导读:本文包含了模块性论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模块,网络,组织,疾病,结构,课程,相似性。
模块性论文文献综述
李转,郭玉,刘春梅[1]（2018）在《浅议模块性小绪论在大学物理教学中的重要性》一文中研究指出好的开端是成功的一半。针对大学物理内容模块化明显的特征,结合自己的授课体验,建议在大学物理授课过程中加入模块性小绪论,让学生尽早对对应模块内容有整体把握,并充分认识重难点、关键点,从而既可以使学生在后续的学习中做到有的放矢,又能督促他们尽早对难点下手,逐步解决问题。(本文来源于《科技视界》期刊2018年25期）
姚顺宇[2]（2018）在《基于多层网络模块性的复杂疾病相关模式研究》一文中研究指出复杂疾病的致病机理并不是无规律可寻,看似不同的两种疾病可能具有相同的症状或者相似的致病基因。通过对复杂疾病间相关模式的研究,可以深入理解疾病的致病机理,并且这些模式也可以为药物重定位提供重要依据。传统对复杂疾病相关模式的研究多集中于单一方面,如仅从蛋白质-蛋白质相互作用(protein-protein interaction)网络的角度考虑两种疾病之间的相关关系。然而,疾病的其它特征如疾病的症状、基因的功能等也是衡量两种疾病之间关系的重要特征。疾病的症状可以从外在特征反映生物体内部的活动机制,通过不同疾病相似的症状往往可以发现一些有趣的“合并症”。另外,生物体内复杂的活动由不同功能的基因共同协作完成,因此从基因功能方面理解复杂疾病同样具有重要意义。本文主要从多种不同的角度理解复杂疾病之间的相关模式,通过构建多层疾病相似性网络来识别疾病相似性模块,最终通过分析发现使用本文框架得到的疾病相似性模块具有很强的显着性,并且这一结果可以应用到药物重定位中。首先,本文构建了基于不同数据集的四层疾病相似性网络,分别是基于蛋白质-蛋白质相互作用数据的疾病相似性网络PIDN(PPI-based Disease-disease Similarity Network)、基于症状数据的疾病相似性网络DSDN(Disease Symptom based Disease-disease Similarity Network)、基于基因本体GO(Gene Ontology)数据的疾病相似性网络GODN(GO-based Disease-disease Similarity Network)以及基于疾病本体DO(Disease Ontology)数据的疾病相似性网络DODN(DO-based Disease-disease Similarity Network)。其次,使用基于张量的多层网络算法识别出9个具有强相关关系的疾病模块。对9个疾病模块进行模块分类发现它们分属于不同的疾病分类。通过显着性分析验证这些模块具有很强的显着性。通过与单层网络识别的疾病相似性模块比较,发现本文得到的结果具有更高的准确性。最后,通过京都基因组百科全书KEGG(Kyoto Encyclopedia of Genes and Genomes)富集性分析及对疾病致病基因的分析,发现疾病模块的内部子结构,随后给出肿瘤模块形成的不同致病机理并加以分析。通过药物重定位及分子对接技术预测出几种具有潜在治疗类风湿性关节炎的药物,并对药物的作用机制进行分析,从细胞因子的角度给出了可能的药物作用路径。本文发现的疾病相似性模块可以帮助我们从多层网络的角度对复杂疾病有更深刻的理解,具有很高的参考价值。并且这些疾病模块也为药物重定位应用研究提供了新的思路。(本文来源于《西安电子科技大学》期刊2018-04-01）
杨巍[3]（2018）在《语言本能与模块性》一文中研究指出Chomsky和Pinker认为语言知识或能力不是靠"刺激——反应"训练而成的行为习惯,而是人类所独具的一种本能。Chomsky通过语言天赋论,普遍语法来阐述;Pinker则在他的着作语言本能中从语言不是文化的产物,语言具有遗传性等方面来论证。由于语言系统本身不是自足的,所以在研究语言这一内模块究竟是由哪些既相互独立又相互关联的子系统组成的同时,又要研究语言系统和认知系统呈现的一种外模块关系。这是由语言的属性所决定的。(本文来源于《中外企业家》期刊2018年02期）
