1. 简介 当今市场和商业需要软件组织能够快速开发和有效维护复杂的软件系统。尽管软件开发对软件工程师的吸引力远远大于软件维护,但软件维护已被认为是软件生命周期中最昂贵、要求最高、最困难的阶段 [1, 2, 3, 4]。通过分析软件行业 40 多年来使用的维护模型,Lenarduzzi 等人 [5] 指出:(1)大多数模型都是从头开始构建的,没有扩展或使用现有模型;(2)开发的模型是针对特定问题提出的,这使得它们很难与其他模型进行比较;(3)模型仅由提出它们的人验证,这在有效性方面受到了一些限制。适合维护的软件系统应满足多项客户标准,例如使用领域的质量、可靠性、用户友好性和技术标准,而且还应与提供维护服务的软件组织的业务流程和战略方向保持一致。随着维护成本和维护活动的复杂性的提高,开发可维护的软件系统是软件行业最苛刻和最重要的要求之一[6]。此外,软件行业软件维护的主要问题是许多软件组织没有
a 武汉大学遥感信息工程学院,武汉市珞喻路129号,430079,中国 WG I/2 - SAR和LiDAR系统 关键词:LiDAR,质量控制,精度分析,条带调整 摘要:使用LiDAR快速获取数据是生成密集精确DEM的一种方法。与标准数码相机记录的图像不同,LiDAR记录的点没有规则的分布。与传统摄影测量相比,质量和真实分辨率可能有所不同。因此,在机载LiDAR应用中,LiDAR数据的精度是模棱两可的。实际上,LiDAR质量控制是用于验证数据质量的重要后期处理。本研究的目的是通过分析LiDAR数据特点和机载LiDAR数据处理流程,研究LiDAR数据精度评估方法,明确质量标准,研究精度评估方法,提出LiDAR数据处理的工作流程。1.引言
本章分为四个主要部分。第一部分提供了有关专业培训自学自动化系统 (ASSIST) 开发的背景信息,该系统是一种基于计算机的飞机检查培训工具。本节介绍了前几年的研究工作如何指导 ASSIST 计划的开发。第二部分详细介绍了 ASSIST 计划。第三部分向读者介绍了评估工作,并概述了用于评估该系统的方法。关于性能和可用性分析的部分描述了评估工作的结果。第四部分概述了培训在检查中的作用以及检查绩效的个体差异。接下来是进行个体差异研究的方法及其详细结果。这项研究由两家行业合作伙伴联合开展——佐治亚州亚特兰大的达美航空和南卡罗来纳州格林维尔的洛克希德马丁飞机中心,以确保其相关性并满足航空界的需求。
Erik Gerdin 和 Rebecca Rifve 由于全球制造业竞争力的提高,各公司都在努力提高其制造系统的效率。新工业革命,工业 4.0,是帮助创建改进的制造系统的必然结果。工业 4.0 中的一个常用工具是模拟,人们可以模拟现实世界系统的虚拟表示中的变化。离散事件模拟 (DES) 是一种在行业内广泛采用的工具,用于在实际实施制造系统变化之前对其进行虚拟测试。然而,需要发现模拟建模在工业中应用的优势、劣势和障碍,以及如何通过使用该技术来展示其价值。全球制造公司 Atlas Copco 位于瑞典 Tierp 的工厂进行了一项案例研究,目的是使用 DES 帮助制造厂改进手动制造系统,以及如何将当前的方法发展为更长期、更可持续的方法。在进行仿真建模之前,已经使用流程映射来促进对系统的更好理解,因为事实证明,手动系统很难以其他方式进行映射。这项研究的结果表明,模拟可以提供以下优势:关于实施系统改进的决策可以有更好的基础;模拟可用于虚拟测试系统更改以防止最终的实施问题;模拟可用作生成长期解决方案的工具。然而,缺点和障碍被确定为管理层的阻力,难以说服人们使用模拟的价值;需要广泛的建模能力;缺乏正确的先决条件使得模拟建模实施更加困难。进一步的研究应侧重于揭示在工业中实施仿真建模的困难和障碍,因为现有文献中尚未广泛讨论这一点。关键词:流程映射、仿真、DES、手动制造系统、装配、改进
经济发展部成立了一个工作组来制定这份重要文件。工作组有 27 名成员,包括经济发展部、卫生部、生态空间规划和城市化部、财政和社会福利部、检查事务总局、黑山雇主联合会、自由工会、自由工会联盟、健康保险基金、养老金和残疾保险基金、公共卫生研究所、国际劳工组织和非政府组织的代表。黑山工作安全协会 (SWAM) 的代表是 Djina Jankovic。
本政策文件旨在为巴基斯坦有关当局和实体提供有关采用电动汽车 (EV) 的指导说明。在实施本文所载的任何建议之前,必须遵循所有合法适用的程序,并依法获得所有必要的批准和批准。尽管在制定本政策文件时已尽职尽责并尽最大努力,但城市部门规划和管理服务单位 (私营) 有限公司 (城市部门) 对任何错误、遗漏或限制不承担任何责任。城市部门规划和管理服务单位 (私营) 有限公司、其附属公司或其任何员工或代表均不对所提供信息的完整性、准确性或充分性作出任何明示或暗示的陈述或保证。城市部门、其附属公司、员工或代表对因实施基于本文件的任何建议或行动而产生的任何直接或间接损失、费用或损害不承担任何责任。
培训学院继续为劳动力提供以结果为中心的智能计划,并将其纳入新资格的社会工作者的就业和支持年度(ASYE)培训计划中。这也将集成到领导力计划中。
摘要:脑电图(EEG)是一个复杂的生物选择信号。分析可以为搜索者提供有用的生理信息。为了识别和分类EEG信号,提出了一种使用改进的松鼠搜索算法(ISSA)来优化支持向量机(SVM)的模式识别方法。预处理EEG信号,其时域特征将被提取并针对SVM作为分类和识别的特征向量。在本文中,良好点集的方法用于初始化人口位置,混乱和反向学习机制被引入算法中。使用基准功能进行了改进的松鼠算法(ISSA)的性能测试。从结果的统计分析可以看出,算法的勘探能力和收敛速度可以提高。然后将其用于优化SVM参数。ISSA-SVM模型是为EEG信号的分类而建立的。对于数据集,该方法的平均分类为85.9%。此结果比比较方法提高了2-5%。