维修性预计工程化及计算机化研究

针对维修性设计的工程全过程,分析了各种预计方法,探讨了维修性预计的工程化与计算机化的实现;引入维修活动智能分解模块,并进行了初步尝试：在预计方法２０２（功能层次预计法）改进的基础上,并综合其他方法,在计算机上的得以实现（在ＰＣ机Ｗｉｎｄｏｗｓ环境下使用Ｃ＋＋语言实现）。     

维修性计算的计算机建模技术

建立产品维修性的物理模型和数学模型,是设计产品维修性辅助设计软件的关键。本文采用模块化设计技术,将产品的复杂结构形式转化为产品的维修性功有层次图及层、并行维修性流程图。并据此,建立了相应的数学模型,为利用计算机进行维修性预计、分配及分析奠定了基础。     

计算机辅助维修性设计与分析中的版本管理

为了支持渐进的和探索武的维修性设计与分析过程，必须进行有效的版本管理。本文研究了维修性CAD框架中版本管理的设计方案以及实现过程。     

基于CBR和RBR的维修性设计技术智能化

结合维修性设计过程分析和人类处理问题的思维方式,依据维修性设计技术的两大指导文献(《维修性设计准则》与《维修性设计技术案例汇编》),分析了RBR和CBR技术的优缺点,给出了基于RBR和CBR混合推理的维修性设计技术智能化的框架结构。     

基于维修性约束的一体化设计状态监控技术

从维修性约束和冲突的角度,对装备一体化设计状态监控技术进行了研究。在此基础上,探讨了适合于维修性设计自身特点的维修性约束和维修性冲突的定义、分类等基础理论。提出了基于约束和实例的维修性冲突解决方法,该方法发扬了约束法和实例法解决冲突的优势,弥补了单一解决方案存在的不足。     

基于案例的维修性智能设计技术研究

产品维修性的设计长期以来依赖于积累的经验。文章在大量收集维修性设计技术案例的基础上,有针对性的制作多媒体信息材料。提出了基于实例的智能设计技术并实现了计算机辅助工程系统,详细阐明了该系统的组成、结构、功能,以及所采用的基于案例的推理技术、数据采掘技术。     

维修性工程的发展现状与趋势

回顾了维修性工程的发展历程,总结了当前维修性工程所研究的热点内容,介绍了我国维修性工程的发展现状,指出了存在的问题与差距;展望了维修性工程的未来发展趋势。     

浅析机械产品维修性设计

本文分析了维修性设计的基本流程,用以指导产品的维修性结构设计.并重点研究了维修性设计中关键环节(维修性结构设计和维修性设计特征分析)的基本方法,为维修性设计建立技术基础.     

基于案例的推理在维修性设计分析中的应用研究

从维修性工程在我国的应用发展入手,提出了基于案例推理（ＣＢＲ）专家系统在维修性设计分析中应用的必要性。阐述了系统应具有的功能结构模型和处理过程模型;系统设计中的一些问题。并用一简单的例子说明ＣＢＲ的应用过程。最后列举了ＣＢＲ在维修领域应用需进一步研究的问题。     

虚拟维修性分析系统的研究

从维修性设计的需求入手，指出了开展虚拟维修性分析系统研究的必要性，提出了虚拟维修性分析系统的结构框架，描述了软硬件配置，分析了系统的运行机制，并对几个关键技术问题进行了讨论，最后提出了需进一步研究的工作。     

开放式会计电算化局域网的设计与实现

根据对单位会计电算化局网的组建,介绍一种易于扩充和维护和开放式会计电算化局域网的设计与实现过程。     

对会计电算化中若干会计方法的思考

本文从借贷记帐法、错误更正和产品成本计算方法三个方面,对比了会计电算化中的会计方法与传统会计方法的不同处理,指出了会计电算化软件中的不足,提出了作者的一些想法。     

对会计电算化中若干会计方法的思考

本文从借贷记帐法、错误更正和产品成本计算方法三个方面，对比了会计电算化中的会计方法与传统会计方法的不同处理．指出了会计电算化软件中的不足．提出了作者的一些想法。     

Machine Learning Techniques for Software Maintainability Prediction: Accuracy Analysis

