检索结果-内蒙古大学图书馆

计算机科学 2016年第7期43卷 67-72,110页

作者：曹春红张建华李林峰东北大学信息科学与工程学院沈阳110819 东北大学医学影像计算教育部重点实验室沈阳110819 南京大学计算机软件新技术国家重点实验室南京210023

基于分块的多聚焦图像融合算法是多聚焦图像融合领域中的一个重要算法。基于差分演化的多聚焦图像融合算法将图像分块大小作为差分演化算法的种群,通过多次演化,最后获得使融合图像效果最好的图像分块。为克服标准差分演化算法由于丢失... 详细信息

基于分块的多聚焦图像融合算法是多聚焦图像融合领域中的一个重要算法。基于差分演化的多聚焦图像融合算法将图像分块大小作为差分演化算法的种群,通过多次演化,最后获得使融合图像效果最好的图像分块。为克服标准差分演化算法由于丢失父代种群的部分信息导致收敛速度变慢、全局搜索范围较小,以及当对应图像块的清晰度相等时该算法的处理方式会改变源图像的像素值的缺点,在原算法的基础上,引入双子代机制和自适应分块机制,提出一种基于双子代差分演化和自适应分块机制的多聚焦图像融合算法。在演化过程中生成两个子代种群,最大程度上保留父代种群的信息,扩大全局搜索范围,提高算法的收敛性能;利用自适应分块机制,当出现图像块清晰度相等的情况时,将图像块分解成更小的图像块,然后再进行清晰度的比较,使改进算法获得的融合图像比原算法获得的效果更好,而且不会改变源图像的像素值。实验结果表明,基于双子代差分演化和自适应分块机制的多聚焦图像融合算法可以获得比原算法效果更好的融合图像,而且收敛性能更好。

关键词：多聚焦图像融合差分演化双子代自适应分块

来源：评论

学校读者我要写书评

暂无评论

YARM:基于MapReduce的高效可扩展的语义推理引擎

引用

计算机学报 2015年第1期38卷 74-85页

作者：顾荣王芳芳袁春风黄宜华南京大学计算机软件新技术国家重点实验室南京210046

随着语义网的快速发展,RDF语义数据大量涌现.大规模RDF语义数据推理的一个主要问题是计算量大、完成计算需要消耗很长的时间.显然,传统的单机语义推理引擎难以处理大规模的语义数据.另一方面,现有的基于MapReduce的大规模语义推理引擎,... 详细信息

随着语义网的快速发展,RDF语义数据大量涌现.大规模RDF语义数据推理的一个主要问题是计算量大、完成计算需要消耗很长的时间.显然,传统的单机语义推理引擎难以处理大规模的语义数据.另一方面,现有的基于MapReduce的大规模语义推理引擎,缺乏对算法在分布和并行计算环境下执行效率的优化,使得推理时间仍然较长.此外,现有的推理引擎大多存在可扩展性方面的不足,难以适应大规模语义数据的增长需求.针对现有的语义推理系统在执行效率和可扩展性方面的不足,文中提出了一种基于MapReduce的并行化语义推理算法和引擎YARM.为了实现分布和并行计算环境下的高效推理,YARM做出了以下4点优化:(1)采用合理的数据划分模型和并行化算法,降低计算节点间的通信开销;(2)优化推理规则的执行次序,提升了推理计算速度;(3)设计了简洁的去重策略,避免新增作业处理重复数据;(4)设计实现了一种新的基于MapReduce的并行化推理算法.实验结果表明,在真实数据集和大规模合成数据集上,YARM的执行速度比当前最新的基于MapReduce的推理引擎快10倍左右,同时YARM还表现出更好的数据和系统可扩展性.

关键词： RDF RDFS推理 MapReduce 语义推理分布式推理

来源：评论

学校读者我要写书评

暂无评论

HFS:一种面向软件缺陷预测的混合特征选择方法

引用

计算机应用研究 2016年第6期33卷 1758-1761,1766页

作者：陈翔贺成王宇管怀文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

在软件缺陷预测研究中,若考虑了大量度量元会造成数据集中含有大量特征,其中冗余特征和无关特征会降低缺陷预测模型的性能。提出一种两阶段混合特征选择方法 HFS,具体来说,首先基于特征子集评估器移除已有特征集中的无关特征和冗余特征... 详细信息

在软件缺陷预测研究中,若考虑了大量度量元会造成数据集中含有大量特征,其中冗余特征和无关特征会降低缺陷预测模型的性能。提出一种两阶段混合特征选择方法 HFS,具体来说,首先基于特征子集评估器移除已有特征集中的无关特征和冗余特征,随后基于特征排序评估器进一步移除其中的无关特征。在实证研究中,以基于实际开发项目的数据集作为评测对象,以NONE、CFS和CAR三种方法作为与HFS方法比较的经典方法。最终基于三种不同类型的分类器(包括决策树法、支持向量机和最近邻法)上,发现HFS方法不仅能够选出更小规模的特征子集,而且在大部分情况下,尤其以决策树作为分类器时,能够有效提高缺陷预测模型的性能。

