前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇機(jī)械工程博士論文范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

機(jī)械工程博士論文范文第1篇

關(guān)鍵詞：大立柱，鑄件對接，坡口型式，裝焊工藝

 

660MN多功能壓機(jī)立柱為清華大學(xué)機(jī)械工程系設(shè)計的大型壓機(jī)的大型鑄件，屬鑄造箱型結(jié)構(gòu)，重量約252噸，外形尺寸分別為2100×2100×13000mm，由于噸位過大，無法實現(xiàn)整體鑄造，分頂部、下部兩段鑄造，然后周邊焊接，對接成一體的鑄焊件，材質(zhì)為GS20Mn5N，碳當(dāng)量CE=0.46~0.6%，可焊性一般。該壓機(jī)國內(nèi)少見，由太原重工股份有限公司軋鍛分公司承擔(dān)制造。博士論文，鑄件對接。。如下是對該立柱的對接焊方面做相應(yīng)的研究。

首先，焊接方法采用Ar+CO2氣體保護(hù)焊和埋弧自動焊兩種，焊材分別選用φ1.2ER50-6及φ4.0 H10Mn2，焊劑選用SJ101。由于對接坡口深且截面較復(fù)雜，焊縫質(zhì)量要求高，為全熔透焊縫，技術(shù)標(biāo)準(zhǔn)依據(jù)JB/T 5000.3-1998，焊后消應(yīng)力。博士論文，鑄件對接。。生產(chǎn)過程中焊接區(qū)域需進(jìn)行預(yù)熱、層間錘擊、焊后緩冷等多項措施。博士論文，鑄件對接。。由于焊后立柱整體的平面度、直線度、垂直度均要求控制在±5mm之內(nèi)，所以特別強(qiáng)調(diào)裝焊過程的尺寸控制，嚴(yán)格按照工藝執(zhí)行，具體如下：

一、裝配及準(zhǔn)備工作

（1）用角磨機(jī)清理坡口表面，再次確認(rèn)坡口表面無缺陷，檢查坡口鈍邊是否符合要求，及時進(jìn)行修理。；

（2）檢查坡口根部的錯邊量≤2mm，并進(jìn)行必要調(diào)整，根部裝δ=20mm

寬度200mm的內(nèi)襯圈，預(yù)留坡口間隙3mm，裝配門字形固定板，預(yù)熱后焊接；

（3）由金工在兩段鑄件上劃出兩個方向的中心線并打標(biāo)記，以便裝配時找正。按設(shè)計圖將兩段鑄件分別用方鋼墊平放置，立柱四個面分別用水平儀測量平面度，用鋼絲測量直線度，用吊線的方法測量垂直度，均要求控制在能加工起來的尺寸公差范圍內(nèi)。

（4）斷焊點固，隔300mm焊150mm，焊角20mm，焊前需對斷焊區(qū)域局部預(yù)熱，預(yù)熱溫度200℃～250℃；

（5）立柱裝配完成后（安裝翻身起吊用的卡箍），經(jīng)檢驗人員復(fù)檢后方可施焊，兩側(cè)焊縫可同時進(jìn)行；

（6）焊前立柱外側(cè)用遠(yuǎn)紅外線履帶加熱片配熱電耦控溫對焊縫區(qū)域進(jìn)行加熱，加熱溫度200℃~250℃，由于部件對接處較厚，需反復(fù)加熱，用硅酸鋁纖維、石棉布扎緊保溫，封底前需對坡口根部進(jìn)行火焰加熱，焊接過程丙烷加熱立柱內(nèi)腔，焊后保溫緩冷。

圖3 立柱截面圖

二、焊接及順序

（1）首先對稱左右兩側(cè)立焊封底，采用氣體保護(hù)焊，同時填充至40mm左右，；

（2）平焊封底，采用氣體保護(hù)焊填充至40mm左右，彎角處、爬坡處封底焊填充40mm左右；

（3）翻身180°平焊封底并填充50mm左右，采用氣體保護(hù)焊；

（4）封底后采用埋弧自動焊填充，彎角處仍采用氣體保護(hù)焊；

（5）隨后每次翻身90°，埋弧自動焊填充，填充量據(jù)實際變形情況定，每翻一周逐漸增加；

（6）焊完進(jìn)行后熱處理，溫度控制在250℃-300℃之間，保溫6小時以上，之后緩冷至室溫；

（7）探傷要求應(yīng)不低于母材超聲波探傷標(biāo)準(zhǔn)。探傷合格后，進(jìn)爐退火消應(yīng)力。

注意：焊接過程中要隨時測量立柱的整體形狀尺寸，隨時翻身，嚴(yán)格控制焊接工藝參數(shù)，使各條焊縫的熱輸入基本達(dá)到均衡，有效控制變形，層間需用風(fēng)鏟逐層、道錘擊清渣，必要時可采用振動均衡應(yīng)力，焊接過程用煤氣火焰邊焊邊加熱，隨時檢測焊縫區(qū)域的層間溫度，應(yīng)控制在200℃-250℃之間。焊劑烘干溫度350℃，保溫2小時隨用隨取。焊接過程中翻身要特別注意安全，操作者要嚴(yán)格按照安全操作規(guī)程執(zhí)行。鑄件腔體內(nèi)部火焰預(yù)熱應(yīng)注意氣體使用安全。

機(jī)械工程博士論文范文第2篇

美國第一個獲得心理學(xué)博士的婦女，被稱為“管理學(xué)的第一夫人”。

莉蓮•吉爾布雷思是美國管理心理學(xué)家，人因工程學(xué)的先軀，也是是美國第一個獲得心理學(xué)博士學(xué)位的婦女。她出生于美國加利福尼亞州奧克蘭市，逝于美國亞利桑那州菲尼克斯。

莉蓮的《管理心理學(xué)》對管理發(fā)展史進(jìn)行了整體概括。她將歷史上管理方式分為三種：傳統(tǒng)方式、過渡方式、科學(xué)方式。所謂傳統(tǒng)管理方式，被她形象地喻為“驅(qū)趕式”或“昆斯伯里侯爵式”。昆斯伯里侯爵是一位英國貴族，由他制定的拳擊規(guī)則在1891年得 到世界公認(rèn)，拳擊比賽由此實現(xiàn)了規(guī)范化。傳統(tǒng)方式的管理，一般采取單一的直線指揮，特點是中央集權(quán)，管理的宗旨就同職業(yè)拳擊類似，以競爭取勝。“昆斯伯里侯爵式”管理，象征著管理者與工人雙方“根據(jù)比賽規(guī)則”展開體力和智力的競賽，本身暗含著“對抗”的意味。所謂過渡管理方式，是指在工業(yè)化之后、泰羅制誕生之前的管理，這種方式差異較大，包羅萬象，沒有形成統(tǒng)一的范式。新的探索已經(jīng)出現(xiàn)，但不成體系；舊的方式依然沿用，但多有改良。所謂科學(xué)管理方式，就是以泰羅制為代表的工業(yè)化管理的整體變化，是建立在人際合作基礎(chǔ)上的、追求社會整體提高福祉的管理方式。

管理心理學(xué)

莉蓮出生于加利福尼亞奧克蘭的一個顯赫的家庭，她的父親是一位德國裔的糖廠主。莉蓮是家中九個孩子中的老大，她的母親身體一直不好，所以莉蓮很早就承擔(dān)起有關(guān)家務(wù)以及照管幼兒的責(zé)任，幫助體弱多病的母親照顧年幼的弟弟妹妹。她從小性格靦腆、內(nèi)向，一直由父母和家庭教師在家中教授知識，直到九歲才正式入學(xué)，她的父母不僅僅教她學(xué)習(xí)課本知識，還教她學(xué)習(xí)法語、德語和鋼琴。她后來一直鐘愛文學(xué)和音樂，這與她早年所受到的全面教育是分不開的。

1900年，莉蓮在加利福尼亞大學(xué)伯克利分校取得了文學(xué)學(xué)士學(xué)位。稍后，又以關(guān)于本•約翰遜(Ben Johnson，與莎士比亞同時的著名劇作家兼詩人)的論文取得文學(xué)碩士學(xué)位。在她去歐洲旅行途經(jīng)波士頓時，與后來成為她丈夫的弗蘭克•吉爾布雷斯邂逅，據(jù)說兩人一見傾心。弗蘭克年長莉蓮十歲，年輕、英俊而且富有，創(chuàng)新精神十足，17歲時就創(chuàng)辦了自己的建筑公司。三周以后，莉蓮接受了弗蘭克的求婚，兩人于1904年結(jié)婚。管理思想史學(xué)者雷恩這樣評價這對夫婦的相識：“弗蘭克和莉蓮結(jié)婚這件事是現(xiàn)代管理學(xué)的運氣，因為他們二人可以互相補充，他們各自思想上的興趣以及掌握的知識的結(jié)合使管理學(xué)進(jìn)入了一個新的領(lǐng)域?！?/p>

吉爾布雷思1914年的博士論文是《管理心理學(xué)》，1928年在《和我們的孩子們生活在一起》一文中發(fā)表了她在兒童管理方面的經(jīng)驗，有關(guān)雜志也發(fā)表過她在動作研究方面的成果。1944年L.吉爾布雷思和F.吉爾布雷思被授予美國機(jī)械工程協(xié)會獎?wù)?。她還在世界各地講學(xué)，甚至在90歲以后，她的講演對眾人仍有著極大的吸引力。

