导读:本文包含了模型自动选择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:模型,算法,组合,负荷,电力系统,启发式,矩阵。
模型自动选择论文文献综述
赵梦璇[1]（2019）在《基于扩展生态模型的老年人自动驾驶方式选择行为研究》一文中研究指出目前,中国人口老龄化处于持续快速发展的阶段,社会对于老年人的总体生活质量十分关注,其中交通出行是老年人生活中不可忽略的一部分,但由于老年人的身体素质和反应能力随着年龄的增长不断下降,生理能力上的限制导致其交通出行需求需要具备易操作、安全便利的特点。因此,独立出行以公交车为主,使其在出行方式选择上趋于单一,老年人对交通系统的特殊需求日益凸显出来。自动驾驶汽车和共享自动驾驶汽车的出现将会给老年人带来独立出行的机会,丰富其出行方式。但是,新兴的出行方式在步入交通系统时需要一个不断改进并完善的过程,将会与公交长期并存。因此,探讨未来老年人对于公交车、自动驾驶汽车和共享自动驾驶汽车的选择行为对于满足老年人的出行需求具有重要意义。本文以老年人的出行方式选择行为作为研究对象,通过整合影响老年人出行的客观因素和主观因素,在生态模型的基础上对其进行心理潜变量和出行属性变量的扩展,建立扩展的生态模型理论框架。然后基于该理论框架从老年人的基本状况、心理因素及出行属性叁大影响要素来分析未来老年人对于公交车、自动驾驶汽车和共享自动驾驶汽车的出行意向选择行为的内在机理。基于扩展的生态模型设计出符合老年人出行特点和心理活动的测量量表,对收集到的数据进行信度检验和效度检验。通过实证数据,使用多指标多因果模型研究了主观和客观因素间的相互关系以及对行为意向的影响;利用广义随机后悔模型对扩展的出行属性变量进行了参数标定及敏感性分析,并对出行决策的后悔权重进行探讨。验证了扩展生态模型在老年人出行行为领域的适用性,最后,就老年人的出行需求,提出了相关的建议和策略。本文对生态模型进行了扩展,并首次将其应用于未来老年人对公交车、自动驾驶汽车和共享自动驾驶汽车的出行决策行为的研究中,进行了多层次、全方位的讨论,研究结果可为交通管理部门在考虑老年人出行需求制定相关政策措施时,提供科学依据。(本文来源于《江苏大学》期刊2019-06-01）
门赛[2]（2015）在《自动尺度选择视觉注意模型在目标识别中的应用》一文中研究指出人类在接收大量的视觉信息后,通过一种机制的处理,可以快速定位处于场景中的最感兴趣区域,并给予最高度的关注,这一机制就是视觉注意机制。它能够大大提高人类对于视觉信息的处理效率,因此在计算机图像处理领域得到了广泛应用。尺度空间理论是多尺度图表示的一个框架,观察尺度不同,物体也将以不同的形式呈现,因此对于描述物体的存在有着非常重要的最用。多尺度下的边缘检测技术对于计算机视觉和图像分析中的目标识别任务中起到了重要的作用。本文研究了一些传统经典视觉注意模型和边缘检测算法,在进行相关方面的基础理论知识学习后,阐述了传统方法的优缺点,一致视觉注意模型的生物可信性和提高方法,以及自动尺度选择边缘检测技术对目标识别的重要作用,这些都为课题提供了研究思路。本文在神经生理学研究的基础上,利用了叁种典型的视觉注意现象:显着目标具有连续边缘、显着目标具有内部一致性、场景中心对于人眼有着更大的吸引力,即边缘连续性,显着目标的一致性,以及中心吸引性来构成最终的显着图提取算法。首先,分别利用自动尺度选择边缘检测算法和一致视觉注意模型,获得显着目标的连续边缘和一致性区域;其次,由于一致模型所具有的两点缺陷:没有考虑到边缘特性和交叉通道联合的存在,因此利用直接相加的方法将二者统一在一个识别框架内,使边缘连续性和一致性可以优势互补,达到提高识别准确度的效果;再次,利用中心吸引性法则作为补充手段,优化显着目标的识别结果,模拟了人眼更乐于关注场景中心的现象,使新方法具有更高的生物可信性;最后将该算法应用于特定环境下,即复杂背景下的目标识别任务,通过对目标物体进行显着提取来体现其在目标识别任务中的切实高效性。(本文来源于《沈阳理工大学》期刊2015-12-01）
