检索结果-内蒙古大学图书馆

中国科学院院刊 2021年第12期36卷 1497-1505页

作者：隆云滔王晓明顾荣包云岗中国科学院科技战略咨询研究院北京100190 中国科学院大学公共政策与管理学院北京100049 计算机软件新技术国家重点实验室(南京大学) 南京210023 南京大学计算机科学与技术系南京210023 中国科学院计算技术研究所北京100190

开源已成为全球科技进步至关重要的创新渠道。开源创新体系建设是我国实现科技自立自强的重要途径。中国作为全球软件价值链和高新技术产业链必不可少的一环,需要更完善的开源创新生态。文章在系统梳理欧美先发国家开源发展经验的基础上... 详细信息

开源已成为全球科技进步至关重要的创新渠道。开源创新体系建设是我国实现科技自立自强的重要途径。中国作为全球软件价值链和高新技术产业链必不可少的一环,需要更完善的开源创新生态。文章在系统梳理欧美先发国家开源发展经验的基础上,立足我国开源生态建设面临的实际问题,提出促进我国开源创新体系建设的政策建议。

关键词：开源基金会开源治理开源生态开源创新体系

来源：评论

学校读者我要写书评

暂无评论

面向缺陷知识的多特征匹配搜索算法

引用

电子学报 2021年第4期49卷 661-664页

作者：李斌陈定山孙小兵薄莉莉扬州大学信息工程学院江苏扬州225127 江苏省知识管理与智能服务工程研究中心江苏扬州225127 南京大学计算机软件新技术国家重点实验室江苏南京210023

缺陷数据分析正成为软件工程领域的热点,现有缺陷分析技术无法有效处理复杂和冗余的缺陷数据,以高效地辅助缺陷修复工作.本文提出一种多特征匹配搜索算法——MMSBK(Multi-feature Matching Search Algorithm for Bug Knowledge).首先对... 详细信息

缺陷数据分析正成为软件工程领域的热点,现有缺陷分析技术无法有效处理复杂和冗余的缺陷数据,以高效地辅助缺陷修复工作.本文提出一种多特征匹配搜索算法——MMSBK(Multi-feature Matching Search Algorithm for Bug Knowledge).首先对缺陷问题进行分析,抽取其包含的缺陷实体及关系;然后,基于实体和关系匹配将缺陷问题与缺陷知识图谱关联,通过知识图谱的关联性和可视化帮助软件开发搜索缺陷知识;最后,基于匹配算法生成的缺陷关系三元组生成搜索结果子图.实验验证了MMSBK算法的有效性.

关键词：缺陷知识图谱知识搜索缺陷实体缺陷关系

来源：评论

学校读者我要写书评

暂无评论

基于联合动态剪枝的深度神经网络压缩算法

引用

计算机应用 2021年第6期41卷 1589-1596页

作者：张明明卢庆宁李文中宋浒国网江苏省电力有限公司信息通信分公司南京210024 计算机软件新技术国家重点实验室(南京大学) 南京210023

作为模型压缩的一个分支,网络剪枝算法通过移除深度神经网络中不重要的参数来降低计算消耗;然而,永久性的剪枝会导致模型容量不可逆转的损失。针对该问题,提出了一种联合动态剪枝的算法来综合分析卷积核与输入图像的特征。一方面,将部... 详细信息

作为模型压缩的一个分支,网络剪枝算法通过移除深度神经网络中不重要的参数来降低计算消耗;然而,永久性的剪枝会导致模型容量不可逆转的损失。针对该问题,提出了一种联合动态剪枝的算法来综合分析卷积核与输入图像的特征。一方面,将部分卷积核置零,并允许其在训练过程中更新,直到网络收敛之后再永久性移除被置零的卷积核。另一方面,采样输入图像的特征,然后利用通道重要性预测网络对这些特征进行分析,从而确定卷积运算中可以跳过的通道。基于M-Cifar Net与VGG16的实验结果表明,联合动态剪枝分别取得了2.11和1.99的浮点运算压缩比,而与基准模型(M-Cifar Net、VGG16)相比准确率仅分别下降不到0.8个百分点和1.2个百分点。相较于现有的网络剪枝算法,联合动态剪枝有效地减少了模型的浮点运算次数(FLOPs)以及参数规模,在同样的压缩比下获得了更高的准确率。

关键词：模型压缩网络剪枝动态剪枝深度神经网络卷积核

来源：评论

学校读者我要写书评

暂无评论

ORESP:基于有序回归的软件缺陷严重程度预测方法

引用

计算机应用研究 2021年第6期38卷 1815-1818页

作者：贾焱鑫陈翔葛骅杨光林浩南通大学信息科学技术学院江苏南通226019 南京大学计算机软件新技术国家重点实验室南京210023

为提高软件缺陷严重程度的预测性能,通过充分考虑软件缺陷严重程度标签间的次序性,提出一种基于有序回归的软件缺陷严重程度预测方法ORESP。该方法首先使用基于Spearman的特征选择方法来识别并移除数据集内的冗余特征,随后使用基于比例... 详细信息

