CN114491699A - 基于拓展区间数的三维cad软件易用性量化方法及装置 - Google Patents
基于拓展区间数的三维cad软件易用性量化方法及装置 Download PDFInfo
- Publication number
- CN114491699A CN114491699A CN202210133662.0A CN202210133662A CN114491699A CN 114491699 A CN114491699 A CN 114491699A CN 202210133662 A CN202210133662 A CN 202210133662A CN 114491699 A CN114491699 A CN 114491699A
- Authority
- CN
- China
- Prior art keywords
- usability
- index
- data
- interval number
- dimensional cad
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于拓展区间数的三维CAD软件易用性量化方法及装置,先确定三维CAD软件易用性指标集,再进行标准化,分别得到标准化数据、原始区间数、标准化样本数量、标准化概率密度,根据标准化后的概率密度得到样本数据的集中度和趋势度,计算并修正拓展预测角,生成拓展区间数,根据拓展区间数确定各二级指标,确定二级指标权重并加权求和,得到一级指标,再确定一级指标的权重,最终得到三维CAD软件易用性量化结果。本发明充分考虑了样本数据的分布特性以及样本的全局性程度,能够对三维CAD软件的易用性进行准确量化。
Description
技术领域
本发明涉及三维CAD软件易用性量化领域,尤其涉及基于拓展区间数的三维CAD软件易用性量化方法及装置。
背景技术
三维CAD软件作为基础工业软件,广泛应用于船舶、航空、机械等众多行业。对于功能类似而性能接近的三维CAD软件,用户往往会选择操作简单、界面友好且易上手的软件作为其设计工具。因此,准确地对三维CAD软件的易用性进行量化对用户选择合适的软件而言十分必要。三维CAD软件易用性指标数据通过参与测试的用户给出,样本数据值存在一定的变化范围,现有仅利用当前样本数据的边界信息建立区间数的易用性指标描述方法没有充分利用样本数据的分布特性。同时参与测试的用户只占三维CAD软件使用理论最大值的小部分,直接基于测试样本获得的易用性指标数据缺乏全局代表性。
发明内容
本发明的目的在于针对现有的使用区间数描述三维CAD软件易用性指标既没有充分挖掘当前样本数据的不确定性分布规律,也没有考虑未知样本对当前区间数范围可能造成的影响,从而导致对三维CAD软件易用性量化结果不准确的不足,提供基于拓展区间数的三维CAD软件易用性量化方法及装置,该方法充分考虑样本数据的不确定性分布规律和其全局性程度,能准确地量化三维CAD软件的易用性。
本发明的目的是通过以下技术方案来实现的:
基于拓展区间数的三维CAD软件易用性量化方法,考虑样本的全局性程度和样本数据的分布特性,通过建立拓展区间数来描述各易用性指标,基于各指标的不确定性程度调整其权重,进而计算最终的易用性量化值。具体包括如下步骤:
S1:确定三维CAD软件易用性指标集,并获取指标的初始数据;所述易用性指标集,包括易用性一级指标Ui(1≤i≤I)及其下属的二级指标Uij(1≤i≤I,1≤j≤Ji),其中,I为易用性一级指标个数,Ji(1≤i≤I)为易用性一级指标Ui下的易用性二级指标个数,各二级指标的初始数据均从参与测试的用户获得。
S2:对初始数据进行归一化,得到标准化数据,通过标准化数据建立原始区间数;对于N个初始数据样本中的第n个样本xn,其对应的标准化数据其中maxX为数据的理论最大值;通过标准化数据建立原始区间数Io=[Iol,Ior]=<Ioc,Iow>,其中左边界右边界区间数中点Ioc=(Iol+Ior)/2,区间数宽度Iow=Ior-Iol。
S4:使用正态分布,拟合标准化数据的概率密度,并对概率密度进行标准化处理;拟合后的初始概率密度函数其中x为自变量,具体实例中,表示连续的标准化后的数据,x*表示离散的标准化后的数据,μ(x*),σ2(x*)分别为标准化数据样本的均值和方差,标准化后的概率密度函数
S5:根据标准化后的概率密度,计算样本数据的集中度和趋势度,集中度用于反映样本的集中程度;趋势度用于反映样本特征与使用原始区间数描述的特征的差异程度;集中度趋势度dpt=2(μ(x*)-Ioc)/Iow。
S6:计算拓展预测角,首先根据样本数据的集中度和趋势度计算拓展旋转角,拓展旋转角大小D,以归一化的标准化数据为x轴,以标准化的样本数量和标准化的概率密度为y轴,构建标准化后的样本数据统计信息图,将标准化的概率密度曲线左右边界沿其切线向下方向分别旋转D并延长至与x轴相交,左边界延长线与x轴负方向夹角为左拓展预测角Dl,右边界延长线与x轴正方向夹角为右拓展预测角Dr,当Dl、Dr大于90°时,调整对应延长线旋转方向使其等于90°;拓展旋转角D=arcsin(|dpt|)/dpc,若dpt>0,则拓展旋转角为逆时针旋转,若dpt<0,则拓展旋转角为顺时针旋转,dpc表示集中度,dpt表示趋势度。
