基于内聚度理论的反导作战任务结构评估

为了构造内聚度适宜的任务模块,该文提出了基于内聚度理论的反导作战任务结构评估方法。定义了基于约束结构的内聚度形式化概念,分析任务组成及其约束结构。建立了基于任务关联矩阵的内聚度度量模型,实现任务模块的内聚度定量计算,提高任务分解的快速性和准确性。最后,根据任务分解的评估准则,通过实例说明该方法的可行性和有效性。该方法可实现任务结构的柔性控制,为评估作战任务分解方案提供有效指导。     

工作流中多粒度时间约束的建模及其一致性分析

对基本工作流网进行了时间属性的扩展,定义了一个可以模拟业务过程多粒度时间约束的工作流模型:多粒度时间约束工作流网,可以很好地模拟与业务过程相关的多粒度时间约束,包括任务的相对就绪时间约束、任务的相对执行时间约束、任务的执行持续时间约束以及任务之间的时间约束,并且给出了这些多粒度时间约束的一致性分析.     

产品设计冲突的粒计算消解模型

针对产品设计约束具有层次性、分布性及动态性的特点,用分布式约束满足问题模型难以进行产品设计冲突消解的问题。将产品设计转化为商空间粒度世界,建立了分层递阶粒计算产品设计冲突消解模型。对产品设计问题进行粒化和划分,通过商映射和粒度合成实现不同层次之间以及不同设计领域之间的映射和回溯,采用分层次、逐步细化的粒计算方法进行冲突消解。这种由粗到细、层层深入、逐层求解的粒计算消解方法简化了分布式动态约束满足问题,降低了问题求解的计算复杂性,具有系统性、整体性和层次性特点。     

基于MAS的分布式协同设计任务冲突处理研究

任务分解与冲突控制是网络分布式环境下进行产品并行设计的关键．通过收集产品各领域的指标约束与关系约束来构建基于约束网络的产品参数协调模型，采用区间描述设计变量的不确定性信息，并将区间算法与基因算法相结合实现了一致性模型求解框架，使用该方法能够检测潜在冲突，得到与给定产品指标相对应的设计变量可靠解空间，进而辅助设计人员决策。同时采用Agent技术对协同设计中多群体多层次的设计任务和设计进程进行管理和控制，建立了以项目和任务为中心的协同设计Agent模型，研究了模型共享、协同设计agent、并发控制机制等关键技术，构建了一个基于多Agent的分布式实时协同设计原型系统应用实例说明了其有效性。     

车桥耦合气动力特性和风压分布数值模拟

基于计算流体动力学，采用数值模拟的方法研究了车桥耦合体系气动力特性和风压分布．首先选取了雷诺应力湍流模型，分别建立了桥梁单体模型、车辆单体模型和车桥耦合体系模型．计算了3个模型在不同风向角下的气动力系数，并对各自的风压分布进行了比较．车桥耦合体系考虑了车辆和桥梁的耦合效应，在不同风向角工况下，车桥耦合体系的气动力系数，包括升力系数、阻力系数和倾覆力矩系数，都明显增大．计算结果表明，车桥耦合体系与桥梁和车辆各自单体相比较，气动力系数差异较大，故设计中应对此给予重视，以确保行车安全．     

铝型材产品开发并行设计过程优化重组

基于设计结构矩阵和图论提出了一种型材开发过程优化重组的方法．通过建立设计结构矩阵、识别耦合任务集和划分设计活动级别。对铝型材产品开发并行设计过程进行了分析和规划，并运用敏感因子、复杂因子和影响因子对耦合活动的依赖关系进行了描述，基于这些影响因子提出了确定耦合活动初始迭代次序的优化算法，建立了合理高效的并行设计优化过程模型．该方法对于其他并行工程应用领域同样适用．     

