论文研究-基于筛选配组应用的动力电池综合性能评价方法研究.pdf,  动力电池作为电力储能和电动汽车的主要动力源, 使用时需要串并联成组以满足电压、容量、功率等各方面的要求, 而单体电池的综合性能是影响电池配组的重要前提. 如何客观准确地评价单体电池性能, 已成为当前电池筛选配组和成组应用研究的重点和难点. 本文以大容量的能量型动力电池为评价对象, 以功率、内阻、容量、极化、放电温升、充电温升、开路电压和自放电率为评价指标, 基于德尔菲法分析各因素对电池综合性能的影响程度, 给出各评价指标的权重值, 基于灰色关联度模型对数据进行归一化处理和关联度测算, 构建动力电池综合性能评价模型. 以电池的实测数据为例, 给出单体电池的评价结果. 同时, 基于三个不同使用路径下的电池性能评价结果, 验证了综合评价方法的可行性. 最后, 本文提出的单体电池综合评价模型也为电池的成组使用提供了配组依据.

资源分配是云计算的核心之一，对云计算资源分配算法的性能进行评价可为云计算平台设计提供指导。讨论了两种云计算资源分配算法，提出了一种基于PEPA的资源分配算法的性能评价模型，该模型通过建立云计算系统中各组件之间的交互关系进行形式化分析和推理，获得了云计算系统性能的评价指标。实验通过分析资源分配过程中不同参数变化对系统性能的影响，结果表明，PEPA模型方法可以直接评估资源分配算法性能的优劣，并能够确定算法性能提升的关键因素，从而减少云平台设计过程的周期。

针对目前缺少大型数据分析框架间的横向比较问题,使用有代表性的大数据工作负载,对Hadoop、Spark和Flink进行性能和可扩展性等因素的比较评价。此外,通过调整工作负载的一些主要参数,例如HDFS块大小、输入数据大小、互连网络或线程配置等,描述了这些框架的行为模式特征。实验结果分析表明,对于非排序的基准测试程序,使用Spark或Flink替代Hadoop,分别带来平均77%和70%执行时间的降低。整体上,Spark的性能结果最好;而Flink通过使用的显式迭代程序,极大提高了迭代算法的性能。

1.1 目的 本文件的目的是确保测试实验室、袋子制造商和袋子的最终用户，使用这种测试方法来评估静电放电屏蔽袋，将获得类似的可重复结果。 1.2 范围 本文件评估静电放电屏蔽袋的衰减能力。 2.0 参考文件 除非另有规定，下列最新发布、修订或修订的文件在本标准规定的范围内构成本标准的一部分： ESD ADV1.0，ESD 协会术语表 ANSI/ESD STM11.11 – 静电耗散平面材料的表面电阻测量 ANSI/ESDA/JEDEC JS-001，人体模型 (HBM) – 组件级 ASTM D257，绝缘材料直流电阻或电导的标准测试方法

人工智能-机器学习-面向高性能计算的性能评价模型技术研究.pdf

大数据-算法-高速分组网瞬态性能评价中的数值分析与模拟.pdf

安全技术-网络信息-认知无线电网络中接纳控制和频谱切换的CPN建模与性能评价.pdf

针对常规二维最佳熵法计算复杂，运行时间长，收敛性差等不足，提出基于改进遗传算法的二维最佳熵阈值分割方法。通过对选择、交叉、变异等因子的优化设计，使阈值搜索的鲁棒性与收敛性有了很大改善，并对图像的分割效果进行评价。分析与仿真结果表明，改进算法在大大减少阈值搜索时间的同时，保持了良好的分割性能。

清华大学 林闯 计算机网络和计算机系统的性能评价pdf版

随即Petri网和系统性能评价PDF版,超星数字图书馆pdg转，不会过期，方便使用。