机械工程博士论文
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇机械工程博士论文范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
机械工程博士论文范文第1篇
关键词：大立柱，铸件对接，坡口型式，装焊工艺
660MN多功能压机立柱为清华大学机械工程系设计的大型压机的大型铸件，属铸造箱型结构，重量约252吨，外形尺寸分别为2100×2100×13000mm，由于吨位过大，无法实现整体铸造，分顶部、下部两段铸造，然后周边焊接，对接成一体的铸焊件，材质为GS20Mn5N，碳当量CE=0.46~0.6%，可焊性一般。该压机国内少见，由太原重工股份有限公司轧锻分公司承担制造。博士论文，铸件对接。。如下是对该立柱的对接焊方面做相应的研究。
首先，焊接方法采用Ar+CO2气体保护焊和埋弧自动焊两种，焊材分别选用φ1.2ER50-6及φ4.0 H10Mn2，焊剂选用SJ101。由于对接坡口深且截面较复杂，焊缝质量要求高，为全熔透焊缝，技术标准依据JB/T 5000.3-1998，焊后消应力。博士论文，铸件对接。。生产过程中焊接区域需进行预热、层间锤击、焊后缓冷等多项措施。博士论文，铸件对接。。由于焊后立柱整体的平面度、直线度、垂直度均要求控制在±5mm之内，所以特别强调装焊过程的尺寸控制，严格按照工艺执行，具体如下：
一、装配及准备工作
（1）用角磨机清理坡口表面，再次确认坡口表面无缺陷，检查坡口钝边是否符合要求，及时进行修理。；
（2）检查坡口根部的错边量≤2mm，并进行必要调整，根部装δ=20mm
宽度200mm的内衬圈，预留坡口间隙3mm，装配门字形固定板，预热后焊接；
（3）由金工在两段铸件上划出两个方向的中心线并打标记，以便装配时找正。按设计图将两段铸件分别用方钢垫平放置，立柱四个面分别用水平仪测量平面度，用钢丝测量直线度，用吊线的方法测量垂直度，均要求控制在能加工起来的尺寸公差范围内。
（4）断焊点固，隔300mm焊150mm，焊角20mm，焊前需对断焊区域局部预热，预热温度200℃～250℃；
（5）立柱装配完成后（安装翻身起吊用的卡箍），经检验人员复检后方可施焊，两侧焊缝可同时进行；
（6）焊前立柱外侧用远红外线履带加热片配热电耦控温对焊缝区域进行加热，加热温度200℃~250℃，由于部件对接处较厚，需反复加热，用硅酸铝纤维、石棉布扎紧保温，封底前需对坡口根部进行火焰加热，焊接过程丙烷加热立柱内腔，焊后保温缓冷。
图3 立柱截面图
二、焊接及顺序
（1）首先对称左右两侧立焊封底，采用气体保护焊，同时填充至40mm左右，；
（2）平焊封底，采用气体保护焊填充至40mm左右，弯角处、爬坡处封底焊填充40mm左右；
（3）翻身180°平焊封底并填充50mm左右，采用气体保护焊；
（4）封底后采用埋弧自动焊填充，弯角处仍采用气体保护焊；
（5）随后每次翻身90°，埋弧自动焊填充，填充量据实际变形情况定，每翻一周逐渐增加；
（6）焊完进行后热处理，温度控制在250℃-300℃之间，保温6小时以上，之后缓冷至室温；
（7）探伤要求应不低于母材超声波探伤标准。探伤合格后，进炉退火消应力。
注意：焊接过程中要随时测量立柱的整体形状尺寸，随时翻身，严格控制焊接工艺参数，使各条焊缝的热输入基本达到均衡，有效控制变形，层间需用风铲逐层、道锤击清渣，必要时可采用振动均衡应力，焊接过程用煤气火焰边焊边加热，随时检测焊缝区域的层间温度，应控制在200℃-250℃之间。焊剂烘干温度350℃，保温2小时随用随取。焊接过程中翻身要特别注意安全，操作者要严格按照安全操作规程执行。铸件腔体内部火焰预热应注意气体使用安全。
机械工程博士论文范文第2篇
美国第一个获得心理学博士的妇女，被称为“管理学的第一夫人”。
莉莲•吉尔布雷思是美国管理心理学家，人因工程学的先躯，也是是美国第一个获得心理学博士学位的妇女。她出生于美国加利福尼亚州奥克兰市，逝于美国亚利桑那州菲尼克斯。
莉莲的《管理心理学》对管理发展史进行了整体概括。她将历史上管理方式分为三种：传统方式、过渡方式、科学方式。所谓传统管理方式，被她形象地喻为“驱赶式”或“昆斯伯里侯爵式”。昆斯伯里侯爵是一位英国贵族，由他制定的拳击规则在1891年得 到世界公认，拳击比赛由此实现了规范化。传统方式的管理，一般采取单一的直线指挥，特点是中央集权，管理的宗旨就同职业拳击类似，以竞争取胜。“昆斯伯里侯爵式”管理，象征着管理者与工人双方“根据比赛规则”展开体力和智力的竞赛，本身暗含着“对抗”的意味。所谓过渡管理方式，是指在工业化之后、泰罗制诞生之前的管理，这种方式差异较大，包罗万象，没有形成统一的范式。新的探索已经出现，但不成体系；旧的方式依然沿用，但多有改良。所谓科学管理方式，就是以泰罗制为代表的工业化管理的整体变化，是建立在人际合作基础上的、追求社会整体提高福祉的管理方式。
管理心理学
莉莲出生于加利福尼亚奥克兰的一个显赫的家庭，她的父亲是一位德国裔的糖厂主。莉莲是家中九个孩子中的老大，她的母亲身体一直不好，所以莉莲很早就承担起有关家务以及照管幼儿的责任，帮助体弱多病的母亲照顾年幼的弟弟妹妹。她从小性格腼腆、内向，一直由父母和家庭教师在家中教授知识，直到九岁才正式入学，她的父母不仅仅教她学习课本知识，还教她学习法语、德语和钢琴。她后来一直钟爱文学和音乐，这与她早年所受到的全面教育是分不开的。
1900年，莉莲在加利福尼亚大学伯克利分校取得了文学学士学位。稍后，又以关于本•约翰逊(Ben Johnson，与莎士比亚同时的著名剧作家兼诗人)的论文取得文学硕士学位。在她去欧洲旅行途经波士顿时，与后来成为她丈夫的弗兰克•吉尔布雷斯邂逅，据说两人一见倾心。弗兰克年长莉莲十岁，年轻、英俊而且富有，创新精神十足，17岁时就创办了自己的建筑公司。三周以后，莉莲接受了弗兰克的求婚，两人于1904年结婚。管理思想史学者雷恩这样评价这对夫妇的相识：“弗兰克和莉莲结婚这件事是现代管理学的运气，因为他们二人可以互相补充，他们各自思想上的兴趣以及掌握的知识的结合使管理学进入了一个新的领域。”
