一、Delphi中快速实现数据库树形结构并实现Treeview导航表数据(论文文献综述)
施炤[1](2021)在《基于机器学习的犯罪分析和预测系统设计与实现》文中认为随着经济与城市化的飞速发展,公安机关面临数据爆发式增长的挑战,尤其是随着近年来物联网发展的日益成熟,导致公共安全面临的数据采集与分析处理问题越来越严峻。面对这样的问题与挑战,公安机关在解决公共安全数据分析与预测方面往往处于被动位置。如何从公共安全数据中充分挖掘有价值的信息,对犯罪行为进行有效预测,是提高公安系统的工作效率,降低公共安全风险的难点和关键。针对该问题,本文以犯罪预测为目标,基于Hive数据仓库、Spark分布式计算引擎,利用机器学习方法,设计并开发了基于Spark的犯罪分析和预测系统。论文的主要工作如下:(1)针对数据分析与预测问题,研究了机器学习中的决策树算法、朴素贝叶斯算法和Kmeans算法,分析了不同算法的核心思想,研究了算法的相关优化算法如ID3算法、C4.5算法、拉普拉斯平滑和Kmeans++算法,分析了算法的优劣性并通过仿真实验对算法的准确率进行比较,在此基础上选取了C4.5算法、拉普拉斯平滑和Kmeans++算法作为犯罪预测算法。(2)在理论研究的基础上,设计并实现了犯罪行为分析与预测系统。该系统主要功能包含了历史数据和实时数据的采集、数据存储、数据查询和犯罪预测。其中,利用Datax定期抽取历史数据,实现了历史数据的采集;基于Flume+Kafka+Spark Streaming框架,完成了实时数据的采集,获取和并行处理;在数据存储方面,采用Hadoop+Hive框架,将采集到的历史数据存入Hive中;数据查询采用了Hive+Presto的框架,使用Presto作为查询引擎,极大缩短了查询的响应时间;同时,基于Spark MLlib中的决策树算法、朴素贝叶斯算法和Kmeans算法,设计构建了基于Hadoop+Spark框架数据模型,并对采集到的历史数据和实时数据进行分类和预测,实现人员身份预测和犯罪类型预测的功能。理论分析和数据测试结果表明,本文设计开发的犯罪分析预测系统,能够根据历史数据、实时数据的采集、数据存储、数据查询、数据分析,有效的对犯罪行为进行分析和预测,分析与预测结果具有较高的可靠性和准确性。
蒋琦敏[2](2021)在《基于GUI的Android应用程序中WebView页面自动化测试系统的设计与实现》文中研究指明随着移动设备的快速发展以及Android平台的不断完善,移动应用成为了互联网品牌的标准输出模式。如何在瞬息万变的互联网环境中快速、低成本的上线应用功能也成为了应用开发人员的基本追求之一,因此hybrid应用应运而生。hybrid应用使用web模式开发核心功能,在原生开发框架上使用WebView(Android)、UIWebView(iOS)等控件运行web程序代码,集成了 web的跨平台开发和原生应用的良好交互的优势。为了保证应用的质量,自动化遍历测试技术的研究成为当前研究热点。然而现有的自动化测试技术以控件为最小细粒度进行动态测试,并不能完全覆盖hybrid应用中WebView控件内容。因此对hybrid应用程序的WebView页面进行事件自动化测试具有非常重要的现实意义。为了解决上述问题,本文提出了一种基于阈值优化的GUI模型遍历算法的WebView自动化测试方法,验证了遍历算法的有效性,并将自动化遍历测试应用于WebView的安全检测。该方法的目的是通过自动化测试遍历WebView页面的事件,从而为WebView组件自动化测试提供新的切入点。该技术使用静态分析筛选处使用WebView控件的hybrid应用,然后动态运行过程中出现的WebView页面进行GUI事件树简化,构建GUI模型,并根据测试过程中事件实时反馈的信息不断调整模型树,计算出合适的探索路径,以最少的事件触发完成页面遍历测试。本文的主要工作包括:1、通过静态分析技术分析测试应用,获取Activity以及对应的事件回调接口信息,通过以上信息为出现的Activity建立对应的输入事件集合。针对WebView中的HTML页面,获取当前的DOM树信息,然后在此基础之上通过获取到的Activity GUI信息构建能够覆盖WebView页面的GUI模型。2、针对已经建立好的GUI模型进行内外层状态空间简化,提出了一种同层比对节点特征的分组算法,简化GUI模型所需的树结构,从而减少GUI模型内层空间,改进了基于Q-learning算法的在遍历GUI模型的同时能根据反馈结果动态调整模型的路径探索方法。3、基于上述方法设计并实现了一个能够对WebView页面进行自动化遍历测试的系统GADroid,并将其与现有遍历测试工具进行对比实验,验证了有效性。然后将系统应用于WebView安全检测中,验证了系统的实用性。
唐颀伟[3](2020)在《跨平台统一大数据分析处理与可视化编程平台》文中进行了进一步梳理随着大数据技术的快速发展,涌现出了针对不同类型任务以及不同大数据编程计算模型的大数据分析系统,例如通用大数据分析系统Hadoop、Spark,图计算系统Graph X、Gemini,流式数据分析系统Storm、Flink等。目前,各类大数据分析处理系统已有上百个,并且新的大数据系统仍然不断产生。种类繁多的大数据系统为大数据应用开发提供了丰富的选择。但是,不同的大数据系统往往具有不同的编程模型和编程框架。由于缺少平台无关的跨平台统一编程模型,无法实现代码“Write Once,Run Anywhere”的特性。另外,大数据分析任务正在变得越来越复杂,单一大数据系统已难以胜任复杂的计算任务。现实中的复杂大数据分析应用通常具有综合性,需要在同一个编程空间内混合使用多个计算模型,这就要求大数据处理系统具备支持多种计算模型以及混合集成使用多个计算平台的能力。而且,大数据系统学习和使用门槛较高,缺乏成熟的可视化编程方法,开发效率较低。为了降低大数据分析的技术门槛,提升大数据分析的效率和易用性,本文研究设计了跨平台统一的大数据分析以及可视化编程方法,并设计实现了原型系统。本文主要的研究工作和贡献点包括:(1)研究提出了覆盖各种大数据计算模型的跨平台统一大数据编程模型和编程框架。支持表模型、矩阵模型、张量模型、图模型等常用的大数据计算模型,通过平台无关的跨平台统一大数据编程模型,允许用户实现跨平台统一的大数据分析处理编程,从而实现“Write Once,Run Anywhere”的跨平台特性。