第7章面向对象软件工程的概念 一、传统软件开发方法的局限性 二、面向对象的过程模型 三、面向对象的概念 四、几种面向对象方法 五、统一建模语言-uML

针对焊缝缺陷磁记忆检测中存在定量化反演难题,建立了基于改进的支持向量回归机定量反演模型.以预制不同尺寸未焊透和夹渣缺陷的Q235焊接试样为试验材料,进行磁记忆扫描检测发现:缺陷位置的磁记忆信号特征参数随尺寸变化而呈现一定的变化规律,但同时存在分散性和不确定性.鉴于磁记忆信号样本的有限性、分散性和非线性,首先将提取到的磁记忆特征参数进行归一化处理,引入支持向量回归机建立焊缝缺陷磁记忆定量反演模型,并进一步利用模拟退火算法对支持向量回归机参数进行优化,使目标函数达到全局最优而非局部最优.最后,考虑到由磁记忆信号逆向反推缺陷的三维尺寸,存在解的不确定性,为此在缺陷单维尺寸反演模型的基础上,通过构建多层结构的支持向量回归机进行多尺寸反演输出,建立了基于模拟退火支持向量回归机的焊缝缺陷磁记忆定量反演模型,结果表明:未焊透缺陷尺寸反演最大相对误差为7.96%,夹渣缺陷为4.97%,为焊缝缺陷的磁记忆反演与定量化评价提供一种新的思路

第10章面向对象测试 1.面向对象测试的特点 2.面向对象的测试策略 3.面向对象软件的测试用例设计 4.RUP的测试活动

空间向量及其线性运算 一、向量概念 1.向量:既有大小,又有方向的量,称为向量(或矢量)

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

全世界已知向日葵病害有90余种,中国报道约30种。其中普遍发生、流行及造成减产 严重的有10余种。多属于真菌病害。 东北三省及内蒙古自治区共发现向日葵病害10多种。在向日葵病害中发生较多和影响 产量最大的是菌核病,其次是褐斑病,霜霉病虽然仅在局部地区(如黑龙江省密山、虎林等 地)发生,但其危害甚大,不但影响保苗,重者未开花就形成全株枯死 、向日葵菌核病( Sunflower stem rot) 向日葵菌核病又名白腐病,世界各国产区均有分布

建立COREX竖炉三维半周物理模型,模拟竖炉围管粉尘初始堵塞位置及其演变过程,考察鼓风量、排料速度、非工况排料等操作条件对围管粉尘堵塞的影响.模拟结果显示,COREX竖炉围管初始堵塞位置为AGD架梁圆管前方的8#~12#导气槽区域.当导气槽前端填充床内形成粉尘沉积区后,若沉积区向上发展速度大于其随物料向下运动速度,粉尘沉积区向围管方向发展,并逐步堵塞围管导气槽,进而在围管内形成粉尘堆积区.该堆积区在围管内继续发展,使得其堆脚向围管远端运动,从而逐步将远端导气槽堵塞.此外,模拟发现随着排料速度加快及鼓风量增加,围管内不易发生粉尘堵塞.当炉内非工况条件发生时,粉尘堆积的动态平衡被打破,易造成围管内粉尘的堆积堵塞

如果二维随机向量(X,Y)的每个分 量都是离散型随机变量,则称(X,Y)是 二维离散型随机向量. 二维离散型随机向量(X,Y)所有可 能取的值也是有限个或可列无穷个

• 应力状态概述 • 二向和三向应力状态的实例 • 二向应力状态分析-解析法 • 二向应力状态分析-图解法 • 三向应力状态 • 广义胡克定律

时代变迁和技术发展必然引起学与教形态的变化。每一种学与教的形态都是时代的产物，蕴含着时代精神、承载着时代使命、体现着时代要求。人工智能时代，社会对人才质量、规格要求的变化以及新技术在学与教过程中的深度融入，要求学与教的形态进行变革。人工智能时代，学与教的目标应从注重知识与技能走向强调学习能力、创造能力和社会责任；学与教的内容应从标准化走向个性化；学与教的模式应从从教师为本走向以人为主、人机协同；学与教的评价应从关注整体发展走向强调个体成长；学与教的环境应从单一的物理环境走向物理环境与虚拟环境适时融合