吉尔布雷思1914年的博士论文是《管理心理学》，1928年在《和我们的孩子们生活在一起》一文中发表了她在儿童管理方面的经验，有关杂志也发表过她在动作研究方面的成果。1944年L.吉尔布雷思和F.吉尔布雷思被授予美国机械工程协会奖章。她还在世界各地讲学，甚至在90岁以后，她的讲演对众人仍有着极大的吸引力。
管理史阶段划分
与同时代的其他从事管理研究的心理学家相比，莉莲的长处在于把自己的理论建立在对管理学的宏观认识基础之上。她有着深厚的文学功底，有着来自家庭生活的丰富经验，有着特别细腻的女性感觉和悟性，尤为可贵的是，她具备常人所缺少的坚韧毅力和奋斗精神。这些铺垫，使她的管理心理学研究不囿于对某个特殊管理问题的心理学解释，而要比其他人看得更为广阔，更为深远。莉莲对管理学的贡献，在她的博士论文《管理心理学：精神在判断、指导和实施最少浪费方法中的作用》中已经有了比较全面的反映。
莉莲的管理史研究，在当时具有重大意义，它能够使人们跳出解决某一管理具体问题的狭隘视野，更好地把握科学管理的时代价值。这种管理史阶段的划分，对后来的学术研究也产生了相当广泛的影响。
在对管理进行了三种历史类型的划分以后，莉莲根据这三种管理方式，对管理领域的关键环节进行了深入的比较研究，并围绕这些关键环节提出自己的管理见解。所涉及的内容，包括个人、职能化、衡量、分析综合、标准化、记录和计划、传授知识、刺激以及福利等。尤其是关于“个人”的研究，揭示了莉莲管理思想的本质和她的兴趣所在。她认为，当时的心理学主要关心“群体心理学”，而对个体的心理研究却比较少。在传统管理下，个人受到中心人物的权力压抑，事实上处于一种受“胁迫”的地位；而在科学管理下，个人则是一切活动的出发点和中心，挑选人员、激励工人、考虑工人的福利等活动，都得围绕“个人”进行。尊重“个人”是科学管理的基本内涵。在这个尊重“个人”的前提下，莉莲对全面考虑工人的“福利”提出了新的、更加完善的观点。科学管理提倡有系统的工作，鼓励良好的个人习惯，而且关心个人在物质上、精神上和经济上的发展，即要把“福利”理解为“总的幸福” ――它包括精神、物质、道德和经济等各方面的发展。在莉莲看来，昆斯伯里侯爵式的管理，关注的核心问题是如何使用和剥削工人。科学管理的目的，则是通过培养人的品德、特殊的能力和技巧，从而使每一个人都能发挥其最大的潜力；所关注的核心问题是为了相互共同的利益，管理部门如何才能使个人得到发展，重在强调“有效”前提下的劳资合作。
以人为本
莉莲指出，传统管理会使人缺乏安全感，而在科学管理的视域下，工人是“泰然自若和安全的”，因为传统管理完全依靠报酬和惩罚，而科学管理则努力争取工人的合作。
从提高安全感出发，莉莲对科学管理的积极作用进行了多方面论证。例如，立足于专业化的职能化管理，不仅仅是提高效率的措施，而且能够通过提高工人的产出，进而提高工资，给工人带来自豪感；这种自豪感又能使技术得以改进，从而能提高工人的福利； 而对工作的自豪感以及福利的提高，会进一步促进工人身心的健全发展。这种连锁反应式的变化，与其说是技术性的，不如说是心理性的。通过这样的研究，莉莲为科学管理与心理学的融合做出了自己的贡献。
在莉莲的管理思想中，“人”一直被置于中心的位置，她认为成功的管理“在于人而不是工作”，而她和丈夫弗兰克一直努力推广的科学管理，实际上就是为人们提供能最大限度地利用人的努力的方法。从人出发，她们夫妇提出了管理上的三个设想：一是吸引愿意参加本组织的人的必要性，二是保持并恰当安排和提升本组织已有成员的必要性，三是前两种必要性的相互依存。在这一方面，他们的思想已经向以人为本的方向跨进。
机械工程博士论文范文第3篇
英国苏格兰皇家银行是英国本土最大的银行，以市值而论在全球排名第五，它在海外的分支机构遍布世界各地。李权博士现任苏格兰皇家银行中国业务董事和北京代表处首席代表, 负责该行在华业务发展与策划。
在各种知识的学习中成长发展
李权博士大学时的专业是机械工程，后来改学管理。他的第一个工作是记者，而目前在银行就职。这些看起来似乎是跳跃性的变化却有着本质性的联系，那就是他对学业的钻研和对机遇的把握。谈到李权博士从事银行业的经历，他开玩笑地用“阴错阳差”来形容自己学业和事业所取得的稳步发展。
大学时，李权在北京工业学院学机械工程，看似与金融无关，但专业的学习锻炼了他的逻辑思维能力，也使他打下了良好的数学基础。大学毕业时，教委开始从应届毕业生里选拔公派出国研究生。1985年李权以优异的成绩获得英国驻华使领馆文化教育处与国家教委共同设立的“技术合作奖学金”，去英国伯明翰大学学习计算机辅助生产和制造。这个专业较多地涉及生产过程的管理。出于自己的兴趣和对未来人才市场发展前景的考虑，李权很快改学工业管理，这门课程后来演变成许多商学院里的管理课程。获得管理学硕士学位后，他进入阿斯顿商学院继续攻读博士学位,研究经济转型国家的产业政策和战略管理领域。在撰写博士论文的同时,他因自己的亚洲背景和学术专长加入英国广播公司（BBC）任节目制作/新闻记者，主要负责亚太区和中国金融及市场方面的分析评论。这段过程使他的事业转为向金融业发展。
1993年下半年，随着中国经济的起飞，伦敦很多大的金融机构都希望进入中国市场。伦敦的大型投资银行和商业银行纷纷招聘了一批年轻人准备派到亚太区。李权就在这时加入英国四大银行之一英国国民西敏银行（National Westminster Bank）的经济研究部，负责亚太区的经济研究。不久后他被调任到香港，出任首席经济师并参与该行在亚太地区的战略决策。1998年夏，他回到中国，负责拓展国内的市场。李权博士对英国大银行做事的方式、程序以及监管当局的要求都有相当的了解，这对他在分行或者代表处的管理工作有很大的帮助。他相信，代表处作为整个银行的一部分，必须以同样的严格要求来保证同样高的服务标准。
