项目匹配

项目匹配（精选十篇）

项目匹配篇1

工程建设项目从计划立项后, 就确定了项目的投资及所需的各项有形实体资源如材料、设备、资金等, 同时所需实物资源的数量、规格等也需要详细的确定和计划, 也就是说此项建设项目所需的资源被固定和限制在特定的范围内。这些有形资源具有有限性在工程建设过程中只能有限的使用。另外, 除了工程建设过程中需要的材料、设备等有形资源, 建设过程中的时间、空间、信息、技术等无形资源对工程项目的实体构成也起到不可忽视的作用, 一定条件下, 无形资源可多次充分利用而不会过多增加工程建设成本, 在一定条件和时间范围内具有无形性和无限性。

1 工程项目资源匹配原则

建设工程项目资源匹配目的是根据不同阶段各种项目资源按照对应的分配比例合理有效的组合, 以最小的资源的投入获得最大的经济效益并实现项目预期目标。资源匹配的五项原则如下:

(1) 资源的最小消耗量原则, 并且在项目生产过程中达到供求平衡的状态;

(2) 资源结构配置合理原则;

(3) 在施工的各阶段保证资源的供需平衡原则;

(4) 对于难以获得的稀缺性和耗竭性资源要合理替代, 秉承节约原则;

(5) 资源最小成本原则, 前提是必须保证能够达到工程所需质量要求。

通过观察建设工程施工的生产过程的不同阶段资源的耗用情况, 发现建设过程的不同阶段, 对资源的需求是有差别的, 资源在建设实施过程中的耗用量的变化规律呈凸函数特性, 而累计资源耗用则呈现出“S”曲线的特性。资源的需求量在项目建设的不同阶段需求不同、在施工阶段需求最大, 而在项目施工的同一阶段的不同时间资源的需求是先增加后减少的过程, 这种需求的变化速率不同, 项目最初的时间里速率缓慢增加, 随后增速变快, 再趋向缓慢, 然后缓慢下降、快速下降再缓慢下降。

可相互替代的不同资源要素的耗用量存在一定关系, 在满足既定效果的情况下, 不同数量的替代资源的相互组合呈反比例变化, 即此消彼长的过程, 两者耗用量关系的变化规律呈凸函数特性。

多种不同资源的投入组合关系会产生不同的生产效益, 即构成不同的生产函数模型, 建设工程项目建设过程中需要多种多样资源的不断投入, 由于资源的有限性, 使得这些投入之间不是孤立而是相互联系和制约的, 对施工各阶段的资源投入的效果进行分析即可了解资源的匹配状况, 这里采用著名的柯布-道格拉斯 (Cobb-Douglas) 生产函数模型如下:生产函数用变量y来表示, 它与独立的资源投入量有关系, 另外有些资源之间是相互关联共同作用于生产函数的, 另外, 无论投入资源的情况如何, 在生产过程中都有一部分必须支出的费用如设备折旧费用常量c来表示, 它也是生产函数的重要构成部分。

y=f (x) , , 式中参数的主要定义如下:X为投入的某类资源;y为某类资源x的生产函数;C、A、B、γ是这个特定生产系统的固定常量, 其中γ这些常数表示系统的各种效益, 即递减效益、有重要的经济学意义的常量效益、递增效益。

资源的投入量与生产函数的关系表达式, 可知资源最佳匹配状态是与生产函相关的, 当最小投入能产生最大产出时, 资源的相互组合关系能够满足资源的合理匹配性。

2 资源匹配的特点

资源匹配的特点是由资源的性质决定的, 由建设工程施工管理中资源的复杂多样性, 决定了资源匹配的优劣程度, 总结得出资源匹配的特点有如下几点: (1) 相关性, 资源匹配的状况与工程项目的资源密切相关, 资源的组合方式影响资源匹配效果; (2) 时效性, 不同阶段不同时间对资源的投入即使相同也同样会对资源匹配造成相异的结果; (3) 差异性, 对资源的组合的不同、投入时间的不同会造成资源匹配效果的很大差异。

3 资源匹配的目标

建设工程施工项目管理过程中, 对资源进行分配实现建设目标的过程就是资源配置的过程, 而资源的匹配程度很大程度上影响着此项工程的直接收益和建设目标, 因此资源匹配的目标可从两个方面来说:

长远目标:主要从战略的角度考虑, 在建设过程中通过对资源的合理配置达到最佳资源匹配, 提高资源的利用率进而提高效益, 通过提高对市场的适应性提高市场竞争力, 在不断变化的社会经济环境和竞争环境中, 获得持续发展的动力, 确定自己企业的长远发展战略目标, 在瞬息万变的挑战中充分利用自己的资源和各项优势, 建立有效的资源配置方法体系。是企业的可持续竞争优势的根本保障。

短期目标:解决资源的利用问题, 企业是资源的集合体, 它所拥有的资源的种类和数量不能成为其立于不败之地的必然因素, 关键在于其对资源的特性的发挥和利用, 单一项目的资源配置相对容易, 而在多项目同时进行时对资源的匹配将决定企业的未来。

4 资源匹配的约束

建设工程项目资源的匹配的实施状况要受到两方面的制约, 一方面是由于项目实施过程中各施工作业间的逻辑关系会对项目的实施产生影响, 另一方面是由于项目实施过程中各种资源的约束性。只有先满足项目的约束条件, 才可能实施对资源的合理匹配。

施工作业间工序的逻辑关系主要指的是施工组织与工艺技术所确定的作业工序的实施顺序关系。零时距的结束———开始关系是施工过程中最常见的逻辑关系。由此可知, 任何工序开始均依赖于其所有的紧前工序, 即此项工序不能在其某个紧前工作完成前开始。这种因确定的逻辑关系而制约了工序开始时间的约束情况称为逻辑关系约束。由此可见, 工序的进度安排模式将受到逻辑关系约束的影响。在此可设某工序k的紧前工序集合为Rk, 则可用下列数学表达式来描述逻辑关系约束:, 其中di, ni为第i个工序在第n种工作模式下工作的持续时间长。maxi∈Rk (STi+di, ni) ≤STk

资源约束主要是由资源的需求与供应之间的相互矛盾所引起的制约资源分配的关系。一般来说, 资源的供应通常情况下是有限的这是由资源的稀缺性等性质决定的。因此, 怎样能够合理配置有限的资源以获得最大的利益是人类社会永恒的研究课题, 同时, 这也是建设工程项目施工管理中资源匹配的基本出发点。

资源的约束会因为资源种类的不同而有所差异, 通常可将资源按照供应条件对施工状况的影响来分类, 主要是不可更新资源、可更新资源和双重约束资源。不可更新资源对资源的约束主要表现在, 在整个项目的施工建设过程中, 资源的供应量是有限的, 如施工过程中所需要的各种原材料、机械设备等。

用以下数学表达式来描述, 其中设工序k在第nk中实施模式下对第m种不可更新资源的需求是rkW, nk, m, 该种资源的总供应量为RmW。

5 结束语

工程建设过程中受到的主要的约束是有形资源的稀缺和有形资源的约束, 工程的目标一般是在有形资源被使用完后即实现工程目标完成工程任务, 否则, 就需要投入额外的资源, 这需要被严格限制, 因为这将导致项目成本费用的增加, 使项目资源紧张。

摘要：资源分配问题就是将数量一定的一种或者几种资源 (例如原材料、资金、设备、设施、劳力等) , 恰当地分配给若干使用者, 从而使目标函数为最优。在建设工程施工中, 不可避免的会产生资源的分配, 而一个企业的资源通常是有限的, 因此需要我们对资源进行合理规划和利用。

关键词：建筑工程,施工管理,资源匹配,优化组合,约束条件,经济最优

参考文献

[1]钟登华, 李景茹, 刘奎建.全过程动态仿真技术及其在大型工程施工管理中的应用[J].天津大学学报, 2003, 36 (3) :347-352.

[2]张连营, 张金平, 王亮.工程项目资源均衡的遗传算法及其MATLAB实现[J].管理工程学报, 2004, 18 (1) :52-55.

项目匹配篇2

第一章总则

第一条为鼓励教师和科研人员主持并完成重大科研计划项目，促进学校高水平科学研究工作的发展，特制定本办法。

第二章匹配范围

第二条凡已下达正式批文或通知，我校作为第一承担单位，并按《上海理工大学科研计划项目经费管理与使用办法》缴足管理费的重大科研计划项目，均可向学校申请经费匹配。

第三章匹配额度

第三条对自然科学类项目的匹配额度：

1、对《上海理工大学各类科研计划项目（课题）级别分类表》中自然科学类国家级科研计划项目A类的项目，学校按当年到款经费（不含外拨）的30%匹配。

2、对《上海理工大学各类科研计划项目（课题）级别分类表》中自然科学类国家级科研计划项目B类的项目，学校按当年到款经费（不含外拨）的20%匹配。

3、对《上海理工大学各类科研计划项目（课题）级别分类表》中自然科学类国家级科研计划项目C类的项目，学校按当年到款经费（不含外拨）的10%匹配

。第四条为鼓励教师和科研人员主持并完成人文社科类的重大科研计划项目，适度提高对人文社科类项目的匹配额度：

1、对《上海理工大学各类科研计划项目（课题）级别分类表》中人文社科类国家级科研计划项目A类的项目，学校按当年到款经费（不含外拨）的50%匹配。

2、对《上海理工大学各类科研计划项目（课题）级别分类表》中人文社科类国家级科研计划项目B类和人文社科类省部级科研计划项目A类的项目，学校按当年到款经费（不含外拨）的30%匹配。

3、对《上海理工大学各类科研计划项目（课题）级别分类表》中人文社科类省部级科研计划项目B类的项目，学校按当年到款经费（不含外拨）的20%匹配。

第五条我校作为合作单位（申请书或计划任务书上盖我校公章并明确我校第一负责人）参与符合匹配条件的项目，按相应匹配额度的50%匹配。

第六条未缴足管理费的重大科研计划项目匹配经费按实缴管理费与学校规定应缴管理费之比同比例下降。

第四章匹配经费的申请与使用

第七条由项目负责人提出匹配经费的申请，填写《上海理工大学重大科研计划项目匹配经费申报表》，经学校审批同意后，下达匹配经费。第八条匹配经费不能以合作研究经费的名义外拨至其他单位。

第九条匹配项目经费的支出范围应严格国家相关法律法规和经学校批准的申请书预算科目执行。

第十条项目预算科目的设置：设备费：是指在项目实施过程中购置或试制专用仪器设备、办公设备等。设备采购需符合学校固定资产相关文件规定。材料费：是指在项目实施过程中需要消耗的各种原材料、辅助材料、低值易耗品、元器件、办公用品等费用。

