解决安装程序中数据库自动安装的方法

提出了两种解决在安装程序中实现数据库自动安装的方法.     

基于小波神经网络的船舶缆绳载荷预测方法

在船舶缆绳载荷准确预测的研究中,由于船舶缆绳载荷不仅受到风、流、浪等环境因素的影响,还受到船舶的船型、受风面积、吃水大小等因素的共同影响,因此具有较强的随机性和复杂性,是一种非平稳的时间序列,传统的神经网络预测模型在进行负荷预测过程中,无法处理这种非平稳信号导致很难进行准确测量.提出一种基于小波神经网络的船舶缆绳载荷预测方法,算法结合小波分析的时频局部特性与聚焦特性和神经网络的自学习、自适应和推广能力,将小波基函数作为神经网络的隐含层节点的传递函数,建立小波神经网络预测模型,以船舶缆绳的采集数据作为模型的输入与输出,利用小波函数处理非平稳信号的能量,解决缆绳负荷的非线性问题,凭借神经网络小区域计算能力,对预测结果进行进一步优化.仿真结果表明,小波神经网络用于船舶缆绳载荷数据处理,精度满足要求,具有良好的适用性.     

多尺度时序特征融合的地铁短时客流预测方法

面向城市地铁进出站客流数据,本文提出了一种融合多尺度时序特征的地铁短时客流预测方法。首先,通过数据分析,构建地铁客流的长期周期性和短期波动性等多尺度时序特征融合机制。其次,提出地铁短时客流预测方法模型来有效提高客流预测精度,既利用了长期预测模型捕捉客流的长期周期性规律,又融合了短期预测模型获取客流的短期波动性趋势。最后,在2020年9月厦门地铁53个站点的客流数据上验证模型的有效性。实验结果表明,与LSTM、GRU等基线方法相比,本文提出的方法在地铁客流预测任务上具有预测精度更高、收敛速率更快等优势。     

基于改进神经网络的煤灰熔点预测方法

介绍了一种利用Gaussian正则化方法改进RAN网络的方法.运用改进的神经网络建立煤灰熔点的预测模型.预测结果表明,所建模型结构小、精度高、泛化能力强,具有很好的预测性能.     

舰船水压信号的预测方法研究

提出了一种能从海浪水压信号背景下提取舰船水压信号的预测异常检测(PAD)法。模型预测值与测量值相比较所得的差值被作为检测舰船水压信号是否存在的判据。讨论了作为PAD中预测模型的线性的自回归(AR)模型和非线性的神经网络(NN)模型，并用模拟数据和实测数据对二者进行了比较。仿真结果表明，PAD效果良好，预测模型中，NN模型要优于AR模型。     

基于改进粒子群算法的网络安全姿态自动预测方法

常规网络安全姿态自动预测方法多采用时空维度分析法,无法很好地处理各安全要素间的相互关系对姿态值的影响,导致预测出的网络安全姿态值与真实值之间存在较大偏差。因此,本文提出基于改进粒子群算法的网络安全姿态自动预测方法。根据网络系统的报警等级信息,对网络安全姿态评估进行量化处理,采用熵关联度算法计算安全要素的关联矩阵,分析要素间的相关性,以此为依据,利用支持向量机算法构建预测模型,采用改进粒子群算法优化预测模型中的参数,通过对网络安全姿态量化样本值进行点积运算,实现网络安全姿态自动预测。经过对比实验证明,所提方法的预测值与真实值相符,预测性能较优。     

基于模糊神经网络的短时交通流预测方法研究

为满足交通控制和诱导系统的实时性需求,减少交通拥挤状况,降低交通事故突发频率,需要对短时交通流进行预测;当前的短时交通流预测方法是采用K-近邻的非参数回归对其进行预测,预测过程中没有将预测模型中关键因素对交通流的影响进行详细的说明,导致预测结果不准确,存在短时交通流预测误差较大的问题;为此,提出一种基于模糊神经网络的短时交通流预测方法;该方法首先以历史短时交通流数据样本序列为基础,将提取的关联维数作为短时交通流的混沌特征量,然后以该特征量为依据,对短时交通流数据进行聚类,使相同的短时交通流聚合类样本比不同的交通流聚合类样本更为贴近,采用高斯过程回归对短时交通流预测模型进行建设,建设过程中利用差分方法对短时交通流预测序列进行平稳化操作之后,对短时交通流预测模型进行训练,将GPR模型引入至短时交通流预测过程中,得到交通流预测方差估计值,并确定交通流预测值置信区间,由此实现短时交通流的预测;由此实现短时交通流的预测;实验结果证明,所提方法可以准确地预测交通运输系统的实时状况,为车辆行驶的最佳路线进行了有效引导,减少了自然影响方面和人为因素对短时交通流预测结果的干扰,为交通部门对交通路况的控制管理提供了依据。     

