基于EPMM的任务和活动的规范化研究

为了开发高质量的软件过程,有必要对任务和活动进行规范。基于EPMM对活动和任务的形式化定义,通过对任务间的逻辑关联、消息关联的分析,提出了规范任务的概念,给出了活动第一范式、活动第二范式和活动第三范式的定义,并给出将低级别的活动范式转化为高级别的活动范式的算法。     

神经网络在车牌字符识别中应用

近年来,以改进型BP网络为代表的神经网络在模式识别、模式分类和模糊控制等领域得到广泛应用,它具有具有良好的自学习能力、强大的分类能力、容错能力或鲁棒性。本文将神经网络引入到车牌字符识别中来,先论述了基于神经网络图像识别系统的理论;再结合车牌字符识别的特征提取法进行BP神经网络分类器的设计。     

基于EPMM的软件过程模型规范化研究

为了开发高质量的软件过程模型,有必要对软件过程模型的规范化进行研究。本文基于EPMM对过程的形式化定义,考虑到传统软件过程和软件演化过程的特点,给出过程第一范式(1PNF)、过程第二范式(2PNF)、过程第三范式(3PNF)和过程第四范式(4PNF)的定义,并给出它们的判定算法。本文建议:对于传统的软件过程模型,应设计到满足2PNF;而对于软件演化过程模型,应设计到满足3PNF。本文为建模高质量的软件过程模型提供了指南。     

基于结构平衡理论和高阶互信息的符号网络表示学习算法

提出了一种基于结构平衡理论和高阶互信息的符号网络表示算法SNSH，通过反转符号网络中的正负关系生成负图，来挖掘符号网络中隐含的高阶互信息。该方法旨在通过加强的社会平衡理论来模拟符号网络的局部隐含特征，并通过节点局部嵌入、网络全局结构和节点特征属性三者之间的高阶互信息，得到更全面的符合符号网络特性的节点嵌入。