检索结果-内蒙古大学图书馆

中国科学：信息科学 2017年第11期47卷 1483-1492页

作者：吴西竹周志华南京大学计算机软件新技术国家重点实验室南京210023

机器学习模型的生命周期通常比较短暂,大量的机器学习模型针对特定任务设计,在完成任务之后即失去使用价值.然而,一个精心设计和训练的模型通常更精炼地概括了训练数据中蕴含的知识.更进一步地,当无法获取原始训练数据时,已有的预训练... 详细信息

机器学习模型的生命周期通常比较短暂,大量的机器学习模型针对特定任务设计,在完成任务之后即失去使用价值.然而,一个精心设计和训练的模型通常更精炼地概括了训练数据中蕴含的知识.更进一步地,当无法获取原始训练数据时,已有的预训练模型就是仅剩的信息来源.本文提出了一种重用已有的预训练机器学习模型来辅助当前任务学习的框架,尤其适用于当前任务数据量不足的情形.该方法把已有模型视为黑盒,不需要已有模型的结构信息,并使用领域知识对已有模型进行筛选和结合.实验表明,在该框架下,通过对已有模型的重用,多个实际任务上的性能可以得到显著提升.

关键词：机器学习模型重用领域知识环境变化学件

来源：评论

学校读者我要写书评

暂无评论

基于有监督显著性检测的目标跟踪

引用

南京大学学报（自然科学版） 2017年第4期53卷 747-755页

作者：朱尧朱启海毛晓蛟杨育彬南京大学计算机软件新技术国家重点实验室南京210023

通过构建基于超像素的图作为视觉表示引入超像素间的空间信息.采用基于图模型的流形排序作为显著性检测方法得到第一阶段每个超像素的显著性,判别式表观模型则通过基于中层特征的分类器进行判别并利用空间信息对分类结果进行调整,将流... 详细信息

通过构建基于超像素的图作为视觉表示引入超像素间的空间信息.采用基于图模型的流形排序作为显著性检测方法得到第一阶段每个超像素的显著性,判别式表观模型则通过基于中层特征的分类器进行判别并利用空间信息对分类结果进行调整,将流形排序和分类结果结合作为先验信息选择随机游走种子点.结合随机游走得到的第二阶段的显著值和分类结果,最终得到当前帧的置信图.在置信图的基础上,采用积分图方法快速计算得到候选的观测值,将观测值最大的候选作为跟踪结果.在数据集上的实验结果表明,该方法可以有效处理快速运动和形变等问题,从而实现复杂背景下鲁棒的目标跟踪.

关键词：流形排序随机游走超像素目标跟踪

来源：评论

学校读者我要写书评

暂无评论

基于简单再生码的带宽感知的分布式存储节点修复优化

引用

软件学报 2017年第8期28卷 1940-1951页

作者：丁尚童鑫陈艳叶保留计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 上海市电力公司上海200122

分布式存储系统为了保证可靠性,会采用一定的存储冗余策略,如多副本策略、纠删码策略.纠删码相对于副本具有存储开销小的优点,但节点修复网络开销大.针对修复网络开销优化,业界提出再生码和以简单再生码为代表的局部可修复码,显著降低... 详细信息

分布式存储系统为了保证可靠性,会采用一定的存储冗余策略,如多副本策略、纠删码策略.纠删码相对于副本具有存储开销小的优点,但节点修复网络开销大.针对修复网络开销优化,业界提出再生码和以简单再生码为代表的局部可修复码,显著降低了修复网络开销.然而,现有的基于编码的分布式容错存储方案大都假设节点处于星型逻辑网络结构中,忽略了实际的物理网络拓扑结构和带宽信息.为了实现拓扑感知的容错存储优化,相关研究在纠删码和再生码修复过程中结合网络链路带宽能力,建立树型修复路径,进一步提高了修复效率.但是,由于编码和修复过程的差异性,上述工作并不适合于简单再生码修复.针对该问题,结合实际物理网络拓扑结构,将链路带宽能力引入到简单再生码的修复过程中,对带宽感知的简单再生码修复优化技术开展研究.建立了带宽感知节点修复时延模型,提出了基于最优瓶颈路径和最优修复树的并行修复树构建算法,并通过实验对算法性能进行了评估.实验结果表明,与星型修复方式相比,该算法有效地降低了节点修复时延,提高了修复效率.

