针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度

针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题，提出一种基于近邻的不均衡数据聚类算法（Clustering algorithm for imbalanced data based on nearest neighbor，CABON）。CABON算法首先对数据对象进行初始聚类，通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合；并给出一种类别待定集的动态调整机制，利用近邻思想实现此集合中数据对象所属类别的重新划分，按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中，得到最终的聚类结果，以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法（Imbalanced K–means clustering method with multiple centers，MC_IK）和非均匀数据的变异系数聚类算法（Coefficient of variation clustering for non-uniform data，CVCN）在人工数据集和真实数据集上分别进行实验对比，结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”，聚类效果明显优于K–means、MC_IK和CVCN算法

为了描述程序在并发执行时对系统资源的共享，我们需要一个描述程序执行时动态特征的概念，这就是进程。在本章中，我们将讨论进程概念、进程控制和进程间关系。 4.1 进程(PROCESS) 4.1.1 程序的顺序执行和并发执行 4.1.2 进程的定义和描述 4.1.3 进程的状态转换 4.1.3.1 两状态进程模型 4.1.3.2 五状态进程模型 4.1.3.3 挂起进程模型 4.1.4 操作系统代码的执行 4.2 进程控制 4.3 线程(THREAD) 4.4 进程互斥和同步 4.4.1 互斥算法 4.4.2 信号量(semaphore) 4.4.3 经典进程同步问题 4.4.4 管程(monitor) 4.4.5 进程互斥和同步举例 4.5 进程间通信(IPC, INTER-PROCESS COMMUNICATION) 4.6 死锁问题(DEADLOCK) 4.7 进程其他方面的举例

针对非平衡数据集分类中\少数类样本精度难以提高\这一瓶颈问题,提出了一种基于协同进化机制的欠采样方法.此方法将少数类样本与多数类样本划分为两类种群,采用种群协同进化原理,利用提出的动态交叉变异算子自适应协同进化过程,实现种群间自动调节和自动适应.仿真试验结果表明,此采样方法增强了局部随机搜索能力,改善了种群的分布特性,加强了算法的全局收敛能力,在不降低多数类样本分类性能的基础上有效提高了少数类样本的精度.与其他经典重采样方法相比,本文办法抗噪能力好,具有更强的鲁棒性

学科基础课平台必修课 《高等数学 A1》 《高等数学 A2》 《大学物理 A1》 《大学物理 A2》 《大学物理实验》 《C++程序设计》 《C++程序设计实验》 《C++程序设计实训》 《线性代数》 《概率论与数理统计 B》 《离散数学Ⅰ》 《计算机组成原理 I》 《数据结构 I》 《数据结构 I 实验》 《计算机网络原理Ⅰ》 《操作系统 I》 《操作系统Ⅰ》 《电工电子技术 C》 学科基础课平台选修课 《数字逻辑》 《Java 程序设计》 《Java 程序设计实验》 《Java 程序设计》实训 《管理信息系统》 《管理信息系统实训》实践 《数据库原理 A》 《编译原理》 《软件工程概论 A》 《汇编语言与接口技术》 《汇编语言与接口技术》考查大纲 《汇编语言与接口技术》实践 《算法分析与设计》 专业课平台必修课 《C#程序设计》 《AspNet 程序设计 A》实践 《软件项目管理》 《软件工程专业毕业设计（论文）》 《软件工程》毕业实习 《UML 建模语言》 《软件设计与规范》 《UML 软件建模》 《软件设计模式》 《软件工程生产实习》 《软件验证与确认 A》 《软件验证与确认 A》课程实验 《单元测试与软件质量》 《软件工程综合实训 I》 《软件验证与确认 B》 《软件验证与确认 B》课程实验 《软件工程综合实训 II》 专业课平台选修课 《软件工程综合实训 III》 《软件测试技术与工具》 《软件测试技术与工具》课程实验 《单元测试实训》 《集成测试实训》 《软件测试设计与文档规范实训》 《搜索引擎》 《搜索引擎》课程实验 《JavaScript 与 Ajax 开发》实验 《Fortran 与科学计算》 《Java 软件开发实训》 《Oracle 高级数据库开发设计》 《安卓系统编程实训》 《工程数据库技术》 《工程数据库技术》课程实验 《计算方法》 《软件安全测试》 《软件安全测试》课程实验 《经典代码与文档阅读》 《软件安全》 《软件安全》课程实验 《软件部署与维护》 《计算机游戏基础》 《人机交互工程》 《人机交互工程》考查大纲 《网络软件开发技术》