管理史階段劃分

與同時代的其他從事管理研究的心理學(xué)家相比，莉蓮的長處在于把自己的理論建立在對管理學(xué)的宏觀認(rèn)識基礎(chǔ)之上。她有著深厚的文學(xué)功底，有著來自家庭生活的豐富經(jīng)驗，有著特別細(xì)膩的女性感覺和悟性，尤為可貴的是，她具備常人所缺少的堅韌毅力和奮斗精神。這些鋪墊，使她的管理心理學(xué)研究不囿于對某個特殊管理問題的心理學(xué)解釋，而要比其他人看得更為廣闊，更為深遠(yuǎn)。莉蓮對管理學(xué)的貢獻(xiàn)，在她的博士論文《管理心理學(xué)：精神在判斷、指導(dǎo)和實施最少浪費方法中的作用》中已經(jīng)有了比較全面的反映。

莉蓮的管理史研究，在當(dāng)時具有重大意義，它能夠使人們跳出解決某一管理具體問題的狹隘視野，更好地把握科學(xué)管理的時代價值。這種管理史階段的劃分，對后來的學(xué)術(shù)研究也產(chǎn)生了相當(dāng)廣泛的影響。

在對管理進(jìn)行了三種歷史類型的劃分以后，莉蓮根據(jù)這三種管理方式，對管理領(lǐng)域的關(guān)鍵環(huán)節(jié)進(jìn)行了深入的比較研究，并圍繞這些關(guān)鍵環(huán)節(jié)提出自己的管理見解。所涉及的內(nèi)容，包括個人、職能化、衡量、分析綜合、標(biāo)準(zhǔn)化、記錄和計劃、傳授知識、刺激以及福利等。尤其是關(guān)于“個人”的研究，揭示了莉蓮管理思想的本質(zhì)和她的興趣所在。她認(rèn)為，當(dāng)時的心理學(xué)主要關(guān)心“群體心理學(xué)”，而對個體的心理研究卻比較少。在傳統(tǒng)管理下，個人受到中心人物的權(quán)力壓抑，事實上處于一種受“脅迫”的地位；而在科學(xué)管理下，個人則是一切活動的出發(fā)點和中心，挑選人員、激勵工人、考慮工人的福利等活動，都得圍繞“個人”進(jìn)行。尊重“個人”是科學(xué)管理的基本內(nèi)涵。在這個尊重“個人”的前提下，莉蓮對全面考慮工人的“福利”提出了新的、更加完善的觀點。科學(xué)管理提倡有系統(tǒng)的工作，鼓勵良好的個人習(xí)慣，而且關(guān)心個人在物質(zhì)上、精神上和經(jīng)濟(jì)上的發(fā)展，即要把“福利”理解為“總的幸?！?――它包括精神、物質(zhì)、道德和經(jīng)濟(jì)等各方面的發(fā)展。在莉蓮看來，昆斯伯里侯爵式的管理，關(guān)注的核心問題是如何使用和剝削工人?？茖W(xué)管理的目的，則是通過培養(yǎng)人的品德、特殊的能力和技巧，從而使每一個人都能發(fā)揮其最大的潛力；所關(guān)注的核心問題是為了相互共同的利益，管理部門如何才能使個人得到發(fā)展，重在強(qiáng)調(diào)“有效”前提下的勞資合作。

以人為本

莉蓮指出，傳統(tǒng)管理會使人缺乏安全感，而在科學(xué)管理的視域下，工人是“泰然自若和安全的”，因為傳統(tǒng)管理完全依靠報酬和懲罰，而科學(xué)管理則努力爭取工人的合作。

從提高安全感出發(fā)，莉蓮對科學(xué)管理的積極作用進(jìn)行了多方面論證。例如，立足于專業(yè)化的職能化管理，不僅僅是提高效率的措施，而且能夠通過提高工人的產(chǎn)出，進(jìn)而提高工資，給工人帶來自豪感；這種自豪感又能使技術(shù)得以改進(jìn)，從而能提高工人的福利； 而對工作的自豪感以及福利的提高，會進(jìn)一步促進(jìn)工人身心的健全發(fā)展。這種連鎖反應(yīng)式的變化，與其說是技術(shù)性的，不如說是心理性的。通過這樣的研究，莉蓮為科學(xué)管理與心理學(xué)的融合做出了自己的貢獻(xiàn)。

在莉蓮的管理思想中，“人”一直被置于中心的位置，她認(rèn)為成功的管理“在于人而不是工作”，而她和丈夫弗蘭克一直努力推廣的科學(xué)管理，實際上就是為人們提供能最大限度地利用人的努力的方法。從人出發(fā)，她們夫婦提出了管理上的三個設(shè)想：一是吸引愿意參加本組織的人的必要性，二是保持并恰當(dāng)安排和提升本組織已有成員的必要性，三是前兩種必要性的相互依存。在這一方面，他們的思想已經(jīng)向以人為本的方向跨進(jìn)。

機(jī)械工程博士論文范文第3篇

英國蘇格蘭皇家銀行是英國本土最大的銀行，以市值而論在全球排名第五，它在海外的分支機(jī)構(gòu)遍布世界各地。李權(quán)博士現(xiàn)任蘇格蘭皇家銀行中國業(yè)務(wù)董事和北京代表處首席代表, 負(fù)責(zé)該行在華業(yè)務(wù)發(fā)展與策劃。

在各種知識的學(xué)習(xí)中成長發(fā)展

李權(quán)博士大學(xué)時的專業(yè)是機(jī)械工程，后來改學(xué)管理。他的第一個工作是記者，而目前在銀行就職。這些看起來似乎是跳躍性的變化卻有著本質(zhì)性的聯(lián)系，那就是他對學(xué)業(yè)的鉆研和對機(jī)遇的把握。談到李權(quán)博士從事銀行業(yè)的經(jīng)歷，他開玩笑地用“陰錯陽差”來形容自己學(xué)業(yè)和事業(yè)所取得的穩(wěn)步發(fā)展。

大學(xué)時，李權(quán)在北京工業(yè)學(xué)院學(xué)機(jī)械工程，看似與金融無關(guān)，但專業(yè)的學(xué)習(xí)鍛煉了他的邏輯思維能力，也使他打下了良好的數(shù)學(xué)基礎(chǔ)。大學(xué)畢業(yè)時，教委開始從應(yīng)屆畢業(yè)生里選拔公派出國研究生。1985年李權(quán)以優(yōu)異的成績獲得英國駐華使領(lǐng)館文化教育處與國家教委共同設(shè)立的“技術(shù)合作獎學(xué)金”，去英國伯明翰大學(xué)學(xué)習(xí)計算機(jī)輔助生產(chǎn)和制造。這個專業(yè)較多地涉及生產(chǎn)過程的管理。出于自己的興趣和對未來人才市場發(fā)展前景的考慮，李權(quán)很快改學(xué)工業(yè)管理，這門課程后來演變成許多商學(xué)院里的管理課程。獲得管理學(xué)碩士學(xué)位后，他進(jìn)入阿斯頓商學(xué)院繼續(xù)攻讀博士學(xué)位,研究經(jīng)濟(jì)轉(zhuǎn)型國家的產(chǎn)業(yè)政策和戰(zhàn)略管理領(lǐng)域。在撰寫博士論文的同時,他因自己的亞洲背景和學(xué)術(shù)專長加入英國廣播公司（BBC）任節(jié)目制作/新聞記者，主要負(fù)責(zé)亞太區(qū)和中國金融及市場方面的分析評論。這段過程使他的事業(yè)轉(zhuǎn)為向金融業(yè)發(fā)展。

1993年下半年，隨著中國經(jīng)濟(jì)的起飛，倫敦很多大的金融機(jī)構(gòu)都希望進(jìn)入中國市場。倫敦的大型投資銀行和商業(yè)銀行紛紛招聘了一批年輕人準(zhǔn)備派到亞太區(qū)。李權(quán)就在這時加入英國四大銀行之一英國國民西敏銀行（National Westminster Bank）的經(jīng)濟(jì)研究部，負(fù)責(zé)亞太區(qū)的經(jīng)濟(jì)研究。不久后他被調(diào)任到香港，出任首席經(jīng)濟(jì)師并參與該行在亞太地區(qū)的戰(zhàn)略決策。1998年夏，他回到中國，負(fù)責(zé)拓展國內(nèi)的市場。李權(quán)博士對英國大銀行做事的方式、程序以及監(jiān)管當(dāng)局的要求都有相當(dāng)?shù)牧私?，這對他在分行或者代表處的管理工作有很大的幫助。他相信，代表處作為整個銀行的一部分，必須以同樣的嚴(yán)格要求來保證同樣高的服務(wù)標(biāo)準(zhǔn)。

海外留學(xué)經(jīng)歷讓人體驗完全不同的異國文化

從80年代初到90年代初，李權(quán)博士在英國前后學(xué)習(xí)、生活、工作了近10年。在英國讀書多年的經(jīng)歷，令李權(quán)對中西方的教育方法和體制有著深入的了解。他說:“在國內(nèi)，各門課程都有一本主教材，把這本書吃透，考試就基本能過，考高分也有可能。但到了國外，每一門課程都不是單一內(nèi)容的，它有可能涵蓋其他很多領(lǐng)域的內(nèi)容，要求學(xué)生博覽群書?！彼€有另外一個心得：只要有機(jī)會就盡可能在課堂上進(jìn)行小組討論，每個人即使對所討論的問題了解不深也可以盡量參與，因為這同時也是對語言表述能力的最好鍛煉。讀書時所積累的知識和所掌握的研究方法,有很多應(yīng)用到了他以后的工作中，包括英文的口頭表達(dá)能力和寫作能力。銀行工作特別要求嚴(yán)謹(jǐn)性和認(rèn)真性，對人的邏輯思維能力和文字表述能力有很高的要求。另外，“在公共場合表達(dá)自己的能力也很重要。要很有條理、很清晰地把你所想的用讓人信服的方式說出來?！苯裉旎剡^頭去看那段留學(xué)的收獲時，李權(quán)認(rèn)為，不管去哪個國家，一定要把那個國家的語言學(xué)好。因為“在很多大型跨國公司里，日常工作常常是以中文以外的語言作媒介，對語言能力的要求在外企里是比較高的。出國留學(xué)除了學(xué)好專業(yè)以外，一定要盡量地提高自己的語言表達(dá)能力?！?/p>

