检索结果-内蒙古大学图书馆

2012中国计算机大会

作者：吴化尧聂长海南京大学计算机科学与技术系软件新技术国家重点实验室南京210093

组合测试是一种能有效检测由参数间相互作用所引发错误的软件测试方法，覆盖表的生成是该研究领域的一个重要问题。目前，很多方法已被应用于覆盖表生成，基于演化搜索的粒子群算法尽管能得到较优的解，但其性能容易受到配置参数的影响... 详细信息

组合测试是一种能有效检测由参数间相互作用所引发错误的软件测试方法，覆盖表的生成是该研究领域的一个重要问题。目前，很多方法已被应用于覆盖表生成，基于演化搜索的粒子群算法尽管能得到较优的解，但其性能容易受到配置参数的影响。本文首先使用试验设计的方法，对不同覆盖表生成的算法参数进行优化，系统分析了参数对算法性能的影响。同时，考虑到对不同的覆盖表，最优的算法参数往往不同，因此进一步提出了一种适用于覆盖表生成的自适应粒子群算法。实验结果表明，在一定的参数取值范围内粒子群算法都能获得较好的结果，且不存在一组对任意覆盖表都能有最优性能的算法参数。通过参数调优，能使粒子群算法获得比已有结果规模更小的覆盖表，同时，与经过参数调优后的算法相比，自适应粒子群算法在大部分情况下有更好的性能。

关键词：组合测试覆盖表生成粒子群算法参数调优自适应算法

来源：评论

学校读者我要写书评

暂无评论

基于K均值集成和SVM的P2P流量识别研究

引用

计算机科学 2012年第4期39卷 46-48,74页

作者：刘三民孙知信刘余霞安徽工程大学计算机与信息学院芜湖241000 南京航空航天大学计算机科学与技术学院南京210016 南京邮电大学计算机技术研究所南京210003 南京大学计算机软件新技术国家重点实验室南京210093 安徽工程大学电气工程学院芜湖241000

提出基于K均值集成和支持向量机相结合的P2P流量识别模型,以保证流量识别精度和稳定性,克服聚类识别模型中参数值难以确定、复杂性高等缺点。对少量标签样本采用随机簇中心的K均值算法训练基聚类器,按最大后验概率分配簇标签,无标签样... 详细信息

提出基于K均值集成和支持向量机相结合的P2P流量识别模型,以保证流量识别精度和稳定性,克服聚类识别模型中参数值难以确定、复杂性高等缺点。对少量标签样本采用随机簇中心的K均值算法训练基聚类器,按最大后验概率分配簇标签,无标签样本与其最近簇标签一致;按投票机制集成无标签样本标签信息,并结合原标签样本训练支持向量机识别模型。该模型利用了集成学习稳定性和SVM在小样本集上的良好泛化性能。理论分析和仿真实验结果证明了方案的可行性。

关键词：流量识别支持向量机 K均值集成学习

来源：评论

学校读者我要写书评

暂无评论

一种基于模型结合的错误定位方法

引用

新型工业化 2012年第3期 54-64页

作者：唐启锋许蕾钱巨陈林张震宇南京大学计算机软件新技术国家重点实验室，南京 210093 南京大学计算机科学与技术系，南京 210093 南京航空航天大学计算机科学与技术学院南京210016 中国科学院软件研究所，计算机科学国家重点实验室，北京 100080

目前大多数错误定位技术的研究均基于单一类型的程序节点（如语句、谓词等），其效果往往只在定位相应类型的错误时表现较好，而定位其他类型的程序错误时则表现不佳。为此，借鉴机器学习领域中集成学习的思想，建立多错误定位方法相结... 详细信息

目前大多数错误定位技术的研究均基于单一类型的程序节点（如语句、谓词等），其效果往往只在定位相应类型的错误时表现较好，而定位其他类型的程序错误时则表现不佳。为此，借鉴机器学习领域中集成学习的思想，建立多错误定位方法相结合的错误定位模型，并综合了基于语句覆盖信息和程序谓词信息这2种错误定位方法，提出了3种新的错误定位方法。实验结果表明，相对于此前单一的方法，所提出的2种方法具有更高的错误定位效率和更强的适应性。

关键词：错误定位集成学习程序分析软件调试

来源：评论

学校读者我要写书评

暂无评论

迁移学习数据分类中的ESVM算法

引用

计算机工程 2012年第8期38卷 173-176页

作者：张建军王士同王骏江南大学信息工程学院江苏无锡214122 南京理工大学计算机科学与技术学院南京210094 南京大学计算机软件新技术国家重点实验室南京210093

