基于GQ(I)M模型的度量计划定义方法研究

GQ(I)M模型是一种面向目标的定义度量的方法,在软件过程度量中被广泛采用.但是,由于定义度量时没有依赖具体的开发过程,且往往忽略了过程成熟度的考虑,定义的度量元不合理,使度量计划的制定很困难,并使度量的结果难以解释度量活动.本文提出了一种在GQ(I)M模型定义度量计划的方法基础上结合成熟度与过程建模的新的方法,最后对进一步的研究方向做了展望.     

一种基于子镜头聚类的情节代表帧选取方法

情节代表帧选取方法是视频语义分析和基于内容的视频检索的很重要的方法。代表帧的使用大大减少了视频索引的数据量,同时也为视频摘要和检索提供了一种快捷的方法。该文在子镜头的关键帧提取方法基础上,利用模糊C-均值聚类算法,实现了一种基于子镜头聚类的情节代表帧选取方法。实验证明该方法计算简单,可以较好地代表视频情节。     

在VB中快速访问SQL Server数据库的方法

针对SQL Server系统所建立的数据库，分别就DQO、RDO ADO不同机制下的数据源访问列举出采用数据绑定控件和适应动态编程的非绑定控件的应用，着重对ADO方法进行了详解。     

云平台下图数据处理技术

针对Hadoop云平台下MapReduce计算模型在处理图数据时效率低下的问题,提出了一种类似谷歌Pregel的图数据处理计算框架--MyBSP.首先,分析了MapReduce的运行机制及不足之处;其次,阐述了MyBSP框架的结构、工作流程及主要接口;最后,在分析PageRank图处理算法原理的基础上,设计并实现了基于MyBSP框架的PageRank算法.实验结果表明,基于MyBSP框架的图数据处理算法与基于MapReduce的算法相比,迭代处理的性能提升了1.9~3倍.MyBSP算法的执行时间减少了67%,能够满足图数据高效处理的应用前景.     

面向小样本约束的域适应分类算法

近年来,人工智能的相关应用被越来越细化到不同的应用场景,而对不同的应用场景都进行相应的数据收集,模型训练,模型调优等步骤需要消耗大量的时间精力会严重影响人工智能技术应用的效率.因此如何基于现有的成熟的训练过的模型迁移到其他应用场景是当前应用人工智能技术的关键问题.域适应算法主要研究将源域模型有效地迁移到目标域,这为上述问题提供了一个重要的解决思路.本文提出小样本对抗判别域适应算法,相对于无监督域适应算法能够在更严格的约束下-仅需要少量的目标域样本,在标准数据集上取得了优于对抗判别域适应算法(Adversarial Discriminative Domain Adaptation,ADDA)算法的表现,在单任务中最高提升幅度达16.9%.本文中,首先,提出了两种新的数据增强方法,以构建符合双域联合分布的图像以丰富样本多样性并填充特征空间,解决小样本约束下模型易过拟合到少量目标域样本的问题.接着,结合双域样本配对机制和ADDA算法,将以大量目标域样本为条件的无监督域适应算法改进为面向小样本约束的有监督域适应算法.在域适应过程中,引入类标签平滑损失来抑制过拟合现象,并结合度量学习中的最大平均...     

基于改进BP神经网络的路面状态识别研究

解决路面气象状态的识别问题并满足一定的精度要求,是高速公路气象监测研究中的一个关键问题。本文提取、和三种彩色模型信息组成特征向量;提出一种附加动量法和自适应学习率相结合的改进BP算法;在此基础上建立了非线性识别模型,并将该模型应用于路面状态识别试验。实验结果表明该模型能准确有效地识别路面气象状态。     

基于PKI和PMI的网格授权机制的研究

目前网格授权问题的研究只实现了粗粒度的资源访问控制,资源的访问控制权在资源本地.针对以上缺点,在设计了一种通用网络组织模型的基础上,结合PKI(Public Key Infrastructure)、PMI(Privilege Management Infrastructure)以及信息服务,构建了适合网络环境的网络权限管理和授权服务基础设施GPMI,把资源的访问控制权交给资源提供者,实现资源访问控制的集中管理,同时实现了细粒度的资源访问控制,为网格中的计费等跟踪工作提供了基础.     

聚类的组播组分配策略在DDM中的实现

DDM(DataDistributionManagement)服务是高层体系结构HLA(HighLevelArchitecture)中定义的六大服务之一,它主要目的是通过减少网络间不相关数据的分发,提高网络的利用效率。一种常用的DDM优化方法是使用组播,组播是一种非常适合一对多的通信方式,它能够将更新数据发送到一个指定的定购者子集里。传统的DDM组播使用固定网格分配算法,在资源使用和数据发送方面存在一定的问题,不适合超大规模的仿真。本文在固定网格算法基础上提出了一种基于聚类的组播组分配算法,通过聚类,将固定网格的组播组进行合并,减少组播组的使用数量,提高网络资源的利用率,最后从实验结果上分析了聚类组播算法的优缺点。     

基于二维MB-LBP特征的人脸识别

提出了一种基于二维多尺度局部二进制模式的人脸识别方法,对一幅人脸图像进行分块,对每一块的图像进行MB-LBP（Multi-scale Block Local Binary Patterns）算子运算,将MB-LBP与灰度共现矩阵结合起来得到了可以更好地描述局部纹理空间结构的二维MB-LBP特征,将各子块的二维MB-LBP特征进行连接形成人脸特征。该算法在ORL和CMU-PIE人脸数据库上进行测试,选择了支持向量机（SVM）作为分类器,并与传统的基于一维LBP特征进行比较,结果表明提出的算法在人脸识别问题上的有效性和优越性。     

星载SAR舰船检测技术及其在海洋渔业监测中的应用

近年来,利用星载SAR数据对海洋舰船目标进行检测与监视的技术在很多领域得到了广泛的应用。海洋渔业资源保护和渔船监测就是其中的一个重要应用。目前为保护海洋渔业资源,促进其可持续利用,我国也正在进行利用星载SAR对渔船进行监测和管理的研究工作。对国内外公开发表的文献中关于星载SAR舰船检测方面的研究成果进行了总结,回顾并分析了舰船和舰船尾迹检测的常用方法,并说明了星载SAR舰船检测的一般流程。最后对国外利用星载SAR进行海洋渔业检测和资源保护方面的成功案例进行了介绍。希望能够从中得到有益的经验和启发,对我国在利用星载SAR进行海洋渔船监测和海洋渔业资源保护方面的研究和应用有所帮助。