此外，李權(quán)覺得除了在課堂上的學(xué)習(xí)，從生活中去學(xué)習(xí)也是大有裨益的。課余時，他會和英國同學(xué)結(jié)伴去校園附近的酒吧，大家在非常放松的氣氛中聊天、辯論。李權(quán)借此機(jī)會提高了自己的英語表達(dá)水平，也從周圍人的身上了解了更多英國文化和社會底蘊。他認(rèn)為和英國人交往完全不像一些人想象的那么難。英國人彬彬有禮，常與人保持距離的印象實際只是表面的。他抱著開放和欣賞的態(tài)度去主動地接觸當(dāng)?shù)氐奈幕?，并從這個過程中學(xué)到了很多東西，這也成為他專業(yè)知識以外的另一個優(yōu)勢，對他事業(yè)的發(fā)展具有重要的意義。李權(quán)舉了一個例子：“在任何一個企業(yè)里，工作的關(guān)系就是人和人的關(guān)系，如果你對這個企業(yè)所屬國家的文化和歷史有一定程度的了解，那么你就會和它的管理者或外籍雇員在溝通方面有很大的優(yōu)勢。”

李權(quán)不但樂于接受不同的文化，更希望讓別人對中國文化有所了解。很多外國人對中國的認(rèn)識是從中餐館開始的，認(rèn)識非常有限，李權(quán)則會在與朋友交往的過程中不失時機(jī)地介紹中國的風(fēng)土人情和中國人看問題的方式。他覺得，“在人和人的交往中，雙方互有給予，這種交往才會深入、長久?！?/p>

李權(quán)博士幾乎走遍了整個英國，他去過的地方甚至比很多英國人都多。說起英國各地的風(fēng)土人情，他如數(shù)家珍。倫敦是英國的政治和文化中心，也是很重要的國際金融中心。它是非常國際化的大都市，在這里你幾乎可以找到任何你想要的東西，要找到和自己文化背景相似的東西更不是問題。對于生活在大城市的李權(quán)來說，英國鄉(xiāng)村飄動著的那種空曠、自由更令他心神俱醉。英格蘭中部和西南部有令人心馳神往的綠野，蘇格蘭多見蒼茫的山林和羊群……各地的風(fēng)光各有特色，各地的人也有不同的個性。比如;蘇格蘭、威爾士的小城鎮(zhèn)的人們和藹友善，甚至比生活在緊張的大都市中的人們更樂于接受新鮮的事物。求學(xué)期間，他還曾背著背包，買了鐵路通票，在歐洲大陸游歷了一個月。許多當(dāng)時覺得有些艱苦的經(jīng)歷,現(xiàn)在回想起來很有意義。歐洲大陸擁有巨大的文化財富，而且具有很強(qiáng)的地域特點。幾百公里以外就可能是一個完全不同的國度，可以讓人體驗到完全不同的文化色彩，那里有著真正意義上的多元文化。

本科學(xué)歷+實際工作經(jīng)驗+深造才能成為優(yōu)秀的管理人才

機(jī)械工程博士論文范文第4篇

關(guān)鍵詞：資源型城市；產(chǎn)業(yè)；升級；路徑

中圖分類號：F260 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-291X（2013）33-0048-02

收稿日期：2013-07-18

基金項目：2012年度黑龍江省哲學(xué)社會科學(xué)青年項目的階段性成果（12C061）

作者簡介：路欣（1984-），女，黑龍江大慶人，副科，講師，碩士研究生，從事行政管理研究；赫明剛（1982-），男，黑龍江伊春人，中級經(jīng)濟(jì)師，從事行政管理研究。

一、黑龍江省資源型城市產(chǎn)業(yè)升級的難度分析

（一）轉(zhuǎn)型的普遍性

資源型城市的形成發(fā)展大多是因資源而興，隨著資源保有量的變化，有其形成、發(fā)展、興盛和衰退過程，這是社會經(jīng)濟(jì)發(fā)展的普遍現(xiàn)象。城市繁榮和工業(yè)經(jīng)濟(jì)的發(fā)展是同步的，工業(yè)發(fā)展需要消耗大量的礦產(chǎn)資源，資源開發(fā)帶來資本的積累和城市建設(shè)投資不斷增長，資源型產(chǎn)業(yè)就會成為整個城市發(fā)展的主導(dǎo)。隨著資源的不斷開發(fā)，儲量將不斷消耗，資源型城市最終將面臨資源枯竭、環(huán)境污染、產(chǎn)業(yè)單一等問題，這是完全符合資源開發(fā)規(guī)律、經(jīng)濟(jì)發(fā)展規(guī)律和城市發(fā)展規(guī)律的客觀現(xiàn)象。

（二）轉(zhuǎn)型的復(fù)雜性

資源型城市的轉(zhuǎn)型升級之所以成為世界性難題，就在于其問題本身的復(fù)雜性和問題解決方案的不成熟性。資源型城市的轉(zhuǎn)型升級不只是延伸產(chǎn)業(yè)鏈、培育創(chuàng)新創(chuàng)業(yè)主體、調(diào)整產(chǎn)業(yè)布局等經(jīng)濟(jì)的轉(zhuǎn)型，還有及時解決民生問題、提升社會保障水平、擴(kuò)大公共產(chǎn)品供給等社會的轉(zhuǎn)型，更有資源開發(fā)補償機(jī)制、接續(xù)產(chǎn)業(yè)振興機(jī)制、科技創(chuàng)新驅(qū)動機(jī)制等制度的轉(zhuǎn)型。

（三）轉(zhuǎn)型的綜合性

在資源型城市的轉(zhuǎn)型升級過程中，政策要素、環(huán)境要素、市場要素、產(chǎn)業(yè)及空間要素、人力要素、資金要素各種城市要素相互交叉、相互影響、相互制約，每一個領(lǐng)域、部分、方面問題的解決都受到其他相關(guān)領(lǐng)域、部分、方面問題的制約和影響。例如，實施產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，就會涉及到發(fā)展和改革委員會、工業(yè)和信息化委員、財政局、國資委等經(jīng)濟(jì)部門，人力資源和社會保障局、審計局、環(huán)保局、安監(jiān)局等服務(wù)和監(jiān)管部門，局、公安局等維穩(wěn)部門，實現(xiàn)多種要素、多部門的統(tǒng)籌協(xié)調(diào)，就需要能夠駕馭復(fù)雜局面和富于改革創(chuàng)新的地方官員來掌舵。

（四）轉(zhuǎn)型的風(fēng)險性

資源型城市轉(zhuǎn)型升級任務(wù)艱巨、過程艱辛、局面復(fù)雜、時間漫長，少則十幾年，多則幾十年，其間，充滿了各種變數(shù)、不確定性及可以預(yù)見或不可預(yù)見的風(fēng)險。很難對金融危機(jī)背景下的動態(tài)經(jīng)濟(jì)發(fā)展進(jìn)程進(jìn)行相對準(zhǔn)確的預(yù)測，并據(jù)以作出配套決策。如果在轉(zhuǎn)型的方向、途徑、道路等重大經(jīng)濟(jì)決策中發(fā)生失誤，就會導(dǎo)致轉(zhuǎn)型失敗，將有造成巨大政治、經(jīng)濟(jì)、社會損失的風(fēng)險，事關(guān)幾代人的長遠(yuǎn)生計，歷屆地方政府不得不高度重視，慎之又慎。

（五）條件的不利性

目前，黑龍江省資源型城市普遍存在資源不足、產(chǎn)業(yè)結(jié)構(gòu)單一、人才外流嚴(yán)重、創(chuàng)新創(chuàng)業(yè)不足等不利條件，建立在資源型產(chǎn)業(yè)服務(wù)的結(jié)構(gòu)之上的技術(shù)結(jié)構(gòu)、制度結(jié)構(gòu)、文化結(jié)構(gòu)都對經(jīng)濟(jì)轉(zhuǎn)型形成剛性制約。

綜合上述幾點，概括資源型城市的轉(zhuǎn)型升級難就難在：一是缺乏成熟的轉(zhuǎn)型經(jīng)驗。迄今為止，少數(shù)城市的轉(zhuǎn)型雖為破解轉(zhuǎn)型難題提供了先行先試和寶貴啟示，但總體上說，實踐答卷尚不夠充分。二是資源型城市經(jīng)濟(jì)轉(zhuǎn)型還缺乏建立在實踐之上的完整、系統(tǒng)的科學(xué)理論的指導(dǎo)，缺乏一套“一管幾十年”的頂層設(shè)計和符合資源型城市社會經(jīng)濟(jì)發(fā)展規(guī)律的政策體系。

