The use of functional size measurement (FSM) methods in software development organizations is growing during the years. Also, object oriented (OO) techniques have become quite a standard to design the software and, in particular, Use Cases is one of the most used techniques to specify functional requirements. Main FSM methods do not include specific rules to measure the software functionality from its Use Cases analysis. To deal with this issue some other methods like Kramer’s functional measurement method have been developed. Therefore, one of the main issues for those organizations willing to use OO functional measurement method in order to facilitate the use cases count procedure is how to convert their portfolio functional size from the previously adopted FSM method towards the new method. The objective of this research is to find a statistical relationship for converting the software functional size units measured by the International Function Point Users Group (IFPUG) function point analysis (FPA) method into Kramer-Smith’s use cases points (UCP) method and vice versa. Methodologies for a correct data gathering are proposed and results obtained are analyzed to draw the linear and non-linear equations for this correlation. Finally, a conversion factor and corresponding conversion intervals are given to establish the statistical relationship.

研究目的：场景深度获取是目前三维显示研究领域中最关键的技术。目前主流的深度获取方式主要有两种：基于双目图像的被动立体匹配技术和基于主动光源测距的ToF深度摄像系统。两种方式获取的深度各有优缺点，本文旨在分析两者优缺点，融合两种方法获取的结果，形成质量更好的场景深度。
创新要点：利用ToF深度摄像机的优势区域指导立体匹配的过程，优化了立体匹配的结果，同时提出了一种新的代价优化深度融合算法，将ToF深度摄像机的采集结果和立体匹配产生的深度融合成精度更高的深度图。
研究方法：主要包含两部分算法，流程可见图1。首先，利用ToF深度摄像机提供的深度测量图和对应的光强振幅图构建能量函数，利用该能量函数，结合K-最近邻域算法，指导原始立体匹配过程。然后，将优化后的立体匹配结果和TOF深度图结合，构建代价函数，选取最优深度解，作为最终融合深度。
重要结论：实验结果显示，本文采用的算法获取的深度图优于单一主动或被动方法获取的深度图，也优于另一类全局优化的深度融合算法。

Any node in a wireless sensor network is a resource constrained device in terms of memory, bandwidth, and energy, which leads to a large number of packet drops, low throughput, and significant waste of energy due to retransmission. This paper presents a new approach for predicting congestion using a probabilistic method and controlling congestion using new rate control methods. The probabilistic approach used for prediction of the occurrence of congestion in a node is developed using data traffic and buffer occupancy. The rate control method uses a back-off selection scheme and also rate allocation schemes, namely rate regulation (RRG) and split protocol (SP), to improve throughput and reduce packet drop. A back-off interval selection scheme is introduced in combination with rate reduction (RR) and RRG. The back-off interval selection scheme considers channel state and collision-free transmission to prevent congestion. Simulations were conducted and the results were compared with those of decentralized predictive congestion control (DPCC) and adaptive duty-cycle based congestion control (ADCC). The results showed that the proposed method reduces congestion and improves performance.

研究目的：集送货可拆分车辆路径问题具有配送和收集需求同时可拆分、客户点需求量可超过单车装载量、客户点被单车访问可超过一次等特点，针对测试该问题的公共数据集寻求有效求解方法，是一项富有挑战性的工作，目前缺乏有效、方便的求解算法。本文探讨求解集送货可拆分车辆路径问题的有效算法。
创新要点：提出两阶段启发式方法，即可行解获取的初始启发式算法和改进初始解的混合启发式算法，为研究车辆路径问题需求拆分和访问次数的松弛提供了有效的求解思路。引用描述该问题实质的逻辑关系模型，结合定义和化简的概念，本文算法为集送货可拆分车辆路径问题的研究，提供了分步计算的实用算法。
方法提亮：组成两阶段启发式方法的各种逻辑关系模型简洁、准确地描述了集送货可拆分车辆路径问题，同时具备可扩展性和可组合性。这些特性的灵活应用，形成本文提出的两阶段优化算法。
重要结论：利用Solomon数据集和可扩展的Solomon数据集进行实验计算，并与禁忌搜索算法（TSA），粒子群算法（PSO）以及并行启发式方法（PHA）比较，结果表明，对于不同规模数据集，本文算法有效节省了总配送成本、提升了平均装载率。