蔡海中[4]（2017）在《知识密集型服务企业组织模块性对服务创新绩效影响研究》一文中研究指出知识密集型服务企业(后文简称KIBS企业)具有高创新性、高联动性和高附加值的特征,在创新过程中扮演着创新源、创新携带者和创新推动者的角色,是推动我国经济转型升级的重要力量,但大多数KIBS企业面临着顾客需求定制化和服务效率提高的困境。随着模块化在制造业和计算机行业的广泛运用,模块化思想逐渐被引入到服务业来高效地为顾客提供定制化服务,关于KIBS企业服务模块化的探索得到越来越广泛的关注。然而,由于服务模块化的研究尚处于初级阶段,有限的文献主要借鉴制造业模块化思想从服务产品、服务流程层面进行了一些研究,极少文献基于KIBS企业特殊属性对服务组织模块化进行深入探讨,本文运用实证方法探讨KIBS企业组织模块性对服务创新绩效的影响,从而在一定程度上丰富和完善关于服务模块化的研究。本文基于服务模块化理论、知识管理理论和服务创新理论,遵循“S-C-P”研究范式,构建KIBS企业组织模块性影响服务创新绩效的概念模型,以我国部分省会城市的KIBS企业为样本,主要运用信度效度分析、相关分析和回归分析等实证方法检验KIBS企业组织模块性对服务创新绩效的影响。实证结果表明KIBS企业组织模块性对服务创新绩效存在显着的影响,知识整合在组织模块性与服务创新绩效之间起中介作用,战略导向在组织模块性与服务创新绩效之间发挥调节作用。本文将KIBS企业的组织模块性分为模块半自律性、匹配界面标准性和磨合界面标准性,从知识整合的角度量探讨其对服务创新绩效的不同作用机理,并分析战略导向在组织模块性与服务创新绩效的调节作用,这将进一步深化对服务模块化、服务创新和战略导向相关理论的认识,有助于KIBS企业保持适当的组织模块性、发挥战略导向协同作用,从而为KIBS企业服务创新绩效的提高提供良好的组织基础与合理的方向引导。(本文来源于《湖南大学》期刊2017-04-28）
张笑秋,谷洪波[5]（2017）在《专业概论性课程与模块性课程的教学差异研究——以人力资源管理专业为例》一文中研究指出明晰专业概论性课程与模块性课程的教学差异对提高专业教学质量十分重要,二者在教学方面的差异主要体现在教学目标、教学内容、师生关系、教学方法、教学组织形式与学时安排等六个方面。概论性课程旨在传授专业基础知识与提高学生的专业认知,教学内容更为广泛,强调教师的主体地位,采用集中形式和理论教学的授课方法,借助较长的理论教学学时展开教学;模块性课程旨在理解与运用本模块知识,强调教学内容深度与学生的主体地位,借助多元的教学方法、多样的教学组织形式与构成丰富的学时展开教学。(本文来源于《煤炭高等教育》期刊2017年02期）
陈艳红,刘润清[6]（2017）在《认知视角下的大脑模块性与可塑性》一文中研究指出大脑模块性是认知科学领域的基本假设之一。大脑模块可以分为神经模块和心智模块两个层面,二者在信息加工的竞争中因为属性契合而形成对应关系。有人认为模块性就意味着静态结构,并用大脑可塑性质疑其模块性。本文旨在证明大脑既是模块化的又是可塑的,并从大脑的进化、个体大脑发展以及模块间的关联叁个角度讨论模块性和可塑性之间的互利关系。正因为大脑兼具模块性和可塑性才能实现延续与进化、稳定与发展之间的平衡,优化大脑高效性与适应性。(本文来源于《外语教学》期刊2017年01期）
郑文萍,王丹,王杰[7]（2016）在《基于模块性的检测簇结构的图聚类算法研究》一文中研究指出从大规模的复杂网络中挖掘重要的簇结构已经成为当今研究的热点之一.对复杂网络中基于密度和模块性的图聚类算法中的边权重定义、种子选择与扩展等问题进行了研究,提出一种检测复杂网络中稠密簇结构的局部模块性图聚类算法LM C.算法首先对网络中的边权重和子图的模块性进行定义,然后选择权重最大的边作为聚类"种子边",最后对种子边进行扩展进而得到新簇.采用计算机构造数据和蛋白质作用网络数据对基于局部模块性的图聚类算法LMC进行实验.结果表明,算法LMC相较于其它聚类算法在检测复杂网络中相对稠密的簇结构的性能较好.(本文来源于《小型微型计算机系统》期刊2016年07期）