二、黑龍江省資源型城市產(chǎn)業(yè)升級的一般路徑選擇

（一）強(qiáng)化轉(zhuǎn)型升級的頂層設(shè)計，增強(qiáng)政策的穩(wěn)定性和連續(xù)性

制定《黑龍江省資源型城市轉(zhuǎn)型升級中長期發(fā)展規(guī)劃》，就是要對資源型城市未來發(fā)展進(jìn)行超前研究和規(guī)劃，不因地方主政領(lǐng)導(dǎo)的更迭而改變，以保證地方政府在路徑選擇和政策施行的長期跟進(jìn)。首先，要明確《規(guī)劃》的地域范圍、轉(zhuǎn)型目標(biāo)和任務(wù)，戰(zhàn)略重點和實施階段，配套措施及中央和地方政府責(zé)任等；明確接續(xù)產(chǎn)業(yè)、環(huán)境恢復(fù)、勞動力就業(yè)等問題，結(jié)合原有主導(dǎo)產(chǎn)業(yè)特點和發(fā)展階段，實施差異化轉(zhuǎn)型戰(zhàn)略。其次，明確劃分轉(zhuǎn)型任務(wù)的前后次序，做好財政預(yù)算資金配置。例如伊春市是優(yōu)先發(fā)展工業(yè)，還是第三產(chǎn)業(yè)（旅游業(yè)）；優(yōu)先推進(jìn)市政建設(shè)，還是民生發(fā)展。最后，做好《規(guī)劃》階段性成果的考核。由GDP至上轉(zhuǎn)向社會穩(wěn)定、生態(tài)建設(shè)、接續(xù)產(chǎn)業(yè)發(fā)展等指標(biāo)，并將其一起納入組織部地方干部政績考核的評價體系，增強(qiáng)地方政府落實規(guī)劃的積極性。

（二）實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，培育新興產(chǎn)業(yè)增長極

首先，加強(qiáng)對關(guān)鍵技術(shù)和共性技術(shù)的聯(lián)合攻關(guān)研究。目前，我省現(xiàn)有高校及科研院所的科研實力難以滿足資源型城市轉(zhuǎn)型升級的技術(shù)需求。建議將黑龍江省資源型城市全部納入東北老工業(yè)基地政策扶持范疇，將資源綜合開發(fā)和生態(tài)環(huán)境建設(shè)的關(guān)鍵技術(shù)納入國家重大科技攻關(guān)研究計劃。其次，大力推進(jìn)區(qū)域性產(chǎn)學(xué)研戰(zhàn)略聯(lián)盟建設(shè)。學(xué)習(xí)南方先進(jìn)省市對現(xiàn)有科研資源進(jìn)行整合，組建行業(yè)工業(yè)技術(shù)研究院勢在必行。例如組建黑龍江省農(nóng)業(yè)機(jī)械化科學(xué)院。將黑龍江省農(nóng)業(yè)機(jī)械工程研究院、黑龍江省農(nóng)機(jī)修理研究所、黑龍江省農(nóng)機(jī)運用研究所、黑龍江省農(nóng)副產(chǎn)品加工機(jī)械化研究所、黑龍江省水田機(jī)械化研究所、黑龍江省畜牧機(jī)械化研究所職責(zé)任務(wù)整合劃入黑龍江省農(nóng)業(yè)機(jī)械化科學(xué)院。

（三）加快政策性擔(dān)保體系建設(shè)，優(yōu)化小微企業(yè)發(fā)展環(huán)境

政策性擔(dān)保機(jī)構(gòu)是憑借政府注入資本及公共信用，提升申請企業(yè)（或個人）信用級別，化解融資風(fēng)險的非銀行性融資機(jī)構(gòu)。它是公共財政在市場經(jīng)濟(jì)體制下產(chǎn)生的新生事物，是資源型城市優(yōu)化中小企業(yè)融資環(huán)境、撬動銀行貸款、提升小微企業(yè)信用等級的重要載體。

（四）加強(qiáng)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，發(fā)展現(xiàn)代農(nóng)業(yè)和服務(wù)業(yè)

產(chǎn)業(yè)結(jié)構(gòu)是衡量資源型城市三大產(chǎn)業(yè)的構(gòu)成及各產(chǎn)業(yè)之間的比例關(guān)系的重要指標(biāo)。目前我省資源型城市普遍存在著第一產(chǎn)業(yè)、第三產(chǎn)業(yè)比例較小，第二產(chǎn)業(yè)比例較大的問題，非資源型產(chǎn)業(yè)比例小，資源型產(chǎn)業(yè)比例較大的問題。一是大力發(fā)展棚室經(jīng)濟(jì)，實現(xiàn)農(nóng)民增產(chǎn)增收?，F(xiàn)代農(nóng)業(yè)是相對于傳統(tǒng)農(nóng)業(yè)而言，是廣泛應(yīng)用現(xiàn)代科學(xué)技術(shù)、現(xiàn)代工業(yè)提供的生產(chǎn)資料和科學(xué)管理方法進(jìn)行的社會化農(nóng)業(yè)。二是大力發(fā)展現(xiàn)代物流業(yè)，打牢產(chǎn)業(yè)轉(zhuǎn)型基礎(chǔ)。經(jīng)過三十多年的發(fā)展，中國已經(jīng)成為物流大國，物流業(yè)已經(jīng)成為區(qū)域經(jīng)濟(jì)的支柱產(chǎn)業(yè)和重要的現(xiàn)代服務(wù)業(yè)。資源型城市轉(zhuǎn)型過程中必然帶來原有大宗資源、能源及副產(chǎn)品的大規(guī)模運輸和流動的需求。

（五）完善人才引進(jìn)機(jī)制，營造良好的選人用人環(huán)境

首先，建立一套完善的人才引進(jìn)機(jī)制。針對大慶、雞西、伊春等資源型城市大多數(shù)從業(yè)人員受教育程度低、技能單一、適應(yīng)能力差、轉(zhuǎn)移就業(yè)難度大等實際狀況，應(yīng)當(dāng)建立與本地區(qū)轉(zhuǎn)型模式相匹配的人才引進(jìn)政策，服務(wù)于當(dāng)?shù)氐漠a(chǎn)業(yè)轉(zhuǎn)型。加大對專業(yè)技術(shù)人才的引進(jìn)和定向培養(yǎng)，加大對優(yōu)秀職業(yè)經(jīng)理人和財政金融人才的引進(jìn)。其次，營造良好的選人用人環(huán)境。一是機(jī)制留。市人才辦公室負(fù)責(zé)制定實施公開、平等、競爭、擇優(yōu)的用人機(jī)制和“能上能下”的激勵約束機(jī)制，營造良好的創(chuàng)新創(chuàng)業(yè)環(huán)境。二是待遇留。對于引進(jìn)的高層次人才，市委組織部及人才辦公室要在編制、職務(wù)、職稱、報酬、住房等方面依據(jù)轉(zhuǎn)型升級需要視個人能力、貢獻(xiàn)大小給予特殊的優(yōu)惠政策，對其隨遷親屬就業(yè)，子女教育等方面從優(yōu)安置。三是高薪留。地方財政局應(yīng)當(dāng)設(shè)立人才專項資金，改變原來以檔案工資作為報酬支付標(biāo)準(zhǔn)，對碩士研究生以上學(xué)歷的人才每月給予生活補貼500元、創(chuàng)業(yè)人員提供三年全額貼息貸款、科研人員提供項目啟動資金，對于做出突出貢獻(xiàn)的人才給予轉(zhuǎn)型城市特殊貢獻(xiàn)獎每年10萬元（近似于黑龍江省院士補貼標(biāo)準(zhǔn)）。

（六）加快新型城鎮(zhèn)化建設(shè)進(jìn)程，建設(shè)宜居宜業(yè)城市

重點解決好資源型城市縣域、鄉(xiāng)鎮(zhèn)經(jīng)濟(jì)發(fā)育不夠、規(guī)模小、市場化程度低、人口不足等問題，建設(shè)一批工業(yè)重鎮(zhèn)、商貿(mào)大鎮(zhèn)、邊貿(mào)強(qiáng)鎮(zhèn)和旅游名鎮(zhèn)。一是著眼建設(shè)“對俄邊貿(mào)合作區(qū)”，重點推進(jìn)邊貿(mào)強(qiáng)鎮(zhèn)。充分發(fā)揮伊春的嘉蔭縣邊貿(mào)口岸的優(yōu)勢，進(jìn)一步擴(kuò)大對俄口岸貿(mào)易，彌補資源減少帶來的經(jīng)濟(jì)損失。加大對俄羅斯木材進(jìn)口和勞務(wù)輸出，彌補木材產(chǎn)業(yè)頹勢；加大對煤炭進(jìn)口和蔬菜、糧食有機(jī)食品輸出彌補煤炭價格下跌損失；加大管道石油和天然氣的進(jìn)口和輕工紡織產(chǎn)品的出口，減輕大慶石油穩(wěn)產(chǎn)高產(chǎn)壓力。二是著眼建設(shè)“城郊功能提升帶”，重點做強(qiáng)旅游名鎮(zhèn)。城郊可以充分毗鄰市區(qū)的優(yōu)勢，走綠色采摘游、休閑度假游、特色飲食游、草原風(fēng)情游等品牌路線，建設(shè)一批農(nóng)業(yè)與旅游互動的鄉(xiāng)鎮(zhèn)。三是著眼建設(shè)“城鎮(zhèn)發(fā)展廊道”，重點建好示范新村。這些鄉(xiāng)鎮(zhèn)大多為產(chǎn)糧大鎮(zhèn)或商貿(mào)大鎮(zhèn)，臨近省道國道、交通樞紐和鐵路周轉(zhuǎn)站，地理位置優(yōu)越。例如大慶肇源縣的新站鎮(zhèn)、大同區(qū)的太陽升鎮(zhèn)，兩者都為我省重要的糧食集散地和物流港，糧食貿(mào)易異?；钴S，要充分發(fā)揮這些特色經(jīng)濟(jì)重鎮(zhèn)對縣域經(jīng)濟(jì)的多元支撐和城鎮(zhèn)化的多點帶動作用。有序推進(jìn)資源城市附屬鄉(xiāng)鎮(zhèn)在就業(yè)方式、人居環(huán)境、功能配套、社會保障等方面實現(xiàn)由鄉(xiāng)到城的戰(zhàn)略轉(zhuǎn)變。

參考文獻(xiàn)：

[1] 鄭鑫.大慶市政府招商引資全過程項目化管理研究[D].大慶：東北石油大學(xué)碩士論文，2011：6.