章健,王飞,赵冰[3]（2015）在《基于启发式算法的电力系统综合负荷模型的自动选择》一文中研究指出针对电力系统中负荷类型多种多样,系统综合负荷模型的组合方案不可能一一列出的问题,提出了一种通过建立负荷模型库,以代表负荷模型投入情况的0-1逻辑变量为决策变量的最优负荷模型自动选择的方法:根据实际电力系统的负荷结构组合出各种动态等值模型,并且在众多模型组合方案中自动选择出最优的模型组合,并将传统启发式算法引入优化求解过程。通过对实际电网动态等值模型的自动选择,得到所选模型组合能够较好的描述负荷行为,表明电力系统综合负荷模型自动选择这一方法的可行性和有效性。(本文来源于《电测与仪表》期刊2015年16期）
王飞[4]（2015）在《电力负荷模型自动选择的研究》一文中研究指出电力系统数字仿真具有经济性、便捷性等优点,已成为电力系统设计规划运行的重要工具,并且仿真的结果是电力系统相关决策的重要依据。电力系统负荷模型是数字仿真的基础,各种类型负荷元件数学模型的精确程度直接影响到仿真结果的准确程度,从而影响以仿真结果为依据的决策方案的制定。随着日益突出的电网动态稳定和电压稳定等问题,众多专家学者对负荷模型和参数对系统稳定性的影响进行了深入的研究。电力系统负荷建模及仿真技术越来越需要考虑实际的负荷类型。电力系统中负荷类型多种多样,如何根据实际电力网络的负荷情况选择最优的最能满足负荷特性的负荷模型组合方案将会影响到数字仿真的精度。本文以电力系统采集的负荷数据为研究对象,针对电力系统中负荷类型多种多样,系统综合负荷模型的组合方案不可能一一列出的问题,提出了一种通过建立负荷模型库,以代表负荷模型投入情况的0-1逻辑变量为决策变量的最优负荷模型自动选择的方法:根据实际电力系统的负荷结构组合出各种动态等值模型,并且在众多模型组合方案中自动选择出最优的模型组合,并将传统启发式算法引入模型组合选择和参数辨识的优化求解过程。同时,考虑到负荷模型参数辨识过程中优化计算方法选择的不同,引入了自动微分技术。由于在负荷模型自动选择的过程中,模型组合的种类很多,造成微分表达式的手工推导以及微分代码的编写工作非常繁琐,而利用自动微分解决这些问题会显得很高效,程序的开发效率也会显着提高。本文最后以实际电力网络的激励和响应数据为研究对象,通过对实际电网动态等值模型的自动选择,得到所选模型组合能够较好的描述负荷行为,表明电力系统负荷模型自动选择这一方法的可行性和有效性。(本文来源于《郑州大学》期刊2015-05-01）
朱绍军[5]（2014）在《模型自动选择聚类算法的研究与应用》一文中研究指出聚类是模式识别的一个重要工具，它在如生物信息学，网络数据分析，信息检索，客户关系管理，文本挖掘，以及科学数据探索等领域中有很多应用。聚类的目的是把一个有限的、未标记的数据集，根据预定义的相似性度量，划分成多个自然的子集（簇），从而使得来自同一簇内的数据对象都彼此接近，不同的簇中的数据对象彼此不同。对聚类分析来说，其中一个最有挑战性也是最困难的问题是确定数据中包含的簇的真实数目。簇的数目在绝大部分已有的聚类算法中是一个输入参数。尽管对于一些应用来说，用户能够利用自己的专业知识预先确定簇的数目。不过对于绝大多数情况，簇的数目k是完全未知的，需要从数据本身估计出来。聚类的结果在很大程度上取决于对k的估计：如果把数据划分成太多簇的话会使结果变得复杂，并且难以进一步分析与阐释；相反，如果把数据划分的簇太少的话会丢失信息，从而误导后续的决策。模型选择是指，在给定数据的情况下，从一组候选模型中选择一个统计模型的过程。在聚类问题中，选择最优的k的过程就是模型选择。