发布时间：
给你意见，给你参考
[1]朱岑郁.国内户外音乐节运营问题研究[D].南京艺术学院2014
[2]左康秀.我国在线音乐产业的价值链[J].经营与管理.2014(06)
[3]孙武军，陆璐.交叉网络外部性与双边市场的倾斜式定价[J].中国经济问题.2013(06)
[4]余家辉.歌曲翻唱的版权问题研究[D].暨南大学2014
[5]李泉.双边市场价格理论及其产业应用研究[D].上海交通大学2008
[6]于霞.基于Hotelling模型的零售平台企业定价[J].统计与决策.2013(19)
[7]盛利.网络音乐有偿下载模式及其国内建设[J].音乐传播.2013(03)
[8]袁楠.天津大学“北洋合唱团”培养与训练的研究[D].曲阜师范大学2014
[9]徐天维.黄山市屯溪区民间音乐教育传承的可行性研究[D].南京艺术学院2014
[10]周加海.观第九届中国音乐金钟奖美声组比赛有感[D].河南大学2014
[11]武立强.山西交响乐演出市场调查与营销策略研究[D].河北师范大学2014
[12]尹隆.基于双边市场理论的媒体广告价格调整问题研究[J].北京工商大学学报(社会科学版).2013(05)
[13]王小芳，纪汉霖.双边市场的识别与界定：争论及最新进展[J].产业经济评论.2013(03)
[14]张鲁晶.大学生满意度模型构建与影响因素分析[D].首都经济贸易大学2010
[15]郑桂凤.移动互联网的用户行为分析系统的设计与实现[D].北京邮电大学2010
[16]张效辉.外商直接投资影响我国农业产业结构演变的机理研究[D].浙江财经学院2011
[17]刘文婷.以运营商为主导的移动互联网业务商业模式研究[D].北京邮电大学2009
[18]王娜仁图雅.浑善达克沙地草原畜牧业生产与气候关系初探[D].内蒙古师范大学2009
[19]侯琳琦，郑晓慧.三网融合带给中国数字音乐的机遇和挑战[J].人民音乐.2013(09)
[20][J].(1)
[21]AtipAsvanund,KarenClay,RamayyaKrishnan,[J].(2)
[22]‐SIDEDMARKETSWITHMULTI‐HOMING[J].(3)
[1]房婷，蒋达.音乐可视化研究[J].电影评介.2013(05)
[2]付一超，张宏，林高雅，胡志强，赵瑞瑞.音乐播放中RGB-LED混光呈现匹配研究与实现[J].哈尔滨理工大学学报.2014(06)
[3]翟明超.浅谈色彩音乐的发展[J].大众文艺.2011(24)
[4]张宏，田春伟，林高雅，李小进，刘露.基于音频信号频谱分析的混合光效设计与实现[J].哈尔滨理工大学学报.2013(06)
[5]黄玉豪.STC89C58RD+单片机在MP3播放器设计中的应用[J].电子产品世界.2013(06)
[6]何谐.FAT32文件系统在Cortex-M3音乐播放器中的应用[J].单片机与嵌入式系统应用.2013(06)
[7]翁斌.嵌入式系统中USB总线的应用[J].电子质量.2013(01)
[8]Zoranovic,AleksandarL,Stojanovic,GoranM,Malbasa,[J].(3)
[9][J].(1)
[10]李书宇.WSN在农业温室监测系统中的应用[D].哈尔滨理工大学2013
[11]李欣欣.基于MPI的层次聚类算法的研究及实现[D].哈尔滨理工大学2012
[12]林钦.基于LotusDomino的办公自动化系统的设计与实现[D].福州大学2010
[13]张雪芳.浅谈音乐心理治疗[J].北方音乐.2011(11)
[14]张龙.基于S2SH+ExtJS的市级卫生防疫部门OA系统的设计与实现[D].福州大学2010
[15]胡远涛.基于中职学校“构、分、破、锁”的多边形建模和有关渲染技术的教学研究[D].西北师范大学2014
[16]符运河.基于AX2010解码芯片的嵌入式MP3播放系统的设计与实现[D].哈尔滨工业大学2012
[1]冯昕.智能手机美食应用信息设计研究[D].华东理工大学2015
[2]王兆，胡锦.从用户需求分析如何初步定义产品功能[J].艺术与设计(理论).2011(02)
[3]聂大安，李彦，麻广林，马涛.基于用户需求分类的同步多产品设计方法[J].计算机集成制造系统.2010(06)
[4]郁宁亚.LTE基站系统安全性算法及接口的FPGA设计与实现[D].武汉邮电科学研究院2015
