一、性能评价形式化方法的现状和发展（论文文献综述）
刘嘉欣[1]（2021）在《面向质量保障的移动群智感知任务分配与评价方法研究》文中提出随着智能移动设备的普及和5G通信技术的发展,移动群智感知作为一种新型感知方式被越来越多的应用于实际场景,它利用移动终端自带的各类传感器完成对周围环境的感知。在移动群智感知中,感知节点通常具有高移动性以及分布密集的特点,因此,与传统固定的传感器网络相比,移动群智感知网络的感知规模更广、部署成本更低,收集到的感知数据的全面性和时效性更好。但是,感知节点的不确定性也为获取感知数据增加了一些难度,例如,感知节点的数据收集能力、通信成本接受程度、移动路径、个人意愿偏好等。为了保证感知数据质量,根据感知任务的内容要求和时空分布,匹配合适的感知节点进行数据收集至关重要。因此,本文对移动群智感知中的任务分配和感知性能评估进行了研究,本文主要成果如下。1.提出一种基于混合用户模型与排序学习算法相结合的协同排序任务推荐方法。首先,根据参与者的历史行为对其兴趣偏好、移动特征等方面进行分析,初步过滤掉一些劣质感知用户,同时利用参与者间的相似性构建混合用户模型。其次,利用概率矩阵分解对参与者的意愿值进行预测,并根据监督性学习方法排序学习得到一个排序模型。最后,根据排序模型生成任务推荐列表,作为目标参与者的优选任务列表。在保证参与者移动距离最小,同时参与者接受率最高的情况下,进行感知任务推荐。基于真实数据集的仿真实验结果表明,该方法有效地提高了任务分配的准确率,与此同时减少了感知用户的移动距离。2.提出一种基于部分迁移学习的分阶段参与者优选方法。首先,对数据进行预处理,一方面对感知任务特征进行提取,从而分析源任务与目标任务特征空间的相关性;另一方面根据感知用户的历史移动规律,将用户分为主动用户和被动用户。然后,进行第一阶段的任务分配,根据源任务与目标任务的特征空间相似度,将源任务的部分用户资源迁移到与其特征空间分布相似的目标子任务中,使得目标任务可以高效、准确的选择参与者。最后,进行第二阶段的任务分配,针对未被覆盖到的目标子任务,将该子任务所在区域内的被动用户作为分配对象。基于真实数据集的仿真实验结果表明,该方法有效地提高了任务覆盖率,与此同时减少了感知激励成本。3.提出一种基于性能评估进程代数的感知性能评价方法。首先,根据感知任务需求和感知用户行为,构建多维感知性能评估指标体系,以确定一个能够覆盖多种需求的感知性能评估标准。其次,基于性能评估进程代数建立精确描述群智感知计算行为和性质的形式化模型,与此同时,利用马尔科夫链进行语法语义验证以及模型分析,实现对感知性能的量化评价。最后,根据量化结果计算感知性能的瞬时增量,基于增量式变化预测感知性能的变化趋势,从而确定感知性能优化的方向。
马璇[2]（2020）在《基于区块链的学历鉴证平台中智能合约关键技术研究》文中指出近年来,随着证书的普及,学历造假、隐私泄露等事件层出不穷。已有的解决方案大多是基于传统的中心化数据库存储技术,会造成数据丢失、泄露且难以恢复的情况,存在一定的弊端。即便能够保证数据可信,但单凭学历证书也并不能完全代表一个人的能力。区块链技术的提出为解决上述问题提供了新的思路。学程链是一个基于区块链的学历鉴证平台,它通过将学生全周期的学习经历数据、数字身份存储于区块链上,保证学生数据安全且不可篡改,并基于智能合约技术提供有关学历的各种鉴证服务以及个人数据隐私保护。智能合约技术为自动执行学程链参与者之间的约定和互动提供了保障,本文以学程链中的智能合约关键技术为主要研究内容。论文的主要贡献如下:（1）针对智能合约开发复杂性较高、不同平台实现机制不一致等问题,提出了语义层次较高的有限承诺机方法,支持设计人员在业务语义层面描述智能合约的处理逻辑而不需要关心具体的编程细节,可以大幅度降低智能合约开发的难度。（2）根据智能合约的运行特点提出了有限状态机方法,有限状态机作为一种公共的中间表达形式,可以独立于具体的智能合约编程语言,描述智能合约的代码逻辑和编程细节,并能够翻译成不同编程语言的智能合约代码。（3）设计实现了有限承诺机自动转化为有限状态机的方法并对该方法的正确性进行了分析与证明,同时提出了有限状态机状态图的结构划分算法,实现其与以太坊Solidity语言、超级账本Fabric Go语言之间的结构映射,从而能够基于有限状态机自动生成以太坊和超级账本Fabric上可部署、执行的智能合约代码。（4）提出了基于智能合约的恶意查询过滤算法EBF-SC,并设计了弹性布隆过滤器改进现有布隆过滤器的误报问题,EBF-SC算法与弹性布隆过滤器的结合降低了恶意查询对系统响应速度的影响,保障了学程链的查询性能并提高了系统安全性。（5）分别对基于有限状态机的智能合约生成方法和EBF-SC算法进行实验验证和结果分析。实验结果表明,本文提出的解决方案是有效的,能够为简化智能合约的设计和生成、保障学程链的响应性能提供有力的支持。
卜星晨[3]（2020）在《面向CPS的AADL-Modelica建模、模型转换与性能评价》文中指出信息物理融合系统（CPS）是一种软件和硬件紧密联系、相互影响的新一代智能系统。随着计算机技术、通信技术以及自动化技术的不断发展,CPS正逐步走向成熟并开始广泛应用到人们的日常生活中。人们对于CPS的要求已经不再局限于系统的功能作用,更多的开始关注系统各方面的性能指标。目前关于CPS性能评价的研究还比较少,本课题将形式化建模与模型转换引入到CPS的性能评价中,利用模型检测与性能评价语言CTSL,在CPS的形式化模型上自动地计算对应性质的性能指标。本文的主要研究贡献如下:（1）采用组合式的建模方法对CPS进行建模,使用AADL对CPS的信息系统进行建模,使用Modelica对CPS的物理系统进行建模。针对现有AADL无法描述CPS中的概率行为事件,提出了一种带有通信机制的AADL概率行为附件。并根据AADL与Modelica的对应关系,在AADL的属性集中扩展了Modelica的对应元素,将Modelica模型映射为对应的AADL组件。通过AADL的端口连接机制,建立完整的表示CPS的体系结构模型。在AADL-Modelica建模基础上,使用Z规范对模型中的状态和状态迁移进行形式化的描述。（2）由于AADL和Modelica都是半形式化的建模语言,所建立的系统模型不能够直接进行模型检测。本文在组件交互自动机的基础上扩展了概率迁移和连续行为特性,提出了概率混成组件交互自动机PHCOIA。PHCOIA继承了组件交互自动机的特性能够很好地保留组件之间的交互信息。根据PHCOIA的特性,提出了将AADL模型和Modelica模型分别转换为PHCOIA的模型转换方法,将转换之后的模型通过PHCOIA组合算法进行组合,得到CPS对应的PHCOIA。（3）为了能够很好地描述CPS关于时间的性能指标,本文在现有时序逻辑的基础上提出了性能评价语言CTSL。并结合模型检测与性能评价的方法自动地对CPS的性能指标进行分析。针对混成系统的可达性分析不可判定的问题,采用线性近似的方法将PHCOIA中的每一个连续状态转换为线性变化的子状态。在线性近似的PHCOIA上,结合模型检测算法给出CTSL公式的具体计算方法,供开发者分析对应性质的性能指标。