关键词：软件质量保障软件缺陷预测特征选择方法实证研究

来源：评论

学校读者我要写书评

暂无评论

交互更新模式的量子遗传算法的几何约束求解

引用

中国图象图形学报 2016年第4期21卷 499-509页

作者：曹春红易荣庆曹海龙韩春燕东北大学信息科学与工程学院沈阳110819 东北大学医学影像计算教育部重点实验室沈阳110819 南京大学计算机软件新技术国家重点实验室南京210023 国网吉林省电力有限公司长春130012

目的针对传统量子遗传算法无法充分利用种群中未成熟个体信息的不足,提出了基于交互更新模式的量子遗传算法(IUMQGA)并应用于几何约束求解中。方法几何约束问题的约束方程组可转化为优化模型,因此约束求解问题可以转化为优化问题。采用... 详细信息

目的针对传统量子遗传算法无法充分利用种群中未成熟个体信息的不足,提出了基于交互更新模式的量子遗传算法(IUMQGA)并应用于几何约束求解中。方法几何约束问题的约束方程组可转化为优化模型,因此约束求解问题可以转化为优化问题。采用将遗传算法与量子理论相结合的量子遗传算法,使用双串量子染色体结构,使用交互更新策略将遗传算法中的交叉操作利用量子门变换来实现,根据不同情况采用不同的交互更新策略。这里的交互,指的是两个个体进行信息交换的过程,该过程用以产生新的个体。这不仅增加了个体间信息的交换而且充分利用了种群中未成熟个体的信息,提高了算法的收敛速度。结果通过非线性方程实例和几何约束实例测试并与其他方法比较表明,基于交互更新模式的量子遗传算法求解几何约束问题具有更好的求解精度和求解速率。双圆外公切线问题实例中,IUMQGA算法比QGA算法稳定;单圆填充问题和双圆外公切线问题实例中,通过实验求得各变量的最优值与其相应的精确值的误差在1E-2以下。结论采用交互更新模式的量子遗传算法可以很好地求解几何约束问题。

关键词：关键词:计算机辅助设计几何约束求解量子遗传算法量子染色体交互模式更新

来源：评论

学校读者我要写书评

暂无评论

基于量子云模型反馈的协同精英属性均衡优势集成约简

引用

量子电子学报 2016年第2期33卷 220-230页

作者：丁卫平王建东南通大学计算机科学与技术学院江苏南通226019 南京大学计算机软件新技术国家重点实验室江苏南京210093 南京航空航天大学计算机科学与技术学院江苏南京210016

为进一步增强进化算法在最小属性约简过程中的全局求解性能,提出了一种基于量子云模型反馈的协同精英属性均衡优势集成约简算法,该算法首先设计一种基于云模型反馈的量子自适应旋转角调整策略,使量子蛙群精英在云模型定性知识和罚因子... 详细信息

为进一步增强进化算法在最小属性约简过程中的全局求解性能,提出了一种基于量子云模型反馈的协同精英属性均衡优势集成约简算法,该算法首先设计一种基于云模型反馈的量子自适应旋转角调整策略,使量子蛙群精英在云模型定性知识和罚因子反馈指导下自适应控制属性搜索空间范围;然后构建一种有限理性区域下协同精英均衡优势属性分解框架,在动态精英演化区域内使参与属性约简的量子蛙群精英在平均权重裕度下协同化达到Nash均衡优势区域;最后量子蛙群精英采用集成化操作机制在各自均衡优势区域内协同提取属性约简子集,从而稳定取得全局最优约简特征集。实验结果表明本算法求解全局最优属性约简集效率、精度和稳定性等具有明显优势,应用到孕龄新生儿脑MRIs电子病历分割,进一步表明该算法具有较强的应用性能。

关键词：量子光学属性集成约简量子云模型协同精英均衡优势

来源：评论

学校读者我要写书评

暂无评论

基于爬虫的软件缺陷预测

引用

南昌教育学院学报 2016年第6期31卷 125-128页

作者：杨开懋施小逸汤恩义南京大学计算机软件新技术国家重点实验室江苏南京210023 南京大学计算机软件研究所江苏南京210093

随着软件的规模和复杂度持续上升,在软件开发中不可避免地会引入缺陷,而如何对软件进行缺陷预测也成为了软件工程研究的热点领域之一。现有的软件缺陷预测方法主要根据源码结构提取预测信息而忽视了软件缺陷报告的作用,而软件缺陷的相... 详细信息

随着软件的规模和复杂度持续上升,在软件开发中不可避免地会引入缺陷,而如何对软件进行缺陷预测也成为了软件工程研究的热点领域之一。现有的软件缺陷预测方法主要根据源码结构提取预测信息而忽视了软件缺陷报告的作用,而软件缺陷的相关报告广泛存在于各软件技术论坛上,也是软件缺陷预测的重要依据。因此本文提出了一种基于爬虫的软件缺陷预测方法,其主要手段是通过爬虫获取技术论坛中用户提交的缺陷报告信息,并通过机器学习技术的处理,指导开发人员在开发过程中避免相关缺陷,提高软件质量。

