罗茨泵“8”字型转子渐开线曲面的加工

本文通过对渐开线曲面形成及特性的分析,给出了在牛头刨床上用展成法加工罗茨泵转子上渐开线曲面的方法。     

类规模对面向对象度量易变性预测能力的潜在混和效应:一个元分析

最近的研究表明,类的规模对面向对象(OO)度量的易变性预测能力存在很强的混和效应,因此需要将其作为一个混和变量来考虑,否则有可能会得到误导性的结果.然而,先前的研究仅仅分析了一个软件系统,因此不清楚这个结论是否可以推广到其他系统上.为解决此问题,文中在102个Java软件系统的基础上利用元分析技术检查类的规模对55个OO度量和易变性之间关联关系的潜在混和效应.对每一个OO度量,首先在单个系统上分别计算在控制规模和不控制规模的两种情况下它与易变性的关联强度.然后,利用随机效应元分析模型计算在所有系统上且分别在这两种情况下它与易变性的平均关联强度.最后,在此基础上利用统计方法检测类规模的潜在混和效应.实验结果表明类规模的混和效应是广泛存在的,因此在验证OO度量的易变性预测能力时确实需要将其作为一个混和变量来考虑.     

重构C＋＋程序物理设

整合重构的基本思想和物理设计的基本技术,提出了物理重构的概念．它是对软件物理结构的再设计,目的是在不改变软件外在行为的前提下,调整软件组织结构,从而提高软件的开发效率和可维护性等．在此基础上,提出用“识别-重构．评估”的迭代过程来实施物理重构,并介绍了常用的物理重构方法．实例研究表明,物理重构能够有效地优化系统的物理结构,使开发者从多个角度持续改善软件质量．     

一种基于类型传播分析的泛型实例重构方法

重构泛型实例有利于提高软件的复用性和类型安全,但现有重构方法的时间复杂度较高,不适用于即时持续的重构.分析了变量类型传播分析方法在重构中的不足,提出了一种改进的泛型变量类型传播分析方法.该方法通过引入一种可以描述复杂参数化类型关系的泛型类型传播图,以复制节点的方式实现泛型变量属性敏感的类型分析,并通过解决别名问题来提高分析的精度.实例研究表明,可以在与程序规模呈近似线性增长的时间复杂度内实施重构,取得了较满意的效果.     

重构C++程序物理设计

整合重构的基本思想和物理设计的基本技术,提出了物理重构的概念.它是对软件物理结构的再设计,目的是在不改变软件外在行为的前提下,调整软件组织结构,从而提高软件的开发效率和可维护性等.在此基础上,提出用“识别-重构-评估”的迭代过程来实施物理重构,并介绍了常用的物理重构方法.实例研究表明,物理重构能够有效地优化系统的物理结构,使开发者从多个角度持续改善软件质量.     

Extracting objects from Ada83 programs: A case study

Reengineering legacy systems written in conventional procedural languages to equivelent OO systms makes software more maintainable and reliable.This paper proposes a method for extracting objects from legacy Ada83 systems using module features.Firest.metrics are developed to measure module cohesion.Then,effects on cohesion from changing module components are analyzed and rules about how to extract inheritance relations among objects are given.At the end of this paper,an object-extracting algorithm usin module features is proposed.     

基于电力载波的智能路灯控制系统

随着通信技术的发展,人类进入了前所未有的信息时代。此时大量的新概念产品如雨后春笋展露头脚。电力载波通信正是在这种大环境下应用而生。基于电力线的通信,现在已经应用于生活的各个方面,比如断缆监控、集中抄表、路灯监控、智能家居、智能开关、游戏系统等,而于电力载波的智能路灯控制系统只是其中之一。     

一种利用模块内聚性的对象抽取方法

引入子程序-类型关系图来表示程序中类型和子程序之间的关系,讨论了模块内聚性的几个度量准则,并分析了增删子程序对模块内聚度的影响.在此基础上,给出了基于模块内聚性的对象抽取算法.     

基于数据仓库的销售管理决策支持系统的研究与实现

针对现有的销售管理信息系统对决策支持的不足，本文提出一种基于数据仓库技术的解决方案，给出了系统体系结构、数据仓库模型以及联机分析处理策略，并对系统实现的关键技术进行了阐述。     

基于互信息的无监督特征选择

在数据分析中,特征选择可以用来降低特征的冗余,提高分析结果的可理解性和发现高维数据中隐藏的结构.提出了一种基于互信息的无监督的特征选择方法(UFS-MI),在UFS-MI中,使用了一种综合考虑了相关度和冗余度的特征选择标准UmRMR(无监督最小冗余最大相关)来评价特征的重要性.相关度和冗余度分别使用互信息来度量特征与潜在类别变量之间的依赖和特征与特征之间的依赖.UFS-MI同时适用于数值型和非数值型特征.在理论上证明了UFS-MI的有效性,实验结果也表明UFS-MI可以达到与传统的特征选择方法相当甚至更好的性能.