王舜[4]（2020）在《软件模型检测中抽象-精炼方法的研究》文中研究指明软件模型检测是一种使用形式化方法验证软件可靠性的重要技术方法。根据采用方法逼近方向的不同,软件模型检测可以分为上逼近方法和下逼近方法。本文中所研究的抽象-精炼方法,是对上下逼近方法的融合,它涵盖了上逼近方法和下逼近方法并具有更好的性质。传统的软件模型检测根据所使用的程序状态模型的不同,分别使用上逼近和下逼近方法进行分析,因此与相应模型紧密耦合的算法也常具有较大区别。这种内在的区别使得软件模型检测算法之间难以复用,同时算法输出的结果间也难以相互使用。近年来,一些关于软件模型检测的上下逼近融合方法研究开始兴起,通过设计状态融合的操作运算,使得上下逼近方法的状态得以混合,在一定程度上做到了结果相互使用,但是这种使用依然是浅层的。不同范式的软件模型检测方法没有做到深入地融合,其根本原因在于缺少一个统一的对软件抽象状态进行描述的模型。现有的模型多是基于不同形式的逻辑建立的状态存储和推理系统,其本身是依附于具体状态之上,着重描述程序的分立状态,缺乏对程序整体结构信息的描述和分析。针对以上问题,本文的具体研究内容如下:（1）从软件模型检测中的下逼近方法入手,以有界模型检测作为切入点,分析了有界模型检测方法在处理一般输入程序时所遇到的困难。这种困难存在于状态空间的表示和程序实际的执行流之间在距离上并不一致,导致在使用有界模型检测方法进行状态遍历时,其遍历的状态与目标状态集产生偏差,即发生了冗余的状态遍历,并最终导致方法实际性能的下降。针对这种问题,本文提出了一种度量程序执行流的方法,其度量出的距离可以指导状态遍历的方向,从而使得状态空间与执行流更加贴合,并通过实验验证了其对一般的程序片段的有效性。通过对下逼近方法的研究,在改进了有界模型检测方法的基础上,同时发现了一般程序的状态空间存在的两个基本方向属性:深度和广度。（2）针对在上逼近中应用较为广泛的谓词抽象在处理循环结构时容易落入循环中产生冗余遍历的问题,本文提出了基于K-归纳法对谓词抽象技术的上逼近方法的改进方法。这种方法可生成循环不变量,将谓词抽象从完整的检测循环中分离,成为具有一定模块化特征的子方法,并将K-归纳法从具体状态空间中提升到抽象状态空间。本文基于抽象-精炼方法的思想设计了K-归纳法和谓词抽象的组合方法。通过实验验证了该方法在处理循环程序片段中的有效性,且不会对其它类型程序造成显着的性能影响。通过对上逼近方法的研究,本文改进了谓词抽象方法对循环程序等的检测性能,并且发现该方法具有模块化和参数化的特性。（3）基于以上研究,本文继而着手对抽象-精炼类算法的统一结构进行研究。分析了一般抽象-精炼软件模型检测方法的公共性质,并在此基础上分别对下逼近方法和上逼近方法进行了解耦,建立了统一的模块化抽象-精炼方法的算法表示。该算法具有更为强大的灵活性以及普适性,使得传统的模型检测方法经模块化后成为该算法的子方法,并通过实验证明了该模块化方法不会对传统方法产生额外性能影响。（4）本文最后针对软件模型统一状态空间的表示和它所具有的性质开展了研究,建立了针对程序结构信息的状态模型,并提出了模型所具有的重要属性--对偶性。以之为基础,本文分析和建立了模型中的正交特性,并对抽象-精炼方法的高效性进行了解释。最后,利用该特性将模型映射到度量空间,推导了模型所具有的不确定特性,给模型检测方法的性能提供了边界参考。
郭朋伟[5]（2020）在《基于一词多义的搜索排序和查询扩展方法研究》文中研究说明随着互联网的飞速发展,通过互联网获取相关信息已经成为现代人获取信息的常用方式。搜索引擎等网络检索系统的出现,加速了网络信息获取的速度和准确性。然而,以搜索引擎为代表的检索系统并不能完全满足用户的搜索需求。为了使搜索结果更加贴近用户当前的搜索需求,搜索排序技术和查询扩展技术极大的提高了搜索的准确率,从而提高了用户的搜索体验。然而,现有的搜索排序通常基于PageRank等传统的排序技术,并没有考虑用户当前的搜索意图,从而导致搜索结果集列表不能满足当前搜索需求而降低了用户的搜索体验。查询扩展也存在类似的问题,由于缺少对用户当前搜索意图的理解,扩展词虽然能够在一定程度上提高搜索的召回率,却因为不能拟合用户当前的搜索兴趣而降低了查询扩展的准确率。在上述搜索排序和查询扩展问题中,导致搜索结果集不能满足用户兴趣需求的直观原因是搜索系统通常只接收用户输入的查询,随之而来的排序和查询扩展处理仅依据当前查询条件进行处理,而缺少对用户搜索意图的考虑。然而,本文通过观察查询条件发现,导致这种现象的主要原因之一在于查询所存在的一词多义现象。由于一词多义是广泛存在的,所以查询通常也会存在一词多义现象。因此针对查询的每一个含义,都会有一类结果集与之对应。搜索系统对这些结果并不加以区分而仅依据排序算法按照排序值将结果混合在结果集列表中,导致搜索者难以找到符合当前搜索兴趣的结果。针对上述一词多义现象在搜索排序和查询扩展中所引起的问题,本文提出了一种面向一词多义的用户兴趣模型（记为UIMP）,拟以该模型为基础处理搜索排序和查询扩展中的一词多义现象所带来的影响。本文研究的主要内容是针对现有搜索结果集排序和查询扩展相关研究中,查询一词多义问题引起的排序以及查询扩展不能很好的拟合用户当前搜索兴趣所导致的排序结果和查询扩展结果不准确的问题。本文的研究目标旨在通过建立查询的一词多义模型和用户兴趣模型,在搜索排序和查询扩展中基于用户兴趣匹配和过滤一词多义中与用户当前搜索目标兴趣相关和兴趣无关的查询的各个含义,从而达到使排序和查询扩展结果更好的拟合用户当前搜索意图的目标。本文在以下方面展开了深入的研究。（1）面向用户兴趣的一词多义模型（UIMP）。一词多义所导致的搜索排序和查询扩展结果不能拟合用户当前搜索意图的关键原因在于相关处理方法缺少对用户当前搜索意图的获取。本文通过对用户可能兴趣来源的深入分析,选取四类有效的用户兴趣来源抽取用户当前的搜索兴趣,并建立UIMP模型。基于UIMP模型可以选取最有效的用户兴趣,从而确定拟合用户当前搜索兴趣的查询一词多义的某个具体的含义,以提高排序和查询扩展的准确性。（2）基于UIMP的排序方法。本文通过观察以及相关研究发现,用户在搜索引擎返回搜索结果集列表后,通常只浏览位置靠前的结果。考虑到用户的浏览习惯,搜索排序成为了提高用户搜索体验的关键,而排序恰恰是搜索过程的核心步骤。现有排序方法由于缺少对用户当前搜索意图的获取,导致排序结果仅仅能够拟合大众搜索的排序倾向而对搜索个体的排序体验提升并不明显。因此,本文提出了基于UIMP的排序方法,基于用户兴趣设计排序算法,提高用户感兴趣结果的排序值,从而提高用户的搜索体验。（3）基于UIMP的搜索目标渐变排序方法。随着互联网信息的不断增多,人们已经不满足于仅用互联网查找相关信息,而是将搜索引擎作为一种发现关联知识的工具,这一点在以探索式搜索为代表的搜索过程中体现的尤为明显。在这类搜索过程中,有一个很明显的特点是用户的兴趣在不断发生变化。因此本文基于UIMP提出了一个兴趣变化模型来处理这类搜索过程的排序结果,使搜索过程中的每个排序结果更加精确并在一定程度上引导用户发掘其感兴趣的关联知识。（4）基于UIMP的查询扩展方法。现有的查询扩展方法缺少对用户兴趣的考量,导致当查询存在一词多义时,扩展词集合本身就代表不同的含义方向,也可能导致扩展词偏离用户当前的兴趣范围。本文提出的方法是一种基于用户兴趣的扩展词选取方法,旨在通过用户兴趣分析查询的一词多义中各个含义与用户当前兴趣的关联性,基于用户当前的搜索兴趣以决定从查询的某个含义进行查询扩展。由于加入了用户兴趣因素,本文的方法将扩展词集中在当前查询最可能的含义方向上,从而提高了扩展的效率和准确性。（5）基于UIMP的流行词查询扩展方法。随着搜索技术的不断发展,人们的搜索方式逐渐形成了一定的规律性。本文通过观察发现,从搜索用户总体来看,有相当大比例的搜索者会在一定时间内搜索相同的内容,称之为搜索热点,对应的查询通常包含大量的流行词语。现有的查询扩展方法通常不考虑查询的流行性,而采用统一的查询扩展方法进行处理,导致查询扩展效果不能反映查询本身的搜索热度和用户的搜索兴趣。本文提出基于UIMP的流行性查询扩展方法,建立基于流行查询的一词多义模型,使得查询扩展在处理流行查询时可以获得更高的处理效率。
