导读:本文包含了地图模型论文开题报告文献综述及选题提纲参考文献，主要关键词:员工,职业发展地图,模型设计,应用
地图模型论文文献综述
陈娟娟,王健[1]（2019）在《职业发展地图模型设计及其应用研究》一文中研究指出事业单位在转型期,应建立与这一时期特点相适应的职业员工发展通道和岗位体系,设计好新生代员工职业发展地图,有效地激发新生代员工工作热情,从职业规划、职业发展的角度给予新生代员工正面引导。本文从人力资源部门如何畅通未来发展主力军——新生代员工的职业发展通道入手,对转型期事业单位员工职业发展地图模型设计及其应用进行研究。(本文来源于《人力资源》期刊2019年18期）
冉红兵,邹晓敏[2]（2019）在《基于胜任力模型的管理人员学习地图研究与构建》一文中研究指出随着时代发展与电网行业改革创新,人才培养成为当前电网行业的重中之重。研究针对管理型人才培养特点,结合胜任力冰山模型,进行独具创新的学习地图研究,并且由理论入实践,规划出了学习地图多层次多水平的实践蓝图,大大降低学习地图落地难度,使学习地图真正成为促进人才培养行之有效的方法与手段。(本文来源于《中国管理信息化》期刊2019年19期）
李瑞月,王辉[3]（2019）在《互联网地图信息点脱敏审核模型初探》一文中研究指出近年来,互联网地图服务快速发展,使用人群越来越大,信息点数量越来越多,信息点数据更新方式的多样化,使得互联网地图信息点脱敏工作越来越重要。准确把握信息点脱敏审核标准,提升信息点脱敏审核自动化、智能化水平都是信息点脱敏工作面临的重要问题。本文从地图内容公开原则开始,着重介绍了互联网地图信息点敏感信息分类、脱敏审核基本步骤、脱敏工作质量评价标准、敏感信息关键字及敏感信息判定原则等内容,初步形成了互联网地图信息点脱敏审核模型。(本文来源于《卫星导航定位与北斗系统应用2019——北斗服务全球 融合创新应用》期刊2019-09-10）
周扬帆[4]（2019）在《探究大数据视角下知识地图的自主学习模型》一文中研究指出在终身学习理念及网络发展的基础上,自主学习已经成为了主流。文章描述了基于知识地图的特征而进行构建自主学习的模型。模型分为信息可视化层、数据采集层、知识本体库层、行为层,本文通过对知识地图学习模型不同层面的分析研究,对如何进行个性化的分析学习进行深入探讨与研究。(本文来源于《经济师》期刊2019年09期）
王燕萍,赵璟,金行龙,蒋翊[5]（2019）在《电网公司新员工培训知识导航地图开发模型探究》一文中研究指出为实现以人才培养促进专业成长、为企业发展提供人才保障和智力支撑的目标,根据国家电网公司建设"世界一流能源互联网企业"的战略目标指引,采用互联网思维,探究了一种新员工培训知识导航地图开发模型,帮助新员工建立专业概念,系统化学习知识技能,提高培训效率,为公司培训工作走向专业化、精细化、定制化奠定基础。(本文来源于《中国电力教育》期刊2019年08期）
陈辉,郭健,李爱光,徐旺,金子鑫[6]（2019）在《面向交通应用场景的增强现实地图载负量及多尺度显示模型》一文中研究指出为探究解决AR Maps表达中普遍存在的视觉过载问题的方法,基于实景视觉信息量提出了一种新的面向交通应用场景的AR Maps载负量计算方法;以此为基础提出了AR Maps多尺度显示模型构建方法,建立了AR Maps多尺度显示模型;根据此模型进行了AR Maps POI标签的显示控制方法的研究;实现了AR Maps原型系统并进行实验。结果表明,在交通应用场景下,AR Maps载负量计算方法和多尺度显示模型可以有效解决AR Maps中存在的视觉过载问题,并具有一定的实用性和可靠性,能够为AR Maps表达的研究提供科学性依据。(本文来源于《测绘科学技术学报》期刊2019年01期）
刘伊铭,赵钟泥,赵孟轩[7]（2019）在《基于GPS数据地图匹配的浮动车预测模型》一文中研究指出研究浮动车数据对预测交通状态有着重大意义,是改善交通拥堵的一种有效方法。浮动车一般是指安装了GPS定位装置并行驶在城市主干道上的公交车和出租车。本文以深圳市福田区香蜜湖路、新洲路和北环大道部分主干道及周边关联道路七天内的浮动车数据为例,根据浮动车在其行驶过程中定期记录的车辆位置信息,将其转换为WGS-84坐标系下的坐标,结合隐马尔可夫模型进行地图匹配,使浮动车数据和城市道路在时间及空间上关联起来,最终得到浮动车所经过道路的交通信息,从而对交通状况进行研究与预测,这对于缓解城市交通压力、提升交通管理效率有着非常重要的应用价值。(本文来源于《科学技术创新》期刊2019年17期）
黄娟娟,徐圆,朱群雄[8]（2019）在《基于改进HMM模型的3D景区地图匹配算法》一文中研究指出针对GPS误差和地图系统误差导致3D地图定位精度较低的问题,提出一种基于改进隐性马尔科夫模型的地图匹配算法。使用面积重迭法获取候选路段,引入距离、道路宽度和历史定位点计算观测概率,利用路网拓扑信息、游客行为特性、景点与道路的相关性计算转移概率,采用Viterbi算法得出最优匹配路段。在Unity3D平台上实现景区场景3D可视化,利用校园地图进行实验验证,结果表明,该算法匹配精度达到95.4%,在3D景区导航中具有良好的实用性和较高的准确性。(本文来源于《计算机工程》期刊2019年06期）
芦效峰,王晓明,沙晶[9]（2019）在《一种基于距离调整的动态影响力地图模型》一文中研究指出传统的影响力地图或者缺乏对动态信息的表示,或者对动态信息的表示不准确,容易导致游戏人工智能(AI)主体做出错误的决策.为了解决影响力地图不易描述动态信息的问题,对影响力地图的传播方式和衰减方式进行了研究,提出了基于距离调整的动态影响力地图模型.根据产生影响对象的运动趋势,对影响传播过程中需要计算的距离进行调整,将运动趋势信息编码于最终的影响力地图中,为游戏AI主体的决策过程提供支持.实验结果表明,相较于传统影响力地图模型,该模型可以有效提高影响力地图对游戏环境动态信息表示的准确程度,从而提高AI主体的性能.(本文来源于《北京邮电大学学报》期刊2019年02期）
江昆,杨殿阁,柳超然,张涛,肖中阳[10]（2019）在《一种适用于自动驾驶汽车的多层地图模型和车道级轨迹规划》一文中研究指出越来越多的司机依赖于汽车或手机上的电子地图导航系统来选择最佳的驾驶路线,以节省时间和提高安全性,在不久的将来,电子地图和导航系统有望在未来交通运输系统中发挥更大的作用。为了将现有的导航系统扩展到更多的应用领域,如自动驾驶,需要考虑在传统道路地图模型的基础上,建立车道级地图模型和车道级轨迹规划。本研究针对传统电子地图内容不够丰富的局限性,提出了一种全新的七层自动驾驶地图结构模型,并将它命名为清华地图模型。考虑车辆换道、转向和直行等不同行车特点,建立了车道级路段行车代价模型,建立一种分层路径轨迹搜索方法,能够在道路和车道网络中实现快速的轨迹规划,能够很好地支持自动驾驶的车道级轨迹规划。通过在虚拟道路网络和实际道路网络上的测试,充分验证了该地图模型和算法的灵活性和有效性。(本文来源于《Engineering》期刊2019年02期）
地图模型论文开题报告
（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：
随着时代发展与电网行业改革创新,人才培养成为当前电网行业的重中之重。研究针对管理型人才培养特点,结合胜任力冰山模型,进行独具创新的学习地图研究,并且由理论入实践,规划出了学习地图多层次多水平的实践蓝图,大大降低学习地图落地难度,使学习地图真正成为促进人才培养行之有效的方法与手段。
（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。
地图模型论文参考文献
[1].陈娟娟,王健.职业发展地图模型设计及其应用研究[J].人力资源.2019
[2].冉红兵,邹晓敏.基于胜任力模型的管理人员学习地图研究与构建[J].中国管理信息化.2019
[3].李瑞月,王辉.互联网地图信息点脱敏审核模型初探[C].卫星导航定位与北斗系统应用2019——北斗服务全球融合创新应用.2019
[4].周扬帆.探究大数据视角下知识地图的自主学习模型[J].经济师.2019
[5].王燕萍,赵璟,金行龙,蒋翊.电网公司新员工培训知识导航地图开发模型探究[J].中国电力教育.2019
[6].陈辉,郭健,李爱光,徐旺,金子鑫.面向交通应用场景的增强现实地图载负量及多尺度显示模型[J].测绘科学技术学报.2019
[7].刘伊铭,赵钟泥,赵孟轩.基于GPS数据地图匹配的浮动车预测模型[J].科学技术创新.2019
[8].黄娟娟,徐圆,朱群雄.基于改进HMM模型的3D景区地图匹配算法[J].计算机工程.2019
[9].芦效峰,王晓明,沙晶.一种基于距离调整的动态影响力地图模型[J].北京邮电大学学报.2019
[10].江昆,杨殿阁,柳超然,张涛,肖中阳.一种适用于自动驾驶汽车的多层地图模型和车道级轨迹规划[J].Engineering.2019