S7:基于样本的全局性对拓展预测角进行修正,首先计算样本数据的全局性系数,之后根据全局性系数和左、右拓展预测角计算左、右全局拓展预测角;全局性系数N,其中N all为参与测试用户数的理论最大值,N表示数据样本数量;左全局拓展预测角D'l=(1-cg)Dl+cg·90°,右全局拓展预测角D'r=(1-cg)Dr+cg·90°。
S8:生成拓展区间数,首先选择原始区间数边界处标准化样本数量和标准化概率密度最小的值作为延伸起点,通过全局拓展预测角确定延伸斜率,作延长线与x轴交点,即为拓展区间数的左边界Iel和右边界Ier,拓展区间数Ie=[Iel,Ier]=<Iec,Iew>,其中拓展区间数中点Iec=(Iel+Ier)/2反映考虑样本全局性的易用性指标特征,拓展区间数宽度Iew=Ier-Iel反映考虑样本全局性的全局预测不确定性;
S11:根据各二级指标值及其不确定性,加权求和得到一级指标值及其不确定性;对一级指标Ui,其值其不确定性对一级指标Ui,其值对应的不确定性然后构建矩阵S,该矩阵第r行第k列元素对矩阵的每一列进行归一化,所得新矩阵各元素则一级指标Ui的最终权重则三维CAD软件易用性量化结果取值范围为0~1。
基于拓展区间数的三维CAD软件易用性量化装置,包括一个或多个处理器,用于实现所述的一种基于拓展区间数的三维CAD软件易用性量化方法。
本发明的优势和有益效果在于:
本发明提供的一种基于拓展区间数的三维CAD软件易用性量化方法及装置,可以在对三维CAD软件的易用性进行量化时,充分考虑样本数据的分布规律和全局性程度,能准确地对三维CAD软件的易用性进行量化。
附图说明
下面结合附图和实施例对本发明进一步说明;
图1是本发明的方法的流程图;
图2是本发明中标准化处理后的样本数据的统计信息示意图;
图3是本发明中样本数据的集中度和趋势度示意图;
图4是本发明中样本数据的拓展旋转角和拓展预测角示意图;
图5是本发明中样本数据的全局拓展预测角示意图;
图6是本发明中样本数据生成的拓展区间数示意图;
图7是本发明的装置结构图。
具体实施方式
下面根据附图和优选实施例详细描述本发明,本发明的目的和效果将变得更加明白,应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提出的基于拓展区间数的三维CAD软件易用性量化方法,使用拓展区间数来表示各易用性指标,基于各指标的不确定性计算其权重,并确定最终的易用性量化结果。该方法流程图如图1所示,具体包括如下步骤:
S1:确定三维CAD软件易用性指标集,包括易用性一级指标Ui(1≤i≤I)及其下属的二级指标Uij(1≤i≤I,1≤j≤Ji),其中,I为易用性一级指标个数,Ji(1≤i≤I)为易用性一级指标Ui下的易用性二级指标个数,各二级指标的初始数据均从参与测试的用户获得。
S2:对初始数据进行归一化得到标准化数据,对于N个初始数据样本中的第n个样本xn,其对应的标准化数据其中maxX为数据的理论最大值;通过标准化数据建立原始区间数Io=[Iol,Ior]=<Ioc,Iow>,其中左边界右边界中点Ioc=(Iol+Ior)/2,宽度Iow=Ior-Iol。
S4:使用正态分布拟合标准化数据的概率密度并进行标准化处理,拟合后的初始概率密度函数其中x为自变量,具体实例中,表示连续的标准化后的数据,x*表示离散的标准化后的数据,μ(x*),σ2(x*)分别为标准化数据样本的均值和方差,标准化后的概率密度函数
S6:计算拓展预测角,首先根据样本数据的集中度和趋势度计算拓展旋转角,拓展旋转角大小D=arcsin(|dpt|)/dpc,若dpt>0,则拓展旋转角为逆时针旋转,若dpt<0,则拓展旋转角为顺时针旋转;将标准化概率密度曲线左右边界沿其切线向下方向分别旋转D并延长至与x轴相交,左边界延长线与x轴负方向夹角为左拓展预测角Dl,右边界延长线与x轴正方向夹角为右拓展预测角Dr,当Dl、Dr大于90°时,应调整对应延长线旋转方向使其等于90°。
S7:基于样本的全局性对拓展预测角进行修正,首先计算样本数据的全局性系数其中N all为参与测试用户数的理论最大值,N表示数据样本数量;之后计算全局拓展预测角,左全局拓展预测角D'l=(1-cg)Dl+cg·90°,右全局拓展预测角D'r=(1-cg)Dr+cg·90°。
S8:生成拓展区间数,首先选择原始区间数边界处标准化样本数量和标准化概率密度较小的值作为延伸起点,通过全局拓展预测角确定延伸斜率,作延长线与x轴交点即为拓展区间数的左边界Iel和右边界Ier,拓展区间数Ie=[Iel,Ier]=<Iec,Iew>,其中拓展区间数中点Iec=(Iel+Ier)/2反映考虑样本全局性的易用性指标特征,拓展区间数宽度Iew=Ier-Iel反映考虑样本全局性的全局预测不确定性。
