软件过程中的度量数据收集方法研究

度量数据收集在软件过程改善实践中起着重要作用,但是往往在研究中受到忽视。介绍了软件过程数据收集方法和技术的发展历程,提出了软件过程度量数据收集方法的评价准则,给出了一个软件过程度量数据自动收集的框架,并且列举了四种实现方法。     

健康运行的3G网络评价要素探讨

文章回顾了3G UMTS无线技术标准选拔、制定要素和近年移动网品质关注由QOS转向QOE的研究成果,并据此分析论述了这些指标体系对网络运行评价的影响,提出了提升网络运行健康质素的技术侧的思路建议。     

基于多幅未标定图像的三维度量重构

提出了一种基于多幅未标定图像，恢复场景三维几何的优化矩阵分解算法，该算法先通过迭代逼近得到射影重构，然后通过估计绝对二次曲面，将射影重构更新到度量重构。采用真实图像测试，获得好的实验结果，说明该方法简单易用。     

弯扭斜交网格结构参数化设计中的几何学理论与方法

从2008年北京奥运会主场馆鸟巢开始,国内出现了一批弯扭斜交网格结构造型的建筑,其中最具代表的是北鸟巢南春茧和北京凤凰国际中心。弯扭斜交网格结构以其优美而独特造型深受建筑师青睐。本文将几何学理论联系工程实际,给出了两种用于弯扭斜交网格结构参数化设计的几何方法。其一,用微分几何方法对弯扭斜交网格结构几何形体进行分析,给出其表面所在曲面参数方程的分析表达。其二,用运动学的观点,通过活动标架、扫掠及放样等造型方法,利用计算机辅助图形学方法得到弯扭斜交网格结构几何模型。两种方法的有效性通过2022年杭州亚运会乒乓球馆设计实践得到了验证。     

双域滤波三元组度量学习的行人再识别

在图像的捕获、传输或者处理过程中都有可能产生噪声,当图像被大量噪声影响时,许多行人再识别(ReID)方法将很难提取具有足够表达能力的行人特征,表现出较差的鲁棒性。该文主要针对低质图像的行人再识别问题,提出双域滤波分解构建3元组,用于训练度量学习模型。所提方法主要分为两个部分,首先分析了监控视频中不同图像噪声的分布特性,通过双域滤波进行图像增强。然后基于双域滤波分解对图像噪声具有很好的分离作用,该文提出一种新的3元组构建方式。在训练阶段,将双域滤波生成的低频原始图像和高频噪声图像,与原图一起作为输入3元组,网络可以进一步抑制噪声分量。同时优化了损失函数,将3元组损失和对比损失组合使用。最后利用re-ranking扩充排序表,提高识别的准确率。在加噪Market-1501和CUHK03数据集上的平均Rank-1为78.3%和21.7%,平均准确率均值(mAP)为66.9%和20.5%。加噪前后的Rank-1精度损失只有1.9%和7.8%,表明该文模型在含噪情况表现出较强的鲁棒性。     

基于三元采样图卷积网络的半监督遥感图像检索

该文提出了一种基于三元采样图卷积网络的度量学习方法,以实现遥感图像的半监督检索。所提方法由三元图卷积网络(TGCN)和基于图的三元组采样(GTS)两部分组成。TGCN由3个具有共享权重的并行卷积神经网络和图卷积网络组成,用以提取图像的初始特征以及学习图像的图嵌入。通过同时学习图像特征以及图嵌入,TGCN能够得到用于半监督图像检索的有效图结构。接着,通过提出的GTS算法对图结构内隐含的图像相似性信息进行评价,以选择合适的困难三元组(Hard Triplet),并利用困难三元组组成的样本集合对模型进行有效快速的模型训练。通过TGCN和GTS的组合,提出的度量学习方法在两个遥感数据集上进行了测试。实验结果表明,TGCN-GTS具有以下两方面的优越性：TGCN能够根据图像及图结构学习到有效的图嵌入特征及度量空间;GTS有效评估图结构内隐含的图像相似性信息选择合适的困难三元组,显著提升了半监督遥感图像检索效果。     

