用“欧式距离+角度”定义一种加权综合相似度度量函数。在离线状态下,利用改进遗传模拟退火模糊聚类方法进行工况划分;进行工况预测时,采用一种多层次综合相似度度量的相似工况快速识别方法构建相似工况训练集,即根据两级搜索的策略实现了在线快速识别:初级识别是确定预测工况在历史工况库中所属的类别提取预测类工况,次级识别是采取基于综合相似度度量函数的相似工况识别方法,在历史数据库中针对预测类工况的快速识别;局部模型建模方法是在Spark计算框架下,对SparkSVMHPSO算法、Spark ELM算法以及基于SparkHPSO的多参数辨识等数据驱动建模方法进行研究。然后以SCR脱硝系统出口 NOx预测、电锅炉储热供热系统源侧及荷测负荷预测为案例,验证了所提出的建模方法有效性。为热力系统数字孪生模型建模及系统工况优化提供了理论支撑。（3）针对数据孪生建模的研究,提出一套改进即时学习策略的自适应数据驱动与机理模型多参数辨识协同融合的数字孪生建模方法。在建立热力系统机理模型的基础上,关键的设备模型参数利用多参数多工况拟合的离线智能辨识方法,得到可以模拟实际系统全工况下动态变化趋势的离线智能参数辨识模型;以离线智能参数孪生模型为主,根据相似度阈值进行判断,采用自适应模型参数更新策略,实现数字孪生模型的在线协同;为进一步提升孪生模型预测的精度和鲁棒性,采用移动窗格信息熵的多模型输出在线融合方法,提升关键工况以及动态变化过程的逼近程度。基于这一理论构建的数字孪生模型,能够基于系统运行数据持续进行自我修正,在线跟踪设备运行特性,从而具有自适应、自演进的智能化特点,能够全面反映系统的运行状态和性能,为系统工况迭代优化提供可靠的模型输入和结果校验工具。以燃煤电站SCR脱硝系统和电锅炉储热供热系统为研究对象,建立其热力系统数字孪生模型。（4）最后,基于数字孪生模型的实时跟踪能力,提出一种基于负荷分配和工况寻优的热力系统智能工况动态寻优策略。并以电锅炉储热供热系统为研究对象,根据能耗成本分析和负荷分配策略,利用数字孪生模型系统,对电网负荷、电锅炉系统、储热系统进行预测计算,模拟不同运行方案、不同工况下系统动态运行,得出最优的供热调节和负荷分配方案。以火力发电厂SCR脱硝系统为例,根据建立的自适应、自演进的智能化SCR脱硝系统数字孪生模型,将该模型应用于模型预测控制算法中。结果表明,利用基于数字孪生模型的自适应预测控制算法比传统的PID控制效果更精确,运行更稳定。证明了所提建模方法的有效性,具有重要的工程实用意义和行业示范价值。
吴娟[5]（2021）在《基于数据挖掘的油田增产措施指标优选模型研究与应用》文中认为随着我国大部分油田开发逐步进入中后期阶段,油田必须采取必要的油气增产措施以确保油田持续高效生产。由于增产措施种类繁多,如压裂、酸化、大修、补孔等,各项措施的增产效果和费用不同,每种增产措施应用于油田各作业区的增产效果也不同。为了合理的规划油田增产措施,需要先建立增产措施效果预测模型,在预测结果的基础上再进行具体的措施规划。本文基于数据挖掘的神经网络算法,对油田增产措施指标优选模型进行了研究与应用。本文选用BP以及RBF神经网络,针对BP神经网络收敛速度慢、易陷入局部最优等问题,采用具有启发式寻优特点的蚁群算法来优化BP神经网络,建立了基于ACO-BP的油田增产措施效果预测模型;针对RBF网络中心选取问题,采用量子粒子群算法优化RBF神经网络得到最优的网络中心、基宽度、连接权值,建立了基于QPSO-RBF的油田增产措施效果预测模型。本文选取长庆油田某采油厂11个作业区从2017年1月到2019年12月的油田增产措施月数据,通过BP、ACO-BP、RBF、PSO-RBF、QPSO-RBF这五种预测模型对油田增产措施效果进行预测。通过分析对比五种预测模型的结果,表明ACO-BP、PSO-RBF、QPSO-RBF模型相比于BP、RBF神经网络模型在预测精确度和稳定性方面有明显的提升,其中ACO-BP预测模型的MSE、MAE更小,R2更接近1,在油田增产措施效果预测方面具有良好的应用效果。以上述五种预测模型为理论基础,C#为开发语言,SQLite数据库为后台数据库,设计并实现了油田增产措施指标优选系统,成为集措施数据管理、措施效果预测、措施规划于一体的管理系统,为油田管理者制定增产措施计划提供了参考方案和科学依据。
翟学强[6]（2021）在《商务智能在企业内部审计中的应用研究 ——以A电商企业为例》文中研究表明伴随着大数据和云计算等信息技术的发展,企业信息化水平不断加强,传统的内部审计技术方法很难应对不断积累的海量数据,较难有效地对企业的经营和财务信息做出评价,内部审计工作面临着新的机遇与挑战。新兴数据科学的技术方法在内部审计创新中扮演越来越重要的角色,如数据采集、数据仓库、数据查询分析、数据挖掘和数据可视化等技术,能够促进内部审计技术的转型与升级。在众多新技术中,商务智能技术作为集成了数据采集、数据仓库、数据挖掘和可视化的集合体,可以协助审计人员及时、高效、准确地发现审计疑点和审计线索,提高审计效率与效果,更加充分发挥内部审计的职能。为了探求商务智能在内部审计中的应用过程和效果,本文设计了商务智能环境下的内部审计分析框架,并以A电商企业为例进行验证。本文首先讨论了审计技术方法的发展和应用研究现状,介绍了数据科学和内部审计的基础理论,进而对商务智能技术进行了总结,为后文的撰写提供理论与技术基础。其次,本文介绍了商务智能工具Power BI,对比传统审计分析工具Excel、SQL Server,其具有逻辑简单、易学性、易操作性等特点,使得审计人员摆脱冗长的SQL代码,有助于提高审计效率与效果。再次,本文以A电商企业为例,基于A企业内部审计分析现状与审计需求,提出该企业经济性、效率性、效果性的审计目标,设计了基于Power BI的内部审计分析框架。最后,对商务智能在A电商企业的应用过程进行了详细介绍,包括基础分析和数据挖掘分析两个方面,基础分析在时间、产品、经销商等维度对业财数据进行设计与分析,数据挖掘分析选相关指标对经销商进行聚类分析,分析结果便于对经销商进行分类管理,对于有问题的经销商给予特别关注。本文案例应用效果表明:商务智能在企业内部审计中具有较强的实用性和适用性,商务智能的数据建模技术和多维分析方法显着降低了内部审计业务成本,提高了内部审计业务效率,聚类等数据挖掘方法为发现审计疑点提供了独特的思路,提高了审计结果的准确性,可视化技术提高了审计结果的直观性、可读性。商务智能应用于企业的内部审计工作,有助于内部审计职能的发挥。本文基于Power BI设计了商务智能内部审计分析系统框架和应用案例,对企业内部审计的智能化建设具有示范作用。
邓增钰[7]（2021）在《标准作业指导书制作与管理系统开发研究》文中认为随着新兴技术的不断涌现和持续应用,中国制造业在过去十年间发生了翻天覆地的变化,在不断适应多变的社会需求和激烈的市场竞争的过程中,制造型企业慢慢从以量取胜向着以质取胜发展。质量意识的不断提升,使得越来越多的制造型企业开始注重生产的规范化与标准化,标准作业指导书由此受到越来越多的关注。然而,标准作业指导书在规范作业程序的同时,自身的制作流程却没有实现标准化作业,这是因为许多企业重点着力于生产线的优化改善,对生产前标准作业指导书的制作不够重视,再加上没有专门的制作软件,这项工作在执行上显得较为混乱,问题也日益凸显。本文针对A公司标准作业指导书从文件制作到产线应用整个作业流程进行研究,以标准作业指导书作为研究对象,运用工业工程相关理论和技术手段,通过现场考察和提问技术,发现在标准作业指导书制作、发行和管理等作业程序中,存在制作操作繁琐、过分依赖经验办法,文件体积大、分享不便、发行缓慢,管理任务繁重但管理功能羸弱等问题,然后通过因果图分析原因所在,并结合需求分析确定改善思路:（1）利用ASP技术设计开发标准作业指导书制作与管理系统,在Web端重构标准作业指导书制作、发行和管理等功能,同时结合ECRS原则对具体操作步骤进行取消、合并、重排、简化,最终降低了各项工作的操作难度,简化了制作流程,提高了发行效率,减轻了管理负担并增强了管理能力;（2）利用标准作业指导书制作与管理系统,统一各项作业操作平台,实现各项功能流畅衔接,利用网络链接替代文件传输,利用弹窗提示约束各项操作,促进整体作业流程规范、高效且合理;（3）利用数据分析为文件制作和作业部署提供信息支持,以降低作业人员对经验办法的依赖程度。通过Microsoft Access数据库管理系统和数据挖掘技术对作业流程中的数据进行收集整理并挖掘有效信息,为生产决策和工作安排提供依据。根据改善思路,提出并实施相应的改善方案,最终完成了标准作业指导书制作与管理系统的设计与开发,解决了标准作业指导书制作、发行和管理等作业程序中存在的问题。通过对比改善前后的作业情况可知,改善后作业效率和作业质量均明显提升。