海外留学经历让人体验完全不同的异国文化
从80年代初到90年代初，李权博士在英国前后学习、生活、工作了近10年。在英国读书多年的经历，令李权对中西方的教育方法和体制有着深入的了解。他说:“在国内，各门课程都有一本主教材，把这本书吃透，考试就基本能过，考高分也有可能。但到了国外，每一门课程都不是单一内容的，它有可能涵盖其他很多领域的内容，要求学生博览群书。”他还有另外一个心得：只要有机会就尽可能在课堂上进行小组讨论，每个人即使对所讨论的问题了解不深也可以尽量参与，因为这同时也是对语言表述能力的最好锻炼。读书时所积累的知识和所掌握的研究方法,有很多应用到了他以后的工作中，包括英文的口头表达能力和写作能力。银行工作特别要求严谨性和认真性，对人的逻辑思维能力和文字表述能力有很高的要求。另外，“在公共场合表达自己的能力也很重要。要很有条理、很清晰地把你所想的用让人信服的方式说出来。”今天回过头去看那段留学的收获时，李权认为，不管去哪个国家，一定要把那个国家的语言学好。因为“在很多大型跨国公司里，日常工作常常是以中文以外的语言作媒介，对语言能力的要求在外企里是比较高的。出国留学除了学好专业以外，一定要尽量地提高自己的语言表达能力。”
此外，李权觉得除了在课堂上的学习，从生活中去学习也是大有裨益的。课余时，他会和英国同学结伴去校园附近的酒吧，大家在非常放松的气氛中聊天、辩论。李权借此机会提高了自己的英语表达水平，也从周围人的身上了解了更多英国文化和社会底蕴。他认为和英国人交往完全不像一些人想象的那么难。英国人彬彬有礼，常与人保持距离的印象实际只是表面的。他抱着开放和欣赏的态度去主动地接触当地的文化，并从这个过程中学到了很多东西，这也成为他专业知识以外的另一个优势，对他事业的发展具有重要的意义。李权举了一个例子：“在任何一个企业里，工作的关系就是人和人的关系，如果你对这个企业所属国家的文化和历史有一定程度的了解，那么你就会和它的管理者或外籍雇员在沟通方面有很大的优势。”
李权不但乐于接受不同的文化，更希望让别人对中国文化有所了解。很多外国人对中国的认识是从中餐馆开始的，认识非常有限，李权则会在与朋友交往的过程中不失时机地介绍中国的风土人情和中国人看问题的方式。他觉得，“在人和人的交往中，双方互有给予，这种交往才会深入、长久。”
李权博士几乎走遍了整个英国，他去过的地方甚至比很多英国人都多。说起英国各地的风土人情，他如数家珍。伦敦是英国的政治和文化中心，也是很重要的国际金融中心。它是非常国际化的大都市，在这里你几乎可以找到任何你想要的东西，要找到和自己文化背景相似的东西更不是问题。对于生活在大城市的李权来说，英国乡村飘动着的那种空旷、自由更令他心神俱醉。英格兰中部和西南部有令人心驰神往的绿野，苏格兰多见苍茫的山林和羊群……各地的风光各有特色，各地的人也有不同的个性。比如;苏格兰、威尔士的小城镇的人们和蔼友善，甚至比生活在紧张的大都市中的人们更乐于接受新鲜的事物。求学期间，他还曾背着背包，买了铁路通票，在欧洲大陆游历了一个月。许多当时觉得有些艰苦的经历,现在回想起来很有意义。欧洲大陆拥有巨大的文化财富，而且具有很强的地域特点。几百公里以外就可能是一个完全不同的国度，可以让人体验到完全不同的文化色彩，那里有着真正意义上的多元文化。
本科学历+实际工作经验+深造才能成为优秀的管理人才
机械工程博士论文范文第4篇
关键词：资源型城市；产业；升级；路径
中图分类号：F260 文献标志码：A 文章编号：1673-291X（2013）33-0048-02
收稿日期：2013-07-18
基金项目：2012年度黑龙江省哲学社会科学青年项目的阶段性成果（12C061）
作者简介：路欣（1984-），女，黑龙江大庆人，副科，讲师，硕士研究生，从事行政管理研究；赫明刚（1982-），男，黑龙江伊春人，中级经济师，从事行政管理研究。
一、黑龙江省资源型城市产业升级的难度分析
（一）转型的普遍性
资源型城市的形成发展大多是因资源而兴，随着资源保有量的变化，有其形成、发展、兴盛和衰退过程，这是社会经济发展的普遍现象。城市繁荣和工业经济的发展是同步的，工业发展需要消耗大量的矿产资源，资源开发带来资本的积累和城市建设投资不断增长，资源型产业就会成为整个城市发展的主导。随着资源的不断开发，储量将不断消耗，资源型城市最终将面临资源枯竭、环境污染、产业单一等问题，这是完全符合资源开发规律、经济发展规律和城市发展规律的客观现象。
（二）转型的复杂性
资源型城市的转型升级之所以成为世界性难题，就在于其问题本身的复杂性和问题解决方案的不成熟性。资源型城市的转型升级不只是延伸产业链、培育创新创业主体、调整产业布局等经济的转型，还有及时解决民生问题、提升社会保障水平、扩大公共产品供给等社会的转型，更有资源开发补偿机制、接续产业振兴机制、科技创新驱动机制等制度的转型。
（三）转型的综合性
在资源型城市的转型升级过程中，政策要素、环境要素、市场要素、产业及空间要素、人力要素、资金要素各种城市要素相互交叉、相互影响、相互制约，每一个领域、部分、方面问题的解决都受到其他相关领域、部分、方面问题的制约和影响。例如，实施产业结构调整，就会涉及到发展和改革委员会、工业和信息化委员、财政局、国资委等经济部门，人力资源和社会保障局、审计局、环保局、安监局等服务和监管部门，局、公安局等维稳部门，实现多种要素、多部门的统筹协调，就需要能够驾驭复杂局面和富于改革创新的地方官员来掌舵。
（四）转型的风险性
资源型城市转型升级任务艰巨、过程艰辛、局面复杂、时间漫长，少则十几年，多则几十年，其间，充满了各种变数、不确定性及可以预见或不可预见的风险。很难对金融危机背景下的动态经济发展进程进行相对准确的预测，并据以作出配套决策。如果在转型的方向、途径、道路等重大经济决策中发生失误，就会导致转型失败，将有造成巨大政治、经济、社会损失的风险，事关几代人的长远生计，历届地方政府不得不高度重视，慎之又慎。
