一、理解设计模式3——生成器(Builder)（论文文献综述）
徐聪[1]（2021）在《移动终端应用界面代码自动生成方法的研究与应用》文中认为移动终端应用系统已经深入到人们的日常工作和生活中,其中界面设计与开发的工作量在整个移动应用开发中所占的比重较大。目前大部分的移动应用开发都是面向特定平台（如Android、i OS等）的,同一应用系统界面的开发要针对不同的平台开发不同的版本,这需要花费较大的代价。而且传统开发方法以手工编码为主,普遍存在开发效率低、难以维护等问题,还导致应用程序在扩展性和健壮性等方面不能满足系统开发需求。采用模型驱动架构（Model Driven Architecture,MDA）的思想,通过提升建模抽象层次并使用模型转换的方式,实现移动终端应用界面代码的自动生成,可以有效提高移动应用界面的开发效率,同时还能增强移动应用的可移植性和可维护性。本文基于MDA思想,研究移动终端应用界面建模和代码自动生成的方法,主要研究内容和创新工作包括以下几点:（1）通过对移动终端应用系统进行分析研究,对平台无关模型的描述方法ASLP（Architecture,Static,Logic,Presentation）进行了扩充,使其能对移动端的应用系统界面进行模型描述,并开发实现了建模工具。（2）分析了Android应用系统的代码目录结构及界面构建方式,提出了由静态模型、动态模型以及展示模型组成的Android平台相关模型,建立了ASLP平台无关模型到Android平台相关模型的映射规则。（3）采用基于模板的代码生成方法,设计并实现了面向Android平台的目标代码生成器,提出了依据界面模型描述实现界面代码主体结构自动生成的算法,搭建了Java代码生成器框架。（4）通过一个口罩预订APP的开发实例,验证了所提模型描述方法和代码生成方法的可行性与有效性。该口罩预订APP包括登录、注册、展示口罩列表、提交订单、修改订单、查看订单、删除订单、查看个人资料、修改个人资料等页面,依靠高抽象层次的建模工具和代码生成器,通过模型转换实现了代码自动生成。实例应用研究表明,本文的研究成果和所开展的工作,对移动终端应用系统的界面建模和开发实现提供了支持,进一步丰富了MDA模型驱动架构,提升了移动终端软件开发的层次,提高了开发效率,同时代码自动生成方法和平台的实现也可对智能软件开发的研究提供支持。
陈晓芳[2]（2021）在《基于深度学习的路面早期病害检测算法研究及实现》文中研究说明随着物流、货运等行业的快速发展,交通运输量的增大,以及环境因素的影响,以裂缝和坑洼为主的路面早期病害日益增多。传统的人工检测方法因存在效率低、安全性低、检测结果存在主观性等缺点,已不能满足我国日益增长的养护公路检测要求。此外,我国国道和省道使用的自动化系统检测算法易受路面条件和光照的影响,结果准确性和算法扩展性还存在缺点和不足,且该检测系统还未普及城市和乡镇公路,所以路面早期病害检测依然是当前公路管理部门亟需解决的一个实际工程问题。因此,为实现准确、快速、低成本的检测,本文研究并改进了一种基于深度学习的路面早期病害检测算法,并介绍了软件系统的整体检测流程,旨在提高城市和乡镇公路检测的效率,降低后期路面维修的成本。本文主要工作如下:（1）数据集。目前有关城市和乡镇路面病害的公开数据集较少,且主要以裂缝检测为主,检测结果未覆盖常见的路面早期病害类型,无法满足实际路面场景检测要求。因此本文通过使用移动智能手机、私家车行车记录仪等工具获取大量有关阜阳市城区和乡镇的路面病害图片,并将破损病害分为4类:（1）横向裂缝;（2）纵向裂缝;（3）龟裂;（4）坑洼。为避免算法模型在训练过程中发生过拟合现象,提高模型检测性能,利用几何变换和颜色空间增强技术增加数据集的数量。（2）算法模型。首先针对算法模型的检测速度,采用YOLOv3目标检测算法,并将其主干网络Dark Net-53替换为轻量级网络Shuffle Netv2。其次针对算法模型的检测精度,采取增大DW卷积核尺寸的措施,并修改Repeat参数。最后针对算法模型的参数规模,提高在移动端的运行性能,利用卷积核裁剪策略选择合理的裁剪率对YOLOv3-Shuffle Netv2模型的三个检测分支参数进行裁剪压缩。实验结果表明:本文改进的算法模型能够正确、快速、低成本检测出常见的路面早期病害。（3）软件系统的交互界面。本文基于wx Form Builder设计并实现软件系统的交互界面,该界面包括检测源、检测路面病害类型以及记录检测结果等功能。通过调用Open CV模块能够实现图片、视频以及实时检测,经测试基本可以完成常见的路面早期病害检测。最后介绍了整个系统软件的各个模块功能。
毛远远[3]（2021）在《张吉怀铁路古阳河特大桥施工BIM技术研究与应用》文中提出预应力混凝土连续刚构桥是在铁路桥梁中比较普遍的一种桥梁结构形式,依托BIM技术,带来基建行业的第二次信息化产业革命浪潮,使用全新的信息技术手段,为预应力混凝土连续刚构桥在决策、设计、施工、运营等阶段,提供基于BIM技术的大数据支撑,为桥梁建设项目全生命周期提供各相关单位协同工作的平台,要求必须有高精度的三维信息化模型,而当前国内在桥梁精细三维信息模型建立及深化应用方面仍存在效率较低的问题,极大影响了BIM技术在铁路桥梁施工领域进一步扩展其发展空间并实现其应用价值。针对上述问题,本文以古阳河特大桥为研究对象,对其施工BIM技术应用进行了研究,摒弃传统手工直接建模或建立同类结构参数化模型在后期更改参数的方式,根据连续刚构桥主体结构及钢筋、钢束等的模型信息直接编制桥梁各组成部分三维信息模型构建插件,采用可视化用户界面与二维图纸数据交互,实现从平面数据到三维信息模型的快速高效转换,效率较传统方式提高区间在5-10倍左右,精度较传统参数化或手动建模也有较大幅度的提升,同时进行各部分三维信息模型的深化应用并研究了高效进行BIM-FEM格式转换的插件。为BIM信息模型的深层次应用奠定坚实的基础信息模型基础。具体研究内容如下:（1）根据古阳河特大桥混凝土结构物特征将桥梁整体进行结构划分,通过Autodesk公司提供的Revit应用程序接口（Application Programming Interface）,结合C#编制三维信息模型快速构建插件软件;进行桥梁BIM模型在项目前期策划、进度计划、工程量统计、工程出图及轻量化方面的应用。（2）分析古阳河特大桥主梁钢筋的三维模型信息;通过Revit二次开发技术构建基于钢筋参数化造型和梁体约束的自动化钢筋布置插件,实现主梁钢筋的快速布置;通过PythonOCC技术研究钢筋信息模型建立的底层逻辑,编写钢筋信息模型生成类的函数库;结合布置的钢筋三维信息模型进行钢筋工程可视化交底、工程量统计、碰撞检测、进度计划管理、钢筋智能加工等BIM技术应用。（3）分析古阳河特大桥全桥钢束的空间构造特性及其三维模型信息;利用Revit二次开发技术,研发逻辑处理模块,实现关于钢束三维信息模型的自动定位生成;利用PythonOCC封装创建钢束模型的方法模块,以快速建立钢束三维信息化模型;进行钢束三维可视化交底、钢束工程量统计、钢束三维碰撞检测、钢束施工进度控制、预应力钢束智能张拉等BIM技术应用。（4）从BIM三维信息模型中提取古阳河特大桥有限元计算所需数据进行有限元分析,通过开发技术,实现BIM-FEM之间数据的转换,并将有限元计算结果进行分析,用于应力控制、变形控制和桥梁监测平台。
