导读:本文包含了智能集成模型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:智能,模型,向量,信息,在线,中医,气量。
智能集成模型论文文献综述
任雪,郭艳[1]（2019）在《基于主动集成学习的中医智能诊断模型及构建方法》一文中研究指出作为医学和人工智能的交叉学科,智能诊断技术无论在学术界还是产业界都得到广泛关注。与基于标准化西医的智能诊断有所不同,以辨证论治为原则的中医个性化诊疗理念不同于西医,使得中医智能诊断面临有效训练样本缺失和机器学习模型失真等问题。本文提出了一种基于主动集成学习的中医智能诊断模型及其构建方法,该模型既可通过主动学习机制得到具有因人而异的个性分析能力的诊断分类器,也将多个不同机器学习的模型进行集成训练,获得更为准确的中医知识学习模型。首先将不同来源的中医病历进行大规模数据提取和组织,形成统一视图下的结构化中医数据库。然后以儿科常见病肺炎喘嗽为例,验证了基于主动集成学习的中医智能诊断模型的准确率明显高于机器学习方法,是一种新型、有效的中医诊疗机器学习模型。(本文来源于《中国循证医学杂志》期刊2019年09期）
靳小龙,穆云飞,贾宏杰,余晓丹,徐科[2]（2019）在《集成智能楼宇的微网系统多时间尺度模型预测调度方法》一文中研究指出针对含多智能楼宇的微网系统,提出一种基于模型预测的多时间尺度调度方法。首先,为有效利用建筑围护结构蓄热特性所带来的灵活性,构建了虚拟储能系统数学模型,并将其集成到智能楼宇微网多时间尺度调度方法中。随后,提出了基于模型预测的日内滚动修正方法,通过每个控制时域内的滚动优化,实现日内微网系统运行方案的精确修正。最后,以夏季制冷场景为例,利用含智能楼宇的微网系统验证了所提方法的有效性。结果表明,该方法可在保证楼宇室内温度舒适度的前提下,在日前经济优化调度阶段降低运行成本;在日内滚动修正阶段平抑由日前预测误差导致的微网联络线功率波动。(本文来源于《电力系统自动化》期刊2019年16期）
范龙,李奔,吴强[3]（2018）在《基于多智能体模型的电力系统信息集成应用研究》一文中研究指出研究多智能体的相关理论和应用研究大多是应用在电力控制系统方面。研究多智能在其信息集成上的应用。分析多智能体模型在电力系统的总体架构设计,组成整体智能体的全部功能实现有理化,提出公共信息模型(CIM)和数据服务智能体(SA)从而完成复杂、曲折、繁琐程序的解决和成立。进而对多智能体模型在电力系统信息集成的应用进行试验,得出实验数据证明多智能体模型应用的优势。最后在实验论证中,验证了多智能体模型有助于提高信息集成速率。(本文来源于《中国新通信》期刊2018年17期）
刘朔呈[4]（2018）在《智能配电网信息集成需求及模型的思考》一文中研究指出智能配电网是电网中连接主网和给用户供电的重要部分,信息集成技术是智能配电网实现自愈、兼容、优化、互动的基础技术,信息集成技术的使用给智能配电网带来了不容小觑的影响。基于此,本文先是对智能配电网信息集成需求进行了分析,然后对智能配电网信息集成模型进行了分析,以期智能配电网的持续稳定发展。(本文来源于《数码世界》期刊2018年03期）
杨梅春[5]（2017）在《基于人工智能集成技术的时间序列预测模型及其应用》一文中研究指出时间序列的预测研究在整个预测领域中有着举足轻重的地位,在决策领域还是风险管理中都有着极其深远的意义。传统的时间序列分析模型如ARIMA模型在应用时往往要建立在正态分布的假定之上,并且对于时间序列数据中潜在的非线性特征往往无能为力。因此对于多数实际问题而言,传统的时间序列模型通常会失效。人工神经网络、支持向量机等人工智能技术(Artificial Intelligence,简称AI)克服了传统模型的局限性,以数据为驱动,全面的呈现出时间序列数据的非线性动态系统。人工智能技术在时序分析范畴中的普遍实现已经证明了其在时序分析问题研究中的良好表现以及普适性能。大量的理论和实证研究也已经充分证明了集成思想的真实性和有效性。然而对于集成预测模型的研究还主要集中在线性集成技术上,对预测表现的改善非常有限。