隨著網際網路「將智慧型互聯」這一嶄新角色的逐漸展現，已促使軟體開發由傳統方式衍變成為依靠軟體資源開放共享及群體協作互助來完成，由此形成了群智化軟體。群智化軟體雖凝聚了軟體資源及群體協作者智慧型，但也引入了新的可信性問題：一方面，如果已知某一開放軟體資源的可信性，如何確定其中的資源片段可信性，而如何針對由諸多**不一的資源片段聚合形成的群智化軟體整體進行可信性評估也成為了新的問題；另一方面如何確定開發過程中群體協作者使用的智慧型方法和工具自身及其執行環境、行為結果的可信性，以往的可信性評估還沒有考慮到這些新出現的影響因素。根據群智化軟體開發正規化及技術生態，提出適合群智化軟體的新型生存週期模型及質量模型，構建面向群智化軟體的可信性層次化指標體系，制定可信性量化資料智慧型化採集及預處理技術路徑，設計可信性資料推理融合模型及可信狀態**演化模式，形成群智化軟體的動態可信性智慧型化評估方法。
依據「可信性需求-可信性指標體系構建-可信性量化資料收集-可信性評估計算-可信性結果處理」的研究思路，形成如圖1所示的研究方案：
第一步：研究基於資源挖掘的群智化軟體生存週期模型——drafve模型。在充分理解群智化軟體開發思想和過程機理的基礎上，分析其軟體研發活動中的關鍵行為和核心技術路徑，結合以往的軟體生存週期劃分方式，建立與群智化軟體生長模式相適應的生存週期模型。
第二步：研究基於資源信譽認證的群智化軟體質量模型。根據drafve生存週期模型的特點，對各個生存階段中所要求群智化軟體必須具備的質量保證因素進行分析，結合可信性評估需求，針對各個生存週期環節建立階段可信性目標層次化模型——iafm模型，形成群智化軟體質量模型指導下的可信性評估指標體系，使可信性評估過程與軟體質量保障相結合。
圖1 研究方案示意圖
第三步：研究基於知識圖譜的可信性定量採集及資料預處理技術。針對iafm模型度量項的需求，提取出核心的資料項，根據知識圖譜構成規律，以核心資料項為中心按關聯度由強到弱逐層遞減形成核心資料相關項，並將關聯資訊進行量化表示，形成乙個或多個資料集群，採用資料預處理技術，對資料集群進行量化表示的歸一化處理。
第四步：研究基於神經網路的可信性證據推理機制。基於iafm模型構造特點，理清各層次間顯式及隱式關係，逆向構造與iafm模型相對的層次化資料融合模型，結合神經網路思想，建立用於觸發層次間資料融合行為的證據推理機制，通過對各階段關係傳遞形式化表示式逐步完成消元操作，獲得drafv生存階段的可信性資料融合結果。
第五步：研究基於馬爾可夫模型的可信性**演化。分析執行時態下的群智化軟體功能演化需求，根據層次化資料融合模型提供的關係網路，結合馬爾可夫模型原理，針對軟體可達的演化狀態進行可信性**，防止引入新的風險缺陷和漏洞，避免可信性保障遭受破壞，在不失可信性目標的前提下，發現最優的可信狀態演化策略。
第六步：形成基於推理演化的動態可信性智慧型化評估方法。在基於神經網路的可信性證據推理機制觸發的資料融合行為結果基礎上，根據資料相關性進一步完成分類聚合，以進行基於馬爾可夫模型的可信性**演化，獲得可達的可信狀態空間集，按照新的需求目標擇優形成演化路徑，體現可信性評估對軟體維護與再生的指導意義。
本地化軟體UI部分不顯示的一種可能
你是否也曾遇到過這樣的情況，經過了本地化的軟體ui部分不顯示抑或完全不能現實？你是否也曾因此和本地化人員互相傳球高達250餘腳，但皮球依然還在本方半場，遑 門次數。造成這樣現象的根本原因可謂千差萬別，本文僅針對在部分ui無法正常顯示的情況下，一種大概率root cause的預判。現象如下，當使用者進...
向量線的一種柵格化演算法
2.實現 3.參考 將一條線段柵格化的最簡單的演算法思路是根據其斜率，按x或y方向步進取值 除此之外還有一種演算法是利用計算機圖形學中繪製直線的bresenham演算法，這種演算法的效率很高，原理就是用遍歷的辦法規避乘法和除法，只用加減法就能完成線段的柵格化。上述兩種演算法有個問題就是都要經過一系列...
向量線的一種柵格化演算法
目錄2.實現 3.參考 將一條線段柵格化的最簡單的演算法思路是根據其斜率，按x或y方向步進取值 除此之外還有一種演算法是利用計算機圖形學中繪製直線的bresenham演算法，這種演算法的效率很高，原理就是用遍歷的辦法規避乘法和除法，只用加減法就能完成線段的柵格化。上述兩種演算法有個問題就是都要經過一...