S11:根据各二级指标值及其不确定性,加权求和得到一级指标值及其不确定性,对一级指标Ui,其值其不确定性对一级指标Ui,其值对应的不确定性然后构建矩阵S,该矩阵第r行第k列元素对矩阵的每一列进行归一化,所得新矩阵各元素则一级指标Ui的最终权重则三维CAD软件易用性量化结果取值范围为0~1。
下面针对具体的实施例对本发明的方法进行描述。
选择具体的三维CAD软件进行易用性量化,从中选择可操作性、美观性和易学习性作为三个易用性一级指标,各一级指标又由一系列具体二级指标组成,各易用性二级指标数据直接由当前易用性测试的得分值给出。各指标及其采用层次分析法确定的初始权重如表1所示。
表1.三维CAD易用性指标及其初始权重
各二级指标取值范围为0~10,该值越高,对应指标的易用性水平也越高。以易用性二级指标草绘操作U11为例,测试获得100条样本数据,该三维CAD软件用户数的理论最大值为1000000位,则样本的全局性系数为0.333,获得的评分数据如表2所示。
表2.三维CAD易用性二级指标草绘操作的原始样本数据
数据值 | 7.0 | 7.5 | 8.0 | 8.5 |
对应数量 | 35 | 31 | 22 | 12 |
对样本的初始数据进行归一化,再对样本数量和使用正态分布拟合的归一化概率密度函数进行标准化处理,所得结果如图2所示,由此计算样本数据的集中度和趋势度如图3所示,在图4中,根据集中度和趋势度计算拓展旋转角,将标准化概率密度曲线两边界沿延长线方向旋转后延长至x轴获得拓展预测角,此时右拓展预测角大于90°,因此将其调整为90°;之后,根据全局系数计算全局拓展预测角,由于右偏好预测角已经为90°,因此无论全局性系数为何值,右全局拓展预测角均为90°,所得全局拓展预测角如图5所示;选取原始区间数边界处概率密度函数的作为延伸起点,通过全局拓展预测角确定延伸斜率,作延长线获得拓展区间数如图6所示。
根据拓展区间数可以获得对应三维CAD软件易用性二级指标,由此调整各二级指标使用层次分析法获得的初始权重,结果如表3所示。
表3.三维CAD软件各易用性二级指标及其权重
由表4所示,基于拓展区间数的易用性二级指标考虑了样本全局性有限可能造成的影响,对初始权重进行变权计算以获得最终权重,使用该权重进行加权求和得到各一级指标,再通过同样的方法确定最终的三维CAD软件易用性量化结果0.722。
与前述基于拓展区间数的三维CAD软件易用性量化方法的实施例相对应,本发明还提供了基于拓展区间数的三维CAD软件易用性量化装置的实施例。
参见图7,本发明实施例提供的基于拓展区间数的三维CAD软件易用性量化装置,包括一个或多个处理器,用于实现上述实施例中的基于拓展区间数的三维CAD软件易用性量化方法。
本发明基于拓展区间数的三维CAD软件易用性量化装置的实施例可以应用在任意具备数据处理能力的设备上,该任意具备数据处理能力的设备可以为诸如计算机等设备或装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在任意具备数据处理能力的设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图7所示,为本发明基于拓展区间数的三维CAD软件易用性量化装置所在任意具备数据处理能力的设备的一种硬件结构图,除了图7所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能,还可以包括其他硬件,对此不再赘述。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本发明实施例还提供一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时,实现上述实施例中的基于拓展区间数的三维CAD软件易用性量化方法。
所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力的设备的内部存储单元,例如硬盘或内存。所述计算机可读存储介质也可以是任意具备数据处理能力的设备的外部存储设备,例如所述设备上配备的插接式硬盘、智能存储卡(Smart Media Card,SMC)、SD卡、闪存卡(Flash Card)等。进一步的,所述计算机可读存储介质还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据,还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以理解,以上所述仅为发明的优选实例而已,并不用于限制发明,尽管参照前述实例对发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在发明的精神和原则之内,所做的修改、等同替换等均应包含在发明的保护范围之内。