李陈扬[4]（2021）在《基于图数据库的查询计划生成与优化研究》文中认为近年来,各数据平台承载了海量实体信息,准确分析隐藏在这些数据背后的复杂交织关系有助于我们进行信息推断和决策建模,这也使得数据科学家们对数据项之间多层延伸关系的查找需求陡增。图数据库把实体项作为节点模型,把关系作为边模型,采取图式数据建模,确保了多层延伸关系的查询时效性。本文针对图语言Cypher的特性进行图查询优化的研究,主要创新包含如下两方面:一方面,由于Cypher语句中的查询模式包含了查询节点与查询边,查询节点的扫描顺序以及关系边的延伸方向并不固定,查询图不同的组合方式会产生执行代价与运行效率差异明显的逻辑计划。如何制定合理的图执行代价算法和图基数估计模型作为该文创新研究之一;另一方面,通过构建合理的图数据库分布式物理计划,从而降低图数据库的并行图查询时延。设计良好的分布式图查询计划生成策略、图算子分裂模型与图算子调度优化算法也是图数据库并行查询优化的关键。为满足图数据库高效查询的需求,我们研究实现了一个基于图数据库的分布式查询计划生成、优化系统。该文研究工作及创新要点包含:（1）基于libcypher-parser语言解析框架,对图数据库支持的Cypher查询语言展开解析,产出抽象语法树（AST）,并根据Cypher语句特征,建立子句分片算法模型创建关键逻辑算子,对语法树进行二次转换,构造逻辑计划树。（2）在创建逻辑计划树时,建立基于查询图代价和图基数估计的逻辑计划构建算法模型,生成查询图的若干参选临时逻辑计划,通过查询图代价和图基数计算模型预估计划代价数值,从多个参选图计划对象中选择运行代价最低的计划,完成对图数据库逻辑计划的生成优化。（3）重写逻辑计划。基于图查询表达式等价性模型,建立逻辑算子下推、逻辑算子替换、逻辑算子合并、逻辑树修枝等重写模型对图数据库计划优化重写。（4）将逻辑计划切割为多份分布式物理子计划,分发调度执行。通过为逻辑算子设计分布式图查询、图计算算子,实现物理算子的分裂和分布式协同调度策略,并设计分布式图计算算子优化算法,提高图数据库并行查询执行效率。本文末尾对图数据库分布式计划生成的过程数据和调度结果构建功能测试,并采用各梯度复杂度的Cypher语句对比检验测试了查询图基数代价算法的优化效率,包含编译时间以及运行时间等测试指标。
熊壬浩[5]（2020）在《知识驱动的软件模式识别》文中提出由于软件系统的复杂性,理解现有软件已成为软件生命周期所有阶段中最昂贵的任务之一。据统计,理解软件系统花费了软件工程中多达60%的工作量。从遗留系统中恢复设计信息是一项相当具有挑战性的任务,即使对于70K到280K源代码行的中型项目,也需要经验丰富的设计师平均花费100个小时来创建准确的架构。识别软件模式（software pattern）是理解软件系统的重要手段之一。包括架构模式（architectural pattern）和设计模式（design pattern）在内的软件模式总结了软件系统的设计或实现中特定的、重复出现的问题的解决方案。软件模式的识别提供了一种了解系统设计背后原理的有效途径。识别出的模式实例揭露了开发人员的意图,为维护人员提供了系统结构及其内部特征的深刻见解。软件模式本身提炼了有经验的专家从实践中获得的设计知识;而从中理解软件系统的制品（artifact）,也可以理解为关于软件系统的一种知识形式。尽管如此,现有方法较少从知识角度出发探索软件模式的识别。识别软件模式涉及多方面的领域知识,现有方法往往单一的利用领域知识的某一方面作为模式存在的证据,这往往不够充分而产生误报。技术领域的上下文不明确,设计与实现之间的映射便难以自动化进行,致使识别模式需要较大的人工工作量。针对上述问题,本文的主要贡献包括以下几个方面:（1）在Java语言的上下文中利用惯用实现识别设计模式:构造了一组本体,用于描述设计模式的概念以及Java语言的构造;进而提出了一种实体及关系抽取算法,用于从源代码中构建知识图谱,并构造了22种GoF（Gang of Four,四人帮）设计模式的模式模板;最终在五个开源的基准系统上展开实验,并与三种其他方法比较,评估了识别的准确性及时间性能。（2）在此基础上,使用动态分析方法进一步区分结构上相似的设计模式实例:提出了一种测试脚本标记语言以及一个基于该标记语言的测试用例生成算法,用于驱动模式实例运行;描述了一种程序追踪方法,无需插桩即可监视程序的运行状态;进而在知识图谱中引入基于间隔的时序关系,构建了一种运行时行为的建模和规范方法;最终使用六个开源基准系统,针对五个GoF设计模式,实验验证了五种现有方法报告的466个实例,进一步提高了识别的准确性。（3）基于扎根理论整合多方面的领域知识,利用专家的经验知识进行架构模式识别:提出了一种基于扎根理论的架构模式识别方法,即围绕案例分析,展开相关资料的调研,通过一种自顶向下的识别过程,构建出一个关于架构模式的“理论”;随之围绕两个开源系统,演示和分析了该方法在实践中的应用;最终针对六个开源系统实验评估了该方法的准确性及时间性能。（4）抽象了基于静态分析、动态分析以及扎根理论解决设计模式和架构模式识别问题的过程及实现方法,建立了一种知识驱动的模式识别框架:利用层次结构的特点,提出了一种层次化知识图谱;在此基础上,使用描述逻辑形式化定义了模式,将模式识别问题转换为概念的可满足性问题;最终定义了模式识别的核心过程和部件,将识别过程的可变部分封装为可插拔的组件,并基于该框架实现了一个原型工具。
王力凯[6]（2020）在《基于性能的建筑体量设计生成及优化系统》文中提出为了进一步挖掘计算机智能技术在辅助建筑设计,尤其是改善建筑性能方面的潜力,近年来许多研究者和建筑师开始关注“运算设计优化”（computational design optimization）技术对面向性能的建筑设计的辅助作用。其中针对建筑体量设计,不少研究者通过将参数化建模（parametric modelling）、优化算法（optimization algorithms）和性能模拟工具（performance simulations）三者结合,搭建了整合建筑体量设计生成、分析和优化过程的“设计优化运行流程”（design optimization workflows）,这为基于性能的建筑体量设计生产及优化提供了可行的技术路径和方法基础。采用这种技术路径的设计方法被称之为“基于性能的设计优化”（performance-based design optimization）。虽然一些研究结果显示,这种新的设计方法在建筑性能改善方面可以发挥一定的效用,但在实际应用中,基于这类新技术的优化系统的适用性一般较低,是一种高投入、低回报的计算机辅助建筑设计技术。一方面,建筑师在使用基于性能的设计优化时需要付出大量的时间和精力进行设计优化运行流程搭建及操作工作。另一方面,优化过程及优化结果的信息反馈仅能提供十分有限的设计信息,无法为建筑师的设计构思和深化推敲提供有效的参考和支持。因此,本研究将聚焦于上述两个问题,即如何整合优化系统的使用流程,以及如何提高设计优化输出结果的多样性。相应地,本研究在相关领域研究进展的基础上,以实现一种更符合建筑师在方案阶段设计可能性探索需求的计算机辅助设计方法,及其支持该设计方法必要的工具为目标,提出了一个集成化的建筑体量设计生成及优化系统（Performance-based Building Massing Design Generation and Optimization System,简称PBMDGO系统）,并以此进一步探索建筑体量设计在建筑性能改善方面的潜力。在开发PBMDGO系统的同时,本研究也探索了应对现有技术和方法局限性的解决策略和技术工具。本研究在常规设计优化运行流程（生成-分析-优化）的基础上进行了再设计,并在Rhino-Grasshopper平台下开发了面向一般性建筑体量性能设计优化问题的通用系统,即PBMDGO系统。基于再设计的运行流程的PBMDGO系统,一方面简化了优化运行流程的搭建和操作工作,另一方面增强了优化过程及优化结果的设计信息反馈程度。