一种面向对象体系结构的度量模型

针对面向对象体系结构的软件系统缺乏有效度量方法的现状,通过行为、逻辑、构件和部署4个互为补充的模型,对面向对象的软件进行了架构分析,并确定了度量数据的采集集合.基于架构分析获得的原始系统数据,吸收快速原型与白盒、黑盒的基本原理,作者提出了一种适合面向确定对象系统的功能-结构-原型度量模型FCPMM(Function Configuration Prototype Metric Model).结合面向对象的基本准则与基本遗传算法,导出了该模型的循环收敛算法,从而可动态求解软件系统的最优状态.最后利用Matlab仿真实例,从度量参数适应度和最佳个体解码值两个方面验证了该算法的可行性.     

基于小波分析与随机森林算法的电力电子电路故障诊断

提出一种基于Db6小波函数和随机森林算法相结合的电力电子故障诊断新方法.介绍应用Db6小波进行波形分解和提取故障特征量的方法与步骤,阐述随机森林算法决策树的生长和投票过程,应用随机森林算法设计出故障分类器,并将其应用于12脉波可控整流电路的故障识别.诊断结果表明,所提方法具有较高的正确诊断率和较强的抗噪声能力.在加入5...     

NiO - Zrx Ce1-xO2催化剂的制备及其性能

用尿素均匀沉淀法制备了NiO - ZrxCe1-xO2复合氧化物,并用XRD、TPR、rPD和原位红外对其晶相结构、NiO与载体的相互作用、催化剂的表面酸碱性能和NiO - Zrx Ce1-xO2对CO2和CH3OH吸附性等进行了表征.结果表明,Zr0.7Ce0.3O2形成固溶体,且表面具有酸性中心和碱性中心,除NiO...     

胰岛素类似物浅介

研究表明，良好的血糖控制能够显著减少和延缓糖尿病慢性并发症的发生和发展。胰岛素补充，替代治疗可以有效地降低血糖，但在临床实践中往往未能及时使用胰岛素治疗，或不能有效地控制血糖。原因之一就是担心治疗过程中可能出现低血糖反应，而严重的低血糖反应是造成糖尿病患者死亡的重要原因之一。糖尿病控制与并发症研究（DCCT）提示，糖化血红蛋白（ObA1c）水平越接近目标值（美国7．0，欧洲6.5），发生低血糖的危险性越大。临床上常因担心低血糖的发生而放宽血糖的控制标准。追究低血糖发生的原因往往是现有的外源性胰岛素方案不能很好地重建正常生理性胰岛素分泌，[第一段]     

丙烯酸环氧酯-苯乙烯/过氧化苯甲酰-二甲基苯胺体系固化过程的研究

丙烯酸环氧酯是七十年代末开发的一种改性环氧树脂,是由丙烯酸类(通常为丙烯酸和甲基丙烯酸)与环氧树脂在催化剂存在下反应合成的。这类树脂是在环氧树脂分子链的两端引入不饱和双键,使它具有不饱和树脂和环氧树脂的双重性能。丙烯酸环氧酯分子链两端的双键是交联点的位置,可以通过改变丙烯酸类和环氧树脂的分子结构以及分子链上的双键数目来改进丙烯酸环氧酯的热稳定性,以及力学、物理等性能。     

Android系统隐藏技术及检测方法

Android木马通过获取系统root权限,修改内核表项实现隐藏功能,进而躲避木马查杀软件的检测。因此研究An-droid系统隐藏技术对于发现隐藏木马、提高查杀软件的检测能力有重要意义。文中在传统Linux系统隐藏技术的基础上,对Android系统服务启动过程进行分析,探究出适用于Android系统的隐藏方法,并实现了一种Android Rootkit木马原型,用于测试现有木马检测软件对该类型木马的检测能力。文中提出了针对此类Rootkit型木马的检测方法,实验证明这些方法对检测此类木马有一定的作用。     

流域产输沙模型中考虑泥沙来源的动态粒径计算方法

为准确反映泥沙粒径分布特征在不同时间尺度上的变化过程,提高流域产输沙模型的模拟精度,以黄河干流玛曲水文站以上区域为研究对象,根据不同季节的泥沙来源不同这一特点,采用坡面、谷沟、河道各来源的泥沙量作为权重,基于WEP-SED分布式流域产输沙模型对流域产输沙过程中的综合泥沙中值粒径进行加权平均计算,并对采用泥沙固定粒径计算方法和不同来源的泥沙动态粒径计算方法的模型模拟的玛曲水文站输沙率进行比较。结果表明：与采用泥沙固定粒径计算方法相比,采用泥沙动态粒径计算方法可有效提高模型模拟精度,其NSE值从0.601提升至0.706;采用泥沙动态粒径计算方法模拟的泥沙中值粒径呈现汛期小、非汛期大的动态变化规律,其年内分布规律与实测资料一致。     

结合动态图卷积和空间注意力的点云分类与分割

目的 随着3维采集技术的飞速发展,点云在计算机视觉、自动驾驶和机器人等领域有着广泛的应用前景。深度学习作为人工智能领域的主流技术,在解决各种3维视觉问题上已表现出巨大潜力。现有基于深度学习的3维点云分类分割方法通常在聚合局部邻域特征的过程中选择邻域特征中的最大值特征,忽略了其他邻域特征中的有用信息。方法 本文提出一种结合动态图卷积和空间注意力的点云分类分割方法（dynamic graph convolution spatial attention neural networks,DGCSA）。通过将动态图卷积模块与空间注意力模块相结合,实现更精确的点云分类分割效果。使用动态图卷积对点云数据进行K近邻构图并提取其边特征。在此基础上,针对局部邻域聚合过程中容易产生信息丢失的问题,设计了一种基于点的空间注意力（spatial attention,SA）模块,通过使用注意力机制自动学习出比最大值特征更具有代表性的局部特征,从而提高模型的分类分割精度。结果 本文分别在ModelNet40、ShapeNetPart和S3DIS（Stanford Large-scale 3D Indoor Spaces Dataset）数据集上进行分类、实例分割和语义场景分割实验,验证模型的分类分割性能。实验结果表明,该方法在分类任务上整体分类精度达到93.4%;实例分割的平均交并比达到85.3%;在室内场景分割的6折交叉检验平均交并比达到59.1%,相比基准网络动态图卷积网络分别提高0.8%、0.2%和3.0%,有效改善了模型性能。结论 使用动态图卷积模块提取点云特征,在聚合局部邻域特征中引入空间注意力机制,相较于使用最大值特征池化,可以更好地聚合邻域特征,有效提高了模型在点云上的分类、实例分割与室内场景语义分割的精度。