基于层叠架构推荐系统的研究与设计
这是一篇关于层叠混合推荐,协同设计,大数据,Web,DNN的论文, 主要内容为随着科技的不断进步,人们的生活质量有了明显的提高,当今社会已经步入大数据与智能化快速发展的阶段,信息爆炸是互联网赋予现代社会的特征,人工智能和大数据技术的普及,促进了推荐系统的快速发展。通过对海量信息的挖掘与分析,可以使推荐更符合人们的选择,打破了传统推荐系统挖掘分析不充分的壁垒。本文在仔细研究国内外关于推荐系统相关算法的基础上,结合当前最新的大数据技术,成功设计出基于分布式,层叠模式,B/S架构,高并发,响应快,精度高的推荐系统。本文利用基于Hadoop生态系统组件,包括HBase,Spark框架,结合Web后端技术,通过层叠架构的混合推荐算法,部署了整个基于海量数据的推荐系统算法与软件工程协同设计方案。设计了基于层叠架构的混合推荐算法工程,整个算法流程分为三个阶段,首先在Spark平台下将基于记忆的物品协同相似度算法和基于TF-IDF的内容相似度算法通过RDD方式构建DAG有向无环图形成第一阶段的相似度模型进行物品的关联获取。接着采用特征编码方式构建用户画像模型和物品画像模型引入分类样本,最后构建DNN深度神经网络分类器,该网络将Embedding作为输入层,多个隐藏层,Softmax作为输出层的二分类模型。基于这种层层过滤挖掘精准数据的算法思想,最终取得不错的推荐效果。设计实现基于HBase的相似度模型和用户画像,物品画像模型存储与查询的功能,包括搭建HDFS分布式文件系统,ZOOKEEPER分布式协同服务配置,HBase服务配置,以及基于MapReduce批量导入数据功能的实现。搭建Web引擎服务,采用Nginx反向代理模式,通过进程管理器Spwan-fcgi对上游服务器FastCGI进行托管,并通过Thrift框架连接HBase与FastCGI,在上游服务引擎内部实现算法模型与请求接发相结合的软件工程设计。并将整个系统通过算法层与系统层分别进行性能测试。
机械零件加工协同设计管理系统的设计与实现
这是一篇关于机械零件加工,协同设计,信息系统,B/S架构,.NET平台的论文, 主要内容为伴随着信息技术的快速发展,Internet的使用领域几乎覆盖了各行各业,机械零件加工协同设计领域也在逐步引入互联网的使用,建立一个机械零件加工协同设计管理系统,可以把产品设计的需求提出者和产品设计师以及对产品进行评审的领导和专家有效的集成在一起,这样可以大大提高机械零件加工设计工作效率。通过对工作室机械零件设计现状的分析,进行了详细的系统需求分析,从系统的业务流程需求分析、系统各个用户的功能性需求分析以及系统运行性能角度提出了要求,实现了系统的模块化建模。在系统设计阶段,针对系统的各个功能模块进行了详细的系统设计工作,分析了系统各个功能模块的处理流程,并且设计了相应的数据库系统。在系统实现阶段,通过对各个子功能模块逐一实现,进而实现了本系统的建设工作,并展示了部分系统实现界面,最后,采用标准的系统测试方法测试了本系统的功能及性能,测试结果表明本系统能够在满足系统功能要求的同时具有较好的运行性能。通过全面的分析设计,本文基于B/S架构和.NET平台开发了一套可行的机械零件加工协同设计系统的解决方案。在系统的开发过程中,采用的工具都是应用广泛的标准开发工具,具有较好的移植性和可靠性,对于解决类似工作室协同设计问题具有一定的参考性。
基于WEB的CPC中协同设计及协同商务研究
这是一篇关于协同设计,协同商务,JSP,SQL的论文, 主要内容为协同产品商务(Collaborative Product Commerce简称CPC)是一种广义上的产品设计、制造、商务等等多角度的对于企业活动的服务,并可以从管理角度对相关人员及产品全生命周期提供服务。这一概念的提出对于企业有着深远的影响。社会的快速发展,人们生活的逐步提高,都离不开生产活动的进行,企业围绕生产活动取得的每一次进步,都需要理论的支持,协同产品商务理论为企业的进一步发展提供了支持。 本文在协同产品商务理论基础上,依据先进的网络技术构建了协同产品商务的网络平台,主要实现了协同设计、协同商务等等的部分功能,并做了一些简单的软件测试方面的工作。