[2] 王艷芳，張昕，徐忠惠，劉方正.資源型城市產(chǎn)業(yè)轉(zhuǎn)型模式研究———以黑龍江省雞西市為例[J].經(jīng)濟(jì)師，2011，（12）.

[3] 董鋒，譚清美，周德群，龍如銀，朱佳翔.資源型城市可持續(xù)發(fā)展水平評價——以黑龍江省大慶市為例[J].資源科學(xué)，2010，（8）.

[4] 曹彩杰.中國森林生態(tài)旅游業(yè)發(fā)展的SWOT分析[J].硅谷，2010，（2） ：121-122.

機(jī)械工程博士論文范文第5篇

關(guān)鍵詞：推薦系統(tǒng)；云計算；數(shù)據(jù)挖掘；個性化

中圖分類號：TP393 文獻(xiàn)標(biāo)識碼：A DOI：10，3969/J.issn.1003-6970.2013.03.001

本文著錄格式：[1]郭平，劉波，沈岳，農(nóng)業(yè)云大數(shù)據(jù)自組織推送關(guān)鍵技術(shù)綜述[J].軟件，2013，34（3）：1-6

0 引言

隨著物聯(lián)網(wǎng)、云計算、下一代互聯(lián)網(wǎng)等新一代信息技術(shù)的快速發(fā)展和信息內(nèi)容的日益增長，“信息過載”問題愈來愈嚴(yán)重，推薦系統(tǒng)（recommender systems）被認(rèn)為可以有效的緩解此難題，幫助用戶從海量數(shù)據(jù)中發(fā)現(xiàn)感興趣信息，滿足個性化需求。

近年來，我國在農(nóng)業(yè)個性化知識服務(wù)服務(wù)領(lǐng)域從本體論、語義網(wǎng)、知識工程角度開展了廣泛的研究，成果主要體現(xiàn)在三個方面：以搜索引擎為代表的知識檢索系統(tǒng)，需回答大量預(yù)設(shè)問題進(jìn)行知識推理的專家系統(tǒng)，特定領(lǐng)域應(yīng)用系統(tǒng)，它們在各自的場合都發(fā)揮了積極作用。然而知識檢索系統(tǒng)不能滿足用戶個性化需求，專家系統(tǒng)的應(yīng)用很難普及，特定領(lǐng)域應(yīng)用開發(fā)成本高和重用難度大。物聯(lián)網(wǎng)與數(shù)據(jù)挖掘云服務(wù)提供知識服務(wù)云實現(xiàn)物理世界的“感知控”，知識服務(wù)云的研究主要集中在制造和圖書情報領(lǐng)域，云環(huán)境下的農(nóng)業(yè)個性化知識服務(wù)的研究尚處于起步階段，主要集中在服務(wù)模式的構(gòu)建與展望。

本文是對科技部科技支撐課題“農(nóng)村農(nóng)業(yè)信息化關(guān)鍵技術(shù)集成與示范”（2011BAD21803）與“農(nóng)村物聯(lián)網(wǎng)綜合信息服務(wù)科技工程”（2012BAD35800）研究成果的總結(jié)，也是對農(nóng)業(yè)云推薦系統(tǒng)研究的升華。

1 農(nóng)業(yè)云大數(shù)據(jù)自組織區(qū)域推送的提出

1.1 農(nóng)業(yè)信息資源特點

我國自“十一五”時期以來，農(nóng)業(yè)農(nóng)村信息化發(fā)展取得了顯著成效，主要表現(xiàn)在農(nóng)業(yè)農(nóng)村信息化基礎(chǔ)設(shè)施不斷完善、業(yè)務(wù)應(yīng)用深入發(fā)展、物聯(lián)網(wǎng)技術(shù)在農(nóng)業(yè)中逐步推廣應(yīng)用等方面。從中央到省，市、縣建立了“三農(nóng)”綜合信息服務(wù)平臺，涉農(nóng)企業(yè)、組織和科研院所也積極搭建了各具特色的農(nóng)業(yè)信息服務(wù)平臺，目前正向鄉(xiāng)鎮(zhèn)村發(fā)展。農(nóng)村信息員隊伍及以農(nóng)業(yè)綜合信息服務(wù)站和農(nóng)業(yè)合作社為代表的農(nóng)村信息服務(wù)機(jī)構(gòu)發(fā)展迅速，“三電合一”、“農(nóng)民信箱”、“農(nóng)村熱線”等信息服務(wù)模式應(yīng)用深入。云計算利用海量的存儲能力把農(nóng)業(yè)信息資源形成高度集成和虛擬化的計算資源一“農(nóng)業(yè)知識聚合云”，支持用戶在任意位置、使用各種終端方便獲取信息，但由于農(nóng)業(yè)領(lǐng)域生態(tài)區(qū)域性和過程復(fù)雜性及農(nóng)業(yè)區(qū)域發(fā)展不平衡和農(nóng)民文化的多層次性也帶來了“信息過載”、“資源隱晦”“資源迷向”等問題。

1.2 農(nóng)業(yè)云環(huán)境下大數(shù)據(jù)自組織區(qū)域推送

物聯(lián)網(wǎng)和云計算背后是大數(shù)據(jù)，在云計算模式下，用戶不確定的、智能的交互，個性化需求更加多元化，信息交互行為更加頻繁；在大量用戶通過社會標(biāo)注達(dá)成共識的過程中，逐漸形成不同社區(qū)，涌現(xiàn)出群體智能，形成“農(nóng)業(yè)用戶興趣社交云”。利用云的海量存儲、群體涌現(xiàn)智能、強(qiáng)大的計算能力和物聯(lián)網(wǎng)感知控優(yōu)勢，可以提供面向用戶復(fù)雜分析計算，實現(xiàn)業(yè)務(wù)重點由面向應(yīng)用和資源的傳統(tǒng)信息服務(wù)，轉(zhuǎn)變?yōu)榛趯Ａ哭r(nóng)業(yè)知識進(jìn)行動態(tài)劃分，有目的、主動、定制、自組織推送給有需求的農(nóng)業(yè)用戶，為農(nóng)業(yè)用戶提供實時性、個性化知識服務(wù)，指導(dǎo)農(nóng)業(yè)生產(chǎn)過程。

首先以Hadoop+MapReduce+HBaSe分布式框架為處理平臺，對“農(nóng)業(yè)用戶興趣社交云”，融合用戶興趣偏好和社交網(wǎng)絡(luò)進(jìn)行建模，將這些多元用戶信息充分融入推送系統(tǒng)會更好產(chǎn)生推薦結(jié)果；將推薦對象“農(nóng)業(yè)知識聚合云”按農(nóng)業(yè)知識高維性、多樣性、多層次性特征分類聚類為各種知識塊靜態(tài)和動態(tài)元數(shù)據(jù)；通過智能算法推薦和社會網(wǎng)絡(luò)推薦為用戶發(fā)現(xiàn)個性化內(nèi)容；根據(jù)用戶的地理位置、用戶服務(wù)的評價以及云基礎(chǔ)服務(wù)提供商信息將預(yù)測值最高的服務(wù)推送給用戶實現(xiàn)與物理世界的互動（如圖1）。

從以上分析可知，農(nóng)業(yè)云大數(shù)據(jù)自組織區(qū)域推送的關(guān)鍵技術(shù)有用戶興趣模型、推薦對象模型，推薦算法、數(shù)據(jù)挖掘四個部分，以下分別對這幾項技術(shù)進(jìn)行論述。

1.2.1 用戶興趣模型

用戶興趣建模是個性化服務(wù)技術(shù)的基礎(chǔ)和核心，包括數(shù)據(jù)收集、模型表示、模型學(xué)習(xí)與模型更新。用戶興趣建模的方法有很多，常用的有向量空間模型、神經(jīng)網(wǎng)絡(luò)、遺傳算法、用戶一項目評價矩陣、基于案例的表示、基于本體論的表示、基于加權(quán)關(guān)鍵詞的表示，基于社會網(wǎng)絡(luò)的表示等。幾乎每種表示形式都是以一種私有形式進(jìn)行知識表示，此外一些表示技術(shù)還依賴于模型學(xué)習(xí)，如廣泛使用的基于向量空間模型的表示與TF-IDF學(xué)習(xí)技術(shù)聯(lián)系在一起。表示形式的私有性和對學(xué)習(xí)技術(shù)的依賴性阻礙了用戶模型在系統(tǒng)間的共享，這種共享對于減少用戶建模工作量，提高推薦算法啟動效率具有重要意義。因此開發(fā)獨立于模型學(xué)習(xí)技術(shù)的通用用戶模型表示技術(shù)是目前研究中熱點，基于語義網(wǎng)和社交網(wǎng)絡(luò)的用戶模型在這方面表現(xiàn)了優(yōu)勢。

用戶的興趣或需求會隨時間、情景發(fā)生變化，結(jié)合長期和短期興趣及興趣的變化用戶興趣建模的重點，目前的更新機(jī)制很難及時跟蹤用戶興趣的變化，有更好的學(xué)習(xí)效率和動態(tài)變化適應(yīng)能力的建模是未來的重要研究方向，國內(nèi)外大量的文獻(xiàn)對此展開了研究，遺忘函數(shù)、時間窗、用戶興趣的漂移特性等被提出。