(2)研究实现了基于计算流图的可视化编程方法。在跨平台统一大数据编程模型之上,将各种基本操作和算法组件封装成算子,通过可视化算子拖拽的方式快速构建计算流图,高效实现全流程化的大数据综合分析。(3)研究设计了开放式大数据系统集成框架。允许以兼容并包的方式,高效灵活地集成各种主流的大数据计算平台。同时,也支持用户快速集成运行于特定计算平台的自定义算子。(4)研究实现了基于代价模型的计算平台自动选择方法,自动为计算流图中的算子选择最优的平台,从而提升整个计算流图的运行性能。另外,为了提升跨平台计算效率,研究设计了跨平台统一调度器和跨平台统一数据交换引擎。(5)基于以上关键技术,设计实现了跨平台统一大数据分析处理与可视化编程平台原型系统。系统具备可视化、跨平台、自动调度、开放式等特性,让用户无需代码编程即可高效地构建全流程式的大数据分析处理算法和应用。实验结果表明,本系统能够高效地实现跨平台统一大数据分析以及自动化的计算平台选择,在大幅提高易用性的同时,提升大数据综合分析的整体计算性能。
王宜堂[4](2020)在《基于空间数据和广义线性贝叶斯的城市轨道交通OD预测》文中研究表明面向城市轨道交通线网规划中快速准确地进行OD预测的需求,研究提出了基于空间数据和广义线性贝叶斯的OD预测方法。利用空间数据研究站点吸引范围并提取城市轨道交通OD影响因素指标,建立OD量与影响因素指标的广义线性模型,并采用贝叶斯方法进行广义线性模型参数估计,对OD量及其分布进行预测。主要研究内容包括:(1)从城市轨道交通OD形成及轨道交通乘客出行过程出发,分析了影响城市轨道交通OD量的因素,总结了现有的基于空间数据的城市轨道交通OD直接预测方法的特点,构建了基于空间数据和多方式吸引范围的广义线性贝叶斯OD预测思路与框架。(2)分析了轨道站点的多方式吸引范围,基于调研、共享单车轨迹及高德地图路径规划API等数据,提出了基于多方式接驳时间特性分析和密度聚类的接驳时间阈值计算方法,构建了基于接驳时间阈值的站点步行和自行车吸引范围确定模型。(3)利用站点周边土地利用等空间数据和站点吸引范围,构建了OD影响因素指标并进行相关性分析和多重共线性诊断,采用随机森林模型进行特征选择,并基于特征选择后的OD影响因素指标,构建了OD量预测的广义线性模型。(4)采用贝叶斯方法估计广义线性模型参数,根据贝叶斯理论,分别推导OD量在服从Poisson分布、负二项分布及Gamma分布等不同似然函数下参数的后验分布,采用基于MCMC的抽样得出后验参数估计结果,采用贝叶斯信息准则进行似然函数选择,并根据模型选择结果预测OD并对OD预测结果进行拟合优度和误差的分析,结果显示本文建立的OD预测模型具有较好的预测效果和优于普通线性模型的预测精度。(5)以2018年北京地铁轨道交通网络为案例进行OD量预测与结果展示,对本文的预测方法进行验证。图61幅,表40个,参考文献78篇。
张乐[5](2020)在《物联网固件脆弱性分析系统的研究与实现》文中指出物联网设备已经广泛应用于智能电网、智能家居、智能医疗和智能交通等各种应用场景中,成为生活、生产和智慧城市的重要组成部分。然而,随着物联网的飞速发展,物联网网络安全事件也层出不穷,物联网设备遭受网络攻击和非法控制,严重影响到企业、用户的安全和隐私。物联网固件承载着物联网设备的核心功能,通过对物联网固件进行脆弱性分析是研究物联网设备安全问题的一种有效方法。由于物联网设备的指令集、操作系统、应用组件异构多样,现有的通用平台的沙箱、模糊测试等方法不能直接适用于物联网固件脆弱性分析,安全研究人员在固件分析过程中需要大量人工辅助工作进行逐一测试。这使得物联网固件脆弱性检测速度慢和覆盖面不足,同时对单个固件的脆弱性状态缺乏体系化评估。针对上述问题,本文专门针对物联网固件的脆弱性分析进行了研究,主要工作如下:1.对物联网固件脆弱性进行实例分析,形成了一套基于模糊层次分析评估方法的固件脆弱性评价体系。从固件系统层面和服务及组件层面两个层面着手,分别对口令、凭证、关键系统信息、固件更新、易受攻击的服务和组件等38个维度建立固件脆弱性评估标准;基于模糊层次分析评估法,建立固件脆弱性评价体系,对固件脆弱性进行整体评分;通过对固件实例进行静态分析验证了评估方法的可行性和有效性。2.基于物联网固件脆弱性评估标准,提出固件脆弱性自动化分析流程。针对不同固件在压缩格式和文件系统的差异性,确定固件在各个层面中可自动化提取的脆弱性信息。设计了固件脆弱性自动化分析系统的架构和功能模块,支持对固件进行自动化格式识别、自动解压、文件系统层面脆弱性分析、组件层面脆弱性分析和自动生成报告等功能。3.开发了物联网固件脆弱性分析系统。基于B-S架构,用户通过Web界面上传所要分析的固件文件,系统后端通过提取元数据、自动解压缩、脆弱性分析和分类及格式化信息等处理生成固件分析报告,供用户在前端页面下载。本文基于所开发系统对固件进行了规模化分析,对不同固件中不同组件的同源性安全隐患问题进行了关联分析。
张佳乐[6](2018)在《空投测试系统翼伞及地面站软件设计》文中研究指明在现代军事以及救灾等过程中,空投系统可以保证食物、武器等战略物资快速准确的送达目标点,因此如何实现更准确的空投是航天领域中的重要研究内容。在传统空投中,空投降落伞为圆形降落伞(以下简称圆伞),圆伞具有不可控,垂直方向下降,飞行过程中伴随锥形摆动等缺点。近年来可控空投翼形降落伞(以下简称翼伞)系统得到了广泛的研究,相比于圆伞,翼伞具有降落位置可控,良好的滑翔性能,可以在远离着陆区的空域释放的优点。在翼伞研发过程中如何实现翼伞的测试是翼伞研发测试的重要内容。本文针对空投翼伞测试系统展开研究,选取合适的硬件平台与软件平台,设计了合理的系统架构,通过翼伞伞载软件实现了翼伞数据的采集、无线传送、数据保存等功能,本文还设计了翼伞测试系统地面站软件实现数据的接收、数据可视化、数据处理、报表打印等功能。伞载软件和地面站软件相结合实现了空投翼伞测试系统软件部分,为翼伞的研发提供数据支撑。本文还利用BDS/SINS浅耦合组合导航方式实现翼伞运动轨迹还原,与传统的利用GPS轨迹还原的轨迹相比,利用BDS/SINS浅耦合组合导航方式实现翼伞运动轨迹还原具有更高的精度,更多的采样点并实现了国产化、自主化的战略需求,满足翼伞测试项目需求。