因此近些年来兴起了对非线性集成方法的研究,采用智能系统手段对权重模式进行学习,使得模型的泛化能力以及对样本数据的拟合程度都得到了明显的改善。这篇文章结合统计理论、AI方法,包括神经网络、支持向量机,以及集成手段,引入叁种时间序列分析模型,即S-BPNN、EMD-LSSVM及集成预测模型。并且,文章利用原油市场的现货价格数据进行实证分析,以ARMA-GARCH模型为参照基准,从规范化的均方误差和方向变化统计量两个角度对比各个方法的预测表现。实证结果表明:从两个表现评价指标来看,EMD-LSSVM模型的预测表现在叁个单独的收益率时间序列预测模型中均为最好;非线性集成方法的整体估测表现优于单独的各模型的表现;而在叁个结合集成方法的模型中,SVM的估测表现最为突出。也就是说,SVM非线性集成预测模型能够对布伦特原油的日收益率进行最准确的预测,进而给投资者以更有利的投资和决策建议。(本文来源于《大连理工大学》期刊2017-05-30）
蔡鑫,南新元,高丙朋,陈星志[6]（2016）在《生物氧化预处理过程中进气量预测智能集成模型的建立》一文中研究指出针对生物氧化预处理过程中进气量调节的时滞性以及传统离线预测存在的不足,提出一种基于最优加权的进气量智能集成预测模型。首先根据生物氧化预处理机制,建立氧化槽耗氧机制模型;然后根据预处理过程各变量建立基于在线支持向量机的智能预测模型;最后根据集成思想,采用最优加权法将上述2个单一模型加权集成,建立进气量智能集成预测模型。试验结果表明:该模型能够很好地在线预测氧化槽进气量,相比单一预测模型具有更高的预测精度,可满足工业生产在线优化控制要求。(本文来源于《湿法冶金》期刊2016年04期）
孙陈超[7]（2016）在《单片集成智能功率模块ESD保护网络模型研究》一文中研究指出近年来,单片集成智能功率模块(IPM)因其高集成度、高可靠性、低成本等优点被广泛地应用于家用电器、新能源交通等领域。单片集成IPM集成度高,管脚密集,受静电泄放(ESD)冲击的威胁大,因此需要一个复杂的ESD保护网络为模块的各个管脚提供ESD保护。模型作为元器件与电路设计之问的桥梁,能够有效简化电路设计,提高设计成功率,因此研究单片集成智能功率模块ESD保护网络模型,对指导ESD保护网络设计具有重要意义。本文建立了一套完整的单片集成智能功率模块ESD保护网络模型,包括低压输入网络模型与高压输出网络模型。低压端口网络建模主要针对低压二极管,在理想二极管电流方程的基础上,考虑了串联电阻和雪崩击穿的影响,建立了低压端口网络二极管模型,然后分析了器件二次击穿产生机理,给出了模拟二次击穿的仿真方法。高压端口网络建模主要包括SOI-FRD和SOI-LIGBT两部分,其中SOI-FRD器件建模采用了低压网络二极管的建模思路：而SOI-LIGBT器件的建模则是基于器件的响应机理分析,将器件的响应特性分为正向阻断区、电压回滞区、电压维持区及二次击穿区四个阶段,然后采用数值方法建立了不同阶段的响应行为模型。最后,本文还考虑了金属线寄生电阻的影响,结合寄生电阻模型构建出单片集成智能功率模块完整的ESD保护网络模型。最终,在电路级仿真软件里对网络模型进行了验证,结果表明本文构建的单片集成智能功率模块ESD保护网络模型误差小于5%,实现了论文的预期目标。(本文来源于《东南大学》期刊2016-05-01）
孔磊,王卓,王紫千,刘钊[8]（2015）在《铝电解过程电流效率智能集成预测模型》一文中研究指出针对铝电解过程电流效率预测问题,建立了一种电流效率智能集成预测模型。首先,基于铝电解过程及其数据的特点,以及模糊c-均值聚类和非监督聚类方法的不足,提出一种模糊c-均值监督聚类改进算法对其聚类,并在此基础上建立了监督式分布支持向量机智能预测模型。其次,基于铝电解反应原理,建立了电流效率机理预测模型。最后,对两种模型进行加权集成,得到电流效率智能集成模型,并利用现场生产数据进行仿真验证,结果表明其预测精度较高,可用于铝电解电流效率实际生产预报。(本文来源于《控制工程》期刊2015年04期）