关键词：分布式存储简单再生码网络拓扑节点修复

来源：评论

学校读者我要写书评

暂无评论

使用敏感路径识别方法分析安卓应用安全性

引用

软件学报 2017年第9期28卷 2248-2263页

作者：缪小川汪睿许蕾张卫丰徐宝文计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 南京大学计算机科学与技术系江苏南京210023 南京邮电大学计算机学院江苏南京210023

安卓系统在手机端操作系统中长期占据主导地位,但由于安卓系统开放共享的特性和不够严谨的第三方市场审核机制,安卓平台受到众多恶意应用的侵扰.结合静态程序分析和机器学习方法,提出了基于敏感路径识别的安卓应用安全性分析方法.首先,... 详细信息

安卓系统在手机端操作系统中长期占据主导地位,但由于安卓系统开放共享的特性和不够严谨的第三方市场审核机制,安卓平台受到众多恶意应用的侵扰.结合静态程序分析和机器学习方法,提出了基于敏感路径识别的安卓应用安全性分析方法.首先,针对恶意应用中存在的恶意行为以及触发条件,定义了敏感路径;其次,针对安卓应用中存在大量组件间函数调用关系问题,提出了一种生成应用组件间函数调用关系图的方法;再次,由于提取出的敏感路径信息无法直接作为识别特征,实现了一种基于敏感路径信息抽象的特征提取方法;最后,从Google Play、豌豆荚、Drebin等来源收集了493个应用APK文件作为实验数据集,该方法的准确率为97.97%,高于基于API-Feature的检测方法(90.47%).此外,在恶意应用和良性应用检测的精度、召回率、F度量等方面,该方法均优于API-Feature方法.另外,实验结果表明:APK文件大小会影响实验的结果,尤其体现在分析时间上(0~4MB大小的APK平均分析用时89s;文件增大后,平均分析用时增长明显).

关键词：安卓恶意应用敏感路径组件函数调用关系程序静态分析特征抽象

来源：评论

学校读者我要写书评

暂无评论

基于代码修改的多目标有监督缺陷预测建模方法

引用

计算机科学 2018年第6期45卷 161-165页

作者：陈翔王秋萍南通大学计算机科学与技术学院江苏南通226019 南京大学软件新技术国家重点实验室南京210093 桂林电子科技大学广西可信软件重点实验室广西桂林541004

基于代码修改的缺陷预测,具有代码审查量少、缺陷定位和修复快的优点。文中首次将该问题建模为多目标优化问题,其中一个优化目标是最大化识别出的缺陷代码修改数,另一个优化目标是最小化需要审查的代码量。这两个优化目标之间存在一定... 详细信息

基于代码修改的缺陷预测,具有代码审查量少、缺陷定位和修复快的优点。文中首次将该问题建模为多目标优化问题,其中一个优化目标是最大化识别出的缺陷代码修改数,另一个优化目标是最小化需要审查的代码量。这两个优化目标之间存在一定的冲突,因此提出了MULTI方法,该方法可以生成一组具有非支配关系的预测模型。在实证研究中,考虑了6个大规模开源项目(累计227417个代码修改),以ACC和POPT作为评测预测性能的指标。实验结果表明,MULTI方法的预测性能均显著优于经典的有监督建模方法(EALR和Logistic)和无监督建模方法(LT和AGE)。

关键词：软件缺陷预测多目标优化代码修改实证研究

来源：评论

学校读者我要写书评

暂无评论

校园移动社交网络中基于种子的数据分发算法

引用

北京邮电大学学报 2017年第2期40卷 97-101页

作者：王青山汤颖王琦王翟陈莉君合肥工业大学数学学院合肥230009 南京大学计算机软件新技术国家重点实验室南京210093

为了研究如何利用节点间间歇性连接传输数据,提出了校园移动社交网络中基于种子的数据分发算法,其主要思想是为每一个社区选择一个种子节点,并利用种子节点来进行数据分发.仿真实验表明,与著名的Epidemic、PS和SGBR算法相比,该算法可明... 详细信息

为了研究如何利用节点间间歇性连接传输数据,提出了校园移动社交网络中基于种子的数据分发算法,其主要思想是为每一个社区选择一个种子节点,并利用种子节点来进行数据分发.仿真实验表明,与著名的Epidemic、PS和SGBR算法相比,该算法可明显地降低网络开销,同时接近Epidemic算法达到的最大传递率.

关键词：数据分发课程表网络开销移动社交网络

来源：评论

学校读者我要写书评

暂无评论

一种基于原型学习的多示例卷积神经网络

引用

计算机学报 2017年第6期40卷 1265-1274页

作者：何克磊史颖欢高阳霍静汪栋张缨南京大学计算机软件新技术国家重点实验室南京210093 中国人民解放军第八一医院南京210002

卷积神经网络是一种全监督的深度学习模型,其要求样本类标完整.在样本类标缺失等弱监督的实际应用中,卷积神经网络的应用受到了极大的制约.为解决弱标记环境下的多示例学习问题,该文提出了一种新的多示例深度卷积网络模型.该模型引入了... 详细信息