关键词：网络爬虫机器学习缺陷预测

来源：评论

学校读者我要写书评

暂无评论

一种基于近邻表示的聚类方法

引用

软件学报 2015年第11期26卷 2847-2855页

作者：周国兵吴建鑫周嵩计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

当今社会处在信息急剧膨胀的时代,数据的规模和维度都在不断增大,传统的聚类方法有很多难以适应这一趋势.尤其是移动计算平台的高速发展,其平台自身的特性限制了算法的内存使用规模,因此,以往的很多方法若不进行改进,在这类平台上将无... 详细信息

当今社会处在信息急剧膨胀的时代,数据的规模和维度都在不断增大,传统的聚类方法有很多难以适应这一趋势.尤其是移动计算平台的高速发展,其平台自身的特性限制了算法的内存使用规模,因此,以往的很多方法若不进行改进,在这类平台上将无法运行.提出了一种基于近邻表示的聚类方法,该方法基于近邻的思想构造出新的表示形式,这种表示可以进行压缩,因此有效地减少了聚类所需要的存储开销.实现了直接对近邻表示压缩后的数据进行聚类的算法,称为Bit k-means.实验结果表明,该方法取得了较好的效果,在提高准确率的同时,大幅度降低了存储空间开销.

关键词：近邻聚类

来源：评论

学校读者我要写书评

暂无评论

用于多标记学习的分类器圈方法

引用

软件学报 2015年第11期26卷 2811-2819页

作者：王少博李宇峰计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

如何利用标记间关系来提高学习性能,是多标记学习领域的一个重要问题.分类器链方法及其变型是解决这类问题的一个有效技术.然而,它的学习过程需要预先给定标记的学习次序,这个信息真实情况难以获得.次序选择不当会导致学习性能提高受限... 详细信息

如何利用标记间关系来提高学习性能,是多标记学习领域的一个重要问题.分类器链方法及其变型是解决这类问题的一个有效技术.然而,它的学习过程需要预先给定标记的学习次序,这个信息真实情况难以获得.次序选择不当会导致学习性能提高受限.针对这个问题,提出用于多标记学习的分类器圈方法.该方法随机生成标记的学习次序,通过圈结构依次迭代地更新每个标记的分类器.实验结果表明,该方法在多个数据集上取得了比分类器链方法以及一系列经典多标记学习方法更好的性能.

关键词：多标记学习标记关系分类器圈分类器链

来源：评论

学校读者我要写书评

暂无评论

基于开放逻辑R反驳计算的访问控制策略精化

引用

软件学报 2015年第6期26卷 1534-1556页

作者：吴迎红黄皓吕庆伟曾庆凯张迪明计算机软件新技术国家重点实验室(南京大学) 江苏南京210046

策略精化是解决分布式应用访问控制策略配置复杂性的重要方法,现有精化技术给出了策略分层描述和逐层精化的方法,但处理策略之间关联问题的能力不足.基于精化树描述策略和策略关联,基于叶结点策略冲突判断,采用开放逻辑R反驳计算分析精... 详细信息

策略精化是解决分布式应用访问控制策略配置复杂性的重要方法,现有精化技术给出了策略分层描述和逐层精化的方法,但处理策略之间关联问题的能力不足.基于精化树描述策略和策略关联,基于叶结点策略冲突判断,采用开放逻辑R反驳计算分析精化树策略关联属性,能够消解策略冲突同时保证策略互斥、组合、访问路径协同、精化映射等关联正确,并能够按序消解不同类型策略冲突、自由取舍相冲突的策略.实验与分析计算性能表明,该方法符合Saa S平台客户应用系统策略精化需求.

关键词：访问控制 SaaS 策略精化策略冲突分析开放逻辑 R反驳计算

来源：评论

学校读者我要写书评

暂无评论

迎接时代挑战创新人才培养体系

引用

计算机教育 2016年第7期 1-4页

作者：吕建南京大学中国科学院南京大学计算机软件新技术国家重点实验室

奚:吕校长好!首先想请您谈谈'创新驱动'大环境下计算机类专业的人才培养目标.吕:无论对于哪个专业来说,根本任务都是培养具有国际化视野和能够满足国家需求的创新型人才.在国家目前的转型发展过程当中,特别是在国家'十三五&... 详细信息

奚:吕校长好!首先想请您谈谈'创新驱动'大环境下计算机类专业的人才培养目标.吕:无论对于哪个专业来说,根本任务都是培养具有国际化视野和能够满足国家需求的创新型人才.在国家目前的转型发展过程当中,特别是在国家'十三五'规划当中,有几个关键词是计算机人值得关注的,这就是互联网+、物联网、云计算、大数据等.这4个概念都与计算机专业有关,都属于信息技术,它们作为保障国家又好又快发展的基础性支撑提出来,需要从承上启下的视角来加以把握.

关键词：时代挑战创新人才计算机国家需求机类专业国际化视野创新型人才转型发展信息技术培养目标创新驱动云计算物联网互联网国家目关键词大数据大环境支撑校长

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：