本文在以下叁个方面研究了具有自动模型选择能力的聚类算法以及它们的应用：（1）由于k-means算法理论简单、容易实现，因此在所有聚类算法中，k-means是应用最广泛的。然而这种算法存在两个严重的问题：需要人工指定聚类数与死单元问题。死单元问题是指如果某个初始的中心点离数据区域距离较远的话永远都没有学习的机会。为了解决这两个问题，经过多年研究，出现了竞争对手受惩罚学习算法（RivalPenalizationCompetitive Learning，RPCL），这种方法能够在聚类过程中自动确定聚类数目。又因为自动确定聚类数目这个优点，可以给一个比真实聚类数大一点的初始聚类数目，从而忽略死单元造成的影响。然而这种算法仍然存在以下几个缺点：首先，一些研究显示，RPCL对惩罚率的选择比较敏感。如果惩罚率设置不好的话，有可能得到不正确的结果。第二，因为RPCL是一个在线学习算法，需要手工设定学习率。如果学习率太大，算法会很难收敛。相反如果学习率太小，算法就会收敛很慢。第叁，实验显示，当给定的初始类别数k远远大于真实类别数k的时候，RPCL会比较容易收敛到不正确的类别数。本文在以下叁方面改进了RPCL算法。首先，引入了狄利克雷过程先验（Dirichlet Process）到独立判断条件中，利用这个先验，本文的聚类算法聚合性更好。第二，引入了一种自动确定学习率的方法，这种学习率的确定方法被证明是符合牛顿下降法的。第叁，根据新的独立判断条件，提出了一种自动确定惩罚率的方法。（2）图像分割是计算机视觉中一种常用的预处理过程，它把图像中的像素根据空间上的接近程度和特征的相似性分割成多个紧凑的图像块。由于图像分割与聚类的内在一致性，基于聚类的方法是常用的无监督图像分割算法。贝叶斯阴阳和谐学习（BayesianYing-Yang harmony learning，BYY）把现实世界X及其表示Y在贝叶斯框架下用阴和阳两种方式来表示。并提出，尽管这两种表示方式理论上应当是相等的，但是实际上由于受到各方面的限制并不相等。因此他提出贝叶斯阴阳和谐学习理论，学习的目标是使阴阳两个系统和谐一致。为了进一步挖掘基于BYY的图像分割算法的潜能，本文提出了一种新的基于BYY的自然图像分割算法。本文基于BYY理论以及Dirichlet-Normal-Wishart先验分布提出了一种新的聚类算法。采用批量更新参数的策略，并且在更新过程中消除了几处复杂项的计算，从而大大加速了聚类过程。在聚类过程中，本算法继承了基于BYY算法的强大的模型自动选择能力。更进一步，开发了一套适用于基于聚类的图像分割算法的后处理过程。与其它基于聚类的图像分割方法相比，本算法一个重要的改进是把超像素作为整体来赋标签而不是每个像素单独赋标签。在BSDS500数据库上做了大量与其它方法以及专家手工分割比较的实验。结果显示，本文算法分割结果和专家分割结果很接近，性能与目前主流算法相比具有优越性。（3）人脸信息处理是计算机视觉中最重要的研究领域之一。由于摄像头以及视频监控系统的广泛应用，人脸数据每时每刻都在急剧增长，刺激了对人脸信息进行自动化处理的需求。经过多年研究，人脸信息处理已经取得了令人瞩目的长足的发展。尽管如此，却存在一个看上去很简单的问题至今没有回答：给定一个人脸数据集，其中到底包含多少个体的人脸数据？要解决以上问题，主要存在下面3个主要的困难。首先，如何从人脸图像中鲁棒的提取人脸特征。其次，如何选择一个紧凑的可区分不同个体的人脸特征子集。第叁，如何设计一个聚类算法能够自动确定聚类数目。本文提出了一种用于人脸聚类分析的计算框架，能够在不知道具体人数的情况下给人脸聚类，其中用到的区别性特征由算法自动选择。提取了表观特征与形状特征一起来表示人脸。首先手工标记一小部分人脸图像，主要用来训练主动表观模型，并且确定哪些特征对区分不同个体有明显效果。接着，训练好的主动表观模型用来拟合所有的人脸，每一个人脸都会由一个特征向量来描述。最终，贝叶斯非参数模型被用来对人脸进行聚类。本文用大量的实验来评估此计算模型，实验结果显示了它的可行性与有效性。(本文来源于《宁波大学》期刊2014-04-15）
