一种动态阈值加填补的指纹图像二值化算法

针对整幅指纹图像进行判断和填补,消除可能存在的孔洞,采用指纹图像二值化是指纹识别的重要环节,通过直接识别指纹可以提高效果。传统指纹图像二值化方法处理速度慢、不适用于低对比度指纹图像,为了提高指纹图像二值化的效率和鲁棒性,提出一种动态阈值加填补的指纹图像二值化算法。将指纹图像分割为互不相交的若干个小窗口,在每个窗口中求得所辖像素的灰度平均值,经添加惩罚项后作为初步阈值进行二值化处理。利用MATLAB软件平台进行了仿真,将方法与传统指纹图像二值化方法进行了比较。实验证明,动态阈值加填补的二值化算法处理效率高、鲁棒性好。

计算机专业学生程序设计能力培养探索

程序设计能力是高等技术院校计算机专业学生必备的基本能力,应将其放在人才培养中的重要位置。培养学生程序设计能力,要重视第一门计算机程序设计课程的教学,注重四个关键环节程序设计能力的培养,采用多种教学方法,注重平时考核和真实程序设计能力考核。

面向对象方法的COSMIC-FFP功能规模度量

现有的4种符合ISO标准的FSM方法均不能考虑到对象的交互性和对象的行为,无法正确地度量面向对象系统的功能规模。在分析面向对象方法的软件开发过程的基础上,结合面向对象系统的特点,基于COSMIC-FFP,提出了一种面向对象方法的全功能点度量方法,给出了该方法的映射规则和度量规则,并结合实例分析了其应用过程,为正确度量面向对象系统的功能规模提供了一条有效的途径。

基于UML的COSMIC-FFP度量方法

针对目前的软件规模度量方法中存在的主观性强、可重复性差的问题,通过将UML引入到度量过程中来改善当前的软件度量方法。分析UML主要部件(用例图、类图和时序图)的语义和COSMIC-FFP的主要元素(功能用户、层、边界、数据组和功能过程),建立其间的对应关系,给出15条映射规则,同时还提出基于UML的COSMIC-FFP度量步骤。实例结果证明,该方法能客观有效地度量软件功能规模。

UML顺序图的COSMIC-FFP度量方法

COSMIC-FFP是新一代软件功能规模度量方法,但由于其规则过于抽象导致较难推广。本文研究UML顺序图的COSMIC-FFP度量方法,通过给出COSMIC-FFP与UML顺序图概念之间的对应关系,提出了贯穿于整个度量过程的11条规则和从UML顺序图到度量结果矩阵的度量过程。通过实例验证了所提方法能使COSMIC-FFP更具有实用性。

服务计算新模式:雾计算

简单介绍了雾计算产生的时代背景、基本概念以及与其他相关概念之间的关系,描述了其组织结构和形式化描述方法。认为雾计算系统实体以开放、自主的方式存在于各个节点上,同时,也具有一定的独立性、多态性和自适应性。

软件设计模式及其应用研究

介绍了以面向对象技术为基础的软件设计模式的基本概念及分类,描述了各种设计模式之间的关系,讨论了使用设计模式的正确方法,并结合实例介绍了多种设计模式在教学信息平台开发中的具体应用。

一种改进的功能点分析方法

指出了功能点分析(Function Point Analysis,FPA)方法的复杂度等级划分标准的不精确性,提出了一种改进的FPA方法。该方法运用数值分析中插值函数的思想,将复杂度矩阵拟合成连续的复杂度函数,从而产生新的复杂度等级来扩展FPA复杂度矩阵。利用一个度量实例与已有的改进方法进行了比较。

功能规模度量统一模型

功能规模度量(Functional Size Measurement,FSM)方法是软件度量的一个重要研究方向。度量组织为了满足不同用户的需求,可以使用FSM的不同方法来度量软件的规模。为了能够同时运用FSM的多种方法进行度量,通过分析FSM的3种常用方法(IFPUG FPA、COSMICFFP和MarkII FPA),提出了功能规模度量统一模型(Unified Model of Functional Size Measure-ment,FSM-UM),并给出了FSM-UM到FSM的3种常用方法的映射规则,最后给出了一个FSM-UM的应用实例。

统一建模语言的全功能点度量方法

分析了统一建模语言(UML)主要部件和全功能点规模估算方法COSMIC-FFP主要元素之间的概念映射关系,建立了22条度量映射规则,提出了UML的全功能点度量方法,阐述了UML的全功能点度量过程,并提出了相应的度量步骤。对实例分析后表明,该方法能比较客观和有效地度量软件功能规模。

AutoCAD中电气元件库的创建及开发

介绍了在AutoCAD R14绘图系统中建立电气元器件符号图形库和定制有关的菜单、工具栏的方法、过程及使用方法。

程序设计语言的形式语义研究进展

程序设计语言形式语义描述方法的产生与发展,对程序设计语言的设计和标准化,编译程序的设计和优化,程序推理,以及协议形式化描述、分析验证与设计等都有着重要的意义。回顾形式语义描述方法的研究发展史,介绍当前主要的语义形式描述方法,并给出这些方法的评价标准和比较结果;指出最有发展潜力的语义描述方法以及将来的发展方向。

软件产业中软件质量与成本的度量分析

如何有效提高软件质量、降低开发成本始终是软件产业的研究重点,在软件开发过程中,软件质量度量是保证软件质量的重要方法。文章介绍了软件度量与软件质量度量的基本概念、软件质量度量模型和方法,分析了软件质量度量的一般过程与主要作用。

Web服务发现优化的经济技术分析

服务发现机制是Web服务应用中极其重要的一个环节,文章首先介绍了Web服务的体系结构,接着介绍了Web服务。对于目前工业界普遍采用的UDDI服务发现机制,它有一个明显缺陷——语义表达能力缺乏,最后探讨了如何在服务发现机制中考虑语义信息。

基于机器学习的学生成绩预测及教学启示

利用学习分析技术挖掘在线学习特征是理解与优化教学过程、实现教学决策和学业预警的重要依据。在采集在线学习者的人口统计信息、学习背景、家长参与以及学习者的行为特征等信息的基础上,首先使用感知机、支持向量机和神经网络等分类算法,分别构造了不同的学习成绩预测模型;通过比较模型的准确度、召回率、F值,误分类样本数量和精确度,最终选择基于支持向量机的成绩预测模型。其次,通过分析模型参数,得出了影响学习成绩的主要因素是学习者参与小组讨论、课堂举手、访问与课程相关资源以及浏览通告等学习者行为特征的结论。最后,提出教师应该关注学生的学习行为特征,合理运用价值动机理论和内隐智力信念调节机制,激发学生的学习投入和学习动力的教学启示。

共享历史最优信息搜索的粒子群算法

传统粒子群算法运行机理是通过粒子群全局最优和自身经验最优来搜索最优位置,不断迭代进化,以此趋近最优解,但该算法共享信息的局限性使其容易陷入局部最优.针对传统粒子群算法的不足,提出了共享历史最优搜索信息的粒子群算法.该粒子群体在搜索过程中,共享算法本次运行的种群个体历史最优信息、当前全局最优信息,及前几次运行过程中的种群个体历史最佳信息.通过5个经典函数的仿真实验测试,验证了该算法具有较强的全局搜索能力和收敛性.

基于类粒子群算法的集装箱装载模型优化研究

向体积与重量限定的容器中装载货物时,装载方式不同容积利用率将有很大差别。分析发现运筹学中被广泛使用的一个集装箱装载实例数学模型有欠缺。列举反例,验证当装载的货物不可变形时该模型求出的解是错误的。建立了符合集装箱装载实际的数学模型,并利用类粒子群算法对所建模型进行优化,实现容器容积和承重量的最大发挥,仿真实验表明,该方法可行有效。

融合锚词抽取的海量短文本主题层次挖掘

从短文本集中挖掘不同粒度的主题、构建主题的层次结构在舆情分析、视觉检测、语义挖掘和图谱构建等方面具有重要应用.围绕如何从短文本集中分层次地挖掘主题,在修改传统短语定义的基础上,提出了融合锚词抽取的海量短文本主题层次挖掘框架.提出的主题层次挖掘框架首先基于词共现图实现主题推断和锚词抽取;然后,应用关联规则挖掘频繁锚词短语;最后,采用排序方法量化锚词短语以寻找最具代表性的主题短语.与已有的基于词共现图构建主题层次的方法相比,融合了锚词抽取的词共现图分析方法更有利于构建层次更高的主题.在2个实际的中文短文本数据集上执行实验,结果表明提出的方法挖掘的短语能较好地解释主题和用于分类预测.

异构分类器堆叠泛化及其在恶意评论检测中的应用

恶意评论检测是预防社会媒体平台给用户带来负面影响的一项重要工作,是自然语言处理的重要领域之一.为解决单分类器实现恶意评论检测时模型精度不稳定、boosting集成模型精度较低的问题,提出一种异构分类器堆叠泛化的方法.该方法用深度循环神经网络将多标签的恶意评论分类问题转变为二类分类,防止了模型精度不稳定;用堆叠泛化集成时单个分类器GRU(Gated Recurrent Unit)和NB-SVM(Naive Bayes-Support Vector Machine)在模型结构和分类偏差上的差异性,改善了模型精度.在维基百科恶意评论数据集上的对比实验证明:提出的方法优于boosting集成,说明堆叠泛化异构分类器实现恶意评论检测是可行且有效的.

基于主题模型的(Aspect,Rating)摘要生成方法研究

提出基于短语参数学习的主题模型TMPP(Topic Model based on Phrase Parameter)对在线评论中被评价实体的aspect和与之对应的rating进行抽取.TMPP具有三个特点:1)评论用"短语袋"表示;2)将标准的LDA中表示文档-主题的参数扩展为(aspect,rating)集;3)融合了先验知识.介绍了TMPP模型参数的物理含义、模型的生成过程以及先验知识的获取和表示方法;阐述了在TMPP模型中引入方面集聚类使用先验知识的原因与好处、TMPP模型提取(方面,等级)对形成(aspect,rating)摘要的原理.以真实的在线产品评论数据集为实验对象,在实验过程中引入先验知识的方面识别分析和等级预测精度分析,列出了五类产品相关方面和对立的情感词的实验结果.通过与已有的基线方法比较,实验表明若评论集中每篇评论有一个总体等级,TMPP能产生高质量的(aspect,rating)摘要.