导读:本文包含了非独立论文开题报告文献综述及选题提纲参考文献，主要关键词:高职院校,非独立法人,中外合作办学
非独立论文文献综述
李若水[1]（2019）在《高职院校非独立法人中外合作办学机构发展的问题与政策浅谈》一文中研究指出当前我国高职教育中外合作办学处于发展新阶段,而非独立法人中外合作办学机构发展是新时期影响高职教育对外开放工作的一个重要因素。基于此,笔者就本文如何推进高职非独立法人中外合作办学机构发展进行探讨,分析当前中外办学发展存在的问题,以及就推进该项工作的提出若干对策建议。(本文来源于《课程教育研究》期刊2019年49期）
张军,宦天枢,姜雯雯[2]（2019）在《5G独立和非独立组网的混合应用》一文中研究指出首先介绍5G的网络组网架构,并阐述5G与4G网络的相互关系以及现有多种组网方式存在的意义,最后分析阐述混合(非独立和独立)网络组网的关键技术,以及单个服务小区同时给不同模式终端提供随机接入服务的技术挑战与应对方案。(本文来源于《中国新通信》期刊2019年21期）
张晓明,戴勇[3]（2019）在《新办高职非独立法人中外合作办学机构的实践与思考》一文中研究指出作为高职教育对外开放的重要组成部分,非独立法人中外合作办学机构的地位和作用日趋突出。文章研究高职院校在申办非独立法人中外合作办学机构中如何科学选择外方合作院校;如何依托非独立法人中外合作办学机构,引进、转化国际优质教育资源,提升人才培养质量;如何建立健全体制、机制,保障机构平稳运行发展;如何搭建联合科研合作平台,共同开发课程、共建专业,反哺母体学校专业及课程建设;如何依托机构打造国际化师资团队,提升教育教学质量;如何形成办学特色,打造高职领域中外合作办学品牌等方面展开探索,旨在为高职院校新办非独立法人中外合作办学机构的平稳健康发展提供些许借鉴。(本文来源于《无锡职业技术学院学报》期刊2019年05期）
陶冶,姚安林,徐涛龙,蒋宏业,李又绿[4]（2019）在《考虑非独立保护层影响的LOPA改进策略研究》一文中研究指出针对LOPA在识别保护层方面的局限性,通过考虑非独立保护层的影响,将非独立保护层分为不满足有效性与不满足独立性2类进行分析,针对不同类型的非独立保护层分别应用引入削减系数以及与故障树分析(FTA)集成的方法对传统LOPA进行改进,并结合具体案例验证其适用性。研究结果表明:改进方法的计算结果较传统方法计算结果降低了1个数量级,避免了传统方法过于保守的评价结果;通过对传统方法的改进,克服了LOPA在识别保护层方面以及场景频率计算方面的局限性,有助于拓展其使用范围。(本文来源于《中国安全生产科学技术》期刊2019年09期）
王磊[5]（2019）在《5G独立组网和非独立组网方案分析》一文中研究指出5G需要实现数十倍于4G指标的性能,包括1 Gbit/s的用户体验速率、1×10~6/km~2的连接数密度和毫秒级别的端到端时延,而组网方式的选择直接影响到5G的性能。因此,运营商在进行5G网络建设前,如何选择独立组网和非独立组网方式及相应的演进路径是需要首先重点考虑的问题。下面详细研究了5G备选组网方式及几种组网方式的优劣势,并且分析了运营商可选择的5G演进路径,能够为运营商组网方式及演进路径的选择提供参考意见。(本文来源于《通信技术》期刊2019年08期）
陈传强[6]（2019）在《大中型客车非独立式空调系统设计关键技术分析》一文中研究指出目前,我国大中型客车里面的空调设备多为非独立式空调系统,该系统虽然有许多优点,但在使用时,还需要注意一些有关事项。以大中型客车非独立式空调系统为研究对象,对相关设计关键技术进行讨论,旨在为非独立式空调系统应用创造更多新的技术支持,也为乘客带来更多福利。(本文来源于《现代制造技术与装备》期刊2019年06期）
潘品臣,姜合,吕奕锟[7]（2019）在《一种非独立同分布下K-means算法的初始中心优化方法》一文中研究指出传统聚类算法研究都是在假设数据集的对象、属性等方面满足独立性且服从同一分布的基础上进行的.然而现实中的数据往往是非独立同分布的,即属性之间或多或少都会存在一些交互关系.传统K-means算法随机地选择初始聚类中心,对于中心点的选取比较敏感,容易陷入局部最优且准确率低. Min_max方法针对这一缺点进行了改进,但原始的和改进后的Kmeans算法都忽略了属性之间存在的交互关系.因此本文利用Pearson相关系数公式来计算属性之间的交互关系,并映射于原始数据集.同时利用双领域思想对Min_max方法进行了优化.实验结果表明该方法能够得到较高的准确率、较好的聚类效果以及相对较少的迭代次数.(本文来源于《小型微型计算机系统》期刊2019年06期）