佘昊[8]（2021）在《基于数据挖掘的生鲜电商仓配策略研究》文中认为随着国民消费升级,生鲜万亿市场的潜力越发显现,被称为电商的最后一片蓝海。然而,相比于美好的市场前景,我国的生鲜电商行业还处于探索阶段,各种生鲜仓配策略仍不成熟,导致大多数电商企业亏损收场,错失市场风口。基于此现状,本文利用数据挖掘技术,构建了一套基于生鲜电商负面资讯的仓配策略问题挖掘方案,用于研究生鲜电商行业中各仓配策略的短板与缺陷,让生鲜电商充分认知自身不足,规避劣势,改良策略,健康发展。本文以文档集知识密集化为核心,对海量文本中反映仓配策略问题的相关知识进行浓缩提取,并基于数据挖掘结果对各仓配策略的问题进行分析,主要经历以下几个步骤:1)数据发现流程。通过数据清洗、文本特征生成、文本特征选择等步骤,极大削减文档集中无信息含量、重要程度低的冗余数据,提炼文本特征,形成易于进行知识挖掘的文本特征集。2)问题挖掘流程。通过计算特征集TF-IDF,对每个特征的重要性进行评估,筛选出可代表问题热点讨论主题的关键词集合;通过基于机器学习的文本分类模型与评估指标来验证主题关键词对文档集问题的代表性;通过计算关键词集合与特征集的修正相关系数,筛选出关键词的高相关性词汇,组成问题描述性核心短语,反映每个热点讨论主题下的具体问题状况。3)仓配策略问题分析。根据问题核心短语,对文本反映问题进行归类,得到3种大类问题、16种细化问题,并从各仓配策略的特有问题类别和高关注度问题类别展开问题深入分析。经系统性分析,本文发现各仓配策略问题的核心在于过度注重模式运营、注重创新概念,但缺乏配套的技术方案与供应链管理能力,倾向于用大量的资本输入掩盖问题短板,不实际解决问题,进行恶性竞争,导致了生鲜电商市场整体盈利水平低下、发展水平较低。只有改变发展思路,根据自身仓配策略的特点,着力于完善各种生鲜零售场景下的落地方案,才能使行业健康发展。
吴雅威[9]（2021）在《面向智库需求的智慧数据服务模式及服务能力评价研究》文中研究表明近年来,作为决策咨询机构的智库,一直受到政府机构和决策者的高度重视,一系列相关政策法规的出台与实施,更为智库的建设与发展指明了道路和方向。然而,由于缺少多源数据、智慧化技术手段和专业人才支持在一定程度上制约了智库的快速发展,迫切需要图书情报机构（以下简称图情机构）提供智慧数据服务以满足智库复杂需求。目前,大数据时代持续推动着图情机构服务模式发生重大变化,正在促使其由传统信息服务向智慧数据服务转型。因此,当前智库到底存在哪些智慧数据服务需求,图情机构面向智库需求应该采取何种智慧数据服务模式,以及如何提升智慧数据服务水平和服务能力已经成为目前图情机构亟需研究的重要问题。本文以数据管理理论、用户场景理论和质性研究理论等为基础,探讨了面向智库需求的智慧数据服务要素、服务模式、模式实现及服务能力评价体系问题。首先,分析并构建了智库的智慧数据服务需求及其模型,结合实际案例对面向智库需求的智慧数据服务要素及其特征进行分析,进而提出了面向智库需求的两类智慧数据服务模式,详细阐述了智慧数据服务模式的实现路径,并构建了面向智库需求的智慧数据服务能力评价体系,最终针对智慧数据服务模式与服务能力评价体系给予相应对策及建议。本文的主要研究内容包括以下6个方面:（1）我国智库的智慧数据服务需求分析。主要通过混合式研究方法分析了智库的数据资源管理现状与问题、智慧数据服务需求以及需求驱动因素。明确了智库的两个主要需求:多源数据服务需求（包括多源数据采集与处理等）、创新发展环境服务需求（包括图情机构职能与服务及技术工具与人才等）。智库的数据需求、场景环境和应用过程的变化,对图情机构的智慧数据服务提出了更高期望与要求。本章为后文分析并提出针对性的面向智库需求的智慧数据服务要素、服务模式、模式实现以及服务能力评价体系奠定了需求基础和研究框架。（2）面向智库需求的智慧数据服务要素及其特征。基于智库需求,通过文献调研、案例分析以及借鉴智慧数据服务相关实践经验,分析了面向智库需求的智慧数据服务关键要素及其特征,阐述各要素在智慧数据服务中的定位和作用。明确了以图情机构、智慧数据、智能化技术方法、智慧化平台、服务环境为5大关键要素,以及服务场景化、技术智能化和数据多源化3大特征。引用生态系统及其相关发展理论构建模型来剖析服务主体、客体、环境间的能量流动及关系,最终以南京师范大学图书馆为例,通过分析其面向智库需求的智慧数据服务过程及其服务要素与特征,验证前文所明确的关键要素,为后文研究奠定要素基础。（3）面向智库需求的智慧数据服务模式。基于智库需求,结合模式构建法提出了面向智库需求的两类智慧数据服务模式:其一,个性化推荐模式,主要探讨图情机构通过感知智库需求,融合多源数据、专家智慧、智能技术及用户需求精准识别等资源与服务,通过智慧数据服务平台与新媒体技术,最终实现场景化、精准化与个性化推送;其二,嵌入式服务模式,主要探讨以图情机构为主体,通过分散、兼职和旋转门等途径嵌入智库内部及其活动过程,将智慧数据服务与智库的数据采集、综合处理、成果传播推广等环节相融合,精准定位智库需求,提供多源数据采集、融合处理、人才支持和影响力塑造等针对性服务。（4）面向智库需求的智慧数据服务模式实现。根据智库需求和图情机构智慧数据服务模式的具体内容与流程,面向智库需求的智慧数据服务模式实现主要包括以下6个方面:智库的特征识别与需求确定;基于Data Commons的智慧数据服务平台构建;多源数据融合;智能化技术与工具融合与协同治理;基于专家系统的多源数据分析与应用;基于向量空间模型的场景化服务推荐,以此来实现面向智库需求的智慧数据服务模式,体现了智慧数据服务的新路径与新思想。（5）面向智库需求的智慧数据服务能力评价体系。以智库需求、智慧数据服务过程和智慧数据服务内容为评价依据,初步构建了包括多源数据、智能化技术与工具、智慧数据服务人员三个维度的智慧数据服务能力评价体系。再利用专家调查法、灰色系统理论和层次分析法完成指标优化和赋权,以验证指标的合理性、有效性和可行性,最终确定智慧数据服务能力评价体系。最终以天津社科院图书馆为案例进行实证研究,论证服务能力评价体系中各指标的有效性、科学性和应用性,以此为图情机构提升智慧数据服务能力与质量提供适当参考。（6）面向智库需求的智慧数据服务保障策略。以智慧数据服务要素、服务模式及服务能力评价为依据,考量涵盖智慧数据服务关键要素、优化智慧数据服务流程、改善智慧数据服务能力评价体系等方面制定保障策略。智慧数据服务保障策略具有明显的层次化特征,涵盖政策保障、数据保障、技术保障与人才保障等层次。其中,政策保障涵盖建立健全相关法律法规等;数据保障涵盖完善多源数据建设、融合、安全与开放保障机制等;技术保障涵盖完备智能化数据管理技术、方法与工具集体系构建等;人才保障涵盖智慧数据服务人才队伍建设等。通过构建面向智库需求的智慧数据服务模式,可以优化智库活动流程,提升智库的课题研究能力、决策支持服务质量和可持续发展动力,还可保障面向智库需求的智慧数据服务质量和水平,也为大数据时代下图情机构智慧数据服务研究体系提供理论启发与借鉴,拓展智慧数据服务的理论与应用范畴,推动智慧数据服务可持续性发展。此外,通过建立面向智库需求的智慧数据服务能力评价体系,可以评价图情机构的智慧数据服务能力,帮助其更清楚的认识优势与缺陷,根据评价体系优化服务流程,更好的服务智库。同时,为图情机构系统认知大数据时代下面向智库需求的智慧数据服务实现路径提供参考,继而有效引导图情机构从智库需求感知到服务模式构建再到服务能力评价的流程化视角来看待面向智库需求的智慧数据服务工作。