在湖南農(nóng)業(yè)云中，基于呼叫中心、互聯(lián)網(wǎng)，手機(jī)報、手機(jī)短信，電視廣播等用戶在多應(yīng)用系統(tǒng)中形成的興趣偏好和社交網(wǎng)絡(luò)特征，提出“農(nóng)業(yè)用戶興趣社交云”建模思路：以圖論模型表示用戶“興趣圖”數(shù)據(jù)和“社交圖”數(shù)據(jù)，根據(jù)經(jīng)典的局域世界演化理論，綜合考慮實際情況中用戶之間的多重關(guān)系和關(guān)系的強(qiáng)弱程度，以用戶之間相似度為節(jié)點連接概率因素，生成動態(tài)多維網(wǎng)絡(luò)，進(jìn)行用戶數(shù)據(jù)的挖掘和更新；結(jié)合農(nóng)業(yè)本體，在多維社交網(wǎng)絡(luò)的基礎(chǔ)上，將基于農(nóng)業(yè)本體的區(qū)域用戶興趣融合在云計算平臺上進(jìn)行處理。

1.2.2 推薦對象模型

推薦本質(zhì)上是將推薦對象的特征與用戶的興趣偏好進(jìn)行推薦計算，所以推薦對象的描述和用戶的描述密切相關(guān)。推薦系統(tǒng)應(yīng)用不同領(lǐng)域，它推薦的對象也就各不相同，目前，湖南農(nóng)業(yè)云主要是文本性數(shù)據(jù)；不同的對象，特征也不相同，目前沒有一個統(tǒng)一的標(biāo)準(zhǔn)來進(jìn)行統(tǒng)一描述，主要有基于內(nèi)容、分類、聚類的方法。

基于內(nèi)容的方法是從對象本身抽取信息表示對象，常見的是向量空間模型，使用最廣泛的是加權(quán)關(guān)鍵詞矢量方法進(jìn)行特征選取，使用TFIDF計算每個特征的權(quán)值。向量空間模型對模型中的特征詞進(jìn)行權(quán)重估計（TF-IDF）過程中不考慮特征詞之間的相關(guān)性，直接用特征詞作為維度構(gòu)建文檔向量，降低了文檔向量對文檔概念表達(dá)的準(zhǔn)確性以及對不同類型文檔的區(qū)分能力。

基于分類的方法是把推薦對象放入不同類別，把同類文檔推薦給對該類文檔感興趣的用戶。主要有兩種，一種是基于知識工程的方法，使專家的類別知識直接編碼為分類規(guī)則，正確率和召回率高，但工作量大；近期研究最多的是另一種一機(jī)器學(xué)習(xí)，根據(jù)訓(xùn)練樣本集建立分類器，方法有很多，常見的有概率分類、貝葉斯回歸分析、決策樹分類器、決策規(guī)則分類器、Rocchio分類器、神經(jīng)網(wǎng)絡(luò)分類器、支持向量機(jī)（SVM）、分類器融合、Boosting分類器、k最近鄰方法（KNN）等。

研究文本聚類的最初目的是為了提高信息檢索的查全率和查準(zhǔn)率，近年來，文本聚類用于自動產(chǎn)生文本的多層次的類，并利用這些新生成的類對新文本進(jìn)行效率較好的歸類，已經(jīng)提出了大量的文本聚類算法。傳統(tǒng)的聚類算法在處理高維和海量文本時效率不很理想。針對這樣的問題，將聚類分析與計算智能理論，并行計算、云計算等相結(jié)合，設(shè)計出高效的并行聚類算法，己經(jīng)成為一個比較流行的研究思路。

在湖南農(nóng)業(yè)知識云數(shù)據(jù)模型中，將能更好反映特征詞相關(guān)性的超圖模型引入，將文檔中提取的特征項表示為圖中節(jié)點，特征詞條之間的關(guān)系構(gòu)成圖中邊，用邊上權(quán)值表示相關(guān)聯(lián)特征項之間共現(xiàn)程度。通過對文本圖模型K最近鄰劃分實現(xiàn)降維降噪的粗粒度數(shù)據(jù)切片；對切片后數(shù)據(jù)反映用戶興趣如地域、時間、訴求等多維度特征的智能聚類，實現(xiàn)細(xì)粒度的聚合與分割。

“農(nóng)業(yè)知識聚合云”模型算法建立在基于MapReduce處理的大規(guī)模圖上，得到各種知識塊靜態(tài)和動態(tài)元數(shù)據(jù)。

1.2.3 推薦算法

推薦算法是整個推薦系統(tǒng)中核心部分，大量的論文和著作都關(guān)注了這個方面。目前，基本包括以下幾種：基于內(nèi)容過濾推薦、協(xié)同過濾推薦、基于關(guān)聯(lián)推薦、基于知識推薦、基于效用推薦、基于網(wǎng)絡(luò)結(jié)構(gòu)推薦、基于聚類推薦、基于社會網(wǎng)絡(luò)分析推薦、混合型推薦等。通過對眾多推薦算法進(jìn)行比較分析，各種算法都有優(yōu)缺點（如表1）：

各種推薦方法都有各自的優(yōu)缺點，在實際問題中采用多種策略進(jìn)行混合推薦，主要有兩種混合思路：推薦結(jié)果混合和推薦算法混合。目前大部分的推薦算法都是混合推薦算法，主要還是以協(xié)同理論為核心，再配合其他算法的優(yōu)點或交叉學(xué)科的理論來改善推薦的質(zhì)量。另外基于社會網(wǎng)絡(luò)個性化推薦算法研究是一個趨勢，基于社會網(wǎng)絡(luò)的推薦是協(xié)同過濾的延伸，通過考察結(jié)點之間（用戶和用戶之間或產(chǎn)品之間）的相關(guān)性和結(jié)點之間的信任度可以獲得比一般協(xié)同推薦更高推薦效果，如文獻(xiàn)提出將社會網(wǎng)絡(luò)關(guān)系結(jié)合到推薦算法中?？v觀國內(nèi)外在推薦算法上的研究，主要集中在基于用戶顯性評分?jǐn)?shù)據(jù)的協(xié)同過濾算法上，對基于非顯性評分行為數(shù)據(jù)場景下的研究卻顯得有點不足。目前在擴(kuò)展性問題上學(xué)術(shù)研究不是很具有針對性，主要集中在通過各種交叉學(xué)科中的方法來對用戶進(jìn)行聚類或?qū)π袨閿?shù)據(jù)進(jìn)行降維、壓縮等縮短推薦的項目集或減少計算量，從而提升算法的性能；有關(guān)基于云平臺上的推薦算法研究目前主要集中于協(xié)同過濾算法MapReduce化。而實際應(yīng)用中，己出現(xiàn)利用分布式集群解決算法擴(kuò)展性方法，如Google News的推薦算法就是部署在分布式環(huán)境下，從而滿足海量數(shù)據(jù)下的推薦服務(wù)。

根據(jù)農(nóng)業(yè)云大數(shù)據(jù)自組織區(qū)域推送實際情況將推薦結(jié)果和推薦算法混合，提出“三層推薦”策略：在豐富的知識塊云元數(shù)據(jù)基礎(chǔ)上，將知識塊屬性和用戶興趣行為基于頻繁模式的知識關(guān)聯(lián)撮合推薦；通過復(fù)雜網(wǎng)絡(luò)聚類算法識別一個用戶多個社區(qū)興趣，融合“興趣圖”和“社交圖”協(xié)同過濾推薦，突破算法推薦的局限性，讓用戶信任的朋友圈子為其發(fā)現(xiàn)和推薦內(nèi)容，取得社交推薦的時效性和算法推薦的長尾性之間的互補，從而針對每個社區(qū)成員提供精準(zhǔn)個性化推薦；根據(jù)基礎(chǔ)設(shè)施服務(wù)供應(yīng)商、用戶所在的地理位置以及用戶對服務(wù)可用性評價值的相似性等，將大量用戶云終端聚類為一定數(shù)量的社區(qū)，提高云端推送服務(wù)的有效性，最終形成通過大眾參與，支持云間變換，集電信網(wǎng)、廣播電視網(wǎng)、互聯(lián)網(wǎng)合一的自組織區(qū)域推送，較有效地處理一般推薦算法中存在的稀疏性、冷啟動以及大規(guī)模實時計算的問題。

1.2.4 云計算下個性化數(shù)據(jù)挖掘

數(shù)據(jù)挖掘采用了多種領(lǐng)域中的思想，包括來自統(tǒng)計學(xué)的抽樣、估計、假設(shè)檢驗以及人工智能、模式識別和機(jī)器學(xué)習(xí)的搜索算法、建模技術(shù)和學(xué)習(xí)理論。隨著數(shù)據(jù)挖掘的不斷發(fā)展，也采用了包括最優(yōu)化、進(jìn)化計算、信息論、信號處理、可視化、信息檢索、云計算、并行計算等技術(shù)。與傳統(tǒng)的數(shù)據(jù)挖掘相比，云計算下的個性化數(shù)據(jù)挖掘的目標(biāo)，就是通過云計算中心，向用戶提供針對其即時演化需求的數(shù)據(jù)挖掘SaaS（Software as aService，軟件即服務(wù)）服務(wù)，其基礎(chǔ)問題主要為：對于用戶不同的數(shù)據(jù)挖掘需求以及針對用戶特點進(jìn)行個性推薦的建模和表征；數(shù)據(jù)挖掘算法適應(yīng)云計算的并行分布式化；使數(shù)據(jù)挖掘的結(jié)果和算法能夠支持云間變換并形成一種面向用戶、即時組合的、變粒度的云服務(wù)，其中數(shù)據(jù)挖掘的云服務(wù)化是研究的難點。

