软件工程专业创新人才培养模式改革探究

针对普通本科院校软件工程专业在创新人才培养中存在的问题,对传统的教育理念、教学内容、教学方法和培养模式等进行了改革和创新。新的创新人才培养模式依据新工科和工程教育认证对软件工程专业创新人才培养知识、能力及素质等方面的要求,提出以新工科理念为引领,以课程思政教学、工程实践教学、全程贯穿协同育人、理论教学和实践教学建设为重点,同时,结合西部地区特点对软件工程专业人才进行合理定位,优化培养目标,改革培养模式,构建与此相适应的满足社会需要的专业创新人才培养体系。

基于强化学习的离散层级萤火虫算法检测蛋白质复合物

蛋白质复合物的检测有助于从分子水平上理解生命的活动过程。针对群智能算法检测蛋白质复合物时假阳/阴性率高、准确率低、种群多样性下降等问题,提出了基于强化学习的离散层级萤火虫算法检测蛋白质复合物(reinforcement learning-based discrete level firefly algorithm for detecting protein complexes,RLDLFA-DPC)。引入强化学习思想提出一种自适应层级划分策略,动态调整层级结构,能有效解决迭代后期种群多样性下降的问题。在层级学习策略中个体向两个优秀层级学习,避免算法陷入局部最优。为了提高蛋白质复合物检测的精度,结合个体环境信息提出自适应搜索半径的局部搜索策略。最后,在酵母蛋白质的4个数据集上,与8种经典的蛋白质复合物检测方法进行对比,验证了该方法的有效性。

融入武装部队的鲸鱼优化算法用于社区发现

针对于鲸鱼优化算法(WOA)多样性不足、两搜索阶段信息交流效率低、不平衡的问题,这里借用武装部队协同作战机理,提出一种新的WOA用于社区发现。为解决包围捕食阶段多样性不足的问题,引入“邻居潜力”学习模型,提高WOA的全局搜索能力和学习广度;为解决两捕食阶段信息交流效率的低问题,提出鲸鱼指挥官领导的气泡网捕食,确保搜索信息能有效利用;为解决两种捕食机制不平衡的问题,采用改进的学习自动机引导鲸鱼种群向有希望区域移动。同时,考虑到复杂网络社区发现是离散问题,提出了一种基于拓扑特性的新编码离散演化规则。最后,通过真实数据集测试并与其他算法比较,结果表明,该算法相较于对比算法具有更优的寻优能力,验证了算法的有效性。

UML2.0顺序图的时序描述逻辑语义

针对UML2.0顺序图用于对象间交互行为建模时存在动态语义缺乏精确形式化描述的问题,提出一种基于时序描述逻辑的UML2.0顺序图形式化方法。对描述逻辑进行时序扩展,得到可表示动态和时序语义的形式化规范——时序描述逻辑,根据UML2.0新增的交互操作符将UML2.0顺序图分成一个或多个最大顺序片段,通过形式化最大顺序片段和交互操作符得到UML2.0顺序图的时序描述逻辑语义。实例检验结果表明,该方法具有可行性。

基于改进的可能度优势关系的排序方法研究

优势关系是解决多属性决策问题的一种重要方法,也是研究不完备区间值信息系统的一种重要方法。在不完备区间值信息系统排序方法的研究中,针对属性过多从而可能引起排序失效的问题,提出了一种改进的可能度优势关系排序方法。这种新的排序方法把区间值优势关系和可能度相结合来改进经典优势关系定义的不足,并给出了平均综合优势度的定义。最后,通过与∝-β优势关系和容差优势关系等排序方法在具体算例中的比较分析,证明了改进的可能度优势关系排序方法不仅能够解决不完备区间值信息系统中的问题,而且能够使排序结果更合理、有效。

一种缺失数据的填补方法

分析了在含有遗失值的数据集上如何进行有效的数据填补,以便更客观地反映数据集中数据所隐含的内在联系.通过采用粗糙集理论的有关思想和方法,用相似关系代替粗糙集理论中的不可分辨关系,提出了基于相似关系的填充算法,提高了遗失数据填补的精确度.数据实验表明了该方法的有效性和可行性.