为实现上述系统功能,研究继续针对再设计的运行流程中的设计生成器（即建筑体量设计生成模型）,以及优化问题求解器（即优化算法）进行了适用性改造、重新开发和算法实现,并实现一个基于体量削减（“减法”）和体量叠加（“加法”）的建筑体量生成模型,以及一个兼顾“探索+挖掘”性的“多岛稳态遗传算法”（Steady-state Island Evolutionary Algorithm,SSIEA）。基于上述的生成模型和SSIEA算法,建筑师可以结合其他第三方性能模拟工具快速搭建面向设计优化运行流程,即不同性能目标的定制PBMDGO系统。为了考察PBMDGO系统在辅助建筑师进行设计优化和设计探索方面的效用,研究基于PBMDGO系统对不同设计条件和性能优化目标的设计问题进行了对比设计优化试验。结果显示,PBMDGO系统能够通过设计优化过程为针对不同性能目标和设计条件下的设计问题提供具有任务针对性的优化结果。此外,相较于其他设计优化运行流程,例如基于简单建筑体量生成模型或自由形态生成模型等,PBMDGO系统输出的基于正交几何的设计变体具有更清晰可辨的体量形态信息。另一方面,相较于基于多目标帕累托优化（multi-objective Pareto optimization）输出的混合了多种性能因素的设计优化结果,基于单目标的PBMDGO系统提供的优化结果则具有明确的性能指向性。PBMDGO系统回应了建筑师在方案阶段设计探索和设计优化的动态需求,能够为建筑师从“发散性探索”到“收敛性挖掘”的设计综合（design synthesis）过程提供反映建筑性能改善和建筑体量形态特征的设计信息反馈,同时也在一定程度上避免了由人的主观经验带来的设计固着（design fixation）,进而帮助建筑师实现一种“性能信息驱动的设计”（performance-informed/aware design）。因此,本研究提出的基于性能的建筑设计生成及优化过程,关注的并非是单向的设计辅助或者设计控制,而是更深层次的双向设计协作。从这点出发,PBMDGO系统也可以被视为一个独立和外化于“人类设计师”（human designers）,但同时又能与人类设计师（建筑师）协同进行设计工作的“机器设计师”（machine designers）。在这样的“人-机协同设计过程”（human-machine co-evolution design synthesis process）中,建筑师的设计综合能力将得到质的提升。在当前不断增强的数字化和智能化条件下,本研究提供了一种面向建筑性能的新设计方法,这将进一步推动“性能驱动的建筑”（performance-driven architectural design）的设计范式进程。本文正文共约118000字,图表233幅,代码约8300行。
张紫菡[7]（2020）在《CTCS-1级列控系统线路数据的生成及验证方法的研究》文中提出列控系统线路数据是描绘列车运行线路的重要信息,准确、完备的线路数据是列控系统安全运行的基础。然而既有线实际控车数据由人工编制,与LKJ基础数据不完全一致,人工编制存在漏编和错编的可能,导致线路数据的准确性难以保证。同时实际控车数据按照交路组织,数据存在冗余,各路局的数据交路和监控交路存在差异,数据文件及数据版本不统一,造成控车数据管理较为复杂,不利于既有线铁路提质增效。针对上述问题,本文首先基于CTCS-1级列控系统数据需求,设计出格式简明且易于存储的线路数据模型。之后根据线路数据特点和人工编制过程总结形成完整的数据编制规则,并根据CTCS-1级列控系统运行场景及功能需求建立数据模型验证场景。提出基于UML与Nu SMV相结合的模型验证体系及系统迭代方法,分别建模并验证数据模型编制过程及模型验证场景的完备性,并以此为依据开发数据模型自动编制及验证软件,这对保证线路数据正确及列控系统安全运行具有重要意义。本文主要完成的工作如下:（1）CTCS-1级线路数据模型的设计和构建。从线路基础数据在列控系统中的应用和系统需求角度,对线路数据进行了分析,总结了线路数据的特点和关联结构。结合线路数据的更新需求,采用Rail ML设计了结构清晰,数据内容完善的线路数据模型。（2）数据模型编制规则的提取和验证场景的设计。根据线路数据和数据模型的特点提取出数据模型编制规则,规则包括数据属性规则、拓扑规则以及人工编制的专家经验。结合人工编制步骤,提取了编制规则过程框架,建立了完整的线路数据模型编制规则,为数据自动编制过程提供依据。为确保数据模型的正确性,根据线路数据在列控系统中的应用需求,设计了针对线路数据模型的验证场景,为后续建模验证打下基础。（3）数据模型编制规则及验证场景的建模与验证。研究了模型编制规则和验证场景的建模与验证方法,采用UML语言建立了模型编制规则和验证场景的基础模型,并转化为Nu SMV形式化模型进行了验证。根据模型验证结果对模型进行优化,通过对模型的反复迭代最终得到了符合系统需求的线路数据模型及模型编制规则,确保了数据模型编制规则的完备性。（4）开发线路数据模型自动编制及验证软件。基于经过验证的数据模型编制规则和验证场景开发数据模型自动化编制及验证工具,完成了对实际线路数据模型的自动化编制,并验证了数据模型的完备性,保证了数据编制过程的准确性。图43幅,表7个,参考文献57篇。
严客雨[8]（2020）在《基于GAN的视频超分辨率算法研究与实现》文中研究指明目前高清视频在娱乐、医疗、视频监控等领域的应用越来越广泛,促进了视频超分辨技术的研究。其中,基于深度学习的视频超分辨算法快速发展,但它们在视觉感知、精度、时序一致性的指标方面各有侧重,且模型参数量大。因此需要进一步研究如何更好地综合上述三方面指标,并提升模型推理速度,为视频超分辨技术在嵌入式终端的应用打好基础。由此,本文设计了基于生成式对抗网络的视频超分辨算法（High Optical Flow Wasserstein Generative Adversarial Networks,HOFWGAN）,整体网络包括高分辨率光流运动补偿前缀网络（High Optical Flow-Motion Compensation,HOF-MC）和适用于视频超分辨的生成式对抗主体网络（Wasserstein Generative Adversarial Networks-Limited Discriminator,WGAN-LD）两部分;另外,为了减少重建视频的闪烁现象,HOFWGAN还设计了高时序一致性优化方案。论文的主要工作和贡献点有:（1）设计了HOF-MC前缀网络,通过估算输入的低分辨率帧间的高分辨率光流并加以运动补偿,能够有效地提高重建视频的精度。（2）设计了WGAN-LD主体重建网络,通过增加对判别器的惩罚项来提升其鉴别能力,能够有效提高重建视频的视觉感知效果。（3）设计了整体的时序优化方案,通过约束相邻的图像帧间像素运动的位移量,来保证重建视频的时序一致性。同时,本文还针对嵌入式平台算力低、处理速度慢等问题,通过设计自定义插件来利用Tensor RT对HOFWGAN算法进行加速优化,实现了算法在嵌入式平台的部署。实验结果表明,HOFWGAN算法在视觉感知、精度、时序一致性和速度方面都取得较好的结果:（1）使用WGAN-LD网络,Vid4数据集上自然图像质量评价和学习感知图像块相似度指标值为4.23和16.25,相较于Teco GAN提升了0.37%和1.2%;（2）使用HOF-MC前缀网络后,Vid4数据集上精度相关峰值信噪比和结构相似度指标值为26.63d B和0.782,相较于Teco GAN提升了4.15%和3.44%;（3）使用时序优化方案后,Vid4数据集上时序一致性指标t OF和t LP值为19.09和0.00702,帧间闪烁现象明显降低。（4）对算法加速优化后,在Jetson TX2嵌入式平台上模型推理速度由7FPS提升至23FPS的近实时速度,证明了算法在嵌入式平台上的实用性。
