软件内建自测试系统中模板的研究及系统构建

软件内建自测试(Build-In-Self-Test for Software)的思想来自于硬件内建自测试.讨论了在该项目中模板需要存储的有关信息,研究了测试用例的组织方式和在模板中的存储方式及其执行方式.而且就如何简化结构化程序的测试也进行了探讨,并提出了包装类的概念.     

ω-芋螺毒素的定量构效关系研究

应用建立的氨基酸结构描述符c-scales和G／PLS统计方法,对ω-芋螺毒素中的N-型和P／Q-型钙离子通道拮抗剂进行了定量构效关系研究,两种亚型的QSAR模型的交叉验证相关系数XV-r^2和相关系数,都在0．96以上,表明模型均有较好的预测能力和拟合能力。通过对模型权重系数图的分析,直观了解两种亚型的ω-芋螺毒素类似物的结构对生物活性的影响,为进一步设计高活性的多肽类似物提供一定的理论依据。     

会展类建筑性能化防火设计探讨

概要介绍建筑性能防火设计的原理和方法,结合会展类建筑的特殊性,指出会展类建筑在常规防火设计中遇到的问题,并对性能化防火设计方法在会展类建筑中的运用进行了探讨。     

消防管理类标准现状与应用

介绍了我国消防管理类标准的制定机构、程序和已经出台的消防管理类标准,分析研究了管理类标准在消防工作社会化进程中的作用,指出了目前管理类标准存在的问题,阐明了贯彻管理类标准的原则和具体方法。     

层次聚类方法在消防投入分类中的应用

以中国消防年鉴2005年全国城市消防规划和城市公共消防设施建设情况统计资料为例,运用SPSS统计分析软件对全国各省消防基础设施建设情况进行分类汇总分析,从消防投入角度对新形势下的消防工作提出指导意见。     

电子科技大学

电子科技大学原名成都电讯工程学院,坐落于有“天府之国”之称的西南经济、文化,交通中心——四川省成都市。是1956年在周恩来总理的亲自部署下,由交通大学（现上海交通大学、西安交通大学）、南京工学院（现东南大学）、华南工学院（现华南理工大学）的电子信息类学科合并创建而成。     

分块自适应加权改进大规模概率模糊聚类

为解决传统基于贝叶斯理论的概率模糊聚类(Bayesian Fuzzy Clustering,BFC)算法在处理大规模数据集聚类时的时间开销和存储代价瓶颈,提出基于数据分块的单程自适应加权BFC算法,算法在大规模数据集分块的基础上,设计了基于数据加权的改进BFC算法,用于数据分块内数据聚类,以挑选出对聚类贡献最具代表的标识数据及其自适应权值,在块间迭代聚类过程中,将标识数据及其权值合并到下一数据块中并参与聚类,从而将上一数据块的聚类信息有效地传递到下一数据块中,最后分析算法的收敛性和时间复杂度.实验结果表明,算法在继承传统BFC算法良好聚类性能基础上,减少计算复杂度,有效提高聚类效率,适用于大规模数据集聚类.     

基于改进蜂群算法的无人机路径规划

人工蜂群算法存在初始蜜源具有随机性,后期收敛速度慢,易早熟等问题.运用最大最小距离积法处理初始蜜源,把K均值聚类算法与人工蜂群算法相结合,提出改进的人工蜂群算法,用于解决无人机路径规划问题.仿真结果表明改进的人工蜂群算法收敛速度更快,得到的解的适应度更好.     

基于GM-PHD的低可观测编队目标跟踪方法

考虑到多编队在低可观测情况下存在的目标跟踪问题,提出了一种基于高斯混合概率假设密度(GM-PHD)滤波算法的编队目标跟踪方法.该方法是在修剪融合过程中,先保留剪掉的高斯分量,再对这些分量进行状态外推,利用JS(Jensen-Shannon)散度判断下一时刻状态估计值与外推状态值是否相似,以判断结果体现目标丢失情况,使得真实目标不丢失,解决了低可观测情况下目标易漏检带来的跟踪性能下降问题.然后,利用编队目标的特点,结合密度聚类方法估计出编队整体的状态,避免因状态估计集合中状态值过多影响算法性能.最终,仿真实验结果表明,该方法可以在低可观测情况下有效跟踪编队目标,具有较好的跟踪性能.     

聚碳硅烷纤维无机化过程中弯曲的形成及对SiC纤维性能的影响

先驱体转化法制备连续SiC纤维无机化过程中有明显的失重和收缩,造成了纤维弯曲,从而影响了纤维的单丝强度和束丝拉伸性能。根据聚碳硅烷(PCS)纤维的无机化过程,探讨了SiC纤维弯曲的种类和形成原因,通过力学分析研究了弯曲对SiC纤维性能的影响;根据弯曲形成原因,提出利用加张热交联和加张烧成的方法解决纤维的弯曲问题,从而提高SiC纤维的性能。