在迁移学习中对变化后的数据集进行分类时,噪音导致分类结果不合理。为此,提出一种迁移学习数据分类中的扩展支持向量机(ESVM)算法。使用变化前数据集的概率分布信息及学习经验,指导缓慢变化后的数据集进行分类,使分割面既可以准确分割... 详细信息

在迁移学习中对变化后的数据集进行分类时,噪音导致分类结果不合理。为此,提出一种迁移学习数据分类中的扩展支持向量机(ESVM)算法。使用变化前数据集的概率分布信息及学习经验,指导缓慢变化后的数据集进行分类,使分割面既可以准确分割现有数据集,同时也保留原先数据集的一些属性。实验结果表明,该算法具有一定的抗噪性能。

关键词：迁移学习分类支持向量机继承经验抗噪性能

来源：评论

学校读者我要写书评

暂无评论

一种中断驱动系统的时间约束验证方法

一种中断驱动系统的时间约束验证方法

引用

第十一届全国软件与应用学术会议(NASAC2012)

作者：孙琳陈鑫李宣东南京大学计算机软件新技术国家重点实验室南京 210046 南京大学计算机科学与技术系南京 210046

中断是嵌入式系统进行实时响应的重要机制。目前还不存在一种有效地中断驱动系统设计方法来保证系统的时间约束总能够得到满足。因此，在设计完成后需要对系统能否满足时间约束进行验证。传统的以测试为基础的方法，在处理中断驱动的系... 详细信息

中断是嵌入式系统进行实时响应的重要机制。目前还不存在一种有效地中断驱动系统设计方法来保证系统的时间约束总能够得到满足。因此，在设计完成后需要对系统能否满足时间约束进行验证。传统的以测试为基础的方法，在处理中断驱动的系统时，由于系统可能的运行轨迹空间是无穷的，其有效性受到很大的影响。本文提出了一种基于线性混成自动机有界验证技术对中断驱动系统的时间约束进行验证的方法，应用线性混成自动机对中断驱动的系统建模，将时间约束验证问题转换成线性混成自动机上的路径可达性判定问题，并借助模型检验工具BACH来进行验证。以一个周期性中断源驱动的嵌入式系统为例，说明了方法的可行性和有效性。

关键词：中断驱动的系统时间约束验证线性混成自动机

来源：评论

学校读者我要写书评

暂无评论

一种用于TCMF网络重叠社区发现的改进COPRA算法

一种用于TCMF网络重叠社区发现的改进COPRA算法

引用

第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议

作者：孙道平高原王崇骏南京大学计算机软件新技术国家重点实验室南京210046 南京大学计算机科学与技术系南京210046

现阶段关于方剂配伍规律的研究主要采用数据挖掘技术,包括分别以分类和聚类为主的研究模式和以关联规则挖掘为主的研究模式,这两种研究模式作为研究中药方剂的重要技术取得了一系列可喜的成果,但是它们在揭示中医理论体系复杂性和内稳... 详细信息

现阶段关于方剂配伍规律的研究主要采用数据挖掘技术,包括分别以分类和聚类为主的研究模式和以关联规则挖掘为主的研究模式,这两种研究模式作为研究中药方剂的重要技术取得了一系列可喜的成果,但是它们在揭示中医理论体系复杂性和内稳性方面仍存在不足.提出一种新的复杂网络的模型来探索中药方剂配伍规律,并用改进的COPRA算法对构建的复杂网络中药方剂网络进行社团发现,最后通过用自定义的模块密度来衡量所发现的社团紧密程度,以及对发现的社团与关联规则挖掘算法挖掘出的最大频繁项集进行比较,发现该模型及算法有很好的效果,具有很强的实用性.

关键词： Traditional chinese medicine formula(TCMF) network COPRA algorithm Module density

来源：评论

学校读者我要写书评

暂无评论

一种面向构件的动态依赖技术

一种面向构件的动态依赖技术

引用

第十一届全国软件与应用学术会议(NASAC2012)

作者：苏萍马晓星南京大学计算机科学与技术系南京 210093 南京大学计算机软件新技术国家重点实验室南京 210093

动态更新作为当今一项热门技术,其关键问题在于如何保障运行系统更新前后的一致性,同时加快动态更新。已有的一致性保障工作,如Tranquillity 、Version-consistency,都需要依靠系统运行时刻的动态依赖关系才能完成,而且精确的动态依赖... 详细信息