张金生[9]（2020）在《基于Spring Cloud的股票简讯自动生成系统的设计与实现》文中提出由于受到经济或非经济因素影响,股票的价格会不断波动,投资者因此面临股票市场价格风险,而由一揽子股票通过某种方式计算出来的综合价格指数,也受股价波动的影响。为了面对股指交易的风险性,及时了解股指的趋势信息变得尤为重要,一般用户需要在不同的网站或网页之间进行频繁切换来浏览相关资讯,使得用户操作较为繁琐,需要耗费大量的时间拼接股票资讯,如果能够实现股票数据到中文简讯的自动生成,那么将能根据用户的关注生成股票简讯,方便、快捷地为股民股市行情,以便在关键时刻及时做出明智的应对措施,并且不再需要编辑盯着证监会的网站,进行简讯的编辑。本论文针对股票简讯生成系统进行设计和实现,首先对股票简讯生成系统进行需求分析,明确系统的范围和边界,以及用户对平台的功能、性能等相关的需求。然后对系统进行概要设计,根据需求分析对系统进行模块划分,确定各模块的功能,绘制实体-关系图,进行数据库表结构的设计。接着对系统进行详细设计,结合各模块的逻辑设计相关类和相关处理逻辑,绘制相关类图和序列图。除此之外,本文还介绍项目中涉及的技术,包括微服务、Spring Boot、Spring Cloud等,并基于Spring Cloud微服务架构技术,实现股票简讯生成系统。最后,对系统进行了功能测试,对股票简讯生成系统加以总结,并对下一步工作进行展望。
杜益宁[10]（2020）在《基于单线代数规约的微服务测试预言技术研究》文中指出随着微服务架构的广泛应用,微服务质量得到了越来越多的关注,以规约为基础的软件测试技术是保证服务质量的一种有效途径。作为一种高度抽象、独立于实现细节的形式化规约技术,代数规约通过构造等式公理在一定程度上缓解了测试预言问题,但微服务复杂的依赖关系以及响应结果的动态性给测试预言带来了一定的挑战。本文提出一种基于单线代数规约的微服务测试预言技术,一方面基于蜕变关系构造公理的原子模式和组合模式生成服务的测试预言,有效地解决了微服务复杂依赖关系带来的问题。另一方面在单线测试序列执行过程中加入服务自适应调度策略和有序树比较机制,从而较好地应对服务响应结果的动态性所带来的挑战。本文主要包括以下三个方面的研究工作:1.为更好地描述待测微服务特性,通过分析微服务响应结果间的关系,本文结合蜕变测试技术给出等价、相等、子集、并集和交集五种原子模式及组合模式,在此基础上提出基于蜕变关系模式的测试预言构造步骤。2.为提高单线测试序列执行成功率、解决微服务响应数据难以比较的问题,本文提出微服务测试预言执行框架,在单线测试序列转换为服务调用操作序列的基础上,测试执行过程中增加自适应调度机制应对复杂的网络状态,并将微服务响应结果转换为有序树从而实现复杂数据的比较。3.对原有基于代数规约的服务测试平台进行优化,设计和实现了微服务测试平台,在新的测试平台上针对数组服务Array和在线医疗系统OMS进行案例分析,并与已有技术进行比较。实验结果表明本文所提技术能提高测试序列执行的成功率和效率,有效检测出微服务系统中的缺陷,从而改进微服务系统的软件质量。
二、理解设计模式3——生成器(Builder)（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、理解设计模式3——生成器(Builder)（论文提纲范文）
（1）移动终端应用界面代码自动生成方法的研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 移动应用开发的三种模式 |
| 1.2.2 代码自动生成技术与模型驱动架构 |
| 1.3 主要研究内容 |
| 1.4 论文组织结构 |
| 第2章 相关技术与理论 |
| 2.1 模型驱动开发概述 |
| 2.1.1 MDA概述 |
| 2.1.2 MDA的框架 |
| 2.1.3 MDA的技术标准 |
| 2.1.4 MDA的开发过程 |
| 2.2 Android平台简介 |
| 2.2.1 Android平台架构 |
| 2.2.2 Android控件架构 |
| 2.2.3 Android四大组件 |
| 2.3 本章小结 |
| 第3章 移动应用界面建模及模型映射 |
| 3.1 平台无关模型 |
| 3.2 代码自动生成系统 |
| 3.2.1 软件体系结构 |
| 3.2.2 对象模型 |
| 3.2.3 功能模型 |
| 3.2.4 界面交互模型 |
| 3.2.5 表示模型 |
| 3.3 Android平台模型 |
| 3.3.1 Android应用代码目录结构 |
| 3.3.2 Android应用用户界面构建方式 |
| 3.3.3 Android应用建模 |
| 3.4 ASLP模型到Android平台模型的映射 |
| 3.4.1 映射规则 |
| 3.4.2 ASLP模型到Android模型的映射关系 |
| 3.5 本章小结 |
| 第4章 代码自动生成方法和过程 |
| 4.1 代码生成方法 |
| 4.2 代码生成过程 |
| 4.3 通用支持工具 |
| 4.3.1 代码容器 |
| 4.3.2 输出流包装器 |
| 4.4 界面模板中交互对象关联信息的获取方法 |
| 4.5 页面视图的生成 |
| 4.5.1 Android应用界面布局方式 |
| 4.5.2 视图生成模型 |
| 4.6 Java代码的生成 |
| 4.6.1 Java代码生成器框架 |
| 4.6.2 Java数据类型模型 |
| 4.6.3 页面控制器的生成 |
| 4.6.4 业务对象的生成 |
| 4.7 配置信息的生成 |
| 4.8 代码生成算法 |
| 4.8.1 代码自动生成主算法 |
| 4.8.2 部件代码生成算法 |
| 4.8.3 用户界面代码生成算法 |
| 4.8.4 界面元素代码生成算法 |
| 4.9 代码生成器的工作流程 |
| 4.10 本章小结 |
| 第5章 应用实例——口罩预订APP |
| 5.1 口罩预订APP的需求分析 |
| 5.2 模型创建 |
| 5.2.1 功能视图 |
| 5.2.2 静态视图 |
| 5.2.3 交互视图 |
| 5.2.4 界面展示视图 |
| 5.3 界面实例 |
| 5.4 开发方法分析 |
| 5.5 本章小结 |
| 第6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 |
| 在学期间所取得的成果 |
（2）基于深度学习的路面早期病害检测算法研究及实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 课题背景及研究意义 |
| 1.3 本课题的国内外研究现状 |
| 1.3.1 基于数字图像处理的方法 |
| 1.3.2 基于机器学习处理的方法 |
| 1.4 论文主要内容与章节安排 |
| 第二章 深度学习理论 |
| 2.1 深度学习的主要模型 |
| 2.1.1 卷积神经网络(CNN)基本概述 |
| 2.1.2 循环神经网络(RNN)基本概述 |
| 2.1.3 生成对抗神经网络(GAN)基本概述 |
| 2.2 深度学习常用激活函数 |
| 2.2.1 Sigmoid函数 |
| 2.2.2 Softmax函数 |
| 2.2.3 ReLU函数 |
| 2.3 深度学习常用的目标检测算法 |