唐玮唯[7](2017)在《气象装备数据立方体建模与存储优化技术研究》文中研究表明气象装备作为气象服务的基础设施,其种类丰富、数量庞大,被广泛应用在各个领域,气象服务已惠及各行各业。在研制、生产、使用等环节产生的大量气象装备数据资源,增加了气象装备的管理和维护成本,给气象装备的改进带来了极大的挑战。伴随着大数据技术的普及与应用,这些海量数据成为价值度很高的资源,为气象装备的改进和管理提供决策支撑。因此充分挖掘和利用这些数据,对新型气象装备的研发与管理有着重要的影响。本文从气象装备的分类展开研究,将各类气象装备属性进行分层次归纳合并,最终归纳出属性集,包括基本信息、功能指标、技术性能指标、主要技术;根据归纳出的属性集确定气象装备数据立方体的维和概念分层;同时,根据用户从不同视角关注的主题确定事实,构建了气象装备数据立方体模型,并设计了该模型在数据库中的存储结构。在完成气象装备数据立方体模型创建的基础之上,本文从提高数据立方体OLAP操作效率的角度出发,提出了基于用户搜索行为习惯分析的数据立方体压缩存储方案和缓存策略。首先,对采集上报的用户搜索行为数据进行语义分析,并结合搜索关键词出现的频率,计算出用户行为之间的关联度;其次,将关联度作为BUC算法中的阈值条件,压缩数据立方体的体积;最后,使用Redis内存数库据作为缓存存储介质来存储关联度值比较高的方体数据,在综合考虑了关联度和时间因素的基础上设计了C&T缓存算法,该算法是对LFU算法进行的改进,实验结果表明,C&T缓存算法的查询效率,相比较未加缓存的时候提高了约60%,比LFU算法提高了约20%。在实际应用方面,根据用户的需求,设计和实现高可用的数据立方体查询应用系统,系统整体上采用双机和集群方式实现高可用性。对数据立方体创建以及数据查询模块进行了详细的设计和实现说明,最终面向用户提供手机客户端和桌面客户端两种交互方式。
侯晴川[8](2015)在《南流江流域环境数据管理系统设计与实现》文中研究指明由于数字时代的发展,科研工作对数据的依赖性越来越大,而数据量则越来越庞大和复杂,因此各个领域对数据的检索,共享和数据质量要求也越来越高。而传统的对数据整理和收藏工作已经不能满足人们不断提高的要求,所以在此基础上,对现有的多源数据建立一个完善的管理系统是符合实际的要求的。而当前系统的设计便是基于整理南流江流域环境数据的基础上,使用计算机网络技术设计的一套南流江流域环境数据管理平台。文章综述了在南流江流域环境数据管理平台中所具体设计的总体方案和一部分功能的具体设计。系统根据可能用到该系统的潜在用户需求制定了系统的具体结构。系统主要采用了.net开发平台,sqlserver的数据库配置,使用了c#,html语言这些技术手段,同时采用才c/s和b/s两种结构体系,结合gis技术,建立了一个专门针对数据的共享,管理,和运算服务的系统,以实现对南流江流域环境的数据管理,用户定义,数据运算这些具体需求。这将对用户查询,获取,统计相关数据时提供极为有效的数据资料,给其工作带来非常大的方便。目前,针对南流江流域环境信息共享需求,将进行南流江流域环境信息共享和决策支持的研究,研究中将综合应用数据的组织传输,可视化表达,知识共享等理论方法,采用网络技术,gis技术,数据仓储技术,数据挖掘技术,实现跨区域,跨平台的数据获取、分发以及分析。当前,南流江科学数据管理系统的设计作为该研究中的数据管理和分析模块,主要实现了以下一些功能,首先是数据的统一规范,建设了较为完善的数据库,并发布以实现共享功能,用户可以根据自己的实际需求对数据实行查询和输出操作。其次,系统对系统用户实现了规范化的管理,在系统的后台,系统管理员可以通过用户资料与权限管理和对数据的编辑功能实现对整个系统的用户和系统数据实现整体的操控。最后,用户可以通过统计运算来对数据库中数据进行分析统计,最后获得一些自己想要的的信息。
王志良[9](2015)在《海量纹理图像存储管理与索引研究》文中提出地面激光雷达是集成数种领先技术手段形成的全新技术装备,应用在测绘科学与技术领域被称为三维激光扫描仪。作为空间近距离环境中获取目标对象精细化三维立体信息的新型手段,三维激光扫描技术具有高效、精确和不需要接触被测对象的技术特点,从而在古建筑保护、三维建模、特大异型精密建筑物施工测量和变形监测等方面得到了广泛的推广与应用。随着激光雷达生产工艺的进步,仪器硬件和数据处理软件升级更加快捷和高效,使三维激光技术的应用更加方便。与此同时,获取的相关数据量也随之增加。在实际的生产应用中,项目作业者为了获取更好的数据处理结果,往往会要求增加原始数据的采集密度和精度,这些都造成数据量的急剧增加。大规模的原始数据包括点云和图像等,再加上后续处理和不断更新的数据,数量庞大而且繁复,相关数据的存储管理技术成为三维激光技术发展必须面对的问题。在项目生产中,后母戊鼎的整体和局部数码照片采集数量就在两千张左右,数据占用存储空间在1500M左右,加上工作人员后续数据拷贝、加工和处理等过程中增加和删除的图像文件,文件往往被反复复制和存储,因此使用者不能快捷的找到满足需求的对象文件,利用电脑单机存储的文件式图像管理技术已经无法满足生产需要。因此文章从图像存储和管理技术的研究现状出发,结合对象-关系数据库系统的文件管理方法,研究如何利用数据库方式对图像文件进行存储、管理和文件索引构建的相关方法与技术。文章首先分析图像数据管理的需求,选用面向对象的标准模板库STL和C/C++语言(支持文件操作),开发系统功能和界面,实现快速读取图像文件并加工为数据块之后按字节存储在数据库中BLOB类型的字段之中,并同时将图像文件中解析获取的相关属性信息(时间、曝光等)存入数据表。其次分析对象-关系数据库Postgre SQL和多种格式图像文件的特点,结合数据库的访问接口和数据管理机制,选定文件的存储方式;参照数据库的数据存储和取出速度(I/O)选择数据库接口libpq作为本文的使用接口。最后结合建筑物三维建模图像处理的需求,在分析常见的索引树结构特点的基础上,通过对象-关系数据库Postgre SQL内部的预置触发器功能,把基于数据库存储文件构建的索引树结构按照二维表形式存入数据库;最后利用触发器实现索引树的实时更新,避免使用时软件系统重复性的构建索引树结构带来的损耗。文章采用Visual Studio 2013作为试验系统的开发平台,在CLR(公共语言运行库)环境下采用C++语言进行编程,通过Postgre SQL数据库实现对图像数据的存储和管理。本文作者在团队研发软件L&P3D V1.0中负责图像数据管理模块的开发,设计并完成了图像数据管理模块的打开、入库、索引构建、位置匹配、查询和显示等功能。系统模块的人性化交互操作设计,不仅优化了节点树生成、数据更新等功能,而且可以在操作界面上显示数据库内图像的树形索引结构,提高了索引的可读性。通过图像索引的树显示,使用单击查询或者框选查询等方式,实现对数据库存储图像的高效查询和调用。利用本文开发的实验系统处理实际项目中采集的数据,可以实现便捷的数据管理,验证图像管理模块的可行性,也就证明了本文研究内容的实际意义。