网络技术主要体现在动态网页技术JSP、数据库MSSQL的连接与显示等等技术。JSP技术在速度,兼容,方便维护等等方面具有一定优势,JSP中包含有JAVA语言的应用,而JAVA语言的跨平台性使得JSP同样具有了这方面的好处。MSSQL数据库的广泛应用,也为系统平台提供了高效可行。有了技术的支持,对于理论模块的建立更显得重要。协同设计模块中,有项目设计、流程设计、设计资源等等方面的建模问题。协同商务模块中,有企业信息、产品信息等等信息建模问题。最后对文档模块做了部分功能的实现。在软件测试问题上,做到页面合理,无多余项,链接正确,输入无误。最终对系统建模做了一些工作,并及时的对技术方面的处理加以学习及利用。 文中最终实现了协同产品商务系统平台的部分功能,为企业顺利运行该系统做到了一些努力。结合网络技术实现对企业的管理,这是社会发展的需求,对网络技术的进一步应用能对企业产生深刻的影响,并得到具体的利益。
基于层叠架构推荐系统的研究与设计
这是一篇关于层叠混合推荐,协同设计,大数据,Web,DNN的论文, 主要内容为随着科技的不断进步,人们的生活质量有了明显的提高,当今社会已经步入大数据与智能化快速发展的阶段,信息爆炸是互联网赋予现代社会的特征,人工智能和大数据技术的普及,促进了推荐系统的快速发展。通过对海量信息的挖掘与分析,可以使推荐更符合人们的选择,打破了传统推荐系统挖掘分析不充分的壁垒。本文在仔细研究国内外关于推荐系统相关算法的基础上,结合当前最新的大数据技术,成功设计出基于分布式,层叠模式,B/S架构,高并发,响应快,精度高的推荐系统。本文利用基于Hadoop生态系统组件,包括HBase,Spark框架,结合Web后端技术,通过层叠架构的混合推荐算法,部署了整个基于海量数据的推荐系统算法与软件工程协同设计方案。设计了基于层叠架构的混合推荐算法工程,整个算法流程分为三个阶段,首先在Spark平台下将基于记忆的物品协同相似度算法和基于TF-IDF的内容相似度算法通过RDD方式构建DAG有向无环图形成第一阶段的相似度模型进行物品的关联获取。接着采用特征编码方式构建用户画像模型和物品画像模型引入分类样本,最后构建DNN深度神经网络分类器,该网络将Embedding作为输入层,多个隐藏层,Softmax作为输出层的二分类模型。基于这种层层过滤挖掘精准数据的算法思想,最终取得不错的推荐效果。设计实现基于HBase的相似度模型和用户画像,物品画像模型存储与查询的功能,包括搭建HDFS分布式文件系统,ZOOKEEPER分布式协同服务配置,HBase服务配置,以及基于MapReduce批量导入数据功能的实现。搭建Web引擎服务,采用Nginx反向代理模式,通过进程管理器Spwan-fcgi对上游服务器FastCGI进行托管,并通过Thrift框架连接HBase与FastCGI,在上游服务引擎内部实现算法模型与请求接发相结合的软件工程设计。并将整个系统通过算法层与系统层分别进行性能测试。
基于协同设计的适老化生成性工具包设计开发
这是一篇关于协同设计,适老化,生成性工具包,生成性研讨会的论文, 主要内容为随着人口老龄化成为21世纪最重要的社会趋势之一,如何实现积极老龄化成为了全球性课题。老龄产业在展现出巨大潜力和市场机会的同时,也向设计界提出了挑战。除了设计师与用户间的固有认知差异,社会对于老年人的刻板印象和负面认知,也进一步加大了现有产品服务与老年用户真正需求之间的差距。协同设计以引入用户的独特视角,为适老化设计带来了一种积极的技术方法。使用协同设计方法,将作为用户的老年人引入到设计过程中来,以设计参与的方式挖掘他们的真实痛点及需求,收集他们的经验及想法,从而指导更加以人为本的适老化产品服务设计。生成性工具包作为协同生成活动的促进工具,是协同设计方法中至关重要的部分。近年来,越来越多的设计师开始使用协同设计方法帮助解决适老化设计问题,但尚未形成具有指导性的技术方法范式。为提升适老化问题的协同研究效率,减小协同设计前期准备的资源投入,本研究将聚焦于可复用的生成性工具包设计开发,支持老年人的协同设计参与。