| 2.3.1 R-CNN算法 |
| 2.3.2 YOLO算法 |
| 2.4 深度学习中降低模型参数的策略 |
| 2.4.1 轻量级网络结构 |
| 2.4.2 常用模型压缩策略 |
| 2.5 本章小结 |
| 第三章 基于YOLOv3 的路面早期病害检测 |
| 3.1 YOLOv3 算法 |
| 3.1.1 YOLOv3 算法核心原理 |
| 3.1.2 YOLOv3 算法流程 |
| 3.2 YOLOv3 网路结构的改进 |
| 3.2.1 YOLOv3-ShuffleNetv2 网络结构 |
| 3.3 YOLOv3-ShuffleNetv2 网络结构的改进 |
| 3.3.1 调整模型参数 |
| 3.3.2 应用裁剪卷积核压缩策略 |
| 3.4 道路病害检测实验设计 |
| 3.4.1 实验配置环境 |
| 3.4.2 实验数据集及其处理 |
| 3.4.3 模型训练 |
| 3.5 实验结果分析对比 |
| 3.5.1 YOLOv3-ShuffleNetv2 检测结果 |
| 3.5.2 改进的YOLOv3-ShuffleNetv2 检测结果 |
| 3.6 本章小结 |
| 第四章 基于wxFormBuilder的软件系统交互界面设计 |
| 4.1 wxFormBuilder简介 |
| 4.2 系统交互界面设计 |
| 4.3 实验测试结果与分析 |
| 4.3.1 线下检测测试 |
| 4.3.2 线上实时检测模块测试 |
| 4.4 系统软件整体框图 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文工作总结 |
| 5.2 后续研究及展望 |
| 参考文献 |
| 致谢 |
| 在校期间公开发表论文及着作情况 |
| 参与项目 |
（3）张吉怀铁路古阳河特大桥施工BIM技术研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 BIM概念、特点、平台分析 |
| 1.2.1 BIM概念 |
| 1.2.2 BIM特点 |
| 1.2.3 BIM平台 |
| 1.3 桥梁BIM国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容与目的 |
| 第二章 古阳河特大桥BIM模型构建与应用 |
| 2.1 GIS地理信息系统模型的分析与构建 |
| 2.2 古阳河特大桥各构件模型信息分析 |
| 2.2.1 梁体模型信息分析 |
| 2.2.2 齿块模型信息分析 |
| 2.2.3 桥墩模型信息分析 |
| 2.2.4 基础模型信息分析 |
| 2.3 古阳河特大桥各构件三维信息模型创建 |
| 2.3.1 Revit二次开发技术简介 |
| 2.3.2 主梁信息模型创建 |
| 2.3.3 齿块信息模型创建 |
| 2.3.4 桥墩信息模型创建 |
| 2.3.5 基础信息模型构建 |
| 2.3.6 古阳河特大桥建模成果 |
| 2.4 古阳河特大桥三维信息模型BIM技术应用 |
| 2.4.1 前期策划和初步设计 |
| 2.4.2 进度计划管理与优化 |
| 2.4.3 工程量统计 |
| 2.4.4 工程出图 |
| 2.4.5 BIM轻量化 |
| 第三章 桥梁钢筋BIM模型构建与应用 |
| 3.1 桥梁钢筋BIM运用 |
| 3.2 桥梁钢筋模型信息分析 |
| 3.3 桥梁钢筋三维信息模型构建 |
| 3.3.1 利用Revit平台进行二次开发实现 |
| 3.3.2 利用PythonOCC开发实现 |
| 3.4 桥梁钢筋三维信息模型BIM技术应用 |
| 3.4.1 可视化交底与质量控制 |
| 3.4.2 工程量统计分析、成本管控及虚拟物料仓库的建立 |
| 3.4.3 三维碰撞检测 |
| 3.4.4 进度计划施工管理 |
| 3.4.5 基于BIM的钢筋智能应用 |
| 第四章 桥梁钢束BIM模型构建与应用 |
| 4.1 桥梁钢束BIM运用 |
| 4.2 桥梁钢束模型信息分析 |
| 4.3 桥梁钢束三维信息模型构建 |
| 4.3.1 利用Revit平台进行二次开发实现 |
| 4.3.2 利用PythonOCC开发实现 |
| 4.4 桥梁钢束三维信息模型BIM技术应用 |
| 4.4.1 可视化交底与质量控制 |
| 4.4.2 工程量统计分析、成本管控及虚拟物料仓库的建立 |
| 4.4.3 钢束三维碰撞检测 |
| 4.4.4 进度计划施工管理 |
| 4.4.5 基于BIM的预应力钢束智能张拉 |
| 第五章 基于桥梁BIM模型的悬臂施工计算与应用 |
| 5.1 基于BIM模型的连续刚构桥有限元模型创建 |
| 5.1.1 BIM模型结合悬臂施工助手、PSC助手的创建方法 |
| 5.1.2 BIM模型导出MCT命令流的创建方法 |
| 5.2 基于BIM模型的钢束有限元模型建立 |
| 5.3 有限元计算相关参数 |
| 5.4 施工阶段划分 |
| 5.5 有限元计算结果分析 |
| 5.5.1 应力计算结果分析 |
| 5.5.2 位移计算结果分析 |
| 5.6 有限元计算结果应用 |
| 5.6.1 应力控制 |
| 5.6.2 变形控制 |
| 5.6.3 桥梁监测平台 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（4）基于图数据库的查询计划生成与优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图数据库的发展现状 |
| 1.2.2 图数据库查询计划的研究现状 |
| 1.3 本文主要的研究与创新 |
| 1.4 本文的组织结构 |
| 第二章 相关理论概述 |
| 2.1 图数据库定义 |
| 2.2 图数据定义 |
| 2.3 图查询代数表达式定义 |
| 2.3.1 基本代数表达式 |
| 2.3.2 扩展代数表达式 |
| 2.3.3 条件代数表达式 |
| 2.3.4 连接代数表达式 |
| 2.4 图查询代数表达式等价性 |
| 2.4.1 等价规则一 |
| 2.4.2 等价规则二 |
| 2.4.3 等价规则三 |
| 2.4.4 等价规则四 |
| 2.4.5 等价规则五 |
| 2.5 数据库查询生成与优化技术 |
| 2.5.1 规则优化 |
| 2.5.2 代价优化 |
| 2.5.3 分布式优化 |
| 2.6 本章小结 |
| 第三章 图数据库计划生成系统设计 |
| 3.1 需求与各应用场景分析 |
| 3.2 系统运行总流程设计 |
| 3.3 系统整体模块框架设计 |
| 3.4 Cypher语句解析器设计 |
| 3.4.1 词法分析模块 |
| 3.4.2 语法分析模块 |
| 3.4.3 语义分析模块 |
| 3.4.4 AST信息操作模块 |
| 3.4.5 AST错误信息模块 |
| 3.5 逻辑计划生成器设计 |
| 3.5.1 计划生成初始化模块 |
| 3.5.2 AST分片模块 |
| 3.5.3 查询图模块 |
| 3.5.4 过滤树模块 |
| 3.5.5 子句逻辑计划构建模块 |
| 3.6 分布式物理计划生成器设计 |
| 3.6.1 分布式图数据库架构设计 |
| 3.6.2 分布式计划查询过程设计 |
| 3.6.3 分布式物理计划转化 |
| 3.6.4 物理计划分发调度 |
| 3.6.5 物理算子分区优化 |
| 3.7 计划优化器设计 |
| 3.7.1 代价估计算子顺序优化设计 |
| 3.7.2 基数统计信息 |
| 3.7.3 逻辑计划总代价计算模型 |