高翔[8]（2019）在《5G建网：独立or非独立？》一文中研究指出与3G迈向4G时代不同，4G迈向5G不再是核心网与无线接入网“整体式”演进方式，而是把两者“拆开”了，包括NSA（非独立组网）和SA（独立组网）两种部署方式。于是，整个行业似乎陷入了“选择困难症”，到底先NSA建网，还是SA，成了一个焦点问题。(本文来源于《中国航空报》期刊2019-06-13）
张玉腾[9]（2019）在《非独立同分布词语相关度计算方法研究》一文中研究指出词语相关度计算,即度量两个词语表达意义的近似程度。它是自然语言处理领域的一项基础性研究,对文本分类、自动问答、词义消歧、机器翻译等上层任务有着重要的影响。词语的表示学习是词语相关度计算中一项基础而核心的工作,获取高质量的词语表示是提高词语相关度计算结果的有效方式。本文试图从提高词语的表示学习质量这一角度出发进行相关研究,在非独立同分布学习理论(not independent and identically distributed learning,简写non-IID learning)的指导下,充分挖掘概念之间的耦合关系,生成高质量的概念向量,再通过概念映射将词语与概念关联起来,利用概念向量计算词语相关度,进而改善文本分类、自动问答等上层应用的效果。本文的主要工作和贡献体现在下述叁个方面:(1)针对传统的词语相关度计算方法混淆语义概念信息且忽视概念耦合关系的问题,本文提出了基于非独立同分布学习的词语概念表示方法和词语相关度计算方法。本文充分挖掘概念描述和知识网络蕴含的多种概念耦合关系,包含概念描述中的显式概念共现耦合、知识网络中的显式概念超链接耦合以及两者之间的隐式概念耦合;提出了基于non-IID的概念表示方法,以捕获概念之间显式和隐式的耦合关系,充分利用概念之间的这些耦合关系,获得更加完善的概念语义表示;通过概念映射,将词语与概念语义表示关联起来,进而提升词语相关度计算的效果。在六种不同的真实数据集上,对比七种主流的词向量方法,基于非独立同分布学习的词语概念表示方法都有大幅度的提升,其平均结果至少比基线模型高出20.4%。实验结果表明,该方法能有效地表示概念的语义信息,能够提高词语相关度的计算性能。(2)为了进一步验证基于non-IID的词语概念表示方法的性能,本文将概念向量应用到文本分类任务中,提出了基于non-IID词语表示的文本分类方法。首先利用基于non-IID的概念表示方法设计文本特征构建模块,将文本转化为密集的向量表示,为文本提供更加丰富完善的语义表示;同时也使用传统的词表示算法为文本提供普通向量表示;然后将两种向量表示连接起来,作为文本的特征表示;最后使用LIBLINEAR模型训练分类器,获得最终的文本分类结果。实验结果表明,借助于non-IID词语概念表示方法,六种传统的文本分类模型,在20NewsGroup数据集上分类精度上均得到了有效提升,其中F_1值平均提高22.8%。(3)为了进一步验证基于non-IID的词语概念表示方法的性能,本文将概念向量应用到医疗自动问答任务中,提出了基于non-IID词语表示的医疗问答方法。首先利用基于non-IID的概念表示方法设计词嵌入模块,将问答对转化为密集的向量表示,为问题句和答案句提供更加丰富完善的语义表示;然后针对中文医疗问答任务的特点,设计六种编码器,使用编码器对问答对的向量表示进行编码,以捕获句子内部词语之间的依赖关系,生成问答对的高层语义表示;最后使用余弦相似度算法计算问答对高层语义表示的距离,获得问答对之间的相似性评分,将得分最高的答案作为模型选择的答案。实验结果表明,融入基于non-IID的词语概念表示后,医疗自动问答系统的性能能够得到有效改善,在cMedQA数据集上ACC@1的最高得分达到69.85%,优于传统方法的效果。(本文来源于《齐鲁工业大学》期刊2019-05-31）