本研究在协同设计相关理论指导下,基于现有设计工具与方法,结合老年人的功能特征及需求关注面,设计制作了一套适老化生成性工具包,并构建了相应的协同生成流程框架,用于老年人在协同设计活动中的创意生产。该框架由用户信息挖掘、痛点需求分析、创意想法生成三个阶段组成,置于框架下的工具遵循物理性、易用性、重要性、引导性、开放性和约束性原则,包含各类用于激发参与者灵感的道具。该工具包一体便携,可供设计师在不同设计研究活动中反复使用。研究最后,通过在协同设计研讨会中使用该工具包,测试评估老年人对工具包的接受度及使用效果。本研究针对老年人认知特征及价值观念,对协同设计过程方法进行重新梳理,提出了一种适用于老年人协同参与设计活动的工具方法,为积极适老化设计探索提供了 一定的参考。
油田地面工程协同设计系统的研究与实现
这是一篇关于协同设计,协同工作,数据加密,协同工具,安全控制,信息共享,工作流的论文, 主要内容为计算机支持的协同工作(CSCW)是一个新兴的研究领域。随着 Internet 的飞速发展和广泛应用,国内外研究与开发人员对这一门新兴的学科表示出越来越浓厚的兴趣。一批批的科研成果和产品正在不断地涌现出来,将计算机从单纯的解决问题的设备转变成支持人随时随地进行交流与协作的信息基础设施,这方面的研究与开发必将对未来社会人类的工作、学习与生活产生巨大和深远的影响。 CSCW 是一门多学科交叉技术,涉及的领域非常广泛,其中包括计算机网络通信,并行和分布式处理,数据库,多媒体等,另外还涉及到行为科学,心理学乃至艺术和哲学等。近几年来,CSCW 被越来越广泛地应用于社会的各个领域。计算机支持的协同设计 CSCD 就是 CSCW 在设计领域的一种应用。本文对基于网络环境下适用于油田地面工程的协同设计系统进行了深入研究。在系统的设计与实现过程中,对网络环境下 CSCD 系统的理论和应用作了很多有益地探索和实践。在人员管理、项目管理、文件共享、访问控制、工作流控制等 CSCD 关键技术上都进行了独特创新的设计和实现,取得了不菲的成果。 本论文详细阐述了油田地面工程协同设计系统的设计与实现过程。论文的第一章作为绪论对CSCW 和 CSCD 作了简要的概述;第二章介绍了 CSCW 与 CSCD 的工作模式和总体框架;第三章对油田地面工程协同设计系统进行了分析与总体设计;第四章给出了其详细设计与实现过程;第五章介绍了该系统实现过程涉及的关键技术;最后总结了系统实现的意义,同时展望了未来进一步完善本系统的方向。
产品多学科协同设计中协商及决策支持系统的研究
这是一篇关于协同设计,多学科设计,共享本体,多目标协商,模糊决策的论文, 主要内容为随着产品复杂程度的增加,产品的开发工作愈加趋向于依靠多个学科设计者的协同工作。通过多学科协同设计,能综合考虑产品各方面的性能,协调和解决学科间的冲突,从而减少产品开发周期及成本,提高产品质量。 本文基于网络三层结构和分布式组件技术,提出了一种多学科协同设计的体系结构,并基于此建立了多学科协商模型及相应的决策评价支持系统。通过使用XML语言和RMI技术实现多学科间的通信。在多学科协商中,综合考虑协商中时间、资源等多方面的因素,提出了一个组协商策略,采用博弈论中的回报(效用)函数方法模拟协商者的行为,结合模糊集理论和Pareto最优方法对协商过程进行指导,进而通过协商得到相应的Pareto最优解。针对协商未果的情况,采用模糊评价的方法对方案进行决策,进而得到一个局部最优方案。最后通过模糊隶属度的方法将各局部最优方案进行综合,得到一个产品设计方案。在协商及决策过程中,基于XML语言和RMI技术开发了学科间的通信与协商语言,采用JDOM技术实现XML语言的封装和解析。为了解决在通信交流中的语义失配问题,我们提出了学科共享本体的概念,并采用OWL标准设计开发了共享本体。 根据以上技术和研究方法,采用Java编程环境,使用Java Servlet、JSP、XML、RMI等技术,开发了一个基于web的多学科协同设计原型系统,并以离合器的设计为例对系统的协商及决策进行分析。本文的研究工作对于在网络环境下开展产品的多学科协同设计具有较大的理论和实际指导作用。
基于云制造的起重机协同设计平台研究与开发