模糊隶属度无统一算法,定义存在分歧.根据模糊概念\内涵明确,外延不明确\的特点,定义隶属度为不同外延对内涵的从属程度.在信息系统中,概念的外延用对象表示,内涵由属性表示,由此提出了求解隶属度的新算法:由原始统计数据组成初始信息系统,用粗糙集理论求得其商集并构建集值信息系统;该集值信息系统对应的条件概率空间中的条件概率即为隶属度.广义上信息系统可分为信息系统(无决策属性)和目标信息系统(有决策属性)两类.隶属度也可分为两类:第一类外延对象为内涵属性本身值,如年龄对青年人的隶属度(信息系统);第二类外延对象为不同于内涵属性的另一属性值,如边坡工程安全系数对稳定状态的隶属度(目标信息系统).计算以上两个实例,前者与已有结论作对比验证,后者与函数选择、经典统计方法及贝叶斯公理作对比验证,可知结果可靠,算法可行

针对钢管入库优化决策问题，建立了问题的约束满足优化模型，并通过对垛高和钢管堆放规则的分析，提出了基于聚类和约束满足技术的两阶段求解算法.算法在第一阶段采用聚类的方式对待入库的钢管按照多重属性进行分组；在第二阶段利用约束满足技术对于每组钢管分别指派垛位及其在垛位上的具体位置，并通过约束传播动态缩减问题的搜索空间.最后将算法与经典的BFD （best fit deceasing）算法进行实验结果对比.实验结果表明，算法能够在保证倒垛次数最小的前提下，有效减少垛位数并具有良好的垛位利用率，模型及算法可行、有效

搭接是纤维增强复合材料(FRP)的重要连接方式,长期性能是该技术实际工程应用的关键.对不同恒定应力和湿度状态下混杂FRP (HFRP)双搭接接头的剪切蠕变性能进行了试验研究.试验观测到了明显的蠕变变形,测定了蠕变与恒定应力及湿度的关系.进一步采用分数阶导数流变模型对试件的蠕变进行模拟.根据模型所包含的Mittag-Leffler函数的性质采用了改进的Powell优化算法,并确定了合理的初值,结合试验曲线拟合得到模型各参数值.根据搭接接头蠕变的特点,在经典分数阶流变模型中引入了表征应力水平对搭接接头非线性蠕变特性影响的函数,提出了一种改进的分数阶蠕变柔量计算公式.研究结果表明,该流变模型能够采用简单的表达形式和较少的参数对试件的非线性蠕变行为进行拟合,在30%~70%恒定应力范围内准确模拟了双剪搭接接头的蠕变曲线

作为对经典自适应控制改进的控制方法，多模型自适应控制是解决复杂的大范围参数不确定系统的一种有效途径，并在理论和实践中取得了丰富成果。依据控制器集的不同综合策略，其被分为多种类型，本文旨在对加权型的多模型自适应控制进行综述。加权多模型自适应控制的基本思路是采用“分而治之”的办法，离线建立多个局部模型和对应的多个局部控制器，在线加权融合各个局部控制器的控制输出，从而形成全局控制，是实现鲁棒自适应控制的一类重要方法。首先比较详细地介绍了加权多模型自适应控制研究的历史及现状，然后给出相关研究的新进展和一些观点，包括新的加权算法和相应的加权多模型自适应控制系统的稳定性结果等，最后指出未来的几个研究方向