第一章论述了COSMIC方法适用的软件类型。
定义了“功能性用户需求”（FUR）术语以及COSMIC方法的基本原则。
另外，本章节还介绍了COSMIC方法的度量过程及度量单位。
第二章描述了度量过程的第一个阶段——度量策略阶段及其主要参数，如度量目的、范围及软件块的功能用户。
只有在开始度量前定义了这些参数，度量结果的含义才能被认可和理解。
第三章讨论了度量过程的第二个阶段——映射阶段，定义了如何把FUR映射到功能处理和数据移动。
一个数据移动会移动一个数据组，其中包括描述一个“兴趣对象”的所有数据属性。
另外，本章节也定义了四种数据移动：输入—从功能用户移出数据；
输出—移动数据到功能用户；
读—从持久存储介质移出数据；
写—移动数据到持久存储介质。
第四章描述了度量过程的最终阶段——度量阶段，定义了度量软件块功能性用户需求规模的规则以及累计不同软件块规模的方法。
此外，本章节也讨论了如何度量软件变更的规模以及对标准COSMIC方法进行“本地化扩展”的可行性。
第五章列出了记录度量过程及结果需要考虑的相关参数。
定义了“功能性用户需求”（FUR）术语以及COSMIC方法的基本原则。
另外，本章节还介绍了COSMIC方法的度量过程及度量单位。
第二章描述了度量过程的第一个阶段——度量策略阶段及其主要参数，如度量目的、范围及软件块的功能用户。
只有在开始度量前定义了这些参数，度量结果的含义才能被认可和理解。
第三章讨论了度量过程的第二个阶段——映射阶段，定义了如何把FUR映射到功能处理和数据移动。
一个数据移动会移动一个数据组，其中包括描述一个“兴趣对象”的所有数据属性。
另外，本章节也定义了四种数据移动：输入—从功能用户移出数据；
输出—移动数据到功能用户；
读—从持久存储介质移出数据；
写—移动数据到持久存储介质。
第四章描述了度量过程的最终阶段——度量阶段，定义了度量软件块功能性用户需求规模的规则以及累计不同软件块规模的方法。
此外，本章节也讨论了如何度量软件变更的规模以及对标准COSMIC方法进行“本地化扩展”的可行性。
第五章列出了记录度量过程及结果需要考虑的相关参数。
2025/10/8 7:16:41
2.05MB
1
基于C#WindowsForm开发的机械手测试项目，经过实际测试的，控制机械手进行点位插补运动，直线，画弧，jump，moveOP功能
2025/10/8 6:09:58
94KB
1
针对多用户正交频分复用系统自适应资源分配问题,提出一种改进的子载波和基于差分进化算法的功率自适应分配算法。
该算法首先在均等功率下进行子载波分配,然后通过添加约束条件检测改进步骤,改进差分进化算法,并采用该算法根据设置的兼顾用户公平性与系统容量的目标函数,全局寻优实现用户间的功率分配。
仿真结果表明,算法在低算法复杂度及兼顾用户公平性的情况下实现了较高的系统容量提升,证明其有效性。
该算法首先在均等功率下进行子载波分配,然后通过添加约束条件检测改进步骤,改进差分进化算法,并采用该算法根据设置的兼顾用户公平性与系统容量的目标函数,全局寻优实现用户间的功率分配。
仿真结果表明,算法在低算法复杂度及兼顾用户公平性的情况下实现了较高的系统容量提升,证明其有效性。
2025/10/7 17:17:08
470KB
1
准确的风电功率预测对于电力系统安全稳定运行具有重要意义，滞后性是产生风电功率预测误差的主要原因，尤其是风速变化较快时，滞后性引起的预测误差较大。
考虑到风速波动与风电功率的变化息息相关，提出一种基于风速局部爬坡(LR)误差校正的方法来改善预测风速的滞后性，并将校正后的预测风速及历史功率数据作为输入进行风电功率预测。
提出利用灰狼优化(GWO)算法对最小二乘支持向量机(LSSVM)的参数进行优化，以提高风电功率预测的准确性。
算例结果表明，所提方法能够有效提高风电功率预测精度。
考虑到风速波动与风电功率的变化息息相关，提出一种基于风速局部爬坡(LR)误差校正的方法来改善预测风速的滞后性，并将校正后的预测风速及历史功率数据作为输入进行风电功率预测。
提出利用灰狼优化(GWO)算法对最小二乘支持向量机(LSSVM)的参数进行优化，以提高风电功率预测的准确性。
算例结果表明，所提方法能够有效提高风电功率预测精度。
2025/10/7 16:31:21
1.91MB
1
帕绍大学硕士论文主题：域自适应本文讨论了一种通用的领域自适应模型技术的发展，这将有助于解决各种计算机视觉任务。
该模型在流行的视觉域数据集上进行图像分类任务训练，并且与其他可用的域适应方法相比，该模型的性能得到了评估。
“基于幅度的权重修剪”技术用于执行目标特征提取器优化。
有关代码的说明：models.py模块定义了源模型和目标模型。
Xception网络和顶层config.py模块定义了各种参数，例如设置路径，实验数据集组合ID等。
将来可能会添加其他配置loss.py定义了其他损失方法。
preprocessing.py模块使用各种数据集组合（包括数据扩充）定义数据预处理管道。
train_test.py是一个帮助程序模块，它定义了培训和评估方法。
evals_helper.py是一个帮助程序模块，它详细定义了评估方法。
utlis.py定义了各种绘图，辅助方法和
该模型在流行的视觉域数据集上进行图像分类任务训练，并且与其他可用的域适应方法相比，该模型的性能得到了评估。
“基于幅度的权重修剪”技术用于执行目标特征提取器优化。
有关代码的说明：models.py模块定义了源模型和目标模型。
Xception网络和顶层config.py模块定义了各种参数，例如设置路径，实验数据集组合ID等。
将来可能会添加其他配置loss.py定义了其他损失方法。
