导读:本文包含了信息瓶颈方法论文开题报告文献综述及选题提纲参考文献，主要关键词:信息技术教育,技术视角,《信息技术教育的理论与方法》,大学英语教学
信息瓶颈方法论文文献综述
王茹[1]（2019）在《信息技术视角下的大学英语教学瓶颈及解决策略——评《信息技术教育的理论与方法》》一文中研究指出随着经济全球化程度的不断加深,社会经济发展需求对高素质英语专业人才的需求与日俱增,大学是我国重要的人才培养阵地,大学英语教学一直是人们关注的焦点。随着社会发展的需要,大学英语教学信息化改革成为顺应时代发展的重要途径。信息技术不断发展,并广泛应用于社会各行各业当中。信息技术成为影响社会经济、文化发展的重要因素。随着时代发展,信息技术融入大学英语教学(本文来源于《中国科技论文》期刊2019年07期）
闫小强[2]（2018）在《多路信息瓶颈方法研究》一文中研究指出信息瓶颈(information bottleneck,IB)方法具有良好的理论基础和较强的数据分析能力,自被提出以来便得到信息编码、机器学习、图像处理、模式识别等领域研究者的关注。然而,随着大数据时代的到来,数据往往以不同来源、模态、空间等多路信息的形式出现,并且多路信息之间呈现出显着的异构特性。如何有效地处理日趋复杂的多源异构数据是IB方法研究面临的主要问题,也是IB方法研究的发展趋势。因此,开展IB方法在多源异构数据中的多路信息处理方面的研究具有重要的理论意义和应用价值,能够进一步拓展IB方法的应用范围,将IB方法推向新的研究阶段。本文针对传统IB方法无法处理多源异构数据的问题,提出多路信息瓶颈(multi-way information bottleneck,多路IB)方法,从多种特征融合、异构特征集成、多任务协作和跨模态公私兼顾四个层面出发,对其相关模型及算法展开研究。主要研究成果如下:(1)针对单一特征无法捕捉到完整数据信息的问题,提出一种基于特征协作的信息瓶颈(feature collaborative information bottleneck,FC-IB)模型。首先,将数据模式的抽取视为数据压缩的过程,通过最大化地保持压缩模式与多种特征变量之间的互信息,构建FC-IB模型的目标函数。其次,采用数据压缩过程中的信息损失作为数据模式抽取的判定条件,并从理论上证明FC-IB模型的目标函数能够得到局部最优解。实验表明,FC-IB算法能够有效地处理数据的多种特征,性能明显优于已有单特征和多特征学习方法。(2)针对数据多种特征之间的异构问题,提出集成信息瓶颈(consensus information bottleneck,CIB)模型。首先,提出基于集成学习的信息度量方法,量化异构特征间的相关性。其次,通过最大化数据多种特征和高层聚类划分之间的关联性,构建CIB模型的目标函数。最后,采用顺序“抽取-合并”优化策略,保证该目标函数收敛到局部最优解。实验表明,CIB算法能够抽取出数据中更加合理的模式结构,其性能明显优于已有的多视角聚类算法和聚类集成算法。(3)针对传统数据分析方法忽略多个相关数据源之间关联性的问题,提出基于信息共享的多任务信息瓶颈(multi-task information bottleneck,MTIB)模型。首先,提出自凝聚信息最大化模型构建多个任务之间的共享特征空间。其次,将多任务聚类问题形式化为最小信息损失函数,一方面尽可能将源数据进行压缩,另一方面最大化地保存模式结构与多任务间的共享信息。最后,提出一种轮转式“抽取-合并”策略保证目标函数收敛到一个局部最优解。实验表明,MTIB算法明显优于传统的单任务聚类算法和典型的多任务聚类算法。(4)针对现有跨模态数据分析方法仅依赖模态间的共享信息,忽略各模态自身的重要信息的问题,提出跨模态的公私兼顾信息最大化(share-private information maximization,SPIM)模型。首先,提出混合单词模型和聚类集成模型构建跨模态数据的公有信息。其次,提出基于信息论的统一化目标函数,在数据分析过程中兼顾跨模态数据的公有和私有信息。最后,采用顺序“抽取-合并”程优化SPIM模型的目标函数,保证其收敛到一个局部最优解。在6种跨媒体数据上的实验结果表明SPIM算法的优越性。(本文来源于《郑州大学》期刊2018-10-01）
