基于半监督机器学习的数控机床领域关键技术识别研究

发布时间：2020-10-30 22:37

　　 2015年,中国工程院启动了“中国工程科技2035发展战略研究”项目,拟提出面向未来二十年的中国工程科技领域技术清单,支持中国工程科技战略布局。关键技术识别是制定数控机床领域技术清单的核心步骤。目前基于专家经验和文献计量分析的关键技术识别方法存在识别周期长、主观性大、技术所属领域不明确、技术识别不全面等问题。针对这些问题,本文进行了一系列的改进。本文首先提出了融合专家知识的交互式主题模型,并对数控机床全领域论文数据进行了关键技术识别,解决了“识别周期长、主观性大”的问题。为了改进仅采用交互式主题模型进行关键技术识别的不足,本文提出了融合文本级must-link知识的TM-GSDMM半监督文本聚类算法,并对数控机床领域论文数据进行划分,得到了数控系统、工艺系统、智能化、网络化、机床部件五个子领域,解决了“技术所属领域不明确”的问题。为了对子领域论文数据进行关键技术识别,本文提出了融合词语级must-link知识的WM-ATM半监督作者主题模型,并分别对五个子领域进行了关键技术识别,解决了“技术识别不全面”的问题。最后,基于本文提出的方法总结出了全领域关键技术识别、技术领域划分与子领域关键技术识别支持技术清单制定的流程,依此搭建了“聚类清单工具”,在中国工程院中长期项目组被广泛使用;并以数控机床全领域的论文数据为输入,输出了数控机床领域技术清单,得到了专家认可。
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP181;TG659
【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 课题来源
    1.2 课题背景和意义
    1.3 国内外研究现状
        1.3.1 技术预见与技术清单制定
        1.3.2 关键技术识别与主题模型
        1.3.3 技术领域划分与文本聚类
    1.4 本文主要研究内容
    1.5 本文组织结构
2 基于交互式主题模型的全领域关键技术识别方法
    2.1 交互式主题模型进行关键技术识别的优势与流程
        2.1.1 交互式主题模型的优势
        2.1.2 关键技术识别的流程
    2.2 交互式主题模型进行关键技术识别方案设计
        2.2.1 交互式主题模型原理
        2.2.2 应用方案
    2.3 数控机床领域关键技术识别
        2.3.1 数据下载
        2.3.2 数据处理
        2.3.3 关键技术识别结果
    2.4 上述方案存在的不足
    2.5 本章小结
3 基于TM-GSDMM文本聚类算法的技术领域划分方法
    3.1 文本聚类算法用于技术领域划分的优势与流程
    3.2 GSDMM文本聚类算法
        3.2.1 算法原理
        3.2.2 存在问题
    3.3 引入文本级知识的TM-GSDMM文本聚类算法
        3.3.1 改进原理
        3.3.2 基于词向量的文本级must-link知识生成
    3.4 基于TM-GSDMM进行技术领域划分的实验验证
        3.4.1 实验数据
        3.4.2 评价指标
        3.4.3 实验方案
        3.4.4 实验结论
    3.5 本章总结
4 基于WM-ATM作者主题模型的子领域关键技术识别方法
    4.1 作者主题模型用于关键技术识别的优势与流程
    4.2 ATM作者主题模型
        4.2.1 算法原理
        4.2.2 存在问题
    4.3 引入词语级知识的WM-ATM作者主题模型
        4.3.1 改进原理
        4.3.2 基于词向量的词语级must-link知识生成
        4.3.3 应用方式
    4.4 基于WM-ATM进行关键技术识别的实验验证
        4.4.1 实验数据
        4.4.2 评价指标
        4.4.3 实验方案
        4.4.4 实验结论
    4.5 本章小结
5 研究方法在数控机床领域技术清单制定中的应用
    5.1 研究方法支持技术清单制定的流程
    5.2 数控机床全领域关键技术识别
        5.2.1 关键技术识别
        5.2.2 技术趋势分析
    5.3 数控机床技术领域划分
    5.4 数控机床子领域关键技术识别
    5.5 数控机床领域技术清单制定
    5.6 本章小结
6 全文总结与展望
    6.1 全文总结
    6.2 研究展望
致谢
参考文献
附录 A 检索式
附录 B 研究成果

【参考文献】

相关期刊论文 前10条

1 沙振江;张蓉;刘桂锋;;国内技术预见方法研究述评[J];情报理论与实践;2015年06期

2 孙粒;龚旭;;中国工程科技2035发展战略研究正式启动[J];中国科学基金;2015年03期

3 任真;;韩国科技规划制定方法与启示[J];图书情报工作;2013年23期

4 徐磊;;技术预见方法的探索与实践思考——基于德尔菲法和技术路线图的对接[J];科学学与科学技术管理;2011年11期

5 赖玉霞;刘建平;杨国兴;;基于遗传算法的K均值聚类分析[J];计算机工程;2008年20期

6 袁志彬;任中保;;德尔菲法在技术预见中的应用与思考[J];科技管理研究;2006年10期

7 王敞;陈增强;袁著祉;;基于遗传算法的K均值聚类分析[J];计算机科学;2003年02期

8 任奔;技术预见在德国[J];世界科学;2002年06期

9 周水庚,范晔,周傲英;基于数据取样的DBSCAN算法[J];小型微型计算机系统;2000年12期

10 周水庚,周傲英,曹晶;基于数据分区的DBSCAN算法[J];计算机研究与发展;2000年10期

相关硕士学位论文 前2条

1 王秋秋;基于共引的科技文献聚类算法的研究与应用[D];浙江工业大学;2017年

2 王伟;文献计量法在技术预见中的应用[D];大连理工大学;2008年

本文编号：2863093