“南海一号”重见天日

中国南海海域,被誉为"世界三大沉船坟墓"之一,与地中海、加勒比海齐名,而且比它们的沉船数量还要多.据统计,在这片辽阔的海面下有超过2000艘沉船,其中最早的可以追溯到我国的南北朝时期.     

基于规格说明的面向对象软件原型开发

提出一种基于规格说明的面向对象软件原型开发方法，规格说明分为结构部分和行为部分。结果部分利用面向对象开发方法ＯＭＴ的直观可社的表示和分析设计规程；行为部分利用类ＣＣＳ的表示文和形式验证机制，使得规格说明及其求精结果由一致的语言表示，且在同一的形式框架构成的原型上进行持为分析。     

基于网络的可信软件大规模协同开发与演化

随着网络时代的来临,软件的开发模式、运行环境和提供方式发生了巨大变化.互联网作为一种开放的协同工作环境,其中孕育的大规模协同创作机理对软件开发和应用产生了深刻影响.如何将其与工业化可信软件生产相结合以提高软件生产效率和质量,是网络时代软件技术面临的新课题.本文提出汇聚群体智慧的可信软件开发新方法——群体化方法,该方法的核心是"群体协同、资源分享、运行监控、可信分析",支持创新软件作品向可信软件产品转化,支持软件的可信演化.提出一种基于证据的可信软件概念模型,将软件在开发阶段、分享阶段和应用阶段的基础数据作为软件的可信证据,并据此建立了软件演化过程模型;提出一种支持可信软件协同开发与演化的服务模型,支持软件创作与生产深度协同的可信软件社会化生产、开放有序的可信软件资源分享,以及基于海量数据分析的软件可信评估.最后以"十一五"国家高技术研究发展计划重点项目"高可信软件生产工具及集成环境"为背景,阐述了面向群体化方法的关键技术、开发环境和应用实践.     

开放性实验在实验教学中的重要作用

开放性实验是要求学生在牢固掌握教师所授专业理论知识的基础上,到实验中运用和验证,增强学生的感性认识,培养他们的科研动手能力,锻炼其独立操作、独立思考、独立分析问题及解决问题的本领,提高他们的综合素质,因此在教学中有重要的地位。     

基于应用语义的网构软件松弛事务模型研究

事务处理是保障服务协作可靠性的关键技术，由多个具备事务特性的服务通过交互和协作复合而成的服务称为事务性复合服务（transactional composite service，TCS）．为保证TCS执行的松弛原子性，现有的研究主要依靠对TCS语法结构的分析，但语法结构反映不出特定的应用语义信息，从而对服务事务能力要求过高，导致了很多不必要的失败恢复甚至放弃．给出了一个基于应用语义的网构软件松弛事务模型，包括系统模型、松弛原子性、松弛原子性可满足检查算法、执行保障算法．用户可以根据应用语义，为TCS赋予特定的松弛原子性约束ε，包括TCS合理结束配置，以及对各个合理结束配置的倾向性顺序．ε-松弛原子性可满足检查算法可以确保TCS执行满足指定的ε-松弛原子性．执行保障算法根据酌束监控TCS的执行，主动进行重试、补偿等操作，将松弛原子性的规约与保障抽象到系统层次进行，分离了关注点．     

基于蝙蝠算法的支持向量机参数优化

目的针对支持向量机(support vector machine,SVM)的参数选择的重要性,研究一种新的参数优化方法。方法介于蝙蝠算法的模型简单、全局搜索能力强等特点。本文提出基于蝙蝠算法(BA)的SVM参数优化方法,对SVM的惩罚参数和核参数进行优化。结果通过8个UCI标准数据库集的Matlab仿真实验,验证了算法的有效性和可靠性。结论本文方法搜索的最优参数较大地提高了SVM的分类精度,加强了SVM的学习和泛化能力,是一种有效及稳定的支持向量机参数优化方法。     

面向多租户Web应用的性能隔离方法

提出一种面向应用级共享的多租户Web应用性能隔离方法．首先建立基于事务处理链的应用级资源管理模型，基于信号量机制给出了模型的并发控制算法，支持事务级、分阶段的多租户Web应用资源管理，并在一次事务处理的各阶段实现线程复用，避免因修改交互协议而产生的再工程代价．基于上述工作，给出多租户性能隔离算法及策略，并利用TPC—W电子商务应用验证方法的系统开销及有效性．实验结果表明，该方法可以有效降低租户资源侵占行为的影响，并避免系统过载．     

基于全局和声搜索算法的特征基因选择方法

鉴于DNA微阵列数据中无关基因和冗余基因对分类精度和效率的影响,提出一种基于全局和声搜索的特征基因选择方法,首先采用ReliefF算法对微阵列基因数据集排序,取排序靠前的N个基因构成初选基因子集,然后利用全局和声搜索算法选择特征基因.两个公共微阵列数据集上的仿真实验表明,该算法全局搜索能力强,分类精度高,能够有效地剔除噪声和冗余基因,是一种有效的特征基因选择算法.     

基于和声搜索算法的支持向量机参数优化

支持向量机是建立在统计学理论基础上,以结构风险最小为原则的一种机器学习算法,能够很好地解决小样本、高维数、非线性等问题,被广泛地应用于模式识别、函数估计及回归预测等领域.但是支持向量机性能的高低往往取决于其相关参数的正确选择.为提高优化参数的精度及效率,利用和声搜索算法的全局寻优能力,对支持向量机的惩罚参数及核参数进行优化选择.通过4个标准UCI数据集的仿真实验,结果表明本算法不仅减少了搜索时间,而且所获得的参数能大幅提高支持向量机的性能和预测精度,提高了泛化能力.     

灰色关联分析法在卫星初轨选优中的应用

针对航天测控中心利用各种数据源确定的多组初始轨道如何选优问题,提出了一种基于灰色关联分析的卫星初始轨道选优算法。通过分析确定卫星初始轨道的数据源及定轨原理,应用该方法并结合测控专家的经验,建立了初始轨道选优的评价指标体系,成功地利用标称轨道作为属性基向量,解决了比较数列的生成问题。通过一颗典型的太阳同步轨道卫星为例,引入Spearman等级相关系数与最新研究成果相比较的方法,验证了该方法的合理性和正确性。