为提高软件缺陷严重程度的预测性能,通过充分考虑软件缺陷严重程度标签间的次序性,提出一种基于有序回归的软件缺陷严重程度预测方法ORESP。该方法首先使用基于Spearman的特征选择方法来识别并移除数据集内的冗余特征,随后使用基于比例优势模型的神经网络来构建预测模型。通过与五种经典分类方法的比较,所提的ORESP方法在四种不同类型的度量下均可取得更高的预测性能,其中基于平均0-1误差(MZE)评测指标,预测模型性能最大可提升10.3%;基于平均绝对误差(MAE)评测指标,预测模型性能最大可提升12.3%。除此之外,发现使用基于Spearman的特征选择方法可以有效提升ORESP方法的预测性能。

关键词：软件质量保障缺陷严重程度预测有序回归特征选择分类

来源：评论

学校读者我要写书评

暂无评论

基于模板的软件缺陷修复推荐方法

引用

小型微型计算机系统 2022年第5期43卷 1096-1101页

作者：薄莉莉朱轩锐孙小兵扬州大学信息工程学院江苏扬州225127 江苏省知识管理与智能服务工程研究中心江苏扬州225127 计算机软件新技术国家重点实验室(南京大学) 南京210023

软件中长期累积的历史遗留问题导致软件产品的规模和复杂性逐渐增大.为了有效提高软件缺陷修复的效率,本文针对源代码文件中的修复前代码版本和修复后代码版本之间的差异,根据预定义的细粒度更改操作提取缺陷修复模板,并基于此修复模板... 详细信息

软件中长期累积的历史遗留问题导致软件产品的规模和复杂性逐渐增大.为了有效提高软件缺陷修复的效率,本文针对源代码文件中的修复前代码版本和修复后代码版本之间的差异,根据预定义的细粒度更改操作提取缺陷修复模板,并基于此修复模板提出了一种缺陷修复推荐方法.结果表明,模板的覆盖范围可达67.11%,并且5位参评者评估其有效,认为此修复模板适用于软件缺陷并且能够解决部分缺陷问题.

关键词：软件缺陷修复修复模板修复推荐

来源：评论

学校读者我要写书评

暂无评论

面向流数据分类的在线学习综述

引用

软件学报 2020年第4期31卷 912-931页

作者：翟婷婷高阳朱俊武扬州大学信息工程学院江苏扬州225127 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

流数据分类旨在从连续不断到达的流式数据中增量学习一个从输入变量到类标变量的映射函数,以便对随时到达的测试数据进行准确分类.在线学习范式作为一种增量式的机器学习技术,是流数据分类的有效工具.主要从在线学习的角度对流数据分类... 详细信息

流数据分类旨在从连续不断到达的流式数据中增量学习一个从输入变量到类标变量的映射函数,以便对随时到达的测试数据进行准确分类.在线学习范式作为一种增量式的机器学习技术,是流数据分类的有效工具.主要从在线学习的角度对流数据分类算法的研究现状进行综述.具体地,首先介绍在线学习的基本框架和性能评估方法,然后着重介绍在线学习算法在一般流数据上的工作现状,在高维流数据上解决“维度诅咒”问题的工作现状,以及在演化流数据上处理“概念漂移”问题的工作现状,最后讨论高维和演化流数据分类未来仍然存在的挑战和亟待研究的方向.

关键词：在线学习流数据分类维度诅咒概念漂移稀疏在线学习演化流分类

来源：评论

学校读者我要写书评

暂无评论

基于Shapelet的不相关情感子序列挖掘方法

引用

南京大学学报（自然科学版） 2020年第1期56卷 57-66页

作者：吴静怡吴钟强商琳南京大学计算机软件新技术国家重点实验室南京210023 南京大学计算机科学与技术系南京210023

为了描述和分析特定微博事件的情感变化,情感时间序列被应用在微博事件分析当中.情感时间序列是根据不同时间段内的情感强度生成的曲线,能够描述用户关于事件的情感随时间变化的趋势.为了使对微博的情感挖掘定位到更为精准的时间片,提... 详细信息

为了描述和分析特定微博事件的情感变化,情感时间序列被应用在微博事件分析当中.情感时间序列是根据不同时间段内的情感强度生成的曲线,能够描述用户关于事件的情感随时间变化的趋势.为了使对微博的情感挖掘定位到更为精准的时间片,提出一种基于Shapelet的不相关情感子序列挖掘方法.首先通过事件和不同类别用户的微博生成相应的情感时间序列,然后利用基于Shapelet的思想将相应序列划分成不同的子序列,最后通过计算不同种类用户的子序列和事件子序列的相似性得到最不相关的情感子序列.通过基于微博事件数据集的实验展示了使用该方法挖掘出的情感子序列结果,并进一步通过情感相似度方法验证了该方法的合理性.