基于含熵期望曲线的云模型相关性度量方法

针对现有基于云模型的相关性度量方法缺少必要约束条件的问题,提出一种基于含熵期望曲线的云模型相关性度量方法．将云模型中超熵期望曲线的与区域和或区域的面积比作为相关性的度量基准,解决云模型的区间约束以及半云度量问题．利用3熵（3σ）约束增加云滴的聚集,减少计算开销．将超熵纳入计算,考虑云滴厚度对云模型相关性的影响．本方法克服了面向随机云滴的距离度量方法和数字特征变换方法中存在的计算复杂度高、结果不稳定的问题,同时满足了三类约束的实际计算需求．实验表明该方法能够客观有效地对云模型相关性进行度量,并在基于云模型的系统评价任务中得到了验证．     

基于粒度分层模型的布局算法

研究了问题求解的粒度理论在布局求解中的应用。综合约束问题求解和回溯控制策略,给出了在粒度分层模型基础上的布局算法,以往采用单一粒度模型的布局算法,由于粒度过粗或过细,不能充分利用各种约束来降低求解复杂度。文中提出的算法采用了粒度分层模型,能够利用设计过程不同阶段的约束,来缩小合适解的范围,通过多层面的约束,降低求解的复杂度,克服了以往布局算法的缺陷,通过一个住宅布局设计的实例分析了该算法的运行过程     

基于活动理论的协同感知通用模型

针对当前协同感知模型考虑的感知机制存在的局限性难以适应感知信息多样化和感知结构动态变化等问题,提出一种基于活动理论的协同感知模型(ATCAM).首先重点阐述ATCAM模型的形式化定义,利用活动目标的静态性以层次性方式分解目标任务结构树,刻画协同活动的感知机制;在此基础上,综合考虑活动之间的时间依赖约束、资源依赖约束以及活动操作对象语义关系等三大约束因素,实现活动之间感知强度的计算优化;通过活动的核心要素对象-时间-用户组成的三维画像空间刻画群组成员的活动轨迹,提出表达协同感知空间的精准计算方法.设计协同设计实验对模型的正确性进行验证.实验结果表明,群组成员在协同工作过程中可以获得100%的协同感知效果.     

用最小自由能法计算液液分层体系的相平衡

从热力学第二定律出发，提出用体系的总自由能直接极小化的方法，计算液液分层 体系的相平衡，可以克服前人所使用的类似汽液平衡闪蒸计算方法所遇到的困难。木文采用修正ＵＮＩＱＵＡＣ模型来计算液相活度系数。在求解体系总自由能极小点的过程中， 通过适当的变换和处理，使用无约束共轭梯度法，成功地解决了多约束的非线性规划问 题。对有代表性的１１个液液分层体系做了相平衡计算，结果与实验数据吻合较好，为 化工过程的设计和优化提供了新的方法。     

类内聚度量研究

类内聚被认为是面向对象软件的重要属性．内聚反应了类中成员相联系的紧密程度．讨论了面向对象范型软件度量的类内聚度量的研究现状．学术界已提出了几种关于面向对象范型类内聚度量，这些度量都是以类中关联成员为度量基础．多数的类内聚度量是基于实例变量访问准则、研究了上述内聚度量，总结定义了两种基本的方法关联准则：属性使用准则和方法调用准则。     

基于多粒度认知的命名实体识别方法

在数据匮乏的领域,命名实体识别效果受限于欠拟合的字词特征表达,引入常规的多任务学习方法可以有所改善,但需要额外的标注成本.针对这一问题,提出了一种基于多粒度认知的命名实体识别方法,在不产生额外标注成本的前提下,增强字特征信息,提高命名实体识别效果.该方法从多粒度认知理论出发,以BiLSTM和CRF为基础模型,将字粒度下的命名实体识别任务与句子全局粒度下的实体数量预测任务相联合,共同优化字嵌入表达.三个不同类型的数据集上的多组实验表明,引入多粒度认知的方法有效地提升了命名实体识别效果.     

Predicting the maintainability of open source software using design metrics

This paper empirically investigates the relationships between 15 design metrics and maintainability of 148 Java open source software. The results show that size and complexity metrics are strongly related to the maintainability of open source software. However, cohesion and coupling, as currently captured by existing metrics, do not seem to have a significant impact on maintainability. When used together, these metrics can predict system maintainability fairly accurately （mean MREs below 30%）.     

