一种改进的基于云模型的效能评估方法

运用云模型确定评价结果时,主要是依靠人的主观判断来确定评价等级。为了能通过定量方法确定评价等级,采用相似云的度量方法,并将算法进行简化,完善了该效能评估方法。最后通过实例证明了算法的可行性,为基于云模型的效能评估方法的进一步发展提供了一种有益地探讨。     

用于系统开发采购的建模和仿真

本文定义、开发并检验一组可用于高精确度系统工程设计级模型和仿真的通用分析工具。该工具检验传感器、武器、作战管理、指挥、控制、通信计算机和情报(BMC4I)系统及设备的性能和效果。 性能测量(MOP)、效能测量(MOE)、和战斗力效能测量(MOFE)都是从海军研究生院研制的“模块化指挥控制结构范例”中提取的。该范例在确保系统性能和效能的可跟踪性到“作战要求文件”(ORD)中所规定的系统操作要求这一框架内为评估标准(MOP、MOE、MOFE)的研究创造了条件。 该分析工具还对定义的系统功能性线程(代表ORD中规定的系统操作要求)所进行的大量测量提供深刻准确的评价。该工具可直接转换并应用到测试和评估演练中,用以支持系统和设备的开发和采购。 系统性能水平一经确定,该范例就产生一个定量的数据库,该数据库成为权衡和选择系统的有效工具。一旦确定了所选择的系统配置,就可对该套配置的系统功能性线程及与之相对应的性能价格之比进行分析。     

基于复杂性的战场损伤定位流程评价模型研究

损伤定位流程制定的合理与否是衡量一个评估员水平高低的重要指标之一。对损伤定位流程的评价涉及到所用时间、工具、操作的难度等指标都可以用其复杂性来表示,目前鲜有关于损伤定位流程评价的研究,因此提出战场损伤定位流程的复杂性,并借鉴软件工程领域的程序复杂性量化方法——图熵法对其进行量化。经过数据验证,复杂性与评估时间之间存在较好的拟合关系,并用实例说明了模型的应用效果。     

军用软件构件可测试性度量方法研究

分析了目前我军构件化软件开发的实际情况,在Gao工作的基础上,提出了一个构件可测试性模型,其分支主要包括构件的可理解性、可观察性、可控制性、可移植性以及测试支撑能力.提出了一个对构件可测试性进行度量的五边形法则,该方法能够直观地体现被测构件的可测试性指标数值,能够使构件开发者清楚地了解构件存在的缺陷,从而指导开发人员设计出高可测试性的构件.     

基于险度函数的装备供应链库存风险损失度量

目前,对供应链库存风险损失的定量研究比较少,而定量研究中鲜有对风险偏好变化问题的研究,因此首先分析了各种风险度量方法,通过比较采用了险度函数作为对装备供应链风险损失的度量方法;然后,结合装备供应链实际,提出了定常风险偏好特性险度函数和可变风险偏好特性险度函数的适用范围,以及装备供应链库存风险损失度量的损失水平值,并给出了装备供应链库存风险损失度量函数;最后,通过算例进行了验证.实验结果表明:行为人的不同风险偏好特性会对同一事态产生不同的预判,进而可能影响对风险的决策,这是符合客观现实的.     

论军事财力预算的制度效率及其度量

军事财力预算制度效率,具体表现为军事财力预算制度收益与制度运行所耗费的成本之比。从资源配置的过程看,其主要体现为军事财力预算规模效率和军事财力预算结构效率;从军事财力预算形成过程看,包括军事财力预算编制制度效率、审批效率、执行效率、监控效率;从军事财力预算功能结构角度看,可分为配置效率、激励效率和约束效率。以最少的资源耗费最大限度地满足居民的国家安全需求,是军事财力预算制度效率的核心内容。度量军事财力资源配置制度效率的基本指标主要包括国防安全需要的资源满足度、对国民经济发展的影响和制度运行成本。     

拟共形映照的两个偏差性质

本文得到了ｎ维空间中的度量ＫＤ和ＪＤ在Ｋ－拟共形映照下的偏差估计,并且偏差的系数只与Ｋ有关而与维数ｎ无关     

基于组织协同进化的软件缺陷预测方法

针对传统有标识软件度量元数据存在软件缺陷预测精度低的问题,首先对比选择合适的离散化方法,然后将组织协同进化分类算法引入并应用到航天软件缺陷预测领域,给出了一种基于组织协同进化的软件缺陷预测方法。该方法根据预测目标将离散后的软件度量元数据划分为不同种群,在各种群内部形成进化个体(组织)。组织在增减算子、交换算子、合并算子和组织选择机制的作用下不断进化,并基于属性重要度协同进化的方式进行适应度函数的计算,实现了有标识软件度量元数据缺陷预测精度的提高。最后通过两组仿真实验,验证了基于组织协同进化航天软件缺陷预测方法的有效性。     

不平衡数据的软件缺陷预测方法

数据的不平衡问题是数据分类领域中的一个热点问题。当分类算法处理这些数据时,算法将偏向多数类而忽视少数类。在软件缺陷预测领域,它并没有引起足够的重视,在4组NASA不平衡数据上比较和分析了14种分类算法的性能,为了克服数据的不平衡性,采用SMOTE技术对软件缺陷数据进行平衡化,最后在AUC和F-measure评价指标下对算法进行评估。实验结果表明随机森林算法在4组数据上表现最佳,这为软件缺陷预测提供了很好的参考。