韩冰[10]（2019）在《非独立同分布下的K中心点算法研究》一文中研究指出随着科技的不断发展,数据挖掘成为当下帮助用户从大量的数据中提取出有效信息的重要手段,与此同时,作为数据挖掘中重要分支的聚类分析也越来越受到各方面的关注。K-中心点算法是聚类分析中具有代表性的算法之一,克服了K-均值算法对于孤立点较为敏感的缺点,具有较强的鲁棒性,但是K-中心点算法仍在某些方面存在缺陷,例如,算法中的相似性度量大多采用距离的度量方式,这种方式均假设数据对象及属性之间是独立同分布的,但实际情况中,数据对象及属性之间是非独立同分布的,因此,K-中心点算法的相似性度量方式有待改进;除此之外,K-中心点算法本身时间复杂度较大,初始中心点的选取对算法而言尤为重要。为提高算法的聚类效果与运行效率,本文对此进行了如下改进:针对K-中心点算法的度量方式为假设数据对象及属性之间是独立同分布的缺点,本文引入了无监督学习中的名义耦合相似性计算方法,用非独立同分布计算公式对传统欧氏距离计算相似度方法进行了替换,同时,由于此公式主要计算依据为属性值的频率,但数值型数据对于频率并不敏感,因此,针对数值型数据,本文在引入公式之前,将数值型数据按属性列根据欧氏距离进行聚类与替换,设计了NI-PAM算法,使聚类效果更佳。针对NI-PAM算法初始中心点采用随机选取方式的缺陷,本文利用邻域半径来优化初始中心点的选择,根据数据对象之间的非独立同分布相似度,建立相似度矩阵,遍历矩阵,统计每一个数据对象在邻域半径内所包含其他数据对象的数量,将包含量最多的对象选为第一个初始点,然后在相似度矩阵中将此对象邻域半径内包含对象互相之间的相似度均归零,重新遍历矩阵,依次类推,直到选出k个中心点,优化后的算法提高了NI-PAM算法的运算效率。在以上改进中,提高了算法的正确率,并通过优化初始中心点提高了NI-PAM算法的运行时间,但由于引入公式的计算较为复杂,时间效率还有待提高,因此,本文重新引入了数值型数据耦合相似性计算公式,并对皮尔森相关性系数替换为了斯皮尔曼等级相关系数,设计了N-NI-PAM算法,实验证明,算法的正确率也得到了很大提高,并且运行时间大大减少。改进后的算法在UCI数据集上进行了验证,实验验证表明,NI-PAM算法与N-NI-PAM算法正确率较之欧氏距离下的K-中心点算法均得到了很大提高,且N-NI-PAM算法具有较好的运算效率。(本文来源于《齐鲁工业大学》期刊2019-05-31）
非独立论文开题报告
（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：
首先介绍5G的网络组网架构,并阐述5G与4G网络的相互关系以及现有多种组网方式存在的意义,最后分析阐述混合(非独立和独立)网络组网的关键技术,以及单个服务小区同时给不同模式终端提供随机接入服务的技术挑战与应对方案。
（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。
非独立论文参考文献
[1].李若水.高职院校非独立法人中外合作办学机构发展的问题与政策浅谈[J].课程教育研究.2019
[2].张军,宦天枢,姜雯雯.5G独立和非独立组网的混合应用[J].中国新通信.2019
[3].张晓明,戴勇.新办高职非独立法人中外合作办学机构的实践与思考[J].无锡职业技术学院学报.2019
[4].陶冶,姚安林,徐涛龙,蒋宏业,李又绿.考虑非独立保护层影响的LOPA改进策略研究[J].中国安全生产科学技术.2019
[5].王磊.5G独立组网和非独立组网方案分析[J].通信技术.2019
[6].陈传强.大中型客车非独立式空调系统设计关键技术分析[J].现代制造技术与装备.2019
[7].潘品臣,姜合,吕奕锟.一种非独立同分布下K-means算法的初始中心优化方法[J].小型微型计算机系统.2019
[8].高翔.5G建网：独立or非独立？[N].中国航空报.2019
[9].张玉腾.非独立同分布词语相关度计算方法研究[D].齐鲁工业大学.2019
[10].韩冰.非独立同分布下的K中心点算法研究[D].齐鲁工业大学.2019