多粒度制造资源统一模型及其语义服务发现

为了实现企业间的业务流程协同,提出了多粒度资源统一模型及其语义化方法,并实现了语义发现算法。将业务流程片段抽象成不同粒度大小的流程复合资源和单粒度资源,基于扩展OWL-S对多粒度资源进行了语义封装,并构建了领域业务流程本体和功能活动本体,对多粒度资源进一步语义化。进而给出了功能、过程和服务质量的三阶段语义匹配算法,并比较了复合粒度和单粒度资源的匹配性能。结合一个制造业务流程任务实例说明了多粒度资源模型及其语义化的应用过程。最后,通过仿真实验验证了模型、语义化和算法的有效性。     

基于组件依赖图的软件安全漏洞预测方法

针对软件安全漏洞预测,提出了一种基于组件依赖图的预测方法.基于组件依赖图综合定义了软件代码的复杂性、耦合性以及内聚性指标,同时采用这3类指标建立了机器学习模型对一个组件的漏洞进行预测.以开源软件Mozilla Firefox为实验对象,设计并实现爬虫工具,收集了针对从Mozilla Firefox 1.0到Mozilla Firefox 43的所有版本的公开漏洞.基于这些漏洞数据对预测模型进行训练和测试,结果表明所提出的方法能够有效用于漏洞预测.      

基于角色的工作流访问控制模型

提出了一个基于角色的工作流访问控制模型WACBR(Workflow access control model based on role)。WACBR中加入了“任务”的概念,任务是工作流系统执行时的最小工作单元。由于工作流中的任务分别对用户和权限进行授权,采用两种不同粒度的角色分别作为这两种授权的中介。     

结合主题模型与自监督学习的可控文本生成技术研究

基于大型预训练语言模型的有监督学习方法在可控文本生成任务上取得了优秀的成果，但这些研究都着重于控制生成文本的高级属性(比如情感与主题),而忽略了泛化性问题.现有的基于自监督学习的研究方法则通过句子级别的训练来使模型获得补全整句的能力，使模型做到单词和短语级别的控制生成，但生成与特定属性强相关句子的能力依旧待提升.所以本文提出了一种单词级别(细粒度)与句子(粗粒度)级别相结合的多粒度训练方式：单词级别的主题模型让模型学习主题层面的语义以获得主题到文本的生成能力，句子级别的自监督训练让模型学习整句的表征以获得补全句子的能力.通过主题模型与自监督学习的结合，使模型在单词与短语级别的可控生成阶段取得了更好的效果.实验表明，本文提出的模型在主题契合度以及常规文本生成指标方面优于现有的基线模型.     

Joint learning based on multi-shaped filters for knowledge graph completion

To solve the problem of missing many valid triples in knowledge graphs(KGs),a novel model based on a convolutional neural network(CNN) called ConvKG is proposed,which employs a joint learning strategy for knowledge graph completion(KGC).Related research work has shown the superiority of convolutional neural networks(CNNs) in extracting semantic features of triple embeddings.However,these researches use only one single-shaped filter and fail to extract semantic features of different granularity.To solve this problem,ConvKG exploits multi-shaped filters to co-convolute on the triple embeddings,joint learning semantic features of different granularity.Different shaped filters cover different sizes on the triple embeddings and capture pairwise interactions of different granularity among triple elements.Experimental results confirm the strength of joint learning,and compared with state-of-the-art CNN-based KGC models,ConvKG achieves the better mean rank(MR) and Hits@10 metrics on dataset WN18 RR,and the better MR on dataset FB15k-237.     

基于开放分布式处理的网络管理对象组织模型

对分布式网络管理系统中对象的抽象程度进行分类,提出了分布式网络管理的对象组织模型,把对象划分为任务对象、子任务对象和被管对象,应用开放式分布处理（ODP）的信息和计算视点进行描述,刻画了各类对象的基本特点,形式化地描述了对象间的约束关系,并给出了IDL接口描述,使得系统结构清晰,便于构建。