（1）云計算下個性推薦的建模和表征

云下的個性推薦建模和表征與傳統(tǒng)上個性化推薦明顯的不同在于海量異構(gòu)大數(shù)據(jù)和用戶間群體涌現(xiàn)的社交網(wǎng)絡(luò)，它們本質(zhì)上形成了多個頂點的大規(guī)模圖。云計算可以為大規(guī)模個性化提供技術(shù)支撐，云服務(wù)本身也有大規(guī)模個性化定制應(yīng)用需求，目前研究兩者結(jié)合的文獻(xiàn)還很少，張澤華從計算資源的角度基于復(fù)雜系統(tǒng)理論對云計算聯(lián)盟體系結(jié)構(gòu)進(jìn)行建模，并基于蟻群優(yōu)化算法和復(fù)雜系統(tǒng)理論進(jìn)行了負(fù)載均衡研究；郭昱就有效處理客戶需求信息該如何選擇與分布云計算平臺中的關(guān)鍵節(jié)點問題，提出了基于云計算的大規(guī)模定制客戶需求模型。趙東杰對復(fù)雜網(wǎng)絡(luò)、數(shù)據(jù)挖掘與群體智能有效結(jié)合進(jìn)行了探索研究。農(nóng)業(yè)云大數(shù)據(jù)自組織推送通過“農(nóng)業(yè)知識聚合云”分解的靜態(tài)、動態(tài)知識元數(shù)據(jù)和“農(nóng)業(yè)用戶興趣社交云”形成的興趣圖、社交圖基于用戶行為和知識元數(shù)據(jù)的關(guān)聯(lián)撮合，通過人工智能和社交圈子幫助用戶發(fā)現(xiàn)內(nèi)容，實現(xiàn)搜索和推薦的無縫結(jié)合，為智能個性化推薦實現(xiàn)“內(nèi)容找人”愿景。

（2）算法并行分布式與高性能計算

對于大規(guī)模數(shù)據(jù)的處理，典型系統(tǒng)結(jié)構(gòu)大致分為三類：基于MapReduce模型的分布式并行處理系統(tǒng)、基于BSP模型的分布式并行處理系統(tǒng)和分布式圖數(shù)據(jù)庫系統(tǒng)。數(shù)據(jù)挖掘算法現(xiàn)在的發(fā)展趨勢是基于云計算的并行數(shù)據(jù)挖掘，它的同一個算法可以分布在多個節(jié)點上，多個算法之間是并行的，多個資源實行按需分配，而且分布式計算模型采用云計算模式，數(shù)據(jù)用DFS或者HBASE，編程模式采用MapReduce這種方式。Bhaduri等整理了一個十分詳盡的并行數(shù)據(jù)挖掘算法文獻(xiàn)目錄，包含了關(guān)聯(lián)規(guī)則學(xué)習(xí)、分類、聚類、流數(shù)據(jù)挖掘四大類分布式數(shù)據(jù)挖掘算法，同時還包括分布式系統(tǒng)、隱私保護(hù)等相關(guān)的研究工作。

2 基于云計算推薦系統(tǒng)研究的重點、難點與熱點

2.1 云環(huán)境下用戶偏好獲取安全與可信問題

推薦系統(tǒng)中，用戶數(shù)據(jù)集的數(shù)量和質(zhì)量問題，影響用戶模型的精確度、可用性，導(dǎo)致問題的根本原因在于用戶對隱私和安全的考慮。而云環(huán)境下，數(shù)據(jù)的安全與隱私是用戶非常關(guān)心的問題。既能得到準(zhǔn)確用戶信息而提高推薦系統(tǒng)性能，又能有效保護(hù)用戶信息同時檢測并能預(yù)防推薦攻擊（一些不法的用戶為了提高或降低某些對象的推薦概率，惡意捏造用戶評分?jǐn)?shù)據(jù)而達(dá)到目的）將是未來推薦系統(tǒng)的一個重要研究方向。

2.2 模型過擬合問題

過擬合現(xiàn)象是指系統(tǒng)推薦給用戶的對象與用戶剛剛看過的不是太相似或者太不相關(guān)。過擬合（過學(xué)習(xí)）的問題本質(zhì)上來自于數(shù)據(jù)的不完備性，這在實際應(yīng)用中是無法完全避免的。在于興趣偏好獲取方式或隱私等原因使用戶沒有對足夠多類別的對象進(jìn)行評價。目前解決的主要方法是引入隨機(jī)性，使推薦算法收斂到全局最優(yōu)或者逼近全局最優(yōu)，關(guān)于既要保證推薦的多樣性，又不能與用戶看過的對象重復(fù)或毫不相關(guān)這一問題的研究是推薦系統(tǒng)研究的一個難點和重點。

2.3 稀疏性與冷啟動問題

稀疏性和冷啟動問題困擾推薦系統(tǒng)很長時間了，前者的解決辦法主要過濾和降維。目前針對冷啟動問題提出了一些解決方法，主要分為兩大方面，一是直接利用傳統(tǒng)協(xié)同過濾的評分?jǐn)?shù)據(jù)結(jié)合特定的方法進(jìn)行解決，二是新用戶或新項目的內(nèi)容屬性信息與傳統(tǒng)的協(xié)同過濾評分?jǐn)?shù)據(jù)相結(jié)合的方法進(jìn)行改善冷啟動問題。稀疏性與冷啟動問題一直是推薦系統(tǒng)研究的一個難點和重點。

2.4 數(shù)據(jù)挖掘的結(jié)果和算法智能服務(wù)化

將數(shù)據(jù)挖掘算法融入針對海量用戶的使用記錄和計算資源間協(xié)作進(jìn)行優(yōu)化組合，利用這些特性通過大眾參與的交互作用，提高云間服務(wù)的智能性、有效性將是大數(shù)據(jù)時代推薦系統(tǒng)研究的一個制高點。將數(shù)據(jù)挖掘任務(wù)及其實現(xiàn)算法服務(wù)化，通過SaaS方式向云計算中心索取所需的相應(yīng)的數(shù)據(jù)挖掘，這可能是目前突破數(shù)據(jù)挖掘?qū)Ｓ密浖褂瞄T檻過高、普通大眾難以觸及、企業(yè)用戶使用成本太大、挖掘算法和結(jié)果難以實時得到評價和相應(yīng)修改等問題的最有希望的解決方案之一，也是數(shù)據(jù)挖掘走向互聯(lián)網(wǎng)大眾、走向?qū)嵱没闹匾囊徊健?/p>

2.5 大數(shù)據(jù)處理與增量計算問題

目前對大數(shù)據(jù)的研究仍處于一個非常初步的階段，半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)給傳統(tǒng)的數(shù)據(jù)分析帶來巨大挑戰(zhàn)，尤其算法如何快速高效地處理推薦系統(tǒng)海量和稀疏的數(shù)據(jù)成為迫在眉睫的問題。當(dāng)產(chǎn)生新的數(shù)據(jù)時，算法的結(jié)果不需要在整個數(shù)據(jù)集上重新進(jìn)行計算，而只需考慮增量部分，對原有的結(jié)果進(jìn)行微調(diào)，快速得到準(zhǔn)確的新結(jié)果，是增量計算的理想狀態(tài)。但一般而言，隨著信息量的增多，算法的誤差會累積變大，最終每過一段時間還是需要利用全局?jǐn)?shù)據(jù)重新進(jìn)行計算。一個特別困難的挑戰(zhàn)是如何設(shè)計一種能夠保證其誤差不會累積的算法，也就是說其結(jié)果與利用全部數(shù)據(jù)重新計算的結(jié)果之間的差異不會單調(diào)上升，要達(dá)到這種程度，還有很長的路要走。

結(jié)束語：

隨著新一代信息技術(shù)的快速發(fā)展和信息內(nèi)容的日益增長，搭載在云計算平臺的自組織區(qū)域推送具有它天然的優(yōu)勢：云的海量存儲使得推薦系統(tǒng)能有效獲取訓(xùn)練數(shù)據(jù)；云的分布式計算能力提供了較高的響應(yīng)能力；海量用戶的使用記錄和計算資源問大眾參與的交互涌現(xiàn)，最終形成自組織優(yōu)化組合的智能個性化云推送。因此，農(nóng)業(yè)云自組織區(qū)域推送具有重要的研究意義和廣闊的應(yīng)用前景，對云環(huán)境下其他領(lǐng)域的個性化推送應(yīng)用具有借鑒意義，但目前存在大量問題需要進(jìn)行深入細(xì)致的研究。

參考文獻(xiàn)

[1]孟祥武，胡勛，王立才，張玉潔，移動推薦系統(tǒng)及其應(yīng)用[J]，軟件學(xué)報，2013，24（1）：91-108

[2]楊濤，基于本體的農(nóng)業(yè)領(lǐng)域知識服務(wù)若干關(guān)鍵技術(shù)研究[D]，上海：復(fù)旦大學(xué)計算機(jī)科學(xué)技術(shù)學(xué)院博士論文，2011，1-50

[3]楊曉蓉，分布式農(nóng)業(yè)科技信息共享關(guān)鍵技術(shù)研究與應(yīng)用[D]，北京：中國農(nóng)業(yè)科學(xué)院博士學(xué)位論文，2011，3-35

[4]趙春江，農(nóng)業(yè)智能系統(tǒng)[M]，北京：科學(xué)出版社，2009，1-210，

[5]何清，物聯(lián)網(wǎng)與數(shù)據(jù)挖掘云服務(wù)[J]，智能系統(tǒng)學(xué)報，2012，7（3）：1-5，

[6]黃衛(wèi)東，于瑞強(qiáng)，共享學(xué)習(xí)模式下知識服務(wù)云平臺的構(gòu)建研究[J]，電信科學(xué)，2011，12：6-11