贺长征[3]（2018）在《基于瓶颈工序识别的复杂产品综合调度方法与信息系统设计》一文中研究指出随着经济的发展和科学技术的进步,企业生产效率不断提高,产品更迭速度日益加快,客户需求日趋多样化和个性化,多品种、小批量生产成为了企业的主要生产方式。而车间调度是企业生产制造和管理的核心环节之一,优化作业车间排产不仅能够提高企业资源利用率和客户响应速度,而且还可以提高企业的整体生产管理水平,实现满足未来复杂多变市场上多样化和个性化的需求。目前针对多品种、小批量调度管理研究大多是采用传统的调度方法处理,即分为纯加工和纯装配调度问题。这种处理方法在处理具有树状工艺结构的复杂产品,不但割裂产品生产中加工和装配的内在并行性,而且会影响到产品的生产的品质和效率。因此,研究复杂产品的加工和装配并行处理的综合调度问题具有重要的学术价值和工程现实意义。然而,约束理论认为任何生产系统必然存在有瓶颈环节,它控制着整个系统的运作节拍,限制着整个系统的有效最大产出,而且制约着其他环节能力的发挥。要想提高系统的最大产出,对系统中瓶颈进行识别并加以利用和管理是最有效的方式。目前针对瓶颈识别分为先验瓶颈识别和后验瓶颈识别,前者是指在任务开始之前可以快速的识别出系统中的瓶颈信息,后者则是在系统运行一段时间后或已获得最优的调度方法基础上识别系统瓶颈,这极大的降低了瓶颈信息对排产重要指导意义。在瓶颈处理方面也分为两种策略:一是增加瓶颈设备;二是利用瓶颈信息。对于第一种策略由于瓶颈设备大多较为稀缺,价格昂贵,折旧费用高,这将导致着生产成本增加,同时这种策略在出现瓶颈漂移现象即新的瓶颈产生变得不太实用,经济性不高。第二种策略则是在生产任务开始之前快速的识别出瓶颈信息,然后利用TOC理论中瓶颈主导非瓶颈,非瓶颈满足瓶颈生产需要的理念,将瓶颈信息作为生产排产的启发信息加速优化排产,实现资源的合理配置。因此对生产系统的瓶颈环节进行识别并加以利用对于优化排产具有重要的指导意义。本文首先对车间调度中瓶颈识别及利用现状进行总结和分析,指出瓶颈信息作为车间排产的启发信息优化排产的重要作用,同时对复杂产品综合调度研究存在的问题进行了分析,进而提出从系统瓶颈的角度研究复杂产品综合调度问题。其次针对上述的研究方向,提出基于瓶颈工序识别的复杂产品综合调度方法。首先对复杂产品综合调度问题进行描述并建立其数学模型,其次针对作业车间中的瓶颈工序进行了定义,按照此定义采用基于TOC和灵敏度分析的方法进行瓶颈工序的识别并介绍了具体步骤和流程。然后在瓶颈识别的基础上,介绍了基于改进遗传算法求解该问题的总体业务流程和关键技术,主要包括多参数级联编码方法、解码流程以及改进的交叉和变异算子。最后通过实例仿真验证该算法的可行性和优越性。然后,针对实际生产过程中经常会出现一些动态干扰事件,如机器故障、紧急插单、订单优先级变更等情况,对作业车间动态调度进行研究和分析,结合上述研究成果提出基于瓶颈工序的混合重调度策略,针对车间实际中经常出现两类典型事件:机器故障和紧急插单,提出处理流程,并通过实例仿真对所提方法进行有效性和优越性分析。最后,基于以上研究内容和成果,在课题组已开发的MES基础上设计复杂产品综合调度信息系统,主要包括基础信息管理、综合调度数据管理和复杂产品综合调度优化功能,并将该系统在重庆某机械加工车间试运行。(本文来源于《重庆大学》期刊2018-05-01）
李通[4]（2015）在《基于瓶颈设备识别的机械加工车间排产方法及信息系统研究》一文中研究指出生产资源的有限性以及生产系统本身具有的动态波动性和加工相依性,必然造成限制系统有效产出最大化的“瓶颈”现象。瓶颈设备是机械加工车间生产过程中经常遇到的制约整个生产系统产出最大化的生产实际问题。约束理论认为,瓶颈控制着系统的运作,它的存在不仅限制了整个流程的产出速度,而且制约了其它环节生产能力的发挥。瓶颈识别是瓶颈管理的前提,更是生产管理和过程控制的关键和基础。在生产任务执行之前对瓶颈进行快速而有效的先验识别对于优化生产流程,提升生产性能具有重要的指导意义。