| 3.7.4 基本代价 |
| 3.7.5 基数估计模型 |
| 3.7.6 逻辑代数表达式重写优化 |
| 3.8 本章小结 |
| 第四章 图数据库计划生成系统模块实现 |
| 4.1 Cypher语句解析器 |
| 4.2 逻辑计划生成器 |
| 4.2.1 计划生成初始化模块 |
| 4.2.2 AST分片模块 |
| 4.2.3 查询图模块 |
| 4.2.4 过滤树模块 |
| 4.2.5 子句逻辑计划构建模块 |
| 4.3 分布式物理计划生成器 |
| 4.3.1 物理计划基础模块 |
| 4.3.2 物理计划转化 |
| 4.3.3 物理查询算子 |
| 4.3.4 物理计划树分裂 |
| 4.3.5 物理计划分发与调度 |
| 4.4 计划优化器 |
| 4.4.1 基数代价优化器 |
| 4.4.2 代价估计逻辑算子顺序优化 |
| 4.4.3 基数代价估计模型 |
| 4.4.4 逻辑代数表达式重写优化 |
| 4.5 本章小结 |
| 第五章 系统测试及分析 |
| 5.1 分布式查询计划生成测试 |
| 5.1.1 测试环境 |
| 5.1.2 测试结果 |
| 5.2 基数代价查询图优化性能测试 |
| 5.2.1 测试环境 |
| 5.2.2 测试结果 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（5）知识驱动的软件模式识别（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状及问题分析 |
| 1.2.1 设计模式识别研究现状 |
| 1.2.2 架构模式识别研究现状 |
| 1.2.3 问题分析 |
| 1.3 研究内容与主要贡献 |
| 1.4 论文结构 |
| 第二章 背景知识 |
| 2.1 软件模式 |
| 2.1.1 架构模式 |
| 2.1.2 设计模式 |
| 2.1.3 惯用法 |
| 2.2 知识处理和应用 |
| 2.2.1 知识获取 |
| 2.2.2 知识表示和知识图谱 |
| 2.2.3 知识推理 |
| 2.2.4 知识系统的构建 |
| 2.3 本章小结 |
| 第三章 基于惯用实现的设计模式识别 |
| 3.1 引言 |
| 3.2 设计模式的描述与识别 |
| 3.2.1 设计模式的描述 |
| 3.2.2 层次化知识图谱 |
| 3.2.3 实体和关系抽取 |
| 3.2.4 结构关系推理 |
| 3.2.5 模式模板匹配 |
| 3.3 实验评估设置 |
| 3.3.1 上下文选择 |
| 3.3.2 研究问题与度量指标 |
| 3.3.3 实验设置 |
| 3.4 评估结果分析 |
| 3.4.1 识别模式实例的准确性 |
| 3.4.2 与其他方法准确性的比较 |
| 3.4.3 时间性能 |
| 3.5 讨论 |
| 3.5.1 命名约定 |
| 3.5.2 语言学和动态扩展 |
| 3.5.3 有效性威胁 |
| 3.6 相关工作的比较 |
| 3.6.1 相关技术 |
| 3.6.2 相关工具 |
| 3.7 本章小结 |
| 第四章 相似结构设计模式实例的区分 |
| 4.1 引言 |
| 4.2 基于ETA的相似结构模式实例区分 |
| 4.2.1 测试用例生成 |
| 4.2.2 运行时行为追踪 |
| 4.2.3 时序关系推理 |
| 4.2.4 相似结构模式实例的区分 |
| 4.3 实验评估设置 |
| 4.3.1 上下文选择 |
| 4.3.2 研究问题与度量指标 |
| 4.3.3 实验设置 |
| 4.4 评估结果分析 |
| 4.4.1 ETA改善现有方法准确性的表现 |
| 4.4.2 ETA与基于动态分析的现有方法准确性的比较 |
| 4.4.3 时间性能 |
| 4.5 讨论 |
| 4.5.1 增量的理解遗留系统 |
| 4.5.2 实践中的SparT |
| 4.5.3 有效性威胁 |
| 4.6 相关工作的比较 |
| 4.7 本章小结 |
| 第五章 基于SparGT的架构模式识别 |
| 5.1 引言 |
| 5.2 SparGT:一种自顶向下的方法 |
| 5.2.1 扎根理论与REM方法 |
| 5.2.2 SparGT方法 |
| 5.3 案例研究——MVC模式的识别 |
| 5.3.1 MVC模式的描述 |
| 5.3.2 质性资料分析 |
| 5.3.3 设计规则抽取 |
| 5.4 实验评估 |
| 5.4.1 评估设置 |
| 5.4.2 结果分析 |
| 5.5 讨论 |
| 5.5.1 识别上下文的选择 |
| 5.5.2 动态分析的运用 |
| 5.5.3 有效性威胁 |
| 5.6 相关工作的比较 |
| 5.6.1 架构模式描述 |
| 5.6.2 模式驱动的架构恢复 |
| 5.7 本章小结 |
| 第六章 KparF框架的设计与实现 |
| 6.1 引言 |
| 6.2 KparF框架的总体设计 |
| 6.2.1 KparF框架的组件 |
| 6.2.2 KparF框架的过程 |
| 6.2.3 KparF框架的冰点和热点 |
| 6.3 SparT原型工具的设计与实现 |
| 6.3.1 模式识别子系统 |
| 6.3.2 辅助分析子系统 |
| 6.3.3 追踪管理子系统 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文总结 |
| 7.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（6）基于性能的建筑体量设计生成及优化系统（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及问题缘起 |
| 1.1.1 建筑性能与建筑体量设计 |
| 1.1.2 基于性能的建筑设计 |
| 1.1.3 基于性能的设计优化技术 |
| 1.2 研究问题及目标 |
| 1.3 研究内容及方法 |
| 1.4 相关概念界定 |
| 1.5 研究意义 |
| 1.6 研究路径及论文框架 |
| 1.6.1 研究路径 |
| 1.6.2 论文框架 |
| 第2章 文献综述 |
| 2.1 基于性能的设计优化技术 |
| 2.1.1 技术搭建平台 |
| 2.1.2 在建筑体量设计中的应用 |
| 2.2 建筑设计的参数化建模 |
| 2.2.1 可视化参数化建模技术 |
| 2.2.2 复杂参数化建模策略 |
| 2.3 建筑设计与优化算法 |
| 2.3.1 辅助建筑设计的优化算法 |
| 2.3.2 优化结果与设计信息反馈 |
| 2.4 本章小结 |
| 第3章 PBMDGO系统的搭建 |
| 3.1 系统的运行流程再设计 |
| 3.1.1 系统概述 |
| 3.1.2 运行流程的适用性改造 |
| 3.1.3 生成器模块设计(建筑体量生成方法) |
| 3.1.4 求解器模块设计(优化算法寻优方法) |
| 3.2 系统的搭建工具 |
| 3.2.1 交互界面设计 |
| 3.2.2 建筑体量生成组件 |
| 3.2.3 优化算法组件 |
| 3.2.4 辅助工具组件 |
| 3.3 本章小结 |
| 第4章 基于体量削减/叠加原则的设计生成器 |
| 4.1 “减法”算法 |
| 4.1.1 算法概述 |
| 4.1.2 算法实现及用户交互 |
| 4.1.3 体量设计策略的控制方法 |
| 4.2 “加法”算法 |
| 4.2.1 算法概述 |
| 4.2.2 算法实现及用户交互 |
| 4.2.3 体量设计策略的控制方法 |
| 4.3 本章小结 |