孙成[6]（2019）在《基于CDTB的篇章结构解析器的自动构建研究》文中提出词、短语和句子级的相关研究日趋成熟,篇章成为了自然语言处理领域的研究焦点之一。篇章分析旨在研究篇章特点和篇章组成单元之间的语义关系,进而从整体上理解篇章。篇章结构解析作为篇章分析的核心任务,其研究目标是依据篇章理论将篇章文本组织成结构化数据,为下游篇章级应用提供支撑。基于中文篇章连接依存树（Chinese Connective-driven Discourse Tree,CDT）理论和对应资源库CDTB,本文针对中文篇章结构自动解析问题进行了研究,具体工作包括:（1）提出了一种基于长短期记忆神经网络和图卷积神经网络组合的中文基本篇章单元（Elementary Discourse Unit,EDU）识别方法。该方法将EDU识别看作一个序列化标记任务,通过对上下文及EDU内部各成分间依存结构信息的表征来实现EDU分割点的确认,在CDTB语料上的实验验证了方法的有效性。（2）提出了一个基于神经网络和转移系统的中文篇章结构自底向上的自动解析方法。该方法将篇章树的构建过程看成状态转移过程,通过预测下一时刻的状态转移来完成篇章解析树的自动构建。在CDTB语料上的实验验证了方法的有效性。本文基于这一方法进一步探讨了篇章子结构表征策略对篇章自动解析的影响。（3）提出了一个基于指针网络的自顶向下的中文篇章结构自动解析方法。该方法将篇章层次结构的构建过程看作是对篇章单元分割点的排序过程,通过对EDU和分割点的有效表征,在编码-解码框架下融合注意力机制实现了篇章结构、关系主次和关系类别的联合学习,在CDTB语料上的实验验证了方法的有效性。（4）结合上述工作,构建了完整的端到端的篇章结构解析器,并分析了误差在各个子模块间的传播状况,以及它们对最终性能的影响。
曹雪岳[7]（2019）在《面向CPS的混成进程演算建模与基于统计的性能评价》文中研究指明信息物理融合系统（Cyber physical Systems,简称CPS）是软件和硬件设备紧密联系、相互影响相互作用的新一代智能系统。随着自动化、通信以及计算机技术的不断发展,CPS逐渐走向成熟并越来越多的应用到实际生产和生活中。人们对于CPS的要求已经不再局限于系统的功能扩展,CPS的性能指标开始被重视。在保证系统安全性和可靠性的前提下,人们倾向于采用性能更加优秀的系统。目前关于对CPS性能评价相关的形式化方法研究还很少,本次课题在对CPS特征和性能指标相关研究整理和总结的基础上,提出将形式化建模和分析的方法引入到CPS的性能评价中。利用统计模型检测和性能评价语言连续时间随机语言（Continuous Time Stochastic Language,简称CSTL）对基于HPCCS的CPS模型进行性能评价。本文的创新点如下:（1）本文在进程演算TCCS的基础上扩展概率选择和微分方程,提出一种新的信息物理融合系统建模语言HPCCS。体系结构分析与设计语言（Architecture Analysis and Design Language,简称AADL）是一种常用的体系化建模语言,利用AADL可以方便地对大型系统建模,如航电系统、列控系统等。通过扩展AADL随机行为和混成附件,提出用于CPS建模的混成AADL建模规范。由于AADL是半形式化建模语言无法直接对其进行形式化验证,本文提出AADL到HPCCS的模型转换算法,通过对转换后的HPCCS模型检测实现检测AADL模型的目的。（2）信息物理融合系统的性能评价需要一个表达能力足够并且不存二义性的性能评价语言,本文在PLTL和CTL的基础上提出一种性能评价语言CTSL。通过基于实值状态公式的CTSL可以刻画传统时序逻辑无法描述的系统性能指标。文中通过实例说明如何使用CTSL公式描述系统性能指标。（3）为了求解给定HPCCS模型的CTSL公式结果,首先利用离散化算法将模型离散化,然后通过对离散化模型的路径遍历计算出CTSL公式的精确解。由于精确求解算法随着并发进程数的增加面临状态空间爆炸的问题,本文采用贝叶斯统计模型检测算法,将CTSL分为四类公式,根据四类公式的性质分别给出贝叶斯性能评价算法。通过本文提出的贝叶斯性能评价算法,提高CTSL公式计算的效率。同时贝叶斯性能评价算法分析可以提供反例信息,供开发者找到系统的性能瓶颈。
张福高[8]（2018）在《基于Modelica-AADL的信息物理系统形式化建模与性能评价》文中研究指明信息物理融合系统（CPS）是物联网进一步发展的产物,CPS将物理过程与信息计算过程紧密联系,是一种复杂的混合系统,Modelica与AADL是适合用以信息物理融合系统的嵌入式系统体系结构建模语言,本文基于Modelica-AADL的建模方式,制定了适用于CPS的形式化性能评价语言及算法,完成系统的性能需求的规约,进一步分析与评价信息物理融合系统的相关性能。首先,应用两种不相关的建模语言Modelica与AADL为CPS建模,构建一种组合式建模方式Modelica-AADL,其中,Modelica应用于物理系统的建模,AADL应用于信息系统的建模,并对Modelica进行了相关的概率扩展,设计了接口将两种建模方式组合。同时,将Z语言引入到Modelica-AADL模型中,用以描述系统中的数据约束。为了进行系统分析评价工作,制定了相关规则与算法将非形式化的Modelica-AADL描述转换成形式化的概率混成自动机模型。之后定义面向CPS的形式化性能评价语言CTEL,结合相关具有统计意义的评价量计算方式,计算出性能评价的值,利用CTEL对系统的性能性质进行描述,得到分析结果。最后,结合统计方法扩充了性能评价。利用统计模型检测,将概率度量纳入性能评价的范畴,制定了在概率混成自动机模型下的统计模型检测框架。并且对性能评价进行了扩展,给以了在一定置信水平下,计算评价量的方式。在本文的建模与分析评价的各个部分,都用实例作了相关阐述,包括了为汽车引擎系统建立Modelica-AADL模型,具有实际意义的引擎系统动能评价,在置信水平下的引擎系统能量评价。
卜超[9]（2017）在《软件定义的自适应路由服务定制化机制研究》文中进行了进一步梳理随着互联网技术的迅速发展和网络规模的持续扩大,多种多样的新型网络应用不断涌现,不仅网络应用的种类愈加纷繁复杂,而且用户对各类型网络应用的通信需求也呈现出越来越多样化和个性化的特点。另外,用户更加关注服务体验,即使对于同类型的网络应用,其通信需求在不同的地理因素、心理因素和行为因素下也有很大差异。这就需要网络在各类应用的通信路径上提供多种多样的网络功能,以独特的分组处理及转发操作满足差异化的需求情形。然而,在当前网络环境中,专用化的功能往往运行于分布式的专用物理设备上。面向用户越来越复杂多样和频繁多变的通信需求,网络服务提供商（Internet Service Provider,ISP）通常不断地购买、部署和运行新型的专用物理设备,这样不仅导致高昂的资本支出和运营成本,而且为服务的快速创新、实时优化和精确维护带来诸多问题和严峻挑战。ISP需要一种较低投资和较高时间价值且可持续的自适应方式来应对用户多变的高通信需求。对此,本文基于软件定义思想,提出利用动态软件产品线（Dynamic Software Product Line,DSPL）、软件定义网络（Software Defined Networking,SDN）和网络功能虚拟化（Network Function Virtualization,NFV）,使多种多样实例化的网络功能运行于标准的通用化网络设备上,并支持从全局视图上对多样化的网络资源和功能进行统一地、动态地和灵活地调度、选择和部署,从而以可重用化、可组装化、可定制化等面向服务的软件工程方法在应用的通信路径上自适应地合成具有不同特性的定制化路由服务,满足用户独特的通信需求并优化其服务体验。本文主要创新及贡献如下:（1）面向大规模用户多样化和个性化的通信需求,如果ISP每次都单独地为每个用户的独特需求独立地定制每个路由服务显然会导致过高的成本支出和过量的资源消耗,本文提出了自适应路由服务规模化定制机制,不仅以规模化的方式合成路由服务,而且使合成的路由服务能够满足不同用户的独特需求。基于DSPL构建了多样化的路由服务产品线,并设计了路由服务产品线属性模型和一致性正交变化模型,作为快速定制、优化和维护大规模路由服务的基础。