车间排产作为整个生产管理的核心之一,是决定生产系统表现性能的重要环节。作为典型的组合优化问题,排产问题具有NP-hard特性,如何快速准确地对其进行求解以获得优化的排产方案一直是学术界和工业界研究的热点之一。近年来,生产系统中的瓶颈信息被越来越广泛的作为车间排产问题的启发式信息加以利用。在先验瓶颈识别的基础上,探究怎样将瓶颈信息应用到车间排产问题的求解过程以加速最优排产方案的收敛对于优化车间排产,实现资源合理配置和生产效益最大化具有非常重要的学术和工程意义。本文首先介绍了机加车间瓶颈识别问题的研究现状,针对现有瓶颈识别方法多为后验方法的不足,提出了一种基于约束理论和灵敏度分析的先验瓶颈识别方法。该方法能够在生产任务执行之前、在较短的时间内,预先给出生产系统中不同层次关系的多阶瓶颈机器集合,为接下来的生产计划排程以及相关的生产准备工作提供更多的决策依据,从而更好更快地提升系统性能。在基于约束理论对瓶颈设备进行定义的基础上,首先通过考察生产系统作业指标对机器不同产能改变量下的灵敏度得到设备的瓶颈指数矩阵,然后运用TOPSIS决策法得到设备的综合瓶颈指数,以此为识别依据,基于聚类思想,通过聚类分析得到不同层次下的瓶颈设备集。最后,通过选择移动瓶颈法和瓶颈簇识别法对不同规模的JSP标准问题进行仿真比较,证明了本文方法在识别结果上的有效性和识别效率上的优越性。然后,将瓶颈信息作为车间排产问题的启发式信息,提出了一种基于瓶颈设备识别的机械加工车间排产算法。首先建立了基于瓶颈设备识别的机械加工车间排产问题的数学模型,然后介绍了基于遗传算法对模型进行求解的业务流程和关键技术,包括基于瓶颈设备的混合编码方法、解码方法、改进的两阶段POX交叉算子和两阶段重定位变异算子。最后分别选取JSP标准算例和企业车间实际生产案例,通过与没有利用瓶颈信息的普通遗传算法进行对比验证了所提排产方法的有效性。最后,以上述研究内容和研究成果为基础,设计并开发了一套基于制造执行系统的机械加工车间排产管理子系统,主要包括排产数据管理和作业排产两大基本功能。通过与企业手工排产结果进行对比对应用效果进行了验证和分析,取得了良好的验证效果。(本文来源于《重庆大学》期刊2015-06-01）
杨玉珍,刘培玉,费绍栋,张成功[5]（2014）在《融合扩展信息瓶颈理论的话题关联检测方法研究》一文中研究指出话题关联检测的关键任务在于判断给定报道对是否属于同一话题.现有判断方法往往忽略种子事件与其直接相关事件之间的层次关系.为此,通过分析报道内部语义分布规律及篇章结构,并依据语义分布规则,利用语义分布规律改进信息瓶颈(Information bottleneck,IB)算法,用于子话题逻辑语义单元的划分,并利用这些逻辑语义单元表示报道,进行话题关联检测.实验证明该方法有较快的收敛速度,并在一定程度上提高了系统性能.(本文来源于《自动化学报》期刊2014年03期）
姬波,叶阳东,肖煜[6]（2013）在《基于信息瓶颈方法的出租车空载聚集区聚类算法》一文中研究指出在交通物联网中,出租车以其方便、快捷的特性扮演着重要角色.但是,出租车服务的动态、随机和异步并发的特性使得其难以采用微分、差分等数学方法描述.其中,出租车空载问题是公认的智能交通的最大难题之一.提出在GPS数据的基础上,基于信息瓶颈方法来聚类城市内出租车的空载聚集区域,从而指导空载车辆规避这些区域,以此达到提高出租车载客率的效果.出租车空载聚集区聚类算法将出租车视为原变量,GPS数据视为相关变量.目标是寻求压缩变量,在尽可能压缩出租车簇的个数的同时,最大化保留空载聚集区域的相关信息.在某城市出租车的真实GPS数据集上的相关实验表明,算法可以准确识别空载聚集区.(本文来源于《小型微型计算机系统》期刊2013年09期）