Maintaining software once implemented on the end-user side is laborious and, over its lifetime, is most often considerably more expensive than the initial software development. The prediction of software maintainability has emerged as an important research topic to address industry expectations for reducing costs, in particular, maintenance costs. Researchers and practitioners have been working on proposing and identifying a variety of techniques ranging from statistical to machine learning (ML) for better prediction of software maintainability. This review has been carried out to analyze the empirical evidence on the accuracy of software product maintainability prediction (SPMP) using ML techniques. This paper analyzes and discusses the findings of 77 selected studies published from 2000 to 2018 according to the following criteria: maintainability prediction techniques, validation methods, accuracy criteria, overall accuracy of ML techniques, and the techniques offering the best performance. The review process followed the well-known systematic review process. The results show that ML techniques are frequently used in predicting maintainability. In particular, artificial neural network (ANN), support vector machine/regression (SVM/R), regression &; decision trees (DT), and fuzzy &; neuro fuzzy (FNF) techniques are more accurate in terms of PRED and MMRE. The N-fold and leave-one-out cross-validation methods, and the MMRE and PRED accuracy criteria are frequently used in empirical studies. In general, ML techniques outperformed non-machine learning techniques, e.g., regression analysis (RA) techniques, while FNF outperformed SVM/R, DT, and ANN in most experiments. However, while many techniques were reported superior, no specific one can be identified as the best.

     

Hadoop框架下节点重要性算法实现蛋白质功能预测

论文从蛋白质序列数据的角度出发,通过序列相似度循环匹配构造蛋白质网络,并且通过网络节点重要性排序算法预测蛋白质功能.以节点重要性重要性作为研究对象,在蛋白质网络应用节点重要性算法PageRank计算网络中蛋白质节点PR值,在Hadoop平台上进行开发实现功能预测的并行计算,减小运行时间.最后通过准确率,召回率以及F1-measure三个指标来衡量结果,并对比传统的功能预测方法,验证结果的有效性.     

全局时变权组合预测方法

文章提出了一种新的组合预测方法—全局时变权组合预测方法。这种组合预测方法根据以往的全部历史数据,利用数值计算的手段决定组合系数函数中的参数,于是组合系数随时间的推移而变化。这种组合预测方法既能充分利用历史数据,又可以同时跟踪变量的时变特性。     

基于Neuro-Fuzzy方法的Web服务器访问流量预测

Neuro-Fuzzy方法是将神经网络和模糊逻辑进行有机的结合,用于解决复杂的非线性问题;用它来进行Web服务器流量预测,是一种新的思路和方法。该文介绍了模型构造的基本思想、结构、算法,也介绍了进化式聚类方法和预测过程;同时,给出了实验数据及分析。     

代价敏感的Boosting软件缺陷预测方法

软件缺陷预测可以有效提高软件的可靠性,修复系统存在的漏洞。Boosting重抽样是解决软件缺陷预测样本数量不足问题的常用方法,但常规Boosting方法在处理领域类不平衡问题时效果不佳。为此,提出一种代价敏感的Boosting软件缺陷预测方法CSBst。针对缺陷模块漏报和误报代价不同的问题,利用代价敏感的Boosting方法更新样本权重,增大产生第一类错误的样本权重,使之大于无缺陷类样本权重与第二类错误样本的权重,从而提高模块的预测率。采用阈值移动方法对多个决策树基分类器的分类结果进行集成,以解决过拟合问题。在此基础上,通过分析给出模型构建过程中权重和阈值的最优化设置。在NASA软件缺陷预测数据集上进行实验,结果表明,在小样本的情况下,与CSBKNN、CSCE方法相比,CSBst方法的BAL预测指标分别提升7%和3%,且时间复杂度降低一个数量级。     

基于就业导向的高职高专会计电算化实践教学研究

随着经济水平的提升与计算机技术的进步,现代财务管理对财务人员提出新的标准,要求学习电算化理论知 识、掌握电算化操作技能,因此高职高专院校会计电算化教学活动的具体研究十分重要。本文对会计人才的需求进行分析,简 要说明目前高职高专开展会计电算化教学活动时存在的问题,最后针对问题提出相应的实践策略,旨在为高职高专院校培养 专业的会计电算化人才提供可借鉴的资料。     

基于拟似然估计方法的软件失效预测模型

软件缺陷预测是软件可靠性研究的一个重要方向。由于影响软件失效的因素有很多,相互之间关联关系复杂,在分析建模中常用联合分布函数来描述,而实际应用中难以确定,直接影响软件失效预测。基于拟似然估计提出一种软件失效预测方法,通过主成分分析筛选影响软件失效的主要影响因素,建立多因素软件失效预测模型,利用这些影响因素的数字特征(均值函数和方差函数)以及采用拟似然估计方法估计出模型参数,进而对软件失效进行预测分析。基于两个真实数据集Eclipse JDT和Eclipse PDE,与经典Logistic回归和Probit回归预测模型进行实验对比分析,结果表明采用拟似然估计对软件缺陷预测具有可行性,且预测精度均优于这两种经典回归预测模型。