从控制传播图导出分层结构图

为了转换数据流图成为结构图,引入了一种新的图形工具即控制传播图(CSD)。控制传播图是介于数据流图和结构图之间的图形工具,是实现从数据流图到结构图转换的中间产物。本文着重讨论从控制传播图导出分层结构图的基本原则和方法。     

一种从数据流图转换成软件结构图的方法

本文从对数据流图特点的分析和对模块结构图的特点分析并结合数据流图和结构图的关系,提出了一种新的数据流图转换成结构图的方法——添加边界节点法,并将添加的节点作为结构图的第二层,作为数据流传递的间接接口。根据这一原则,在计算机上实现了数据流图到结构图的转换。     

基于知识的SA／SD智能转换系统KBSDT

本系统把人工智能技术引入ＣＡＳＥ工具研制，采用超文本模型管理文档，具体实现了数据流图到结构图的知识库设计和智能转换，能在很少人工干预下完成软件开发中ＳＡ／ＳＤ高效转换。     

改进模糊聚类在数据流中的应用

针对现有数据流聚类算法的不足,提出了改进模糊聚类算法,给数据对象的隶属度加上一个权值,以及在算法中用有效性函数来确定聚类数目C.理论分析与实验结果表明,在数据流环境下所提出的改进模糊聚类算法比传统算法有更好的聚类效果,更快的聚类速度.     

基于设计模式的多维集合及其在模糊聚类中的应用

为了解决模糊聚类中聚类结果的存储和表示,作者在研究了Composite设计模式后,设计和实现了多维集合类．并在简单介绍作者所设计的模糊聚类类后,详细分析了多维集合在直接聚类法中的应用方法．     

一种网格和分形维数的数据流聚类算法

针对常规算法不能适应数据流的动态环境问题,提出一种基于网格和分形维数的数据流聚类算法,有效地完成了对数据流的分析任务,克服了传统聚类方法的不足,把整个挖掘过程分为在线进程和离线进程,最终实现数据流的聚类.     

高斯混合密度降解模型在数据流聚类中的应用

针对数据流具有数据量无限且流速快的特点，将高斯混合密度降解模型应用于数据流聚类问题，在数据流中找出有效的高斯分量，并且合并相等的高斯分量．通过采用真实数据进行实验的结果表明，此方法能够有效解决数据流的聚类问题．     

基于共享最近邻密度的演化数据流聚类算法

现有的基于密度的数据流聚类算法难于发现密度不同的簇,难于区分由若干数据对象桥接的簇和离群点.本文提出了一种基于共享最近邻密度的演化数据流聚类算法.在此算法中,基于共享最近邻图定义了共享最近邻密度,结合数据对象被类似的最近邻对象包围的程度和被其周围对象需要的程度这两个环境因素,使聚类结果不受密度变化的影响.定义了数据对象的平均距离和簇密度,以识别离群点和簇间的桥接.设计了滑动窗口模型下数据流更新算法,维护共享最近邻图中簇的更新.理论分析和实验结果验证了算法的聚类效果和聚类质量.     

基于模糊聚类方法的T-S模糊系统建模

提出了用一个聚类验证准则设计模糊C均值聚类算法，这个聚类验证准则是用来确定模糊C均值算法中合适的聚类数．针对T—S模糊模型，由模糊c均值聚类算法确定其逻辑前件参数，进而采用最小二乘算法确定模糊推理规则的后件参数．最后，应用本文建模方法对一个非线性实例进行仿真计算，并与其它方法进行了比较，结果表明本文方法是有效的．     

基于人工蜂群算法的数据流聚类研究

聚类是数据挖掘领域非常重要技术之一,能发现数据中隐含的知识和价值,在数据流分析中有重要的意义.针对现有数据流聚类算法的不足,根据数据流特点提出了一种高效、可扩展的数据流聚类算法ABCClu Stream.该算法借鉴了经典Clu Stream算法的在线—离线两阶段框架,根据蜂群算法的相关理论定义聚类过程中相关的参数、微簇聚类特征结构等,设计出了一种全新的算法.通过实验表明,本文所设计出的ABCClu Stream算法具有聚类纯度高、可扩展性好的特点,能够产生高质量的聚类结果,适用于大规模的动态数据流聚类的分析和研究.     