提出了形式化的定义和描述方法对路由服务定制进行抽象,并依据该抽象设计了优化ISP利润的方案。实验表明该机制能显着地降低规模化定制路由服务的时间开销,并且能明显提高运行中路由服务的实时调整效率和调整成功率。（2）面向迅速增长的网内大数据给传统的路由配置模式带来的服务质量优化、资源分配优化、功能选择优化等方面的挑战,本文提出了大数据驱动的自适应路由服务定制机制。基于DSPL构建了多维状态下的用户需求属性模型,作为准确地为ISP映射和识别用户需求的基础。利用古德—图灵估计构建了用户体验对需求参数的依赖关系模型,作为选择合适网络功能及实时调整路由服务的依据。提出了 ISP和用户各自的偏好评估方案,并以此设计了使ISP和用户利益共赢的服务组装和服务定价博弈策略。实验表明该机制能够有效地获取体验—参数值分布和体验对需求参数的依赖性分布,另外,该机制还能显着提高ISP和用户分别对定制化路由服务的满意程度。（3）面向从大量候选网络功能中选择合适的功能来定制路由服务,并使选择及定制过程具备不断自适应优化能力的挑战,本文提出了可持续学习及优化的自适应路由服务定制机制。基于DSPL构建了多粒度的功能属性模型,作为路由服务学习及优化的基础。提出了引入机器学习思想的路由服务学习方案,设计了基于多层前馈神经网络的路由服务离线学习模式和在线学习模式,依据历史经验信息和用户实时反馈信息持续性地优化网络功能选择及路由服务定制,从而不断改善用户的服务体验。实验表明该机制随着候选功能增加,能够显着提高多样化功能的利用率和定制化路由服务的优化率,并且较快地优化用户的服务体验。（4）面向商业化网络运营模式下网络活动多方参与者（如网络运营商、ISP、用户）之间复杂的利益需求关系,本文提出了市场驱动的自适应路由服务定制及供给机制。设计了用户效用评估模型,作为匹配用户所偏好服务的标准,也作为ISP定制及提供候选服务的参照。设计了 ISP服务定价策略,作为制定合理价格以优化其利润的基础。设计了多应用和多服务之间的高效匹配算法,并引入了帕累托效率进一步优化匹配结果,同时促进ISP和用户之间的利益均衡。实验表明该机制具备较好稳定性和适应性,能够显着提高应用的接入成功率和路由服务的适应率,并且可以有效地均衡ISP和用户之间的利益。（5）面向无法部署所有网络功能到每个交换机来随时快速地组装任意定制化的路由服务,以及仅即时地部署大量实时所需功能又会引起延迟、拥塞等严重问题的现状,本文提出了定制化路由服务中网络功能自适应部署机制。设计了基于预测的网络功能提前部署方案,结合长期预测与短期预测,把未来时间周期内预测会被大量需求的功能提前部署到各交换机中。设计了基于网络状态的网络功能实时部署方案,通过考虑交换机的处理能力、功能间互斥关系和链路可用带宽三个因素,提高资源利用率。实验表明该机制能够较好地判断各功能在未来时间段内的流行程度,并且显着提高各交换机内被部署功能的命中率,同时大幅减少组装定制化路由服务的时间开销。
方智勇[10]（2017）在《基于截流选址模型的防御阵型配置方法研究》文中认为以永备工事为核心的坚固阵地防御战斗是阵地防御战斗的基本类型之一,其作战样式通常是通过建立局部集中的要点式纵深梯次阵地体系,来大量地消耗敌人和牵制敌方。而一个优秀的防御阵型配置技术不仅能够提高防御阵地体系作战效能,还能提升防御作战计划制定的准确性和自动化程度。因此防御阵型配置技术的研究对于提高动态复杂战场环境下坚固阵地防御作战效果,实现战斗中各防御据点火力资源的优化利用和配置,具有重要的理论指导意义和实际应用价值。本文以静态与动态条件下的策略游戏中的攻防场景为课题背景,以解决实际防御阵地选址与调整的关键技术问题为目的,立足于在防御阵地配置系统建模和形式化,主要研究了动静态条件下的防御阵地的选址与调整的理论和方法。本文的主要贡献和创新如下:1、为防御阵型配置问题选取出一套科学的防御阵型影响指标,提出了基于截流选址模型的防御阵型问题形式化建模方法。根据空间选址的影响要素与军事工程的特点,本文总结出容量因素、区位特征因素和影响范围因素中的十项影响指标,并使用层次分析法选择对静态防御阵型配置模型有着最为重要影响的部分指标。深入分析防御阵型配置的特点和目的,依据选择的因素建立了基于截流选址模型的静态防御阵型配置问题的形式化模型,并以兰彻斯特战斗力方程为基础,从已知敌方信息完整度和节点偏序效能两个方面提出了三种阵型作战效能的定量计算方法。此方法克服了防御阵型配置问题没有统一形式化标准的困难,提升了防御阵型配置问题的需求分析和描述能力。2、通过分析动态条件下的防御阵型配置任务剖面,建立了基于应急物流选址模型的动态防御阵型调整模型。深入分析动态条件下的防御阵型配置任务的背景及特点,在现代控制系统的理论框架下,基于之前的静态防御阵型配置模型,面向动态作战力量调整任务内涵,提出了集动态性、鲁棒性、经济性和军事性为一体的动态防御阵型配置建模框架。此外,对动态任务中存在的多种不确定性因素进行了定量的描述,提供了一种形式化表达能力更强的动态防御阵地调整模型。3、从编码方式和约束消解两方面出发,提出了一种基于NSGA2算法的静态防御阵型配置方法;针对静态防御阵型内涵,基于系统传统评价方法ADC法,提出了一种在完全已知和部分已知两种情报完整度下的阵型作战效能评价方法。面对静态防御阵型配置问题,分别使用分支定界法和改进的NSGA2算法求解静态防御阵型配置问题,性能分析表明,后者采用模拟退火机制,克服了算法搜索易于陷入局部最优的缺点。结合防御作战的实际情况,提出了评价阵型作战效能的整体性能评价与鲁棒性能评价两种评价指标,并基于传统的ADC法设计了已知敌方信息、已知部分敌方信息和未知敌方信息三种情报完整度情况下的作战效能评价方法。采用由实际战场地形转化的多种战场拓扑模型进行实验分析,NSGA2算法的解优于传统的人工启发法生成的解,其平均火力成本比值高出后者10%以上;而在不确定性信息条件中加入偏序信息的形式化问题求解的阵型配置方案比未加入偏序信息的问题解集的平均整体性能评价高出5%以上。4、针对构建的动态阵型配置模型进行了系统分析,基于最优控制理论,提出了动态防御阵型调整的鲁棒性最优解求解算法,并给出了算法的鲁棒稳定性分析结果。从动态防御阵型配置的作战背景出发,基于动态防御阵型任务,动态防御阵性配置方法的步骤,并详细证明了该解下的系统鲁棒性与稳定性。最后通过相关算例对算法的有效性和稳定性进行验证,实验得到最后的补充度为97.88%,基本达到每个接受端据点完全恢复战斗力的目标,且系统在均匀分布扰动和正态分布扰动下均达到稳定,体现出本文算法求解的适用性和有效性。
二、性能评价形式化方法的现状和发展（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、性能评价形式化方法的现状和发展（论文提纲范文）
（1）面向质量保障的移动群智感知任务分配与评价方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 群智感知的研究背景与意义 |
| 1.2 群智感知的国内外研究现状 |
| 1.2.1 MCS任务分配研究现状 |
| 1.2.2 MCS性能评估研究现状 |
| 1.2.3 MCS应用研究现状 |
| 1.2.4 研究现状总结与分析 |
| 1.3 本文的研究内容与组织结构 |
| 1.3.1 课题来源 |
| 1.3.2 课题的主要研究内容 |
| 第2章 基于协同排序的MCS任务推荐方法 |
| 2.1 引言 |
| 2.2 相关理论与技术 |
| 2.2.1 排序学习 |
| 2.2.2 协同过滤 |
| 2.3 面向感知用户的MCS任务推荐 |
| 2.3.1 问题定义 |
| 2.3.2 用户隐式反馈信息分析 |
| 2.3.3 用户-任务概率矩阵因子分解 |
| 2.3.4 协同排序任务推荐算法 |
| 2.4 实验结果与分析 |
| 2.4.1 实验设置 |
| 2.4.2 实验结果分析 |
| 2.5 本章小结 |