3.测试化验加工费：是指在项目实施过程中支付给外单位的检验、测试、化验及加工等费用。测试化验加工需与对方签订合同，并提供相关测试化验加工报告。

4.燃料动力费：是指在项目实施过程中与项目研究有关的水、电、气等燃料动力消耗费用等。

5.差旅费：是指项目组成员在项目实施过程中开展科学实验（试验）、科学考察、业务调研、学术交流等所发生的外埠（国内）差旅费、市内交通费用等。差旅费的开支标准应当按照国家有关规定执行。

6.会议费：是指在项目实施过程中为组织开展学术研讨、咨询以及协调项目等活动而发生的会议费用。项目组应当按照国家有关规定，严格控制会议规模、会议数量、会议开支标准和会期。项目组应当填写《上海理工大学科研计划项目会议审批单》报科技处审批。

7.国际合作与交流费：是指项目组成员在项目实施过程中项目研究人员出国及外国专家来华工作的费用。国际合作与交流费应当严格执行国家外事经费管理的有关规定。

8.出版/文献/信息传播/知识产权事务费：是指在项目实施过程中需要支付的出版费、资料费、软件购买费、文献检索费、通信费、专利申请及其他知识产权事务等费用。

9.专家咨询费：是指在项目实施过程中支付给临时聘请的咨询专家的费用。专家咨询费不得支付给参与项目研究及其管理相关的工作人员。专家咨询费不超过项目总经费的的的10％。严禁利用虚假名单提取专家咨询费。

10.其他费用：是指在项目实施过程中发生的除上述费用之外的其它特别支出，其他费用不超过项目总经费的20%。

第十一条项目预算中不得列支不可预见费。

第五章匹配项目的结题与验收

第十二条被匹配的重大科研计划项目办理结题手续时，项目负责人应认真填写《上海理工大学重大科研计划项目匹配总结表》并提交至科技处审核登记。

第十三条对具有下列情况的项目，作出撤销处理：

1、项目负责人长期出国或因工作变动、健康等原因，不能正常进行研究工作；

2、未经批准擅自变更项目负责人或研究内容；

3、无正当理由未能按时完成研究任务，不能按期结题；

4、逾期不提交延期申请；

5、研究成果有严重政治问题，学术质量低劣，剽窃他人成果，弄虚作假，与批准的课题设计严重不符；

6、严重违反财务制度。

第十四条对撤销的项目，追回已下拨的经费，将限制项目负责人申请竞争性项目。

第十五条匹配经费按结算，下达当年底结余经费学校统筹用于内涵建设。

第六章附则

第十六条本办法自公布之日起实施。原《上海理工大学重大纵向科研项目经费匹配办法》同时废止。

项目匹配篇3

摘要：本文主要讨论为解决影响焊接质量及自动化焊接的零部件搭接间隙大（干涉）问题，通过解决长城某款车型间隙及尺寸问题的具体事例，尝试的一种焊接零部件匹配解决方案及流程。

关键词：匹配；间隙；自动化；变形

在现在汽车工业中，汽车悬架是重要部件之一，对汽车行驶的平顺性、经济性、通过性、燃油经济性等多种使用性能有很大影响，汽车悬架最主要的过程工艺是焊接；在悬架焊接行业中，均采用了大量的自动化设备，在提高了生产线自动化程度、降低人力强度的同时，对焊接搭接间隙有很严格的要求，在汽车行业中，对整车车身精度综合匹配（MB）及样板拼车（DT）的研究较多，匹配方案及流程较成熟；对底盘悬架焊接类研究较少，没有规范的匹配流程及方案，由于整车车身与底盘悬架结构差异，在整车车身精度匹配的研究方案及流程很难在底盘悬架上全部实施。本文通过解决长城某款汽车底盘生产线某个焊接间隙及尺寸问题点时，探讨一种焊接零部件匹配方案及流程。

问题描述：长城某款车型悬架焊接线，减振器连接板与纵臂及螺旋簧间隙大，影响焊接机器人自动化焊接，焊接后减振器连接板安装尺寸不合格，焊接前对各零部件尺寸测量，零部件尺寸均符合产品要求。

1 过程调查分析

减振器连接板焊接间隙分析：

随机抽取5套减震器连接板，依据原设计数模，采用三坐标设备（CMM）扫描测量，保证制件合格后，在焊接夹具上进行试装，根据不同的试装方式，测量的结果不同，通过对不同搭配方式数据分析，筛选影响减振器连接板匹配的重要因素，具体如下：采用一套与减振器连接板搭配的纵臂分总成，试装5套减震器连接板，装件后，通过目测判定减振器连接板与搭接工件均存在干涉，装件不能到位，使用间隙尺测量搭接间隙，采用一套减振器连接板搭配5套纵臂分总成进行试装，装配完成后，使用间隙尺测量搭接间隙根据上面两组数据分析，当更换不同的搭配方式时，搭接间隙出现不同的变化，结合焊接夹具、检测方式，判定影响减振器连接板匹配的主要因素有：减振器连接板本身尺寸的一致性；减振器连接板单件检测方式；纵臂分总成状态的一致性；焊接夹具的稳定性及定位的可靠性。焊接过程中的热变形及冷变形，根据分析的影响匹配的主要因素，制定匹配方案。

1.1 制定检测规范

针对减振器连接板，制定规范的检测标准，采用三坐标设备（CMM），检测方法如下：①检测时，以两侧面的孔中心的连线轴作为第一基准；②以减振器连接板底面作为第二基准；③边线取点方法是，直边方面，短边至少取3个检测点，长边至少取5个检测点；圆弧边至少取5个检测点。

1.2 封样纵臂分总成

为消除因纵臂分总成状态变化对匹配数据的影响，在焊接生产线上随机抽取一套纵臂分总成，进行封样。

1.3 规范焊接夹具

对于焊接定位夹具，很多情况下，必须考虑过定位（即n-2-1定位原则），才能保证夹具定位的稳定性及可靠性，排查减振器连接板焊接夹具的定位效果，对影响定位效果的机构进行改进完善，夹具改进完成后，采用三坐标设备（（CMM））对焊接减振器连接板的夹具进行定位坐标测量，对数据进行固化，制定夹具校准标准，定期校准确认，保证定位位置的可靠性。

1.4 规范减振器连接板

随机抽取一套减振器连接板，使用封样的纵臂分总成进行试装，装配过程中对搭接干涉部位进行打磨，根据减振器连接板尺寸型面±0.7mm公差要求，保证修磨后的减振器连接板各有效搭接间隙在±0.7mm（产品设计要求）左右，记录各部位打磨数据及间隙数据。

根据记录的的实际数据，调整减振器连接板落料模具，调整完成后，生产5套样件，样件按检测规范进行检测，检测合格后进行试装，试装时，采用纵臂分总成封样进行验证，直至搭接间隙满足焊接机器人自动化焊接要求。

1.5 规范标准数模及图纸

对匹配完成的减振器连接板，采用三坐标设备扫描，根据扫描结果及匹配过程中记录的改进数据，对原设计数模及图纸进行变更，保存最终标准数据。

2 方案总结及规范

通过对减振器连接板的匹配过程，总结一种底盘悬架匹配的流程方案，提高匹配效率，节省匹配成本。

2.1 匹配的总体原则

针对底盘悬架焊接线开发过程中，由于焊接变形，产品设计间隙大，焊接过程中搭接件干涉、焊接间隙大，不能满足焊接要求，或个别零部件由于设计原因，尺寸保证困难时，开始对搭接件进行匹配，匹配时，应选取变更周期短、变更费用低的零件；应将状态稳定的大件进行固化，以此为基准，匹配小件。

2.2 匹配的流程

将整个匹配过程总结为9部分，具体为：①确认匹配的零部件；②制定规范的零部件检测标准；③对匹配关联的零部件及分总成进行固化、封样；④排查焊接夹具的定位效果，保证焊接夹具定位的可靠性；⑤采用三坐标对焊接夹具的定位位置固化，保证夹具的一致性；⑥提样5套，试装，记录数据；⑦根据实际试装效果，更改模具；⑧提样5套，再次试装，记录数据直至搭接效果及尺寸要求满足需求；⑨对匹配完成后的数模及图纸进行标准化。

3 研究总结与展望

在底盘焊接生产线调试过程中，由于各种原因，需要进行匹配的情况非常多，本题通过挑选底盘悬架焊接中的减振器连接板匹配方案，总结在匹配过程中解决的各种问题，尝试将匹配过程整理成一种较为理想的匹配方案，将匹配过程梳理成10个匹配阶段，规范各阶段的工作内容，在匹配其它零部件时，能够快速有效的完成匹配，提高效率，缩短过程开发时间。

参考文献：

[1]曹俊.单俊.整车匹配中在线质量工装定位选取技术[J].CN12-1411/U，2010（2）：36-37.

[2]戴竟.车身进度综合匹配和样板拼车的建立[J] .CN22-1187/U，2014（4）：21-28.

