基于改进迁移学习的运动想象分类识别算法

利用迁移学习算法提高分类识别的准确率是运动想象脑机接口应用的热点研究问题,其中样本迁移和特征迁移的传统模型算法在样本量较少或源域数据和目标域数据差异较大情况时,各自的迁移效果并不理想。基于欧式对齐(EA)和改进联合类质心匹配和局部流形自学习(CMMS)迁移学习的运动想象分类算法,将样本迁移和特征迁移的优势有机结合,在考虑样本本身的同时,进一步提高了分类准确率。首先,对样本进行源域和目标域的EA,减少源域和目标域的数据分布差异;其次,基于最小化最大均值差异(MMD)改进CMMS方法,筛选源域数据,再次减小源域样本与目标域的分布差异;最后,将该方法应用于BCI竞赛数据集进行离线测试和在线实验。实验结果表明:所研究的方法与SVM、JDA、BDA、EasyTL、GFK、CMMS相比较,迁移学习模型的识别准确率分别提高了14.38%,8.5%,5.8%,10.4%,11.8%,5.7%。

浅析中小型软件企业如何运用CMM进行过程改进

对我国中小型软件企业而言,引入能力成熟度模型CMM改进软件过程是保证软件产品质量的关键,是适应市场激烈竞争的需求。通过分析软件企业运用CMM进行过程改进的必要性,对运用CMM改进软件过程的关键步骤做了研究,提出了我国中小型软件企业运用CMM进行过程改进的解决方案。

软件能力成熟度(CMM)的过程改进研究

提高软件开发方的过程能力成熟度,对于软件项目合同的签定双方都具有较大的借鉴意义。论述了在公司内部建立质量保证体系、实施CMM改进过程的必要性,并从CMM2级KPA着手阐述扩充软件项目合同的方法。