柳伟伟,胡良平,吴圣贤,田金洲,郭辰仪[6]（2013）在《重复测量设计定量资料不同协方差结构模型自动选择的SAS实现程序》一文中研究指出目的实现重复测量设计定量资料的自动化和智能化分析。方法根据混合效应模型的相关原理,利用SAS软件中的MIXED过程编制程序。结果针对混合效应模型中的5种方差和协方差结构,编制出了能够自动实现模型选择的SAS宏程序。结论该程序能够为重复测量设计定量资料的分析提供很大的方便,有助于混合效应模型在科研中的推广应用。(本文来源于《中国卫生统计》期刊2013年06期）
张春艳,张继东,初红霞[7]（2012）在《灰色关联矩阵优势分析在模型结构自动选择中的应用》一文中研究指出应用灰色理论的灰色关联分析方法对DSS模型结构自动选择问题进行了研究。提出了用灰色关联矩阵优势分析方法解决趋势预测模型选择问题,求出各模型的灰色关联度矩阵进行模型选择。(本文来源于《现代商业》期刊2012年36期）
邵丽丽[8]（2012）在《采购决策支持系统中模型自动选择技术的研究》一文中研究指出针对采购者往往不是计算机专业人员,不知道如何根据药品销售历史数据的特点在采购决策支持系统中选取适当的模型来进行预测的问题,本文采用一种基于遗传算法求解树结点的线性权值矢量,并根据树节点的错误率与分割后的错误率减少量构造二元决策树的方法,来实现采购决策支持系统中模型自动选择,最后仿真实验证明文中方法构造的二元决策树能正确的完成模型的自动选择。(本文来源于《微计算机信息》期刊2012年06期）
何瑞波,陈立云,连云峰,万博[9]（2012）在《基于智能Agent的模型自动选择》一文中研究指出模型自动选择是决策支持系统智能化发展的必然要求。针对目前可行算法较少的现状,提出了一种基于智能Agent的模型自动选择方法。该方法运用BDI Agent中的信念描述所求问题,运用信念愿望匹配规则完成模型类型选择;模型选择Agent再通过合同网协议与模型Agent进行交互选择出模型结构。实验结果表明,该方法能较好的完成模型自动选择任务。(本文来源于《计算机系统应用》期刊2012年05期）
宋丽红[10]（2012）在《DINA改进模型（R-DINA）的提出及叁个诊断模型自动选择机制研究》一文中研究指出作为现代测量理论核心内容的认知诊断评估(cognitive diagnostic assessment，CDA)，是一种基于认知心理学并结合现代测量学的方法，旨在探索人类在特定领域的潜在认知过程和认知结构的测验形式。心理和教育领域的认知诊断评估的主要目的是要提供关于学生问题解决过程中认知技能掌握的诊断信息，以利于教与学。认知诊断评估这一目的的实现需要相应的具有认知诊断功能的测量模型即认知诊断模型(cognitive diagnostic model，CDM)来映射被试的不可观察的属性掌握和可观察的项目反应间的关系。由于认知诊断情境千变万化，需要开发各种各样的模型来描述现实。这使得认知诊断模型的研究成为认知诊断评估研究中的一大热点。在众多认知诊断模型中，确定性输入噪音与门模型(DINA模型)和缩减的再参数化统一模型(R-RUM)在国内外得到了广泛的关注和应用。虽同属于非补偿模型，两者关于项目反应中属性作用机制复杂程度的假设却迥然不同。DINA模型假设项目考察的所有属性对于项目正确作答影响相同，缺一不可。也就是说，在不考虑猜测的情况下，被试在某个项目的作答中，只要有一个属性(无论哪个)未掌握，其在该项目上的正确作答概率降为0。