项目匹配篇4

资源管理作为项目管理九大知识体系的重要组成部分[1], 是关系项目成败的核心要素之一。而软件开发项目与传统工业生产项目的区别在于其核心资源是人力资源[2]。研究表明在软件项目中不同的人员从事相同的任务其生产率差距可达10-40倍[3], 因此研究人力资源的优化分配, 对确保软件项目成功具有重要意义。在软件项目管理实践中, 由于频繁的人员流动、地理分布式开发和自动化支持工具的缺乏, 项目经理通常仅依靠其经验或直觉对人员进行分配[4], 这种主观性的决策方式常常导致较低的人力资源利用效率和人员满意度, 进而影响项目进度和产品质量。因此, 需要提供客观量化的方法和工具为项目管理人员提供决策支持, 以提高人力资源利用效率, 确保企业在有限的人力资源下获得最佳收益[5]。

在为软件开发任务匹配人力资源时, 人员的技术能力是首先被考虑的因素, 而人员的非技术能力同样不容忽视[2,6]。技术能力即人员完成软件任务所需要的最直接的知识、经验和能力[7], 而非技术能力指除技术能力之外的一切可开发, 可利用的能力。软件开发中不同类型的任务对人力资源的技术需求和非技术需求各有不同, 进行人力资源分配时需要对这种差异进行考虑。本文提出一种综合人力资源技术能力和非技术能力的任务人员优化匹配方法。方法在考虑人员技术能力和任务需求的同时, 加入非技术能力同任务需求的相关性。方法中的非技术能力来自于心理学领域中定义的性格能力 (心理学家通常通过人力资源评价方式 (assessment center method) [8]来测试人员性格, 这种方法关注与人员性格相关的能力, 即性格能力) 。

根据软件开发任务的特点, 我们将20个与软件开发相关的性格能力[9]进行归并整理。将软件组织中的常见任务类型进行细致的划分和定义。通过问卷调查获得任务类型的性格能力需求关系以及16PF-5性格因子[10]与性格能力的关系。调查共向国内外10家软件公司的项目经理、开发人员发放176份问卷, 回收到148份有效回馈, 该调查结果可为方法中指标的量化、人员性格与性格能力的数据映射关系的确定提供参考数据。方法首先对性格能力进行抽象和定义, 然后通过问卷调查的方式对性格能力的映射关系进行数据收集和量化, 提出基于性格能力的人员和任务匹配算法。实验表明, 方法和工具能够帮助项目经理在制定资源计划时对有限的人力资源进行优化分配, 能够对项目生产率和人员满意度产生积极的影响。该方法可为人力资源的优化调度提供底层支持, 帮助软件企业提高资源利用率和生产效率。

1 相关研究

1.1 人力资源调度

针对软件项目资源调度中人力资源分配问题的分配策略有很多种。文献[11]通过遗传算法、模糊理论等进行软件过程资源分配的仿真, 但最优解往往是不确定的, 且任务分配的复杂度较高。文献[15]提出基于搜索的人力资源分配模型, 用于评估项目规模、时间成本。该模型更适用于项目过程的整体监管, 而不适用于具体任务的人员选择。文献[5]提出的一种基于收益的资源调度方法, 它对软件过程中投入的资源进行收益定义 (包括人力资源) , 抽象出资源调度优化模型。这些方法的主要研究目标是获得资源分配模型的最优解或者次优解, 强调全局软件过程的优化, 其不足在于仅将人力资源作为全局分配中的一种可消耗资源, 而没有考虑人力资源的能力复杂性和能力差异性。

人力资源是确保软件产品质量的重要保障。如何挖掘更多人力资源的特性, 并且使其与软件项目需求相匹配是项目资源调度的重要研究方向之一。文献[7]中提出的一种基于组织实体能力的调度方法, 在进行人力资源调度时考虑人员所拥有的技术方面的知识、经验和能力;文献[9,17]通过识别项目人员性格同任务需求相关度, 提出根据任务的性格能力需求与人员性格能力匹配从而进行人力资源分配的方法, 同时表明了不同的任务对人员的性格能力有不同的要求。如今的软件开发活动越来越复杂, 多任务并行执行和不同类型任务串行执行是软件开发中的常见现象。本文在文献[7]的基础上, 不仅考虑软件项目中不同任务技术能力需求与人员技术能力的相关度, 还考虑不同任务性格能力需求与人员性格能力的相关度。基于软件项目中不同任务对任务承担者性格能力上的需求, 通过挖掘软件过程中人力资源的性格特征并设计综合匹配算法, 使人力资源调度的任务分配变得更合理。

1.2 16PF-5性格测试

在软件组织的人力资源招聘和人力资源管理中, 心理学性格测试的方法得到了广泛的应用[18]。比如, NEO个性测试通过测试人的大五性格 (情绪稳定性 (N) 、外向性 (E) 、开放性 (O) 、宜人性 (A) 、责任感 (C) ) 确定一个人的性格倾向[19], 用来进行职业指导;MBTI职业性格测试则使用相关对 (外向E—内向I、感觉S—直觉N、思考T—情感F、判断J—感知P) 的偏向来确定个体的职业性格偏向, 以确定人员的适合职业[20]。

本文中使用的16PF-5 (卡特尔十六种人格因素测验Sixteen Personality Factor Questionnaire, 简称16PF, -5的含义为第五版本) 性格测试是一种被广泛使用的人员性格心理学测试方法。它可应用于心理咨询、人员选拔和职业指导等各个环节, 为人事决策和人事诊断提供个人心理素质的参考依据。它可以直接测试出人员的16种性格特征, 并且还发展出一系列公式, 利用前面16个量表的分数以及这些公式, 还可以计算出一些二元人格特征, 包括焦虑性、外向性、安详机警性、果敢性等[10], 利用结果可以解读测试人员的性格特质, 在职业选择、任务选择上给予指导。

2 任务人员优化匹配方法

在为软件项目制定计划时, 需要为各个拆分出来的任务分配足够的各种资源。而各种资源中最重要的是人力资源。人员运用自身的能力来满足任务的需求以完成任务, 合理的人员任务分配需要考虑任务的能力需求和人员的具体能力二者间的匹配。

任务人员优化匹配方法的整体框架图如图1所示。方法考虑两方面的任务需求进行任务人员匹配, 分别是技术能力需求和性格能力需求, 将任务技术能力需求与人员技术能力的匹配, 任务性格能力需求和人员性格能力的匹配进行综合, 得出匹配结果。该匹配结果可以为软件项目资源的优化调度提供底层支持。

我们将技术能力SC (Skill Capabilities) 定义为如下的三元组, 该描述方法参考文献[7]中对组织实体能力的描述。

SC= (domain, skill, level) (1)

式中, domain表示技术领域, skill代表具体技能, level代表该项技能的经验, 其中经验level用工作时间 (月) 表示。

人员的技术能力PC (Personal Capabilities) 表示为如下的技能集合:

PC={SC1, SC2, …, SCn} (2)

例如, PC={ (web, java, 12) (web, css, 18) }, 表示该员工在技术能力上拥有两项能力, 分别是Web领域Java开发12个月的经验, Web领域Css开发18个月的经验。

我们重点关注人员性格能力的描述以及任务性格能力需求和人员性格能力间的匹配方法。在任务的性格能力需求与人员的性格能力匹配中, 需要定义软件项目中的任务类型以及各自的性格能力需求, 定义人员的性格能力以及描述方法。为获得任务类型的性格能力需求以及人员性格测试16PF-5中性格因子与性格能力之间的关系, 还需要设计一份调查问卷以从业界获得相应的数据。

整体流程如图2所示。

采取如下五个步骤进行:

1) 定义任务类型以及各自的性格能力需求;

2) 定义人员的性格能力及其描述;

3) 调查问卷的设计、发放和回收;

4) 数据分析;

5) 设计匹配算法;

接下来对每个步骤进行详细说明。

2.1 任务类型及其性格能力需求

软件项目中, 项目目标被分解为独立的一系列任务。虽然任务各自的形式和内容会有所不同, 但可以将这些任务划分为有限的一些任务类型。因此, 将任务根据任务类型进行分类, 然后定义每个任务类型所需要的性格能力需求以确定特定任务的性格能力需求, 是一个简洁有效的研究途径。

在不同的软件组织中, 由于各自的开发任务和组织方式等不同, 会存在不同的任务类型, 需要根据自己组织的特点和情况, 定制自己组织的任务类型集合。我们在参考现有的开发模型, 并进行讨论及专家意见的基础上, 确定了常见组织中的任务类型, 包括如下九种典型任务类型:① 调研;② 需求;③ 设计;④ 编码;⑤ 测试;⑥ 部署;⑦ 指导;⑧ 技术支持;⑨ 质量控制。

上述九种任务类型可以涵盖软件项目的常见基本任务类型, 企业也可以根据实际情况对任务类型进行自定义和扩充。在调查问卷中我们设计这些任务类型的性格能力需求列表, 用来调查这些任务类型的性格能力需求 (详见2.3节问卷调查) 。

2.2 人员性格能力描述

为确定一个人员的性格能力, 我们采用16PF-5性格测试, 它是美国伊利诺州立大学人格及能力测验研究所卡特尔教授经过几十年的系统观察和科学实验, 以及用因子分析统计法慎重确定和编制而成的一种精确的测验。这一测验能以约四十五分钟的时间测量出十六种主要性格特征—用16个性格因子标识, 凡具有相当于初三以上文化程度的人都可以使用。

十六种性格因子是各自独立的, 相互之间的相关度极小, 每一种因子的测量都能刻画测试对象某一方面的性格特征。通过被试性格的十六种不同因子的组合, 可以全面地评价测试对象的性格特征。

人员完成16PF-5性格测试后, 得到一份有16个性格因子标识的结果表, 为获得人员的性格能力描述, 需要确定16PF-5性格测试中的16个性格因子与性格能力之间的关系。我们采用调查问卷的方式来确定这个关系 (详见2.3节问卷调查) 。

16PF-5性格测试中共有16个因子 (乐群性、聪慧性、稳定性、支配性、兴奋性、责任性、敢为性、敏感性、怀疑性、幻想性、世故性、忧虑性、开放性、独立性、自律性、紧张性) , 每个因子有“+”“-”两个极向, 共32种性格因子极向, 例如因子C为稳定性, 若一个人得分为C-代表他的情绪不稳定, 得分为C+代表他的情绪稳定[10]。

为明确指代, 我们在接下来的文章中将一个性格因子的“+”“-”极向作为两个性格因子, 故认为有32个性格因子。在文献[9]中, 作者给出了一个16PF-5性格因子与性格能力的关系表格, 在表格中, 有部分因子并未对性格能力产生影响。因此在调查问卷中, 为简化起见我们只采用对性格能力有影响的15个因子。这些因子的代号及其含义见表1。

2.3 调查问卷

调查问卷的目的是为调查在软件项目中, 人员的性格因子与性格能力之间的关系, 以及软件项目中特定任务类型的性格能力要求。

调查问卷设计所涉及的因素以及其确定方法如下:

(1) 性格能力心理学家在ACM框架的验证下建立了人员能力的一个标准列表[8,21], 在文献[9]中, 作者通过让项目经理从心理学家制定出的性格能力标准列表中选择的方式, 选出与软件开发活动最相关的20个性格能力, 分别是:分析能力、决策能力、独立能力、创新能力、判断能力、坚韧能力、承压能力、自组织能力、风险管理能力、环境知识、纪律性、环境导向能力、顾客服务能力、协商能力、移情作用、社交性、团队合作能力、同事评价能力、团队领导能力、计划和组织能力。在确保能力类型的全面性的同时我们将这些性格能力进行归纳重组, 得到如下8个性格能力:

1) 分析和决策能力;

2) 计划和组织能力;

3) 协作和管理能力;

4) 交际和谈判能力;

5) 独立解决问题能力;

6) 改革和创新能力;

7) 毅力和承压能力;

