摘要：从源码中挖掘设计模式实例具有重要意义,它能够提升软件系统的可理解性和可维护性。基于机器学习方法,提出了一个设计模式挖掘方法。其中,使用类关系图表示软件系统和设计模式,采用子图匹配的方法从软件系统中提取出候选设计模式实例,过滤了大量非设计模式实例组合,提高了设计模式挖掘效率;提出了度量指标,将软件系统和设计模式向量化,采用机器学习的方法对候选设计模式实例进行分类,提高了设计模式挖掘的准确率。实验结果证明此方法效率和有效性上得到了一定的提升。

摘要：项目背景我国职业技术培训一直滞留在传统模式中,即在理论培训教室上理论课,到实训室去做实训,而且往往是不能当日进行,有时甚至要相隔数日才得以实践。使完整的＂理论与技能＂知识体系不能够在同一时间、同一空间由同一教师及时完成。这种＂理论＋实验＂的分段教学模式,使＂教＂＂学＂＂练＂失去即时的关联关系,产生了同一知识体在＂时间＂和＂空间＂上的错位,不能同步印证,理论与实践的对应率低下,

摘要：[目的]研究栽培介质中添加太湖淤泥对高羊茅种子萌发和幼苗生长的影响,可促进水域淤泥在园林绿化方面应用研究。[方法]利用太湖淤泥与蛭石按照25%的体积梯度配制栽培介质,分别设计100%蛭石(T1)、25%太湖淤泥+75%蛭石(T2)、50%太湖淤泥+50%蛭石(T3)、75%太湖淤泥+25%蛭石(T4)和100%太湖淤泥(T5)共5个处理,将高羊茅种子点播于不同栽培介质中,通过出苗率和株高等植物性状指标判断各处理的栽培效果,同时利用各处理浸提液探索其对高羊茅种子萌发的影响。为判断影响高羊茅幼苗生长的关键因素,利用各处理浸提液对高羊茅幼苗开展水培试验,测定各处理幼苗的生长指标。[结果]随着太湖淤泥添加量的增加,高羊茅种子的根长、发芽势和发芽指数均实现了显著的提升,各处理的发芽率均为100%。作为栽培介质,太湖淤泥的最适宜添加量为25%,随着太湖淤泥添加量的提升,高羊茅幼苗的出苗率、株高、叶绿素含量、根长和生物量等指标均呈现明显下降趋势。相关性分析表明,栽培介质的容重、pH、碱解氮、有效磷、速效钾和有机质含量与高羊茅幼苗的生长指标均呈现负相关关系。随着太湖淤泥添加量的提升,栽培介质浸提液对高羊茅幼苗的生长指标均呈现了显著的促生效果。[结论]太湖淤泥在与蛭石配比而成的栽培介质中的添加量为25%时能够对高羊茅幼苗生长起到一定的促进作用,但超过25%的添加量则会起到抑制效果。太湖淤泥的物理性质尤其是容重,是影响栽培效果的关键因素。