| 第3章 基于部分迁移学习的MCS参与者优选方法 |
| 3.1 引言 |
| 3.2 相关理论与技术 |
| 3.2.1 迁移学习 |
| 3.2.2 部分迁移学习 |
| 3.3 面向异构任务的分阶段参与者优选 |
| 3.3.1 问题定义 |
| 3.3.2 用户移动规律分析 |
| 3.3.3 任务时空和属性特征分析 |
| 3.3.4 分阶段参与者优选算法 |
| 3.4 实验结果与分析 |
| 3.4.1 实验设置 |
| 3.4.2 实验结果分析 |
| 3.5 本章小结 |
| 第4章 基于性能评估进程代数的MCS性能评价方法 |
| 4.1 引言 |
| 4.2 相关理论与技术 |
| 4.2.1 性能评估进程代数 |
| 4.2.2 马尔可夫链 |
| 4.3 基于PEPA的感知性能评价方法 |
| 4.3.1 问题定义 |
| 4.3.2 多维性能评估指标 |
| 4.3.3 基于PEPA的形式化评估模型 |
| 4.3.4 基于增量式调节的性能优化 |
| 4.4 实验结果与分析 |
| 4.4.1 实验设置 |
| 4.4.2 实验结果分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术论文 |
| 致谢 |
（2）基于区块链的学历鉴证平台中智能合约关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和动机 |
| 1.2 研究现状 |
| 1.2.1 联盟链与公有链结合背景下的智能合约研究现状 |
| 1.2.2 智能合约形式化定义与生成的研究现状 |
| 1.2.3 区块链查询安全性的研究现状 |
| 1.3 本文工作概述 |
| 1.3.1 研究内容与目标 |
| 1.3.2 关键技术概括 |
| 1.4 本文组织结构 |
| 第二章 相关理论与关键技术 |
| 2.1 形式化方法 |
| 2.1.1 合同的语义模型 |
| 2.1.2 承诺 |
| 2.2 智能合约 |
| 2.2.1 区块链 |
| 2.2.2 以太坊中的智能合约技术 |
| 2.2.3 超级账本Fabric中的智能合约技术 |
| 2.3 布隆过滤器 |
| 2.4 本章小结 |
| 第三章 智能合约形式化定义 |
| 3.1 有限承诺机 |
| 3.1.1 承诺的定义及描述 |
| 3.1.2 有限承诺机的定义 |
| 3.2 有限状态机 |
| 3.2.1 有限状态机的定义 |
| 3.2.2 FCM-To-FSM转换方法 |
| 3.2.3 状态图 |
| 3.3 FCM-To-FSM转换方法正确性分析 |
| 3.4 本章小结 |
| 第四章 基于有限状态机的智能合约生成 |
| 4.1 智能合约代码生成流程概述 |
| 4.2 状态图划分 |
| 4.2.1 Solidity语言与Go语言特点 |
| 4.2.2 状态图结构划分 |
| 4.2.3 合约状态处理器(Contract State Handler) |
| 4.3 结构映射 |
| 4.3.1 映射规则 |
| 4.3.2 输入参数 |
| 4.4 本章小结 |
| 第五章 基于智能合约的恶意查询过滤算法设计 |
| 5.1 学程链系统的数据查询机制 |
| 5.2 弹性布隆过滤器的设计与构建 |
| 5.2.1 布隆过滤器 |
| 5.2.2 分区哈希 |
| 5.2.3 弹性布隆过滤器 |
| 5.3 基于智能合约的恶意查询过滤算法EBF-SC |
| 5.4 本章小结 |
| 第六章 实验结果及分析 |
| 6.1 实验运行环境 |
| 6.2 基于有限状态机的智能合约生成实验 |
| 6.2.1 实验方案 |
| 6.2.2 超级账本Fabric实验结果及分析 |
| 6.2.3 以太坊实验结果及分析 |
| 6.3 弹性布隆过滤器的性能评价 |
| 6.3.1 实验方案 |
| 6.3.2 实验结果及分析 |
| 6.4 EBF-SC算法性能评价 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文主要工作总结 |
| 7.2 未来展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 论文发表情况 |
（3）面向CPS的AADL-Modelica建模、模型转换与性能评价（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 CPS体系结构与建模方法 |
| 1.2.2 CPS性能评价与模型检测 |
| 1.3 本文研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关概念和预备知识 |
| 2.1 AADL简介 |
| 2.1.1 AADL建模元素 |
| 2.1.2 AADL建模流程 |
| 2.2 Modelica简介 |
| 2.3 Z规范简介 |
| 2.4 基于组件的开发技术 |
| 2.4.1 组件交互技术的形式化方法 |
| 2.4.2 组件交互自动机简介 |
| 2.5 本章小结 |
| 第三章 AADL-Modelica建模规范 |
| 3.1 AADL扩展的概率行为附件 |
| 3.1.1 variables模块 |
| 3.1.2 states模块 |
| 3.1.3 transition模块 |
| 3.1.4 信息系统中的交互建模 |
| 3.2 AADL与 Modelica的结合与扩展 |
| 3.2.1 Modelica与 AADL的对应关系 |
| 3.2.2 在AADL上扩展Modelica元素对应的属性集 |
| 3.3 AADL-Modelica建模实例 |
| 3.3.1 使用AADL对水箱控制系统进行建模 |
| 3.3.2 使用Modelica对水箱物理部分进行建模 |
| 3.3.3 将Modelica模型映射为AADL组件 |
| 3.3.4 水箱系统的组合 |
| 3.3.5 系统的流延迟分析 |
| 3.4 AADL-Modelica上的数据约束 |
| 3.5 本章小结 |
| 第四章 基于PHCOIA的 AADL-Modelica模型转换 |
| 4.1 概率混成组件交互自动机 |
| 4.2 PHCOIA的迁移系统语义 |
| 4.3 PHCOIA的组合与验证 |
| 4.3.1 PHCOIA组合的相关概念 |
| 4.3.2 PHCOIA的组合算法 |
| 4.3.3 PHCOIA的组合验证 |
| 4.4 基于PHCOIA的应用实例 |
| 4.5 基于PHCOIA的模型转换 |
| 4.5.1 AADL模型向PHCOIA转换的规则 |
| 4.5.2 Modelica模型向PHCOIA转换的规则 |
| 4.5.3 模型转换的正确性说明 |
| 4.5.4 AADL-Modelica模型向PHCOIA转换的实例 |
| 4.6 本章总结 |
| 第五章 面向CPS的性能评价语言及算法 |
| 5.1 性能评价语言CTSL |
| 5.1.1 CTSL语法 |
| 5.1.2 CTSL语义 |
| 5.2 计算CTSL性能评价公式的算法 |
| 5.2.1 线性近似连续过程 |
| 5.2.2 δ-线性近似连续过程 |
| 5.2.3 标记迁移系统上的δ-互模拟 |
| 5.2.4 δ-线性近似PHCOIA |
| 5.2.5 δ-线性近似PHCOIA实例 |
| 5.2.6 根据性能评价公式对PHCOIA进行精化 |
| 5.2.7 CTSL性能评价算法 |
| 5.3 性能评价实例 |
| 5.4 本章总结 |
| 第六章 总结 |
| 6.1 论文总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（4）软件模型检测中抽象-精炼方法的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究动机 |
