多组织管理信息系统软件体系结构的合约模式

丰富和发展了合约的概念,把它作为一种设计模式应用于多组织管理信息系统软件体系结构的设计中,从各个层次上阐述了合约模式的应用方法。实践证明,以合约模式设计的多组织管理信息系统软件的体系结构能够有效地解决信息封装、信息共享、业务模型的动态组织和全局信息管理模型等问题。     

基于融合变分图注意自编码器的深度聚类模型

聚类作为数据挖掘和机器学习中最基本的任务之一,在各种现实世界任务中已得到广泛应用.随着深度学习的发展,深度聚类成为一个研究热点.现有的深度聚类算法主要从节点表征学习或者结构表征学习两个方面入手,较少考虑同时将这两种信息进行融合以完成表征学习.提出一种融合变分图注意自编码器的深度聚类模型FVGTAEDC(Deep Clustering Model Based on Fusion Varitional Graph Attention Self-encoder),此模型通过联合自编码器和变分图注意自编码器进行聚类,模型中自编码器将变分图注意自编码器从网络中学习(低阶和高阶)结构表示进行集成,随后从原始数据中学习特征表示.在两个模块训练的同时,为了适应聚类任务,将自编码器模块融合节点和结构信息的表示特征进行自监督聚类训练.通过综合聚类损失、自编码器重构数据损失、变分图注意自编码器重构邻接矩阵损失、后验概率分布与先验概率分布相对熵损失,该模型可以有效聚合节点的属性和网络的结构,同时优化聚类标签分配和学习适合于聚类的表示特征.综合实验证明,该方法在5个现实数据集上的聚类效果均优于当前先进的深度聚类方法.     

基于UML和ASP的研究生信息管理系统设计与实现

采用统一建模语言UML,对研究生信息管理系统的结构关系建模,阐述了UML在系统的可视化建模机制,从不同层面给出了系统的需求分析及系统设计的整个过程。利用ASP技术实现开放式研究生管理系统,可以实现教师异地管理学生信息,提高学生管理工作的效率和灵活性。     

强跟踪自适应滤波器实现机动目标的精确跟踪

机动目标状态估计中的一个主要问题是:目标运动的突变性导致状态噪声无法进行统计预测.传统的EKF将噪声看成是高斯白噪声有着本质上的不足,因而无法实现稳定的跟踪.引入Sage-Husa滤波算法对有色噪声进行在线的估计,一定程度上弥补了目标运动模型不够合理的缺憾.在此基础上,从系统容错设计基本原理出发,用归一化残差功率法实时地检测可能出现的数值发散现象,一旦检测到发散,印通过一种改进的强跟踪自适应滤波器进行抑制,有效地提升了滤波的健硕性,实现了稳定跟踪.最后,针对高机动目标的运动特性,仿真验证采用变维滤波模型,用EKF对目标的简单机动进行跟踪,只有目标运动突变时才采用本文提出的算法,以提升计算的实时性.仿真结果表明此算法对高机动目标的跟踪是有效的.     

超低功耗手持式检波器测试仪

设计了手持式检波器测试仪,选取超低功耗的16位单片机MSP430系列为主控MCU,模拟部分硬件采用最新设计思路的低压供电,软件采用低功耗的智能处理策略,以实现超长待机。     

网络安全态势感知中D-S证据理论冲突证据的修正研究

D-S证据理论是不确定推理的一种重要方法,在许多方面都得到了广泛的应用。针对D-S证据理论在网络安全态势感知的数据融合过程中的应用,就多源数据的证据组合结果与直觉相悖的问题进行深入研究,提出了一种新的解决方案。该方案通过支持度的思想对冲突证据源进行修正以达到解决证据冲突的目的。最后,以网络安全态势感知环境为背景进行数值算例,证明了所提方法的可行性。     

一种改进的软件项目开发风险管理模型

该文提出了一种改进的软件项目开发风险管理模型。该模型在贝叶斯网络的建模过程中以样本数据集为基础进行结构学习和参数学习,建立更符合实际软件项目特征的贝叶斯网络。同时,进一步完善了软件项目开发风险管理流程,并利用贝叶斯网络的信念更新过程实现动态软件项目风险管理。经实践检验,该改进模型能够更有效地对软件项目开发过程中的风险进行管理,提高软件开发的成功率。     

自适应阈值新闻视频镜头分割算法

针对新闻视频镜头的转换基本上都是切变的特点,提出了一种自适应阈值新闻视频镜头分割算法。通过计算视频中相邻两帧的颜色直方图并进行比较得到帧间差,用帧间差与自适应阈值比较来判定镜头是否发生切换。该算法的最大优势是能够根据镜头内容的复杂程度自动确定阈值,在一定程度上避免了固定阈值算法适应性不强的问题,同时算法还考虑了如何消除新闻视频中常见的闪光灯对镜头检测的影响。实验结果表明,该算法对新闻视频镜头分割具有较好的效果。     

一种基于改进图波网的双重自回归分量交通预测模型

随着智慧城市的建设,城市交通流量预测在智能交通预警和交通管理决策方面至关重要.由于复杂的时空相关性,有效地对交通流量进行预测成为了一项挑战.现有的对交通流量进行预测的方法大多采用机器学习算法或深度学习模型,而它们各有优缺点,若能够将两者优点结合起来,将进一步提高交通流量预测的精度.文中针对交通时空数据,提出了一种基于改进图波网(Graph WaveNet)的双重自回归分量交通预测模型.首先,通过门控3分支时间卷积网络有效融合3个时间卷积层,从而进一步提升了捕获时间相关性的能力;其次,首次引入自回归分量,将自回归分量和门控三分支时间卷积网络、图卷积层有效融合,使模型能够充分反映时空数据之间的线性和非线性关系.在METR-LA和PEMS-BAY两个真实的公共交通数据集上进行实验,并将所提模型与其他交通流量预测基准模型进行比较.结果表明,不管是短时间还是长时间的预测,文中所提模型在各个指标上都优于基准模型.     

自洽场理论研究嵌段聚合物的并行算法实现

自洽场理论的数值计算方法在聚合物热力学的研究中得到了广泛的应用,尤其应用在嵌段共聚物微相分离形态的预测和描述方面[1～6]。该理论方法灵活性较强,参数空间的调整范围较大,能应用的计算体系也变化多样,难以建立固定的既有软件包,现有文献也鲜见针对该理论算法并行化的研究。本文就该理论在嵌段共聚物自组装问题上的数值计算的并行算法实现进行了研究和讨论,给出了算法性能的理论分析,并进行了实验测试。测试结果显示,本文提出的并行算法可获得良好的并行加速比,并行效率较高。该算法的提出有助于推动包括针对聚合物在内的软物质理论的研究工作。