姬波[7]（2013）在《信息瓶颈方法的特征权重研究》一文中研究指出信息瓶颈(Information Bottleneck, IB)方法是起源于信息论的数据分析方法。IB方法采用联合概率模型表示数据,以互信息为度量手段,拥有着很好的样本和样本属性相关性的表达能力。该方法在文本聚类、图像聚类、图像语义标注、语音识别、软件聚类和协同聚类等各种数据分析领域取得了丰硕的成果。但是与向量空间模型相比,联合概率模型缺乏样本属性重要度的表达能力,这使得现有的IB方法研究中,大都忽略了属性重要度(属性权重)这个因素,从而影响了IB方法的数据分析效果。因此,IB方法的特征权重研究的日的就是在IB方法上引入属性权重计算方法及赋权机制,从而达到突出重要属性、抑制冗余属性,提高IB方法的数据分析性能的目的。本义首先提出了从向量空间模型到加权联合概率模型的构造过程,而后系统性分析并提出了叁种可行的加权方法：综合赋权IB方法、自学习权重机制和非共现数据加权二元化转化方法。实验表明,这叁种方法是可行的和有效的,能够提高IB算法性能。同时,提出了互信息增益权重评价方式,在不影响聚类质量的前提下,有效降低了IB算法的运行时间。本文成果对进一步研究IB方法,提高IB方法的性能有一定意义,同时也为构造特征赋权的IB数据分析工具奠定了一定的基础。本文的主要工作包括：1、深入分析了联合概率模型与向量空间模型表达能力的相同性和差异性,提出了IB方法中从向量空间模型到加权联合概率模型的构造过程。加权联合概率模型结合了向量空间模型和联合概率模型的优点,既能较好的表达出样本属性和样本的相关性,也能较好的表达出样本属性的重要度。2、为了将多属性决策中的综合赋权应用到IB方法中,提出了相对熵综合赋权IB方法。指出在综合赋权中无需区分主观赋权和客观赋权,并选择了相对熵方法以降低组合权重计算时间。同时,给出了一种基于叁种代表性的客观权重方案(熵值法、均方差法和互信息法)的组合权重集选取方法,构建了相对熵综合赋权CWRE-sIB算法。实验表明,CWRE-sIB算法优于sIB算法和一系列单一权重赋权sIB算法。3、为了消除主观因素的影响,提出了IB方法上的自学习权重机制。在IB聚类过程中调整各个属性的权重,以得到最优赋权数据表示。聚类迭代中,根据权重对最终聚类结果的影响确定权重调整的方向及量值。实验表明,自学习权重是一种客观有效的权重计算方法,FWA_CDsIB算法优于CD-sIB算法。4、为了降低权重评价的时间消耗,提出了互信息增益权重评价方法。传统的权重评价方法依赖于聚类的评价结果,是一个有效、可行、但却十分耗时的任务。互信息增益评价方式可以在不影响聚类质量的前提下,有效降低算法运行时间。本文中给出了两种典型案例：1)线性组合综合权重案例。对互信息增益评价出的最佳25%个加权数据聚类后,得到最优/次优结果的概率为100%。与此同时,节约了76.04%的运行时间；2)单一权重方案案例。对互信息增益评价出的最优25%个加权数据聚类后,得到最优/次优结果的概率超过75%,而运行时间节约了76.82%。5、在指出IB方法中非共现数据的共现转化拥有两阶段叁视角特性的基础上,提出了加权二元化转换方法。两阶段叁视角加权可以在非共现数据向共现数据的转化过程中,突出代表性属性来得到更准确反映数据特征的数据表示,以提高IB方法对非共现数据的分析效果。实验表明,TPAW-sIB算法优于CD-sIB、 ROCK、COOLCAT和LIMBO算法。(本文来源于《郑州大学》期刊2013-05-01）
朱琳,王宇杰[8]（2008）在《信息瓶颈方法在无监督图像聚类中的研究》一文中研究指出本文给出了一个无监督图像类别聚类的新方法,该方法基于信息理论原理-信息瓶颈。本聚类方法基于阶段性的分组:首先,对给定文档中的每一张图像应用高斯混合模型,在选定的特征空间中,以一组相连接的区域来表示图像。然后,确保簇和图像内容之间的互信息最大化,对图像进行分组。簇的合适数量可直接由信息瓶颈原理决定。实验结果显示出了该聚类方法在真实图像数据库中的表现。(本文来源于《微计算机信息》期刊2008年24期）
信息瓶颈方法论文开题报告
（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：