| 1.2 研究背景和意义 |
| 1.3 研究设想、方法和目的 |
| 2 软件模型检测抽象-精炼方法的历史发展和现状 |
| 2.1 模型检测问题和基于逻辑推理的模型检测方法 |
| 2.2 具体状态模型检测方法和状态爆炸问题 |
| 2.3 符号模型检测方法 |
| 2.4 抽象模型检测方法 |
| 2.5 抽象-精炼模型检测方法 |
| 2.6 本章小结 |
| 3 利用局部性对基于BMC技术的下逼近方法的改进 |
| 3.1 基本模型 |
| 3.1.1 程序模型 |
| 3.1.2 抽象可达图 |
| 3.1.3 有界模型检测 |
| 3.2 程序局部性定义与局部性模型描述 |
| 3.3 程序局部性引导的BMC算法的设计 |
| 3.3.1 基础算法设计 |
| 3.3.2 改进算法设计 |
| 3.4 实验设计与性能分析 |
| 3.5 本章小结 |
| 4 利用K-归纳法对基于谓词抽象技术的上逼近方法的改进 |
| 4.1 基本方法和形式化描述 |
| 4.1.1 K-归纳法 |
| 4.1.2 谓词抽象 |
| 4.1.3 CEGAR |
| 4.2 融合分离谓词和K-归纳法的CEGAR算法 |
| 4.2.1 分离谓词抽象 |
| 4.2.2 抽象K-归纳法设计 |
| 4.2.3 综合算法设计 |
| 4.3 实验设计与性能评估 |
| 4.4 本章小结 |
| 5 上下逼近的统一方法—模块化抽象-精炼算法的研究 |
| 5.1 输入程序的精细结构定义与属性分析 |
| 5.2 通用抽象-精炼算法设计 |
| 5.2.1 具体空间算法重构 |
| 5.2.2 抽象空间算法重构 |
| 5.3 模块化嵌入方案实例和性能评价 |
| 5.3.1 可嵌入谓词抽象方案 |
| 5.3.2 可嵌入插值方案 |
| 5.3.3 嵌入方案的性能评价 |
| 5.4 本章小结 |
| 6 抽象-精炼类方法的结构分析和边界研究 |
| 6.1 分层程序模型 |
| 6.1.1 LPM格 |
| 6.1.2 LVV模型 |
| 6.2 分层程序模型的性质及其应用 |
| 6.2.1 分层模型的对偶性 |
| 6.2.2 分层模型的探索方法 |
| 6.3 分层程序模型的边界分析 |
| 6.4 本章小结 |
| 7 结论 |
| 参考文献 |
| 插图索引 |
| 表格索引 |
| 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 |
（5）基于一词多义的搜索排序和查询扩展方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 基于用户兴趣的搜索中一词多义问题的提出 |
| 1.2.1 基于用户兴趣搜索结果集排序中的一词多义问题 |
| 1.2.2 基于用户兴趣查询扩展中的一词多义问题 |
| 1.3 论文主要研究内容及组织结构 |
| 第2章 相关研究 |
| 2.1. 一词多义 |
| 2.1.1 信息检索中一词多义问题的提出 |
| 2.1.2 一词多义问题的处理 |
| 2.2. 用户个性化信息 |
| 2.2.1 用户个性化信息来源 |
| 2.2.2 用户个性化信息的相关应用 |
| 2.3. 搜索结果集排序 |
| 2.3.1 不考虑用户兴趣的搜索结果集排序 |
| 2.3.2 基于用户兴趣的搜索结果集排序 |
| 2.4. 搜索过程 |
| 2.4.1 搜索任务分类 |
| 2.4.2 探索式搜索 |
| 2.5 查询扩展 |
| 2.5.1 查询扩展分类 |
| 2.5.2 查询扩展主流方法 |
| 2.6 本章小结 |
| 第3章 面向一词多义的用户兴趣模型 |
| 3.1 研究动机 |
| 3.2 用户兴趣在一词多义处理中的作用 |
| 3.3 面向一词多义的用户兴趣模型 |
| 3.3.1 模型定义 |
| 3.2.2 模型构建过程 |
| 3.4 实验评价 |
| 3.4.1 实验方案 |
| 3.4.2 实验数据 |
| 3.4.3 评价方法 |
| 3.4.4 参数β的确定 |
| 3.4.5 加权用户兴趣准确度评价 |
| 3.4.6 基于UIMP的模型准确度评价 |
| 3.5 本章小结 |
| 第4章 基于UIMP的结果集排序方法 |
| 4.1. 研究思路 |
| 4.2 基于UIMP的搜索结果集排序一词多义模型 |
| 4.2.1 模型定义 |
| 4.2.2 模型构建方法 |
| 4.2.3 查询一词多义程度的度量方法 |
| 4.3 基于PMBUR的排序 |
| 4.4. 实验评价 |
| 4.4.1 实验数据 |
| 4.4.2 评价方法 |
| 4.4.3 搜索结果准确率和召回率评价 |
| 4.4.4 一词多义程度较低时的排序性能评价 |
| 4.4.5 一词多义程度较高时的排序性能评价 |
| 4.4.6 排序效果的整体性能评价 |
| 4.5. 本章小结 |
| 第5章 基于UIMP的搜索过程排序方法 |
| 5.1 研究思路 |
| 5.2 基于PMBUR的用户兴趣变化模型 |
| 5.2.1 模型定义 |
| 5.2.2 基于用户兴趣引导的结果集排序 |
| 5.3 基于搜索目标渐变的排序算法进行结果集排序 |
| 5.4 实验评价 |
| 5.4.1 实验数据 |
| 5.4.2 评价方法 |
| 5.4.3 用户兴趣是否变化判断的准确度评价 |
| 5.4.4 户兴趣变化中引导向量的准确度评价 |
| 5.4.5 一词多义程度较低时兴趣变化模型排序性能评价 |
| 5.4.6 一词多义程度较高时兴趣变化模型排序性能评价 |
| 5.4.7 兴趣变化模型排序性能总体评价 |
| 5.5 本章小结 |
| 第6章 基于UIMP的查询扩展方法 |
| 6.1 研究思路 |
| 6.2 基于UIMP的扩展词选取 |
| 6.2.1 基于UIMP的扩展词选取模型 |
| 6.2.2 模型构建过程 |
| 6.3 基于ESBU模型进行在线查询扩展 |
| 6.4 实验评价 |
| 6.4.1 实验数据 |
| 6.4.2 评价方法 |
| 6.4.3 扩展词选取准确率评价 |
| 6.4.4 一词多义程度较低时扩展条件性能评价 |
| 6.4.5 一词多义程度较高时扩展条件性能评价 |
| 6.4.6 扩展查询条件性能总体评价 |
| 6.5 本章小结 |
| 第7章 基于ESBU的流行词查询扩展方法 |
| 7.1 研究思路 |
| 7.2 针对流行词的ESBU模型 |
| 7.2.1 模型定义 |
| 7.2.2 模型构建方法 |
| 7.3 基于EHW进行在线查询扩展 |
| 7.4.1 实验数据 |
| 7.4.2 评价方法 |
| 7.4.3 一词多义程度较低时EHW性能评价 |
| 7.4.4 一词多义程度较高时EHW性能评价 |
| 7.5 本章小结 |
| 第8章 结论 |
| 8.1 本文工作总结 |
| 8.2 下一步的研究工作 |
| 参考文献 |
| 致谢 |
| 作者攻读博士学位期间的主要成果 |
（6）基于CDTB的篇章结构解析器的自动构建研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 篇章理论和语言资源建设相关研究 |
| 1.2.2 篇章解析器自动构建研究 |
| 1.2.3 篇章分析技术的应用研究 |
| 1.3 本文研究内容 |
| 1.4 文章组织结构 |
| 第二章 相关知识 |
| 2.1 CDT篇章结构理论 |
| 2.2 CDTB语料库介绍和统计 |
| 2.3 数据预处理与数据集划分 |
| 2.4 任务定义和统计结果分析 |
| 2.5 性能评价方法 |
| 2.6 本章小结 |