8) 环境知识的获取与应用能力。

(2) 任务类型可供参考的任务类型 (参见2.1节) 包括且不限于:调研、需求、设计、编码、测试、部署、指导、质量控制。用户可以根据自己的需求对这个集合进行裁减或扩充。

(3) 16PF性格因子在2.2节中已经确定, 包括乐群性+、聪慧性+、稳定性+、恃强性+、有恒性+、敏感性+、怀疑性+、幻想性+、幻想性-、世故性+、忧虑性-、实验性+、独立性-、自律性+、紧张性-, 共15个性格因子极向。

在确定问卷中所需的因素后可以设计具体的问卷问题以确定图3中关系1和关系2的相关性系数, 关系1为任务类型与性格能力之间的关系, 关系2为性格因子与性格能力之间的关系。为此, 我们设计了一份包括62道问题的调查问卷[22]。

2.4 数据分析

我们向国内外10家软件公司与组织的项目经理和开发人员共176人发放176份问卷, 收集到148份有效问卷回馈。

· 任务类型的性格能力需求

对于任务类型与性格能力之间的关系, 设计了一个表格, 由被调查对象勾选其认为对相应任务类型最重要的四种性格能力。将所有数据统计登入到一个表格后, 进行归一化处理, 即用该表中最大的数值去除以所有的数据, 得到如下的任务类型与性格能力需求之间的关系表由表2所示。

例如, 有一个项目组需要做需求分析, 它属于需求类型的任务, 根据表2, 它对于{分析和决策能力、计划和组织能力、协作和管理能力、交际和谈判能力、独立解决问题能力、改革和创新能力、毅力和承压能力、环境知识的获取与应用能力}的需求为{0.852, 0.393, 0.348, 0.741, 0.274, 0.230, 0.141, 0.541}。从该结果, 大致可以判断出该需求任务对于分析和决策能力的要求最高, 其次是交际和谈判能力, 环境知识的获取与应用能力等。

在项目中具体到每个任务时, 需要将每个任务分类到任务类型中去, 以获取它的性格能力需求值。

· 人员性格因子与性格能力的关系

对于性格因子与性格能力之间的关系, 设计了53道题目由被调查对象选择该题中的性格因子和性格能力之间是否存在关系:正向关系, 负向关系或者无关系。正向得分为+1, 负向得分为-1, 无关得分为零, 累积计算, 允许负分。

例如问卷中某问题为:你是否认为敏感, 感性思维能力强与分析和决策能力之间存在联系?A.是的;B.不是;C.不一定, 选择A项则在I+与分析和决策能力的关系框中加一分, 选择B项则减一分, 选择C项则不影响。

对于最后得分为0以下的项, 因题目设计的初衷, 将其结果忽略。将剩下的因子进行归一化, 即用表中出现的最大数去除所有项, 最后得到下表, 性格因子与性格能力关系表由表3所示。

例如, 李明完成16PF-5性格测试, 得出结果值为:A+, Q1+, 将其应用到表2上去, 得出李明的性格能力为{协作和管理能力、交际和谈判能力、毅力和承压能力、改革和创新能力}, 得分分别为{0.126、0.874、0.133、0.385}。根据这个结果, 他最可能拥有的能力是交际和谈判能力, 因为得分最高, 其次是改革和创新能力, 再者是毅力和承压能力, 协作和管理能力。仅根据这个结果, 我们也可以大致判断出来李明大致适合调研、需求、技术支持等需要交际和谈判的任务。

2.5 匹配算法

(1) 技术能力匹配算法

我们综合考虑技术能力和性格能力两个方面的匹配, 技术能力的匹配不是本文关注的重点, 具体方法参照文献[7], 算法描述如下:

人员技术能力集合为PC={SC1, SC2, …, SCn}

任务的技术能力需求为TC (Task Capabilities)

TC={ (SC1, must) , (SC2, must) , …, (SCm, must) } (3)

SC代表技术能力三元组SC= (domain, skill, level) , TC中的must代表该项技能是否是任务的必须能力 (1代表必须, 0代表非必须) 。

两者的匹配度R1为:

undefined

其中PC∩TC是在人员的某项技术能力满足任务的技术需求之上, 两者的交集, 如果任务的某项技术能力需求是强制要有, 而该人员又不具备, 则R2=0。技术能力匹配算法的输入是任务的技术能力需求和人员的技术能力, 输出是技术能力匹配的得分。

算法的伪代码如下:

(2) 技术能力匹配算法

任务性格能力需求与人员性格能力的匹配, 算法描述如下:

人员性格能力向量为PM (Personal Mentality) , 任务性格能力需求向量为TM (Task Mentality) , 两者的匹配度R2为:

undefined

其中PM′是PM的一个调整, 如果人员的某项性格能力PM[i]超过任务性格能力的需求TM[i], 则PM′[i]=TM[i], 该调整使得在向量相似度计算中, 可以规避该项性格能力的误差。匹配算法的输入是任务的性格能力需求和人员的性格能力, 输出是性格能力匹配的得分。

算法的伪代码如下:

以上面提到的李明的性格能力为例, 同9个任务类型的匹配程度如表4所示。

匹配分值的高低也证明了之前对李明的任务选择的一个推断, 大致适合调研、需求、技术支持等需要交际和谈判的任务。

(3) 综合匹配算法

综合考虑两种匹配, 最终的人员同任务的匹配度R为:

R=R1×W1+R2×W2 (6)

式中, W1和W2分别为匹配过程中性格能力的权重和技术能力的权重, 目前采用同等权重的方式, 即undefined。所以最终匹配结果采用如下公式进行综合:

undefined

3 工具和实验

我们开发了相应的原型工具并通过内部实验的方式来验证方法的有效性。该原型工具基于B/S架构, 非常便于用户的使用和数据收集。

工具架构图分为三层, 如图4所示, 数据管理层包括技术、性格能力的数据管理, 任务、人员的数据管理, 任务匹配的数据管理;匹配算法层包括综合匹配策略的植入和动态配置;结果展示层包括心理测试界面, 技术、性格能力展示界面, 任务、人员的管理界面, 综合匹配结果展示界面。

普通用户通过Web登录后即可进行16PF-5性格测试, 输入自己的技术能力等操作, 管理员通过Web登录后可以编辑任务信息、查看人员信息并进行人员分配操作。

用户进行心理测试以后, 系统会根据之前收集分析得到的性格特征与性格能力的映射关系计算得到用户的性格能力。通过之前的匹配算法, 系统自动为管理员提供适合指定任务的优选人力资源列表。

例如:调查表明微软产品支持任务的技术能力需求与性格能力需求分别如表5和表6所示。

以员工angel, jeff, bill三人为例, 他们的技术能力和性格能力如表7和表8所示。

如图5所示, 系统根据式 (6) 自动对“微软产品支持”任务的适合人员进行匹配和排序, jeff的匹配分数最高。

我们利用该工具设计进行小范围的实验, 设计一个包含九种任务类型共32个任务的项目, 11位软件开发人员参与实验。通过实验访谈与信息回馈, 我们得出以下结论:

(1) 项目负责人普遍认为, 该工具在任务分配时为其提供有效的辅助, 减轻工作量的同时也加深了其对员工综合能力的了解。

(2) 软件开发人员普遍认为, 任务的分配结果令人满意, 认为这样的分配符合其个人的综合需求, 可以提高工作效率。同时部分人员认为可加深其对自己各项性格能力的理解和掌控, 也为自己未来的职业规划提供了良好的建议。

由于软件项目的复杂性, 我们在实验过程中尽量控制其他变化因素以凸现方法对项目的影响, 同时对实验结果目前也仅进行定性评价。

4 总结与展望

该方法考虑了软件项目中技术能力和性格能力两方面的因素, 即在考虑软件任务的技术能力需求的基础上, 加入不同任务对任务承担者性格能力上的需求。通过挖掘软件过程中人力资源的性格特征, 最终通过综合的匹配算法, 使人力资源调度的任务分配模型变得更合理。实验的反馈证明该方法可以在人员任务分配时提供决策支持, 提高分配的准确性和人员的满意度。

鉴于软件过程的复杂性, 文中综合匹配算法的适用范围存在一定的局限性。例如匹配计算中技术能力和性格能力的权重分配在不同行业、不同项目、不同能力成熟度的组织里都会有所差别;同时还可以挖掘软件过程中更多的可优化因素, 例如人员对任务的主观选择意愿等。方法目前只考虑单一任务的人员匹配, 如何进行多任务的人员全局优化分配也将是下一步的工作重点之一。

摘要：依赖主观判断和个人经验的任务人员分配方法具有不稳定性和不可靠性, 直接导致较低的人力资源利用效率。已有的资源调度方法对人力资源的复杂性和能力差异性考虑不足。提出了一种支持软件项目资源调度的任务人员优化匹配方法。方法将心理学与软件项目管理进行结合, 通过挖掘人力资源的性格能力属性, 综合技术能力属性, 对任务人员的匹配过程进行优化。工具和实验表明, 方法可为项目管理人员进行任务分配时提供有效的决策支持。

项目匹配篇5

这篇研究主要就是涉及在面试的三个阶段所感受到的人-职务匹配和人-组织匹配。这三个阶段包括面试初始阶段、面试决定阶段和选出阶段。446名大学生应聘者的实验说明：

1、在初始面试阶段，人-职务匹配比人-组织匹配在感受度上要强。

2、人-职务匹配的重要程度在最终面试阶段和一次面试阶段中的重要性在下降。

3、人-组织匹配的重要性在最终面试阶段和一次面试阶段中的重要性在提升。正文：人-职务匹配的愿望一直是组织行为学、工业或者组织心理学研究的兴趣之一。通常人-环境的匹配包括，人-职务匹配，人-组织匹配，人-职位匹配和人-团队匹配。人与环境匹配的维度对研究动机、职业选择、职业准备，工作适应、工作满意、工作绩效，以及选择决策管理。

在众多匹配中，人-职务匹配和人-组织匹配是最常见的。人-职务匹配、人-组织匹配经常和选择标准、任职推荐、工作满意度、工作压力、组织承诺、组织身份、绩效、员工参与、离职意向、职业变更相联系以研究其效度。尽管匹配研究经常使用面试作为收集数据的策略，但是在面试不同阶段的人-职务匹配、人-组织匹配的重要性研究却没有被重视。本研究弥补了这一不足。