关键词：时间序列微博情感分析数据挖掘 Shapelet

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的欧几里得嵌入的推荐算法

引用

南京航空航天大学学报 2020年第5期52卷 729-735页

作者：余永红殷凯宇王强张文彪赵卫滨南京邮电大学通达学院扬州225127 计算机软件新技术国家重点实验室(南京大学) 南京210023

推荐系统为用户推荐用户可能感兴趣的物品,可以有效地减轻信息过载。基于欧几里得嵌入的协同过滤方法将用户和物品映射到统一的隐藏空间中,是构建推荐系统的重要方法之一。然而,传统的基于欧几里得嵌入的推荐方法仅考虑用户和物品隐藏... 详细信息

推荐系统为用户推荐用户可能感兴趣的物品,可以有效地减轻信息过载。基于欧几里得嵌入的协同过滤方法将用户和物品映射到统一的隐藏空间中,是构建推荐系统的重要方法之一。然而,传统的基于欧几里得嵌入的推荐方法仅考虑用户和物品隐藏特征向量之间低阶交互,不能有效建模现实世界中用户和物品的复杂交互行为。本文提出基于深度学习的欧几里得嵌入的协同过滤算法,利用深度学习技术学习用户和物品隐藏特征向量之间的高阶、非线性交互函数,建模用户和物品之间复杂交互行为。在真实数据集上的实验结果表明,基于深度学习的欧几里得嵌入的协同过滤算法性能优于传统协同过滤算法。

关键词：推荐算法协同过滤欧几里得嵌入深度学习

来源：评论

学校读者我要写书评

暂无评论

CodeSearcher:基于自然语言功能描述的代码查询

引用

计算机科学 2020年第9期47卷 1-9页

作者：陆龙龙陈统潘敏学张天南京大学计算机软件新技术国家重点实验室南京210023

在项目开发过程中,开发者需要为实现某一功能而编写代码;在不确定如何使用特定编程语言来实现当前待开发功能时,其往往会在文档或网络资源中进行代码查询。因此,代码查询的有效性会直接影响软件开发的效率。目前,已有相当数量的工具可... 详细信息

在项目开发过程中,开发者需要为实现某一功能而编写代码;在不确定如何使用特定编程语言来实现当前待开发功能时,其往往会在文档或网络资源中进行代码查询。因此,代码查询的有效性会直接影响软件开发的效率。目前,已有相当数量的工具可以用来辅助开发者进行代码查询,但这些工具普遍存在输入形式复杂或者匹配精确度低等问题。文中提出的CodeSearcher是一种基于自然语言功能描述的代码查询方法。CodeSearcher将软件开发垂直领域的问答网站Stack OverFlow的问答记录转换为〈自然语言描述,代码片段〉数据对,使用神经网络模型将“自然语言描述”和“代码片段”映射到相同的向量空间并进行匹配,从而能够支持开发者使用待开发功能的自然语言描述来查询相应代码。CodeSearcher不同于一般的代码查询系统,一方面,它只需要代码本身而不依赖于代码的注释或说明,因此可以支持更多代码查询的场景;另一方面,它拓展了代码查询的流程,使其不再局限于一次性的查询反馈流程,而是在这中间加入了代码询答的流程,利用返回代码片段之间的差异性元素帮助开发者挑选目标代码,使得开发者不需要详细阅读所有返回的代码片段。实验结果表明,CodeSearcher相较于基准有着更好的效果。

关键词：代码查询自然语言处理 Stack OverFlow

来源：评论

学校读者我要写书评

暂无评论

用于超分辨率重建的深度网络递进学习方法

引用

自动化学报 2020年第2期46卷 274-282页

作者：张毅锋刘袁蒋程程旭东南大学信息科学与工程学院南京210096 东南大学南京通信技术研究院南京211100 计算机软件新技术国家重点实验室(南京大学) 南京210093 南京信息工程大学计算机与软件学院南京210044

本文针对深度学习在单幅图像超分辨率方面难以恢复高频纹理细节的问题,提出了一种基于递进学习的超分辨率算法.该算法首先采用灰度共生矩阵提取图像纹理特征,然后利用基于密度峰值的聚类方法实现对整个训练集的分类,其中每个训练子集具... 详细信息

本文针对深度学习在单幅图像超分辨率方面难以恢复高频纹理细节的问题,提出了一种基于递进学习的超分辨率算法.该算法首先采用灰度共生矩阵提取图像纹理特征,然后利用基于密度峰值的聚类方法实现对整个训练集的分类,其中每个训练子集具有相似的纹理复杂度.针对传统的递进学习方法会出现对已掌握知识"遗忘"的问题,本文根据网络模型在各个训练子集上的拟合情况,实时调整当前训练样本在各个子集上的概率分布,从而实现快速收敛,并获得更好的纹理细节复原效果.将本文提出的递进学习用于DRCN、VDSR、SRCNN等超分辨率网络的训练,实验结果表明超分辨率网络收敛速度得到提升,同时网络对复杂纹理等细节较多的图像也获得了较好的视觉恢复效果,峰值信噪比则平均获得0.158 dB、0.18 dB、0.092 dB的提升.

关键词：超分辨率递进学习共生矩阵密度峰值

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：