| 第三章 基于图卷积网络的基本篇章单元自动分割方法 |
| 3.1 任务描述 |
| 3.2 基于SVM逗号分类的EDU分割模型 |
| 3.2.1 数据预处理和特征抽取 |
| 3.2.2 实验过程 |
| 3.3 基于图卷积神经网络的EDU分割模型 |
| 3.3.1 数据预处理 |
| 3.3.2 模型介绍 |
| 3.3.3 实验过程 |
| 3.4 实验结果和分析 |
| 3.5 本章小结 |
| 第四章 基于转移的中文篇章结构解析方法 |
| 4.1 任务描述 |
| 4.2 基于转移的篇章结构解析器模型 |
| 4.2.1 Shift-Reduce转移系统 |
| 4.2.2 EDU的特征表示 |
| 4.2.3 篇章子结构的特征表示 |
| 4.2.4 转移状态的特征表示 |
| 4.2.5 转移动作预测模型 |
| 4.3 实验过程 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 基于指针网络的自顶向下的篇章结构解析方法 |
| 5.1 研究动机 |
| 5.2 自顶向下的中文篇章结构解析模型 |
| 5.2.1 EDU编码器 |
| 5.2.2 分割点编码器 |
| 5.2.3 编码器解码器 |
| 5.2.4 Biaffine Attention |
| 5.3 实验过程 |
| 5.4 实验结果与分析 |
| 5.5 误差传播分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间取得的科研成果 |
| 致谢 |
（7）面向CPS的混成进程演算建模与基于统计的性能评价（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 CPS体系结构与建模方法 |
| 1.2.2 CPS性能评价与模型检测 |
| 1.3 本文研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关概念和预备知识 |
| 2.1 进程演算 |
| 2.1.1 进程演算的基本概念 |
| 2.1.2 CCS的语法和操作语义 |
| 2.1.3 互模拟 |
| 2.2 模型检测与性能评价 |
| 2.2.1 模型检测技术 |
| 2.2.2 性能评价技术 |
| 2.3 AADL建模规范 |
| 2.3.1 AADL简介 |
| 2.3.2 AADL建模元素 |
| 2.4 本章小结 |
| 第三章 随机混成系统建模语言HPCCS |
| 3.1 随机混成系统 |
| 3.2 带数据约束的随机混成系统规范HPCCS |
| 3.2.1 HPCCS语法 |
| 3.2.2 HPCCS操作语义 |
| 3.3 面向CPS的混成AADL建模与模型转换 |
| 3.3.1 面向CPS的混成AADL建模规范 |
| 3.3.2 混成AADL到 HPCCS的转换规则 |
| 3.3.3 混成AADL建模与模型转换实例 |
| 3.4 本章小结 |
| 第四章 利用近似互模拟离散化抽象HPCCS |
| 4.1 λ-互模拟 |
| 4.2 带标记迁移系统上的近似互模拟 |
| 4.3 离散化HPCCS进程 |
| 4.3.1 离散化连续过程 |
| 4.3.2 离散化HPCCS进程 |
| 4.4 基于离散化HPCCS的 CPS安全性分析 |
| 4.5 飞行导航系统验证实例 |
| 4.6 本章总结 |
| 第五章 基于统计的CPS性能评价 |
| 5.1 面向CPS的性能评价语言CTSL |
| 5.2 面向CTSL的统计模型检测方法 |
| 5.2.1 CTSL到混成自动机的转换 |
| 5.2.2 基于自动机的CPS性能评价机制 |
| 5.3 结合统计模型检测的CPS性能评价框架 |
| 5.3.1 基于贝叶斯的区间估计 |
| 5.3.2 基于贝叶斯因子的假设检验 |
| 5.4 算法实现 |
| 5.4.1 贝叶斯区间估计(E(φ ≥r)) |
| 5.4.2 贝叶斯区间估计(E(φ)) |
| 5.4.3 贝叶斯假设检验(E(φ ≥k) ≥r ) |
| 5.4.4 贝叶斯假设检验(E(φ) ≥r) |
| 5.5 案例分析 |
| 5.5.1 机场调度的形式化建模 |
| 5.5.2 机场调度的性能评价指标 |
| 5.5.3 实验方法与量化分析 |
| 5.6 本章小结 |
| 第六章 总结 |
| 6.1 论文总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（8）基于Modelica-AADL的信息物理系统形式化建模与性能评价（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 CPS体系结构与建模 |
| 1.2.2 性能评价与统计模型检测 |
| 1.3 本文研究内容 |
| 1.4 本文组织结构 |
| 第二章 相关概念与预备知识 |
| 2.1 AADL建模规范 |
| 2.1.1 AADL简介 |
| 2.1.2 AADL行为附件语法描述 |
| 2.2 Modelica建模语言介绍 |
| 2.2.1 Modelica简介 |
| 2.2.2 语义说明与Modelica相关语法 |
| 2.3 Z语言介绍 |
| 2.4 概率混成自动机 |
| 2.4.1 混成自动机 |
| 2.4.2 概率混成自动机 |
| 2.5 本章小结 |
| 第三章 Modelica-AADL建模 |
| 3.1 Modelica与 AADL状态与迁移 |
| 3.1.1 状态的定义 |
| 3.1.2 迁移的定义 |
| 3.2 概率扩展的Modelica模型 |
| 3.2.1 Modelica中的状态 |
| 3.2.2 向Modelica中引入概率因子 |
| 3.3 Modelica与 AADL的结合与扩充 |
| 3.3.1 Modelica、AADL、Z结合的必要性 |
| 3.3.2 Modelica-AADL接口设计 |
| 3.3.3 Modelica-AADL中的状态 |
| 3.3.4 Z描述Modelica-AADL数据约束 |
| 3.4 Modelica-AADL建模实例 |
| 3.4.1 汽车引擎系统速度控制 |
| 3.4.2 Modelica-AADL模型描述 |
| 3.5 本章小结 |
| 第四章 Modelica-AADL模型转换 |
| 4.1 Z概率混成自动机 |
| 4.2 Modelica-AADL模型转换 |
| 4.2.1 转换的必要性 |
| 4.2.2 向Z概率混成自动机转换 |
| 4.2.3 转换举例 |
| 4.3 本章小结 |
| 第五章 面向CPS的形式化性能评价语言 |
| 5.1 CTEL语法 |
| 5.2 CTEL语义 |
| 5.3 CTEL计算 |
| 5.3.1 CTEL算法 |
| 5.3.2 构造评价函数 |
| 5.3.3 CTEL性能评价举例 |
| 5.4 本章小结 |
| 第六章 结合统计方法的性能评价 |
| 6.1 面向CPS的统计模型检测 |
| 6.1.1 应用目的 |
| 6.1.2 统计模型检测框架 |
| 6.1.3 统计模型检测算法应用 |
| 6.2 置信区间的性能评价 |
| 6.2.1 置信区间评价量 |
| 6.2.2 评价举例 |
| 6.3 本章小结 |
| 第七章 总结 |
| 7.1 论文总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（9）软件定义的自适应路由服务定制化机制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及动机 |
| 1.2 研究基础及现状 |
| 1.2.1 路由配置技术分析 |
| 1.2.2 DSPL研究现状分析 |