基于SDZ-RNN的出租车出行目的地预测方法

在预测出租车目的地时,传统的马尔科夫预测方法仅仅依赖于前面2到3个GPS点,对于那种具有很长依赖关系的轨迹并不适用。为了解决这种长期依赖关系,采用循环神经网络（RNN）进行出租车目的地预测,因为RNN的多个隐藏层能够存储这种依赖关系。但是随着数据量的增大,RNN的隐藏层对较小的扰动变得十分敏感,较小的扰动就会被指数级放大,最终导致预测准确率降低。为了提高预测准确率,同时缩短训练时间,将SDZ应用到RNN中,提出一种基于SDZ-RNN的出租车目的地预测方法（SRTDP）。SDZ不但能够提高SRTDP的鲁棒性,而且SDZ采用局部更新而不是全部更新的方式,降低了训练时间。实验表明,SRTDP在精度和速度上都优于RNN预测方法,预测准确率提高了12%,训练完成时间降低了7%。     

基于SAE和LSTM的下肢外骨骼步态预测方法

提出一种基于栈式自动编码器（Stacked Auto Encoder,SAE）和长短时记忆（Long Short-Term Memory,LSTM）神经网络相结合的步态预测方法解决下肢外骨骼机器人跟随控制问题。人体在行走过程中下肢步态具有一定的周期性,通过将下肢运动信息作为输入,步态作为输出,构建SAE-LSTM神经网络模型,并利用Keras对SAE-LSTM神经网络进行搭建和验证。实验结果表明,SAE-LSTM神经网络根据之前时间段的步态序列有效地预测出下一时刻的步态信息,平均准确率能够达到92.9%以上。     

软件安装自动化

描述了通过改造安装程序,在setup.exe文件末尾追加消息发送代码,使程序在运行后启动单独的消息发送线程,按照用户事先指定的消息发送顺序依次完成安装过程,使安装实现自动化,该技术可在机房维护中推广使用.     

基于数据的流程工业生产过程指标预测方法综述

生产过程关键指标的预测对于流程工业生产调度,安全生产和节能环保有着重要作用.目前,已有多种基于工业生产数据提出的生产过程指标预测方法,主要涉及特征（变量）选择,预测模型构建及其模型参数优化这三方面.本文分别针对以上三方面论述了基于数据的工业生产过程指标预测国内外研究现状,分析了各种方法的优缺点.最后,指出了流程工业生产过程指标预测方法在工业大数据及知识自动化等方面的未来研究方向和前景.     

建筑铝模板安装施工图自动标注方法研究

目前建筑铝模板行业施工人员主要根据二维安装施工图拼装铝模板,针对铝模板 数量多,种类多,模板零件标注工作量大且布局混乱等问题,研究了铝模板安装施工图的自动 标注方法。首先建立铝模板和标注信息模型;提出零件配合信息搜索方法,找出与配件配合的 零件;提出零件空间层级划分方法,判断出零件在空间的层级位置;提出标注信息平行显示方 法,计算标注的偏移角度;最后提出文本信息自动标注及布局方法,实现铝模板安装施工图的 文字自动标注。通过实例分析表明,该方法减少了铝模板安装施工图的标注工作量,提高了设 计效率和图纸质量,在生产实际中获得了应用。     

一种基于动态性能指标的数字控制算法

系统的动态性能指标主要有上升时间和超调量,基于这两个指标,该文提出一种数字控制方法,目的是减少控制参数。其基本思想是将系统的阶跃响应划分为多个区域,在不同的区域实时调整控制器的控制量,从而实现控制效果的整体最优。文中给出了控制策略和仿真控制结果,与数字PID相比,该方法只需要整定两个控制参数,它们有明确的物理意义。仿真结果表明该控制方法具有参数整定简单、容易使用、具有一定的自适应性,可获得满意的控制效果。     