刘贺[10]（2021）在《基于数据挖掘的工程造价数据库设计研究》文中研究表明信息化和造价改革的发展推动了工程造价数据积累,使之成为实现工程造价领域可持续发展的必然趋势,工程造价数据库也引起了众多造价咨询企业的关注。然而通过调查发现,绝大多数造价咨询企业还未建立起自己的造价数据库,仍停留在依靠人的经验积累、普通计算机的表格化存储归档,这种传统表格化的数据积累方式不利于调查取阅和使用,无法盘活数据资产,导致数据价值低。究其原因主要有三方面:一是由于原始造价数据资料多、形式多样,导致数据噪声高、入库数据体系不明晰;二是由于造价咨询企业形成的数据往往存储于不同电子表格中,无法实现数据的集成对比,落后的数据存储与处理方式导致造价咨询企业对数据的深入分析缺乏系统性的方案设想;三是即使使用数据库,但由于信息化程度低,导致只能够为固定项目查阅资料使用,很难发挥历史数据价值为新建项目提供参考。基于以上问题,本文进行以下三方面的研究。第一,基于原始性挖掘完成了结构化数据库表单的设计。首先通过实际应用研究及信息沉淀法得出原始性挖掘的指标体系,然后根据主次因素分析、文献分析筛选出影响工程造价指标的特征因素。借鉴层次分析法建立工程造价指标的重要特征因素集,从而建立起结构化的数据库表单,为后续数据库的分析预测提供数据基础。第二,基于描述性挖掘完成了数据库分析功能的设计。首先对入库数据采用格拉布斯法进行噪声数据清洗并将其转化为适合数据挖掘的高质量数据;然后根据预处理后的数据构建数据立方体设计数据库多维分析功能,设计输入输出参数化表格实现经济描述功能,设计图表实现数据库可视化功能。第三,基于预测性挖掘完成了数据库预测功能的设计。首先通过文献研究各种预测方法的优缺点、适用性,确定案例推理技术作为数据库的预测系统。然后借鉴案例推理系统建立预测性挖掘模型,明确其实现步骤,并以案例进行实证分析,确保建立的预测模型科学合理、数据库的预测功能具有实现可能性。综上,本文基于数据挖掘技术,采用各种研究方法基本实现了按规则识别排原始造价信息,建立结构化数据库表单;提出科学高效的描述性分析处理方案及具体的预测性挖掘算法,从而系统性地设计了工程造价数据库的分析及预测功能,为工程造价咨询企业建立起自己的工程造价数据库提供理论及实践方案支撑。
二、数据挖掘工具的应用与标准化（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、数据挖掘工具的应用与标准化（论文提纲范文）
（1）基于大数据的大学生日常思想政治教育创新研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 绪论 大数据让大学生日常思想政治教育智能化 |
| 第一节 选题缘由及研究意义 |
| 一、选题缘由 |
| 二、研究意义 |
| 第二节 国内外研究综述 |
| 一、国内研究现状 |
| 二、国外大数据与教育交叉研究综述 |
| 三、研究评析 |
| 第三节 逻辑结构 |
| 一、研究思路 |
| 二、研究方法 |
| 三、内容框架 |
| 第四节 重点、难点及预期创新点 |
| 一、研究重点 |
| 二、研究难点 |
| 三、研究创新点 |
| 第一章 基于大数据创新大学生日常思想政治教育的理论基础 |
| 第一节 核心概念解读 |
| 一、大数据 |
| 二、大学生日常思想政治教育 |
| 三、大学生日常思想政治教育大数据 |
| 第二节 大学生日常思想政治教育大数据之马克思主义哲学审视 |
| 一、感性对象性活动之数据生成逻辑 |
| 二、实践的社会历史性之数据发展动因 |
| 三、辩证唯物主义认识论之数据应用的方法论基础 |
| 四、人的全面自由发展之数据应用的价值取向 |
| 第三节 大学生日常思想政治教育大数据自组织系统阐释 |
| 一、大学生日常思想政治教育之复杂自组织系统特征 |
| 二、大学生日常思想政治教育大数据之数据转化 |
| 三、大学生日常思想政治教育大数据之数据转换 |
| 四、大学生日常思想政治教育之数据工作机制 |
| 第二章 基于大数据创新大学生日常思想政治教育的现实依据 |
| 第一节 大学生日常思想政治教育存在的现实困境 |
| 一、基于大数据文本挖掘方法的大学生日常思想政治教育现实困境分析 |
| 二、大学生日常思想政治教育者访谈 |
| 三、大学生日常思想政治教育存在的问题及原因剖析 |
| 第二节 新时代大学生日常思想政治教育新要求 |
| 一、新时代大学生日常思想政治教育面临的新课题 |
| 二、新时代大学生日常思想政治教育指导思想与原则 |
| 三、新时代大学生日常思想政治教育教育内容体系 |
| 四、新时代大学生日常思想政治教育的主体转型 |
| 第三节 基于大数据创新大学生日常思想政治教育技术优势 |
| 一、大数据关键技术之大学生日常思想政治教育应用 |
| 二、教育主体与教育客体的数据交互 |
| 三、教育管理平台载体的数据智能 |
| 四、教育管理实践数据的跨域应用 |
| 第四节 基于大数据创新大学生日常思想政治教育可能性分析 |
| 一、基于数据技术的效率提升 |
| 二、基于证据的日常教育管理 |
| 三、基于数据评价的工作改进 |
| 第三章 基于大数据促进大学生日常思想政治教育发展转向 |
| 第一节 大学生日常思想政治教育大数据应用呈现 |
| 一、精准画像:大数据精确反映学生行为状态 |
| 二、规律探寻:大数据有效呈现学生活动规律 |
| 三、超前感知:大数据准确研判学生活动趋向 |
| 第二节 基于大数据之由线性思维向系统思维转变 |
| 一、线性思维 |
| 二、系统思维 |
| 三、线性思维向系统思维转变的全面性与准确性 |
| 第三节 基于大数据之由普适教育向个性化培育转变 |
| 一、普适教育 |
| 二、个性化培育 |
| 三、普适教育向个性化培育转变的适应性与有效性 |
| 第四节 基于大数据之由认知培育向实践养成转变 |
| 一、认知培育 |
| 二、实践养成 |
| 三、认知培育向实践养成转变的实效性与长效性 |
| 第五节 基于大数据之由需求侧适应向供给侧发力转变 |
| 一、需求侧适应 |
| 二、供给侧发力 |
| 三、需求侧适应向供给侧发力转变的精准性与有效性 |
| 第四章 基于大数据创新大学生日常思想政治教育的实施路径 |
| 第一节 基于大数据创新大学生日常思想政治教育的原则 |
| 一、以人为本原则 |
| 二、守正创新原则 |
| 三、趋利避害原则 |
| 四、循序渐进原则 |
| 五、理论与实践相结合原则 |
| 第二节 大学生日常思想政治教育大数据资源库建设与运行 |
| 一、大学生日常思想政治教育大数据采集 |
| 二、大学生日常思想政治教育大数据预处理与存储 |
| 三、大学生日常思想政治教育大数据挖掘与建模分析 |
| 四、大学生日常思想政治教育大数据可视化与应用 |
| 五、大学生日常思想政治教育大数据解释与反馈 |
| 第三节 利用大数据推进大学生日常思想政治教育实践应用 |
| 一、数据画像 |
| 二、精准资助 |
| 三、异常告警 |
| 第五章 基于大数据创新大学生日常思想政治教育的条件保障 |
| 第一节 个体主观条件 |
| 一、培育大数据意识与大数据思维 |
| 二、掌握大数据知识与大数据技能 |
| 三、提升大数据伦理与管理理性 |
| 四、把握大数据应用的价值导向 |
| 第二节 技术条件保障 |
| 一、开发和搭建高校思想政治教育大数据技术平台 |
| 二、培育大学生思想政治教育大数据核心技术团队 |
| 第三节 组织与制度保障 |
| 一、加强组织领导 |
| 二、推进教育政策实施与制度建设 |
| 三、加强体制机制建设 |
| 第四节 文化环境保障 |
| 一、优化校园网络环境 |
| 二、培育校园数据文化 |