杜宇[10](2014)在《某高校编辑部网络投稿及稿件处理系统的设计与实现》文中研究指明随着信息技术的迅速发展,利用计算机网络来帮助人们完成各项工作已成为普遍趋势,尤其面对海量论文的处理任务,如何有效的接收和管理论文,并为论文作者和评阅专家提供交互媒介成为当前编辑部的重要课题。高校学报是一个十分特殊的学术期刊群。它的特殊性在于高校学报的综合性。高校学报的综合性是由高等院校多学科、多专业决定的。首先收稿以电子邮件和邮寄两种形式为主;收到稿件后由编辑登记、分栏目,再发到各栏目编辑或学科专家手中审稿;由栏目编辑对稿件作出修改意见后对稿件进行一校、二校等;最后,再交至排版处进行排版。这其中工作量大,任务重,浪费纸张、耗材现象较为严重。所以急需利用网络系统平台实现无纸化办公从投递稿件到分栏目再到交各栏目编学科专家审稿,稿件修改意见及最后的排版等工作全由网络系统完成,处理稿件速度快,作者还能一目了然的查询到稿件的状态。针对该需求,论文首先分析了目前国内外的研究现状及发展趋势,通过比较邮箱投稿和前三代网上投稿系统以及各自的优势和不足,进而确定了论文的整体设计方案。论文然后对相关技术进行了研究,包括ASP.NET技术、ODBC管理、SQL server数据库等,从多个角度将B/S架构C/S架构的网络应用进行对比,为具体的系统需求分析和系统设计提供基础。论文分别从应用环境、功能规格、性能需求等方面对系统的需求分析进行阐述,初步确定了系统运行的网络环境、硬件环境及软环境;对不同的系统角色进行了明确定义,并对系统用例图进行了详细描述;在性能需求方面,主要从界面、响应时间、开放性、可扩展性及安全性角度对系统性能进行细粒度刻画。此外,由于众多论文的管理和分配需要大量人工参与,论文提出了智能处理的方案,并对该方案的需求分析进行描述。在前期研究和需求分析的基础上,论文设计和实现了网络投稿和稿件处理原型系统。首先按照制定的设计原则和整体流程,对包括客户端、管理端等子系统的前台进行设计,对数据库、智能处理等模块的后台进行设计;然后对系统各模块的具体实现细节进行描述;最后对主要功能模块进行测试。经过测试和试用,原型系统达到了预期的运行效果,提高了投稿审稿的工作效率,证明了论文所采用的方案的可行性。
二、Delphi中快速实现数据库树形结构并实现Treeview导航表数据(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、Delphi中快速实现数据库树形结构并实现Treeview导航表数据(论文提纲范文)
(1)基于机器学习的犯罪分析和预测系统设计与实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和选题意义 |
1.2 国内外研究现状 |
1.2.1 多源历史数据处理 |
1.2.2 Spark计算引擎 |
1.2.3 犯罪预测 |
1.3 研究内容及本文工作 |
1.4 论文结构和安排 |
第二章 犯罪分析和预测系统相关技术介绍 |
2.1 大数据技术 |
2.1.1 Hadoop技术 |
2.1.2 Spark技术 |
2.2 机器学习与Spark MLlib |
2.2.1 机器学习 |
2.2.2 Spark MLlib |
2.3 其他相关技术 |
2.3.1 Kafka技术 |
2.3.2 Flume技术 |
2.4 本章小结 |
第三章 犯罪分析和预测算法研究和应用 |
3.1 决策树算法 |
3.1.1 决策树算法思想 |
3.1.2 决策树算法的相关优化算法 |
3.1.3 算法比较与分析 |
3.1.4 算法在系统中的运用 |
3.2 Kmeans算法 |
3.2.1 Kmeans算法思想 |
3.2.2 Kmeans算法的相关优化算法 |
3.2.3 算法比较与分析 |
3.2.4 算法在系统中的运用 |
3.3 朴素贝叶斯算法 |
3.3.1 朴素贝叶斯算法思想 |
3.3.2 朴素贝叶斯算法的相关优化算法 |
3.3.3 算法比较与分析 |
3.3.4 算法在系统中的运用 |
3.4 本章小结 |
第四章 犯罪分析和预测系统分析与设计 |
4.1 系统需求分析 |
4.1.1 业务现状分析 |
4.1.2 系统功能需求分析 |
4.1.3 系统非功能需求分析 |
4.2 系统设计 |
4.2.1 总体设计 |
4.2.2 系统详细设计 |
4.3 本章小结 |
第五章 犯罪分析和预测系统实现与测试 |
5.1 系统实现 |
5.1.1 系统运行所需集群搭建 |
5.1.2 历史数据采集实现 |
5.1.3 业务数据存储实现 |
5.1.4 业务数据查询实现 |
5.1.5 实时数据采集计算实现 |
5.1.6 预测模型实现 |
5.2 系统运行测试 |
5.2.1 系统运行 |
5.2.2 系统测试 |
5.2.3 系统部分界面展示 |
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 |
附录 攻读硕士学位期间撰写的论文 |
致谢 |
(2)基于GUI的Android应用程序中WebView页面自动化测试系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.3 研究内容 |
1.4 论文组织 |
第二章 Android系统框架及自动化测试技术研究 |
2.1 Android系统 |
2.1.1 Android系统框架 |
2.1.2 Activity组件 |
2.1.3 WebView控件 |
2.1.4 WebView安全 |
2.2 Android自动化测试 |
2.2.1 自动化测试分类 |