Claims (10)
1.基于拓展区间数的三维CAD软件易用性量化方法,其特征在于包括如下步骤:
S1:确定三维CAD软件易用性指标集,并获取指标的初始数据;
S2:对初始数据进行归一化,得到标准化数据,通过标准化数据建立原始区间数;
S3:对各标准化数据值对应的样本数量进行标准化处理;
S4:使用正态分布,拟合标准化数据的概率密度,并对概率密度进行标准化处理;
S5:根据标准化后的概率密度,计算样本数据的集中度和趋势度,集中度用于反映样本的集中程度;趋势度用于反映样本特征与使用原始区间数描述的特征的差异程度;
S6:计算拓展预测角,首先根据样本数据的集中度和趋势度计算拓展旋转角,拓展旋转角大小D,以归一化的标准化数据为x轴,以标准化的样本数量和标准化的概率密度为y轴,构建标准化后的样本数据统计信息图,将标准化的概率密度曲线左右边界沿其切线向下方向分别旋转D并延长至与x轴相交,左边界延长线与x轴负方向夹角为左拓展预测角Dl,右边界延长线与x轴正方向夹角为右拓展预测角Dr,当Dl、Dr大于90°时,调整对应延长线旋转方向使其等于90°;
S7:基于样本的全局性对拓展预测角进行修正,首先计算样本数据的全局性系数,之后根据全局性系数和左、右拓展预测角计算左、右全局拓展预测角;
S8:生成拓展区间数,首先选择原始区间数边界处标准化样本数量和标准化概率密度最小的值作为延伸起点,通过全局拓展预测角确定延伸斜率,作延长线与x轴交点;
S9:根据拓展区间数确定各二级指标,对每个易用性二级指标,通过其原始数据样本建立拓展区间数,通过拓展区间数、归一化后样本数据的平均值和样本数据的全局性系数,计算二级指标的值和不确定性;
S10:利用层次分析法确定各二级指标的初始权重,根据二级指标的不确定性,对各一级指标构建矩阵并对矩阵的每一列进行归一化,利用所得新矩阵各元素与二级指标的初始权重,计算二级指标的最终权重;
S11:利用层次分析法确定各一级指标的初始权重,根据各二级指标值、不确定性和最终权重加权求和,得到一级指标的值及其不确定性,根据一级指标的不确定性,对一级指标构建矩阵并对矩阵的每一列进行归一化,利用所得新矩阵各元素与一级指标的初始权重计算一级指标的最终权重,通过一级指标的最终权重和一级指标的值,得到三维CAD软件易用性量化结果。
2.根据权利要求1所述的基于拓展区间数的三维CAD软件易用性量化方法,其特征在于所述S1中,易用性指标集包括易用性一级指标Ui(1≤i≤I)及其下属的二级指标Uij(1≤i≤I,1≤j≤Ji),其中,I为易用性一级指标个数,Ji(1≤i≤I)为易用性一级指标Ui下的易用性二级指标个数,各二级指标的初始数据均从参与测试的用户获得;
所述S8中,延长线与x轴交点为拓展区间数的左边界Iel和右边界Ier,拓展区间数Ie=[Iel,Ier]=<Iec,Iew>,其中拓展区间数中点Iec=(Iel+Ier)/2反映考虑样本全局性的易用性指标特征,拓展区间数宽度Iew=Ier-Iel反映考虑样本全局性的全局预测不确定性;
5.根据权利要求3所述的基于拓展区间数的三维CAD软件易用性量化方法,其特征在于所述S5中的趋势度dpt=2(μ(x*)-Ioc)/Iow。
7.根据权利要求1所述的基于拓展区间数的三维CAD软件易用性量化方法,其特征在于所述S6中的拓展旋转角D=arcsin(|dpt|)/dpc,若dpt>0,则拓展旋转角为逆时针旋转,若dpt<0,则拓展旋转角为顺时针旋转,dpc表示集中度,dpt表示趋势度。
10.基于拓展区间数的三维CAD软件易用性量化装置,其特征在于,包括一个或多个处理器,用于实现权利要求1-9中任一项所述的一种基于拓展区间数的三维CAD软件易用性量化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210133662.0A CN114491699A (zh) | 2022-02-14 | 2022-02-14 | 基于拓展区间数的三维cad软件易用性量化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210133662.0A CN114491699A (zh) | 2022-02-14 | 2022-02-14 | 基于拓展区间数的三维cad软件易用性量化方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114491699A true CN114491699A (zh) | 2022-05-13 |
Family
