检索结果-内蒙古大学图书馆

软件学报 2015年第12期26卷 3043-3061页

作者：陶传奇李必信 Jerry Gao 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 东南大学软件工程研究所江苏南京211189 东南大学计算机科学与工程学院江苏南京211189 Department of Computer Engineering San Jose State University

基于构件的软件构建方法目前被广泛使用在软件开发中,用于减少软件开发的工程成本和加快软件开发进度.在软件维护过程中,由于构件更新或者新版本的发布,基于构件的系统会受到影响,需要进行回归测试.对于指定的软件修改需求,维护者可以... 详细信息

基于构件的软件构建方法目前被广泛使用在软件开发中,用于减少软件开发的工程成本和加快软件开发进度.在软件维护过程中,由于构件更新或者新版本的发布,基于构件的系统会受到影响,需要进行回归测试.对于指定的软件修改需求,维护者可以实施不同的修改手段.不同的修改手段会导致不同的回归测试复杂性,这种复杂性是软件维护成本和有效性的重要因素.目前的研究没有强调构件软件的回归测试复杂性问题.基于修改影响复杂性模型和度量,提出一种回归测试的复杂性度量框架.该度量框架包括两个部分:基于图的模型和形式化度量计算.该度量可以有效表示构件软件分别在构件和系统层面的回归测试复杂性因素,可视化地体现复杂性变化.然后根据模型,提出具体的度量计算方式.最后,通过实验研究,针对同一个构件软件的相同修改需求,利用若干个实验组进行独立修改实施,然后比较回归测试的复杂性.实验结果表明,所提出的度量方式是可行和有效的.

关键词：基于构件的软件回归测试重测复杂性软件维护

来源：评论

学校读者我要写书评

暂无评论

持续学习的研究进展与趋势

引用

计算机研究与发展 2024年第6期61卷 1476-1496页

作者：李文斌熊亚锟范祉辰邓波曹付元高阳计算机软件新技术国家重点实验室(南京大学) 南京210023 中国科学院空天信息创新研究院北京100094 山西大学计算机与信息技术学院(大数据学院) 太原030006 山西大学大数据学院太原030006

随着深度学习技术的发展与应用,特别是资源受限场景和数据安全场景对序列任务和数据进行快速学习需求的增多,持续学习逐渐成为机器学习领域关注的一个新热点.不同于人类所具备的持续学习和迁移知识的能力,现有深度学习模型在序列学习过... 详细信息

随着深度学习技术的发展与应用,特别是资源受限场景和数据安全场景对序列任务和数据进行快速学习需求的增多,持续学习逐渐成为机器学习领域关注的一个新热点.不同于人类所具备的持续学习和迁移知识的能力,现有深度学习模型在序列学习过程中容易遭受灾难性遗忘的问题.因此,如何在动态、非平稳的序列任务及流式数据中不断学习新知识、同时保留旧知识是持续学习研究的核心.首先,通过对近年来持续学习国内外相关工作的调研与总结,将持续学习方法分为基于回放、基于约束、基于结构三大类,并对这3类方法做进一步的细分.具体而言,根据所使用的样本来源将基于回放的方法细分为采样回放、生成回放、伪样本回放3类;根据训练约束的来源将基于约束的方法细分为参数约束、梯度约束、数据约束3类;根据对于模型结构的使用方式将基于结构的方法细分为参数隔离、模型拓展2类.通过对比相关工作的创新点,对各类方法的优缺点进行总结.其次,对国内外研究现状进行分析.最后,针对持续学习与其他领域相结合的未来发展方向进行展望.

关键词：深度学习知识迁移持续学习灾难性遗忘序列任务

来源：评论

学校读者我要写书评

暂无评论

小样本困境下的深度学习图像识别综述

引用

软件学报 2022年第1期33卷 193-210页

作者：葛轶洲刘恒王言徐百乐周青申富饶通信信息控制和安全技术重点实验室浙江嘉兴314033 中国电子科技集团公司第三十六研究所浙江嘉兴314033 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

图像识别是图像研究领域的核心问题,解决图像识别问题对人脸识别、自动驾驶、机器人等各领域研究都有重要意义.目前广泛使用的基于深度神经网络的机器学习方法,已经在鸟类分类、人脸识别、日常物品分类等图像识别数据集上达到了超过人... 详细信息

图像识别是图像研究领域的核心问题,解决图像识别问题对人脸识别、自动驾驶、机器人等各领域研究都有重要意义.目前广泛使用的基于深度神经网络的机器学习方法,已经在鸟类分类、人脸识别、日常物品分类等图像识别数据集上达到了超过人类的水平,同时越来越多的工业界应用开始考虑基于深度神经网络的方法,以完成一系列图像识别业务.但是深度学习方法极度依赖大规模标注数据,这一缺陷极大地限制了深度学习方法在实际图像识别任务中的应用.针对这一问题,越来越多的研究者开始研究如何基于少量的图像识别标注样本来训练识别模型.为了更好地理解基于少量标注样本的图像识别问题,广泛地讨论了几种图像识别领域主流的少量标注学习方法,包括基于数据增强的方法、基于迁移学习的方法以及基于元学习的方法,通过讨论不同算法的流程以及核心思想,可以清晰地看到现有方法在解决少量标注的图像识别问题上的优点和不足.最后针对现有方法的局限性,指出了小样本图像识别未来的研究方向.