| 三、优化校园人文环境 |
| 结语:数据智能与教育智慧结合 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间主要研究成果 |
（2）面向医院管理的数据驱动决策研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 数据驱动决策的研究现状 |
| 1.3.2 数据驱动医疗健康领域决策的研究现状 |
| 1.3.3 数据驱动医院管理决策的研究现状 |
| 1.3.4 数据驱动决策的影响因素研究现状 |
| 1.3.5 研究现状述评 |
| 1.4 研究框架与研究内容 |
| 1.4.1 研究框架 |
| 1.4.2 主要研究内容 |
| 1.4.3 拟解决的关键问题 |
| 1.5 研究方法和技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 第2章 相关基础理论和方法 |
| 2.1 医院管理相关概念 |
| 2.1.1 医院管理 |
| 2.1.2 医院管理评价 |
| 2.1.3 医院管理者 |
| 2.2 决策支持相关理论 |
| 2.2.1 西蒙决策理论 |
| 2.2.2 数据驱动决策相关理论 |
| 2.3 信息链理论 |
| 2.3.1 信息链与信息技术 |
| 2.3.2 “信息”上溯到“数据”带来的变化 |
| 2.3.3 信息链视域下的数据驱动医院管理决策 |
| 2.4 BASM模型 |
| 2.4.1 BASM模型的产生 |
| 2.4.2 BASM模型的研究现状 |
| 2.4.3 基于BASM模型的数据驱动医院管理决策研究 |
| 2.5 相关研究方法 |
| 2.5.1 扎根理论 |
| 2.5.2 结构方程模型 |
| 2.5.3 决策树算法--CHAID |
| 2.6 相关应用场景 |
| 2.6.1 医疗服务绩效 |
| 2.6.2 DRG在医疗服务绩效管理中的应用 |
| 2.7 本章小结 |
| 第3章 面向医院管理的数据驱动决策过程模型构建 |
| 3.1 面向医院管理决策的数据驱动过程模型 |
| 3.1.1 数据驱动决策模式运行机制 |
| 3.1.2 BASM的过程模型 |
| 3.1.3 基于BASM过程模型的数据驱动医院管理决策过程模型构建 |
| 3.2 面向医院管理的数据驱动决策过程模型要素分析 |
| 3.2.1 驱动要素 |
| 3.2.2 需求要素 |
| 3.2.3 支持要素 |
| 3.2.4 要素间关系 |
| 3.3 数据驱动的医院管理决策中数据处理过程 |
| 3.3.1 医疗数据存在的问题 |
| 3.3.2 面向医院管理决策的数据处理原则 |
| 3.3.3 面向医院管理决策的数据处理过程 |
| 3.4 面向医院管理的数据驱动决策过程模型运行机制 |
| 3.4.1 面向医院管理决策的信息链转化过程 |
| 3.4.2 数据驱动的医院管理决策制定过程 |
| 3.5 本章小结 |
| 第4章 基于扎根理论的数据驱动医院管理决策的影响因素分析 |
| 4.1 研究问题与研究程序 |
| 4.1.1 研究问题 |
| 4.1.2 研究方法 |
| 4.1.3 研究程序 |
| 4.2 研究设计 |
| 4.2.1 研究对象选取 |
| 4.2.2 资料收集 |
| 4.2.3 信效度检验 |
| 4.3 编码分析 |
| 4.3.1 开放式编码 |
| 4.3.2 主轴编码 |
| 4.3.3 选择性编码 |
| 4.3.4 理论饱和度检验 |
| 4.4 数据驱动医院管理决策影响因素理论模型与阐释 |
| 4.4.1 影响因素理论模型构建 |
| 4.4.2 影响因素分析 |
| 4.4.3 影响因素关系分析 |
| 4.5 本章小结 |
| 第5章 数据驱动医院管理决策的影响因素模型构建 |
| 5.1 数据驱动医院管理决策影响因素变量选择与界定 |
| 5.1.1 医疗数据质量维度 |
| 5.1.2 信息技术维度 |
| 5.1.3 医院组织管理维度 |
| 5.1.4 管理者信息素养维度 |
| 5.1.5 数据驱动医院管理决策维度 |
| 5.2 相关研究假设 |
| 5.2.1 医疗数据质量 |
| 5.2.2 信息技术 |
| 5.2.3 医院组织管理 |
| 5.2.4 管理者信息素养 |
| 5.3 调查问卷的编制与问卷修正 |
| 5.4 数据获取与统计分析 |
| 5.4.1 研究对象 |
| 5.4.2 样本量的选择 |
| 5.4.3 信度分析 |
| 5.4.4 样本分布 |
| 5.4.5 样本数据相关性 |
| 5.5 效度分析 |
| 5.5.1 探索性因子分析 |
| 5.5.2 验证性因子分析 |
| 5.6 基于结构方程的影响因素模型构建与检验修正 |
| 5.6.1 影响因素模型构建 |
| 5.6.2 模型基本适配评估 |
| 5.6.3 假设检验的结果 |
| 5.7 结构方程模型检验结果分析 |
| 5.7.1 影响因素强度分析 |
| 5.7.2 医疗数据质量对信息技术影响的验证结果分析 |
| 5.7.3 信息技术对数据驱动医院管理决策影响的验证结果分析 |
| 5.7.4 医院组织管理对医疗数据质量影响的验证结果分析 |
| 5.7.5 医院组织管理对管理者信息素养影响的验证结果分析 |
| 5.7.6 医院组织管理对数据驱动医院管理决策影响的验证结果分析 |
| 5.7.7 管理者信息素养对医疗数据质量影响的验证结果分析 |
| 5.7.8 管理者信息素养对信息技术影响的验证结果分析 |
| 5.7.9 管理者信息素养对数据驱动医院管理决策影响的验证结果分析 |
| 5.8 本章小结 |
| 第6章 面向医院管理的数据驱动决策模型研究 |
| 6.1 数据驱动医院管理决策模型构建 |
| 6.2 面向医院管理的数据驱动决策模型的驱动机制 |
| 6.2.1 面向医院管理的数据驱动决策模型的驱动目标 |
| 6.2.2 面向医院管理的数据驱动决策模型的驱动特征 |
| 6.2.3 面向医院管理的数据驱动决策模型的驱动过程 |
| 6.3 数据驱动医院管理决策模型影响因素的作用机制 |
| 6.3.1 医疗数据质量在数据驱动决策模型中的影响机制 |
| 6.3.2 信息技术在数据驱动决策模型中的影响机制 |
| 6.3.3 医院组织管理在数据驱动决策模型中的影响机制 |
| 6.3.4 管理人员素养在数据驱动决策模型中的影响机制 |
| 6.4 数据驱动医院管理决策模型对医院管理的提升策略 |
| 6.4.1 提升医疗数据质量 |
| 6.4.2 发挥信息技术使能作用 |
| 6.4.3 发挥医院组织管理支持作用 |
| 6.4.4 提高管理人员信息素养 |
| 6.5 本章小结 |
| 第7章 面向医院管理的数据驱动决策的实证研究 |
| 7.1 资料来源与研究对象 |
| 7.2 原发性肺癌患者的DRGS分组 |
| 7.2.1 数据基础 |
| 7.2.2 数据纳入 |
| 7.2.3 术语映射 |
| 7.2.4 DRGs分组结果对比 |
| 7.3 基于DRGS细分组的医疗服务绩效评估 |
| 7.3.1 基于决策树的原发性肺癌患者DRGs细分组模型 |
| 7.3.2 基于DRGs细分组的医疗服务绩效评估指标 |
| 7.3.3 医生医疗服务绩效指标统计结果 |
| 7.3.4 科室医疗服务绩效指标统计结果 |
| 7.4 讨论 |
| 7.4.1 数据驱动医院管理决策过程 |
| 7.4.2 数据驱动医院管理决策影响因素 |
| 7.5 本章小结 |
| 第8章 结论与创新 |
| 8.1 结论 |
| 8.2 研究创新点 |
| 8.3 研究局限 |
| 参考文献 |
| 附录1 病案组DRGS分组情况 |
| 附录2 医生组DRGS分组情况 |
| 附录3 访谈提纲 |
| 附录4 调查问卷 |
| 作者简介及在学期间所取得的科研成果 |
| 后记与致谢 |