2.2.2 自动化测试工具 |
2.3 测试模型 |
2.3.1 有限状态机模型 |
2.3.2 UML模型 |
2.3.3 马尔科夫链模型 |
2.4 本章小结 |
第三章 WebView的GUI模型遍历及调用安全 |
3.1 Hybrid应用的GUI状态复杂度分析 |
3.1.1 页面GUI模型分析 |
3.1.2 结合WebView的GUI模型 |
3.2 简化GUI状态模型 |
3.2.1 Activity外部状态空间简化 |
3.2.2 简化DOM树的Diff算法 |
3.3 遍历WebView状态空间的路径选择算法 |
3.4 WebView动态调用安全分析 |
3.5 本章小结 |
第四章 自动化遍历测试系统的设计与实现 |
4.1 系统模块设计 |
4.2 系统模块的实现 |
4.2.1 静态分析模块的设计与实现 |
4.2.2 信息收集模块的设计与实现 |
4.2.3 GUI模型处理模块的设计与实现 |
4.2.4 任务分配及执行模块的设计与实现 |
4.2.5 结果存储与展示模块的设计与实现 |
4.3 本章小结 |
第五章 实验验证及结果分析 |
5.1 系统环境部署 |
5.2 系统测试 |
5.2.1 测试应用 |
5.2.2 测试配置 |
5.2.3 测试过程 |
5.3 测试结果分析 |
5.3.1 遍历测试结果分析 |
5.3.2 系统的应用场景分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 不足与展望 |
参考文献 |
致谢 |
(3)跨平台统一大数据分析处理与可视化编程平台(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状与不足 |
1.3 本文主要研究工作 |
1.4 本文组织结构 |
第二章 相关背景知识 |
2.1 相关工作 |
2.1.1 跨平台大数据分析系统 |
2.1.2 可视化机器学习建模系统 |
2.2 相关背景系统介绍 |
2.2.1 Apache Spark简介 |
2.2.2 Spark Jobserver简介 |
2.2.3 Sklearn简介 |
2.2.4 Tensorflow简介 |
2.2.5 HDFS简介 |
2.3 本章小结 |
第三章 跨平台统一编程模型与框架 |
3.1 跨平台统一编程模型与框架 |
3.2 计算流图的表示与实现 |
3.3 全流程化大数据分析编程方法与框架 |
3.4 本章小结 |
第四章 开放式大数据系统集成框架 |
4.1 计算平台的集成框架 |
4.1.1 统一计算平台集成接口 |
4.1.2 通信协议层 |
4.1.3 计算平台服务端 |
4.2 用户自定义算子的集成 |
4.3 本章小结 |
第五章 跨平台统一调度与优化 |
5.1 跨平台统一调度与优化整体框架 |
5.2 平台选择优化器 |
5.2.1 不同平台上算子的执行性能对比 |
5.2.2 代价学习器 |
5.2.3 基于代价模型的平台选择算法 |
5.3 跨平台统一调度器 |
5.3.1 作业调度器 |
5.3.2 任务调度器 |
5.3.3 平台调度器 |
5.4 跨平台统一数据交换引擎 |
5.4.1 数据模型 |
5.4.2 存储模型 |
5.4.3 跨平台数据管理 |
5.5 本章小结 |
第六章 大数据分析可视化编程方法与系统实现 |
6.1 跨平台统一大数据分析可视化编程系统特性 |
6.2 系统设计与实现 |
6.2.1 系统整体框架 |
6.2.2 数据源管理和模型管理框架 |
6.2.3 计算流图管理与运行框架和实现 |
6.3 可视化编程工具的设计与实现 |
6.3.1 系统功能介绍 |
6.3.2 计算流图搭建操作示例 |
6.3.3 可视化编程工具的实现 |
6.3.4 系统部署方式 |
6.4 本章小结 |
第七章 实验与分析 |
7.1 实验环境配置 |
7.2 数据本地性优化实验 |
7.3 自动平台选择算法实验 |
7.3.1 代价学习器效果实验 |
7.3.2 基于代价模型的平台选择算法实验 |
7.4 多平台选择优化性能实验 |
7.5 单平台选择优化性能实验 |
7.6 已有系统性能对比实验 |
7.7 本章小结 |
第八章 总结与展望 |
8.1 工作总结 |
8.2 进一步工作 |
参考文献 |
致谢 |
附录 |
(4)基于空间数据和广义线性贝叶斯的城市轨道交通OD预测(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 OD预测问题研究 |
1.2.2 轨道站点吸引范围问题研究 |
1.2.3 研究现状总结 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 OD影响因素及建模方法分析 |
2.1 城市轨道交通OD影响因素分析 |
2.1.1 OD影响因素的分类 |
2.1.2 不同类别的OD影响因素分析 |
2.2 本文的预测方法 |
2.2.1 基于空间数据的OD直接预测方法分析 |
2.2.2 基于空间数据的广义线性贝叶斯OD预测方法的提出 |
2.2.3 本文的建模框架 |
2.3 本章小结 |
3 轨道交通站点多方式吸引范围分析与确定 |
3.1 多方式吸引范围定义及确定方法 |
3.1.1 多方式吸引范围的定义 |
3.1.2 多方式吸引范围的确定方法 |
3.2 多方式接驳数据采集 |
3.2.1 面向步行接驳的城市轨道交通站点聚类 |
3.2.2 接驳数据采集 |
3.3 多方式接驳时间特性分析与阈值计算方法 |
3.3.1 接驳时间分布特征和阈值估计 |
3.3.2 基于DBSCAN聚类的多方式接驳时间阈值计算 |
3.4 多方式吸引范围的确定 |
3.4.1 步行吸引范围的确定 |
3.4.2 自行车吸引范围的确定 |
3.5 本章小结 |
4 基于空间数据的OD预测广义线性模型的建立 |
4.1 广义线性模型简介 |
4.1.1 广义线性模型的定义 |
4.1.2 广义线性模型的优点 |
4.2 OD预测广义线性模型的构建与预测流程 |
4.3 OD预测建模数据集 |
4.3.1 OD预测的空间数据构成 |
4.3.2 空间数据的预处理 |
4.4 基于多方式吸引范围的OD影响因素指标构建与分析 |
4.4.1 OD影响因素量化及指标构建 |