关键词：图像识别深度学习小样本学习数据增强迁移学习元学习

来源：评论

学校读者我要写书评

暂无评论

基于光线空间插值的任意视点绘制

引用

电子学报 2009年第8期37卷 1799-1803页

作者：蒋刚毅范良忠郁梅陈恳宁波大学电路与系统研究所浙江宁波315211 南京大学计算机软件新技术国家重点实验室江苏南京210093 浙江大学宁波理工学院浙江宁波315100

本文提出了一种基于改进动态规划的光线空间插值方法,区别于传统的动态规划算法,本文先利用扫描线间的平滑约束来消除条纹效应,并采用增量计算方案来加速动态规划算法中最耗时的匹配代价计算.然后,采用以视点为中心的视差估计方法插值... 详细信息

本文提出了一种基于改进动态规划的光线空间插值方法,区别于传统的动态规划算法,本文先利用扫描线间的平滑约束来消除条纹效应,并采用增量计算方案来加速动态规划算法中最耗时的匹配代价计算.然后,采用以视点为中心的视差估计方法插值出稠密的光线空间数据.最后,从光线空间数据快速生成高质量的任意视点图像.该方案采用Middlebury和3DTV数据库作为测试数据,实验结果表明,新方法在计算效率和生成视点图像的PSNR上优于块匹配插值方法和视差域滤波方法.

关键词：任意视点绘制动态规划光线空间插值

来源：评论

学校读者我要写书评

暂无评论

基于Java的多功能XML工作引擎

引用

计算机应用与软件 2003年第3期20卷 30-32页

作者：李俊包亮吴海涛荣国平潘金贵南京大学计算机软件新技术国家重点实验室南京210093 南京大学多媒体计算技术研究所南京210093

运用Java和XML技术开发的应用软件平台有很多优点,而来用电子邮件代替网络连接作为信息交换的载体能够增强系统的安全性。本文介绍了一个基于电子邮件的Java-XMI工作引擎—XMLInterchange。重点描述XMLInterchange的设计、实现;并给出... 详细信息

运用Java和XML技术开发的应用软件平台有很多优点,而来用电子邮件代替网络连接作为信息交换的载体能够增强系统的安全性。本文介绍了一个基于电子邮件的Java-XMI工作引擎—XMLInterchange。重点描述XMLInterchange的设计、实现;并给出了一个XMLInterchange作为电子商务平台的应用实例——电子传单。

关键词： Java 多功能XML工作引擎 XMLInterchange 电子邮件 XSL 电子商务文档软件格式 Internet 网络软件平台

来源：评论

学校读者我要写书评

暂无评论

基于异构并行环境的大型稀疏线性方程组求解的任务映射算法

引用

电子学报 1999年第8期27卷 102-104页

作者：舒继武赵金熙张德富周维四南京大学计算机软件新技术国家重点实验室南京大学计算机科学与技术系胜利油田地质科学研究院

本文基于异构并行环境，针对大型稀疏形线性方程组的并行求解，给出了求解方程组的静态任务映射，提出了合理的任务映射费用函数，并运用模拟退火算法寻找最佳任务映射，从而将一类不均匀任务合理地映射到异构并行环境中高效地并行求解。

关键词：大型任务映射稀疏线性方程组算法解

来源：评论

学校读者我要写书评

暂无评论

软件形式化方法与应用专题前言

引用

软件学报 2016年第3期27卷 495-496页

作者：詹乃军王戟李宣东计算机科学国家重点实验室(中国科学院软件研究所) 北京100190 国防科学技术大学计算机学院湖南长沙410073 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

形式化方法起步于程序理论和语义的研究,历经50余年的发展,成为了计算机科学的重要领域.它使用严格的数学方法,研究并发展软件和硬件系统的建模、设计、开发、验证与演化等技术,为保障系统的正确性、可靠性和安全性提供了重要途径.本专... 详细信息

形式化方法起步于程序理论和语义的研究,历经50余年的发展,成为了计算机科学的重要领域.它使用严格的数学方法,研究并发展软件和硬件系统的建模、设计、开发、验证与演化等技术,为保障系统的正确性、可靠性和安全性提供了重要途径.本专题收录的13篇论文反映了近年来我国学者在软件形式化方法与应用领域的部分研究成果.