王丹[8]（2016）在《基于模块性的簇结构检测图聚类算法研究》一文中研究指出网络簇结构是复杂网络中重要的拓扑结构,通过检测簇结构可以分析复杂网络的拓扑性质,反映复杂网络的功能特性。从大规模的复杂网络中挖掘重要的簇结构(Community structure)已经成为当今研究的热点之一。近年来,图聚类算法在检测复杂网络簇结构中扮演着极其重要的角色,如在社会网络、生物网络、引文网络等领域都得到了非常好的实际应用。本文对面向复杂网络检测簇结构问题进行分析,研究发现相较于密度性,模块性能够更好地体现簇结构的拓扑结构,并对聚类算法的效能和聚类结果具有决定性作用。因此本文针对复杂网络中基于模块性的图聚类算法,对算法过程中的边权重定义、种子选择与扩展等问题展开研究,提出一种检测复杂网络中稠密簇结构的局部模块性图聚类算法LMC。主要工作如下:(1)基于端点的相似性,定义了边权重w,在此基础上给出了簇结构的模块性定义以及顶点对簇结构的适应度函数。其中模块性度量了簇结构的抱团性,适应度函数体现了一个顶点对簇结构的影响程度。(2)提出了基于"种子边-扩展"策略的复杂网络簇结构检测算法LMC。首先,根据所给出的边权重定义选取种子边,形成初始簇;计算当前簇的模块性,并计算当前簇的局部邻域内结点对簇的适应度函数,对其进行扩展,直到簇的模块性达到局部最大值;在此过程中,一个顶点可能同时属于多个簇结构。(3)本文给出的LMC算法是一个可以检测复杂网络中稠密簇结构的软聚类方法。最后,将聚类算法LMC分别在人工模拟数据及真实蛋白质网络上进行实验比较,结果表明LMC可以检测出网络中的重迭簇结构,真实地反应出蛋白质网络PPI中复合物的构成。(本文来源于《山西大学》期刊2016-06-01）
王文胜,杨洪勇[9]（2016）在《复杂网络社团挖掘中基于路径的模块性分析方法》一文中研究指出在复网络社团挖掘过程中,传统的模块性定义依赖网络的邻接矩阵,仅考虑相邻节点间的关系,不能很好地描述真实网络的结构特征。为此,提出一种基于路径的模块性分析方法。根据网络节点间的路径及其概率分布构建模块性矩阵,用于替换传统基于边的模块性矩阵(邻接矩阵),得到能反映网络结构的模块性参数,并将其应用于复杂网络的社团挖掘,根据得到的社团结构对节点的标签进行预测。在Flickr数据集上的实验结果表明,与Mod Max,Lable Diffusion和Edge Cluster方法相比,该方法对节点标签的预测性能较好,能更准确地反映网络的社团结构。(本文来源于《计算机工程》期刊2016年04期）
陈思潮[10]（2015）在《组织二元性的模块性基础研究》一文中研究指出随着经济全球化和互联网时代的到来,企业面临着越来越复杂、动态变化的竞争环境。企业一方面需要高效地进行利用型活动,以满足现有市场需求的变动,另一方面需要积极地进行探索型活动,以适应未来市场的发展趋势,这就需要企业对利用和探索行为进行平衡,构建组织的二元性。而“模块性”作为组织应对复杂问题的重要结构设计原理,能有效降低系统的复杂程度,提高系统的灵活性和对环境的适应能力,越来越受到实务界和理论界的关注。本文从组织二元性的结构基础视角作为切入点,探讨了产品模块性、组织模块性、组织二元性叁者之间的关系,在对前人相关研究梳理的基础上,构建了相关的理论模型,并进行了案例研究和问卷研究两个子研究对模型进行验证和修正。关于案例研究,我们对华为近叁十年的发展进行了梳理,将华为的发展分为了初创阶段、成长阶段、成熟阶段、变革阶段、新时期,并对这五个阶段的产品、组织结构、创新情况进行了描述和分析,探索和讨论了华为模块性、二元性的发展路径及内在逻辑。在华为的组织结构发展过程中,有叁条主线：1.华为的组织模块性一直在增强；2.组织模块性与产品模块性呈现出高度对应的关系；3.组织模块性的增加是先从组织内部结构开始再进一步衍伸到组织外部结构。而在华为的组织二元性发展过程中,也有叁条主线：第一条是从利用式创新到探索式创新,从产品组件层面创新到产品架构层面创新,第二条是从实现隔离到实现在隔离基础上协同,第叁条是从内部到外部。根据华为的案例研究,我们初步刻画了产品模块性、组织模块性和组织二元性之间的关系,对提出的理论模型进行了较好的验证。关于问卷研究,我们经过问卷设计、数据回收、数据分析,较好地验证了理论模型,结果发现：1.产品模块性对组织模块性有显着的积极影响；2.组织模块性对组织二元性结合效应有显着的积极影响,对二元性平衡效应有显着的消极影响：3.组织模块性对产品模块性与组织二元性之间的关系(结合效应)有部分的中介效应；4.环境动态性对产品模块性与组织模块性之间的关系有部分的调节效应：5.冗余资源对产品模块性与组织模块性之间的关系有部分的调节效应。(本文来源于《浙江大学》期刊2015-12-01）