| 第5章 “探索+挖掘”性的优化问题求解器 |
| 5.1 SSIEA算法 |
| 5.1.1 工作流程 |
| 5.1.2 算法实现 |
| 5.1.3 进化操作 |
| 5.1.4 多岛模型 |
| 5.1.5 稳态替换策略 |
| 5.1.6 拉丁超立方采样 |
| 5.2 算法性能测试分析 |
| 5.2.1 测试问题 |
| 5.2.2 对比算法 |
| 5.2.3 对比指标 |
| 5.2.4 实验结果 |
| 5.3 算法比较分析 |
| 5.4 本章小结 |
| 第6章 PBMDGO系统的应用测试 |
| 6.1 系统搭建及操作示例 |
| 6.1.1 系统运行流程的搭建 |
| 6.1.2 优化前的参数设置 |
| 6.1.3 优化运行过程 |
| 6.1.4 优化结果分析 |
| 6.2 不同设计条件下效用测试 |
| 6.2.1 设计任务及试验设置 |
| 6.2.2 测试问题1优化结果 |
| 6.2.3 测试问题2优化结果 |
| 6.3 优化结果的综合分析 |
| 6.4 本章小结 |
| 第7章 讨论 |
| 7.1 PBMDGO系统的适用性特征 |
| 7.1.1 前置式应用流程 |
| 7.1.2 可复用的设计优化工具 |
| 7.2 设计知识与生成技术 |
| 7.2.1 设计知识的再现(元模型) |
| 7.2.2 设计知识的传递(信息反馈) |
| 7.3 设计综合与算法寻优 |
| 7.4 PBMDGO系统的局限性 |
| 1 )优化对象的建筑类型 |
| 2 )优化结果的形态自由度 |
| 3 )信息反馈的精度控制 |
| 4 )性能目标的种类及优先级 |
| 7.5 后续研究 |
| 7.5.1 设计优化系统应用流程的标准化 |
| 7.5.2 体量形态生成算法的适应度 |
| 7.5.3 SSIEA算法性能的再挖掘 |
| 7.5.4 优化结果的空间重构及其可视化 |
| 第8章 总结 |
| 致谢 |
| 主要参考文献 |
| 插图和附表清单 |
| 攻读学位期间发表的学术论文目录 |
（7）CTCS-1级列控系统线路数据的生成及验证方法的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 CTCS-1级列控系统研究现状 |
| 1.2.2 列控系统数据生成及验证研究现状 |
| 1.2.3 形式化验证在列控系统中的应用 |
| 1.3 研究目的及意义 |
| 1.4 论文的内容和结构安排 |
| 2 CTCS-1级线路数据模型设计方案 |
| 2.1 线路数据模型需求分析 |
| 2.1.1 数据模型的应用过程分析 |
| 2.1.2 数据模型的功能需求分析 |
| 2.1.3 数据模型的安全需求分析 |
| 2.2 CTCS-1级线路数据分析 |
| 2.2.1 线路数据类型 |
| 2.2.2 线路数据特点 |
| 2.3 CTCS-1级线路数据模型设计 |
| 2.3.1 Rail ML概述 |
| 2.3.2 数据模型结构设计 |
| 2.3.3 数据元扩展设计 |
| 2.4 数据模型编制规则提取 |
| 2.4.1 数据属性的编制规则 |
| 2.4.2 数据拓扑的编制规则 |
| 2.4.3 数据编制的专家经验 |
| 2.4.4 数据模型的编制流程 |
| 2.5 本章小结 |
| 3 线路数据模型编制规则及验证场景建模 |
| 3.1 模型编制规则及验证场景的建模体系 |
| 3.1.1 数据模型编制及验证场景的设计方法 |
| 3.1.2 编制规则及验证场景的抽象方法 |
| 3.2 线路数据模型验证场景的设计 |
| 3.2.1 数据在列控系统中的应用 |
| 3.2.2 数据模型验证场景设计 |
| 3.3 数据编制规则的UML建模 |
| 3.3.1 编制规则的系统静态建模 |
| 3.3.2 编制规则的动态功能建模 |
| 3.4 线路数据验证场景的UML建模 |
| 3.4.1 验证场景的顶层模型 |
| 3.4.2 验证场景的子模型 |
| 3.5 本章小结 |
| 4 线路数据模型编制规则及验证场景形式化验证 |
| 4.1 线路数据模型形式化验证方法 |
| 4.1.1 NuSMV概述 |
| 4.1.2 UML模型到Nu SMV模型的转化 |
| 4.1.3 NuSMV模型的待验证属性描述方法 |
| 4.2 线路数据模型编制规则的NUSMV建模 |
| 4.2.1 编制规则NuSMV模型的主模块 |
| 4.2.2 编制规则NuSMV模型的子模块 |
| 4.2.3 待验证属性的提取 |
| 4.3 线路数据模型验证场景的NUSMV建模 |
| 4.3.1 验证场景NuSMV模型的主模块 |
| 4.3.2 验证场景NuSMV模型的子模块 |
| 4.3.3 待验证属性的提取 |
| 4.4 验证结果及分析 |
| 4.4.1 验证结果 |
| 4.4.2 结果分析 |
| 4.5 本章小结 |
| 5 数据模型自动化编制及验证工具的设计与实现 |
| 5.1 需求分析 |
| 5.2 软件设计 |
| 5.2.1 软件总体设计 |
| 5.2.2 数据模型编制模块设计 |
| 5.2.3 数据模型验证模块设计 |
| 5.3 软件实现 |
| 5.3.1 开发环境 |
| 5.3.2 功能实现 |
| 5.4 实际线路数据应用 |
| 5.4.1 实际线路数据模型自动编制 |
| 5.4.2 数据模型实际场景验证 |
| 5.5 本章小结 |
| 6 结论 |
| 6.1 论文主要成果 |
| 6.2 不足与展望 |
| 参考文献 |
| 图索引 |
| 表索引 |
| 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 |
（8）基于GAN的视频超分辨率算法研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容和设计指标 |
| 1.4 本文结构安排 |
| 第二章 基于GAN的视频超分辨技术的基础和理论 |
| 2.1 生成式对抗网络 |
| 2.1.1 概率分布距离的衡量方式 |
| 2.1.2 生成对抗原理 |
| 2.1.3 损失函数和收敛性 |
| 2.2 基于深度学习的视频超分辨算法技术介绍 |
| 2.3 面向嵌入式平台的视频超分辨应用 |
| 2.4 本章小结 |
| 第三章 基于GAN 的视频超分辨算法HOFWGAN 的设计 |
| 3.1 HOFWGAN算法整体框架 |
| 3.1.1 算法的提出动机及重难点分析 |
| 3.1.2 HOFWGAN算法整体框架 |
| 3.2 HOFWGAN算法网络模块设计 |
| 3.2.1 高分辨率光流运动补偿前缀网络的原理与设计 |
| 3.2.1.1 高分辨率光流估计网络设计 |
| 3.2.1.2 运动补偿方法设计 |
| 3.2.1.3 HOF-MC整体结构 |
| 3.2.2 适用于视频超分辨的生成式对抗主体网络的原理与设计 |
| 3.2.2.1 WGAN方法原理 |
| 3.2.2.2 WGAN方法问题分析和目前的解决方法 |
| 3.2.2.3 WGAN-LD优化方案 |
| 3.3 HOFWGAN时序优化设计 |
| 3.4 本章小结 |
| 第四章 基于GAN 的视频超分辨算法HOFWGAN 的实现 |
| 4.1 HOFWGAN算法网络模块实现 |
| 4.1.1 高分辨率光流运动补偿前缀网络的实现 |
| 4.1.1.1 高分辨率光流网络的网络细节 |
| 4.1.1.2 损失函数 |
| 4.1.2 适用于视频超分辨的生成式对抗主体网络的实现 |