（3）基于转录组数据挖掘分析免疫标志物与恶性黑色素瘤转移机制的研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 研究背景 |
| 1.1.1 恶性黑色素瘤的流行病学特点及治疗现状 |
| 1.1.2 恶性黑色素瘤分子缺陷的研究进展 |
| 1.1.3 恶性黑色素瘤生物标志物的研究进展 |
| 1.1.4 肿瘤微环境的研究进展 |
| 1.2 研究目的 |
| 1.3 研究内容 |
| 1.4 研究方法 |
| 1.4.1 生物信息学方法 |
| 1.4.2 计算结果的独立数据集验证 |
| 1.4.3 分子生物学实验功能验证 |
| 1.5 技术路线图 |
| 参考文献 |
| 第二章 恶性黑色素瘤Bulk转录组测序数据分析 |
| 2.1 研究背景 |
| 2.1.1 生物信息学与肿瘤治疗研究 |
| 2.1.2 技术路线图 |
| 2.2 材料与方法 |
| 2.2.1 数据来源和分类 |
| 2.2.2 数据预处理和数据质量标准化 |
| 2.2.3 差异基因分析 |
| 2.2.4 基因标志物的Cox风险比例回归分析 |
| 2.2.5 构建基因标志物预后风险模型 |
| 2.2.6 基因标志物通路和功能分析 |
| 2.2.7 反卷积网络重构恶性黑色素瘤的免疫微环境 |
| 2.2.8 预后基因标志物与肿瘤免疫浸润细胞的相关性分析 |
| 2.2.9 恶性黑色素瘤中突变基因分布统计 |
| 2.2.10 肿瘤突变负荷分数的计算和预后分析 |
| 2.3 结果 |
| 2.3.1 患者人口统计学和临床因素 |
| 2.3.2 差异基因与免疫相关基因的识别 |
| 2.3.3 建立免疫相关基因的风险模型 |
| 2.3.4 评估预后模型的预测效果 |
| 2.3.5 基因本体分析与KEGG通路分析 |
| 2.3.6 原发和转移病例样本中肿瘤浸润免疫细胞的差异 |
| 2.3.7 基因标志物与肿瘤免疫微环境的相关性分析 |
| 2.3.8 GEO队列独立数据集验证模型的预后 |
| 2.3.9 GEO队列中恶性黑色素瘤验证集的免疫分析 |
| 2.3.10 评估低危和高危人群之间的免疫情况 |
| 2.3.11 评估基于CD274/PDCD1 转移亚组肿瘤微环境的差异 |
| 2.3.12 MM中的突变图谱 |
| 2.3.13 TMB对恶性黑色素瘤预后的影响 |
| 2.4 讨论 |
| 2.5 结论 |
| 参考文献 |
| 第三章 恶性黑色素瘤单细胞转录组测序数据验证 |
| 3.1 研究背景 |
| 3.2 材料与方法 |
| 3.2.1 数据来源 |
| 3.2.2 关键软件及数据库资源 |
| 3.2.3 质控:细胞的选择和过滤 |
| 3.2.4 数据标准化 |
| 3.2.5 识别高变异基因 |
| 3.2.6 中心化(Scaling)分析 |
| 3.2.7 主成分(PCA)分析 |
| 3.2.8 非线性降维(t-SNE) |
| 3.2.9 寻找差异表达的特征(聚类生物标志物) |
| 3.2.10 注释cluster中细胞类型 |
| 3.3 结果 |
| 3.3.1 质控和细胞群分类 |
| 3.3.2 数据标准化 |
| 3.3.3 质控和细胞群分类 |
| 3.3.4 PCA降维并提取主成分分析 |
| 3.3.5 T-SNE聚类分析和marker基因 |
| 3.3.6 寻找差异表达的特征 |
| 3.3.7 细胞类型鉴定 |
| 3.3.8 基因标志物与肿瘤浸润免疫细胞的相关性 |
| 3.4 讨论 |
| 3.5 结论 |
| 参考文献 |
| 第四章 HPA数据库基因标志物的免疫组化分析 |
| 4.1 研究背景 |
| 4.1.1 人类蛋白质图谱网站数据对基因标志物的验证 |
| 4.2 材料和方法 |
| 4.2.1 数据来源与下载 |
| 4.3 结果 |
| 4.3.1 蛋白SLPI的免疫组化特征 |
| 4.3.2 蛋白LYZ的免疫组化特征 |
| 4.3.3 蛋白CD79A的免疫组化特征 |
| 4.3.4 蛋白CCL19 的免疫组化特征 |
| 4.3.5 蛋白S100A7 的免疫组化特征 |
| 4.3.6 蛋白CXCR4 对泛癌的预后的meta分析 |
| 4.4 讨论 |
| 4.5 结论 |
| 参考文献 |
| 第五章 CXCR4促进 A375细胞的侵袭和转移的实验研究 |
| 5.1 研究背景 |
| 5.2 材料和方法 |
| 5.2.1 实验试剂与实验仪器 |
| 5.2.2 仪器和设备 |
| 5.2.3 细胞株选择 |
| 5.3 实验方法 |
| 5.3.1 细胞培养 |
| 5.3.2 Cas9敲除实验 |
| 5.4 结果 |
| 5.4.1 构建CXCR4 敲除细胞系模型 |
| 5.4.2 实时荧光定量PCR检测A375细胞CXCR4 mRNA表达 |
| 5.4.3 CXCR4 能够促进A375 细胞克隆集落形成 |
| 5.4.4 CXCR4对A375细胞划痕实验的影响 |
| 5.4.5 CXCR4增强A375细胞转移和侵袭能力 |
| 5.5 讨论 |
| 5.6 结论 |
| 参考文献 |
| 第六章 结论与展望 |
| 附录一 CIBERSORTx计算结果(TCGA) |
| 附录二 CIBERSORTx计算结果(GSE19234,GSE53118) |
| 附录三 28 个差异基因的筛选结果 |
| 附录四 相关性分析结果(Primary Samples) |
| 附录五 相关性分析结果(Metastasis Samples) |
| 附录六 相关性分析结果(GSE19234) |
| 附录七 相关性分析结果(GSE72056) |
| 附录八 缩略语表(Abbreviation) |
| 在学期间的研究成果 |
| 致谢 |
（4）数字孪生建模方法及其在热力系统优化运行中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号及缩写表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 能源电力发展背景与现状 |
| 1.1.2 智能控制优化研究现状 |
| 1.2 热力系统建模仿真及大数据技术研究现状 |
| 1.2.1 热力系统建模研究现状 |
| 1.2.2 电力大数据及其发展现状 |
| 1.2.3 热力系统仿真技术发展背景 |
| 1.3 数字孪生技术的应用现状及关键技术 |
| 1.3.1 数字孪生的应用发展现状 |
| 1.3.2 数字孪生研究的关键技术 |
| 1.3.3 数字孪生发展面临的挑战 |
| 1.4 论文的研究内容 |
| 第2章 大数据背景下的数字孪生与热力系统建模理论 |
| 2.1 数字孪生的基本理论 |
| 2.1.1 数字孪生的定义与内涵 |
| 2.1.2 数字孪生与仿真技术之间的关系 |
| 2.1.3 数字孪生与信息物理系统之间的关系 |
| 2.2 热力系统建模理论与方法 |
| 2.2.1 流体网络机理建模理论与方法 |
| 2.2.2 数据驱动建模理论与方法 |
| 2.3 大数据的基本理论 |
| 2.3.1 大数据平台框架及相关技术 |
| 2.3.2 大数据存储管理与预处理方法 |
| 2.3.3 大数据分布式集群平台构建 |
| 2.4 本章小结 |
| 第3章 基于改进即时学习策略的自适应数据驱动建模方法研究 |
| 3.1 基于改进即时学习策略的自适应数据驱动建模方法 |
| 3.1.1 建模思路 |
| 3.1.2 基于改进遗传模拟退火算法的模糊聚类工况划分 |
| 3.1.3 基于多层次综合相似度度量的相似工况识别 |
| 3.1.4 基于Spark平台的数据驱动局部模型建模 |
| 3.2 SCR脱硝系统数据驱动建模应用案例 |
| 3.2.1 建模对象及背景介绍 |
| 3.2.2 数据预处理和相似工况选取 |
| 3.2.3 局部建模过程及结果分析 |