文本主题的自动提取方法研究与实现

在深入分析了当前流行的文本主题提取技术和方法的基础上,将语义方法融入统计算法,提出了一种基于统计的主题提取方法,并描述了它的实现过程。该方法利用文档内句子之间的语义相关性,实现了文本主题的自动生成。首先对文本进行切词和分句处理实现信息分割,再结合文本聚类技术对文本句进行聚类实现信息合并,最后从每类中抽取代表句生成文本主题。实验结果表明,该方法是一个有效、实用的方法。

多文档文摘提取方法的研究

在深入分析当前流行的自动文摘技术和方法的基础上,将语义方法融入统计算法,提出了一种基于统计的多文档文摘提取方法,描述了它的实现过程.该方法利用文档内和文档之间段落的语义相关性,实现了多文档文摘的自动生成.首先对文档进行分段实现信息分割,再利用聚类技术对文本段进行聚类实现信息合并,最后从类中抽取代表段产生摘要文本.实验结果表明,该方法是一个有效、实用的方法.

一种求解柔性作业车间调度问题的改进灰狼优化算法

针对柔性作业车间调度问题,以最大完工时间最小化为目标提出了一种改进灰狼优化算法(IGWO),采用两段式的编码方式来构造算法个体位置与调度方案之间的关系,使用基于启发式规则的初始化种群方法来提高初始解的质量.为了平衡算法的全局搜索与局部搜索,提出一种基于双曲正切函数的非线性收敛因子公式,并在算法的个体更新阶段提出了一种基于适应度值的加权方法,在算法决策层嵌入了变邻域搜索算法.通过仿真实验表明,算法在求解柔性作业车间调度问题上是有效的.

独立自适应调整参数的粒子群优化算法

针对传统粒子群优化算法在求解复杂优化问题时易陷入局部最优和依赖参数的取值等问题,提出了一种独立自适应参数调整的粒子群优化算法。算法重新定义了粒子进化能力、种群进化能力以及进化率,在此基础上给出了粒子群惯性权重及学习因子的独立调整策略,更好地平衡了算法局部搜索与全局搜索的能力。为保持种群多样性,提高粒子向全局最优位置的收敛速度,在算法迭代过程中,采用粒子重构策略使种群中进化能力较弱的粒子向进化能力较强的粒子进行学习,重新构造生成新粒子。最后通过CEC2013中的10个基准测试函数与4种改进粒子群算法在不同维度下进行测试对比,实验结果验证了该算法在求解复杂函数时具有高效性,通过收敛性分析说明了算法的有效性。

基于粗糙集理论的遗失值填充算法

分析了在含有遗失值的数据集上如何进行有效的数据填补,以便更客观地反映数据集中数据所隐含的内在联系。通过采用粗糙集理论的有关思想和方法,提出了一种高效的等价类划分方法,在此基础上给出了一种基于粗糙集理论的遗失值填充算法,提高了遗失数据的填补效率和精确度。数据实验表明了该方法的有效性和可行性。

基于教学优化算法求解置换流水车间调度问题

针对置换流水车间调度问题,将连续算法与离散策略相结合,提出一种多班级教学优化算法。采用基于置换变异改进的NEH(nawaz enscore ham)种群初始化方法,兼顾初始解的质量和多样性。在教学阶段,引入离散的自适应教学,并给出去重的操作,避免了无意义的教学过程。新增了基于莱维飞行的自学策略,同时以变邻域搜索的方式模拟离散阶段的自学。将相互学习与班级交流合并,在保证优秀个体交流的基础上,提高学习的效率。通过对标准测试集Rec进行测试,并与其他算法比较,验证了算法的有效性和稳定性。

基于监督协同近邻保持投影的人脸识别算法

基于流形学习理论的近邻保持嵌入算法(Neighborhood Preserving Embedding,NPE)能够发现数据集中隐含的内蕴结构,但当训练样本不足时,无法准确发现数据的内在流形结构,从而影响算法的识别效果。针对这一问题,对NPE算法进行改进,提出了监督协同近邻保持投影算法(Supervised Collaborative Neighborhood Preserving Projection,SCNPP)。该算法在类别信息的指导下构建近邻图,使同类样本间的几何关系得到保持,利用协同表示弥补NPE因样本不足造成的表示误差,以一个有效保持样本近邻关系、准确发现数据内在流形结构的权值矩阵计算投影矩阵,提高分类效果。在FERET、AR和Extended Yale B人脸数据集上的实验验证了该算法的有效性。

综合维度学习的多群协作粒子群优化算法

针对维度学习策略(dimensional learning strategy,DLS)中存在的过度开发问题,提出了一种综合维度学习的多群协作粒子群优化算法(CDL-MCPSO)。为提高种群搜索效率,采用基于主从范式的集群结构,将种群划分为一个主群和四个从群,主群执行综合学习策略在搜索空间进行大范围探索,从群执行综合维度学习策略(comprehensive dimensional learning,CDL)在局部最优解附近进行高精度的开发,主从群通过执行具有不同职能的算法能够有效实现其在勘探和开发之间的平衡;同时为保持种群多样性,提出了一种新的解交换机制(SEM)用于在主从群独立运行各自算法若干代之后进行信息的交流与协作,以指导粒子后期进行更准确的搜索;最后,针对初始化过程随机性过高,运用拉丁超立方体采样方法对算法重建输入分布。为验证CDL-MCPSO的有效性,将其与五种粒子群算法变体在10个测试函数上进行实验对比,结果表明该算法总是可以找到优于或相当于对比算法的解,在求解复杂函数时具有可行性和高效性。

本体语言的联系及其逻辑基础分析

为了准确地描述本体,研究人员各自设计了自己的本体表示语言。在如此众多的语言中,认清语言之间的联系及各自的优缺点和选择出合适的语言描述本体成为本体建模工作的一项重要任务。首先分析了本体表示语言的基本特点,其次从纵向的角度总结出了它们之间的相互联系,最后分析了它们的逻辑基础;为学习和选择本体表示语言描述本体提供了理论基础。

基于属性权重的时序模糊软集的群决策方法研究

针对模糊软集在群决策过程中其属性权重往往被忽略或依靠主观经验来确定的问题,提出了一种基于属性优势度的属性权重确定方法,并讨论了其相关性质及运算。在群决策过程中,针对决策信息是随时间变化而变化的这一特点,定义了时序模糊软集等概念,并建立了基于决策时间差的对数增长型时间权重确定公式。最后通过与其他决策方法进行对比分析验证了该方法的可行性和合理性。

基于链接强度的兴趣相似社区聚类算法

传统的社交网络社区划分分为两种,一种是以链接属性进行划分,另一种是以用户自身属性进行划分.近年来出现了融合节点自身属性和链接属性的社区划分算法,但是这些算法只是单纯地将链接属性融为节点自身属性进行划分,忽略了链接属性强弱对节点间兴趣度的反映程度.针对这些问题,对微博中用户的链接属性进行了分类,采用直接链接节点链接关注度和间接链接节点链接关注度的概念,以链接强度为搜索顺序,提出一种基于链接强度的兴趣相似社区划分算法.实验表明,本算法划分的社区内链接度质量较高且用户兴趣相似.

面向新工科的软件工程应用型人才培养模式研究

文章以新工科专业建设为契机,结合新工科建设和学校人才培养目标,引入工程认证教育理念,提出了软件工程专业人才培养的新模式。从"四位一体"的课程体系、多方协同育人的教学模式、考核体系、实践基地、创新创业能力培养师资队伍等方面介绍了新工科下软件工程应用型人才的培养模式。

引入物种演化的改进生物地理学优化算法

针对生物地理学优化算法(biogeography-based optimization,BBO)易早熟收敛、陷入局部最优的问题,引入物种演化理论提出了改进生物地理学优化算法。该算法将所有栖息地按照物种数量划分为三种地区,并建立协同进化关系,合理地采用区间入侵、区内合作/竞争策略,满足多样性的同时避免了早熟收敛。定义了物种更迭和物种进化两种变异策略,提出的双策略协同变异算子旨在解决变异算子对较优解的破坏。通过CEC2017中的八个基准测试函数与标准BBO及相关改进算法相比,该算法在算法性能、稳定性等方面优于BBO及其他改进算法,且该算法不易被局部最优值所限制。将该算法应用于以最大完工时间为目标的柔性作业车间调度问题(flexible Job-Shop scheduling problem,FJSP)以检验其实际应用价值,实验表明,该算法在解决FJSP上具有一定的有效性。

基于商空间的不完备形式背景填补方法研究

目前,在常用缺失数据填补算法中,需要逐个计算所有对象之间的相似度。然而,在数据缺失率较高的情况下,相似度的计算难度也随之加大,导致填补效率低下、填补准确度不高。为提高算法效率和准确度,结合粒计算,提出基于商空间的数据填补算法。引入对象间的近似度上界、下界,计算模糊近似评估矩阵;通过分层递阶结构的推理模型,对对象集进行粒化,压缩了对象集规模,提高了算法效率;根据实际应用需求给出填补结果。通过在真实数据集上的实验表明,该算法在数据缺失率较高时能够显著提高填补效率,并且保持高准确性。