基于信息熵的飞机相似机型确定方法

参考类似机型的经验是我国目前民用飞机研制的主要途径之一。为了更好地借鉴国内外类似机型的经验,本文提出了一种基于信息熵的类似机型确定方法,该方法应用信息熵理论,直接通过类似机型数据所蕴含的客观信息计算各属性的权重,消除了依靠人为指定权重的主观因素影响。在此基础上,给出了包含有不精确信息属性的相似度的计算方法,最后应用支线飞机实例进行了验证,表明该方法具有较高的客观有效性。     

一种基于语义的Ontology映射方法

O n to logy映射是实现异构O n to logy互操作的有效方法,目前的O n to logy映射主要采用句法方法,而很少采用语义方法。本文提出了一种基于语义的O n to logy映射方法,该方法考虑了O n to logy中的概念属性,采用概念名称相似性、概念属性集合相似性、相关概念集合相似性等确定O n to logy之间的语义映射关系;采用语义半径提高了语义映射方法的灵活性。试验分析表明:该方法得到的映射的准确率和查全率在90%以上,准确率和查全率均优于S-M atch方法。该方法已在基于知识需求的主动式知识系统原型中实现,并在某研究所得到了应用。     

对方案有模糊互补偏好关系的模糊多属性决策法

研究了权重为区间数且对方案有模糊互补偏好关系的模糊多属性决策问题.首先,基于模糊互补判断矩阵的主观偏好信息,利用转换函数将决策信息一致化,并建立了目标规划模型.通过求解该模型得到属性的权重,运用加性加权法获得各方案的模糊综合属性值.其次,提出了基于方案的模糊正理想解与其模糊综合属性值相似度的方案排序法.该方法既能充分利用已有的客观信息,又能最大限度地体现决策者的主观意愿,且具有操作简便、易于上机实现的特点.该方法已应用于解决风险投资领域中项目评估问题.     

Lyapunov矩阵方程的一种数值解法及部分并行处理

本文设计了求解Lyapunov矩阵方程的一种新方法。所考虑的矩阵方程是 AX—XB=C(1)其中A,B,C分别是m×m,n×n和m×n的已知矩阵。 该方法首先是将系数矩阵A,B初等相似约化为三对角矩阵,即存在可逆矩阵U,V,使U~(-1)AU=A,V~(-1)BV=B,其中A,B为三对角矩阵。然后设计了矩阵方程AY—YB=C的公式解法,分三步: 1)求f(λ)=det(λI—A)的λ各次幂的系数a_0,…,a_m; 2)计算sum from i=1 to m (A_(m-i)-CB~(m-i)),f(B); 3)求解Y。解方程AY—YB=C的方法称为THR算法。 最后经逆变换获得原矩阵方程(1)的解X。 求解矩阵方程(1)的方法称为R—THR算法。该方法的计算量约为m~3+4/3n~3+7m~2n+5nm~2+m~2。 本文给出了R—THR的串行计算的数值例子,并给出了THR算法的并行计算格式。最后通过几种数值方法的比较,表明该方法是可行的,也是有效的。     

软件测试的度量方法及其应用

软件测试是找出软件中的错误,它是保证软件质量的关键,软件测试的度量是对影响软件测试的属性所进行的定量测量.本文简述了应用软件测试度量技术时所应具有的基本知识,通过一个实例,介绍并讨论了一种实用的关于软件测试进度安排和软件错误数的度量方法.     

轴对称湍流射流的相似解

本文在相似性条件下,得到了用k-ε模式的轴对称湍流射流的相似方程。利用动量相似方程的近似求解结果作为初值,同时引入变量变换,进行迭代求解。本文的方法收敛速度快,计算简便。     

应用ART1神经网络仿真车间分组

阐述了ART1神经网络在制造单元设计过程中形成零件族的基本方法,并在基于MATLAB的软件平台上,利用其神经网络工具箱对生产过程中的实际情况进行了仿真和应用。     

真实气体流动的相似规律

本文从具有化学反应的NS方程出发导出了真实气体流动的相似律,分别给出了高温空气非平衡流、平衡流和冻结流的相似参数。文中还讨论了航天飞机轨道器各种Mach数范围内的真实气体流动的相似参数和实验模拟问题。     

模糊相似度景像匹配算法研究

研究了求取图像模糊特征域的计算方法,提出了采用图像模糊集相似度进行景像匹配的方法,并探讨了综合利用多种模糊集相似度算法进行匹配的方法,进一步提出了模糊综合相似度(FSSM)匹配算法.仿真验证表明,FSSM算法具有适应性好、匹配率高等优点,且实时性也较好,为飞行器实时景像匹配提供了一种可行方法.     

Java程序度量工具的实现及案例分析

介绍了面向对象度量技术,给出针对Java语言的McCabe,Halstead和WMC复杂度的定义,提出了一种新的面向Java语言的度量工具的实现方法,并且通过实例分析说明利用该工具度量Java程序,某些度量值高的模块逻辑复杂、工作量大、易错且难维护,从而引导测试人员重点测试这些模块,同时也使开发人员关注它们,仔细检查程序逻辑,进行合理优化,使整个程序的复杂度降低.确凿实验数据表明,软件度量对改进软件质量具有很大实用价值.本工具采用以下度量标准度量Java程序:针对继承复杂性的DIT(Depth of Inheritance Tree)和NOC(Number Of Children)复杂度;针对模块复杂性的McCabe度量法、Halstead软件科学度量和WMC(Weighted Methods per Class)复杂度;针对类间耦合性、聚集性的RFC(Response for a Class)度量法.每种复杂度从不同方面、不同层次度量Java程序,从而有效全面的评价软件质量,揭示可能隐藏的错误.