迭代式MapReduce研究进展

迭代计算普遍存在于大数据处理中,而传统的MapReduce不能显式地支持迭代计算。近几年,研究者扩展和改进原始MapReduce,已开发了若干迭代式MapReduce以更好地为大数据处理而支持迭代计算。对迭代式MapReduce编程框架进行综合评述,较详细地阐述了这些研究成果,给出了它们各自的基本思想,并分析了它们各自的特点、优势和不足,且对比了它们所采用的一些技术。对迭代式MapReduce未来的发展趋势进行了展望。     

吸气式高超声速飞行器多学科优化设计研究

在冲压发动机推进特性问题的研究中,高超声速飞行器是一种多学科强耦合的先进飞行器,传统的设计方法一般只考虑某一个性能和学科,造成设计性能不理想,而多学科优化设计(MDO)能够探索和充分利用工程系统中的协同机制来实现复杂飞行器的设计.为优化推进技术,完善设计,提高航程,用多学科优化设计方法对高超声速飞行器进行了优化设计.建立了包括空气动力学、推进系统、结构质量以及弹道航程等多个学科模型在内的多学科优化平台.进行仿真,结果表明满足各个学科约束的条件,使得飞行器的航程提高 12.94%.同时也说明文中针对高超声速飞行器搭建的多学科优化平台是可行的,为优化设计提供厂保证.     

迭代式软件开发模型研究及应用

对各种迭代式软件开发模型进行了剖析,并论述了在军工嵌入式软件开发过程中如何选取、裁剪和运用迭代式软件开发模型。     

工作项目导向的迭代式教学模式研究与实践

通过分析项目教学法存在的弊端,研究项目教学法在课程教学上的具体应用,引入现代软件工程的迭代开发方法,探讨“工作项目导向的迭代式教学模式”.重点介绍了工作项目导向的迭代式教学模式在高职教学中的应用,给出了该教学模式的设计方法和设计原则,指出了在实施过程中的基本思路和教学方法,研究了其对课程和专业建设的作用.     

和差式相位测向法在吊放声纳改进中的运用研究

国内某型吊放声纳在模拟信号处理过程中存在操作复杂和测向精度不高等问题,早期和差式相位测向法需要复杂的显示系统,对人员的操作要求较高,并且误差较大。通过分析影响吊放声纳测向的因素,在模拟处理转变为数字信号处理技术后,基于和差式相位测向原理,同时引入恒虚假检测以及目标参数估计等后处理算法流程,可直接精确地计算出目标方位,降低了对操作技能的要求,最终确定数字化改造的方向,为早期模拟吊放声纳装备性能改进提供了依据和参考。     

吸气式高超声速飞行器气动耦合干扰效应研究

研究飞行器与冲压发动机耦合干扰效率优化问题,由于吸气式高超声速飞行器机身与冲压发动机之间存在高度耦合,针对耦合效应不可避免对飞行器稳定性产生影响,为提高控制系统性能,提出飞行器机身与发动机之间的耦合干扰效应问题展开深入研究.在高超声速飞行器各部件无粘气动特性的基础上,采用尾气羽流分析模型研究机身与冲压发动机耦合干扰效应,并基于飞行器几何参数化模型进行仿真.结果表明分析模型能较精确地快速反应机身与冲压发动机之间耦合干扰效应,为吸气式高超声速飞行器机身/发动机一体化设计和控制系统优化设计及其动力学特性研究分析提供依据.     

基于迭代式项目教学法构建ASP.NET课程教学内容的研究

本文介绍了迭代式项目教学法,结合ASP.NET课程探讨了项目的设计和实施过程。经过实践,证明迭代式项目教学法能有效提高课程教学效果,培养学生的职业技能。     

基于多元线性回归快速迭代的室内定位方法研究

主要研究一种新的室内定位方法。该方法采用传统的信号—传播模型,利用多元线性回归法求出该模型中的相应参数,从而利用该模型求出初始各移动终端的位置;再采用快速迭代法和各移动终端相互校正从而提高定位的精度。实验结果表明,该算法时间复杂度小、收敛速度快,且具有较高的估计精度。     

基于Gitee的理实一体化迭代式项目驱动教学法应用研究

探讨理实一体化环境下,在实施迭代式项目驱动教学法过程中,应用Gitee云代码托管服务改进程序设计类课程的教学过程,并介绍其具体运用过程。     

基于学习的迭代式优化编译中的经验适用性研究

迭代式优化编译方法能有效地使应用程序的运行充分发挥各种硬件平台的潜力。其中基于机器学习的方法显著提高了优化效率,但它忽视了编译程序的经验总是有限的现实,需要根据一个新程序的具体情况判断自己是否有足够的和适当的经验将其优化。这制约了在更广泛的应用领域内应用该技术。为此,本文提出采用逆K近邻法对新程序作孤立点检测。如果一个程序被判断为孤立点,表明已有经验并不适用,应该从零开始搜索优化空间;否则可直接利用已有经验。初步实验结果表明,本方法能有效判断一系列程序中的孤立点,使编译程序能对它们做恰当的处理,提高优化效率。     

探索低资源的迭代式复述生成增强方法

复述生成旨在同一语言内将给定句子转换成语义一致表达不同的句子。目前,基于深度神经网络的复述生成模型的成功依赖于大规模的复述平行语料,当面向新的语言或新的领域时,模型性能急剧下降。面对这一困境,提出低资源的迭代式复述生成增强方法,最大化利用单语语料和小规模复述平行语料迭代式训练复述生成模型并生成复述伪数据,以此增强模型性能。此外,提出了句子流畅性、语义相近性和表达多样性为基准设计的伪数据筛选算法,选取高质量的复述伪数据参与每轮模型的迭代训练。在公开数据集Quora上的实验结果表明,提出的方法仅利用30%的复述语料在语义和多样性指标上均超过了基线模型,验证了所提方法的有效性。     

一种基于WebMO模型的迭代式软件估算方法

改进了基于WebMO模型的软件规模和工作量估算方法,通过调整项目的计数规范、修正基于Web的规模预测因子、增加软件配置模块等途径,对实际的Web项目进行了迭代式估算.应用结果表明,改进方法在对Web软件项目的估算可靠性方面有了一定的提高.     

利用弹簧质点模型和隐式方法的布料模拟研究

首先运用弹簧-质点模型建立布料的面模型,然后对质点进行力的分解以及受力分析并优化。提出逼近的隐式数值积分方法模拟质点的运动轨迹,这解决了显式数值积分方法的不稳定性和小时间间隔的缺点和其他隐式方法计算量大的缺点,这也是实现基于物理模型的布料仿真的关键技术。针对具体碰撞对象采用简单的包围盒方法进行碰撞检测,和利用二分法进行碰撞的处理,大大增加了碰撞处理的逼真效果。实验证明其模拟方法具有稳定性和实用性。