动态更新作为当今一项热门技术,其关键问题在于如何保障运行系统更新前后的一致性,同时加快动态更新。已有的一致性保障工作,如Tranquillity 、Version-consistency,都需要依靠系统运行时刻的动态依赖关系才能完成,而且精确的动态依赖关系可以加快动态更新。传统的动态依赖技术在实现时需要程序员针对每个程序手工地计算其动态依赖关系,而现有的可自动获得的方法在某些点得到的动态依赖关系是不精确的。针对这些问题,本文提出一种新的动态依赖技术,即在程序运行前,通过静态分析构建程序的动态依赖自动机,在程序运行时,自动机自动运行,并自适应地获得程序当前执行环境的精确的动态依赖关系。本文的工作是基于字节码的,所有工作都是自动完成,在开发效率和正确性上与已有的方法相比有了很大的提高。此外,利用此项技术本文开发了动态依赖抽取工具DDET,经实验证明,该项技术在一定程度上加快了动态更新。

关键词：动态更新动态依赖动态依赖自动机构件系统

来源：评论

学校读者我要写书评

暂无评论

CLAR:面向动态任务合作求解的联盟模型

CLAR:面向动态任务合作求解的联盟模型

引用

第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议

作者：詹千熠孙强詹宇森王崇骏谢俊元南京大学计算机软件新技术国家重点实验室南京210093 南京大学计算机科学与技术系南京210093

多Agent系统中,Agent间通过形成联盟达到提高任务求解能力、获取更多收益的目的.主要关注联盟模型的改进和联盟形成阶段的改进.基于ARG元模型提出了一种采用角色和学习机制的新联盟模型:CLAR联盟模型.接着在采用合同网协议的CLAR联盟模... 详细信息

多Agent系统中,Agent间通过形成联盟达到提高任务求解能力、获取更多收益的目的.主要关注联盟模型的改进和联盟形成阶段的改进.基于ARG元模型提出了一种采用角色和学习机制的新联盟模型:CLAR联盟模型.接着在采用合同网协议的CLAR联盟模型中提出两阶段联盟形成机制,并通过捕食者问题验证了角色和学习机制的作用以及两阶段联盟形成机制在减少通讯代价上的作用.

关键词： Multi-agent system Coalition Predator game ARG meta model Contract net

来源：评论

学校读者我要写书评

暂无评论

基于LLVM的栈数据保护

引用

软件导刊 2012年第8期11卷 129-132页

作者：沈达宇黄皓南京大学软件新技术国家重点实验室江苏南京210046 南京大学计算机科学与技术系江苏南京210046

传统的栈保护都是对栈中的返回地址等控制数据进行保护,并没有对栈中的数据进行保护。提出了对栈数据保护机制的基本思想是对内存中的数据进行随机化。通过对程序的修改,插装新的指令,使得保存到内存上的数据随机化。这种方式能有效地... 详细信息

传统的栈保护都是对栈中的返回地址等控制数据进行保护,并没有对栈中的数据进行保护。提出了对栈数据保护机制的基本思想是对内存中的数据进行随机化。通过对程序的修改,插装新的指令,使得保存到内存上的数据随机化。这种方式能有效地阻止非控制数据的破坏,甚至起到一定效果的内存数据隐私保护。基于开源的LLVM编译器系统平台,实现了一个编译优化Pass模块,在获取源文件时经过该Pass模块优化后生成的可执行程序能够免受非控制数据攻击的危害。

关键词：软件安全非控制数据 LLVM Pass模块数据随机化

来源：评论

学校读者我要写书评

暂无评论

变异测试:原理、优化和应用

引用

计算机科学与探索 2012年第12期6卷 1057-1075页

作者：陈翔顾庆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

变异测试是一种基于缺陷的软件测试技术,在近四十年得到国内外学者的广泛关注,并取得了一些研究成果。对已有的研究工作进行总结,将其分为变异测试原理、优化和应用三个模块。其中在变异测试原理模块中,给出变异测试的基本假设,对变异... 详细信息

变异测试是一种基于缺陷的软件测试技术,在近四十年得到国内外学者的广泛关注,并取得了一些研究成果。对已有的研究工作进行总结,将其分为变异测试原理、优化和应用三个模块。其中在变异测试原理模块中,给出变异测试的基本假设,对变异测试分析流程进行介绍,并对其中的重要概念依次给出定义,从静态检测和动态检测两个角度对等价变异体检测技术进行总结。在变异测试优化模块中,从变异体选择优化和变异体执行优化两个角度对已有研究工作进行总结。在变异测试应用模块中,选择了测试用例集充分性评估、测试用例生成和回归测试三个应用领域,对研究工作进行分类总结。最后对变异测试的未来研究方向进行了展望。

关键词：变异测试等价变异体测试用例集充分性测试用例生成回归测试

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：