| 3.3 电锅炉供热系统荷侧和源侧负荷预测建模应用案例 |
| 3.3.1 建模对象及背景介绍 |
| 3.3.2 荷侧供热负荷预测模型 |
| 3.3.3 源侧电负荷预测 |
| 3.4 本章小结 |
| 第4章 热力系统数字孪生建模理论及应用 |
| 4.1 热力系统数字孪生建模思路 |
| 4.1.1 数字孪生建模方法的提出 |
| 4.1.2 数字孪生模型的构建方法及流程 |
| 4.2 数字孪生机理模型的构建 |
| 4.2.1 管路模型 |
| 4.2.2 调节阀模型 |
| 4.2.3 离心水泵模型 |
| 4.2.4 换热器模型 |
| 4.3 数字孪生模型的协同与融合理论 |
| 4.3.1 数字孪生模型离线智能参数辨识 |
| 4.3.2 数字孪生模型参数在线自适应协同 |
| 4.3.3 基于移动窗格信息熵的多模型输出在线融合 |
| 4.4 数字孪生建模实例分析 |
| 4.4.1 脱硝系统数字孪生模型的建立 |
| 4.4.2 供热系统数字孪生模型的建立 |
| 4.5 本章小结 |
| 第5章 基于热力系统数字孪生模型的节能控制优化 |
| 5.1 基于数字孪生模型的智能工况动态寻优 |
| 5.1.1 热力系统智能工况动态寻优策略 |
| 5.1.2 基于数字孪生模型的供热储热系统智能工况动态寻优 |
| 5.2 基于数字孪生模型的自适应预测控制优化 |
| 5.2.1 基于数字孪生模型的预测控制算法 |
| 5.2.2 基于数字孪生模型预测控制的喷氨量优化 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要研究工作及成果 |
| 6.2 论文主要创新点 |
| 6.3 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 |
（5）基于数据挖掘的油田增产措施指标优选模型研究与应用（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 |
| 1.3 论文研究内容 |
| 1.4 论文组织结构 |
| 第二章 基于ACO-BP的油田增产措施效果预测模型 |
| 2.1 ACO-BP模型理论基础 |
| 2.1.1 蚁群算法 |
| 2.1.2 BP神经网络 |
| 2.2 ACO-BP优化模型建立 |
| 2.2.1 ACO-BP优化模型基本思想 |
| 2.2.2 ACO-BP优化模型建立步骤 |
| 2.3 ACO-BP优化模型的应用实例 |
| 2.3.1 实验环境和数据说明 |
| 2.3.2 数据预处理 |
| 2.3.3 模型参数选取 |
| 2.3.4 实验结果分析 |
| 2.4 本章小结 |
| 第三章 基于QPSO-RBF的油田增产措施效果预测模型 |
| 3.1 QPSO-RBF优化模型理论基础 |
| 3.1.1 PSO算法 |
| 3.1.2 QPSO算法 |
| 3.1.3 RBF神经网络 |
| 3.2 QPSO-RBF优化模型建立 |
| 3.2.1 QPSO-RBF优化模型基本思想 |
| 3.2.2 QPSO-RBF优化模型建立步骤 |
| 3.3 QPSO-RBF优化模型的应用实例 |
| 3.3.1 实验环境和数据说明 |
| 3.3.2 数据预处理 |
| 3.3.3 模型参数选取 |
| 3.3.4 实验结果分析 |
| 3.4 本章小结 |
| 第四章 油田增产措施指标优选系统需求分析 |
| 4.1 需求获取 |
| 4.2 系统目标 |
| 4.3 功能分析 |
| 4.4 影响措施效果因素分析 |
| 4.5 本章小结 |
| 第五章 油田增产措施指标优选系统设计与实现 |
| 5.1 系统架构设计 |
| 5.2 系统功能模块设计 |
| 5.3 系统数据库设计 |
| 5.3.1 数据库概念设计 |
| 5.3.2 数据库逻辑设计 |
| 5.3.3 数据库表设计 |
| 5.4 系统开发环境 |
| 5.5 系统实现 |
| 5.5.1 系统登录界面 |
| 5.5.2 数据管理模块 |
| 5.5.3 数据分析模块 |
| 5.5.4 最优方案模块 |
| 5.5.5 用户管理模块 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（6）商务智能在企业内部审计中的应用研究 ——以A电商企业为例（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 文献综述 |
| 1.2.1 审计技术方法研究 |
| 1.2.2 商务智能研究现状 |
| 1.2.3 文献述评 |
| 1.3 研究思路与研究方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究方法 |
| 1.4 研究框架与研究内容 |
| 1.4.1 研究框架 |
| 1.4.2 研究内容 |
| 1.5 创新点 |
| 第2章 相关理论和技术 |
| 2.1 数据科学基础理论 |
| 2.2 内部审计基础理论 |
| 2.2.1 内部审计的内涵 |
| 2.2.2 内部审计的职能 |
| 2.2.3 内部审计的流程 |
| 2.3 商务智能技术 |
| 2.3.1 数据仓库技术 |
| 2.3.2 联机分析处理技术 |
| 2.3.3 数据挖掘技术 |
| 2.3.4 可视化技术 |
| 2.4 商务智能工具Power BI |
| 2.4.1 Power BI简介 |
| 2.4.2 Power BI在审计工作中的适用性 |
| 2.5 本章小结 |
| 第3章 基于商务智能的内部审计项目设计——以A电商企业为例 |
| 3.1 案例背景 |
| 3.2 A企业内部审计现状及目标 |
| 3.2.1 内部审计现状 |
| 3.2.2 内部审计目标 |
| 3.3 A企业内部审计分析需求 |
| 3.3.1 基础分析需求 |
| 3.3.2 数据挖掘分析需求 |
| 3.4 商务智能内部审计项目设计 |
| 3.4.1 数据源 |
| 3.4.2 数据采集与处理 |
| 3.4.3 数据建模与数据挖掘 |
| 3.4.4 可视化展现 |
| 3.5 本章小结 |
| 第4章 基于商务智能的内部审计可视化分析 |
| 4.1 可视化分析总体设计 |
| 4.1.1 可视化原则 |
| 4.1.2 分析模型方法 |
| 4.1.3 维度体系 |
| 4.1.4 指标体系 |
| 4.2 数据准备 |
| 4.3 数据建模 |
| 4.3.1 创建星型模型 |
| 4.3.2 创建层次结构 |
| 4.3.3 编写度量值 |
| 4.4 可视化展现与分析 |
| 4.4.1 经销商审计分析 |
| 4.4.2 存货审计分析 |
| 4.4.3 基于分解树的审计线索发现 |
| 4.5 本章小结 |
| 第5章 基于聚类算法的问题经销商发现 |
| 5.1 聚类简介 |
| 5.1.1 聚类分析原理 |
| 5.1.2 聚类分析意义 |
| 5.1.3 聚类方法选择 |
| 5.2 指标选择及优化 |
| 5.2.1 指标选择 |
| 5.2.2 指标优化 |
| 5.3 与Power BI的结合 |
| 5.4 K值优化 |
| 5.5 聚类结果分析 |
| 5.6 本章小结 |
| 第6章 总结 |
| 6.1 研究总结 |
| 6.2 研究结论 |
| 6.3 不足与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（7）标准作业指导书制作与管理系统开发研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 标准作业指导书 |
| 1.3.2 网络信息化 |
| 1.4 研究内容和技术路线 |
| 1.5 理论方法和技术手段 |
| 1.5.1 工业工程理论方法 |
| 1.5.2 网络信息化相关技术 |
