基于CDIO的软件系统建模与设计课程教学改革

通过分析目前教学中存在的问题,探讨将CDIO教学模式引入软件系统建模与设计课程教学,提出在新的CDIO教学理念下的教学构想和课程考核方式,将"做中学"的理念渗透到教学中,以推动课程CDIO建设的完善。     

基于融合变分图注意自编码器的深度聚类模型

聚类作为数据挖掘和机器学习中最基本的任务之一,在各种现实世界任务中已得到广泛应用.随着深度学习的发展,深度聚类成为一个研究热点.现有的深度聚类算法主要从节点表征学习或者结构表征学习两个方面入手,较少考虑同时将这两种信息进行融合以完成表征学习.提出一种融合变分图注意自编码器的深度聚类模型FVGTAEDC(Deep Clustering Model Based on Fusion Varitional Graph Attention Self-encoder),此模型通过联合自编码器和变分图注意自编码器进行聚类,模型中自编码器将变分图注意自编码器从网络中学习(低阶和高阶)结构表示进行集成,随后从原始数据中学习特征表示.在两个模块训练的同时,为了适应聚类任务,将自编码器模块融合节点和结构信息的表示特征进行自监督聚类训练.通过综合聚类损失、自编码器重构数据损失、变分图注意自编码器重构邻接矩阵损失、后验概率分布与先验概率分布相对熵损失,该模型可以有效聚合节点的属性和网络的结构,同时优化聚类标签分配和学习适合于聚类的表示特征.综合实验证明,该方法在5个现实数据集上的聚类效果均优于当前先进的深度聚类方法.     

一种基于改进图波网的双重自回归分量交通预测模型

随着智慧城市的建设,城市交通流量预测在智能交通预警和交通管理决策方面至关重要.由于复杂的时空相关性,有效地对交通流量进行预测成为了一项挑战.现有的对交通流量进行预测的方法大多采用机器学习算法或深度学习模型,而它们各有优缺点,若能够将两者优点结合起来,将进一步提高交通流量预测的精度.文中针对交通时空数据,提出了一种基于改进图波网(Graph WaveNet)的双重自回归分量交通预测模型.首先,通过门控3分支时间卷积网络有效融合3个时间卷积层,从而进一步提升了捕获时间相关性的能力;其次,首次引入自回归分量,将自回归分量和门控三分支时间卷积网络、图卷积层有效融合,使模型能够充分反映时空数据之间的线性和非线性关系.在METR-LA和PEMS-BAY两个真实的公共交通数据集上进行实验,并将所提模型与其他交通流量预测基准模型进行比较.结果表明,不管是短时间还是长时间的预测,文中所提模型在各个指标上都优于基准模型.     

层结构在医学影像平台中的应用

为了使医学影像平台具有更好的复用性和可扩展性,笔者把在其他领域都得到广泛应用的overlay思想引入到医学影像平台的架构设计中来,以层结构的方法组织医学影像图元的显示和消息机制,使平台具有统一的消息管理机制和应用开发模板.提出了"图层"的定义并加以解释;然后分析医学影像工作站的特点,把层结构的思想引入,从理论上阐述了实现医学影像平台层结构的可行性和实现思路;最后以一个真实的框架改造项目举例,证实了图层结构的实用价值.该设计方案实现了框架与图元对象的分离,降低了系统平台与具体应用的耦合度,使平台具有更好的复用度,同时为具体应用设计了统一的开发模板,降低了项目开发的复杂度,缩短了开发周期.     

求解圆形packing问题的一个快速拟物算法

求解NP难问题一直是计算机科学技术中的一个瓶颈任务。自20世纪70年代以来的研究表明,不存在求解此类问题的完整严格的有效算法。因此用启发式方法求解成为当今研究的一个热点。圆形packing问题是一个有着很高理论和实用价值的NP难问题。该文提出了一些有效的搜索策略,得到了一个求解它的快速有效启发式算法。最后用计算实例验证了此算法的有效性,计算结果表明此算法明显优于已有快速算法。     

基于SE-CDIO专业英语写作课程教学改革

通过分析目前教学中存在的问题,探讨将SE-CDIO教学模式引入专业英语写作课程的教学,提出在新的SE-CDIO教学理念下的教学构想和课程考核方式,将"做中学"的理念渗透到双语教学中,以推动国际化人才的培养。     

微细粒赤铁矿的异各凝聚动力学研究

本文以自行设计的适时观察－显微照相装置，对微细粒赤铁矿的异向凝聚过程进行了动态照相，并用图象分析仪测定了凝聚体尺寸，从而更好地揭示了微细粒赤铁矿的异向凝聚过程与凝聚剂浓度、浆体浓度、ｐＨ值等之间的关系。     

用计算机图象处理技术重建三维金属断口

本文利用图象处理技术提出了一种简单、实用、非破坏性地获得断口表面三维信息的方法。籍此可获得目前其它手段无法得到的断日真实表面积。这些三维信息的准确程度与激光扫描显微镜所选用的放大倍数、截面间距有关。如果能把本文所采用的平行截面法融人激光扫描显微镜的软件中，有可能实现三维微观信息的实时动态观察。     

融合循环知识图谱和协同过滤电影推荐算法

推荐系统对筛选有效信息和提高信息获取效率具有重大的意义。传统的推荐系统会面临数据稀松和冷启动等问题。利用外部评分和物品内涵知识相结合,提出一种基于循环知识图谱和协同过滤的电影推荐模型--RKGE-CF。在充分考虑物品、用户、评分之间的相关性后,利用基于物品和用户的协同过滤进行Top-[K]推荐;将物品的外部附加数据和用户偏好数据加入知识图谱,提取实体相互之间的依赖关系,构建用户和物品之间的交互信息,以便揭示实体与关系之间的语义,帮助理解用户兴趣;将多种推荐结果按不同方法融合进行对比;模型训练时使用多组不同的负样本作为对比,以优化模型;最后利用真实电影数Movielens和IMDB映射连接成新数据集进行测试。实验结果证明该模型对于推荐效果的准确率有显著的提升,同时能更好地解释推荐背后的原因。     

融合自注意力机制和多路金字塔卷积的软件需求聚类算法

随着软件数量的急剧增长以及种类的日益多样化,挖掘软件需求文本特征并对软件需求特征聚类,成为了软件工程领域的一大挑战。软件需求文本的聚类为软件开发过程提供了可靠的保障,同时降低了需求分析阶段的潜在风险和负面影响。然而,软件需求文本存在离散度高、噪声大和数据稀疏等特点,目前有关聚类的工作局限于单一类型的文本,鲜有考虑软件需求的功能语义。文中鉴于需求文本的特点和传统型聚类方法的局限性,提出了融合自注意力机制和多路金字塔卷积的软件需求聚类算法(SA-MPCN&SOM)。该方法通过自注意力机制捕获全局特征,然后基于多路金字塔卷积从不同窗口的通路深度挖掘需求文本特征,使得感知的文本片段逐倍增加,最终融合多路文本特征,利用SOM完成聚类。在软件需求数据上的实验表明,所提方法能较好地挖掘需求特征并对其聚类,性能上优于其他特征提取方式和聚类算法。