基于对称三层架构的Petri网仿真工具开发

设计了一种Petri网建模工具.针对该工具的特点定义了一种新的分层体系结构—对称三层架构,采用该架构设计了该工具的体系结构和核心类;对该工具进行了验证.结果表明:通过该工具,可以以图形化的方式建立、分析和仿真Petri网模型.     

基于改进权重增量Apriori算法的产品推荐方法

采用权重增量挖掘思想优化算法,为用户推荐个性化产品配置提供了有效的解决方案.方法主要主要分为3个部分,首先利用平台搭建起来的用户跟踪模块对用户行为进行跟踪和数据的收集;然后结合用户最近的行为习惯,使用基于权重增量的Apriori算法进行关联规则挖掘;最后根据挖掘出的结果完成产品推荐的过程.通过对挖掘算法的优化,大大提高了系统的运行效率和准确性,产品推荐随着用户行为的改变而改变,更加符合实际情况.实验结果表明,该算法可以有效解决产品推荐问题,相比于传统关联规则挖掘算法,准确率提高了4%.     

基于模块化的软件工程专业教学改革与实践

针对我国高校培养的软件人才难以满足企业实际岗位需求这一情况,本文以合肥学院软件工程专业为例,阐述了模块化教学改革的实施思路,探讨了其中的专业能力标准构建、模块化课程体系构建、教学方法改革和自主拓展学习等实际举措,指出模块化教学改革可以有效培养具有较强应用创新能力和岗位适应能力的软件工程应用型人才。     

测试性与性能一体化设计方法研究

现代武器装备的复杂化的发展趋势使武器系统的设计逐渐由单一的性能设计向全面考虑武器系统的性能与测试性等特性扩展;根据现代复杂武器系统的设计需求,结合工程实际,基于一体化理论建立了复杂武器系统的测试性与性能一体化设计体系;详细论述了复杂武器系统一体化体系的组成和各部分具体内容,并给出了测试性与性能一体化设计方法的通用流程与设计步骤;文章的工作对现代复杂武器系统的设计有较好的参考价值,可用于武器系统测试性与性能的一体化设计。     

基于DPLL的混合遗传算法求解SAT问题

基于"聚类排序选择"优化遗传算法求解SAT问题时,引入交叉算子和变异算子,并根据适应度函数及问题本身特性,调节阈值δ,生成新的种群聚类。这种遗传算法有效地抑制了算法的延迟收敛,从而保证了为可满足性公式能够快速找到一个可满足性指派。同时,在遗传算法中引入了DPLL算法,对部分变元进行消解,提高了算法的求解效率。相关的实验数据表明,本算法的性能明显优于同类算法。     

一种货运列车编组调度模型及算法研究

根据货运列车编组调度的基本要求,建立了配流模型。利用编组场待编组车节信息,结合到达场列车的实时信息,设计了信息反馈模型。根据配流模型和反馈模型,对列车进行解体和组编,考虑了军需物资和灾需物资的车辆信息,通过调整模型参数,使得模型继续适用那些由于铁路中断,需要绕行的货运列车。改变了传统算法只考虑局部车组信息,而忽视全局车组信息的弊端。因此,该模型具有灵活性。研究了基本的编组调度算法,使用贪心算法和动态规划算法相结合来求解,并分析了该算法的可行性。     

基于深度自编码网络的轴承故障诊断

在故障诊断领域,通常采用信号处理技术提取特征,然后将特征输入到故障分类器中进行故障识别。对于提取特征部分,采用信号处理技术可以使故障诊断取得较好的效果,但是仍然存在不足之处:一是人为提取的特征很大程度上依靠专业的诊断知识;二是绝大多数方法都需要使用标签数据来进行故障特征分类,其中标签数据必须通过大量的实验才可以得到。提出一种基于深度编码网络的轴承故障新型智能诊断方法,可以克服上述故障诊断中存在的缺陷。为了验证该方法的有效性,利用具有不同健康状况的大量滚动轴承测量振动信号数据进行测试,实验结果表明效果良好。     

双网组合下的水声通信网络节点的设计与实现

针对水下通信平台之间通信网络在可靠性、快捷性等方面的不足,提出将水下成熟的通信网络与自组织网络相结合,在特定的区域部署通信网络节点系统对信息进行转发,从而提升了水下通信网络的稳定性与灵活性;研究并设计了水下通信网络节点的系统架构、硬件系统、软件系统;在户外水域相隔10 m的距离分别放置通信节点系统到水下3m的位置,在Matlab7.0平台上完成对对水下通信网络节点信号进行测试,在PC机上应用串口调试助手软件按照初始化的参数:8位数据位、1位停止位、无奇偶校验码、波特率115200 b/s。测试结果表明:文章系统采样准确.误差低.满足实际需要。     

一种基于视觉知识加工模型的目标识别方法

提出了一种基于视觉知识加工模型的目标识别方法. 该加工模型结合目标定位、模板筛选和MFF-HMAX (Hierarchical model and X based on multi-feature fusion)方法对图像进行学习, 形成相应的视觉知识库, 并用于指导目标的识别. 首先, 利用Itti模型获取图像的显著区, 结合视觉通路中What和Where通道的位置、大小等特征以及视觉知识库中的定位知识确定初期候选目标区域; 然后, 采用二步去噪处理获取候选目标区域, 利用MFF-HMAX模型提取目标区域的颜色、亮度、纹理、轮廓、大小等知识特征, 并采用特征融合思想将各项特征融合供目标识别; 最后, 与单一特征以及目前的流行方法进行对比实验, 结果表明本文方法不仅具备较高的识别效果, 同时能够模仿人脑学习视觉知识的过程形成视觉知识库.     

一种基于CLMF的深度卷积神经网络模型

针对传统人工特征提取模型难以满足复杂场景下目标识别的需求, 提出了一种基于CLMF的深度卷积神经网络(Convolutional neural networks with candidate location and multi-feature fusion, CLMF-CNN).该模型结合视觉显著性、多特征融合和CNN模型实现目标对象的识别. 首先, 利用加权Itti模型获取目标候选区; 然后, 利用CNN模型从颜色、亮度多特征角度提取目标对象的特征, 经过加权融合供目标识别; 最后, 与单一特征以及目前的流行算法进行对比实验, 结果表明本文模型不仅在同等条件下正确识别率得到了提高, 同时, 达到实时性要求.