这个研究可以说对匹配和面试的文献做了双重贡献。首先，本研究揭示了在面试的三个阶段，人-职务匹配、人-组织匹配是如何被感知感知到得；第二，本研究描绘了在面试的三个阶段，两种匹配的相对重要性。这些可以促进匹配研究去匹配和选择变量的检验命题。例如，如果人-组织匹配在面试中被认为比较重要的话，研究者会建议我们去研究人-组织匹配如何影响以后的面试阶段，而不是人-职务匹配。

假设：

以前的研究似乎表明，在一系列选择阶段中，与工作相关的特质和客观的条件是应聘者在初始面试阶段思考的问题。实际上，研究显示，不同的面试阶段可能考虑不同的标准。Bretz(1993),kristof-brown，发现，尽管应聘者考虑人-职务匹配和人-组织匹配，但是人-组织匹配较少涉及。Bretz采访了大学里的应聘者，发现他们申请工作中，大多数人考虑的还是人-职务的匹配。这些学者认为，之所以出现人-组织匹配被忽视的情况，是因为在大学中，应聘者习惯性地将人-职务匹配作为重点。他们也认为，在初始面试后，人-组织匹配将会被重点考虑。kristof-brown的研究发现，人-职务匹配比人-组织匹配在解释收到面试通知中占了较大的解释比例。这表明，在初始面试中，人-职务匹配比人-组织匹配重要很多。Adkins的研究证明了，人-组织匹配在接下来的面试中可能是一个使用的标准。他们使用了团体的大学生应聘者，发现了在人-组织匹配和第二次面试邀请之间的微弱关系。

上面的研究表明，应聘者在面试的不同阶段都会寻找不同的匹配的线索。特别是，在初始面试阶段，人-职务匹配是最重要的面试考虑线索。还有以下的问题未解决：

1、在不同的面试阶段，人-职务匹配、人-组织匹配的重要性；

2、在不同阶段各维度的相对重要性。本文重点研究剩下的疑问。

在只有一个面试过程就决定录用的情况下，我们假定一次面试一定将人-职务匹配看得相对重要。一次面试相比最后面谈将人-职务匹配看得重要，而相比初次面试，可能稍微差一些。另外，一次面试将人-组织匹配看得重要，相对于初始面试而言，但相对最终面试而言可能还差点。如果固定面试时间长度，通过定义，我们知道将时间用在人-职务匹配维度上肯定减少了用在人-组织匹配上的时间。基于此，我们提出如下假设：

假设1：感知到的人-职务匹配、人-组织匹配的重要性在面试的不同阶段都会随之变化。感知到的人-职务匹配的重要性会在初次面试阶段之后递减。感知到的人-组织匹配的重要性会随着面试阶段的推进而提升。

假设2a：感知到的人-职务匹配、人-组织匹配的重要性都会随着面试阶段而变化。在初始面试中，人-职务匹配比人-组织匹配重要。

假设2b：……在最后面试阶段，人-组织匹配比人-职务匹配重要。假设2c：……人-职务匹配在一次面试过程中比人-组织匹配重要。研究方法：被试：略

数据深入探讨：针对面试的三种情景我们设计了三种版本。让被试回答

422 道相关的题目。

职务相关（P-J）：这里有28项应聘者特征设计到与职务匹配相关，这里包括了六个领域：知识储备、技能、能力（KSAs）、工作兴趣、工作特征、和工作项适应的人格特征。知识领域由三个题目来测量：应聘者最主要的专业课程、应聘者的工作知识、应聘者主要的工作相关经验。技术和能力由九个题目来测量：问题解决技能、社会技能、使用相关工具和设备的技能、书写技能和言语技能、个人管理技能、时间管理技能、数量技能以及记忆能力。他们是从Occupational Information Network(O*Net)中选择出来的。实际上，大多数的技能和能力题目是可以互换的。因此，这些题目的设计必须基于对相关应聘者类型的充分理解。简单的举几个例子：KSA领域，应聘者在大学学习的课程是否和工作需要相匹配等。

应聘者的兴趣分布采用霍兰德的六角形模型。现实型、常规型、经营型、研究型、艺术型、社会型。简单的例子：应聘者对于需要高度分析、复杂化和强调专业思考的职务是否感兴趣。工作特征来自理查德·哈德曼（Richard Hackman）和格雷格·奥尔德汉姆（Greg Oldham）的工作特征模型。

1）技能的多样性（skill Variety）：也就是完成一项工作涉及的范围。包括各种技能和能力。

2）工作的完整性（任务同一性task Identity）：即在多大程度上工作需要作为一个整体来完成——从工作的开始到完成并取得明显的成果。

3）任务的重要性（task Significance）：即自己的工作在多大程度上影响其他人的工作或生活——不论是在组织内还是在工作环境外。

4）主动性（Autonomy）：即工作在多大程度上允许自由、独立，以及在具体工作中个人制定计划和执行计划时的自主范围。

5）反馈性（Feedback）：即员工能及时明确地知道他所从事的工作的绩效及其效率。

一个简单的例子：应聘者期望的工作主动性是否可以被工作本身提供。人格指标用大五人格理论。简单举例：应聘者是否有高度的责任心、可靠性和独立性。

所有的人-职务匹配题目是这样的：它们是工作的要求；它们是对应聘者的要求；它们被认为是工作和职务之间的匹配；它们容易懂。与组织匹配的指标（P-O）：14个项目，有11个测量价值的，三个测量目标的。7个价值项目来自于组织文化刨面图（OCP），包括：革新性、稳定性、尊重员工、结果导向、注重细节、进取性和团队导向。4个价值项目来源于Ravlin和Meglino，包括：公平、诚实、帮助他人以及成就。目标项目三个来自于Van Vianen：奖励、努力以及竞争。

人-组织匹配是这样操作的：它们是组织重视的工作价值或目标；它们是应聘者具备的价值和目标；它们被认为是应聘者和组织之间的匹配；它们容易被理解。

为了避免使被试认识到这些项目的分类从而产生反应定式，所有的项目都是随机分配的。不同的面试情景，让被试选择自己最关注的十个问题。评分是五点评分的。

其他变量：为了检测一个直接的提问是否能够起到和42个项目一样的效果，这里我们设计了问题：当你主持一场初始面试，你认为哪一种匹配更重要：人-职务匹配还是人-组织匹配。五点几分。分别是：我只认为人-职务匹配重要；我认为人-职务匹配比人-组织匹配重要；我认为两者同样重要；我认为人-组织匹配比人-职务匹配重要；我只认为人-组织匹配重要。

其它变量包括：性别、年龄、种族、地位，面试经验，生涯服务、组织类型和组织规模、职业占有周期以及实习工作与否。

研究步骤：

被试的反应是通过三种方式获得的，校园招聘、工作招聘会、以及邮寄。接近招聘人员的第一种方法是通过校园招聘。我们要求生涯服务机构将三种不同的问卷随机分发给同一天来自同一组织的招聘人员。随机化是所有调查的基本要求，通过这种方法，我们分发了……在工作招聘会中，生涯服务机构的人员说服招聘人员参加我们的调查。至于邮寄，是找有校园招聘经验的人，让他们将邮件交到学院的生涯服务机构。

每个被试被要求填写三种问卷中的一种。有指导语使他们熟悉他们的角色和任务。例如，告诉他们，他们在某一种面试阶段，是主持面试的人员，要从20人选出5人。假设他们手中有这些人的简历。告诉他们必须在30分钟内选出十个对决定录取最重要的问题。

结果

数据显示，28个人-职务匹配的平均数和14个人-组织匹配的平均数有显著而高相关。（r=.63, p<.01）。实际上，单因素分析显示，评估者对评级有影响，也表明，两者之间的高相关可能有评估者夸大或缩小评级有关系。评分者效应使人-职务匹配和人-组织匹配的关系显得模糊。为了排除这样的影响，42个评级都被标准化了，然后显示出了一个显著相关-1（r＜0.1）。（见表1）

不同面试阶段分析：

假设1是为了验证人-职务匹配的重要性从初始面试到一次性面试，或者到最终面试，是不断递减的。相反，人-组织匹配的重要性是从初次面试到一次性面试再到最终面试阶段逐渐递增的。因为数据进行了标准化，人-组织匹配的回归系数和人-职务匹配的回归系数是一致的，除非相关系数或T检验颠倒了。因此，表2中只有人-职务匹配才显示了。为了验证这样的假设，被感知到的人-职务匹配（28个项目的标准化分数的均值），三个面试阶段被用作虚假变量，插入做回归因子。独立问题也是作为一个独立的变量，也是为了检测它和题目是否一样。

表1 假设1部分被证实。标准化的回归系数，比较初始面试和一次面试，结果显著相关（-.030,p<.05)。这表明，相对于初始面试阶段，一次面试阶段，人-职务匹配更重要，也就是说，人-组织匹配在一次面试阶段比人-职务匹配重要。标准化的回归系数，比较初始面试和最终面试阶段，-.045(p

初始面试的经验对感知到的重要性也有调节作用。我们可以这样认为，一般来说，感知到的人-职务匹配的重要程度，初始面试不如一次面试。但是，拥有较多初始面试经验的人并不这样认为。

假设1中最终面试阶段和一次面试阶段的比较没有被证实。这一段翻来覆去说的意思就是，一个人在某一面试阶段的经历越多，它对相应的匹配看重的程度就越高。

而且，直接问题显示不能区分三种面试情景的区别。直接问题不如多元化评价有作用，所以现在的研究者都是用多元化评分研究的。

不同面试阶段数据分析：

用T检验看三种面试情景之间的比较。结果显示。假设2a被证实。其它没有被证实。

讨论：

研究显示，在一系列面试中，人-职务匹配在初始面试中比人-组织匹配更被看重。越接近录用，人们对人-组织匹配越重视。也发现只有一次面试的时候，相对于初次面试。人们对人-组织匹配的重视比对人-职务匹配的重视高。但是人-组织匹配在一次面试的阶段没有显著高于人-职务匹配。

以前的研究发现了人-职务匹配的重要性。我们的研究则发现了从初始到最终面试阶段，人-组织匹配越来越重要。尽管没有发现人-组织匹配在任何一个阶段比人-职务匹配重要，它的重要性还是看出来了。这似乎说明了，组织在寻找与组织性格相符的员工来适应不断地工作变化。

人-职务匹配在初始面试阶段比较重要，说明在此阶段，招聘者使用的是与工作有关的筛选策略。这也许能够解释为什么在校园招聘中，一些研究者发现人-组织相关只和第二次面试邀请有微弱关系。校园招聘者往往都是初始面试，他们自然将人-职务匹配放在主要考虑的方向。当人-组织匹配的变量不重要时，它和其它变量的关系不会显示出来。这建议我们，当研究初始面试时，可以不考虑人-组织匹配的影响，在其它面试阶段才考虑它的影响。

这次研究也描述了用直接询问方式评估匹配度的可能性。结果表明，当没有给招聘者明确匹配的含义时，他们只能根据他们的理解去猜测匹配的意义，直接问题不能和多元化项目相比，它只能测量出招聘者的主观意识。

单一项目和多元项目测量可能给主观匹配和客观匹配提供思考。主观匹配直接询问员工感受到的自己和组织之间的匹配。客观匹配是说，采用各种测量根据，检测客观匹配。这次研究支持采用客观评估，也就是用多元化的匹配维度测量。以前有的研究采用的是直接询问，但是也用了其它样本比较，以此来保证结构效度。这次研究指导我们日后研究采用多元化的项目方式。

研究优势和缺陷

匹配型阅读练习篇6

1. Bob has moved to a new city recently. He wants to establish new friendship with others and is confused as to how to make new friends.