[7]丁靜，楊善林，羅賀，丁帥，云計算環(huán)境下的數(shù)據(jù)挖掘服務(wù)模式[J]，計算機(jī)科學(xué)，2012，39（6）：217-219，237

[8]鄧仲華，錢劍紅，陸穎雋，國內(nèi)圖書情報領(lǐng)域云計算研究分析[J]，信息資源管理學(xué)報，2012，2：10-16

[9]胡安瑞，張霖，陶飛，羅永亮，基于知識的云制造資源服務(wù)管理[J]同濟(jì)大學(xué)學(xué)報（自然科學(xué)版），2012，40（7）：1093-1101

[10]程功勛，劉麗蘭，林智奇，俞濤，面向用戶偏好的智能云服務(wù)平臺研究[J]，中國機(jī)械工程，2012，23（11）：1318-1323，1336

[11]劉波，方逵，沈岳，可重構(gòu)的農(nóng)業(yè)知識服務(wù)模式研究[J]農(nóng)機(jī)化研究，2011，36（11）：66-70

[12]趙星，廖桂平，史曉慧，陳誠，李文圃，物聯(lián)網(wǎng)與云計算環(huán)境下的農(nóng)業(yè)信息服務(wù)模式構(gòu)建[J]，農(nóng)機(jī)化研究，2012，4：142-147

[13]郭永田，中國農(nóng)業(yè)農(nóng)村信息化發(fā)展成效與展望[J]，電子政務(wù)，2012，02-03：99-106

[14]李道亮，中國農(nóng)業(yè)農(nóng)村信息化發(fā)展報告（2011）[M]，北京：電子工業(yè)出版，2012，87-150

[15]錢平，鄭業(yè)魯，農(nóng)業(yè)木體論研究與應(yīng)用[M]，北京：中國農(nóng)業(yè)科學(xué)技術(shù)出版社，2006，1-100

[16]吳麗花，劉魯，個性化推薦系統(tǒng)用戶建模技術(shù)綜述[J]，情報學(xué)報，2006，25（2）：55-62

[17]李珊，個性化服務(wù)中用戶興趣建模與更新研究[J]，情報學(xué)報，2010，29（1）：67-71

[18]王國霞，劉賀平，個性化推薦系統(tǒng)綜述[J]，計算機(jī)工程與應(yīng)用，2012，48（7）：66-76

[19]王巧容，趙海燕，曹健，個性化服務(wù)中的用戶建模技術(shù)[J]，小型微型計算機(jī)系統(tǒng)，2011，32（1）：39-46

軟件雜志歡迎推薦投稿：http：///

[20]張華清，動態(tài)多維社會網(wǎng)絡(luò)中個性化推薦方法研究[D]，濟(jì)南：山東師范大學(xué)碩士學(xué)位論文，2012，16-31

[21]丹，面向跨系統(tǒng)個性化服務(wù)的用戶建模方法研究[J]_情報雜志，2012，31（6）：156-161

[22]鄧夏瑋，基于社交網(wǎng)絡(luò)的用戶行為研究[D]，北京：北京交通大學(xué)碩士學(xué)位論文，2012，4-43

[23]馬堯，基于多維用戶特征建模的個性化社交搜索引擎的設(shè)計與實現(xiàn)[D]，廣州：華南理工大學(xué)碩士學(xué)位論文，2012，12-55

[24]陳恩紅，徐童，田繼雷，楊禹，移動情景感知的個性化推薦技術(shù)[J]，中國計算機(jī)學(xué)會通訊，2013，9（3）：19-24

[25]Jong Hwa Kima，b，，Hyun JoonLeeb，Extraction of user profile based on workflow and information flow[J]，Expert Systems with Applications，2012，39（5）：5478-5487

[26]南智敏，錢松榮，引入漂移特性的用戶興趣模型優(yōu)化研究[J]，微型電腦應(yīng)用，2012，28（3）：30-32

[27]郭新明，弋改珍，混合模型的用戶興趣漂移算法[J]，智能系統(tǒng)學(xué)報，2010，5（2）：181-184

[28]程顯毅，朱倩，文本挖掘原理[M]，北京：科學(xué)出版社，2010，9-45 [29]李濤，推薦系統(tǒng)中若干關(guān)鍵問題研究[D]，南京：南京航空航天大學(xué)博士學(xué)位論文，2009，31-80

[30]姜倫，模糊聚類算法及其在中文文本聚類中的研究與實現(xiàn)[D]，哈爾濱：哈爾濱理工大學(xué)碩士學(xué)位論文，2010，18-48

[31]馮汝偉，謝強(qiáng)，丁秋林，基于文本聚類與分布式Lucene的知識檢索[J]，計算機(jī)應(yīng)用，2013，33（1）：186-188

[32]陶紅，周永梅，高尚，一種基于語義相似度的群智能文本聚類的新方法[J]計算機(jī)應(yīng)用研究，2012，29（2）：482-532

[33]孟海東，劉小榮，基于聚類分析的圖模型文檔分類[J]計算機(jī)應(yīng)用與軟件，2012，29（1）：117-174，229

[34]饒君，張仁波，東呈曉，吳斌，基于MapReduce的大規(guī)模圖挖掘并行計算模型[J]，應(yīng)用科技，2012，39（3）：56-60

[35]于戈，谷峪，鮑玉斌，王志剛，云計算環(huán)境下的大規(guī)模圖數(shù)據(jù)處理技術(shù)[J]，計算機(jī)學(xué)報，2011，34（10）：1753-1767

[36]呂善國，吳效葵，曹義親，基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法[J]_實驗室研究與探索，2012，31（7）：278-280，368

[37]周佳，羅鐵堅，一種基于內(nèi)容關(guān)聯(lián)的學(xué)術(shù)資源協(xié)同推薦算法[J]，中國科學(xué)院研究生院學(xué)報，2013，30（1）：117-123

[38]唐曉波，張昭，基于混合圖的在線社交網(wǎng)絡(luò)個性化推薦系統(tǒng)研究[J]情報理論與實踐，2013，36（2）：91-95

[39]王立才，孟祥武，張玉潔，上下文感知推薦系統(tǒng)[J]，軟件學(xué)報，2012，23（1）：1-20

[40]劉建國，周濤，汪秉宏，個性化推薦系統(tǒng)的研究進(jìn)展[J]，自然科學(xué)通報，2009，19（1）：1-15

[41]許海玲，吳瀟，李曉東，閻保平，互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J]軟件學(xué)報，2009，20（2）：350-362

[42]孫冬婷，何濤，張福海，推薦系統(tǒng)中的冷啟動問題研究綜述[J]，計算機(jī)與現(xiàn)代化，2012，5：59-63

[43]張亮，基于聚類技術(shù)的推薦算法研究[D]，成都：電子科技大學(xué)碩士學(xué)位論文，2012，7-18

[44]Liu， F.，Lee， H.J. Use of social network information to enhance collaborative filterinperformance.Expert[J] Systems with Applications. 2010， 37（7）：4772-4778.

[45]Jiang， J.， Lu， J.， Zhang， G.， Long， G. Scaling- Up Item-Based CollaborativeFiltering Recommendation Algorithm Based on Hadoop[C].2011 IEEE World Congress onServices.IEEE[A]. 2011， 490-497.

[46]周源，基于云計算的推薦算法研究[D]，成都：電子科技大學(xué)碩士學(xué)位論文，2012，26-64

[47]呂雪驥，基于云計算平臺的智能推薦系統(tǒng)研究[D]，合肥：安徽大學(xué)碩士學(xué)位論文，2012，25-43

[48]劉晨，改進(jìn)的聚類挖掘算法對網(wǎng)絡(luò)自助出版“長尾”文本的推薦應(yīng)用[D]，上海：復(fù)旦大學(xué)碩士學(xué)位論文，2011，10-19

[49]陳桂生，張海粟，劉玉超，云計算下的個性化數(shù)據(jù)挖掘服務(wù)[EB/OL]，[2011-2-28]中國人工智能學(xué)會通訊，http：//www，/contents/50/119，html

[50]張澤華，云計算聯(lián)盟建模及實現(xiàn)的關(guān)鍵技術(shù)研究[D]，昆明：云南大學(xué)博士學(xué)位論文，2012，26-114

[51]郭昱，吳清烈，基于云計算的大規(guī)模定制客戶需求響應(yīng)模型及其節(jié)點的選擇與分布[J]，系統(tǒng)工程理論與實踐，2011，31（增刊2）：1-6

[52]趙東杰，張海粟，韓言妮，楊海濤，何宇，基于網(wǎng)絡(luò)化數(shù)據(jù)挖掘的群體智能研究方法[C]，Proceedings of 2010 The 3rdInternational Conference on Computational Intelligence andIndustrial Application（Volume 9）.IEEE[A].2010，239-243.

[53]AnandRajaraman，Jeffrey David Ullman著，王斌譯，互聯(lián)網(wǎng)大規(guī)模數(shù)據(jù)挖掘與分布式處理[M]，北京：人民郵電出版社，2012，1-253

[54]Bhaduri K， Das K， Liu Kun， et al. Distributed data mining bibliography[EB/OL]. [2011-01-03]. http：// cs. umbc. edu/～hillol/DDMBIB/

[55]楊健，汪海航，王劍，俞定國，云計算安全問題研究綜述[J]，小型微型計算機(jī)系統(tǒng)，2012，33（3）：472-479