| 1.5.3 数据挖掘与时间序列分析 |
| 1.6 本章小结 |
| 第二章 A公司标准作业指导书应用现状及问题分析 |
| 2.1 公司简介 |
| 2.2 文件内容与应用现状 |
| 2.3 问题挖掘与原因分析 |
| 2.4 本章小结 |
| 第三章 标准作业指导书改善方案设计 |
| 3.1 改善方向与研究目标 |
| 3.2 功能分析与实现办法 |
| 3.2.1 制作、修改和发行 |
| 3.2.2 查看、检索和删除 |
| 3.3 流程分析与改善思路 |
| 3.4 数据整理与模型建立 |
| 3.5 本章小结 |
| 第四章 标准作业指导书改善方案实施与评价 |
| 4.1 开发环境与编程工具 |
| 4.2 数据库构建和连接 |
| 4.2.1 数据库的构建 |
| 4.2.2 数据库的连接 |
| 4.3 应用性功能模块的开发 |
| 4.3.1 网页模板的制作 |
| 4.3.2 文件制作功能模块 |
| 4.3.3 文件发行功能模块 |
| 4.3.4 文件修改功能模块 |
| 4.3.5 文件管理功能模块 |
| 4.3.6 文件查看功能模块 |
| 4.3.7 数据管理功能模块 |
| 4.4 系统性功能模块的开发 |
| 4.5 系统测试与方案评价 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（8）基于数据挖掘的生鲜电商仓配策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 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 文本挖掘国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 研究创新点 |
| 第二章 基础理论和相关技术 |
| 2.1 网络爬虫技术 |
| 2.2 数据挖掘技术 |
| 2.2.1 数据挖掘原理与流程 |
| 2.2.2 机器学习理论 |
| 2.3 文本挖掘技术 |
| 2.3.1 文本挖掘原理与流程 |
| 2.3.2 文本分类 |
| 第三章 生鲜电商负面资讯预处理和可视化分析 |
| 3.1 研究对象与数据获取 |
| 3.1.1 研究对象 |
| 3.1.2 数据获取 |
| 3.2 数据预处理 |
| 3.2.1 文本分析工具 |
| 3.2.2 数据清洗 |
| 3.2.3 文本特征选择 |
| 3.3 数据可视化分析 |
| 3.3.1 文本特征生成 |
| 3.3.2 文本分布分析 |
| 3.3.3 词云可视化分析 |
| 3.4 本章小结 |
| 第四章 生鲜电商仓配策略问题挖掘 |
| 4.1 主题关键词提取与分析 |
| 4.1.1 基于TF-IDF的主题关键词提取 |
| 4.1.2 基于文本分类的主题关键词验证 |
| 4.1.3 基于主题关键词的文档问题分析 |
| 4.2 问题核心短语匹配与分析 |
| 4.2.1 主题关键词相关系数计算 |
| 4.2.2 相关特征提取与匹配 |
| 4.3 本章小结 |
| 第五章 生鲜电商仓配策略问题分析 |
| 5.1 问题核心短语问题归类统计分析 |
| 5.1.1 大类问题归类统计分析 |
| 5.1.2 细化问题归类统计分析 |
| 5.2 仓配策略问题总结分析 |
| 5.2.1 前置仓模式问题总结分析 |
| 5.2.2 新零售模式问题总结分析 |
| 5.2.3 社区团购模式问题总结分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（9）面向智库需求的智慧数据服务模式及服务能力评价研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与目的意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的 |
| 1.1.3 研究意义 |
| 1.2 国内外相关研究综述 |
| 1.2.1 图情机构智慧化资源管理与服务转型 |
| 1.2.2 图情机构智慧数据服务模式与服务体系 |
| 1.2.3 智慧数据服务能力及其评价 |
| 1.2.4 评述与分析 |
| 1.3 研究内容 |
| 1.4 研究方法和技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 1.5 创新点 |
| 第2章 相关概念与理论基础 |
| 2.1 相关概念 |
| 2.1.1 智库 |
| 2.1.2 智慧服务 |
| 2.1.3 智慧数据服务 |
| 2.1.4 面向智库需求的智慧数据服务 |
| 2.2 理论基础 |
| 2.2.1 数据管理理论 |
| 2.2.2 扎根理论 |
| 2.2.3 用户场景理论 |
| 2.2.4 灰色系统理论 |
| 第3章 我国智库的智慧数据服务需求分析 |
| 3.1 基于问卷调查的智库数据资源管理分析 |
| 3.1.1 调查问卷设计 |
| 3.1.2 调查对象与数据收集 |
| 3.1.3 结果分析 |
| 3.2 基于扎根理论的智库服务需求分析 |
| 3.2.1 研究对象与数据收集 |
| 3.2.2 范畴编码与检验 |
| 3.2.3 模型构建及分析 |
| 3.3 本章小结 |
| 第4章 面向智库需求的智慧数据服务要素与特征 |
| 4.1 面向智库需求的智慧数据服务过程 |
| 4.1.1 智库活动过程分析 |
| 4.1.2 面向智库需求的智慧数据服务过程分析 |
| 4.2 面向智库需求的智慧数据服务要素 |
| 4.2.1 图情机构主体 |
| 4.2.2 智慧数据 |
| 4.2.3 智慧化技术工具与方法 |
| 4.2.4 智慧数据服务平台 |
| 4.2.5 智慧数据服务环境 |
| 4.2.6 智慧数据服务要素之间关系 |
| 4.3 面向智库需求的智慧数据服务特征 |
| 4.3.1 数据多源性 |
| 4.3.2 技术智能性 |
| 4.3.3 服务场景化 |
| 4.4 案例分析 |
| 4.4.1 南京师范大学图书馆发展现状 |
| 4.4.2 南师大图书馆智慧数据服务分析 |
| 4.5 本章小结 |
| 第5章 面向智库需求的智慧数据服务模式 |
| 5.1 面向智库需求的智慧数据服务模式概念和类型 |
| 5.1.1 面向智库需求的智慧数据服务模式的概念 |
| 5.1.2 面向智库需求的智慧数据服务模式的类型 |
| 5.2 面向智库需求的个性化推荐智慧数据服务模式 |
| 5.2.1 智库活动过程分析 |
| 5.2.2 智库需求感知 |
| 5.2.3 资源融合及服务集成 |
| 5.2.4 智能化推荐 |
| 5.2.5 案例分析 |
| 5.3 面向智库需求的嵌入式智慧数据服务模式 |
| 5.3.1 智库活动层 |
| 5.3.2 嵌入层 |
| 5.3.3 融合层 |
| 5.3.4 服务层 |
| 5.3.5 案例分析 |
| 5.4 本章小结 |
| 第6章 面向智库需求的智慧数据服务模式实现 |
| 6.1 智库特征识别与需求确定 |
| 6.1.1 智库特征识别 |
| 6.1.2 智库需求确定 |
| 6.2 基于Data Commons的智慧数据服务平台构建 |
| 6.2.1 Data Commons平台的概念和特点 |
| 6.2.2 Data Commons平台的目标与功能 |
| 6.2.3 Data Commons平台的架构设计 |
| 6.3 多源数据融合 |
| 6.3.1 多源数据融合架构 |
| 6.3.2 多源数据融合方法 |
| 6.4 智能化技术融合与协同治理 |
| 6.4.1 智能化技术融合与协同治理模式 |
| 6.4.2 基于协同治理的智能化技术融合过程 |
| 6.5 基于专家系统的智能情报分析 |
| 6.5.1 专家数据管理模块 |
