基于Duckling应用集成框架的数据集成与共享工具DLM

虚拟科研应用环境中多源异构数据的集成和共享问题是个热点问题。本文基于虚拟科研环境协同工作套件duckling应用集成框架,实现了一个通用的数据集成与共享工具DLM。该工具使用Portlet技术,是BS架构的Web应用,提供通用的数据采集、数据处理、数据可视化展示和数据下载功能,解决了虚拟科研环境中数据的统一采集、处理和共享问题。该工具已经在大气、气象和生物等相关领域中的课题研究中得到了应用,取得了初步的成效。     

RTDMiner: 基于数据挖掘的引用计数更新缺陷检测方法

在Linux内核等大型底层系统中广泛采用引用计数来管理共享资源.引用计数需要与引用资源的对象个数保持一致,否则可能导致不恰当引用计数更新缺陷,使得资源永远无法释放或者被提前释放.为检测不恰当引用计数更新缺陷,现有静态检测方法通常需要知道哪些函数增加引用计数,哪些函数减少引用计数.而手动获取这些关于引用计数的先验知识过于费时且可能有遗漏.基于挖掘的缺陷检测方法虽然可以减少对先验知识的依赖,但难以有效检测像不恰当引用计数更新缺陷这类路径敏感的缺陷.为此,提出一个将数据挖掘技术和静态分析技术深度融合的不恰当引用计数更新缺陷检测方法 RTDMiner.首先,根据引用计数的通用规律,利用数据挖掘技术从大规模代码中自动识别增加或减少引用计数的函数.然后,采用路径敏感的静态分析方法检测增加了引用计数但没有减少引用计数的缺陷路径.为了降低误报,在检测阶段再次利用数据挖掘技术来识别例外模式.在Linux内核上的实验结果表明,所提方法能够以将近90%的准确率自动识别增加或减少引用计数的函数.而且RTDMiner检测到的排行靠前的50个疑似缺陷中已经有24个被内核维护人员确认为真实缺陷.     

基于峰宽修正的玻璃药瓶内氧气残留浓度的检测研究

玻璃药瓶中的氧气残留对瓶中药品的无菌特性造成了严重的威胁。采用波长调制光谱（Wavelength Modulated Spectrum, WMS）技术解调得到的二次谐波信号峰高值作为氧浓度反演的基础。然而,在用二次谐波信号测量气体浓度时,由于调制深度的变化会导致二次谐波峰值的变化,这通常会给系统带来误差,进而降低浓度的反演精度。而调制深度受调制电流波动、温度和压强变化等因素的影响不能直接计算获得进而修正。针对这一问题,本文成功地将调制深度与二次谐波峰高的关系转换为二次谐波峰宽和峰高的关系。然后,利用峰宽校正后的谐波峰高对气体浓度进行反演。初步实验表明,利用峰宽校正后的谐波峰高对瓶内气体浓度进行预测的准确性提高了2.1%,且系统的整体鲁棒性也得以提升。本文提出的校正方法不需要系统参数信息与气体成分信息,可以直接从谐波信号本身出发对调制深度进行校正,十分适合于工业现场的在线氧气浓度预测。     

超空泡水下航行器定深控制研究

极高的航速使得对超空泡水下航行器的控制变得异常复杂. 为了对其深度进行有效控制, 必须对其纵平面运动特性进行研究. 本文首先建立了超空泡水下航行器的纵平面运动模型, 分析了其纵平面运动特性; 然后进行了控制算法的综合; 最后, 仿真及试验结果均验证了所设计的航行器纵平面运动控制算法的有效性. 试验结果表明该控制系统具有较高的控制精度. 本文的研究成果为进一步研究水下超空泡航行器的运动控制提供了必要的理论基础.     