R-RUM则假设被试在项目上的正确作答概率随被试掌握所需属性个数增加而增加，且项目中每个属性对项目作答的重要程度不一样，即项目内各属性异质。所以，依据R-RUM的认知假设，被试在作答项目时，对于某个属性的缺失会令其正确作答该项目的概率降低，其降低的具体幅度取决于该属性对于这个项目正确作答的重要程度。可见，DINA模型所假设的属性作用机制较为简单；而R-RUM所假设的属性作用机制较为复杂。鉴于DINA模型和R-RUM对认知假设的表征无法覆盖现实情境中属性作用机制的各种复杂程度，难以满足现实诊断中的多样化的需求，本研究提出改进的DINA模型(Revised deterministic inputs, noisy “and” gate, R-DINA)，以一定程度上弥补DINA模型与R-RUM在认知假设复杂程度之间的空缺。之所以称之为R-DINA模型，是因为该模型是在DINA模型的基础上改进而来。新模型假设各属性对于项目正确作答的影响是同质的，且被试掌握项目所测属性的数量越多，正确作答项目的概率越大。新模型与DINA模型一样简单，只有两个项目参数，但较之DINA模型，它能够更为细致地区分被试。从认知假设角度来看，DINA，R-DINA和R-RUM叁个模型，是由强到弱，由简单到复杂的关系。认知诊断模型的开发与选用是认知诊断评估实践中一个十分关键的问题。认知诊断模型与测验项目反应机制之间的良好匹配是保证认知诊断评估结果有效、准确的基本前提。心理和教育测量领域的认知诊断测验大多是技能密集或知识密集的，在一次测验中，项目反应机制可能不是单一的，既有复杂的也有简单的。这就使得测验的分析既需要DINA模型，又需要R-DINA模型、R-RUM或其它模型。围绕新模型R-DINA能否实现参数估计，其诊断性能如何，以及实践中如何对模型与项目认知假设进行匹配，选择恰当模型进行相应分析等问题，本文相应地展开了以下叁项研究：研究一(论文第叁部分)：对R-DINA模型进行了定义，并采用EM算法和马尔可夫链蒙特卡洛(MCMC)算法自编程序实现了模型参数估计。设计了模拟实验，从项目参数返真性、知识状态判准率和分类一致性等指标，对R-DINA模型EM算法和R-DINA模型MCMC算法的表现进行了评价。结果表明：(1)自编的EM算法和MCMC算法参数估计程序基本正确，EM算法和MCMC算法估计程序结果稳定。(2) EM算法和MCMC算法对于R-DINA模型进行参数估计得到的项目参数返真性较好，知识状态判准率较高。EM算法稍好于MCMC算法。研究二(论文第四部分)：从模型资料拟合、项目参数返真性、知识状态判准率、被试分类一致性和模型预测能力等方面对DINA，R-DINA和R-RUM叁个模型的表现进行了比较，通过比较考察R-DINA模型在模拟数据和实测数据(Tatsuoka分数减法数据)上的诊断性能，并检验作者关于R-DINA模型一定程度上可以作为R-RUM简化模型的假设。研究结果显示(1) R-DINA模型与R-RUM在模拟数据分析与实测数据分析上表现相当。一定程度上，尤其是当项目所测属性的异质性不是太大时，R-DINA模型可以作为R-RUM的一个简化模型。(2)在模型选择不当的情况下(模型资料不拟合的情况下)，采用R-DINA模型或R-RUM分析DINA模型数据，较之采用DINA模型分析R-DINA模型或R-RUM数据，其造成的项目参数返真性(尤其是猜测参数)和被试分类准确性下降的后果相对较小。(3)采用叁个模型对Tatsuoka的分数减法数据进行分析得到的结果显示，从经验的角度来看，该分数减法测验各项目反应的属性作用机制不是单一的。研究叁(论文第五部分)：首先根据可逆跳转的马尔可夫链蒙特卡洛(RJMCMC)原理，建立了用于DINA、R-DINA和R-RUM叁个模型自动选择的RJMCMC方法，以提高认知诊断模型与属性作用机制的匹配性。