2. Cathy has been quite busy these years and finds no time to see her beloved family members. And she comes to realize that she is gradually far away from her family.

3. John has entered business recently. He is eager to learn how to follow certain general business rules in the social communications.

4. Lynda is friendly and talkative. However, she finds that sometimes her friends are not happy with her. She wants to be more popular with her friends.

5. James is a sales manager. He is going to give a lecture on how to be a good salesperson next week and now consulting the relevant information on the Internet.

Friendships can profoundly affect the physical and mental health of both men and women. Studies show that people who have no friends or who are lonely, die earlier, get sick more often and weather transitions with greater physical wear and tear than those who have a support system of friends.

In Business settings, it’s really easy to forget to take the time to say Thank-You, and yet, it’s an important part of interaction with others. It’s important to people that they feel valid, important, and respected. Just as saying sorry matters, so does remembering to thank those who help you move forward. Here are some tips and ideas.

Email your new friends with fun things to do instead of always asking what their plans are. If they have a better plan you can always still drop yours and join them. This will help establish you as someone who is contributing value instead of just taking it (people want this in a friend).

If you have loved ones you don’t see every day, get out of your house and go visit them. Just being in their presence, making the effort to connect with them, that’ll go a long way to making human connections. Talk with them, share, bond. When my Auntie Kerry died, my family here on Guam immediately got together, and just being in each other’s company in such a time not only brought us closer together, and gave us that release of emotions we needed, but made us feel better during our time of grief.

A key sales (and life) lesson is simply this: just because you don’t get a response, that doesn’t mean the other person isn’t interested. Although we all dislike the pushy salesperson who goes for the hard sell at our expense, I’d say the majority of people are too passive. The assumption usually is: if people don’t respond immediately or come to me, it means they aren’t interested in what I have to offer.

Too often we get into the habit of coaching and not listening. The best way to let your partner know you are listening is to ask how she or he “feels” about the situation. Once they begin sharing, your job is simply to shut-up and listen. Offer acknowledgments and affirmations from time-to-time to demonstrate you are engaged with what is being said. Only give your opinion or advice if asked.

基于模糊匹配的多级车牌匹配技术篇7

随着智能交通技术的发展,城市交通管理系统和公路交通管理系统的自动化、智能化水平在不断提高,视频监控设备、电子拍照设备、移动监测设备被广泛地布设在路网中的观测站、收费站及重要路口,通过车牌自动识别技术可以从这些设备获取图片、视频中提取车牌信息。当前,我国城市路网和国道、省道等公路网每天都在获取超过百万计的车辆检测信息,包括车牌号、车辆通过路口的时刻、路口ID等。然而这些信息却没有得到足够的重视和高效的利用,当前的车牌利用停留在车速测量、不停车收费、交通违章的初级阶段,未能从网络化、全局化、轨迹化的角度来分析利用车牌数据,造成了车牌资源的很大浪费。

近年来,ITS技术的发展使牌照自动识别技术更加完善,车牌捕获率和识别率有了显著提高,车牌号作为全世界惟一对车辆身份进行识别的标识,它的特殊性和重要性决定了车牌识别系统成为城市智能交通管理系统中不可或缺的重要组成部分。通过对比同一辆车经过上下游路口车牌被识别到的时刻,可以对一辆车连续通过两个路口的旅行时间进行计算[1],可以分析该路段的交通状态[2,3]、延误、路段服务水平等交通分析评价指标,还可以分析车辆的出行轨迹[4]等,而这些分析的前提是要对得到的车牌号进行匹配、处理。

现在的车牌识别系统虽然有了很大的发展,但是由于车牌的污损、模糊、遮挡、天气等原因,识别车牌的准确率达到100%是不可能的。如果车牌没有被正确读取,精确的车牌匹配会损失掉这部分数据,影响后续工作的完成,因此选用合适的方法对车牌进行匹配显得尤为重要。

本文设计的车牌匹配方法采用多级匹配策略:一级匹配,限定车牌经过上下游交叉路口的时间间隔;二级匹配,车牌模糊匹配、设定阈值,增加匹配成功率;三级匹配,异常数据剔除。通过北京市某路段的实测数据进行验证。图1为车牌多级匹配流程框架图。

1 限定时间间隔

车牌数据为车辆通过停车线后检测区域时识别得到,车辆通过每个路口时,其车牌将被识别并存储。车辆正常行驶,经过上下游路口的间隔时间是在一定范围内的,如果间隔时间过大,则不能进行有效地车牌匹配数据。原因在于:上下游交叉口获取的相同车牌数据可能来源于车辆的二次出行,甚至是多次出行。在限定的时间间隔内进行车牌匹配,可以有效地减少这种情况的发生。对于交通量大的路口,每天都有海量的车牌数据,在匹配之前限定范围,可以大大减少车牌匹配的工作量,加快匹配速度。车牌识别系统中可能出现如“京A12345”、“京A12845”,这种情况有可能源于车牌系统识别错误,将3识别为8,也有可能本身就是两个不同的车牌,限定时间间隔可以减少这种情况出现的匹配误差。限定车牌经过上下游交叉路口的时间间隔可以很好地提高基础数据的质量。

假定当前路口有一要匹配的车牌A,在下游路口选取10 min(可以根据上下游路口的路段长度及交通状况等进行调整)内的车牌数据进行匹配,这样减少了匹配的工作量,同时提高了匹配的准确率。

2 模糊匹配算法

现阶段的车牌匹配大多采用精确匹配,车牌的精确匹配是指查找的车牌与搜索到的车牌完全相同,是最理想的匹配方式。但是,这种方法匹配要求严格,存在一些弊端,当车牌识别错误时,无法返回匹配结果,不能满足研究的需要,故需要寻找一种匹配率较高的方法。

车牌其实就是一串字符串,可以通过研究各种字符串的匹配算法实现车牌的匹配。字符串匹配[5]可以分为精确匹配和模糊匹配。本文的车牌匹配采用后一种,即模糊匹配[6]。

2.1 编辑距离的定义

本文拟采用“编辑距离”[7,8]的概念实现模糊字符串的匹配。通俗地讲,编辑距离算法是指两个字符串之间,由一个字符串通过一些编辑操作可以变换成另外一个字符串所需要的最少编辑次数。这里的编辑操作包括从字符串中删除、插入、更改一个字符,称为一个编辑距离,它能够体现两个字符串的差异。

起始的编辑距离是0,然后操作一次编辑距离就加1,直到这个字符串已经完全变成另外一个字符串。操作的次数越多,那么编辑距离就越大,最少操作次数代表了最精确的操作,也就是变换过程中的最优解。

例如将变换成 ,可以按照这样的步骤转变:

( 1 )将kid中的第三个字符d变成n ( kid→kin );

(2)在kin的后面添加g(kin→king)。

经过了2次编辑操作,那么kid到king的编辑距离为2。

通过计算编辑距离,可以得出最佳匹配。

2.2 算法实现

车牌字符串具有如下的特点:

(1)汽车牌照的位数固定,一般为7位,最多的如武警车牌(WJ01-12345)等极少数为9位。

(2)对汽车牌照进行模糊匹配时与字符串有所不同,字符的匹配顺序不能颠倒。

基于车牌的特性,车牌匹配的编辑操作不能有删除、插入,只考虑从字符串中将一个字符改为另一个字符的操作。

假设现在已求得A的前i - 1个字符编辑成B的前i - 1个字符的最短编辑距离,此时如果A、B的第i个字符相同,显然无需任何字符操作就可以在原来的基础上得到A、B的前i个字符相同 ,此时的编辑距离就是D(i) = D(i - 1) ;如果A、B的第i个字符不相同,则可以通过更改A的第i个字符为B的第i个字符,此时也可以在原来的基础上使得A、B的第i个字符相同,由于只做了一个修改操作,因此D(i) = D(i - 1) + 1。

综上所述D(i) 的递推公式如下:

假定待匹配的车牌号是A,它是一串字符串设为A{a1,a2,…,ai,…,am}( 7 ≤ m ≤ 9),在数据库中等待要匹配的车牌号有n个 ,放在集合S{B1,B2,…,Bj,…,Bn} (0 < j ≤ n) 中 ,每一个车牌号是一串字符串设为Bj{b1,b2,…,bi,…,bm} ,将字符串A中的一个字符编辑成字符串Bj所需的最小操作数记为D(A,Bj)。

算法的思想是将待匹配的车牌号A的第一个字符与数据库中的Bj的第一个字符进行匹配,若相等,则D(1)= 0;若不相等,则D(1)= 1。继续比较A的第二个字符和Bj的第二个字符;依次比较下去,直到字符串匹配完成,得到A和Bj的编辑距离D( j)。车牌数据库中有n个待匹配的车牌,需要依次求出A与这n个车牌的编辑距离,编辑距离越小,其匹配度越高,要想得到一个与A匹配度最高的车牌,需要取A和Bj的编辑距离的最小值, 即D(A,Bj)= min{D( j)}。

用C#代码来实现A和某一Bj的编辑距离,如下:

2.3 匹配方案

如何从海量的数据库中搜索出需要匹配的车牌。解决这个问题之前,必须首先解决串的相似性如何定义。俄国的Vladimir Levenshtein在1965年就提出了用编辑距离[5]的概念来描述两个字符串的相似程度,因此编辑距离又称Levenshtein距离。编辑距离越小,其相似程度越高。编辑距离越大,其相似程度就越低。假设字符串的最大长度为L,编辑距离为D(A,Bj),相似度为S,那么:

在当前技术下 ,车牌识别系统的识别率达不到100% ,在车牌识别中可能将车牌“京CE0192”识别为 “京CEQ792”,这实际为同一车牌,为了提高匹配的效率,设定其相似度在一定的范围。将阈值设为0.6,即S > 0.6时,两个车牌之间是匹配的。其中S = 1时,A到Bj的操作次数是0,也就是完全匹配。

在交通流量比较大的路口,车牌数据比较多,每一次匹配都是海量数据,车牌匹配速度的快慢影响其设计系统的效率。车牌具有一些其他字符串没有的特性,“京B12345”和“京C83345”在第4个字符时编辑距离为3,相似度已经超过了设定的阈值0.6,为了提高速度,这两个车牌没有必要匹配下去,可以大大的提高其效率。

3 异常数据剔除

经过上述方法匹配之后的车牌,依然会出现异常数据,这些异常数据可以用行程时间来进行剔除。出现异常行程时间数据主要有以下因素:系统误差,由于采集车牌装置出现误差;异常交通行为,车辆在道路上偶然停车、车辆从道路上离开正常行驶轨迹等。一些异常的交通行为对交通流量产生震荡,从而导致行程时间突变。这些数据都会显著影响对路段旅行时间的估计,需要应用一定的筛选算法将其从数据中剔除,以便提高输出数据的质量。

四分位数法[9](Quartile)是统计学的一种分析方法, 用于描述任何类型的数据,尤其是偏态数据的离散程度。简单地说,就是将全部数据从小到大排列并分成4等分,处于三个分割点位置的数值就是四分位数,使用四分位数间距来反映变异程度的大小。其中,四分位数间距指的是:上四分位数与下四分位数之差。相关文献给出了一种基于四分位数法的异常数据的处理方法:凡是超出此区间范围之外的数据,都被认为是异常数据需要剔除:

式中:Z表示有效数据区间;Q0.25表示位于1 4位置的数值,叫做下四分位值;Q0.75表示位于3 4位置的数值, 称为上四分位值;R表示四分位极差。

四分位数法的计算比较简便,计算速度较快,图2为四分位数法处理前后的效果。由图2可以看出,通过四分位数法可以较好地处理掉旅行时间过大或过小的异常数据,为后续的统计分析等提供高质量的基础数据。

4 实例分析

利用北京市利泽东二路口北向南和利泽东街口北向南的实测车牌识别数据进行三级匹配策略的实例分析,路口情况如图3所示。

利用文中设计的匹配算法,对2014年2月6日24小时内经过两个路口的车牌进行匹配。经人工匹配成功的有110对,经多级匹配之后成功的有106对,精确匹配的只有88对。

设定该路段的时间间隔为10 min,车辆京K06276在09:22:55经过利泽东二路口,在18:49:55经过利泽东街口,间隔时间大于设定的路段时间间隔,该算法可以很好地避免这种情况下的错误匹配。

按照设定的相似度阈值,匹配结果(去除精确匹配部分)如表1所示,为了对比实验结果,人工做了车牌的匹配,匹配结果(去除精确匹配部分)如表2所示。

实验结果表明,精确匹配的匹配率为80%,如果只通过精确匹配,则会遗漏掉表2中的数据。多级匹配的匹配率为96.36%,比人工实际的匹配结果少了4对,这4对车牌的相似度依次为0.43,0.43,0.29,0.57,超过设定的阈值,仅占整个匹配车牌的3.64%,说明设定的相似度阈值0.6是合理的。相似度阈值设置过小,会导致一些车牌不能匹配,达不到理想的匹配率。阈值设置过大,会导致匹配的错误率提高,速度降低。

5 结语

基于层次式匹配的最佳路径匹配算法篇8

随着电子地图和导航系统的迅速普及,城市内出行变得越来越方便。但是现有导航系统的缺陷———单纯以几条固定路径的导航选择并不能让很多出行者绕开拥堵路段,而且还使得某些拥堵路段更加拥堵。另外,大量的定位系统使各个系统保存了大量的轨迹数据,如何从这些轨迹数据中挖掘有效信息,从而给不同爱好的出行者提供更加合适的出行线路是当前城市计算领域研究的热点之一。

路径优化是路径规划的核心问题,目前最有影响力的流行算法是Dijkstra在1959年提出的最短路径算法,Dijkstra算法,用于寻找两个点之间的最短路径。但是由于其算法的计算复杂度太高。很多学者对该算法进行了改进,提出了基于启发式搜索的A*算法以及基于记录历史路径的D*算法。因此,在城市内汽车保有量的不断剧增,以及影响交通情况的诸多因素影响下,上述研究方案在实际使用过程中并不能发挥很好的作用。

二、算法框架

本课题旨在以城市内的出租车定位轨迹数据为基础进行数据挖掘,挖掘城市内两个站点之间的最佳路径。为了实现这个目标,本文将从两个目标角度对出租车定位数据进行挖掘。首先,根据轨迹数据统计每个路段在不同时间段的进度和出度,并在此基础上计算基于信息熵的聚类分析,以构成整个城市的不同交通集中区域;接着,根据区域间的相连轨迹固定每个区域之间的最短距离,结合每个区域所在位置到区域出口之间的路径,就可以得出两个点之间的最佳路径规划。

为了提高检索效率,本文采用分层处理方式来提高检索速度,即按不同层次对整个城市进行逐层划分,从而使得整个城市的空间区域变成一个典型的树结构。按照上面的实现思想,本系统的实现流程如下:

(一)数据初始化

系统先将出租车轨迹数据(定位信息)按照每个路段划分成路径片段,即出租车经过每个路段的信息(路段编号,进入时间,离开时间),并导入公路网络信息。

(二)基于信息熵的区域划分算法

每个路段都有入度和出度(由于路段内有停车场或小区,单位时间内出度并不等于入度),如果将单位时间内每个路段的出入度之差作为该路段在该单位时间的信息熵,那么一些相邻路段之间的组合就是区域,如果将每个区域的向外的出入度之差作为该区域的信息熵,那么城市区域的划分就是将这些路段组合起来,使得整个系统的信息熵最低,就是我们所需要的区域划分。

(三)构建基于轨迹频繁模式挖掘和层次匹配的最佳路径模式库

按照传统的轨迹数据挖掘算法将出租车轨迹数据进行频繁模式挖掘,然后将挖掘获得频繁模式来构建两个点之间的最佳路径。其实现过程可以分为以下几个步骤:

1.按照上一个阶段获取的区域,结合历史轨迹数据,挖掘任何两个区域之间在不同时刻的最佳频繁路径,构建模式库;并确定每个区域连接其他区域的出入口,将其定义为关键点。

2.根据轨迹数据挖掘区域内不同时刻内、每个路段到每个关键点的最佳频繁路径模式。

3.上述两个模式集合构成整个最佳路径模式库。

(四)层次式最佳路径模式库的搜索

1.一旦用户输入起始位置和目标位置之后,系统会自动根据当前时间以及对应特征(比如周末、非周末等)进行路径频繁模式匹配。整个过程将以顶层为参数按照下面的流程递归调用。

2.将传入层作为当前层,系统按照输入的起始点和终点判断两个点是否处在同一个子区域。

3.如果两个点处在同一个子区域,且该区域已经没有子区域,那么直接对起始点和目标点进行匹配;如果匹配,则返回此两个点的匹配路径;如果还存在子区域,则递归进入下一层。

4.如果没有找到,则直接使用百度地图的路径导航。

随着电子地图、移动设备和定位技术的迅猛发展,越来越多的导航系统开始左右人们的出行。但是当前大多导航系统还停留在一些规定好的固定路径作为导航线路,这使一些拥堵路段变得更加拥堵。而本文则是采用历史轨迹数据挖掘,将大多数人采用的行走路径作为导航路径,这种方案给出行者提供更加灵活多变的优化路径。同时,为了提高历史路径的匹配效率,本文还采用层次式匹配思想来提高匹配效率,提供算法的实时性。

摘要：提出了以分段的轨迹数据为基础,结合时空数据挖掘技术,挖掘基于带时效的频繁模式。并基于这个频繁模式给出行者提供最佳的行车路线。同时,为了提高算法效率,提出了一种基于层次式模式匹配的思想,用分层的思想来过滤大量模式之间的匹配。

关键词：路径规划,交通控制,轨迹聚类

参考文献

图像匹配综述篇9

图像匹配是指通过特定的某种算法在某待测图像或待测图像的子图中 (也就是搜索图像) 寻找目标图像 (也称为模板图像) 的过程。一般情况下, 待测图像比较大, 目标图像稍小。由于视角不同、拍摄器材不同等都会造成同一物体在不同时间的成像也是不同的, 再加上噪声、旋转、干扰、图像预处理等对图像的影响, 无形地扩大了搜索图像和目标图像之间的差异, 从而增加了增加匹配难度。因此, 如何极速地检测出目标图像在搜索图像中的准确位置仍是图像匹配研究人员的重要研究方向。

2 关键技术

大量优秀的国内外学者都将自己的精力投入到图像匹配研究中, 因此产生了海量的图像匹配算法。这些算法各有优劣, 推动着图像匹配技术的发展。就这些算法来说, 图像匹配技术的研究及算法主要包含以下四个方面:

(1) 相似度。相似度是相似性度量的简称, 主要用来衡量待测图像和目标图像之间的相似程度。目前使用较多的相似性度量主要有:最小距离度量、相关函数度量及概率度量这三种。最小度量主要包含:Hausdorff距离、AD (绝对差) 、SD (平方差) 、MAD (平均绝对差) 及MSD (平均平方差) 等;归一化互相关函数、协方差函数、积相关函数等是主要的相关函数;概率度量则是一种相似比, 它是用后验概率来估算的目标图像与潜在待测子图间的相似度。

(2) 特征空间。提取待测图像及目标图像的部分特征或是主要特征构成特征空间, 然后通过对比特征空间进行匹配。所以, 构建合理而恰当的特征空间不但能提高图像匹配速度, 也能提升匹配精度。目前常用的图像特征主要有空间位置、点特征、图像边缘、纹理、颜色形状等。

(3) 搜索策略。搜索策略的优劣直接影响图像匹配的精度及速度。目前使用的搜索算法比较多也比较复杂, 有单一的某种搜索算法, 也有融合了几种算法的搜索算法, 还有一些是基于基本算法的改进算法。常用的基本搜索算法有遗传算法、粒子群优化算法、金字塔分层搜索法、鱼群算法等。

