针对煤与瓦斯突出预测准确率问题,在分析煤与瓦斯突出瓦斯地质因素的基础上,构建了包含瓦斯指标、煤体指标、地应力指标3个一级指标和瓦斯压力、构造煤厚度等12个二级指标的预测指标体系,通过综合运用网络分析法和多类别距离判别法对灰色关联模型中的输入端和输出端进行研究,建立了煤与瓦斯突出多指标耦合预测模型.该模型基于对煤与瓦斯突出瓦斯地质因素的综合分析,计算预测指标权重,划分煤与瓦斯突出可能性等级,建立了对突出可能性进行判别的2个判别式.以平煤八矿为例应用该模型对8组预测样本进行了煤与瓦斯突出可能性判断,预测结果与实际符合,为矿井煤与瓦斯突出防治提供了技术支撑,证明了煤与瓦斯突出多指标耦合预测模型的准确性和适用性

第一章 供应链管理基础理论 ◼ 1.1 供应链的基本概念 ◼ 1.2 供应链管理的产生 ◼ 1.3 供应链管理的概念和内涵 第二章 供应链的规划和设计 ◼ 2.1 供应链的规划 ◼ 2.2 供应链的决策 ◼ 2.3 供应链的设计 第三章 供应链管理策略及应用 ◼ 3.1快速反应策略及其应用 ◼ 3.2有效客户响应策略及其应用 ◼ 3.3联合计划、预测和补货策略及其应用 第四章 供应链采购管理 ◼ 4.1 传统采购与供应链采购 ◼ 4.2 供应链管理下的采购决策 ◼ 4.3 供应链管理下的采购模式 第五章 供应链库存管理 5.1 传统的库存管理 5.2 供应链库存管理模式 5.3供应链库存优化方法 第六章 供应链生产管理 ◼ 6.1传统的生产计划与控制 ◼ 6.2供应链管理下的生产计划与控制 ◼ 6.3供应链管理下的生产计划与控制模型 第七章 供应链合作伙伴关系 ◼ 7.1供应链合作伙伴关系的概述 ◼ 7.2供应链合作伙伴关系的建立及影响因素 ◼ 7.3供应链合作伙伴关系的选择 第八章 供应链信息管理 ◼ 8.1网络经济与供应链管理 ◼ 8.2供应链管理中的信息技术 ◼ 8.3基于供应链的物流信息系统 第九章 供应链绩效管理 ◼ 9.1 供应链绩效评价的基本概念 ◼ 9.2供应链绩效评价的方法和应用 ◼ 9.3供应链管理下的激励机制 第十章 供应链财务管理 ◼ 10.1 供应链财务管理的概述 ◼ 10.2 供应链管理下的财务分析 ◼ 10.3 供应链成本管理 第十一章 供应链组织管理 ◼ 11.1 传统企业的组织结构和业务流程 ◼ 11.2 供应链企业的业务流程重组 ◼ 11.3 基于BPR的供应链企业组织结构

 自然语言处理概述 ◼ 什么是自然语言处理 ◼ 自然语言处理的典型应用 ◼ 自然语言处理的基本任务 ◼ 自然语言处理的基本策略和实现方法 ◼ 自然语言处理的难点 ◼ 自然语言处理所涉及的学科  基于规则（知识工程）的自然语言处理方法（理性方法，传统方法） ◼ 基于词典和规则的形态还原（英语）、词性标注以及分词（汉语、日语） ◼ 基于CFG（上下文无关文法）和扩充的CFG（复杂特征集、合一运算）的句法分析 ◼ 基于逻辑形式和格语法的句义分析 ◼ 基于规则的机器翻译  基于语料库（数据）的自然语言处理方法（经验方法） ◼ 语言模型（N元文法） ◼ 分词、词性标注（序列化标注模型） ◼ 句法分析（概率上下文无关模型、移进-规约分析器） ◼ 文本分类（朴素贝叶斯模型、最大熵模型） ◼ 情感分析 ◼ 机器翻译 (IBM Model等) ◼ ......（基于神经网络的深度学习方法）

I 目 录 1学科基础课平台必修课 《画法几何与工程制图》 《工业设计工程基础 2》 《金工实训 B》 《设计素描》 《设计色彩》 《工业设计史》 《工业设计色彩写生》实习 《设计程序与方法》 2学科基础课平台选修课 《工业设计专业导论》 《构成基础》 《产品视觉传达设计》 《产品摄影》 《设计心理学》 《工业设计专业英语》 《设计管理》 《产品服务设计》 《可持续设计》 《传统文化与现代设计》 《设计材料及加工工艺》 《材料成型及加工工艺》 《设计表现》 《设计创意表现》 II 《产品设计初步》 《计算机辅助平面设计》 《计算机辅助三维设计》 《社会学概论》 《问题设计研究》 《设计概论》 《陶瓷艺术》 《产品速写》 《视觉设计基础》 《感性工学》 《产品造型工艺》 《设计论证》 《设计伦理》 《中外美术史》 《文化产品设计》 《用户研究与体验》 《市场研究》 《计算机网络艺术》 《民间艺术考察与创新》 《数字媒体编辑》 《UG 造型设计及应用》 《Pro/E 技术与应用》 3专业课平台必修课 《产品模型设计》 《产品形态设计》 《专题设计Ⅰ》 《专题设计Ⅱ》 《人机工程学》 《系统设计》 《产品创新与研发设计》 III 《产品创新与研发》 《交通工具设计》 《工设毕业实习》 《工设毕业设计（论文）1》 《工设毕业设计（论文）2》 《设计与创新实践》 4专业课平台选修课 《产品语义学》 《产品交互设计》 《陶瓷产品设计》 《虚拟设计》 《产品界面设计》 《设计前沿分析》 《产品情感设计》 《趣味产品设计》 《家具设计 B》 《展示设计 C》 《展示设计》 《创新概念设计》 《模具设计》 《品牌策划与管理》 《CMF 研究与设计》 《产品结构设计》 《信息设计》 《先进制造技术》 《ALIAS 辅助产品设计》 《3D 数字化表现》

基于K均值聚类法对转炉出钢过程的合金损耗进行了研究，分析了影响合金损耗的关键因素，并将其分为3个聚类，得到转炉出钢合金损耗最低的工艺模式。在此基础上，开发了基于PCA-BP神经网络和混合整数线性规划的合金减量化智能控制系统，并以某炼钢厂为例进行了实际应用。通过对模型进行在线运行，验证了模型的准确性和实用性。使用该模型后，提高了合金化钢液成分准确度，减少由传统人工经验计算配料造成的成本浪费和成分超标等情况，优化了合金配料方案，降低了炼钢合金化成本，不同钢种铁合金加入总成本降低5.95%～14.74%，平均降幅11.72%

医疗实体识别是电子病历文本信息抽取的基本任务。针对中文电子病历文本复合实体较多、实体长度较长、句子成分缺失严重、实体边界不清的语言特点以及标注语料难以获取的现状，提出了一种基于领域词典和条件随机场（CRF）的双层标注模型。该模型通过对外部资源的统计分析构建医疗领域词典，再结合条件随机场，进行了两次不同粒度的标注，将领域词典识别的准确性和机器学习的自动性融为一体，从中文电子病历文本中识别出疾病、症状、药品、操作四类医疗实体。该模型在测试数据中的宏精确率为96.7%、宏召回率为97.7%、宏F1值为97.2%。同时对比分析了采用注意力机制的深度神经网络的识别效果，因受到领域数据集大小的限制，在该测试数据集中后者表现不佳。实验结果表明了该双层标注模型对中文医疗实体识别的高效性

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径