摘要：为了解决传统软件测试项目数据管理过程中数据资源分散、管理和应用困难等问题,对预警探测装备软件测试领域的专业知识图谱构建进行了研究。首先介绍了知识图谱的相关概念及其应用现状,然后通过结合预警探测装备软件的知识特征,以软件测试项目的积累数据为输入,通过模式层设计、数据层抽取、数据库应用以及前端界面设计展示,实现了测试需求、测试用例和软件缺陷等数据的互联融合和价值挖掘,较有效地提升了软件测试的效率、充分性和自动化智能化水平,提升了软件质量,保障预警探测装备在实战化背景下综合效能的发挥。

摘要：对组合测试用例生成技术进行了研究,并基于约束关系对组合测试算法进行了改进,扩展了约束关系的范畴,将输出结果对输入空间的关联影响应用于覆盖数组的约简。设计实例表明,该方法在测试效率和测试针对性等方面有较大的优越性,非常适用于雷达等大型电子设备复杂软件功能的测试。

摘要：粮食产后储藏损耗是困扰粮食储藏企业的一大难题,也是影响企业经济效益的重要因素,因此对粮食储藏环节中损耗的评估,对于粮食产后减损具有重要的意义。本文通过调查问卷,对粮食储藏中影响损耗的因素进行调查,将获得的数据通过支持向量机(Support Vector Machine,SVM)模型进行建模,对储藏环节中的粮食损耗进行智能评估。同时,为了提高模型的精度,采用随机漂移粒子群优化(Random Drift Particle Swarm Optimization,RDPSO)算法对SVM的参数进行训练,充分利用RDPSO算法的全局搜索能力找到模型参数的最优解。实验结果表明运用RDPSO算法优化的SVM模型,能够得到比基本的SVM模型和线性回归模型更准确的粮食损耗预测。

摘要：当前机器学习的技术已经运用到很多工程项目中,但大部分机器学习的算法只有在样本数量充足且运用在单一场景中的时候,才能获得良好的结果。其中,经典的支持向量回归机是一种具有良好泛化能力的回归算法。但若当前场景的样本数量较少时,则得到的回归模型泛化能力较差。针对此问题,以加权ε支持向量回归机为基础,提出了一种小样本数据的迁移学习支持向量回归机算法。该算法以加权ε支持向量回归机为Bagging算法的基学习器,使用与目标任务相关联的源域数据,通过自助采样生成多个子回归模型,采用简单平均法合成一个总回归模型。在UCI数据集和现实数据集——玉米棒与花生粒储藏环节损失数据集上的实验结果表明,该算法较标准ε-SVR算法与改进的RMTL算法在小数据样本上有更好的泛化能力。

摘要：基于工作过程的项目教学课程开发,一直是高职教育教学所研究的重要课题。对基于工作过程的项目教学课程开发过程,也是一个学习、提高和深化的过程。德国高职"双元制"教学以及课程的以行动为导向的项目教学法非常值得我们学习和借鉴。仅以建筑结构计算机辅助设计课程开发研究为例,谈谈课程开发的体会,与同行们进行交流。

摘要：凹印包装的设计工作是提升凹印包装工艺质量的关键,本文深入的分析了凹印包装在实施处理技术应用过程中的具体工艺特点,并就相关工艺的完善策略进行了完整的制定。

摘要：随着全国性限塑政策逐步推进,纸包装需求量规模也会增长迅猛,与此同时,智能制造的不断深化和推进对质量管理提出新挑战,因此纸包装企业要构建“智能制造背景下的纸包装全链质量管控模式”,以“精心设计、精良选材、精工制造、精诚服务”的“四精”理念为核心,从研发质量、采购质量、制造质量到服务质量,实现全面质量管理的深化和落地。

摘要：煤炭开采的同时伴有大量的矿井水外排,造成环境污染和水资源浪费。针对矿井水处理工艺的多个关键环节进行了讨论分析,包括预沉调节池池容的确定,以及处理工艺结构的设计优化。此外,基于石槽村矿井水处理站处理系统改造工程,提出了优化设计的矿井水预处理工艺,并在石槽村煤矿矿井水处理中成功试运行,外排水达到国家和地方环保标准及设计目标,示范工程效果良好。研究成果可推广用于全国类似类型煤炭矿井水的处理,有利于提高煤炭矿井水的处理效率,降低水处理运行成本。

摘要：平顶山市东出口许南路立交桥为一座主桥跨径为(35+72+35)m的自锚式悬索桥,上部结构采用钢筋混凝土箱梁,梁体为单箱双室。主缆锚固于主梁端,主缆外包镀锌钢管索套,管内压注M30水泥净浆。桥梁结构为塔梁固结体系,设计新颖,施工难度大。本文结合工程实例从该类型结构的受力、结构特点以及施工中的一些重点、难点技术问题等方面进行分析。为今后同类型结构的桥梁施工提供一些具有可借鉴价值的经验。

摘要：为使减少粮食储藏环节的损耗,调查储藏环节中粮食作物的损失情况并进行评估预测。通过分析问卷,统计描述影响损失率的各个因素,应用随机漂移粒子群优化算法(random drift particle swarm optimization,RDPSO)和径向基函数(radial basis function,RBF)网络对储藏环节损耗进行评估预测,将调查问卷获得的数据作为RBF模型数据集,应用RDPSO算法进行模型的参数训练,从而获得粮食损耗的智能评估模型。采用稻谷数据作为各模型的数据集,通过仿真试验,对比数据拟合情况和均方误差,其RDPSO-RBF模型学习性能和泛化性能更强。因此,RDPSO-RBF能更好地应用于实际的粮食管理中。