可增量学习的水下航行器噪声源识别中聚类算法研究

水下航行器的噪声源识别具有训练样本有限,存在偶发或突变噪声源等特点。本文针对这些特点,在具有增量学习能力的水下航行器的噪声源识别系统架构下,提出了一种参数自适应可调的基于密度的聚类算法。实验表明,该算法可以有效避免基于密度的聚类算法的参数敏感性对聚类结果的不良影响,在无监督情况下对水下航行器的机械噪声源样本进行有效聚类。通过该聚类算法标注后的样本可直接作为具有增量学习结构的分类器的训练样本,节省了时间和系统开销。     

元启发搜索技术在测试数据产生中应用研究

提出一种使用元启发搜索技术产生测试数据的方法。这种方法能够针对测试中低概率执行部分产生测试数据，提高测试覆盖率，并通过实验举例说明了该方法的可行性。     

基于场景的软件早期可靠性模型

本文从场景的角度研究软件早期可靠性建模方法,给出了基于用例图确定场景运行剖面的方法,利用简化通信图确定可靠性模型中的参数。模型与UML图无缝集成,可应用于软件开发生命周期早期。用个人登录控制系统（PACS）实例介绍了模型的应用。与已有方法相比,该模型简单且吝易工具实现。     

一种基于OSGi的动态演化方法

OSGi框架为软件动态演化提供了一个强大的平台,在该平台上运行时可进行模块的加载、卸载和替换。针对替换过程中遇到的状态丢失问题,本文利用OSOi R4规范提供的面向服务组件的编程模型,将服务组件的数据部分独立出来,实现了替换过程中状态的连续性。     

基于代码自然性的切片粒度缺陷预测方法

软件缺陷预测是软件质量保障领域的一个活跃话题,它可以帮助开发人员发现潜在的缺陷并更好地利用资源.如何为预测系统设计更具判别力的度量元,并兼顾性能与可解释性,一直是人们致力于研究的方向.针对这一挑战,提出了一种基于代码自然性特征的缺陷预测方法——CNDePor.该方法通过正逆双向度量代码并利用质量信息对样本加权的方式改进...     

软件体系结构模型的范畴表示

本文将现有体系结构模型的形式化描述系统和验证系统通过范畴理论进行刻画,通过将静态结构描述和动态行为描述转化为范畴表示,使体系结构模型具有了统一的描述语言和数学基础;将体系结构精化过程中的正确性准则和精化模式定义为范畴中的态射属性和函子变换属性,以此来展示范畴理论在体系结构研究中的应用前景.     

案例推理的故障诊断技术研究综述

基于案例推理(case-based reasoning,CBR)的故障诊断作为一种新的智能诊断技术,模拟人类求解问题的思路,通过历史案例发现新问题的解。概述了CBR的理论基础和基本原理;从工作过程和集成框架两个方面综述了CBR故障诊断技术的研究现状,其中工作过程包括案例的表示、检索和重用,以及案例库的维护,集成框架包括CBR与基于规则推理、CBR与人工神经网络以及CBR与多智能体等三种情况;比较了六种故障诊断技术的特点及应用范围;总结了CBR故障诊断技术有待解决的问题。     

基于软件模块排序模型的纠正性软件维护

识别有故障倾向的模块能够将有限的资源最大化地用于软件维护.目的是利用软件模块排序模型预测模块故障倾向程度,从而指导纠正性软件维护.研究软件模块排序模型的评估和使用方法,并提出以贝叶斯信念网络改进排序模型的基本定量模型.     

移动Agents技术在信息检索中的应用研究

1引言 随着网络系统和Internet的迅速普及,发现和检索分散在世界各处的数据和信息成为一项非常重要的工作,也就是设计一个有效的信息检索方法检索到完整的信息.传统的检索方法有很大的局限性,需要新技术和程序设计模式来解决现在的新问题,一种有效的方法就是建立在agent移动性和协调性的基础上,用移动agents技术解决传统方法无法解决的安全性、通用性、移动性等问题.     

基于神经网络的软件可靠性模型的实现与分析

本文针对软件可靠性工程中模型选择比较麻烦的问题，提出了用神经网络构建通用的可靠性增长模型，在实现该模型的基础上，利用三组数据进行试验，并与三个分析模型的结果作了比较，得出了比较好的结论。