（五）条件的不利性
目前，黑龙江省资源型城市普遍存在资源不足、产业结构单一、人才外流严重、创新创业不足等不利条件，建立在资源型产业服务的结构之上的技术结构、制度结构、文化结构都对经济转型形成刚性制约。
综合上述几点，概括资源型城市的转型升级难就难在：一是缺乏成熟的转型经验。迄今为止，少数城市的转型虽为破解转型难题提供了先行先试和宝贵启示，但总体上说，实践答卷尚不够充分。二是资源型城市经济转型还缺乏建立在实践之上的完整、系统的科学理论的指导，缺乏一套“一管几十年”的顶层设计和符合资源型城市社会经济发展规律的政策体系。
二、黑龙江省资源型城市产业升级的一般路径选择
（一）强化转型升级的顶层设计，增强政策的稳定性和连续性
制定《黑龙江省资源型城市转型升级中长期发展规划》，就是要对资源型城市未来发展进行超前研究和规划，不因地方主政领导的更迭而改变，以保证地方政府在路径选择和政策施行的长期跟进。首先，要明确《规划》的地域范围、转型目标和任务，战略重点和实施阶段，配套措施及中央和地方政府责任等；明确接续产业、环境恢复、劳动力就业等问题，结合原有主导产业特点和发展阶段，实施差异化转型战略。其次，明确划分转型任务的前后次序，做好财政预算资金配置。例如伊春市是优先发展工业，还是第三产业（旅游业）；优先推进市政建设，还是民生发展。最后，做好《规划》阶段性成果的考核。由GDP至上转向社会稳定、生态建设、接续产业发展等指标，并将其一起纳入组织部地方干部政绩考核的评价体系，增强地方政府落实规划的积极性。
（二）实施创新驱动发展战略，培育新兴产业增长极
首先，加强对关键技术和共性技术的联合攻关研究。目前，我省现有高校及科研院所的科研实力难以满足资源型城市转型升级的技术需求。建议将黑龙江省资源型城市全部纳入东北老工业基地政策扶持范畴，将资源综合开发和生态环境建设的关键技术纳入国家重大科技攻关研究计划。其次，大力推进区域性产学研战略联盟建设。学习南方先进省市对现有科研资源进行整合，组建行业工业技术研究院势在必行。例如组建黑龙江省农业机械化科学院。将黑龙江省农业机械工程研究院、黑龙江省农机修理研究所、黑龙江省农机运用研究所、黑龙江省农副产品加工机械化研究所、黑龙江省水田机械化研究所、黑龙江省畜牧机械化研究所职责任务整合划入黑龙江省农业机械化科学院。
（三）加快政策性担保体系建设，优化小微企业发展环境
政策性担保机构是凭借政府注入资本及公共信用，提升申请企业（或个人）信用级别，化解融资风险的非银行性融资机构。它是公共财政在市场经济体制下产生的新生事物，是资源型城市优化中小企业融资环境、撬动银行贷款、提升小微企业信用等级的重要载体。
（四）加强产业结构的调整，发展现代农业和服务业
产业结构是衡量资源型城市三大产业的构成及各产业之间的比例关系的重要指标。目前我省资源型城市普遍存在着第一产业、第三产业比例较小，第二产业比例较大的问题，非资源型产业比例小，资源型产业比例较大的问题。一是大力发展棚室经济，实现农民增产增收。现代农业是相对于传统农业而言，是广泛应用现代科学技术、现代工业提供的生产资料和科学管理方法进行的社会化农业。二是大力发展现代物流业，打牢产业转型基础。经过三十多年的发展，中国已经成为物流大国，物流业已经成为区域经济的支柱产业和重要的现代服务业。资源型城市转型过程中必然带来原有大宗资源、能源及副产品的大规模运输和流动的需求。
（五）完善人才引进机制，营造良好的选人用人环境
首先，建立一套完善的人才引进机制。针对大庆、鸡西、伊春等资源型城市大多数从业人员受教育程度低、技能单一、适应能力差、转移就业难度大等实际状况，应当建立与本地区转型模式相匹配的人才引进政策，服务于当地的产业转型。加大对专业技术人才的引进和定向培养，加大对优秀职业经理人和财政金融人才的引进。其次，营造良好的选人用人环境。一是机制留。市人才办公室负责制定实施公开、平等、竞争、择优的用人机制和“能上能下”的激励约束机制，营造良好的创新创业环境。二是待遇留。对于引进的高层次人才，市委组织部及人才办公室要在编制、职务、职称、报酬、住房等方面依据转型升级需要视个人能力、贡献大小给予特殊的优惠政策，对其随迁亲属就业，子女教育等方面从优安置。三是高薪留。地方财政局应当设立人才专项资金，改变原来以档案工资作为报酬支付标准，对硕士研究生以上学历的人才每月给予生活补贴500元、创业人员提供三年全额贴息贷款、科研人员提供项目启动资金，对于做出突出贡献的人才给予转型城市特殊贡献奖每年10万元（近似于黑龙江省院士补贴标准）。
（六）加快新型城镇化建设进程，建设宜居宜业城市
重点解决好资源型城市县域、乡镇经济发育不够、规模小、市场化程度低、人口不足等问题，建设一批工业重镇、商贸大镇、边贸强镇和旅游名镇。一是着眼建设“对俄边贸合作区”，重点推进边贸强镇。充分发挥伊春的嘉荫县边贸口岸的优势，进一步扩大对俄口岸贸易，弥补资源减少带来的经济损失。加大对俄罗斯木材进口和劳务输出，弥补木材产业颓势；加大对煤炭进口和蔬菜、粮食有机食品输出弥补煤炭价格下跌损失；加大管道石油和天然气的进口和轻工纺织产品的出口，减轻大庆石油稳产高产压力。二是着眼建设“城郊功能提升带”，重点做强旅游名镇。城郊可以充分毗邻市区的优势，走绿色采摘游、休闲度假游、特色饮食游、草原风情游等品牌路线，建设一批农业与旅游互动的乡镇。三是着眼建设“城镇发展廊道”，重点建好示范新村。这些乡镇大多为产粮大镇或商贸大镇，临近省道国道、交通枢纽和铁路周转站，地理位置优越。例如大庆肇源县的新站镇、大同区的太阳升镇，两者都为我省重要的粮食集散地和物流港，粮食贸易异常活跃，要充分发挥这些特色经济重镇对县域经济的多元支撑和城镇化的多点带动作用。有序推进资源城市附属乡镇在就业方式、人居环境、功能配套、社会保障等方面实现由乡到城的战略转变。
参考文献：
[1] 郑鑫.大庆市政府招商引资全过程项目化管理研究[D].大庆：东北石油大学硕士论文，2011：6.
