基于模糊集理论的软件质量评估研究

针对软件质量评估数据的模糊性问题,提出了基于模糊集理论实施评估的处理方案,改善传统评估方法中不精确性和复杂性的弊端,达到科学、客观、合理评估的目的;描述了模糊集理论解决现实世界模糊性问题的基本原理,并给出应用模糊逻辑与推理的多因子软件质量评估模型设计。针对模型的应用方法给出了一个软件质量评估实例,便于对多因子软件质量评估模型有更深的理解。     

乐安河源区水库底栖硅藻分布特征及环境响应分析

为研究乐安河源区水库底栖硅藻种的群落分布特征及其与环境因子之间的响应关系,在2020年冬季测定了婺源县大塘坞水库、清华水库和石井水库3个水库的底栖硅藻群落组成和水体理化指标,并采用Pearson相关性分析和冗余分析探讨底栖硅藻空间分布特征及其与环境因子的响应关系。结果表明,从11个采样点共鉴定出硅藻24属73种,其中优势种Cyclotella stelligera的丰度为21.91%,同时Melosira、Cocconeis、Achnanthes属分布广泛。硅藻分布特征及环境响应分析显示：Melosira varians等与水体营养化水平的联系较为显著;Cyclotella stelligera与COD_Mn呈现为显著的正相关关系;Cymbella perpusilla与TP表现为负相关的关系,NH⁺₄-N、NO^-₃-N是影响硅藻属种差异的显著因子,共同解读了硅藻信息的43.1%。初步判定乐安河源区水库底栖硅藻群落结构与NH⁺₄-N、N...     

基于净能力及二阶锥规划的分布式光储多场景协同优化策略

针对现有配电网中分布式光储调度模型存在资源协同不足、求解复杂等问题,提出了一种基于净能力及二阶锥规划的分布式光储多场景协同优化调度策略。通过引入储能接入配电网后的功率转移分布因子,提出一种基于系统净能力的储能最优选址计算方法;综合考虑储能的运行特性和分布式光伏的出力不确定性,建立以系统日综合成本和削峰填谷为目标的分布式光储多场景协同优化调度模型;利用二阶锥松弛和Big-M法对潮流约束、储能运行约束进行处理,将原规划模型转化为混合整数二阶锥规划问题。以IEEE 33节点系统和西北某实际系统为算例进行仿真分析,结果表明所提方法能在降低负荷峰谷差和日综合成本、平抑负荷波动的同时,显著提高对分布式光伏的消纳能力,验证了所提方法的有效性和可行性。     

一种新的可靠性分配方法

可靠性分配是把系统的可靠性定量要求按照一定的准则分配给系统各组成单元,采用综合加权方法因子方法给出一个新的分配方法.该方法充分考虑了软件在目前工程中所起的关键作用,使用此方法进行可靠性分析可以使分配结果更切合工程实际.     

一种基于SVDCKF的无人机动态自适应航姿算法

针对小型无人机在复杂飞行条件下的航姿解算精度和鲁棒性问题,提出了 一种动态自适应调节的奇异值容积卡尔曼滤波航姿估计算法.考虑到低成本航姿传感器随机偏差大的问题,将航姿传感器随机偏差作为待估计参数,以消除传感器随机偏差的影响.由于无人机航姿模型的非线性和滤波中协方差矩阵的非正定问题,设计了一种融合容积卡尔曼滤波(cuba...     

改性木质素磺酸钠基竹叶黄酮纳米胶体球的制备及防晒性能

采用自组装法,以竹叶碳苷黄酮(BLF₇₀)为芯材,改性木质素磺酸钠(LS/CTAB)为壁材,在无水乙醇-正己烷体系中自组装制备纳米混悬液(NS_LS/BLF),添加1%的壳聚糖(CS)作为降色剂,真空冷冻干燥得纳米胶体球冻干粉(NS_LS/BLF/CS)。结果表明,NS_LS/BLF/CS呈白色细粉状,色泽均匀,平均粒径为(402.5±21.0) nm,分散系数为0.351±0.006,平均电位为(-22.1±1.47) mV,包埋率为(80.57±0.55)%。与BLF₇₀相比,NS_LS/BLF/CS具有更好的紫外吸收性。本研究开发的NS_LS/BLF/CS有望成为商业性能良好的新型复合防晒功能因子。     

基于新型权重因子校正和延时补偿的永磁同步电动机模型预测转矩控制

为解决永磁同步电动机(Permanent magnet synchronous motor,PMSM)模型预测直接转矩控制(Model predictive direct torque control,MPC-DTC)权重因子和计算延时问题,提出了新型权重因子校正和延时补偿策略,改善PMSM控制性能,完善模型预测转矩控...     

增强型高阶注意力因子分解机点击率预测模型

特征交互的建模对于推荐系统中预测用户的点击率至关重要。设计了增强型高阶注意力因子分解机模型EHAFM(enhanced high-order attentive factorization machine),其主要由Embedding层、显式特征交互层、输出层构成。在每个显式特征交互层中,通过聚合其他特征的表示来更新特征的表示,并针对无用特征交互对预测产生干扰的问题,提出了增强型元素级注意力机制,利用投影矩阵拓展特征表示空间,以增强注意力矩阵的学习能力。通过融合多个增强型元素级注意力头的信息,以解决模型泛化能力不足问题。通过堆叠显式特征交互层可以将特征表示更新到任意高阶,将高阶特征交互部分与一阶线性部分结合进行点击率预测。EHAFM模型在Criteo、Movielens-1M两个数据集上进行实验,结果表明相较基准模型在两个数据集上分别有0.21%和0.92%的AUC提升。     

融合自适应周期与兴趣量因子的轻量级GCN推荐

推荐系统在成熟的数据挖掘技术推动下, 已能高效地利用评分数据、行为轨迹等显隐性信息, 再与复杂而先进的深度学习技术相结合, 取得了很好的效果. 同时, 其应用需求也驱动着对基础数据的深度挖掘与利用, 以及对技术要求的减负成为一个研究热点. 基于此, 提出一种利用GCN (graph convolutional network)方法进行深度信息融合的轻量级推荐模型LG_APIF. 该模型结合行为记忆, 通过艾宾浩斯遗忘曲线模拟用户兴趣变化过程, 采用线性回归等相对轻量的传统方法挖掘项目的自适应周期等深度信息; 分析用户当前的兴趣分布, 计算项目的兴趣量, 以获取用户的潜在兴趣类型; 构建用户-类型-项目三元组的图结构, 并结合减负后的GCN技术来生成最终的项目推荐列表. 实验验证所提方法的有效性, 通过与8个经典模型在Last.fm, Douban, Yelp, MovieLens数据集中的对比, 表明该方法在Precision, Recall及NDCG指标上都得到良好改善, 其中, Precision平均提升2.11%, Recall平均提升1.01%, NDCG平均提升1.48%.     

引入细节约束因子的半耦合字典学习超分辨率重构模型

为了提升单幅图像的超分辨率重构细节,提出了一种基于细节保持的超分辨率重构方法.针对半耦合字典学习超分辨率算法细节保持不够高的缺陷,采用细节约束因子与半耦合字典交替学习策略.在重构阶段,利用图像水平方向与垂直方向的梯度构建细节约束因子,并引入到半耦合字典学习框架,进一步提高重构精度.为了改进细节约束因子在重构过程中的贡献...