(4) 搜索空间。待测图像中所有的可能位置和变换后可能的匹配位置共同构成图像匹配的搜索空间。因此, 为了缩短匹配时间, 应尽量缩小搜索空间。

相似性度量函数和特征空间的选择主要影响匹配精度和算法的抗噪性及抗干扰能力。而搜索策略和搜索空间则将直接影响算法的匹配速度。

3 匹配评价

目前, 图像匹配算法缺乏通用性, 算法的好坏也没有统一的标准。我们一般主要从以下四个方面来评价图像匹配算的性能:

(1) 匹配概率。正确匹配的次数与总匹配次数之间的比值就是匹配概率, 它基于统计学的概率统计。一般情况下, 我们应该把算法的错误匹配率限定在一个比较小的特定精度范围内, 也就是说我应该尽量提升算法的正确匹配概率。匹配概率高低的主要影响因素有提取到的图像特征空间、匹配算法和匹配精度。提取的图像特征细而且密集, 那么匹配概率则较高, 但图像变换这缓慢, 匹配较慢。匹配算法也会影响匹配概率, 有些极端的匹配算法也会导致匹配概率接近零。

(2) 匹配精度。匹配的准确性就被称为匹配精度。匹配精度的计算方法有多种, 我们一般用匹配误差的均方差来表示:均方差小, 则匹配位置误差小, 匹配精度高;反之匹配精度低。匹配误差是指匹配算法得到的匹配位置和目标图像在待测图像中的真实位置之间的偏差。匹配精度的影响因素很多, 主要有噪声污染、干扰、变形、算法选择、适应度函数构造等。

(3) 匹配速度。图像的匹配速度是指匹配的时间。主要由匹配算法的本身计算量和算法的结构两部分决定。算法的本身计算量等于相似性计算量乘以待检测的匹配点。所以相似性计算简单, 且待检测点少, 那么相应的匹配时间久短。算法的结构主要是指算法是并行还是串行算法, 并行能较大程度的提升匹配速度, 但是并行算法的实现不但与算法本身设计有关, 还需要相应的硬件支持才能运行。虽然如此, 现在已经有很多学者已投身于基于并行算法的分布式图像匹配系统研究中了。

(4) 鲁棒性及通用性。实际应用中, 待测图像一般都是有噪声或是干扰等, 这就要求匹配算法具有较强的抗干扰和除噪能力, 这就是算法鲁棒性。目前, 没有一种图像匹配算法能适用于所有的图像匹配, 但是我们都希望匹配算法能尽量适合于更多的匹配需求。所以应尽可能提高算法的通用性。所以鲁棒性和通用性不是匹配算法质量最主要的评价标准。

4 结束语

图像匹配虽然起步较晚, 发展较快, 已经在理论和实践上取得了很大发展, 但它依然存在很多问题。比如相似度函数的设计或是选择, 图像特征的提取, 算法的构造等仍有很大的改进空间。我们仍在为设计出有强通用性、高匹配精度、高匹配概率、匹配速度快、强鲁棒性的匹配算法而努力。

参考文献

[1]戴涛, 朱长仁, 胡树平.图像匹配技术综述[J].数字技术与应用, 2012:174-176.

[2]蒋大林, 李林.图像匹配技术研究[C].计算机技术与应用进展, 2008.

[3]卜凡艳.数字图像匹配技术研究[D].合肥:合肥工业大学, 2010.

[4]王宏力.贾万波.图像匹配算法研究综述[J].计算机技术与应用进展, 2008:418-422.

[5]刘锦峰.图像模板匹配快速算法研究[D].广州:中山大学, 2007, (5) .

[6]Wu Gang, Wu Chun-feng.Target Location Method Based on Invariable Moment Feature Matching[J].Optics Precision Engineering, 2009, 17 (2) :460-468.

[7]孙仲康, 沈振康.数字图像处理及其应用[M].北京:国防工业出版社, 1983.

图像匹配方法综述篇10

图像匹配是图像信息领域之中的一项重要技术,同时也是其它一些图像分析技术,如立体视觉、运动分析、数据融合等的基础。正因为其应用的广泛性,新的应用和新的要求逐步产生使得匹配算法的研究逐步走向深入。因此,对现有匹配算法展开分析对于实际工程提高图像处理质量和识别精度具有非常重要的意义。本文分析了图像匹配常用方法的优点和不足之处,讨论了图像匹配中需要进一步研究和解决的问题。

2. 国内外经典的图像匹配算法

2.1 ABS(Absolute Balance Search)算法

ABS(Absolute Balance Search)算法的思想是用模板图像和待匹配图像上的搜索窗口间的像素灰度值的差别来表示二者的相关性。假设待匹配图像为F(x,y),而模板图像为G(x,y),并且待匹配图像大小为M×N,模板图像大小为P×Q,则在待匹配图像中共有(M-P+1)×(N-Q+1)个可能的匹配点存在,每个可能的匹配点对应1个P×Q的搜索窗口。因此匹配也可以是大小等于模板图像的搜索窗口在待匹配图像上按照某一顺序滑动,每滑动1次就进行1次模板图像和搜索窗口间的计算,以此来判断当前的搜索窗口是否匹配。如果差别小于预定的阈值,则可认为匹配成功;否则,就认为匹配失败。

一般来说,计算ABS值有3种算法。可根据不同的匹配场合来选择合适的算法计算:

此算法实现方便,但有局限性,一旦待匹配图像或是模板图像之一的灰度值发生线性变换,就无所适从了。不同的图像和模板有着不同的背景灰度值和不同的搜索窗口,所需的阈值也各不相同,很难事先选定阈值,因而误匹配率很高。这种算法只适用于待匹配图是模板图像中部分的情况。

2.2 归一化互相关匹配算法

归一化互相关匹配算法是一种经典的统计算法,通常写成NC(Normalized Correlation)算法。这种算法通过计算模板和待匹配图像的互相关值来确定匹配的程度。互相关值最大时的搜索窗口位置决定了模板图像在待匹配图像中的位置。互相关的定义如下:

NC算法有很高的准确性和适应性,并对图像灰度值的线性变换具有“免疫性”,不受灰度值的线性变换的影响。但应用时无法检测到准确的尖峰位置,这将使确定模板存在的准确位置变得很难。此外,其缺点是计算时间过长,可以通过其它的各种加速算法进行改进,如SSDA算法、图像金字塔等。

3. 图像匹配的三要素

所谓图像匹配就是把两个不同的传感器从同一景物录取的两幅图像在空间上进行对准,以确定两幅图像之间的平移以及旋转关系[1]。目前国内外对图像匹配的研究主要集中在三个方面,即图像匹配三要素:特征空间,相似性度量,搜索策略。

(1)特征空间

特征空间是由参与匹配的图像特征构成的,特征可以是灰度值,也可以是边界、轮廓、表面、显著特征、统计特征、高层结构描述与句法描述等。选择合理的特征可以提高匹配性,降低搜索空间、减小噪声等不确定性因素对算法的影响,提高适应性;

(2)相似性度量

相似性度量指用什么来确定待匹配特征之间的相似性,它通常是某种代价函数或者是距离函数的形式,经典的相似性度量包括相关函数和Minkowski距离,最近人们又提出了Hausdorff距离、互信息作为匹配度量;

(3)搜索策略

搜索策略是用合适的搜索方法在搜索空间中找出平移、旋转等变换参数的最优估计,使得图像之间经过变换后的相似性最大。搜索策略有穷尽搜索、分层搜索、模拟退火算法、Powell方向加速法、动态规划法、遗传算法和神经网络法等。

4. 图像匹配算法分类

图像匹配的算法很多,但基本原则是不变的:有效性,稳定性以及实时性。本文将匹配算法分为基于区域的匹配方法、基于特征的匹配方法、基于模型的匹配和基于变换域的匹配。

基于区域的匹配方法又称为基于图像灰度的配准方法,通常直接利用整幅图像的灰度信息,建立两幅图像之间的相似性度量,然后采用某种搜索方法,寻找使相似性度量值最大或最小的变换模型的参数值。基于图像灰度的配准方法不需要对图像做特征提取,而是直接利用全部可用的图像灰度信息,因此能提高估计的精度和鲁棒性[2]。但是它计算量大,难以达到实时性要求,而且一旦进入信息贫乏的区域,会导致误匹配率的上升。

基于图像特征的配准方法[3]需要对图像进行预处理,然后提取图像中保持不变的特征,如边缘点、闭区域的中心、线特征、面特征、矩特征等,作为两幅图像配准的参考信息。这类方法的主要优点是它提取了图像的显著特征,大大压缩了图像的信息量,使得计算量小,速度较快,而且它对图像灰度的变化不敏感。但另一方面,正是由于其不依赖于图像的灰度信息,这种方法对特征提取和特征匹配的错误十分敏感,匹配性能依赖于特征提取的质量,需要可靠的特征提取和鲁棒的特征一致性,匹配精度低于基于灰度的匹配方法。

基于模型的匹配方法在计算机视觉领域中的应用非常广泛,它可以分为刚体形状匹配和变形模板匹配[4]两大类。Kass提出的Snake主动轮廓模型是比较典型的自由式变形模板模型。由于不受全局结构的限制,所以Snake模型能表示任意的形状,但是该模型对于模板的初始位置和噪声比较敏感,对于凹边缘的收敛性较差,而且容易陷入局部最小值。

基于变换域的匹配的方法有基于傅立叶变换、基于Gabor变换和基于小波变换的匹配,这些匹配方法对噪声不敏感,检测结果不受照度变化影响,可以较好的处理图像之间的旋转和尺度变化。

5. 图像匹配性能评价指标

图像匹配的性能评价指标,主要用于评价图像匹配的性能,常用的评价指标包括:图像的匹配误差或匹配精度和图像匹配概率。

5.1 匹配误差与匹配精度

系统匹配的误差由最小均方根误差RMSE决定。RMSE越小,匹配误差越小,匹配精度越高[5]。

其中:{(Xi+Yi),i=1,2,3,…,N}与,i=1,2,3,…,N}为匹配控制点对;V*为最小均方差。

当尺度因子R=1且旋转角度θ=0或很小,即u=1,v=0,这时表示实时图像与基准图像具有相同的空间分辨率,且只存在平移变换或近似于平移变换,这时匹配误差为

对于多次匹配误差,常常用到如下几个误差指标(假设匹配可以视为独立的,且独立匹配的次数为N,,分别表示第次匹配的误差):

1)X方向的平均匹配误差

2)Y方向的平均匹配误差

3)X方向的匹配误差的标准差σX

4)Y方向的匹配误差的标准差σY