接着设计了模拟研究验证了该方法的正确性和可行性，然后采用该方法对Tatsuoka分数减法数据进行了实证分析。模拟研究结果显示：RJMCMC方法估计得到的模型类标返真性、项目参数的返真性较高；知识状态判准率和模型资料拟合结果与事先指定了模型类标的混合MCMC方法的结果相近。实证研究结果发现：从模型资料拟合的结果来看MCMC(DINA)表现较差；MCMC(R-RUM)，MCMC(R-DINA)和RJMCMC叁者比较接近，相差较小。从数据的角度来看，该分数减法测验各项目上的属性作用机制大多更符合R-RUM和R-DINA模型的认知假设，即正确作答概率与属性掌握个数有关。(本文来源于《江西师范大学》期刊2012-05-01）
模型自动选择论文开题报告
（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：
人类在接收大量的视觉信息后,通过一种机制的处理,可以快速定位处于场景中的最感兴趣区域,并给予最高度的关注,这一机制就是视觉注意机制。它能够大大提高人类对于视觉信息的处理效率,因此在计算机图像处理领域得到了广泛应用。尺度空间理论是多尺度图表示的一个框架,观察尺度不同,物体也将以不同的形式呈现,因此对于描述物体的存在有着非常重要的最用。多尺度下的边缘检测技术对于计算机视觉和图像分析中的目标识别任务中起到了重要的作用。本文研究了一些传统经典视觉注意模型和边缘检测算法,在进行相关方面的基础理论知识学习后,阐述了传统方法的优缺点,一致视觉注意模型的生物可信性和提高方法,以及自动尺度选择边缘检测技术对目标识别的重要作用,这些都为课题提供了研究思路。本文在神经生理学研究的基础上,利用了叁种典型的视觉注意现象:显着目标具有连续边缘、显着目标具有内部一致性、场景中心对于人眼有着更大的吸引力,即边缘连续性,显着目标的一致性,以及中心吸引性来构成最终的显着图提取算法。首先,分别利用自动尺度选择边缘检测算法和一致视觉注意模型,获得显着目标的连续边缘和一致性区域;其次,由于一致模型所具有的两点缺陷:没有考虑到边缘特性和交叉通道联合的存在,因此利用直接相加的方法将二者统一在一个识别框架内,使边缘连续性和一致性可以优势互补,达到提高识别准确度的效果;再次,利用中心吸引性法则作为补充手段,优化显着目标的识别结果,模拟了人眼更乐于关注场景中心的现象,使新方法具有更高的生物可信性;最后将该算法应用于特定环境下,即复杂背景下的目标识别任务,通过对目标物体进行显着提取来体现其在目标识别任务中的切实高效性。
（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。
模型自动选择论文参考文献
[1].赵梦璇.基于扩展生态模型的老年人自动驾驶方式选择行为研究[D].江苏大学.2019
[2].门赛.自动尺度选择视觉注意模型在目标识别中的应用[D].沈阳理工大学.2015
[3].章健,王飞,赵冰.基于启发式算法的电力系统综合负荷模型的自动选择[J].电测与仪表.2015
[4].王飞.电力负荷模型自动选择的研究[D].郑州大学.2015
[5].朱绍军.模型自动选择聚类算法的研究与应用[D].宁波大学.2014
[6].柳伟伟,胡良平,吴圣贤,田金洲,郭辰仪.重复测量设计定量资料不同协方差结构模型自动选择的SAS实现程序[J].中国卫生统计.2013
[7].张春艳,张继东,初红霞.灰色关联矩阵优势分析在模型结构自动选择中的应用[J].现代商业.2012
[8].邵丽丽.采购决策支持系统中模型自动选择技术的研究[J].微计算机信息.2012
[9].何瑞波,陈立云,连云峰,万博.基于智能Agent的模型自动选择[J].计算机系统应用.2012
[10].宋丽红.DINA改进模型（R-DINA）的提出及叁个诊断模型自动选择机制研究[D].江西师范大学.2012
论文知识图