ID=81481393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210133662.0A Pending CN114491699A (zh) | 2022-02-14 | 2022-02-14 | 基于拓展区间数的三维cad软件易用性量化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114491699A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117076293A (zh) * | 2023-07-19 | 2023-11-17 | 浙江大学 | 基于贫样本层次可信聚类热力图的软件性能可视评价方法 |
-
2022
- 2022-02-14 CN CN202210133662.0A patent/CN114491699A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117076293A (zh) * | 2023-07-19 | 2023-11-17 | 浙江大学 | 基于贫样本层次可信聚类热力图的软件性能可视评价方法 |
CN117076293B (zh) * | 2023-07-19 | 2024-04-05 | 浙江大学 | 基于贫样本层次可信聚类热力图的软件性能可视评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111274811B (zh) | 地址文本相似度确定方法以及地址搜索方法 | |
Schepsmeier | A goodness-of-fit test for regular vine copula models | |
CN111898366B (zh) | 文献主题词聚合方法、装置、计算机设备及可读存储介质 | |
CN109740660A (zh) | 图像处理方法及装置 | |
CN111753461B (zh) | 潮汐水位修正方法、目标余水位获取方法、装置和设备 | |
CN110728313B (zh) | 一种用于意图分类识别的分类模型训练方法及装置 | |
US10127694B2 (en) | Enhanced triplet embedding and triplet creation for high-dimensional data visualizations | |
CN116822651A (zh) | 基于增量学习的大模型参数微调方法、装置、设备及介质 | |
CN113468034A (zh) | 数据质量评估方法、装置、存储介质和电子设备 | |
CN114491699A (zh) | 基于拓展区间数的三维cad软件易用性量化方法及装置 | |
Nasri et al. | Semi-parametric copula-based models under non-stationarity | |
CN110955862A (zh) | 一种用于设备模型趋势相似度的评估方法及装置 | |
CN112470172A (zh) | 使用随机序列嵌入的符号序列分析的计算效率 | |
CN117422182A (zh) | 数据预测方法、装置及存储介质 | |
Ding et al. | Dirichlet process mixture models with shrinkage prior | |
CN116909901B (zh) | 基于富样本径向投影可信聚类的软件性能可视评价方法 | |
Biehler et al. | Saddlepoint approximations of the distribution of the person parameter in the two parameter logistic model | |
CN108229572B (zh) | 一种参数寻优方法及计算设备 | |
CN111783883A (zh) | 一种异常数据的检测方法及装置 | |
CN111858899B (zh) | 语句处理方法、装置、***和介质 | |
CN114490412A (zh) | 基于自减逆向云发生器的三维cad软件性能度量方法及装置 | |
CN114281950A (zh) | 基于多图加权融合的数据检索方法与*** | |
Wu et al. | Approximation by random weighting method for M-test in linear models | |
US11106344B2 (en) | Methods and devices for capturing heuristic information via a weighting tool | |
Seidpisheh et al. | Hierarchical clustering of heavy-tailed data using a new similarity measure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |