基于有机灰色神经网络模型的空气污染指数预测

针对灰色预测对波动较强的序列只能预测大致变化趋势的缺陷,结合灰理论中的GM(1,1)、无偏GM(1,1)、非等时距GM(1,1)、pGM(1,1)和BP神经网络的特点,提出有机灰色神经网络预测模型,将一维序列通过三个灰色模型得到三组值作为神经网络的输入,原始序列作为神经网络的输出,训练得到最佳神经网络结构．以哈尔滨市近三年内空气污染指数为例,结合其变化规律,建立哈尔滨市月平均空气污染指数的有机灰色神经网络预测模型,结果表明,该模型拟合误差小,预测精度高．     

基于注意力模型的混合学习算法

为了解决传统BP(back-propagation)算法收敛速度慢,训练得到的网络性能较差的问题,在借鉴生理学中"选择性注意力模型"的基础上,将遗传算法与误差放大的BP学习算法进行了有机的融合,提出了基于注意力模型的快速混合学习算法.该算法的核心在于将单独的BP训练过程划分为许多小的切片,并对每个切片进行误差放大的训练和竞争淘汰机制的选择.通过发现收敛速率较快的个体和过滤陷入局部极值的个体,来保证网络训练的成功率和实现快速向全局最优区域逼近的目的.仿真结果表明,该算法有效地解决了传统BP算法中由于初始权值的随机性造成的训练失败问题,并能有效解决饱和区域引起的后期训练缓慢问题,在不增加网络隐层节点数的情况下,显著地提高了网络的收敛精度和泛化能力.这将使神经网络在众多实际的分类问题上具有更广泛的应用前景.     

多功能高性能环氧树脂复合材料的制备

通过将有机蒙脱土和纳米TiO_2共同添加到环氧树脂中,制备出一种在多项性能上都有大幅提高的高性能多功能有机蒙脱土/纳米TiO_2/环氧树脂复合材料。通过XRD和TEM分析可知,由于利用了有机蒙脱土、纳米TiO_2与环氧树脂间的相互作用,蒙脱土层被高度剥离,所得的二维蒙脱土纳米单片与零维纳米TiO_2颗粒交错分布于树脂基体中。测试表明:有机蒙脱土/纳米TiO_2/环氧树脂复合材料在多项性能上都比纯环氧树脂和有机蒙脱土/环氧树脂复合材料高,拉伸模量分别提高了254.75%和135.69%,拉伸强度分别提高了181.53%和243.46%,弯曲模量分别提高了121.12%和106.04%,弯曲强度分别提高了125.25%和116.98%,缺口冲击强度分别提高了165.57%和137.23%;同时材料的耐沾污性也达到了0级的无污染水平。     

流敏感按需指针别名分析算法

为了提高交互环境下指针别名查询的响应效率,近期研究提出通过只分析与目标相关指针的按需分析策略来降低浪费在与目标无关的指针分析的额外开销。典型的代表是基于上下文无关文法的按需别名分析算法。但是,该算法的精度只局限于控制流不敏感。控制流不敏感的别名关系将约束上层分析的精度。针对该不足,提出了具有流敏感精度的按需别名分析算法。首先采用不完全静态单赋值语句形式来区分指针变量赋值实例,然后通过层次线性化编码方法来表达控制流图中的流敏感信息以构建赋值流图,最后将别名关系查询问题转换为在赋值流图上搜索目标结点间在控制流可达条件下赋值路径的可达性问题,进而实现流敏感的按需别名分析。实验表明,与流不敏感的按需别名分析相比,该方法可以在保证查询效率的前提下,有效提高按需别名分析的精度。     

多线程程序数据竞争检测和验证方法研究综述

随着软件规模的日益增长,多线程并发程序带来的缺陷也很快蔓延开来.数据竞争作为多线程并发程序中常见的问题,经常会导致程序不能正常运行,或更为严重地导致程序直接崩溃.数据竞争产生的条件往往都比较隐蔽和苛刻,不仅需要特定的输入,而且还需要特定的线程执行交错.因此,数据竞争很难被检测出来.本文介绍了多线程数据竞争检测和验证相关的研究现状,并对已有的数据竞争检测和验证方法在检测能力以及检测效率等方面做出比较、分析以及归纳.同时,对未来数据竞争检测和验证相关的研究方向进行了展望.     

基于变异的软件错误定位方法研究综述

软件调试横跨整个软件开发周期,而错误定位是软件调试中最困难、最耗时的任务之一.针对软件自动化调试的需求和应用背景,本文介绍了变异分析以及错误定位相关的国内外研究现状,选择了具有较高的错误定位精度的基于变异分析的软件错误定位方法进行研究,并对已有的基于变异分析的软件错误定位方法做出了分析和比较.最后,对未来的研究方向进行了展望.     

基于X射线的焊点图像预处理方法及应用

为解决焊点隐藏在芯片底部的BGA封装元件的焊点检测问题,研究了基于X射线的焊点质量检测的基本原理,阐述了图像预处理方法的设计与实现.为了提高效率,引入了基于迭代方式的阈值产生技术,实现了焊点的区域分割.最后,讨论了焊点质量判别规则并给出了实验结果,结果表明所设计的图像预处理方法能够很好地满足实际生产中的应用要求.     

空间域减法聚类粒子滤波算法

针对粒子滤波计算复杂度高的问题,为降低滤波中所需的样本数目,提出了一种基于减法聚类的粒子滤波算法,算法将样本及对应权重进行映射构成聚类向量,在设定的聚类半径下,采用改进的减法聚类算法对向量进行分类,得到若干在空间中分离的子类中心,然后用子类中心代替整个向量集,并利用产生的新向量集重构样本集和权重.仿真实验表明该算法在保持了粒子滤波估计精度的同时,有效降低了样本数目,提高了计算效率.     

面向有效错误定位的测试用例优选方法

针对已有测试用例选择方法在提高错误定位有效性方面存在局限性的问题,首先,定义"失效覆盖向量相似度优先排序"准则,将执行路径与失效执行路径相似的成功测试用例赋予较高的优先级;然后定义"失效覆盖等价划分优化选择"准则,选择能够最大区分失效执行语句的成功测试用例集合;在此基础上,建立测试用例优选模型(effective selection,ES).不同于已有方法,ES充分利用失效执行路径来提高错误定位的有效性.该模型被应用于优选Siemens测试用例集合,其结果被应用于Tarantula等4种错误定位方法.结果表明,ES在约简率Reduction和衡量错误定位有效性的Expense_increase两个指标方面,均优于已有的基于语句和基于向量的测试用例约简方法.ES不但可以获得97%以上的约简率,提高错误定位的效率,而且具有较低的Expense_increase,显著提高了错误定位的有效性.