基于谓词执行信息分析的自适应缺陷定位算法

查找程序中缺陷代码所在的位置是一项值得深入开展的研究,同时也是实际软件调试过程中所面临的一个难题,这一过程往往需要耗费大量的时间和人力资源.研究软件缺陷定位的一类重要方法是基于谓词的统计学缺陷定位方法(简称PBSFL).PBSFL通过比较程序运行成功与失败时谓词的执行信息差异来获得谓词与缺陷的关联程度.然而实验研究发现,固定算法中信息利用的强度会造成信息利用不足或过分利用现象的发生,导致现有PBSFL方法对某些缺陷定位不够准确.针对这一问题,文中设计了一种基于谓词执行信息分析的自适应缺陷定位算法,该算法通过分析测试用例运行时谓词的执行情况来动态地为每个谓词选择合适的信息利用强度.实验结果表明,该方法在Siemens和space两个程序包上表现出很好的定位效果以及定位稳定性.     

黄河小浪底工程对生态环境影响及对策研究

黄河的治理问题一直受到社会各方面的关注。小浪底水利工程的兴建将使黄河的治理进入新的里程,同时也将对库区、库周及黄河下游以黄河水为主要水源的引黄灌区、湿地、河口三角洲的生态环境产生重要影响。在长期研究的基础上,简要分析小浪底工程对生态环境的影响,并提出了若干对策。     

刚果(金)露天金属矿预裂爆破技术

为更好地控制刚果(金)华刚矿业铜钴矿D坑采场的露天矿边坡稳定性,通过参考该国露天金属矿爆破施工经验,对该采场预裂爆破的炮孔直径、线装药密度和孔距3个参数之间的变量关系进行了统计分析,得出了该矿山最适宜的预裂爆破参数。实践表明,半孔率可达80%以上,有效确保了边坡稳定性。     

海底电缆铺设过程中受力特性数值模拟研究

目的  以江苏启东某海上风电场建设项目为工程背景,开展海底电缆铺设过程中的力学特性数值模拟研究,分析不同挖沟深度的工况下海缆悬跨段的局部应力分布情况。 方法  基于ABAQUS数值模拟软件,建立海底电缆埋设数值模型。 结果  研究结果显示：海底电缆后缘提升点在埋设过程中的应力相较于埋设作业前显著增大,该位置的缆线在整个埋设过程中受力最大,是最危险的位置;挖沟深度对海底电缆后缘提升点处的应力有显著影响,随着挖沟深度的增加,后缘提升点处的应力相应增大。 结论  海底电缆铺设作业中应加强保护抬升点处的缆线材料,缆线的屈服应力参数选取应着重参考埋设作业中缆线的受力分析结果。研究成果可为海底电缆铺设作业提供参考依据。     

一种基于模糊集理论的图像融合方法

在图像的小波变换融合基础上,着重探讨了图像的融合规则问题,并提出了一种三角函数形式的模糊隶属度融合准则,实现了图像的模糊集融合.使用SAR影像与SPOT影像进行了融合对比实验,结果表明,本方法具有良好的实用性,且具有更好的融合效果.     

铜加工中的连续挤压技术应用

挤压是有色金属压力加工的主要生产方法之一,连续挤压技术是挤压成形的一项新技术,以连续挤压技术为基础发展起来的新工艺为有色金属管、棒、型、线及其复合材料的生产提供了新的技术手段和发展空间。     

房地产企业绿色采购制约因素分析

通过文献综述识别出房地产企业进行绿色采购的制约因素,并通过设计调查问卷,邀请业内人士对各制约因素的相对重要性程度进行判断评分;通过聚类分析,将各制约因素按其影响程度和影响范围进行分类。研究发现房地产企业绿色采购的主要制约因素是缺乏市场利润和相关激励政策,以及绿色建材市场发展不完善等。基于此,提出促进绿色采购的相关对策建议。     

基于马尔可夫模型的软件错误定位方法

软件调试是软件开发的重要环节.统计错误定位技术通过分析程序执行频谱来估计程序中错误所在的位置.针对不同类型的程序频谱,此类技术建立不同的启发式模型描述程序行为.已有研究表明,其准确度同目标错误和程序类型相关,且不存在某种普遍有效的技术.文中从单元测试的特性出发,探讨预测错误类型的可行性,并采用马尔可夫过程对错误类型进行预测,从错误定位技术备选集中选择适合的技术来实施.实验表明文中方法能够更快地定位程序错误.     

风景名胜区整合优化背景下区域保护等级与强度变化评估研究——以海南省五指山省级风景名胜区为例

为响应国土空间规划编制,我国于2020年全面开展自然保护地整合优化工作,其中风景名胜区的整合优化工作开展较为艰难,规则也被多次调整。在“保护面积不减少、保护强度不降低、保护性质不改变”的总体要求下,如何保障风景名胜区的保护等级与强度只增不降成为业界关注的重点。文章结合工作实践,以海南省五指山省级风景名胜区调整为例,利用Arc G于客观翔实的数据对比和政策要求,对风景名胜区整合优化前后的区域管控等级和强度进行对比评估,验证风景名胜区调整方案的可行性和科学性。     

基于YOLOv3-spp的汽车轮毂表面缺陷检测算法研究与分析

针对传统人工检测方法效率低且准确率不高等问题,提出一种基于YOLOv3-spp网络的自动缺陷检测方法。首先通过图像切片提取缺陷区域,然后将提取的缺陷图片经过数据增强后组成数据集并以此训练YOLOv3-spp网络,接着对比分析了不同深度学习网络及数据集筛选方法对轮毂表面缺陷的检测效果。实验结果表明：在工业现场采集的数据集上,训练好的YOLOv3-spp神经网络可以准确地定位,并识别出点状、线性、油泥油漆、针孔4类缺陷,其平均准确率分别为84.5%、93.4%、95.4%和89.5%,检测速度达到35 ms/幅,满足检测的实时性要求,且检测准确率优于Faster R-CNN和SSD两种常用神经网络。