孙伟强,赵继忠[9]（2015）在《小康社会农村家庭智能网络应用集成模型研究》一文中研究指出提出了小康社会农村家庭智能网络互联拓扑模型、集成应用信息系统模型和在此基础上的电子商务新应用模型,对互联和集成过程中遇到的问题进行了分析,并提出了解决办法,最后对这一模型进行了应用前景分析和预测。具有一定的应用前景。(本文来源于《电视技术》期刊2015年04期）
莫溪竹[10]（2014）在《基于代价敏感和集成方法的外包软件项目风险智能预测模型》一文中研究指出外包是软件开发的主要方式之一，具有非常高的失败率为了提高软件项目的成功率，学者们做了许多关于风险管理的预测模型研究这些模型旨在帮助软件项目管理者评估项目的成功率以及获得成本效益本文对近20年的软件项目风险预测模型研究进行了总结，发现还没有将代价敏感和集成方法结合起来运用到软件项目风险领域的研究现存研究中的大多数预测模型都假设：所有的误分类代价是相等的但是，在软件项目的具体实践中，情况并非如此外包软件项目风险是一个典型的代价敏感的问题，将失败的项目预测为成功的项目的代价远高于将成功的项目预测为失败的项目因此，本文旨在为软件项目风险预测领域探索建立一个代价敏感的预测模型另外，为了提高模型的预测准确率以及降低代价，本文构建异质和同质两种类型的集成模型，并将它们与基于单一分类器的模型进行比较同时，本文还引入T-test方法以保证模型评估的严谨性和有效性基于收集的327个外包软件项目真实样本，本文比较了包括集成模型和单一模型在内的总共60个不同模型的性能实验结果表明，基于bagging方法的同质的决策树集成模型是最优的模型决策树具有良好的预测准确率简单且易于解释，更符合软件项目的实践需求本文探索性地将代价敏感和集成方法引入到外包软件项目风险建模中，同时也为预测模型的评估提供了一个更全面的评估方法本研究能为软件项目实践者提供一个清晰的基于代价敏感和集成方法的外包软件项目风险预测模型的建模框架，对软件项目风险管理理论和实践具有重要的指导意义(本文来源于《广东外语外贸大学》期刊2014-06-04）
智能集成模型论文开题报告
（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：
针对含多智能楼宇的微网系统,提出一种基于模型预测的多时间尺度调度方法。首先,为有效利用建筑围护结构蓄热特性所带来的灵活性,构建了虚拟储能系统数学模型,并将其集成到智能楼宇微网多时间尺度调度方法中。随后,提出了基于模型预测的日内滚动修正方法,通过每个控制时域内的滚动优化,实现日内微网系统运行方案的精确修正。最后,以夏季制冷场景为例,利用含智能楼宇的微网系统验证了所提方法的有效性。结果表明,该方法可在保证楼宇室内温度舒适度的前提下,在日前经济优化调度阶段降低运行成本;在日内滚动修正阶段平抑由日前预测误差导致的微网联络线功率波动。
（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。
智能集成模型论文参考文献
[1].任雪,郭艳.基于主动集成学习的中医智能诊断模型及构建方法[J].中国循证医学杂志.2019
[2].靳小龙,穆云飞,贾宏杰,余晓丹,徐科.集成智能楼宇的微网系统多时间尺度模型预测调度方法[J].电力系统自动化.2019
[3].范龙,李奔,吴强.基于多智能体模型的电力系统信息集成应用研究[J].中国新通信.2018
[4].刘朔呈.智能配电网信息集成需求及模型的思考[J].数码世界.2018
[5].杨梅春.基于人工智能集成技术的时间序列预测模型及其应用[D].大连理工大学.2017
[6].蔡鑫,南新元,高丙朋,陈星志.生物氧化预处理过程中进气量预测智能集成模型的建立[J].湿法冶金.2016
[7].孙陈超.单片集成智能功率模块ESD保护网络模型研究[D].东南大学.2016
[8].孔磊,王卓,王紫千,刘钊.铝电解过程电流效率智能集成预测模型[J].控制工程.2015
[9].孙伟强,赵继忠.小康社会农村家庭智能网络应用集成模型研究[J].电视技术.2015
[10].莫溪竹.基于代价敏感和集成方法的外包软件项目风险智能预测模型[D].广东外语外贸大学.2014
论文知识图