Inf引导安装中快捷方式的自动建立方法

1 问题的提出 文件安装时通常涉及到自动建立程序组和快捷方式的问题。利用Inf格式文件进行应用程序文件引导安装时也不可避免地需要解决在一些特定位置建立程序组和快捷方式的问题。其实通过编写Inf文件,在安装时,能在“开始\程序”菜单、“开始”菜单、桌面、启动组、快速启动区等位置建立程序组和(或)安装文件的快捷方式。     

北京地铁二号线的环境与设备自动化监控系统应用

北京地铁2号线车辆设备消隐改造工程计划于2011年完成,其中环境与设备监控系统是该消隐改造工程的重要组成部分。该系统的实施对全线车站的通风空调系统、给排水系统、自动扶梯系统、照明系统等车站设备进行了自动化监控及管理。     

An Approach to Automatic Performance Prediction for Cloud-Enhanced Mobile Applications with Sparse Data

In mobile cloud computing (MCC), offloading compute-intensive parts of a mobile application onto the cloud is an attractive method to enhance application performance. To make good offloading decisions, history-based machinelearning techniques are proposed to predict application performance under various offloading schemes. However, the data sparsity problem is common in a realistic MCC scenario but is rarely the concern of existing work. In this paper, we employ a two-phase hybrid framework to predict performance for cloud-enhanced mobile applications, which is designed to be robust to the data sparsity. By training several multi-layer neural networks with historical execution records, the first phase automatically predicts some intermediate parameters for each execution of an application. The models learned by these neural networks can be shared among different applications, thus alleviating the data sparsity. Based on these predicted intermediate parameters and the application topology, the second phase deterministically calculates the estimated values of the performance metrics. The deterministic algorithm can partially guarantee the prediction accuracy of newly published applications even with no execution records. We evaluate our approach with a cloud-enhanced object recognition application and show that our approach can precisely predict the application performance and is robust to data sparsity.     

一种UML 软件架构性能预测方法及其自动化研究

软件性能需求作为软件质量需求的重要组成部分,已受到人们极大的重视.而只在软件开发周期后期才重点关注软件性能需求的传统软件开发方法,将给开发者带来高风险和高成本等后果.如果能在软件开发周期的早期对软件系统性能进行预测,可以提前发现软件系统架构存在的性能瓶颈,并找出可能的优化方案,对各种设计方案进行比较以得出最优的软件系统架构.研究了一种基于模型的UML 软件架构性能预测方法:该方法选取软件架构设计中的UML 用例图、活动图和构件图,并引入构造型和标记值,将它们扩展为UML SPT 模型;进而,通过转换算法将UML SPT 模型转换为排队网络模型,该算法可处理同时包含分支节点和汇合节点的UML 模型活动图;最后,利用频域分析理论求解排队网络模型,以得出性能参数及性能瓶颈.同时介绍了UML 软件架构性能自动化工具的设计方案,并给出了软件架构性能预测实例.     

Analytics-Driven Dashboards Enable Leading Indicators for Requirements and Designs of Large-Scale Systems

Mining software repositories using analytics-driven dashboards provides a unifying mechanism for understanding, evaluating, and predicting the development, management, and economics of large-scale systems and processes. Dashboards enable measurement and interactive graphical displays of complex information and support flexible analytic capabilities for user customizability and extensibility. Dashboards commonly include system requirements and design metrics because they provide leading indicators for project size, growth, and volatility. This article focuses on dashboards that have been used on actual large-scale software projects as well as example empirical relationships revealed by the dashboards. The empirical results focus on leading indicators for requirements and designs of large-scale software systems based on insights from two sets of software projects containing 14 systems and 23 systems.     

机电复合传动关键部件和系统级性能综合评估方法研究

动力传动系统的性能评估在陆上机动装备试验鉴定过程中具有重要意义。机电复合传动系统所具有的多动力源协同工作、高效多模供电、结构复杂度和集成度高等特点决定了现有评估方法无法给出完善、充分的性能评估结果。为充分满足对系统设计、匹配、控制、耐久性等系统指标及部件性能指标的验证与考核需求,提出新的机电复合传动系统部件级性能评估方法。基于机电复合传动装置的综合性能评价指标体系,开展了机电复合传动装置的系统级、部件级性能评估方法研究,通过综合赋权确定了指标的不同权重,提出了发动机、电机等不同部件的评估方法,并提出了层次分析法与模糊综合评估法相结合的系统级评估方法,综合考虑了机电复合传动系统中各关键部件对系统性能的影响程度,确定了指标体系中各项指标对表征系统性能的贡献度。