preprocessing.py模块使用各种数据集组合（包括数据扩充）定义数据预处理管道。
train_test.py是一个帮助程序模块，它定义了培训和评估方法。
evals_helper.py是一个帮助程序模块，它详细定义了评估方法。
utlis.py定义了各种绘图，辅助方法和
2025/10/7 10:41:06
2.61MB
1
可嵌入的ReactWidget轻松创建可嵌入的小部件-https:产品特点全面支持ES6/ES2015（使用Babel）将字体，css，json，javascripts打包到一个包中（使用Webpack）宿主页面和窗口小部件之间没有CSS样式冲突（使用）支持书签，可进行快速测试和演示小部件的用户主题混淆小部件代码在启用代码覆盖率的情况下进行单元测试持续集成就绪演示版运行小部件安装依赖$npminstall启动开发服务器$npmstart...serverrunningathttp://localhost:8080/运行测试$npmtest...testoutput生产建立$npmrunbuild...createfilesin/dist路线图小部件作为React应用程序-index.html可以工作（Webpack，Babel，React）React小部件（小部件构建器）Webpack更改为输出库添加测试添加Circleci集成添加codecov集成以实现代码覆
2025/10/7 9:39:42
2.19MB
1
该旅游推介网站和后台管理系统的用户包含普通用户、注册用户和网站管理员。
网站设置了权限验证，所有用户除了访问首页浏览景点简介外，均需输入账号、密码登录进入网站，此时即可查阅更详细的景点信息和使用留言功能等；
网站管理员进入系统后可对用户信息、景点信息、留言信息等进行管理。
详细介绍地址：https://blog.csdn.net/CDWLX/article/details/104443551
网站设置了权限验证，所有用户除了访问首页浏览景点简介外，均需输入账号、密码登录进入网站，此时即可查阅更详细的景点信息和使用留言功能等；
网站管理员进入系统后可对用户信息、景点信息、留言信息等进行管理。
详细介绍地址：https://blog.csdn.net/CDWLX/article/details/104443551
2025/10/7 3:40:51
7.31MB
1
浅墨出品，分享精神至上~图片素材为初音，非常萌。
一个演示了用轨迹条来控制轮廓检测，轮廓填充的程序。
浅墨将其详细注释，放出来供大家消化研习。
博文《【OpenCV入门教程之六】创建Trackbar&图像对比度、亮度值调整》的配套详细注释源代码的番外篇。
博文链接：http://blog.csdn.net/poem_qianmo/article/details/214795331.已将dll打包到Release文件夹下，点击Release文件夹下的exe可以直接看到运行结果.2.源代码运行需要进行OpenCV+VS开发环境的配置。
可以参看我写的配置博文：http://blog.csdn.net/poem_qianmo/article/details/198093373.写作当前代码时配套使用的OpenCV版本： 2.4.84.推荐代码结合博文一起看，学习效果更佳。
by浅墨
一个演示了用轨迹条来控制轮廓检测，轮廓填充的程序。
浅墨将其详细注释，放出来供大家消化研习。
博文《【OpenCV入门教程之六】创建Trackbar&图像对比度、亮度值调整》的配套详细注释源代码的番外篇。
博文链接：http://blog.csdn.net/poem_qianmo/article/details/214795331.已将dll打包到Release文件夹下，点击Release文件夹下的exe可以直接看到运行结果.2.源代码运行需要进行OpenCV+VS开发环境的配置。
可以参看我写的配置博文：http://blog.csdn.net/poem_qianmo/article/details/198093373.写作当前代码时配套使用的OpenCV版本： 2.4.84.推荐代码结合博文一起看，学习效果更佳。
by浅墨
2025/10/6 21:45:04
2.18MB
1
为研究机器故障和维修活动对制造过程性能的影响，提出一种基于广义随机Petri网的制造过程建模与性能分析方法。
分析了随机机器故障特征；
定义了两种故障发现模式和两种中断作业处理策略；
给出具有随机机器故障的制造过程的不同模型方法；
通过对模型结构特征的分析，证明了其有效性。
针对不同策略和参数设置进行了性能仿真。
分别以平均产量和平均过程流时间等性能指标，分析了单个工作站的性能；
采用平均产量，分析了具有两个工作站的流水线的性能。
仿真结果表明，故障率、平均维修时间、缓存数量配置、维修工人数量、故障发现模式和中断作业处理策略是影响具有随机机器故障的制造过程性能的主要因素。
分析了随机机器故障特征；
定义了两种故障发现模式和两种中断作业处理策略；
给出具有随机机器故障的制造过程的不同模型方法；
通过对模型结构特征的分析，证明了其有效性。
针对不同策略和参数设置进行了性能仿真。
分别以平均产量和平均过程流时间等性能指标，分析了单个工作站的性能；
采用平均产量，分析了具有两个工作站的流水线的性能。
仿真结果表明，故障率、平均维修时间、缓存数量配置、维修工人数量、故障发现模式和中断作业处理策略是影响具有随机机器故障的制造过程性能的主要因素。
2025/10/6 19:49:40
445KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB