基于组件开发的组件选择过程*

组件的选择是影响基于组件开发项目成功的决定性因素之一。目前组件选择存在着四方面问题,即组件选择过程没有定义,组件评价准则的定义没有得到足够重视,实际采用评价组件的方法往往缺乏客观性,理论研究提出的方法往往可操作性差。针对这些问题,提出了一个组件选择过程模型,该模型包含搜寻、筛选、评价和分析四个子过程;最后通过一个应用案例,详细说明了该组件的选择过程。     

组件文档的研究

本文针对目前组件文档不完备的情况,指出组件文档在CBSE中的重要作用,分析了组件的特点和组件使用中的风险。并从方便开发者选择、装配组件和降低组件使用风险的角度提出了书写组件文档的框架。     

一种CAD系统组件模型的组合技术及其实现

当前CAD系统中采用的组件模型主要有两类：标准组件模型和自定义组件模型。尽管这两种情况都有成功的例子，但是不能完全照搬成功经验。在分析了当前CAD开发中面临的挑战后，讨论了组件模型的选择策略，并给出了一个较好的解决方案——在标准组件模型的基础上增加一些新的特征和技术。最后，提出和实现了一个在COM组件模型基础上组件复用和扩展的新技术。     

J2EE框架下组件检索方法研究

分析了传统的基于刻面的组件检索方法在组件功能和组件具体规范方面处理的不足,然在传统方法的基础上提出了一种改进的组件检索方法,提供了相应的组件检索描述模型,其主要特征是将组件功能用具体接口来描述,同时将J2EE平台组件规范融入到组件检索描述模型中,用试验结果比较了这两种算法.     

基于组件的访问控制系统快速开发方法

访问控制是分布式应用的一个必要组成部分。由于访问控制机制的建立要求开发人员具有丰富的访问控制专业知识,所以建立有效的访问控制机制往往成为应用系统开发中的难点问题。论文研究并提出了一种基于组件的访问控制系统快速开发方法并建立了相应的开发工具。该工具采用面向组件的软件开发方法,支持组件化访问控制系统的动态策略定义、组件库管理和配置集成,能够根据用户选择的访问控制模型以及所定义的访问控制策略快速生成访问控制系统。所生成的访问控制系统可与应用系统无缝结合或部署到Web服务等分布式计算平台中,为应用系统提供所需的访问控制功能。     

一种光伏电池组件的温度预测方法

组件温度是影响太阳能电池组件转换效率的一个重要因素,对组件温度的准确预测,有助于提高光伏发电功率预测的精度。文中提出了一种光伏电池组件温度预测方法。该方法考虑了影响光伏电池组件温度的主要因素,通过选择适当的样本建立统计模型。算例结果表明,该预测模型能够较好地对光伏电池组件温度进行预测,具有潜在的应用价值。     

基于组件模型分析的组件容器产品线体系结构

组件容器为组件提供部署和运行环境,是基于组件分布式应用开发的核心.近年来分布式组件的多样化和快速演化对组件容器的开发方法提出了挑战.产品线工程是基于公共的核心资产开发特定领域内软件产品系列的软件工程方法,产品线体系结构是其中最重要的部分.进行组件容器产品线体系结构的研究能够提高组件容器的结构复用性,获得更高的生产效率和质量.由于组件模型是组件容器设计的基础,在领域分析阶段引入组件模型分析,提出了组件模型分析框架,通过组件模型元素到领域需求元素的映射,建立组件容器领域模型.提出了组件容器设计的基本原则,并根据变化性封装原则,提出了组件容器产品线体系结构PLACE,通过引入可选属性、模块层次结构和决策模型,实现组件容器的领域需求.PLACE产品线体系结构已在网驰平台的多个组件容器设计中得到应用.     

基于独立组件的模糊人脸图像鉴别

针对图像模糊会影响人脸图像识别精度的问题,首先指出了在摄取用于识别的人脸图像时加入模糊鉴别步骤的必要性,进而提出了基于独立面部组件进行模糊人脸图像鉴别的方法.由于进行模糊鉴别必须依赖图像中的高频细节信息,而人脸图像上绝大多数高频信息都集中在眼睛、眉毛、嘴巴等具体面部组件上,因此选择以这些面部组件为基本特征提取单位,以降低面颊、额头等主要包含低频平滑信息的面部其他区域对模糊鉴别精度的影响.该方法采用面部组件上的高频DCT系数为特征;随后为各组件构建独立的随机森林分类器,并分别判断每个面部组件其是否模糊;最后基于各组件的鉴别结果进行投票,得出最终模糊鉴别结果.在FRGC公开数据集上进行大量对比实验的结果表明,独立面部组件特征是有效的,并充分验证了文中方法的实际效果.     

云平台应用系统迁移方法的研究

针对多组件应用系统迁移到云平台的目标物理服务器的选择问题,提出了一种基于组件间通信量的迁移方法。迁移方法根据形式化后的应用系统逻辑架构图和云平台物理资源组织结构图,通过计算组件间的通信量和虚拟资源需求值,为应用系统各组件在云平台选择目标物理服务器。通过在品高云计算平台上的多租户精品课程网站群系统的迁移实验,证明了所提迁移方法较好地减少了应用系统在使用时,云平台内部物理服务器间的通信量。     

AndroMDA模型转换组件的扩展研究

AndroMDA是一种支持模型驱动架构的开发工具,模型转换组件是其实现从模型到代码的转换的核心部件。在应用AndroMDA进行系统开发时,往往需要对其模型转换组件进行定制,以生成满足特定需要的代码。文中提出了一种对AndroMDA的模型转换组件进行扩展的方法,并使用该方法对模型转换组件Bpm4Struts Cartridge进行了扩展。使用扩展后的Bgm4Struts Cartridge可以从UML状态图生成基于Strum框架和Ajax框架DWR的代码,从而实现了在UML模型中可视化地应用Ajax技术的目标。     