关键词：形式化方法高阶逻辑应用专题定理证明器程序理论数学方法研究成果代数的计算机科学保障系统

来源：评论

学校读者我要写书评

暂无评论

基于穹顶提取的边缘选取算法

引用

计算机学报 2005年第2期28卷 259-267页

作者：王仪科窦万春张习文蔡士杰南京大学计算机软件新技术国家重点实验室中国科学院软件研究所人机交互技术与智能信息处理实验室北京100080

在检测斜坡状边缘时,由于噪声的影响,经常出现单边缘多重响应现象.灰度形态学重建(grayscale recon struction)可以用于提取穹顶(dome).文章指出并证明了穹顶所具有的三个特性,并提出一种基于穹顶在梯度图中选取边缘的算法(DEG).根据指... 详细信息

在检测斜坡状边缘时,由于噪声的影响,经常出现单边缘多重响应现象.灰度形态学重建(grayscale recon struction)可以用于提取穹顶(dome).文章指出并证明了穹顶所具有的三个特性,并提出一种基于穹顶在梯度图中选取边缘的算法(DEG).根据指出的穹顶的特性,该算法具有非极大抑制(non maxima suppression, NMS)的效果;并且它仅选取出梯度图中相应于边缘的极大值点,在其附近由噪声引起的小的极大值点不会被选取出.算法的时间复杂度和内存要求同非极大抑制法相比没有明显的增加.实验结果显示,该算法抑制了单边缘多重响应现象,具有非极大抑制的效果,同时不会引起边缘的移位,适合用于对斜坡状边缘的检测.

关键词：边缘检测多重响应数学形态学灰度形态学重建穹顶提取

来源：评论

学校读者我要写书评

暂无评论

基于混沌蜂群算法的高耸结构振动信号小波阈值去噪方法研究

引用

建筑结构学报 2016年第S1期37卷 467-474页

作者：张迅李决龙邢建春王平杨启亮解放军理工大学国防工程学院江苏南京210007 海军海防工程研究中心北京100841 南京大学计算机软件新技术国家重点实验室江苏南京210093

为了有效去除实测振动信号中的噪声,改进了一种基于Kent混沌人工蜂群(KCABC)算法的振动信号小波阈值去噪方法。该算法采用Kent混沌映射初始化蜂群,引入锦标赛选择机制选择食物源,并结合混沌策略搜索最优解。基于广义交叉验证(GCV)阈值... 详细信息

为了有效去除实测振动信号中的噪声,改进了一种基于Kent混沌人工蜂群(KCABC)算法的振动信号小波阈值去噪方法。该算法采用Kent混沌映射初始化蜂群,引入锦标赛选择机制选择食物源,并结合混沌策略搜索最优解。基于广义交叉验证(GCV)阈值构造了目标函数,采用改进的KCABC算法搜索最优阈值,实现了不基于噪声先验知识的振动信号阈值去噪。通过对广州新电视塔4组实测振动信号的处理,比较了改进的KCABC算法与粒子群优化(PSO)算法、标准蜂群(SABC)算法以及Logistic混沌蜂群(LCABC)算法的去噪性能。结果表明:提出的KCABC算法具有较快的收敛速度和较高的搜索精度,能够有效去除高耸结构振动信号中的噪声部分。

关键词：高耸结构振动信号小波阈值去噪人工蜂群算法 Kent混沌

来源：评论

学校读者我要写书评

暂无评论

面向超图的可解释性对比元路径群组推荐

引用

计算机工程与应用 2024年第11期60卷 268-280页

作者：漆盛高榕邵雄凯吴歆韵万祥高海燕湖北工业大学计算机学院武汉430068 南京大学南京大学计算机软件新技术国家重点实验室南京210023 武汉第二船舶设计研究所武汉430064 南京邮电大学通达学院江苏扬州225127

在群组推荐中庞大且稀疏的数据往往容易忽视用户群组及项目之间的复杂依赖关系,因此融合不同用户偏好行为嵌入,使用户对群组依赖关系的表现更直观,同时为了在对比中增强视图效果,以获得更准确的推荐结果的目的,提出了一个面向超图的可... 详细信息

在群组推荐中庞大且稀疏的数据往往容易忽视用户群组及项目之间的复杂依赖关系,因此融合不同用户偏好行为嵌入,使用户对群组依赖关系的表现更直观,同时为了在对比中增强视图效果,以获得更准确的推荐结果的目的,提出了一个面向超图的可解释性对比元路径群组推荐框架。通过聚合用户项目群组之间的依赖关系,构建元路径表现实体之间的不同类型交互,以促进实体的相似性,更准确地从数据中获取用户的组内、组外交互;通过将可解释性模型与对比学习相结合的技术,以提高模型的可解释性和性能;通过解释引导增强操作在模型框架上生成的正负视图上结合自监督对比学习,来解决上述问题。在真实数据集上进行实验,验证了所提出方法的有效性。

关键词：群组推荐超图学习元路径推荐系统对比学习

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：