研究目的：混沌同步是近年非线性系统研究热点，在许多方面具有重要应用。实际系统往往存在一定的不确定性，如系统模型以及系统参数的不匹配性等，严重影响了同步性能。本文提出一种鲁棒混沌同步方法，以实现带有一定不确定性的混沌系统的同步。
创新要点：将高阶滑模控制和反馈控制有效结合，设计了一种鲁棒的混沌同步控制策略。
方法提亮：该方法综合了滑模控制和反馈控制两方面优势，具有鲁棒性强、抗系统模型以及参数不匹配性好、收敛速度快、同步误差小的特点，因而特别适用于实际工程系统。
重要结论：理论分析证明了该方法的稳定性。通过和已有方法比较，数值仿真实验进一步验证了该方法的有效性。

研究目的：强化学习需要使用值函数近似来处理真实世界中的高维度状态空间问题，而值函数近似的效果很大程度上取决于合适特征表示的选取。表示扩展技术可使线性近似器更有效地表示值函数，然而现有的表示扩展技术或者只适用于低维度问题，或者在学习过程中不能及时发现重要的特征依赖。因此，本文提出了一种新型在线特征扩展技术——贪婪特征替换（GFR）。
创新要点：通过发现替换区域来执行特征替换的方式，贪婪特征替换方法增量地扩展特征表示，可以处理高维度状态空间问题，解决了传统在线扩展技术的局限。通过识别替换区域，贪婪特征替换方法优化了特征组合的加入顺序，提高了特征表示扩展的性能。
研究方法：引入虚拟时序差的概念，模拟新特征组合加入特征表示后的时序差，通过分析实际时序差与虚拟时序差累积情况的差距，选择新的特征组合。如差距超过给定阈值，这个特征组合将被作为新特征。在每次特征替换中，两个原有的特征被一个新的特征组合取代。
重要结论：理论分析表明，使用贪婪特征替换方法的值函数近似可以渐进地得到最优近似结果。对两个有代表性的学习问题的实验结果显示，贪婪特征替换可以达到更快的学习效果，而且具备处理大规模状态空间的能力。贪婪特征替换方法可以应用于各种在线值函数近似。

研究目的：变流器是风力并网发电系统的核心，研究变流技术对于提高并网系统的灵活性、可靠性以及电能质量等都具有现实意义。本文采用背靠背全控电流源型变流器配置的永磁同步风力并网发电系统，结合电流空间矢量和电流多电平变流技术，探讨发电机侧最大功率跟踪（MPPT）技术和电网侧并网逆变控制技术在全控电流型变流器系统中的实现。
创新要点：结合电流型变流器的MPPT技术和多电平技术，提出既能并网发电、又能实现直流侧宽范围风速控制的全控电流型变流器风力并网发电系统。网侧采用电流多电平变流技术并应用多载波PWM调制策略，克服了传统电流源型变流器交流侧电流谐波含量高，谐波总畸变率（THD）不易满足并网要求的缺点。采用锁相环与电流解耦控制，实现了网侧可任意功率因数并网运行，提高了并网系统的灵活性。
研究方法：基于电流空间矢量方法实现发电机侧MPPT和直流母线电流控制。基于电路对偶变换构造三相电流型多电平变流器拓扑，并移植适用电压型多电平变流器的PD-PWM调制策略以消除低次电流谐波，解决了电流型多电平逆变器PWM调制策略难以实现的问题。结合锁相环与电流解耦控制，实现网侧可任意功率因数并网运行。
重要结论：发电机侧采用电流型PWM变流器，利用其内在升压特性可实现宽范围风速控制。网侧采用电流型多电平逆变器，拓扑结构与电压型多电平逆变器对偶，多电平PWM调制策略易实现；并网电流波形质量好、谐波含量低；直接电流输出控制受电网波动影响小。