基于小波神经网络组合模型的高填方路基沉降预测

利用小波变换良好的时频局域化性质和神经网络的自学习功能,结合S型成长曲线模型,建立了基于小波神经网络的高速公路高填方路基沉降预测模型,该模型的应用避免了计算过程中各种人为因素的影响.通过对汝（城）郴（州）高速公路K59＋375~K59＋445高路堤沉降现场监测数据的学习、预测与检验,并与S型成长曲线模型和BP神经网络的预测结果相比较,结果表明,组合模型的预测精度高,与实际情况相吻合.

SNS用户的社交网络游戏行为研究综述

本文通过对SNS用户玩社交网络游戏行为相关研究成果的系统分析,发现被用于社交网络游戏行为研究的理论主要有使用与满足理论、技术接受模型和心流体验理论等;社交网络游戏行为的动机主要为休闲娱乐、社交互动和自我展示;而社交网络游戏使用和持续使用的影响因素包括认知性因素、情感(体验)性因素、态度性因素、人格因素、社会性因素和技术性因素。

软件网络的软核研究与软件生长中的S模型趋近

针对软件代码研究的复杂性,研究软件类结构中最重要的核心部分,提取基于软件网络的软核,以降低软件理解与度量的难度.并通过一个以软核概念为基础的软核剥离算法进行了一定样本量上,软件软核的研究.分析结果表明:软核的层次与软件的升级与发展,即软件生长成正比关系.软件网络的软核每个层次中节点数与软件网络总节点数之比在软件生长过程中会趋近S模型.软件软核的S模型趋近现象在软件的生长过程中,可以被用来研究度量软件的层次性构成.软核的提取可以用来简化研究人员对软件的理解,聚焦软件设计、实现、测试时的重点类.

基于测试性增长的指标动态评估方法

针对现有测试性指标评估方法未能考虑装备研制阶段不同层次结构测试性水平动态增长的特性,导致测试性评估置信度不高的问题,提出一种测试性增长条件下基于层次Bayes网络模型的测试性指标动态评估方法。根据装备结构特征建立测试性指标动态评估的层次Bayes网络模型,并以测试性指标作为网络传递参数;考虑延缓纠正的测试性增长试验策略,给定测试性阶段序化增长约束条件,针对不同层次节点各阶段增长试验数据,采用单边Fisher精确检验法对测试性增长趋势进行检验,并基于检验结果确定增长阶段数;提出利用最大熵模型和改进Gompertz模型的先验参数估计方法,结合Bayes定理以及研制阶段各层次节点先验信息确定节点先验分布;进一步基于层次Bayes网络融合推理算法确定顶层节点测试性指标的后验分布,实现对装备测试性指标的动态评估,并通过案例进行验证。结果表明,该方法相较于直接运用Beta分布,具备更为准确合理的指标评估结论。