[5]庄小芳.无线Mesh网络信道分配算法的研究[D].福州大学2011
[6]王昆鹏.基于文化因子的互联网产品满意度研究[D].浙江大学2011
[7]石曦.手持移动设备的界面设计模式和框架研究[D].北京服装学院2015
[8]熊子鉴.老年消费者高端养老消费意愿的影响因素研究[D].浙江工商大学2015
[9]陈颖.无线传感器网络自适应任务分配算法的研究[D].福州大学2011
[10]王钦.基于ZigBee无线传感器网络的研究与应用[D].福州大学2010
[11]周昱含.基于无线传感器网络的自适应压缩传感重构算法的研究[D].南开大学2013
[12]张沙沙.基于层次分析法的移动互联网产品可用性研究[D].北京邮电大学2010
[13]黄文涛.基于用户研究的互联网产品界面设计及评估[D].南京航空航天大学2013
[14]于晓燕.智能手机游戏界面设计研究[D].华东理工大学2015
[15]殷佳丽.基于情感化设计的儿童互联网产品界面视觉设计研究[D].苏州大学2014
[16]彭佳.基于用户体验的老年智能手机APP界面交互设计研究[D].华东理工大学2014
[17]赵文政.不同终端的互联网产品移植中的差异化设计研究[D].北京印刷学院2013
[18]程求江.基于NGID-DBSCAN算法与最小包围圆模型的基站位置分析[D].武汉邮电科学研究院2015
[19]聂波，王绪刚，王宏安，王纲.手持移动设备中多通道交互的通用开发框架[J].计算机应用研究.2007(09)
[20]CermakLS,';
[21]
这个题目的确是有点超出本科生能力，因为数据聚类算法很多，都不是很容易实现，更不用说在效果，效率上的分析，而且绝大多数算法的优缺点早就总结过了，也很难创新，我专业是数据挖掘，我在研究生期间都不做这样的论文
什么也不会很难通过，你可以好好准备论文，老师一般都会提问你你写的论文里的知识点。
我也是应届毕业生 所以我的指导老师说最多问的问题是如下：1.你为什么想实现这个系统、2.你为什么用这个为实现这个系统的用的高级语言，数据库或某一个软件？3.某个功能怎么实现的？4.这个系统有什么开发前途？等等 一般最多问的就这些。
1、技术含量。计算机专业的毕业答辩首先关注的是毕业设计所涉及到的技术含量是否能够满足培养要求，本科阶段要具备初步的科研能力，而研究生阶段要具备一定的创新能力。 2、技术方案的合理性。毕业答辩中老师比较关注的另一个问题就是技术方案的合理性，常见的关键点有三个，其一是如何进行技术选型；其二是否具有扩展空间；其三是否能够落地应用。 3、技术细节。技术细节往往也是老师比较关注的问题，目的是检验学生对于技术的掌握情况和动手能力。技术细节通常有三个大的方面，其一是描述某一个功能是实现流程； 其二是针对于数据库操作进行提问；其三是针对于算法问题进行提问。要想顺利通过技术细节的考察，一方面需要做好充分的准备，另一方面要灵活应对，在老师提出的问题没有充分理解的时候，可以从解决问题的思路给出自己的方案，同一个问题有多种不同的方案，能给出其中的任何一种都是能够说明问题的，这一点一定要切记。
别担心，每一届像你这样的很多呢，也都顺利毕业了！你怕啥！答辩之前好好准备，对于毕设的每个点都了解一下，不会就问！另外就是做些备注，找找朋友帮忙，给你系统的讲解一下，很容易的！网页链接希望这个可以帮到你
1 F. Sebastiani. “Machine learning in automated text categorization.” ACM Computing Surveys, 34(1), pp. 1-47, 2002. (.pdf)2 Aas K., Eikvil L.. Text Categorisation: A Survey. TechnicalReport. Norwegian Computing Center, Oslo, Norway, M. Rogati and Y. Yang. High-performing feature selection for text classification ACM CIKM 2002. (.pdf)4 Tie-Yan Liu, Yiming Yang, Hao Wan, et al, Support Vector Machines Classification with Very Large Scale Taxonomy, SIGKDD Explorations, Special Issue on Text Mining and Natural Language Processing, , , pp36~43, 2005. (.pdf)5 苏金树、张博锋、徐 昕，基于机器学习的文本分类技术研究进展 软件学报 17(9): 1848-1859, (.pdf)6 基于统计学习理论的支持向量机算法研究7 瓦普尼克（著），张学工（译），统计学习理论的本质 清华大学出版社 SVMlight9 SVMTorch
随着BERT等预先训练模型获得越来越多的关注，从数据增强实验到改进模型数学原理，大量的研究已经进一步提高了它们的性能。在本文中，作者提出了一种简洁有效的方法，在保持几乎相同的计算成本的情况下，利用标签嵌入技术来提高BERT的文本分类性能。在6个文本分类基准数据集上的实验结果证明了其有效性。 文本分类是自然语言处理(NLP)中的一个经典问题。任务是将预定义的类或多个类注释到给定的文本中，其中文本表示是一个重要的中间步骤。 为了学习更好的文本表示，已经开发了各种神经模型，包括卷积神经网络模型，循环神经网络模型和注意机制。预训练模型在文本分类方面也非常有利，因为它们通过避免从零开始来帮助简化训练过程。其中一组方法专注于单词嵌入，如word2vec和GloVe；另一种方法专注于上下文化单词嵌入，从CoVe到ELMo、OpenAI GPT、ULMFiT和BERT。 BERT在各种NLP任务中取得了特别令人印象深刻的表现。随着它的成功，通过对大量数据进行预训练的模型，如ERNIE、RoBERTa、UniLM和XLnet，由于其学习情境表示的能力而变得流行起来。这些模型基于多层双向注意机制，并通过MASK预测任务进行训练，这是BERT的两个核心部分。继续研究BERT的潜力仍然很重要，因为新的发现也可以帮助研究BERT的其他变体。在这项工作中，作者提出了一种简单而有效的方法来提高BERT的文本分类性能，通过类别标签的文本（如“世界”、“体育”、“商业”和“科学技术”）来增强上下文表示学习，同时不改变原始的编码器网络结构。本文的主要贡献如下: 图一展示了论文算法的大致结构，受句子对输入的启发，作者将标签文本与输入文本用[SEP]进行拼接，标签文本与输入文本用不同的片段向量(segment embeddings)表示。 后面同正常文本分类相同，通过整体[CLS] embedding，图片中为 接上tanh线性层进行分类，通过交叉熵损失训练。举例：假设有三个类别---体育、美食、 人物。「马德里竞技」视角下这三类最后都是抽象的，为A/B/C，若训练时「体育美食人物+马德里竞技」--->体育，则模型能学习到「竞技」「体育」之间的关系，即利用label的文本信息。 除了单个文本输入之外，作者对于句子对输入没用用[SEP]字符拼接标签文本与输入文本，因为前后不是自然句，不像NSP任务，这种方式记为 w/o[SEP] 除了使用文档将标签的原始文本编码到BERT中外，作者还实验为每个类选择更多的单词作为代表，从而扩大了Lj中标记的数量。通过tfidf 标签文本增强来进一步提高我们的模型的性能。使用基于WordPiece的Bert Tokenizer来对文本进行分词，然后计算每个subword的平均tf-idf得分，最后将前5、10、15或20作为补充标签文本到相应的类。 其中AGNEWS包含四种类别，DBpedia包含14种类别，在线infer的时候也要加上这些前缀，会带来一定开销，所以label也不宜多，性能折中。同时，过多的label引入，也可能带来分类效果的下降。 可以明显的看到不对句子pair input作区分w/o [SEP]取得了更好的效果。NSP任务在Bert pretrain阶段是用于预测下一个句子的。当我们将标签序列与输入文档连接时，[SEP]标记将非自然语言序列与自然语言句子组合在一起。这种差异可能导致了前训练和BERT微调之间的偏斜度，导致性能下降。