基于多尺度和注意力融合学习的行人重识别

行人重识别的关键依赖于行人特征的提取,卷积神经网络具有强大的特征提取以及表达能力。针对不同尺度下可以观察到不同的特征,该文提出一种基于多尺度和注意力网络融合的行人重识别方法(MSAN)。该方法通过对网络不同深度的特征进行采样,将采样的特征融合后对行人进行预测。不同深度的特征图具有不同的表达能力,使网络可以学习到行人身上更加细粒度的特征。同时将注意力模块嵌入到残差网络中,使得网络能更加关注于一些关键信息,增强网络特征学习能力。所提方法在Market1501, DukeMTMC-reID和MSMT17_V1数据集上首位准确率分别到了95.3%, 89.8%和82.2%。实验表明,该方法充分利用了网络不同深度的信息和关注的关键信息,使模型具有很强的判别能力,而且所提模型的平均准确率优于大多数先进算法。     

An empirical evaluation of intrinsic dimension estimators

We study the practical behavior of different algorithms and methods that aim to estimate the intrinsic dimension (IDim) in metric spaces. Some of them were specifically developed to evaluate the complexity of searching in metric spaces, based on different theories related to the distribution of distances between objects on such spaces. Others were originally designed for vector spaces only, and have been extended to general metric spaces. To empirically evaluate the fitness of various IDim estimations with the actual difficulty of searching in metric spaces, we compare two representatives of each of the broadest families of metric indices: those based on pivots and those based on compact partitions. Our conclusions are that the estimators Distance Exponent and Correlation fit best their purpose.     

An empirical study on software defect prediction with a simplified metric set

ContextSoftware defect prediction plays a crucial role in estimating the most defect-prone components of software, and a large number of studies have pursued improving prediction accuracy within a project or across projects. However, the rules for making an appropriate decision between within- and cross-project defect prediction when available historical data are insufficient remain unclear.ObjectiveThe objective of this work is to validate the feasibility of the predictor built with a simplified metric set for software defect prediction in different scenarios, and to investigate practical guidelines for the choice of training data, classifier and metric subset of a given project.MethodFirst, based on six typical classifiers, three types of predictors using the size of software metric set were constructed in three scenarios. Then, we validated the acceptable performance of the predictor based on Top-k metrics in terms of statistical methods. Finally, we attempted to minimize the Top-k metric subset by removing redundant metrics, and we tested the stability of such a minimum metric subset with one-way ANOVA tests.ResultsThe study has been conducted on 34 releases of 10 open-source projects available at the PROMISE repository. The findings indicate that the predictors built with either Top-k metrics or the minimum metric subset can provide an acceptable result compared with benchmark predictors. The guideline for choosing a suitable simplified metric set in different scenarios is presented in Table 12.ConclusionThe experimental results indicate that (1) the choice of training data for defect prediction should depend on the specific requirement of accuracy; (2) the predictor built with a simplified metric set works well and is very useful in case limited resources are supplied; (3) simple classifiers (e.g., Naïve Bayes) also tend to perform well when using a simplified metric set for defect prediction; and (4) in several cases, the minimum metric subset can be identified to facilitate the procedure of general defect prediction with acceptable loss of prediction precision in practice.     

水下机械手运动学逆解的一种优化解法

本文给出一种运用约束最优化的变尺度法求解Schilling水下机械手运动学逆解的方法。这种方法不仅具有牛顿方法的快速性和理想的总体收敛性，通过迭代求取H阵，不存在奇异性问题，运用惩罚函数法选取步长，保证了从任意点进行搜索，同时有效地处理了约束的存在，这种方法较其它优化算法和搜索法有明显的快速性，在PⅡ550微机上的求解实验证明此算法完全可以用在此机械手运动学的实时求解中。