摘要：工程更改管理(ECM)直接影响着产品的开发过程和开发成果,因此必须系统地对更改管理活动进行研究.给出了跨企业工程更改的管理策略,分析了工程更改中的过程、信息、资源、组织和功能建模过程.以过程建模为中心,构建了5个视图建模的关联关系,通过多视图关联分析,形成了系统的ECM建模体系.

摘要：根据武器装备体系的复杂性,提出一种基于综合微观分析的装备体系多视图建模方法,基于综合微观分析思想提出三类视图产品模型,并把多视图建模得到的装备体系结构视图产品划分至三类模型中,得到装备体系方案开发具体步骤,为装备体系设计方案生成奠定基础。

摘要：针对传统方法对地铁车站的多视角空间交互建模不足的问题,本文提出自适应多视图融合图神经网络模型(Adaptive Multi-view Fusion Graph Neural Network Model, AMFGNN)进行地铁车站短时客流预测。在空间维度,模型包括了物理拓扑图、线路可达性图、空间距离图等多个局部视图,并使用图注意力网络(Graph Attention Networks, GAT)学习每个视图内车站间的动态空间交互;以单视图车站为中心节点,结合其他视图中该车站作为邻居节点构建融合视图,并使用GAT学习多视图间动态交互;在时间维度,使用门控循环单元神经网络学习车站客流的时变特征。以重庆市地铁网络为例,全网出站客流的预测实验结果表明:相较于基线中的物理虚拟结合图网络模型(PVCGN),AMFGNN的平均绝对误差和均方根误差分别降低3.06%和2.49%。多视图内节点间注意力分数可视化结果表明,基于GAT的多视图建模思路能够自适应地融合不同视图中提取到的车站空间信息。此外,AMFGNN模型性能影响因素分析结果表明,以物理拓扑、线路可达性等结构稳定的视图作为中心节点构建融合视图能够获得更准确、稳定的预测模型。

摘要：基于会话的推荐旨在利用匿名会话预测用户行为。现有基于图神经网络(GNN)的会话推荐算法大多仅针对当前会话提取用户偏好,却忽略了来自其他会话的高阶多元关系从而影响推荐精度。此外,由于会话推荐所采用的短时交互序列包含的信息非常有限,使其更容易受到数据稀疏性的影响。针对上述问题,提出了自监督混合图神经网络会话推荐模型(SHGN)。该模型首先通过将原始数据构建为三个视图来描述会话与物品关系,然后通过多头图注意力网络捕获会话内部物品的低阶转换信息,提出了残差图卷积网络捕获物品和会话的高阶转换信息;最后融合自监督学习(SSL)作为辅助任务,通过最大化不同通道学习到的会话嵌入的互信息,对原始数据进行数据增强从而提升推荐性能。为了验证该方法的有效性,在Tmall、Diginetica、Nowplaying、Yoochoose四个基准数据集上与SR-GNN、GCE-GNN、DHCN等主流基线模型进行了对比实验,实验结果在P@20、MRR@20等性能指标上均取得了一定提升。

摘要：提出了多视图建模方法 ,且与信息结构方法作了对比 ,二者都应用于过程管理的信息流建模 .通过对比 ,分析了多视图建模方法的优点和缺点 ,说明根据需求而同时采用不同的建模方法的思想及如何建模 .作为实例 ,给出某典型机械产品开发过程中设计部分的过程建模的结果 .

摘要：为解决作战模拟引擎的软件开发问题,对其设计方法进行了研究。首先,分析了多视角系统分析方法的基本思想和优点;然后,提出了作战模拟引擎多视角系统分析和设计方法的概念模型;接着,从视角、视图和模型三个方面描述了作战模拟引擎多视角系统分析和设计方法的框架;最后,对应用该方法的具体要求、过程和工具进行了分析。由此提出了一种基于多视角系统分析的作战模拟引擎设计方法。

摘要：为保证作战仿真实验的长期可持续发展,采用多视图建模方法对作战仿真实验总体架构进行了设计,为作战仿真实验不同人员之间建立起一座沟通的桥梁。