简介:软件的图形用户界面(GUI)的视觉设计影响着用户的使用体验.在没有既定标准的情况下,测试人员对GUI评分的主观性和大量的重复性工作,会造成GUI测试的评分偏差和效率低下.针对上述问题,本研究工作构建了基于云平台的软件GUI自动测试系统,分别使用HOG+SVM模型和AlexNet模型对GUI图像进行特征提取并分类.考虑到软件GUI数据样本量小,提出利用迁移学习策略改善AlexNet网络的性能.针对用户的多样性和算法对计算性能的需求,GUI自动测试系统部署在云平台上,用户可以对软件GUI进行实时评估.实验证明,系统用于GUI自动测试具有良好的性能,并且可以避免主观因素的影响以及减轻软件测试员的工作量.
简介:在混合动力商川车电控机械式自动变速器(AMT)系统中,因制造、装配、磨损、更换等导致变速器荇挡位疆存在差异及变化,引起选换挡成功率降低甚至工作异常,需通过AMT挡位自学习解决此问题。针对AMT静态时各挡位位置自学习控制策略提出了优化,主要包括挡位学习顺序和再次进挡学习策略,通过自整定PID技术进行自适应参数优化。经过试验验证,提高了自学习成功率、合格率、效率和一致性。
简介:摘要:网络时代,在线学习资源日益丰富。面对大量的信息,如何准确地向学习者推荐他们感兴趣的内容,以避免陷入数字泥潭是个性化推荐领域需要研究的问题。本文分析了二图信息扩散推荐算法,并结合网络资源的标签属性,探讨了基于标签的三图学习资源个性化推荐算法的改进。该算法在保留有效性和简洁性的前提下,利用标签属性扩大了推荐资源的广度,对缓解网络稀缺引起的推荐信息不完整具有一定的参考意义。