知网检测系统是如何进行字数计算的呢？关于大学生、研究生、博士生都要写论文，论文的写作是有字数限定的，那么知网查重是怎么统计字数的呢？上面小编带您详细了解一下知网论文查重字数统计的标准。第一步，先用word打开毕业论文，可以选择最下面的菜单项[字数]。补充：如果你是老版本Word软件就需要在最上面菜单项中选择一个工具，然后我们可以看到一字数。第二步：点击字数，弹出：页数、字数、字符数(不计空格)、字符数(计空格)、段落数、非中文单词、中文字符，看到字符（不计算空格）为需要计数的字符数。假如咱们在选择论文检测系统时，字符计超出了最大系统限制数，那么我们就可以把一些不需要检测的内容去掉，依次是论文封面、原创声明、目录、参考文献、附录、英文摘要、中文摘要等，最后留下论文正文部分的内容就可以了。所有的论文查重都是以字符数不计空格为规范，知网报告单中的字数也就是统计在Word中的字符数不计空格（存在误差）。在知网查重时，正确的统计字符数能够迅速有效地进行查重，不会出现知网检测系统因字符数超限而导致检测不合格的情况。
论文发表都需要经过期刊机构的审核，如果论文的相似度较高是很难通过审核的。不同的期刊对论文的原创度要求是不一样的，不同的论文查重系统的论文查重结果也是有差异的。那么论文查重相似度不能超过多少？什么是相似度，论文查重系统通过一系列的算法跟自己的数据库中的论文进行对比检测，如果论文中存在很多跟部分是跟查重系统数据库一致的内容，那么查重系统就会判断论文中存在抄袭和复制。是否构成抄袭我们还得看学校和机构的判断，一般本科论文重复率要求在30%左右，硕博论文重复率在20%一下，普通论文重复率要求在30%左右，核心期刊论文重复率在20%以下。论文中有参考文献引用是允许的，但是在引用参考文献的时候是有一定的格式的，我们要按照学校或者查重系统的要求来进行标注，只有进行了正确的参考文献标注，论文查重系统才不会计算参考文献的重复率。同时参考文献引用不能超过全文的5%。这样也有可能造成参考文献计算到论文的重复率中。论文查重系统的原理都是连续跟查重系统数据库重复太多的数字就会被认为重复， 如果我们论文中存在抄袭的话，可以通过修改其中一部分的数字来进行规避重复率。同时大部分论文查重系统是不能查重图片和表格的，我们可以把一些重要的数据转换成表格和图片，这样也是可以降低论文重复率的。
xxx的研究，基本上就是matlab做个算法仿真，贴几张参数对性能影响的曲线图比较，得出对应结论；xxx的实现，可能就是要写算法代码，或者涉及到具体电路的搭建，甚至做电路板；xxx设计，应该会涉及到具体硬件实现，如PCB画板，看个人兴趣爱好了，好好做毕业涉及，总会有收获的，不在于设计题目高端与否
如果是自己参考，那么首先要查的就是自己修改的部分必须查重。觉得哪里修改就查哪里。 高校里的论文查重肯定是比较规范的，一般是查中英文摘要正文和致谢部分。 其他封面、声明、目录、参考文献是不检测的，不会算重复率。
请问你目前使用的是水性还是油性产品？我公司专业生产水性聚氨酯树脂，有技术性问题可以咨询唐先生，
水溶性聚氨酯化学灌浆材料是淡黄色的，油性聚氨酯堵漏剂是深褐色的。这是两个产品直观最明显的区别
目前，阴离子型水性聚氨酯最为重要，芳香族水性聚氨酯合成的化学原理可用下列反应式表示：在中和之后加水乳化的同时，水也起到扩链剂的作用，扩链后大分子的端-NCO基团转变为-NH2，进一步同-NCO反应，通过脲基（-NH-CO-NH-）使水性聚氨酯的分子量进一步提高。脂肪族水性聚氨酯使用脂肪族二异氰酸酯（如IPDI、TMXDI）为单体，其活性较低，因此，其在水中的扩链是通过加入水中加入乙二胺、肼或二乙烯三胺（多乙烯多胺）进行；此法溶剂用量低，无须脱除溶剂，工艺更可靠，可以实现真正意义上的绿色工艺生产。
一、指代不同
1、水性聚氨酯：以水代替有机溶剂作为分散介质的新型聚氨酯体系，也称水分散聚氨酯、水系聚氨酯或水基聚氨酯。
2、油性聚氨酯：具有热塑性的线性结构的聚氨酯体系。
二、特点不同
1、水性聚氨酯：水性聚氨酯以水为溶剂，无污染、安全可靠、机械性能优良、相容性好、易于改性等优点。
2、油性聚氨酯：主要是具有热塑性的线性结构，它比PVC发泡材料有更好的稳定性、耐化学性、回弹性和力学性能，具有更小的压缩变型性。隔热、隔音、抗震、防毒性能良好。
三、用途不同
1、水性聚氨酯：胶合板、食品包装复合塑料薄膜、织物层压制品、各种薄层材料的层压制品，如软质PVC塑料薄膜或塑料片与其他材料(如木材、织物、纸、皮革、金属)的层压制品。
2、油性聚氨酯：主要用于建筑、汽车、航空工业、保温隔热的结构材料。 聚氨酯弹性体性能介于塑料和橡胶之间，耐油，耐磨，耐低温，耐老化，硬度高，有弹性。主要用于制鞋工业和医疗业。聚氨酯还可以制作粘合剂、涂料、合成革等。
参考资料来源：百度百科-水性聚氨酯
参考资料来源：百度百科-聚氨酯