基于事件可拓逻辑的大数据跨时域分析方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 大数据的发展现状 | 第9-10页 |
| 1.2.1 大数据的常用场景 | 第9-10页 |
| 1.2.2 机器学习发展现状 | 第10页 |
| 1.3 可拓学发展现状 | 第10-11页 |
| 1.4 应用场景 | 第11页 |
| 1.5 研究内容 | 第11页 |
| 1.6 作者研究生期间项目经历 | 第11-12页 |
| 1.7 论文的主要结构 | 第12-13页 |
| 第二章 可拓学基本理论分析 | 第13-19页 |
| 2.1 可拓学基本理论先导 | 第13页 |
| 2.2 可拓学基元和复合元理论概论 | 第13-15页 |
| 2.2.1 物元 | 第13-14页 |
| 2.2.2 事元 | 第14页 |
| 2.2.3 关系元 | 第14-15页 |
| 2.2.4 复合元 | 第15页 |
| 2.3 可拓变换 | 第15-17页 |
| 2.3.1 可拓变换 | 第15-17页 |
| 2.3.2 可拓变换的类型 | 第17页 |
| 2.4 可拓集合 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 大数据和人工智能发展及应用 | 第19-28页 |
| 3.1 大数据技术综述 | 第19-23页 |
| 3.1.1 数据挖掘 | 第19-20页 |
| 3.1.2 数据清洗 | 第20-21页 |
| 3.1.3 大数据存储 | 第21页 |
| 3.1.4 大数据运算 | 第21-23页 |
| 3.1.5 大数据与云计算 | 第23页 |
| 3.2 机器学习 | 第23-26页 |
| 3.3 人工智能 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 凯文·杜兰特转会事件可拓分析 | 第28-43页 |
| 4.1 事件背景 | 第28-29页 |
| 4.1.1 规则解释 | 第28页 |
| 4.1.2 事件基本情况介绍 | 第28-29页 |
| 4.2 事件分析 | 第29-40页 |
| 4.2.1 事件基元分析 | 第29-37页 |
| 4.2.2 相似事件介绍 | 第37-40页 |
| 4.3 事件可拓分析 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 事件进展与方法总结 | 第43-49页 |
| 5.1 态度说明 | 第43-44页 |
| 5.1.1 不支持转会 | 第43页 |
| 5.1.2 支持转会 | 第43-44页 |
| 5.2 物元状态 | 第44-46页 |
| 5.3 可拓分析方法总结 | 第46-47页 |
| 5.4 大数据技术应用前景 | 第47-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49-50页 |
| 6.2 下一步工作展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53页 |