4.4.2 OD影响因素指标相关性分析 |
4.4.3 OD影响因素指标多重共线性诊断 |
4.4.4 特征选择筛选OD影响因素指标 |
4.5 特征选择后的OD影响因素指标及模型构建 |
4.5.1 特征选择后的OD影响因素指标分析 |
4.5.2 模型构建 |
4.6 本章小结 |
5 广义线性模型参数估计与OD预测 |
5.1 广义线性模型参数估计方法 |
5.1.1 基本原理与思路 |
5.1.2 贝叶斯估计主要流程 |
5.2 模型参数贝叶斯估计 |
5.2.1 分布函数备选集的构成 |
5.2.2 Poisson似然函数下的后验分布与抽样 |
5.2.3 负二项似然函数下的后验分布与抽样 |
5.2.4 Gamma似然函数下的后验分布与抽样 |
5.3 贝叶斯后验参数估计结果 |
5.3.1 Poisson似然函数下后验参数估计结果 |
5.3.2 负二项似然函数下后验参数估计结果 |
5.3.3 Gamma似然函数下后验参数估计结果 |
5.4 模型选择与OD预测模型的建立 |
5.4.1 模型选择 |
5.4.2 基于广义线性模型的OD预测 |
5.4.3 OD预测模型拟合优度及误差分析 |
5.5 本章小结 |
6 案例分析 |
6.1 背景介绍与研究过程 |
6.2 站点吸引范围确定 |
6.2.1 站点步行吸引范围确定 |
6.2.2 站点自行车吸引范围确定 |
6.3 OD预测模型输入数据确定 |
6.4 OD预测结果 |
6.5 本章小结 |
7 结论与展望 |
7.1 主要研究工作 |
7.2 主要创新内容 |
7.3 研究展望 |
参考文献 |
附录A 乘客出行行为调查问卷 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(5)物联网固件脆弱性分析系统的研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 固件脆弱性分析的研究现状 |
1.3 论文主要工作 |
1.4 论文的组织结构 |
第二章 物联网固件安全概述 |
2.1 物联网概述 |
2.2 物联网安全 |
2.3 物联网固件安全 |
2.3.1 物联网固件安全概述 |
2.3.2 固件数据集 |
2.3.3 固件解压与提取 |
2.4 本章小结 |
第三章 物联网固件脆弱性评估 |
3.1 物联网固件脆弱性分析 |
3.1.1 固件系统层面的脆弱性分析 |
3.1.2 固件服务及组件层面的脆弱性分析 |
3.2 基于模糊层次分析的固件脆弱性评估方法 |
3.2.1 建立固件脆弱性评估指标和评语集 |
3.2.2 运用层次分析法确定评估指标权重 |
3.2.3 构建评价矩阵和隶属度函数 |
3.2.4 多层评估指标模糊综合评估 |
3.2.5 固件脆弱性评估案例分析 |
3.3 本章小结 |
第四章 物联网固件脆弱性分析系统需求分析与设计 |
4.1 系统需求概述 |
4.1.1 功能需求分析 |
4.1.2 非功能性需求分析 |
4.2 系统概要设计 |
4.2.1 物理架构 |
4.2.2 逻辑架构 |
4.2.3 服务端与客户端功能流程 |
4.3 系统详细设计 |
4.3.1 固件脆弱性分析模块设计 |
4.3.2 固件存储与数据库模块设计 |
4.3.3 信息交互模块设计 |
4.4 本章小结 |
第五章 物联网固件脆弱性分析系统的实现 |
5.1 系统开发环境与工具 |
5.2 固件集构建 |
5.3 功能模块实现 |
5.3.1 固件脆弱性分析模块实现 |
5.3.2 固件存储与数据库模块实现 |
5.3.3 信息交互模块实现 |
5.4 系统测试 |
5.4.1 系统部署 |
5.4.2 测试目标 |
5.4.3 功能测试 |
5.4.4 性能测试 |
5.5 系统应用 |
5.6 本章小结 |
第六章 总结和展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文 |
(6)空投测试系统翼伞及地面站软件设计(论文提纲范文)
摘要 |
abstract |
注释表 |
第一章 绪论 |
1.1 课题研究背景与意义 |
1.2 国内外研究及发展 |
1.3 课题研究内容及章节安排 |
1.3.1 课题主要研究内容 |
1.3.2 论文章节安排 |
1.4 本章小结 |
第二章 系统设计及相关技术 |
2.1 系统总体构架 |
2.2 系统硬件平台设计 |
2.2.1 伞载系统硬件模块选取 |
2.2.2 地面站系统硬件平台选取 |
2.3 系统软件平台选取 |
2.4 数据库技术介绍 |
2.5 本章小结 |
第三章 翼伞伞载软件设计 |
3.1 伞载软件架构 |
3.2 伞载软件数据采集模块 |
3.2.1 模拟量数据采集 |
3.2.2 数字量数据采集 |
3.2.3 模拟量高速采集 |
3.3 伞载软件数据保存模块 |
3.4 伞载软件无线数据发送模块 |
3.4.1 普通型型翼伞数据 |
3.4.2 重装空投型翼伞数据 |
3.5 伞载软件界面设计 |
3.6 本章小结 |
第四章 地面站软件设计 |
4.1 地面站软件总体架构 |
4.2 地面站软件数据通讯模块 |
4.2.1 串口通信 |
4.2.2 串口数据解析算法 |
4.3 地面站软件日志模块 |
4.4 地面站软件数据库系统设计 |
4.4.1 数据库功能需求 |
4.4.2 数据库设计 |
4.4.3 数据库性能优化 |
4.5 地面站软件可视化设计 |
4.5.1 翼伞地平仪设计 |
4.5.2 翼伞姿态三维可视化控件设计 |
4.5.3 翼伞空投轨迹显示 |
4.6 数据查询与分析模块 |
4.6.1 数据查询系统 |
4.6.2 数据分析系统 |
4.6.3 C#下的高精度定时器设计 |
4.7 图表导出 |
4.8 地面站软件界面设计 |
4.9 本章小结 |
第五章 基于BDS/SINS的运动轨迹还原 |
5.1 BDS/SINS组合导航技术 |
5.2 SINS更新算法 |
5.2.1 SINS解算初始化 |
5.2.2 SINS姿态更新算法 |
5.2.3 SINS速度更新算法 |
5.2.4 SINS位置更新算法 |
5.3 组合导航中的卡尔曼滤波器 |
5.3.1 浅耦合卡尔曼滤波器状态方程 |