| 6.5.2 专家在线咨询模块 |
| 6.5.3 专家智能推荐流程 |
| 6.6 基于向量空间模型的场景化服务推荐模型 |
| 6.6.1 场景化服务 |
| 6.6.2 场景化服务接受效用 |
| 6.6.3 场景化服务推荐模型 |
| 6.6.4 场景化服务推荐实验 |
| 6.7 本章小结 |
| 第7章 面向智库需求的智慧数据服务能力评价体系 |
| 7.1 智慧数据服务能力评价体系问题的提出 |
| 7.2 智慧数据服务能力评价体系的构建依据 |
| 7.3 智慧数据服务能力评价指标的选取与修正 |
| 7.4 智慧数据服务能力评价指标的阐释 |
| 7.5 智慧数据服务能力评价指标的优化与赋权 |
| 7.5.1 样本选择及问卷描述 |
| 7.5.2 评价指标的重要性和易获得性计算 |
| 7.5.3 评价指标优化 |
| 7.5.4 评价指标赋权 |
| 7.6 实证研究 |
| 7.6.1 研究方法 |
| 7.6.2 数据分析 |
| 7.6.3 结果分析 |
| 7.7 本章小结 |
| 第8章 面向智库需求的智慧数据服务保障策略 |
| 8.1 政府政策保障方面 |
| 8.2 图书情报机构服务主体保障方面 |
| 8.2.1 强化服务意识并挖掘智库需求 |
| 8.2.2 优化图情机构的智慧数据服务架构 |
| 8.2.3 建立并完善智慧数据服务能力评价体系 |
| 8.3 多源数据保障方面 |
| 8.3.1 加强智慧数据体系建设 |
| 8.3.2 建立一体化多源数据联动与反馈机制 |
| 8.4 智能化技术方法与工具保障方面 |
| 8.4.1 加强现代化数据技术的融合和应用 |
| 8.4.2 完善智慧数据服务平台功能和服务 |
| 8.5 智慧数据服务人才保障方面 |
| 8.5.1 完善我国图情机构学科馆员制度 |
| 8.5.2 提升智慧数据服务人员的创新服务能力 |
| 8.6 本章小结 |
| 第9章 研究结论与展望 |
| 9.1 研究结论 |
| 9.2 研究局限与展望 |
| 9.2.1 研究局限 |
| 9.2.2 研究展望 |
| 参考文献 |
| 附录 |
| 研究成果 |
| 致谢 |
（10）基于数据挖掘的工程造价数据库设计研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 中央重磅发文:数据归为可市场化配置的生产要素 |
| 1.1.2 加强工程造价数据库建设势在必行 |
| 1.1.3 不同形式不同介质的数据亟须标准、信息化处理 |
| 1.2 问题提出 |
| 1.2.1 研究对象的界定 |
| 1.2.2 现实问题的提出 |
| 1.2.3 科学问题的凝练 |
| 1.2.4 关键问题的解构 |
| 1.3 研究目的及意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 研究内容及框架 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 理论基础与文献综述 |
| 2.1 工程造价信息管理 |
| 2.1.1 工程造价信息管理的范畴 |
| 2.1.2 工程造价信息管理的过程 |
| 2.1.3 工程造价信息管理的发展现状 |
| 2.2 数据挖掘理论 |
| 2.2.1 相关概念界定 |
| 2.2.2 数据挖掘流程步骤 |
| 2.2.3 数据挖掘技术的应用 |
| 2.2.4 数据挖掘模型和算法 |
| 2.3 工程造价数据库研究综述 |
| 2.3.1 工程造价数据库的概念 |
| 2.3.2 国外工程造价数据库理论及实践研究 |
| 2.3.3 国内工程造价数据库理论及实践研究 |
| 2.4 文献启示 |
| 第三章 研究设计 |
| 3.1 整体研究框架 |
| 3.2 基于原始性挖掘的工程造价数据库表单设计的研究思路 |
| 3.2.1 研究逻辑 |
| 3.2.2 研究方法 |
| 3.3 基于描述性挖掘的工程造价数据库分析功能设计的研究思路 |
| 3.3.1 研究逻辑 |
| 3.3.2 研究方法 |
| 3.4 基于预测性挖掘的工程造价数据库预测功能设计的研究思路 |
| 3.4.1 研究逻辑 |
| 3.4.2 研究方法 |
| 第四章 基于原始性挖掘的工程造价数据库表单设计 |
| 4.1 原始性挖掘的数据库指标体系构建 |
| 4.1.1 面向使用对象的原始性挖掘指标 |
| 4.1.2 面向功能用途的原始性挖掘指标 |
| 4.2 原始性挖掘的数据库特征因素选取 |
| 4.2.1 工程特征因素概述 |
| 4.2.2 基于层次分析法的特征因素分析 |
| 4.3 数据库表单的结构化设计 |
| 4.3.1 工程概况表 |
| 4.3.2 工程造价费用指标分析表 |
| 4.3.3 主要分部/分项工程量指标分析表 |
| 4.3.4 主要人工、材料消耗量指标分析表 |
| 4.4 本章小结 |
| 第五章 基于描述性挖掘的工程造价数据库分析功能设计 |
| 5.1 工程造价数据预处理 |
| 5.1.1 必要性及任务 |
| 5.1.2 数据清洗 |
| 5.1.3 数据转换 |
| 5.1.4 数据约简 |
| 5.2 工程造价数据库多维分析 |
| 5.2.1 OLAP的数据组织 |
| 5.2.2 OLAP的多维分析 |
| 5.3 工程造价数据库经济描述 |
| 5.3.1 造价数据横纵向对比分析 |
| 5.3.2 工程变更技术经济分析 |
| 5.3.3 限额设计技术经济分析 |
| 5.3.4 设计方案技术经济分析 |
| 5.3.5 基于聚类算法的价格分析 |
| 5.4 工程造价数据库可视化分析 |
| 5.4.1 构成分析 |
| 5.4.2 趋势分析 |
| 5.5 本章小结 |
| 第六章 基于预测性挖掘的工程造价数据库预测功能设计 |
| 6.1 预测性挖掘方法的选取 |
| 6.1.1 预测方法对比 |
| 6.1.2 适用性分析 |
| 6.2 基于案例推理的预测性挖掘过程 |
| 6.2.1 案例推理系统的设计 |
| 6.2.2 案例推理系统的实现 |
| 6.3 基于案例推理的预测性挖掘实证研究 |
| 6.3.1 案例的表示和组织 |
| 6.3.2 案例的索引 |
| 6.3.3 案例的相似度计算 |
| 6.3.4 案例的修正 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 研究结论与创新 |
| 7.2 研究不足与展望 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
四、数据挖掘工具的应用与标准化（论文参考文献）
- [1]基于大数据的大学生日常思想政治教育创新研究[D]. 邓晶艳. 贵州师范大学, 2021(09)
- [2]面向医院管理的数据驱动决策研究[D]. 李茵. 吉林大学, 2021(01)
- [3]基于转录组数据挖掘分析免疫标志物与恶性黑色素瘤转移机制的研究[D]. 原凌燕. 兰州大学, 2021(09)
- [4]数字孪生建模方法及其在热力系统优化运行中的应用研究[D]. 高学伟. 华北电力大学(北京), 2021(01)
- [5]基于数据挖掘的油田增产措施指标优选模型研究与应用[D]. 吴娟. 西安石油大学, 2021(09)
- [6]商务智能在企业内部审计中的应用研究 ——以A电商企业为例[D]. 翟学强. 山东财经大学, 2021(12)
- [7]标准作业指导书制作与管理系统开发研究[D]. 邓增钰. 江西理工大学, 2021(01)
- [8]基于数据挖掘的生鲜电商仓配策略研究[D]. 佘昊. 北京邮电大学, 2021(01)
- [9]面向智库需求的智慧数据服务模式及服务能力评价研究[D]. 吴雅威. 吉林大学, 2021(01)
- [10]基于数据挖掘的工程造价数据库设计研究[D]. 刘贺. 天津理工大学, 2021(08)