[2] 王艳芳，张昕，徐忠惠，刘方正.资源型城市产业转型模式研究———以黑龙江省鸡西市为例[J].经济师，2011，（12）.
[3] 董锋，谭清美，周德群，龙如银，朱佳翔.资源型城市可持续发展水平评价——以黑龙江省大庆市为例[J].资源科学，2010，（8）.
[4] 曹彩杰.中国森林生态旅游业发展的SWOT分析[J].硅谷，2010，（2） ：121-122.
机械工程博士论文范文第5篇
关键词：推荐系统；云计算；数据挖掘；个性化
中图分类号：TP393 文献标识码：A DOI：10，3969/J.issn.1003-6970.2013.03.001
本文著录格式：[1]郭平，刘波，沈岳，农业云大数据自组织推送关键技术综述[J].软件，2013，34（3）：1-6
0 引言
随着物联网、云计算、下一代互联网等新一代信息技术的快速发展和信息内容的日益增长，“信息过载”问题愈来愈严重，推荐系统（recommender systems）被认为可以有效的缓解此难题，帮助用户从海量数据中发现感兴趣信息，满足个性化需求。
近年来，我国在农业个性化知识服务服务领域从本体论、语义网、知识工程角度开展了广泛的研究，成果主要体现在三个方面：以搜索引擎为代表的知识检索系统，需回答大量预设问题进行知识推理的专家系统，特定领域应用系统，它们在各自的场合都发挥了积极作用。然而知识检索系统不能满足用户个性化需求，专家系统的应用很难普及，特定领域应用开发成本高和重用难度大。物联网与数据挖掘云服务提供知识服务云实现物理世界的“感知控”，知识服务云的研究主要集中在制造和图书情报领域，云环境下的农业个性化知识服务的研究尚处于起步阶段，主要集中在服务模式的构建与展望。
本文是对科技部科技支撑课题“农村农业信息化关键技术集成与示范”（2011BAD21803）与“农村物联网综合信息服务科技工程”（2012BAD35800）研究成果的总结，也是对农业云推荐系统研究的升华。
1 农业云大数据自组织区域推送的提出
1.1 农业信息资源特点
我国自“十一五”时期以来，农业农村信息化发展取得了显著成效，主要表现在农业农村信息化基础设施不断完善、业务应用深入发展、物联网技术在农业中逐步推广应用等方面。从中央到省，市、县建立了“三农”综合信息服务平台，涉农企业、组织和科研院所也积极搭建了各具特色的农业信息服务平台，目前正向乡镇村发展。农村信息员队伍及以农业综合信息服务站和农业合作社为代表的农村信息服务机构发展迅速，“三电合一”、“农民信箱”、“农村热线”等信息服务模式应用深入。云计算利用海量的存储能力把农业信息资源形成高度集成和虚拟化的计算资源一“农业知识聚合云”，支持用户在任意位置、使用各种终端方便获取信息，但由于农业领域生态区域性和过程复杂性及农业区域发展不平衡和农民文化的多层次性也带来了“信息过载”、“资源隐晦”“资源迷向”等问题。
1.2 农业云环境下大数据自组织区域推送
物联网和云计算背后是大数据，在云计算模式下，用户不确定的、智能的交互，个性化需求更加多元化，信息交互行为更加频繁；在大量用户通过社会标注达成共识的过程中，逐渐形成不同社区，涌现出群体智能，形成“农业用户兴趣社交云”。利用云的海量存储、群体涌现智能、强大的计算能力和物联网感知控优势，可以提供面向用户复杂分析计算，实现业务重点由面向应用和资源的传统信息服务，转变为基于对海量农业知识进行动态划分，有目的、主动、定制、自组织推送给有需求的农业用户，为农业用户提供实时性、个性化知识服务，指导农业生产过程。
首先以Hadoop+MapReduce+HBaSe分布式框架为处理平台，对“农业用户兴趣社交云”，融合用户兴趣偏好和社交网络进行建模，将这些多元用户信息充分融入推送系统会更好产生推荐结果；将推荐对象“农业知识聚合云”按农业知识高维性、多样性、多层次性特征分类聚类为各种知识块静态和动态元数据；通过智能算法推荐和社会网络推荐为用户发现个性化内容；根据用户的地理位置、用户服务的评价以及云基础服务提供商信息将预测值最高的服务推送给用户实现与物理世界的互动（如图1）。
从以上分析可知，农业云大数据自组织区域推送的关键技术有用户兴趣模型、推荐对象模型，推荐算法、数据挖掘四个部分，以下分别对这几项技术进行论述。
1.2.1 用户兴趣模型
用户兴趣建模是个性化服务技术的基础和核心，包括数据收集、模型表示、模型学习与模型更新。用户兴趣建模的方法有很多，常用的有向量空间模型、神经网络、遗传算法、用户一项目评价矩阵、基于案例的表示、基于本体论的表示、基于加权关键词的表示，基于社会网络的表示等。几乎每种表示形式都是以一种私有形式进行知识表示，此外一些表示技术还依赖于模型学习，如广泛使用的基于向量空间模型的表示与TF-IDF学习技术联系在一起。表示形式的私有性和对学习技术的依赖性阻碍了用户模型在系统间的共享，这种共享对于减少用户建模工作量，提高推荐算法启动效率具有重要意义。因此开发独立于模型学习技术的通用用户模型表示技术是目前研究中热点，基于语义网和社交网络的用户模型在这方面表现了优势。
用户的兴趣或需求会随时间、情景发生变化，结合长期和短期兴趣及兴趣的变化用户兴趣建模的重点，目前的更新机制很难及时跟踪用户兴趣的变化，有更好的学习效率和动态变化适应能力的建模是未来的重要研究方向，国内外大量的文献对此展开了研究，遗忘函数、时间窗、用户兴趣的漂移特性等被提出。
在湖南农业云中，基于呼叫中心、互联网，手机报、手机短信，电视广播等用户在多应用系统中形成的兴趣偏好和社交网络特征，提出“农业用户兴趣社交云”建模思路：以图论模型表示用户“兴趣图”数据和“社交图”数据，根据经典的局域世界演化理论，综合考虑实际情况中用户之间的多重关系和关系的强弱程度，以用户之间相似度为节点连接概率因素，生成动态多维网络，进行用户数据的挖掘和更新；结合农业本体，在多维社交网络的基础上，将基于农业本体的区域用户兴趣融合在云计算平台上进行处理。
1.2.2 推荐对象模型