5.3.2 浅耦合卡尔曼滤波器观测方程 |
5.4 BDS/SINS组合导航轨迹还原实验 |
5.5 本章小结 |
第六章 系统测试 |
6.1 系统测试 |
6.2 无线通信测试 |
6.3 系统功能测试 |
6.3.1 发送命令测试 |
6.3.2 可视化控件测试 |
6.3.3 数据库模块测试 |
6.3.4 数据分析模块测试 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(7)气象装备数据立方体建模与存储优化技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究进展 |
1.2.1 数据立方体模型 |
1.2.2 缓存策略 |
1.3 论文主要工作与创新点 |
1.3.1 论文主要工作 |
1.3.2 论文的创新点 |
1.4 论文组织结构 |
第二章 相关理论及关键技术介绍 |
2.1 数据立方体技术 |
2.1.1 数据立方体模型及相关概念 |
2.1.2 数据立方体的存储方式 |
2.1.3 数据立方体中的基本操作 |
2.2 缓存技术 |
2.2.1 缓存应用场景 |
2.2.2 缓存存储介质 |
2.2.3 缓存更新和缓存淘汰机制 |
2.2.4 缓存数据转换 |
2.3 本章小结 |
第三章 气象装备数据立方体建模技术 |
3.1 气象装备分类及属性集归纳 |
3.1.1 气象装备概述 |
3.1.2 气象装备属性集归纳 |
3.2 气象装备数据立方体模型 |
3.2.1 气象装备数据立方体主题域分析 |
3.2.2 维度及维层次的逻辑设计 |
3.2.3 数据立方体模型构建 |
3.3 数据立方体存储结构 |
3.4 本章小结 |
第四章 数据立方体存储优化与缓存策略研究 |
4.1 用户检索数据过程描述 |
4.1.1 用户检索数据采集 |
4.1.2 用户行为关联度计算 |
4.2 基于BUC算法思想压缩存储数据立方体 |
4.3 缓存策略设计 |
4.3.1 基于Redis内存数据库的缓存存储设计 |
4.3.2 C&T缓存算法 |
4.3.3 仿真设计 |
4.3.4 仿真结果分析 |
4.4 本章小结 |
第五章 气象装备数据立方体应用系统 |
5.1 系统概述 |
5.2 系统总体设计 |
5.2.1 系统整体架构 |
5.2.2 系统高可用性设计 |
5.3 系统详细设计 |
5.3.1 微服务模块设计 |
5.3.2 系统核心模块详细设计 |
5.4 系统实现效果 |
5.4.1 移动客户端 |
5.4.2 桌面客户端 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 论文总结 |
6.2 前景展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
附录A C&T数据立方体缓存算法伪代码 |
(8)南流江流域环境数据管理系统设计与实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究目标 |
1.1.3 研究意义 |
1.2 相关研究概况和现状 |
1.3 系统研究的关键问题和内容 |
1.4 研究思路和技术路线 |
1.5 论文的结构和设计 |
2 南流江流域环境数据分类概况 |
2.1 基于数据类型分类 |
2.2 基于数据要素分类 |
3 南流江流域环境数据管理系统需求分析和关键技术 |
3.1 用户分析 |
3.1.1 用户需求分析 |
3.1.2 可行性分析 |
3.1.3 功能结构分析 |
3.1.4 系统流程分析 |
3.2 系统关键结构技术 |
3.2.1 空间数据库 |
3.2.2 C/S模式 |
3.2.3 B/S模式 |
3.2.4 C/S模式和B/S的联系和共用 |
4 南流江流域环境数据管理系统设计 |
4.1 系统运行环境设计 |
4.1.1 硬件环境设计 |
4.1.2 软件环境设计 |
4.1.3 网络环境 |
4.2 系统总体设计 |
4.2.1 设计目标 |
4.2.2 设计原则 |
4.2.3 系统架构 |
4.3 系统功能设计 |
4.3.1 数据管理 |
4.3.2 数据服务 |
4.3.3 元数据服务 |
4.3.4 系统管理 |
4.4 数据库设计 |
4.4.1 元数据库设计 |
4.4.2 空间数据库设计 |
4.4.3 专题数据库的设计 |
4.4.4 数据库的备份和还原 |
5 统计分析功能设计 |
5.1 统计分析模型设计 |
5.1.1 数据库对数据的智能支持 |
5.1.2 模型自动关联数据库数据设计 |
5.1.3 模型统计功能的具体实现 |
5.2 模型设计示例 |
6 南流江流域环境数据管理系统实例 |
6.1 系统用户界面的实现 |
6.1.1 用户登录页面设计 |
6.1.2 系统主界面实现 |
6.2 用户管理 |
6.2.1 用户帐号管理 |
6.2.2 权限管理 |
6.2.3 系统日志 |
6.2.4 系统配置 |
6.3 系统的应用实例 |
6.3.1 录入删除功能 |
6.3.2 查询显示功能 |
6.3.3 下载功能 |
6.3.4 调用数据进行模型运算 |
6.3.5 系统的容错处理 |
7 系统应用测试 |
7.1 系统测试的目的和意义 |
7.2 系统测试的方法 |
7.3 系统测试的原则 |
7.4 系统的主要测试项和流程 |
7.5 测试案例 |
7.6 测试总结 |
8 结语 |
8.1 系统取得成果 |
8.2 系统存在不足 |
8.3 系统下一步工作展望 |
参考文献 |
读硕期间发表的论文目录 |
致谢 |
(9)海量纹理图像存储管理与索引研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 研究内容与目标 |
1.3.1 研究内容 |
1.3.2 研究目标 |
1.4 论文组织与安排 |
第2章 图像特点分析与信息提取 |
2.1 常用的图像文件格式与特点 |
2.1.1 JPEG文件 |
2.1.2 BMP文件 |
2.1.3 TIFF文件 |
2.1.4 GIF格式 |
2.1.5 RAW格式 |
2.2 图像数据分类 |
2.2.2 总图图像属性 |
2.2.3 分图图像属性 |
2.3 图像信息获取 |