模块性论文开题报告
（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：
复杂疾病的致病机理并不是无规律可寻,看似不同的两种疾病可能具有相同的症状或者相似的致病基因。通过对复杂疾病间相关模式的研究,可以深入理解疾病的致病机理,并且这些模式也可以为药物重定位提供重要依据。传统对复杂疾病相关模式的研究多集中于单一方面,如仅从蛋白质-蛋白质相互作用(protein-protein interaction)网络的角度考虑两种疾病之间的相关关系。然而,疾病的其它特征如疾病的症状、基因的功能等也是衡量两种疾病之间关系的重要特征。疾病的症状可以从外在特征反映生物体内部的活动机制,通过不同疾病相似的症状往往可以发现一些有趣的“合并症”。另外,生物体内复杂的活动由不同功能的基因共同协作完成,因此从基因功能方面理解复杂疾病同样具有重要意义。本文主要从多种不同的角度理解复杂疾病之间的相关模式,通过构建多层疾病相似性网络来识别疾病相似性模块,最终通过分析发现使用本文框架得到的疾病相似性模块具有很强的显着性,并且这一结果可以应用到药物重定位中。首先,本文构建了基于不同数据集的四层疾病相似性网络,分别是基于蛋白质-蛋白质相互作用数据的疾病相似性网络PIDN(PPI-based Disease-disease Similarity Network)、基于症状数据的疾病相似性网络DSDN(Disease Symptom based Disease-disease Similarity Network)、基于基因本体GO(Gene Ontology)数据的疾病相似性网络GODN(GO-based Disease-disease Similarity Network)以及基于疾病本体DO(Disease Ontology)数据的疾病相似性网络DODN(DO-based Disease-disease Similarity Network)。其次,使用基于张量的多层网络算法识别出9个具有强相关关系的疾病模块。对9个疾病模块进行模块分类发现它们分属于不同的疾病分类。通过显着性分析验证这些模块具有很强的显着性。通过与单层网络识别的疾病相似性模块比较,发现本文得到的结果具有更高的准确性。最后,通过京都基因组百科全书KEGG(Kyoto Encyclopedia of Genes and Genomes)富集性分析及对疾病致病基因的分析,发现疾病模块的内部子结构,随后给出肿瘤模块形成的不同致病机理并加以分析。通过药物重定位及分子对接技术预测出几种具有潜在治疗类风湿性关节炎的药物,并对药物的作用机制进行分析,从细胞因子的角度给出了可能的药物作用路径。本文发现的疾病相似性模块可以帮助我们从多层网络的角度对复杂疾病有更深刻的理解,具有很高的参考价值。并且这些疾病模块也为药物重定位应用研究提供了新的思路。
（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。
模块性论文参考文献
[1].李转,郭玉,刘春梅.浅议模块性小绪论在大学物理教学中的重要性[J].科技视界.2018
[2].姚顺宇.基于多层网络模块性的复杂疾病相关模式研究[D].西安电子科技大学.2018
[3].杨巍.语言本能与模块性[J].中外企业家.2018
[4].蔡海中.知识密集型服务企业组织模块性对服务创新绩效影响研究[D].湖南大学.2017
[5].张笑秋,谷洪波.专业概论性课程与模块性课程的教学差异研究——以人力资源管理专业为例[J].煤炭高等教育.2017
[6].陈艳红,刘润清.认知视角下的大脑模块性与可塑性[J].外语教学.2017
[7].郑文萍,王丹,王杰.基于模块性的检测簇结构的图聚类算法研究[J].小型微型计算机系统.2016
[8].王丹.基于模块性的簇结构检测图聚类算法研究[D].山西大学.2016
[9].王文胜,杨洪勇.复杂网络社团挖掘中基于路径的模块性分析方法[J].计算机工程.2016
[10].陈思潮.组织二元性的模块性基础研究[D].浙江大学.2015
论文知识图
