期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于粗粒度切片度量的重构定位方法 被引量:2
1
作者 黄雅菁 高建华 《计算机工程》 CAS CSCD 北大核心 2011年第11期80-82,共3页
重构是提高代码质量的一项关键技术,传统的定位重构代码依赖开发者的观察和主观意识,效率较低。为此,将切片思想引入到重构定位中,提出一种基于切片度量的重构定位方法。该方法利用粗粒度切片度量软件系统中类和类之间的耦合度,并根据... 重构是提高代码质量的一项关键技术,传统的定位重构代码依赖开发者的观察和主观意识,效率较低。为此,将切片思想引入到重构定位中,提出一种基于切片度量的重构定位方法。该方法利用粗粒度切片度量软件系统中类和类之间的耦合度,并根据度量结果识别类间的"坏味道",从而定位需要重构的类。实例研究表明,与其他方法相比,该方法能获得更优的性能。 展开更多
关键词 粗粒度切片 耦合度 重构定位 赋权类依赖图
在线阅读 下载PDF
全面育人导向下以“大先生”引领高校思政教师角色定位与重构
2
作者 秦晶晶 《高教探索》 北大核心 2025年第S2期147-149,共3页
高校思政教育是实现立德树人根本任务的关键。在全面育人导向下,思政教师不仅要传授思想政治理论,还要做有大信念、大品德、大学识、大智慧的“大先生”,通过优化教师准入机制、激活教师角色提升动能、构建协同联动教师培育体系、改进... 高校思政教育是实现立德树人根本任务的关键。在全面育人导向下,思政教师不仅要传授思想政治理论,还要做有大信念、大品德、大学识、大智慧的“大先生”,通过优化教师准入机制、激活教师角色提升动能、构建协同联动教师培育体系、改进思政教师监测评估机制,重构思政教师角色,用实际行动担当育人铸魂的使命。 展开更多
关键词 全面育人 大先生 高校思政教师 角色定位重构
在线阅读 下载PDF
基于分层架构模式识别的软件架构重构技术 被引量:7
3
作者 王丽 杜鹏程 +1 位作者 许一鸣 李必信 《电子学报》 EI CAS CSCD 北大核心 2021年第1期201-208,共8页
本文提出一种基于分层架构模式识别的软件架构重构技术.该技术以目标软件的源代码作为输入,过滤与分层架构无关的代码,再利用代码词汇信息挖掘程序实体之间的语义关联,通过代码主题提取并计算程序实体之间的职责相似度,依据相似度将程... 本文提出一种基于分层架构模式识别的软件架构重构技术.该技术以目标软件的源代码作为输入,过滤与分层架构无关的代码,再利用代码词汇信息挖掘程序实体之间的语义关联,通过代码主题提取并计算程序实体之间的职责相似度,依据相似度将程序实体聚类形成组件.在软件组件化的基础上结合分层模式的ILD属性识别软件层次和软件架构模式.在模式识别的基础上,定位系统中存在的违规作为重构点,生成相应的重构建议并实施重构.最后,本文在Github与SourceForge开源社区中选取10个开源软件系统作为实验对象,验证了本文提出的基于分层架构模式识别的软件架构重构技术在模式识别有效性、重构点识别效果和重构建议实施效果方面与传统方法相比有较大提升,能够有效的帮助软件开发人员识别软件架构模式、获取重构点、生成重构建议,并协助开发人员进行架构重构实施,改善系统违规情况,提升软件质量. 展开更多
关键词 架构重构 分层架构模式 架构模式识别 重构定位
在线阅读 下载PDF
Chan-Vese模型下的脑肿瘤图像分割方法 被引量:8
4
作者 许存禄 高佳 武国德 《计算机工程与应用》 CSCD 北大核心 2010年第9期155-158,共4页
提出了一种基于Chan-Vese模型的脑肿瘤图像分割与三维重构方法。该方法首先通过对脑肿瘤图片的迭代腐蚀操作提取脑肿瘤轮廓,然后利用Chan-Vese模型对脑肿瘤进行分割,最后对图像进行迭代膨胀操作复原图像。另外对所有分割后的脑肿瘤图片... 提出了一种基于Chan-Vese模型的脑肿瘤图像分割与三维重构方法。该方法首先通过对脑肿瘤图片的迭代腐蚀操作提取脑肿瘤轮廓,然后利用Chan-Vese模型对脑肿瘤进行分割,最后对图像进行迭代膨胀操作复原图像。另外对所有分割后的脑肿瘤图片进行了三维重构与定位。实验结果表明,基于Chan-Vese模型的图像分割方法很好地解决了脑肿瘤分割过程中容易出现的不完全分割问题,同时对脑肿瘤的三维重构与定位也具有较大的临床实用价值。 展开更多
关键词 脑肿瘤 图像分割 CHAN-VESE模型 三维重构定位
在线阅读 下载PDF
基于纹理特征学习的高精度虚拟试穿智能算法 被引量:4
5
作者 刘玉叶 王萍 《纺织学报》 EI CAS CSCD 北大核心 2023年第5期177-183,共7页
为更好地适应数字化时尚消费新趋势,针对虚拟试穿中人体姿态、遮挡、非试穿区串扰引起的重构纹理模糊、细节失真、相似度低等难题,提出一种高精度虚拟试穿C-CGAN智能模型。首先,利用服装蒙版定位和纹理约束,采用CGAN网络框架智能学习得... 为更好地适应数字化时尚消费新趋势,针对虚拟试穿中人体姿态、遮挡、非试穿区串扰引起的重构纹理模糊、细节失真、相似度低等难题,提出一种高精度虚拟试穿C-CGAN智能模型。首先,利用服装蒙版定位和纹理约束,采用CGAN网络框架智能学习得到多姿态下的服装重构模型。然后,采用编解码网络融合重构服装与人体特征,并设计多种针对性的损失函数优化网络参数。最后,基于国际流行虚拟试穿模特样本库构建丰富的纹理数据集,在PyTorch环境下开发了服装虚拟试穿系统。对比测试结果表明:C-CGAN较CP-VTON生成图像质量指标,结构相反性提高约25%,弗雷歇距离降低约11%,峰值信噪比提高约78%,重构纹理自然细腻、图像清晰,场景适应性良好,可广泛用于个性化时尚定制、在线试穿等领域。 展开更多
关键词 条件生成对抗网络 编解码网络 定位重构 虚拟试穿 服装个性化定制
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部