2.3.1 Cx Image类库 |
2.3.2 Exif说明 |
2.3.3 图像属性信息的读取 |
2.3.4 图像位置信息获取 |
2.3.5 MPI并行数据加速 |
2.4 本章小结 |
第3章 图像的数据库存储 |
3.1 Postgre SQL数据库介绍 |
3.2 数据库的常用访问接口 |
3.2.1 ODBC接口 |
3.2.2 OLEDB接口 |
3.2.3 ADO接口 |
3.2.4 Libpq接口 |
3.3 数据存储机制 |
3.3.1 大数据存储方式 |
3.3.2 总图图像存储与接口 |
3.3.3 分图图像存储与接口 |
3.4 本章小结 |
第4章 图像数据的索引管理 |
4.1 索引结构 |
4.1.1 索引树结构 |
4.1.2 索引节点定义 |
4.1.3 四叉树索引 |
4.2 索引建立 |
4.3 索引树存储和触发器更新 |
4.3.1 树结构的存储 |
4.3.2 基于触发器的索引表更新 |
4.4 索引树操作 |
4.4.1 树节点的查询 |
4.4.2 树节点的增加 |
4.4.3 树节点的删除 |
4.4.4 树路径获取与更新 |
4.5 实际数据测试 |
4.6 本章小结 |
第5章 图像存储与管理系统设计与实现 |
5.1 总体技术路线 |
5.2 系统环境与开发工具 |
5.2.1 系统环境 |
5.2.2 开发工具 |
5.3 数据库概念模型设计 |
5.3.1 数据库的理论概念 |
5.3.2 实体模型设计 |
5.4 数据库实施 |
5.5 系统功能与操作 |
结论 |
总结 |
研究展望 |
参考文献 |
附录 |
致谢 |
(10)某高校编辑部网络投稿及稿件处理系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 引言 |
1.1 课题背景及意义 |
1.2 国内外发展概况及趋势 |
1.3 论文主要工作 |
第二章 相关技术概述 |
2.1 ASP.NET简介 |
2.2 ODBC 简介 |
2.3 C/S与B/S模式对比 |
2.3.1 C/S架构软件的优势与劣势 |
2.3.2 B/S架构软件的优势与劣势 |
2.3.3 C/S与B/S架构的主要区别 |
2.4 关系数据库SQL SERVER介绍 |
2.5 稿件处理相关技术介绍 |
2.5.1 稿件查重技术 |
2.5.2 稿件评估体系 |
2.5.3 稿件自动排版技术 |
2.5.4 稿件检索技术 |
2.6 小结 |
第三章 系统需求分析 |
3.1 应用环境 |
3.1.1 系统运行网络环境 |
3.1.2 系统运行硬件环境 |
3.1.3 系统运行软件环境 |
3.2 功能规格 |
3.2.1 角色(Actor)定义 |
3.2.2 系统主要用例图 |
3.3 性能需求 |
3.3.1 界面需求 |
3.3.2 响应时间需求 |
3.3.3 开放性需求 |
3.3.4 可扩展性需求 |
3.3.5 系统安全性需求 |
3.4 主要模块的需求分析 |
3.4.1 智能处理模块的需求分析 |
3.4.2 稿件查重模块的需求分析 |
3.4.3 稿件评价模块的需求分析 |
3.4.4 自动排版模块的需求分析 |
3.4.5 稿件检索模块的需求分析 |
第四章 系统设计 |
4.1 设计原则 |
4.2 整体流程 |
4.3 前台设计 |
4.3.1 客户端子系统 |
4.3.2 系统管理端子系统 |
4.3.3 编辑管理端子系统 |
4.3.4 专家管理端子系统 |
4.4 后台设计 |
4.4.1 数据库基本表设计 |
4.4.2 相关数据库代码 |
4.4.3 智能处理模块设计 |
4.4.4 稿件查重模块设计 |
4.4.5 稿件评价模块设计 |
4.4.6 自动排版模块设计 |
4.4.7 稿件检索模块设计 |
第五章 系统实现及效果评估 |
5.1 系统架构及开发环境 |
5.2 投稿功能各模块实现 |
5.2.1 首页登录实现 |
5.2.2 投稿模块实现 |
5.2.3 投稿说明 |
5.2.4 用户修改资料功能 |
5.2.5 查看稿件功能 |
5.2.6 后台稿件功能 |
5.2.7 专家管理功能 |
5.2.8 栏目管理功能 |
5.2.9 编辑管理功能 |
5.2.10 出版社管理功能 |
5.2.11 管理员修改密码功能 |
5.2.12 专家主页面功能 |
5.2.13 专家审稿功能 |
5.2.14 编辑管理功能 |
5.3 稿件处理模块实现 |
5.3.1 关键论文选择子模块 |
5.3.2 特征筛选子模块 |
5.3.3 论文向量表示子模块 |
5.3.4 稿件查重子模块 |
5.3.5 稿件质量评价子模块 |
5.3.6 自动排版子模块 |
5.3.7 稿件查询子模块 |
5.4 测试效果 |
5.4.1 测试方式 |
5.4.2 稿件自动处理结果 |
第六章 结束语 |
6.1 总结 |
6.2 下一步工作展望 |
致谢 |
参考文献 |
附录 |
四、Delphi中快速实现数据库树形结构并实现Treeview导航表数据(论文参考文献)
- [1]基于机器学习的犯罪分析和预测系统设计与实现[D]. 施炤. 南京邮电大学, 2021
- [2]基于GUI的Android应用程序中WebView页面自动化测试系统的设计与实现[D]. 蒋琦敏. 北京邮电大学, 2021(01)
- [3]跨平台统一大数据分析处理与可视化编程平台[D]. 唐颀伟. 南京大学, 2020(11)
- [4]基于空间数据和广义线性贝叶斯的城市轨道交通OD预测[D]. 王宜堂. 北京交通大学, 2020(03)
- [5]物联网固件脆弱性分析系统的研究与实现[D]. 张乐. 北京邮电大学, 2020(05)
- [6]空投测试系统翼伞及地面站软件设计[D]. 张佳乐. 南京航空航天大学, 2018(02)
- [7]气象装备数据立方体建模与存储优化技术研究[D]. 唐玮唯. 国防科技大学, 2017(02)
- [8]南流江流域环境数据管理系统设计与实现[D]. 侯晴川. 广西师范学院, 2015(04)
- [9]海量纹理图像存储管理与索引研究[D]. 王志良. 北京建筑大学, 2015(11)
- [10]某高校编辑部网络投稿及稿件处理系统的设计与实现[D]. 杜宇. 电子科技大学, 2014(03)