| 1.2.3 SDN研究现状分析 |
| 1.2.4 NFV研究现状分析 |
| 1.2.5 SDN和NFV结合应用分析 |
| 1.3 本文研究内容和创新贡献 |
| 1.4 本文组织结构 |
| 1.5 课题来源 |
| 第2章 相关工作综述 |
| 2.1 服务合成技术 |
| 2.1.1 基于精确算法的服务合成 |
| 2.1.2 基于启发式算法的服务合成 |
| 2.2 网络功能及服务选择机制 |
| 2.2.1 基于局部信息的选择机制 |
| 2.2.2 基于全局信息的选择机制 |
| 2.3 网络功能及服务部署机制 |
| 2.3.1 实时部署机制 |
| 2.3.2 提前部署机制 |
| 2.4 引入计算经济模型的服务供给机制 |
| 2.5 本章小结 |
| 第3章 自适应路由服务规模化定制机制研究 |
| 3.1 问题描述 |
| 3.2 RaaS系统机制建模 |
| 3.3 路由服务产品线 |
| 3.3.1 可变点与可变量模型 |
| 3.3.2 属性模型 |
| 3.3.3 一致性正交变化模型 |
| 3.4 路由服务定制 |
| 3.4.1 路由服务抽象 |
| 3.4.2 用户体验评估 |
| 3.4.3 ISP利益评估 |
| 3.5 仿真实现与性能评价 |
| 3.5.1 仿真实验设置 |
| 3.5.2 性能评价及分析 |
| 3.6 本章小结 |
| 第4章 大数据驱动的自适应路由服务定制机制研究 |
| 4.1 问题描述 |
| 4.2 BARC系统机制建模 |
| 4.3 路由服务需求分析 |
| 4.3.1 需求属性分析 |
| 4.3.2 体验—需求依赖性分析 |
| 4.4 路由服务合成策略选择 |
| 4.4.1 策略对评估 |
| 4.4.2 基于纳什均衡的博弈 |
| 4.4.3 基于混合式策略的博弈 |
| 4.5 仿真实现与性能评价 |
| 4.5.1 仿真实验设置 |
| 4.5.2 性能评价及分析 |
| 4.6 本章小结 |
| 第5章 可持续学习及优化的自适应路由服务定制机制研究 |
| 5.1 问题描述 |
| 5.2 RSCM系统机制建模 |
| 5.2.1 系统框架 |
| 5.2.2 功能属性模型 |
| 5.2.3 路由服务组装 |
| 5.3 路由服务学习及优化 |
| 5.3.1 学习模式总体规划 |
| 5.3.2 离线学习模式 |
| 5.3.3 在线学习模式 |
| 5.4 仿真实现与性能评价 |
| 5.4.1 仿真实验设置 |
| 5.4.2 性能评价及分析 |
| 5.5 本章小结 |
| 第6章 市场驱动的自适应路由服务定制及供给机制研究 |
| 6.1 问题描述 |
| 6.2 ARSC系统机制建模 |
| 6.2.1 系统框架 |
| 6.2.2 工作流程 |
| 6.3 系统模块设计 |
| 6.3.1 用户效用 |
| 6.3.2 状态监测和准入控制 |
| 6.3.3 服务合成和服务定价 |
| 6.4 匹配算法设计 |
| 6.5 仿真实现与性能评价 |
| 6.5.1 仿真实验设置 |
| 6.5.2 性能评价及分析 |
| 6.6 本章小结 |
| 第7章 定制化路由服务中网络功能自适应部署机制研究 |
| 7.1 问题描述 |
| 7.2 NFAD系统机制建模 |
| 7.3 功能部署策略 |
| 7.3.1 功能流行度 |
| 7.3.2 符号定义 |
| 7.3.3 基于长期预测的功能部署 |
| 7.3.4 基于短期预测的功能部署 |
| 7.3.5 网络功能实时部署 |
| 7.4 仿真实现与性能评价 |
| 7.4.1 仿真实验设置 |
| 7.4.2 性能评价及分析 |
| 7.5 本章小结 |
| 第8章 全文总结 |
| 8.1 本文工作总结 |
| 8.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻博期间发表的论文 |
（10）基于截流选址模型的防御阵型配置方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 军事应用需求 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 军事工程配置研究现状 |
| 1.2.2 选址模型的研究现状 |
| 1.3 研究内容与创新 |
| 1.3.1 主要研究内容 |
| 1.3.2 主要创新点 |
| 1.4 论文组织结构 |
| 第二章 防御阵型配置问题分析与建模 |
| 2.1 引言 |
| 2.2 防御阵地配置问的影响因素分析 |
| 2.2.1 军事工程选址特点 |
| 2.2.2 模型因素选择 |
| 2.3 基于截流选址模型的防御阵型配置问题模型 |
| 2.3.1 防御阵型配置问题模型选择 |
| 2.3.2 基于截流选址模型的静态防御阵型配置问题概述 |
| 2.3.3 问题形式化建模 |
| 2.4 动态防御阵型调整问题建模 |
| 2.4.1 问题背景描述 |
| 2.4.2 相关变量及约束 |
| 2.4.3 目标设置 |
| 2.5 本章小结 |
| 第三章 静态防御阵型配置方法 |
| 3.1 引言 |
| 3.2 基于分支定界法的静态防御阵型配置求解算法 |
| 3.3 基于改进NSGA2算法的静态防御阵型配置求解算法 |
| 3.3.1 NSGA2算法关键步骤说明 |
| 3.3.2 NSGA算法改进 |
| 3.4 静态防御阵型作战效能评价设计 |
| 3.4.1 评价方法设计 |
| 3.4.2 防御阵型配置作战效能评价指标设计与求解方法 |
| 3.5 算法实验及分析 |
| 3.5.1 确定性敌方进攻信息条件下的防御阵型配置算法实验 |
| 3.5.2 敌方进攻方向不确定条件下的防御阵型配置算法实验 |
| 3.6 本章小结 |
| 第四章 基于鲁棒最优控制方法的防御力量动态调整方法研究 |
| 4.1 引言 |
| 4.2 动态防御力量调整算法步骤 |
| 4.3 鲁棒最优控制方法及稳定性分析 |
| 4.4 算例分析 |
| 4.4.1 测试问题设计 |
| 4.4.2 动态防御力量调整系统的鲁棒最优化求解 |
| 4.4.3 鲁棒策略解的求解 |
| 4.4.4 性能分析及总结 |
| 4.5 本章小结 |
| 第五章 总结和展望 |
| 5.1 论文工作总结 |
| 5.2 未来工作和展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
四、性能评价形式化方法的现状和发展（论文参考文献）
- [1]面向质量保障的移动群智感知任务分配与评价方法研究[D]. 刘嘉欣. 哈尔滨理工大学, 2021
- [2]基于区块链的学历鉴证平台中智能合约关键技术研究[D]. 马璇. 东南大学, 2020(01)
- [3]面向CPS的AADL-Modelica建模、模型转换与性能评价[D]. 卜星晨. 南京航空航天大学, 2020(07)
- [4]软件模型检测中抽象-精炼方法的研究[D]. 王舜. 北京交通大学, 2020(03)
- [5]基于一词多义的搜索排序和查询扩展方法研究[D]. 郭朋伟. 东北大学, 2020(01)
- [6]基于CDTB的篇章结构解析器的自动构建研究[D]. 孙成. 苏州大学, 2019(04)
- [7]面向CPS的混成进程演算建模与基于统计的性能评价[D]. 曹雪岳. 南京航空航天大学, 2019(02)
- [8]基于Modelica-AADL的信息物理系统形式化建模与性能评价[D]. 张福高. 南京航空航天大学, 2018(02)
- [9]软件定义的自适应路由服务定制化机制研究[D]. 卜超. 东北大学, 2017
- [10]基于截流选址模型的防御阵型配置方法研究[D]. 方智勇. 国防科技大学, 2017(02)