卷积神经网络是一种全监督的深度学习模型,其要求样本类标完整.在样本类标缺失等弱监督的实际应用中,卷积神经网络的应用受到了极大的制约.为解决弱标记环境下的多示例学习问题,该文提出了一种新的多示例深度卷积网络模型.该模型引入了一种新的原型学习层.该层使用基于原型度量的算法,实现了示例特征至包特征的映射,从而使网络能够在包的层面给予类标信息,进而完成整个模型的学习过程.该文首先在肺癌病理图像细胞分类的问题中,验证了该网络的性能.实验表明,相较于传统基于手工图像特征的方法,该文所提出的方法在准确率方面约有12%的提升.相较于卷积神经网络结合传统多示例学习的方法,所提出的方法在各项指标上同样取得了更好的效果.此外,在自然图像分类数据集GRAZ-02上,所提出的方法相较于目前最优的算法也取得了相当的效果.

关键词：深度学习多示例学习原型学习卷积神经网络图像分类人工智能

来源：评论

学校读者我要写书评

暂无评论

基于无指导学习的微博评论分析方法

引用

中文信息学报 2017年第2期31卷 179-186页

作者：徐帅帅戴新宇黄书剑陈家骏南京大学计算机软件新技术国家重点实验室江苏南京210023

该文以一种有效的方法寻找出有价值的微博评论,这对于读者更高效地阅读评论,为舆情分析、文本挖掘等任务提供支持,均具有重要的应用价值。针对微博及其评论文本短小、内容发散等特点,该文提出一种基于无指导学习的微博评论分析方法,该... 详细信息

该文以一种有效的方法寻找出有价值的微博评论,这对于读者更高效地阅读评论,为舆情分析、文本挖掘等任务提供支持,均具有重要的应用价值。针对微博及其评论文本短小、内容发散等特点,该文提出一种基于无指导学习的微博评论分析方法,该方法通过互联网搜索引擎扩展微博文本,基于相关性计算自动构造正负训练用例,生成特定的某条微博评论分类模型,通过该模型对评论的价值性进行评估。实验结果表明,该方法能够比较好地识别出评论的价值。

关键词：微博评论价值性无指导学习评论过滤

来源：评论

学校读者我要写书评

暂无评论

面向动作的上下文感知应用的规约与运行时验证

引用

软件学报 2017年第5期28卷 1167-1182页

作者：李晅松陶先平吕建宋巍南京理工大学计算机科学与工程学院江苏南京210094 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

面向动作的上下文感知(activity-oriented context-aware,简称AOCA)应用组织环境中的资源,为用户动作的顺利进行提供支持.为应对环境和动作相关需求的开放性,这类应用采用轻量级、增量式的开发方法进行开发.相对于在开发阶段描述全局信... 详细信息

面向动作的上下文感知(activity-oriented context-aware,简称AOCA)应用组织环境中的资源,为用户动作的顺利进行提供支持.为应对环境和动作相关需求的开放性,这类应用采用轻量级、增量式的开发方法进行开发.相对于在开发阶段描述全局信息的开发方法,AOCA应用的开发可能由不同开发者在不同时间共同参与,这可能会导致较多的不一致等问题,且难以在开发阶段被发现.围绕使用运行时验证手段提高AOCA应用可靠性这一目标展开研究.给出了对于AOCA应用运行状态进行形式化规约、对于系统级和应用级性质进行描述的方法.进一步地设计实现了AOCA应用监控器.最后,通过案例分析以及性能评估证实了该方法的有效性.

关键词：普适计算上下文感知形式规约运行时验证

来源：评论

学校读者我要写书评

暂无评论

一种随机化的软件模型生成方法

引用

软件学报 2017年第4期28卷 907-924页

作者：何啸李文峰张天麻志毅邵维忠胡长军北京科技大学计算机与通信工程学院北京100083 高可信软件技术教育部重点实验室(北京大学) 北京100871 计算机软件新技术国家重点实验室(南京大学) 江苏南京210093

模型转换是模型驱动开发的核心技术.当要把模型转换用于工业生产时,其性能成为影响这一技术成败的关键因素之一.为了测试模型转换程序的性能,需要能够快速地生成一组具有较大规模的模型数据用于作为测试的输入数据.提出一种随机化的模... 详细信息

模型转换是模型驱动开发的核心技术.当要把模型转换用于工业生产时,其性能成为影响这一技术成败的关键因素之一.为了测试模型转换程序的性能,需要能够快速地生成一组具有较大规模的模型数据用于作为测试的输入数据.提出一种随机化的模型生成方法,该方法能够根据元模型的定义以及用户输入的约束条件随机且正确地生成模型文件.实验结果表明:该方法与其他方法相比,具有更好的生成效率,从而更适合支持模型转换的性能测试.

关键词：模型生成模型转换性能测试随机测试模型驱动工程

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：