梁受力图和弯剪图通用程序的设计

阐明粱受力图、剪力图和弯矩图通用程序的一种设计方法。本方法输入参数少；输入直观简便且结果准确逼真。     

基于模糊影响图方法的商业银行信用风险评估

综合应用模糊集与影响图理论建立了模糊影响图方法,将其模型引入商业银行信用风险评估,在确立了商业银行信用风险评价指标体系的基础上,建立了基于模糊影响图的商业银行信用风险评估模型,说明了该模型的有效性.     

基于抽象实现结构图的数据流方程切片方法

提出在PASCAL抽象实现结构图上,采用数据流方程算法实现程序切片的自动化.该方法将过程蓝图的抽象实现结构图引入静态过程内切片领域,实现了程序表示形式与程序切片处理形式的统一,避免了传统方法产生控制流图的需要,简化了切片处理过程,提高了切片处理效率,并直观地反映了切片后的程序变化.     

静定结构位移图的计算机绘制

在进一步完善弯矩荷载法的基础上,编制了计算机绘图程序,使绘制静定结构位移图快速方便而实用。     

脉冲响应法简化控制系统方框图

结构框图对于图解表示控制系统是很有用的。复杂系统结构框图的简化,人们从不同的角度去探讨过。笔者主要是从传递函数的定义着手来探求结构框图简化的新途径。     

网络图的结构优化与电脑绘图

提出了网络计划图形结构优化的概念,进行结构优化的客观条件及现实可能性,并举例说明了进行结构优化可达到缩短工程工期,提高工程经济效益的目的。并介绍了根据网络图结构优化的要求,为提高绘制网络图的速度及准确性,用电子计算机绘制网络图的有关技术问题,包括:结点编号、结点布局、结点连线、网络图交互式修改及大型网络图的分段输出等问题,给出了一个电子计算机绘制网络图的实例。     

图乘法求位移的几点思考

应用图乘法求结构位移比较简便,但若忽视适用条件会导致计算错误。本文通过具体实例对常见错误进行了归纳,对图乘法的特点和应用条件进行分析,为正确、灵活应用图乘法提供参考。     

模糊因果图分析方法新探

因果图理论是一种基于概率论的不确定性推理模型,能够很有效的对系统进行故障诊断和分析,但在因果图模型中,要求事件的发生概率为精确值.然而在实际生活中事件的发生概率具有模糊性和不确定性的特点.将模糊集合理论引入其中,将普通事件拓展为模糊事件,并且对模糊因果图进行了定性和定量分析,解决了获取事件发生概率精确值的难度,也使得因果图的应用范围更广.     

基于粒子群优化算法的交通数据流聚类分析

针对交通数据流聚类分析过程中生成顺序的不确定性,提出了采用基于网格和密度的D-Stream算法对交通数据流进行聚类分析,并将粒子群优化算法引入聚类过程,从而对数据流聚类分析方法进行了改进,使数据聚类能够根据本身的密度极大值有序生成,增强了用户对聚类过程的控制能力.通过昆明市实测交通数据流进行聚类分析,得到了能够反映交通状况不同特征的聚类结果和动态的控制策略,并对交通数据流的相关研究工作提供决策支持.     

基于遗传算法的因果图网络结构学习

在因果图理论中,采用了图形化和直接因果强度来表达知识和因果关系,它克服了贝叶斯网的一些不足,已发展成了一个能够处理离散变量和连续变量的混合模型.但是因果图的结构得由领域专家给出,这在实际中很难办到.鉴于因果图结构的复杂度随论域中节点个数的增加呈指数上升,寻找最有可能因果图网络结构成为了NP-HARD难题.文中给出了如何利用已知数据集,寻找最有可能的因果图网络结构设计的遗传算法（Genetic Algorithm,GA）.