-
题名基于运行时特征的单体系统微服务拆分方法研究
- 1
-
-
作者
沈瑞娜
陈璟
王春生
赵迎泽
张鹏
-
机构
航空工业第一飞机设计研究院
西北工业大学软件学院
-
出处
《科技创新与应用》
2025年第12期15-19,共5页
-
基金
国防科技173计划(2022-JCJQ-JJ-0581)
陕西省重点研发计划(S2023-YF-YBGY-0279)。
-
文摘
受益于微服务架构所带来的优势,业界众多开发团队已经逐渐将单体架构软件向微服务架构迁移。目前,关于微服务拆分方法的研究存在着依赖人工经验、缺乏考虑软件运行时动态特征等问题。为此,设计基于运行时特征的微服务拆分方法。算法采用两阶段拆分的策略,以动态数据为主,静态数据为辅,数据层面边界清晰,并在算法层面对数据进行融合。在静态调用矩阵和动态调用关系矩阵上分别做层次聚类,将所得2个矩阵融合,使用谱聚类算法得到功能原子集,进而使用NSGA-Ⅱ算法对功能原子集进行划分,得到最终的微服务拆分方案。实验结果表明,提出的方法能有效提高微服务拆分质量,得到的拆分结果更为合理可靠。
-
关键词
微服务拆分
软件架构迁移
微服务架构
软件系统
内部特征
-
Keywords
microservice splitting
software architecture migration
microservice architecture
software system
internal characteristics
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于U-Net卷积神经网络的焊缝激光条纹提取
- 2
-
-
作者
干王杰
翟翊君
詹礼新
赵迎泽
李渭
潘平吉
-
机构
南昌大学软件学院
厦门大学福建省智慧城市空间感知与计算重点实验室
-
出处
《南昌大学学报（工科版）》
CAS
2024年第2期247-254,共8页
-
基金
江西省自然基金青年项目(20212BAB212012)。
-
文摘
针对钢件焊缝激光条纹图像中存在强眩光、强弧光和飞溅遮盖等干扰问题,提出了一种基于U-Net卷积神经网络的焊缝激光条纹特征提取方法。该方法融合底层卷积的细节特征与高层卷积的抽象特征信息,生成紧凑的焊缝激光条纹图像特征。在采集到的数据上测试,检测准确率达到99.80%,平均交并比达到82.67%。该网络构建的参数少(大小为22.58 MB),且在与传统方法的对比中获得了更好的效果。因此,构建的网络模型检测准确率高,抗干扰能力强,能够满足自动化电弧焊接中检测焊缝激光条纹的要求。
-
关键词
焊缝检测
深度学习
卷积神经网络
图像处理
语义分割
-
Keywords
weld inspection
deep learning
convolutional neural network
image processing
semantic segmentation
-
分类号
TP242.2
[自动化与计算机技术—检测技术与自动化装置]
-