推荐本质上是将推荐对象的特征与用户的兴趣偏好进行推荐计算，所以推荐对象的描述和用户的描述密切相关。推荐系统应用不同领域，它推荐的对象也就各不相同，目前，湖南农业云主要是文本性数据；不同的对象，特征也不相同，目前没有一个统一的标准来进行统一描述，主要有基于内容、分类、聚类的方法。
基于内容的方法是从对象本身抽取信息表示对象，常见的是向量空间模型，使用最广泛的是加权关键词矢量方法进行特征选取，使用TFIDF计算每个特征的权值。向量空间模型对模型中的特征词进行权重估计（TF-IDF）过程中不考虑特征词之间的相关性，直接用特征词作为维度构建文档向量，降低了文档向量对文档概念表达的准确性以及对不同类型文档的区分能力。
基于分类的方法是把推荐对象放入不同类别，把同类文档推荐给对该类文档感兴趣的用户。主要有两种，一种是基于知识工程的方法，使专家的类别知识直接编码为分类规则，正确率和召回率高，但工作量大；近期研究最多的是另一种一机器学习，根据训练样本集建立分类器，方法有很多，常见的有概率分类、贝叶斯回归分析、决策树分类器、决策规则分类器、Rocchio分类器、神经网络分类器、支持向量机（SVM）、分类器融合、Boosting分类器、k最近邻方法（KNN）等。
研究文本聚类的最初目的是为了提高信息检索的查全率和查准率，近年来，文本聚类用于自动产生文本的多层次的类，并利用这些新生成的类对新文本进行效率较好的归类，已经提出了大量的文本聚类算法。传统的聚类算法在处理高维和海量文本时效率不很理想。针对这样的问题，将聚类分析与计算智能理论，并行计算、云计算等相结合，设计出高效的并行聚类算法，己经成为一个比较流行的研究思路。
在湖南农业知识云数据模型中，将能更好反映特征词相关性的超图模型引入，将文档中提取的特征项表示为图中节点，特征词条之间的关系构成图中边，用边上权值表示相关联特征项之间共现程度。通过对文本图模型K最近邻划分实现降维降噪的粗粒度数据切片；对切片后数据反映用户兴趣如地域、时间、诉求等多维度特征的智能聚类，实现细粒度的聚合与分割。
“农业知识聚合云”模型算法建立在基于MapReduce处理的大规模图上，得到各种知识块静态和动态元数据。
1.2.3 推荐算法
推荐算法是整个推荐系统中核心部分，大量的论文和著作都关注了这个方面。目前，基本包括以下几种：基于内容过滤推荐、协同过滤推荐、基于关联推荐、基于知识推荐、基于效用推荐、基于网络结构推荐、基于聚类推荐、基于社会网络分析推荐、混合型推荐等。通过对众多推荐算法进行比较分析，各种算法都有优缺点（如表1）：
各种推荐方法都有各自的优缺点，在实际问题中采用多种策略进行混合推荐，主要有两种混合思路：推荐结果混合和推荐算法混合。目前大部分的推荐算法都是混合推荐算法，主要还是以协同理论为核心，再配合其他算法的优点或交叉学科的理论来改善推荐的质量。另外基于社会网络个性化推荐算法研究是一个趋势，基于社会网络的推荐是协同过滤的延伸，通过考察结点之间（用户和用户之间或产品之间）的相关性和结点之间的信任度可以获得比一般协同推荐更高推荐效果，如文献提出将社会网络关系结合到推荐算法中。纵观国内外在推荐算法上的研究，主要集中在基于用户显性评分数据的协同过滤算法上，对基于非显性评分行为数据场景下的研究却显得有点不足。目前在扩展性问题上学术研究不是很具有针对性，主要集中在通过各种交叉学科中的方法来对用户进行聚类或对行为数据进行降维、压缩等缩短推荐的项目集或减少计算量，从而提升算法的性能；有关基于云平台上的推荐算法研究目前主要集中于协同过滤算法MapReduce化。而实际应用中，己出现利用分布式集群解决算法扩展性方法，如Google News的推荐算法就是部署在分布式环境下，从而满足海量数据下的推荐服务。
根据农业云大数据自组织区域推送实际情况将推荐结果和推荐算法混合，提出“三层推荐”策略：在丰富的知识块云元数据基础上，将知识块属性和用户兴趣行为基于频繁模式的知识关联撮合推荐；通过复杂网络聚类算法识别一个用户多个社区兴趣，融合“兴趣图”和“社交图”协同过滤推荐，突破算法推荐的局限性，让用户信任的朋友圈子为其发现和推荐内容，取得社交推荐的时效性和算法推荐的长尾性之间的互补，从而针对每个社区成员提供精准个性化推荐；根据基础设施服务供应商、用户所在的地理位置以及用户对服务可用性评价值的相似性等，将大量用户云终端聚类为一定数量的社区，提高云端推送服务的有效性，最终形成通过大众参与，支持云间变换，集电信网、广播电视网、互联网合一的自组织区域推送，较有效地处理一般推荐算法中存在的稀疏性、冷启动以及大规模实时计算的问题。
1.2.4 云计算下个性化数据挖掘
数据挖掘采用了多种领域中的思想，包括来自统计学的抽样、估计、假设检验以及人工智能、模式识别和机器学习的搜索算法、建模技术和学习理论。随着数据挖掘的不断发展，也采用了包括最优化、进化计算、信息论、信号处理、可视化、信息检索、云计算、并行计算等技术。与传统的数据挖掘相比，云计算下的个性化数据挖掘的目标，就是通过云计算中心，向用户提供针对其即时演化需求的数据挖掘SaaS（Software as aService，软件即服务）服务，其基础问题主要为：对于用户不同的数据挖掘需求以及针对用户特点进行个性推荐的建模和表征；数据挖掘算法适应云计算的并行分布式化；使数据挖掘的结果和算法能够支持云间变换并形成一种面向用户、即时组合的、变粒度的云服务，其中数据挖掘的云服务化是研究的难点。
（1）云计算下个性推荐的建模和表征
云下的个性推荐建模和表征与传统上个性化推荐明显的不同在于海量异构大数据和用户间群体涌现的社交网络，它们本质上形成了多个顶点的大规模图。云计算可以为大规模个性化提供技术支撑，云服务本身也有大规模个性化定制应用需求，目前研究两者结合的文献还很少，张泽华从计算资源的角度基于复杂系统理论对云计算联盟体系结构进行建模，并基于蚁群优化算法和复杂系统理论进行了负载均衡研究；郭昱就有效处理客户需求信息该如何选择与分布云计算平台中的关键节点问题，提出了基于云计算的大规模定制客户需求模型。赵东杰对复杂网络、数据挖掘与群体智能有效结合进行了探索研究。农业云大数据自组织推送通过“农业知识聚合云”分解的静态、动态知识元数据和“农业用户兴趣社交云”形成的兴趣图、社交图基于用户行为和知识元数据的关联撮合，通过人工智能和社交圈子帮助用户发现内容，实现搜索和推荐的无缝结合，为智能个性化推荐实现“内容找人”愿景。