这是一篇关于云制造,协同设计,起重机,ASP.NET,平台建设的论文, 主要内容为随着信息化技术和计算机技术的不断发展,机械制造业的生产模式与设计方式发生了深刻的变化。云制造是一种面向服务的制造新模式,是现有云计算在制造业领域的的延伸和拓展。网络化协同设计是一种新的设计模式,是指一个产品开发团队,在计算机通信网络提供的分布式协同环境支持下,以群体工作目标为核心,并行协同地设计产品的过程。近年来,我国起重机制造行业蓬勃发展,但是,我国起重机制造企业,尤其是中小企业的起重机设计能力很薄弱。另一方面,起重机相关的科研院所和高校设计资源却没有得到充分利用。如何让两者有效结合,实现互利共赢,是很有现实意义的研究课题。本文以起重机的设计为研究对象,将云制造和协同设计方法结合,开发基于云制造的起重机协同设计平台原型。本文主要完成以下研究工作:(1)研究了起重机国内外设计方法与设计现状,阐述了云制造和网络化协同设计的提出背景、概念定义和具体特点,并将云制造的“设计即服务”理念与网络化协同设计方法结合,提出了构建基于云制造的起重机协同设计平台;(2)描述了起重机云设计平台的功能需求,并根据三层架构模式提出了起重机云设计平台的结构体系,详细描述了平台各层的功能及平台的运行模式;(3)研究了起重机云设计平台建设的关键技术,包括起重机设计资源的分类和虚拟化封装方法,起重机设计资源相似度匹配算法和检索流程,以及基于模块划分的起重机协同设计任务分配;(4)研究了起重机云设计平台原型的开发工具和开发环境,设计了平台系统的功能模块和后台数据库系统,并以起重机设计为例说明云设计平台的运行流程和使用方法。本课题在对云制造和网络化协同设计分析的基础上,在windows7系统下,运用ASP.NET技术,以SQL server 2005作为后台数据库,以Dreamweaver8为开发工具,利用VB.NET编程语言进行开发,建立基于云制造的起重机协同设计平台原型,对提高起重机行业设计效率具有重要意义。
基于层叠架构推荐系统的研究与设计
这是一篇关于层叠混合推荐,协同设计,大数据,Web,DNN的论文, 主要内容为随着科技的不断进步,人们的生活质量有了明显的提高,当今社会已经步入大数据与智能化快速发展的阶段,信息爆炸是互联网赋予现代社会的特征,人工智能和大数据技术的普及,促进了推荐系统的快速发展。通过对海量信息的挖掘与分析,可以使推荐更符合人们的选择,打破了传统推荐系统挖掘分析不充分的壁垒。本文在仔细研究国内外关于推荐系统相关算法的基础上,结合当前最新的大数据技术,成功设计出基于分布式,层叠模式,B/S架构,高并发,响应快,精度高的推荐系统。本文利用基于Hadoop生态系统组件,包括HBase,Spark框架,结合Web后端技术,通过层叠架构的混合推荐算法,部署了整个基于海量数据的推荐系统算法与软件工程协同设计方案。设计了基于层叠架构的混合推荐算法工程,整个算法流程分为三个阶段,首先在Spark平台下将基于记忆的物品协同相似度算法和基于TF-IDF的内容相似度算法通过RDD方式构建DAG有向无环图形成第一阶段的相似度模型进行物品的关联获取。接着采用特征编码方式构建用户画像模型和物品画像模型引入分类样本,最后构建DNN深度神经网络分类器,该网络将Embedding作为输入层,多个隐藏层,Softmax作为输出层的二分类模型。基于这种层层过滤挖掘精准数据的算法思想,最终取得不错的推荐效果。设计实现基于HBase的相似度模型和用户画像,物品画像模型存储与查询的功能,包括搭建HDFS分布式文件系统,ZOOKEEPER分布式协同服务配置,HBase服务配置,以及基于MapReduce批量导入数据功能的实现。搭建Web引擎服务,采用Nginx反向代理模式,通过进程管理器Spwan-fcgi对上游服务器FastCGI进行托管,并通过Thrift框架连接HBase与FastCGI,在上游服务引擎内部实现算法模型与请求接发相结合的软件工程设计。并将整个系统通过算法层与系统层分别进行性能测试。
本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:代码工坊 ,原文地址:https://m.bishedaima.com/lunwen/45360.html