信息瓶颈(information bottleneck,IB)方法具有良好的理论基础和较强的数据分析能力,自被提出以来便得到信息编码、机器学习、图像处理、模式识别等领域研究者的关注。然而,随着大数据时代的到来,数据往往以不同来源、模态、空间等多路信息的形式出现,并且多路信息之间呈现出显着的异构特性。如何有效地处理日趋复杂的多源异构数据是IB方法研究面临的主要问题,也是IB方法研究的发展趋势。因此,开展IB方法在多源异构数据中的多路信息处理方面的研究具有重要的理论意义和应用价值,能够进一步拓展IB方法的应用范围,将IB方法推向新的研究阶段。本文针对传统IB方法无法处理多源异构数据的问题,提出多路信息瓶颈(multi-way information bottleneck,多路IB)方法,从多种特征融合、异构特征集成、多任务协作和跨模态公私兼顾四个层面出发,对其相关模型及算法展开研究。主要研究成果如下:(1)针对单一特征无法捕捉到完整数据信息的问题,提出一种基于特征协作的信息瓶颈(feature collaborative information bottleneck,FC-IB)模型。首先,将数据模式的抽取视为数据压缩的过程,通过最大化地保持压缩模式与多种特征变量之间的互信息,构建FC-IB模型的目标函数。其次,采用数据压缩过程中的信息损失作为数据模式抽取的判定条件,并从理论上证明FC-IB模型的目标函数能够得到局部最优解。实验表明,FC-IB算法能够有效地处理数据的多种特征,性能明显优于已有单特征和多特征学习方法。(2)针对数据多种特征之间的异构问题,提出集成信息瓶颈(consensus information bottleneck,CIB)模型。首先,提出基于集成学习的信息度量方法,量化异构特征间的相关性。其次,通过最大化数据多种特征和高层聚类划分之间的关联性,构建CIB模型的目标函数。最后,采用顺序“抽取-合并”优化策略,保证该目标函数收敛到局部最优解。实验表明,CIB算法能够抽取出数据中更加合理的模式结构,其性能明显优于已有的多视角聚类算法和聚类集成算法。(3)针对传统数据分析方法忽略多个相关数据源之间关联性的问题,提出基于信息共享的多任务信息瓶颈(multi-task information bottleneck,MTIB)模型。首先,提出自凝聚信息最大化模型构建多个任务之间的共享特征空间。其次,将多任务聚类问题形式化为最小信息损失函数,一方面尽可能将源数据进行压缩,另一方面最大化地保存模式结构与多任务间的共享信息。最后,提出一种轮转式“抽取-合并”策略保证目标函数收敛到一个局部最优解。实验表明,MTIB算法明显优于传统的单任务聚类算法和典型的多任务聚类算法。(4)针对现有跨模态数据分析方法仅依赖模态间的共享信息,忽略各模态自身的重要信息的问题,提出跨模态的公私兼顾信息最大化(share-private information maximization,SPIM)模型。首先,提出混合单词模型和聚类集成模型构建跨模态数据的公有信息。其次,提出基于信息论的统一化目标函数,在数据分析过程中兼顾跨模态数据的公有和私有信息。最后,采用顺序“抽取-合并”程优化SPIM模型的目标函数,保证其收敛到一个局部最优解。在6种跨媒体数据上的实验结果表明SPIM算法的优越性。
（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。
信息瓶颈方法论文参考文献
[1].王茹.信息技术视角下的大学英语教学瓶颈及解决策略——评《信息技术教育的理论与方法》[J].中国科技论文.2019
[2].闫小强.多路信息瓶颈方法研究[D].郑州大学.2018
[3].贺长征.基于瓶颈工序识别的复杂产品综合调度方法与信息系统设计[D].重庆大学.2018
[4].李通.基于瓶颈设备识别的机械加工车间排产方法及信息系统研究[D].重庆大学.2015
[5].杨玉珍,刘培玉,费绍栋,张成功.融合扩展信息瓶颈理论的话题关联检测方法研究[J].自动化学报.2014
[6].姬波,叶阳东,肖煜.基于信息瓶颈方法的出租车空载聚集区聚类算法[J].小型微型计算机系统.2013
[7].姬波.信息瓶颈方法的特征权重研究[D].郑州大学.2013
[8].朱琳,王宇杰.信息瓶颈方法在无监督图像聚类中的研究[J].微计算机信息.2008
标签：信息技术教育; 技术视角; 《信息技术教育的理论与方法》; 大学英语教学;