（2）算法并行分布式与高性能计算
对于大规模数据的处理，典型系统结构大致分为三类：基于MapReduce模型的分布式并行处理系统、基于BSP模型的分布式并行处理系统和分布式图数据库系统。数据挖掘算法现在的发展趋势是基于云计算的并行数据挖掘，它的同一个算法可以分布在多个节点上，多个算法之间是并行的，多个资源实行按需分配，而且分布式计算模型采用云计算模式，数据用DFS或者HBASE，编程模式采用MapReduce这种方式。Bhaduri等整理了一个十分详尽的并行数据挖掘算法文献目录，包含了关联规则学习、分类、聚类、流数据挖掘四大类分布式数据挖掘算法，同时还包括分布式系统、隐私保护等相关的研究工作。
2 基于云计算推荐系统研究的重点、难点与热点
2.1 云环境下用户偏好获取安全与可信问题
推荐系统中，用户数据集的数量和质量问题，影响用户模型的精确度、可用性，导致问题的根本原因在于用户对隐私和安全的考虑。而云环境下，数据的安全与隐私是用户非常关心的问题。既能得到准确用户信息而提高推荐系统性能，又能有效保护用户信息同时检测并能预防推荐攻击（一些不法的用户为了提高或降低某些对象的推荐概率，恶意捏造用户评分数据而达到目的）将是未来推荐系统的一个重要研究方向。
2.2 模型过拟合问题
过拟合现象是指系统推荐给用户的对象与用户刚刚看过的不是太相似或者太不相关。过拟合（过学习）的问题本质上来自于数据的不完备性，这在实际应用中是无法完全避免的。在于兴趣偏好获取方式或隐私等原因使用户没有对足够多类别的对象进行评价。目前解决的主要方法是引入随机性，使推荐算法收敛到全局最优或者逼近全局最优，关于既要保证推荐的多样性，又不能与用户看过的对象重复或毫不相关这一问题的研究是推荐系统研究的一个难点和重点。
2.3 稀疏性与冷启动问题
稀疏性和冷启动问题困扰推荐系统很长时间了，前者的解决办法主要过滤和降维。目前针对冷启动问题提出了一些解决方法，主要分为两大方面，一是直接利用传统协同过滤的评分数据结合特定的方法进行解决，二是新用户或新项目的内容属性信息与传统的协同过滤评分数据相结合的方法进行改善冷启动问题。稀疏性与冷启动问题一直是推荐系统研究的一个难点和重点。
2.4 数据挖掘的结果和算法智能服务化
将数据挖掘算法融入针对海量用户的使用记录和计算资源间协作进行优化组合，利用这些特性通过大众参与的交互作用，提高云间服务的智能性、有效性将是大数据时代推荐系统研究的一个制高点。将数据挖掘任务及其实现算法服务化，通过SaaS方式向云计算中心索取所需的相应的数据挖掘，这可能是目前突破数据挖掘专用软件使用门槛过高、普通大众难以触及、企业用户使用成本太大、挖掘算法和结果难以实时得到评价和相应修改等问题的最有希望的解决方案之一，也是数据挖掘走向互联网大众、走向实用化的重要的一步。
2.5 大数据处理与增量计算问题
目前对大数据的研究仍处于一个非常初步的阶段，半结构化和非结构化数据给传统的数据分析带来巨大挑战，尤其算法如何快速高效地处理推荐系统海量和稀疏的数据成为迫在眉睫的问题。当产生新的数据时，算法的结果不需要在整个数据集上重新进行计算，而只需考虑增量部分，对原有的结果进行微调，快速得到准确的新结果，是增量计算的理想状态。但一般而言，随着信息量的增多，算法的误差会累积变大，最终每过一段时间还是需要利用全局数据重新进行计算。一个特别困难的挑战是如何设计一种能够保证其误差不会累积的算法，也就是说其结果与利用全部数据重新计算的结果之间的差异不会单调上升，要达到这种程度，还有很长的路要走。
结束语：
随着新一代信息技术的快速发展和信息内容的日益增长，搭载在云计算平台的自组织区域推送具有它天然的优势：云的海量存储使得推荐系统能有效获取训练数据；云的分布式计算能力提供了较高的响应能力；海量用户的使用记录和计算资源问大众参与的交互涌现，最终形成自组织优化组合的智能个性化云推送。因此，农业云自组织区域推送具有重要的研究意义和广阔的应用前景，对云环境下其他领域的个性化推送应用具有借鉴意义，但目前存在大量问题需要进行深入细致的研究。
参考文献
[1]孟祥武，胡勋，王立才，张玉洁，移动推荐系统及其应用[J]，软件学报，2013，24（1）：91-108
[2]杨涛，基于本体的农业领域知识服务若干关键技术研究[D]，上海：复旦大学计算机科学技术学院博士论文，2011，1-50
[3]杨晓蓉，分布式农业科技信息共享关键技术研究与应用[D]，北京：中国农业科学院博士学位论文，2011，3-35
[4]赵春江，农业智能系统[M]，北京：科学出版社，2009，1-210，
[5]何清，物联网与数据挖掘云服务[J]，智能系统学报，2012，7（3）：1-5，
[6]黄卫东，于瑞强，共享学习模式下知识服务云平台的构建研究[J]，电信科学，2011，12：6-11
[7]丁静，杨善林，罗贺，丁帅，云计算环境下的数据挖掘服务模式[J]，计算机科学，2012，39（6）：217-219，237
[8]邓仲华，钱剑红，陆颖隽，国内图书情报领域云计算研究分析[J]，信息资源管理学报，2012，2：10-16
[9]胡安瑞，张霖，陶飞，罗永亮，基于知识的云制造资源服务管理[J]同济大学学报（自然科学版），2012，40（7）：1093-1101
[10]程功勋，刘丽兰，林智奇，俞涛，面向用户偏好的智能云服务平台研究[J]，中国机械工程，2012，23（11）：1318-1323，1336
[11]刘波，方逵，沈岳，可重构的农业知识服务模式研究[J]农机化研究，2011，36（11）：66-70