| 4.1.2.1 WGAN-LD网络细节 |
| 4.1.2.2 损失函数 |
| 4.2 HOFWGAN时序优化实现 |
| 4.3 HOFWGAN算法整体实现 |
| 4.3.1 整体损失函数 |
| 4.3.2 训练流程 |
| 4.4 基于嵌入式平台的HOFWGAN算法优化 |
| 4.4.1 自定义插件设计 |
| 4.4.2 基于Tensor RT的 HOFWGAN算法加速优化 |
| 4.5 本章小结 |
| 第五章 实验结果与分析 |
| 5.1 实验数据集和评价指标 |
| 5.1.1 数据集 |
| 5.1.2 评价指标 |
| 5.2 实验环境 |
| 5.3 实验结果与分析 |
| 5.3.1 HOF-MC网络对于提高重建视频精度的有效性验证 |
| 5.3.2 WGAN-LD网络对于提高重建视频视觉感知效果的有效性验证 |
| 5.3.3 时序优化方法对于提高重建视频时序一致性的有效性验证 |
| 5.3.4 HOFWGAN整体性能验证 |
| 5.4 HOFWGAN算法在嵌入式平台的实验 |
| 5.4.1 嵌入式平台的选取和介绍 |
| 5.4.2 基于Jetson TX2 嵌入式开发平台的视频超分辨系统实验 |
| 5.5 本章小节 |
| 第六章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（9）基于Spring Cloud的股票简讯自动生成系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外的研究现状 |
| 1.3 研究内容及主要工作 |
| 1.4 论文的组织架构 |
| 第二章 系统开发的相关理论和技术 |
| 2.1 Java EE相关技术 |
| 2.1.1 MVC设计模式 |
| 2.1.2 Spring Boot |
| 2.2 服务架构演进 |
| 2.3 微服务技术架构 |
| 2.4 Spring Cloud |
| 2.4.1 注册中心Eureka |
| 2.4.2 配置中心Config |
| 2.4.3 负载均衡组件Ribbon |
| 2.4.4 声明式服务调用Feign |
| 2.5 其它相关技术 |
| 2.5.1 Maven |
| 2.5.2 Git |
| 2.6 本章小结 |
| 第三章 系统的需求分析 |
| 3.1 功能性需求分析 |
| 3.1.1 确定系统范围和边界 |
| 3.1.2 定义功能角色 |
| 3.1.3 需求描述 |
| 3.2 非功能性需求分析 |
| 3.2.1 系统的兼容性 |
| 3.2.2 可扩展性 |
| 3.2.3 系统的可靠性 |
| 3.2.4 系统的性能指标 |
| 3.3 可行性分析 |
| 3.3.1 技术可行性分析 |
| 3.3.2 社会可行性 |
| 3.4 本章小结 |
| 第四章 系统的总体设计 |
| 4.1 系统的软件层次架构设计 |
| 4.2 系统的功能设计 |
| 4.3 系统的数据库设计 |
| 4.3.1 E-R图设计 |
| 4.3.2 数据库表设计 |
| 4.4 本章小结 |
| 第五章 详细设计及实现 |
| 5.1 数据更新模块的详细设计及实现 |
| 5.1.1 股指数据爬取 |
| 5.1.2 数据更新状态展示 |
| 5.2 预定义关注内容的详细设计及实现 |
| 5.3 简讯生成模块的详细设计及实现 |
| 5.3.1 时间段的相关类设计 |
| 5.3.2 关注股票或指数的相关类设计 |
| 5.3.3 关注类型的相关类设计 |
| 5.3.4 简讯生成的详细设计及实现 |
| 5.4 股指趋势的相似度计算算法选型 |
| 5.4.1 时序数据的基本概念 |
| 5.4.2 时序数据相似度计算算法 |
| 5.4.3 算法的选择 |
| 5.5 本章小结 |
| 第六章 系统测试 |
| 6.1 系统的测试环境 |
| 6.2 系统的功能测试 |
| 6.2.1 测试用例总表 |
| 6.2.2 股票和指数数据更新相关测试 |
| 6.2.3 预定义关注内容的测试 |
| 6.2.4 查看简讯的测试 |
| 6.3 系统的非功能性测试 |
| 6.3.1 系统的兼容性 |
| 6.3.2 系统性能 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 问题和展望 |
| 参考文献 |
| 致谢 |
（10）基于单线代数规约的微服务测试预言技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 微服务测试 |
| 1.2.2 蜕变测试 |
| 1.2.3 代数规约测试 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 2 基于蜕变关系的测试预言生成 |
| 2.1 代数规约语言 |
| 2.2 蜕变关系模式 |
| 2.2.1 原子模式 |
| 2.2.2 组合模式 |
| 2.3 测试预言生成 |
| 2.4 本章小结 |
| 3 微服务测试预言执行框架 |
| 3.1 整体架构 |
| 3.2 单线测试序列解析 |
| 3.1.1 测试执行规约的构造与验证 |
| 3.1.2 待测操作序列的构造 |
| 3.3 测试驱动执行 |
| 3.3.1 微服务调用 |
| 3.3.2 自适应调度策略 |
| 3.4 复杂数据比较 |
| 3.4.1 Json有序树 |
| 3.4.2 有序树比较算法 |
| 3.5 本章小结 |
| 4 微服务测试平台的设计与实现 |
| 4.1 平台设计 |
| 4.1.1 平台架构 |
| 4.1.2 模块设计 |
| 4.2 模块实现 |
| 4.2.1 规约管理服务 |
| 4.2.2 测试执行模块 |
| 4.2.3 平台管理模块 |
| 4.3 本章小结 |
| 5 案例研究 |
| 5.1 案例研究一:Array服务 |
| 5.1.1 实验过程 |
| 5.1.2 结果分析 |
| 5.2 案例研究二:在线诊疗系统 |
| 5.2.1 实验过程 |
| 5.2.2 结果分析 |
| 5.3 本章小结 |
| 6 总结和展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、理解设计模式3——生成器(Builder)（论文参考文献）
- [1]移动终端应用界面代码自动生成方法的研究与应用[D]. 徐聪. 曲阜师范大学, 2021(02)
- [2]基于深度学习的路面早期病害检测算法研究及实现[D]. 陈晓芳. 阜阳师范大学, 2021(12)
- [3]张吉怀铁路古阳河特大桥施工BIM技术研究与应用[D]. 毛远远. 石家庄铁道大学, 2021(01)
- [4]基于图数据库的查询计划生成与优化研究[D]. 李陈扬. 电子科技大学, 2021(01)
- [5]知识驱动的软件模式识别[D]. 熊壬浩. 东南大学, 2020(02)
- [6]基于性能的建筑体量设计生成及优化系统[D]. 王力凯. 南京大学, 2020
- [7]CTCS-1级列控系统线路数据的生成及验证方法的研究[D]. 张紫菡. 北京交通大学, 2020(03)
- [8]基于GAN的视频超分辨率算法研究与实现[D]. 严客雨. 东南大学, 2020(01)
- [9]基于Spring Cloud的股票简讯自动生成系统的设计与实现[D]. 张金生. 北京邮电大学, 2020(05)
- [10]基于单线代数规约的微服务测试预言技术研究[D]. 杜益宁. 南京理工大学, 2020(01)