Single-machine scheduling jobs with exponential learning functions

In a manufacturing system workers are involved in doing the same job or activity repeatedly. Hence, the workers start learning more about the job or activity. Because of the learning, the time to complete the job or activity starts decreasing, which is known as “learning effect”. In this paper, an exponential sum-of-actual-processing-time based learning effect is introduced into single-machine scheduling. By the exponential sum-of-actual-processing-time based learning effect, we mean that the processing time of a job is defined by an exponential function of the sum-of-the-actual-processing-time of the already processed jobs. Under the proposed learning model, we show that under a sufficient condition, the makespan minimization problem, the sum of the θth (θ > 0) power of completion times minimization problem, and some special cases of the total weighted completion time minimization problem and the maximum lateness minimization problem remain polynomially solvable.     

Single-machine scheduling with truncated sum-of-processing-times-based learning effect including proportional delivery times

The single-machine scheduling problem with truncated sum-of-processing-times-based learning effect and past-sequence-dependent job delivery times is considered. Each job’s delivery time depends on its waiting time of processing. For some regular objective functions, it is proved that the problems can be solved by the smallest processing time first rule. For some special cases of the total weighted completion time and the maximum lateness objective functions, the thesis shows that the problems can be solved in polynomial time.     

A novel Minkowski-distance-based consensus clustering algorithm

Consensus clustering is the problem of coordinating clustering information about the same data set coming from different runs of the same algorithm. Consensus clustering is becoming a state-of-the-art approach in an increasing number of applications. However, determining the optimal cluster number is still an open problem. In this paper, we propose a novel consensus clustering algorithm that is based on the Minkowski distance. Fusing with the Newman greedy algorithm in complex networks, the proposed clustering algorithm can automatically set the number of clusters. It is less sensitive to noise and can integrate solutions from multiple samples of data or attributes for processing data in the processing industry. A numerical simulation is also given to demonstrate the effectiveness of the proposed algorithm. Finally, this consensus clustering algorithm is applied to a froth flotation process.     

基于改进高斯核度量和KPCA的数据聚类新方法

大多数超椭球聚类（hyper-ellipsoidal clustering,HEC）算法都使用马氏距离作为距离度量,已经证明在该条件下划分聚类的代价函数是常量,导致HEC无法实现椭球聚类.本文说明了使用改进高斯核的HEC算法可以解释为寻找体积和密度都紧凑的椭球分簇,并提出了一种实用HEC算法-K-HEC,该算法能够有效地处理椭球形、不同大小和不同密度的分簇.为实现更复杂形状数据集的聚类,使用定义在核特征空间的椭球来改进K-HEC算法的能力,提出了EK-HEC算法.仿真实验证明所提出算法在聚类结果和性能上均优于K-means算法、模糊C-means算法、GMM-EM算法和基于最小体积椭球（minimum-volume ellipsoids,MVE）的马氏HEC算法,从而证明了本文算法的可行性和有效性.     

面向上下文无关语言的测试工具的设计和实现

软件测试是软件开发生命周期的重要组成部分,也是目前和今后相当长一段时间内保证软件质量和可靠性的主要手段,首先以两个已经实现了的分别面向VB和C/C 语言的计算机辅助软件测试工具为基础,将该系列测试工具的系统结构推广至适用于任何一种上下文无关语言。而该系列测试式工具高度的模块可重用性特征为这种推广提供了必要的基础。为实现这种高度的模块可重用性特征。从各个角度论述了增强该特征的设计,提出了基于块的程序划分机制。这种机制从根本上保证了对多种上下文无关语言的测试语义的一致性,最后,还给出了两个不同语言写就的实例的运行结果,以说明这种一致性。     

一种改进的基于110GHz在片S参数测试的HEMT器件寄生电阻提取方法

提出了一种改进的高电子迁移率晶体管寄生电阻提取方法,该方法利用了特殊偏置点 （V_gs > V_th, V_ds = 0 V）的等效电路模型, 推导了寄生电阻的表达式,采用半分析法对寄生电阻进行了优化。1 ~110 GHz S参数实测结果和仿真的S参数一致,证明该方法是有效的。