[12]赵星，廖桂平，史晓慧，陈诚，李文圃，物联网与云计算环境下的农业信息服务模式构建[J]，农机化研究，2012，4：142-147
[13]郭永田，中国农业农村信息化发展成效与展望[J]，电子政务，2012，02-03：99-106
[14]李道亮，中国农业农村信息化发展报告（2011）[M]，北京：电子工业出版，2012，87-150
[15]钱平，郑业鲁，农业木体论研究与应用[M]，北京：中国农业科学技术出版社，2006，1-100
[16]吴丽花，刘鲁，个性化推荐系统用户建模技术综述[J]，情报学报，2006，25（2）：55-62
[17]李珊，个性化服务中用户兴趣建模与更新研究[J]，情报学报，2010，29（1）：67-71
[18]王国霞，刘贺平，个性化推荐系统综述[J]，计算机工程与应用，2012，48（7）：66-76
[19]王巧容，赵海燕，曹健，个性化服务中的用户建模技术[J]，小型微型计算机系统，2011，32（1）：39-46
软件杂志欢迎推荐投稿：http：///
[20]张华清，动态多维社会网络中个性化推荐方法研究[D]，济南：山东师范大学硕士学位论文，2012，16-31
[21]丹，面向跨系统个性化服务的用户建模方法研究[J]_情报杂志，2012，31（6）：156-161
[22]邓夏玮，基于社交网络的用户行为研究[D]，北京：北京交通大学硕士学位论文，2012，4-43
[23]马尧，基于多维用户特征建模的个性化社交搜索引擎的设计与实现[D]，广州：华南理工大学硕士学位论文，2012，12-55
[24]陈恩红，徐童，田继雷，杨禹，移动情景感知的个性化推荐技术[J]，中国计算机学会通讯，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，钱松荣，引入漂移特性的用户兴趣模型优化研究[J]，微型电脑应用，2012，28（3）：30-32
[27]郭新明，弋改珍，混合模型的用户兴趣漂移算法[J]，智能系统学报，2010，5（2）：181-184
[28]程显毅，朱倩，文本挖掘原理[M]，北京：科学出版社，2010，9-45 [29]李涛，推荐系统中若干关键问题研究[D]，南京：南京航空航天大学博士学位论文，2009，31-80
[30]姜伦，模糊聚类算法及其在中文文本聚类中的研究与实现[D]，哈尔滨：哈尔滨理工大学硕士学位论文，2010，18-48
[31]冯汝伟，谢强，丁秋林，基于文本聚类与分布式Lucene的知识检索[J]，计算机应用，2013，33（1）：186-188
[32]陶红，周永梅，高尚，一种基于语义相似度的群智能文本聚类的新方法[J]计算机应用研究，2012，29（2）：482-532
[33]孟海东，刘小荣，基于聚类分析的图模型文档分类[J]计算机应用与软件，2012，29（1）：117-174，229
[34]饶君，张仁波，东呈晓，吴斌，基于MapReduce的大规模图挖掘并行计算模型[J]，应用科技，2012，39（3）：56-60
[35]于戈，谷峪，鲍玉斌，王志刚，云计算环境下的大规模图数据处理技术[J]，计算机学报，2011，34（10）：1753-1767
[36]吕善国，吴效葵，曹义亲，基于网络结构的推荐算法[J]_实验室研究与探索，2012，31（7）：278-280，368
[37]周佳，罗铁坚，一种基于内容关联的学术资源协同推荐算法[J]，中国科学院研究生院学报，2013，30（1）：117-123
[38]唐晓波，张昭，基于混合图的在线社交网络个性化推荐系统研究[J]情报理论与实践，2013，36（2）：91-95
[39]王立才，孟祥武，张玉洁，上下文感知推荐系统[J]，软件学报，2012，23（1）：1-20
[40]刘建国，周涛，汪秉宏，个性化推荐系统的研究进展[J]，自然科学通报，2009，19（1）：1-15
[41]许海玲，吴潇，李晓东，阎保平，互联网推荐系统比较研究[J]软件学报，2009，20（2）：350-362
[42]孙冬婷，何涛，张福海，推荐系统中的冷启动问题研究综述[J]，计算机与现代化，2012，5：59-63
[43]张亮，基于聚类技术的推荐算法研究[D]，成都：电子科技大学硕士学位论文，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，基于云计算的推荐算法研究[D]，成都：电子科技大学硕士学位论文，2012，26-64
[47]吕雪骥，基于云计算平台的智能推荐系统研究[D]，合肥：安徽大学硕士学位论文，2012，25-43
[48]刘晨，改进的聚类挖掘算法对网络自助出版“长尾”文本的推荐应用[D]，上海：复旦大学硕士学位论文，2011，10-19
[49]陈桂生，张海粟，刘玉超，云计算下的个性化数据挖掘服务[EB/OL]，[2011-2-28]中国人工智能学会通讯，http：//www，/contents/50/119，html
[50]张泽华，云计算联盟建模及实现的关键技术研究[D]，昆明：云南大学博士学位论文，2012，26-114
[51]郭昱，吴清烈，基于云计算的大规模定制客户需求响应模型及其节点的选择与分布[J]，系统工程理论与实践，2011，31（增刊2）：1-6
[52]赵东杰，张海粟，韩言妮，杨海涛，何宇，基于网络化数据挖掘的群体智能研究方法[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，王斌译，互联网大规模数据挖掘与分布式处理[M]，北京：人民邮电出版社，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]杨健，汪海航，王剑，俞定国，云计算安全问题研究综述[J]，小型微型计算机系统，2012，33（3）：472-479