基于深度神经网络的少样本学习综述

如何从少数训练样本中学习并识别新的类别对于深度神经网络来说是一个具有挑战性的问题。针对如何解决少样本学习的问题,全面总结了现有的基于深度神经网络的少样本学习方法,涵盖了方法所用模型、数据集及评估结果等各个方面。具体地,针对基于深度神经网络的少样本学习方法,提出将其分为数据增强方法、迁移学习方法、度量学习方法和元学习方法四种类别;对于每个类别,进一步将其分为几个子类别,并且在每个类别与方法之间进行一系列比较,以显示各种方法的优劣和各自的特点。最后强调了现有方法的局限性,并指出了少样本学习研究领域未来的研究方向。     

A generalized finite-difference method based on minimizing global residual

An improved generalized finite-difference method is proposed in this paper, as an alternative meshless method to solve differential equations. The method establishes discrete equations by minimizing a global residual. A general frame for constructing difference schemes is first described. As one choice the moving least square method is used in this paper. Compared with other generalized finite-difference methods, the improved method yields a set of discrete equations having the favorable properties such as symmetric, positive definite and well conditioned. Compared with meshless methods based on a variational principle or a weak form, the method described in this paper does not need a numerical integration and thus provides an alternative way to avoid the difficulties in implementing a numerical integration. In the proposed method there is no such inconvenience in applying essential boundary conditions as commonly encountered in other meshless methods. Numerical examples show that the improved method has a high convergence rate and can produce accurate results even with a coarse mesh.     

具有模糊参数的大工业过程的混合协调法

在研究大工业过程的递阶优化控制算法时, 针对模型-实际差异问题, 将子过程的数学模型中的系数处理为模糊数, 提出了基于模糊模型的大工业过程的稳态混合协调算法. 研究了两种具有模糊参数的混合算法: 开环的和有全局反馈的混合协调算法. 与基于精确系数模型的混合算法相比基于模糊模型的混合算法收敛更快, 目标函数更好.     

基于网络流量的赫斯特指数分析

该文通过对生成的布朗运动的Hurst指数分析,发现重置标度极差分析方法即R/S分析和基于小波的分析方法两者得出的H指数差异很大,通过对网络流量数据进行分析则进一步验证了上述结论,并简要分析引起此结果的原因,为今后进一步研究打下基础。     

A comparison of several reanalysis methods for structural layout modifications with added degrees of freedom

The goal of this paper is to compare several reanalysis methods for structural layout modifications with added degrees of freedom. These methods include the modified initial analysis methods, the modified initial analyses method with a scalar multiplier, and the preconditioned conjugate gradient method. These reanalysis methods are compared in terms of condition numbers of the preconditioned system and their computational accuracy. It is concluded in this paper that the preconditioner of the first method is not positive definite in general, while for the second method a positive definite preconditioner for a small scalar multiplier can be obtained, but the condition number of the preconditioned system is still large. For the third method, the condition numbers of the preconditioned system are significantly reduced, and highly accurate approximate solutions can be obtained in a few iterations.     

Identification of dynamic models in complex networks with prediction error methods—Basic methods for consistent module estimates

The problem of identifying dynamical models on the basis of measurement data is usually considered in a classical open-loop or closed-loop setting. In this paper, this problem is generalized to dynamical systems that operate in a complex interconnection structure and the objective is to consistently identify the dynamics of a particular module in the network. For a known interconnection structure it is shown that the classical prediction error methods for closed-loop identification can be generalized to provide consistent model estimates, under specified experimental circumstances. Two classes of methods considered in this paper are the direct method and the joint-IO method that rely on consistent noise models, and indirect methods that rely on external excitation signals like two-stage and IV methods. Graph theoretical tools are presented to verify the topological conditions under which the several methods lead to consistent module estimates.     

关于Vague值转化为Fuzzy值的方法的分析

提出了Vague值转化Fuzzy值的方法的不可分辩的定义,用此定义证明了四种转化方法的不可分辩性。证明了五种方法(其中有该文提出的三种方法)是较好的转化方法。     

一种新型电机转速测量方法的研究

介绍了频率法、周期法转速测量的基本原理,综合两种测速方法的优点,根据不同的转速范围,选用不同的测量参数,提出一种可以实现快速、有效、高精度的测速方法,方便采用单片机实现。     

一种新型电机转速测量方法的研究

介绍了频率法、周期法转速测量的基本原理,综合两种测速方法的优点,根据不同的转速范围,选用不同的测量参数,提出一种可以实现快速、有效、高精度的测速方法。方便采用单片机实现。     

基于数据挖掘技术的高校教学质量监控研究

教学质量监控是学校进行教学质量管理的重要手段,对提高教学质量具有重要意义。随着校园信息化的发展,高校教务系统里积存了大量有价值的数据,但却没有被很好的挖掘利用。鉴此提出将数据挖掘技术应用到高校教学质量监控中,使用因子分析法对计算机专业的学生成绩进行综合评价分析,并提出一种决策树改良方法对学生成绩进行预测,最后针对文中所提出的方法与其他方法进行了对比分析。结果表明,因子分析法相对于平均分排名法,蕴含了更多的信息量可以提供更加全面的评价,另外其突出重要因素,可以对各方面情况进行合理量化;决策树改良方法相对于其他成绩预测方法稳定性好、准确性高,且过拟合情况少。经验证,这个方法可以在高校教学质量监控中发挥一定作用。