检索结果-内蒙古大学图书馆

东南大学学报（自然科学版） 2011年第5期41卷 949-955页

作者：张德平查日军南京航空航天大学计算机科学与技术学院南京210016 上海市计算机软件评测重点实验室上海201112 东南大学计算机科学与工程学院南京210096

为了提高软件统计测试的效率,使用较少的测试资源达到测试目的,提出了一种基于Markov链使用模型的软件加速统计测试方法.该方法通过均衡软件测试成本和软件投放后的失效风险,以软件平均总费用最小为目标,基于重要抽样技术的加速测试机理... 详细信息

为了提高软件统计测试的效率,使用较少的测试资源达到测试目的,提出了一种基于Markov链使用模型的软件加速统计测试方法.该方法通过均衡软件测试成本和软件投放后的失效风险,以软件平均总费用最小为目标,基于重要抽样技术的加速测试机理,采用交叉熵方法生成最优(或近优)测试剖面,同时给出了一种新的统计测试充分性判定准则,最后根据生成的最优测试剖面自动生成统计测试数据集.仿真实验结果表明,相对于传统的统计测试方法,使用交叉熵方法的加速统计测试方法能有效地降低软件总费用,显著增加关键操作的测试次数,是一种快速有效的加速统计测试方法.

关键词：软件测试统计测试加速测试方法 Markov链使用模型交叉熵方法

来源：评论

学校读者我要写书评

暂无评论

一种基于数据垂直划分的分布式密度聚类算法

引用

计算机研究与发展 2007年第9期44卷 1612-1617页

作者：倪巍伟陈耿孙志挥东南大学计算机科学与工程学院南京210096 南京审计学院审计信息工程实验室南京210029

聚类分析是数据挖掘领域的一项重要研究课题,对大数据集的聚类更以其数据量大、噪声数据多等而成为一个难点.针对数据垂直划分的情况,提出连通点集及局部噪声点集等概念.在分析局部噪声点集与全局噪声点集以及局部连通点集与全局连通点... 详细信息

聚类分析是数据挖掘领域的一项重要研究课题,对大数据集的聚类更以其数据量大、噪声数据多等而成为一个难点.针对数据垂直划分的情况,提出连通点集及局部噪声点集等概念.在分析局部噪声点集与全局噪声点集以及局部连通点集与全局连通点集关系的基础上,对全局噪声点进行有效过滤,进一步设计闭三角链表结构存储各个结点的聚类中间结果,提出了基于密度的分布式聚类算法DDB-SCAN.理论分析和实验结果表明,算法可以有效解决垂直划分的大数据集聚类问题,算法是有效可行的.

关键词：分布式数据挖掘数据垂直划分连通点集局部噪声点集闭三角链表

来源：评论

学校读者我要写书评

暂无评论

在线稀疏最小二乘支持向量机回归的研究

引用

控制与决策 2007年第2期22卷 132-137页

作者：王定成姜斌南京信息工程大学计算机与软件学院南京210044 南京航空航天大学自动化学院南京210016

现有最小二乘支持向量机回归的训练和模型输出的计算需要较长的时间,不适合在线实时训练.对此,提出一种在线稀疏最小二乘支持向量机回归,其训练算法采用样本字典,减少了训练样本的计算量.训练样本采用序贯加入的方式,适合在线获取,并且... 详细信息

现有最小二乘支持向量机回归的训练和模型输出的计算需要较长的时间,不适合在线实时训练.对此,提出一种在线稀疏最小二乘支持向量机回归,其训练算法采用样本字典,减少了训练样本的计算量.训练样本采用序贯加入的方式,适合在线获取,并且该算法在理论上是收敛的.仿真结果表明,该算法具有较好的稀疏性和实时性,可进一步用于建模与实时控制等方面的研究.

关键词：在线稀疏最小二乘支持向量机

来源：评论

学校读者我要写书评

暂无评论

动态双边网格实现的视频前景分割算法

引用

计算机辅助设计与图形学学报 2018年第11期30卷 2101-2107页

作者：陈亚当郝川艳南京信息工程大学计算机与软件学院南京210044 南京邮电大学科学与教育学院南京210023

针对视频前景分割技术中前/背景颜色相似、物体遮挡、数据冗余等难点,提出用双边网格的数据结构形式来实现视频前景分割.首先为视频数据构造一个高维的映射空间;然后根据标签数据为空间中每一个节点计算相应的分割值,并采用图割算法进... 详细信息

针对视频前景分割技术中前/背景颜色相似、物体遮挡、数据冗余等难点,提出用双边网格的数据结构形式来实现视频前景分割.首先为视频数据构造一个高维的映射空间;然后根据标签数据为空间中每一个节点计算相应的分割值,并采用图割算法进行分割;最后把高维特征空间中的结果降维到当前对应的视频帧中,完成分割.采用DAVIS数据对算法进行实验结果的表明,通过对分割结果的定性分析与定量对比,证明该算法切实可行,并能有效地解决上述问题.

关键词：视频处理前景分割标签数据双边网格

来源：评论

学校读者我要写书评

暂无评论

一种基于协同稀疏和全变差的高光谱线性解混方法

引用

自动化学报 2018年第1期44卷 116-128页

作者：陈允杰葛魏东孙乐南京信息工程大学数学与统计学院南京210044 南京信息工程大学计算机与软件学院南京210044

稀疏分解是高光谱图像(Hyperspectral image,HSI)解混中的常用方法,为了克服传统稀疏解混方法只重视挖掘空间相关性而忽视稀疏性精确刻画的缺点,本文提出一种新的基于协同稀疏和全变差(Total variation,TV)相结合的高光谱空谱联合线性... 详细信息

稀疏分解是高光谱图像(Hyperspectral image,HSI)解混中的常用方法,为了克服传统稀疏解混方法只重视挖掘空间相关性而忽视稀疏性精确刻画的缺点,本文提出一种新的基于协同稀疏和全变差(Total variation,TV)相结合的高光谱空谱联合线性解混方法,从而进一步提高解混的精度.该方法基于已知光谱库的高光谱稀疏线性回归模型,利用TV正则项对高光谱邻域像元间的相关性进行约束;同时,协同稀疏性被用来刻画丰度系数的行稀疏性,从而表明协同稀疏先验对空谱联合解混精度的提高至关重要;最后采用交替方向乘子法求解模型.模拟高光谱数据实验结果定量地验证本文方法能够比现有同类方法获得更精确的解混结果,同时真实高光谱数据实验结果定性地验证了本文方法的有效性.

关键词：高光谱图像协同稀疏 TV正则项线性光谱解混交替方向乘子法

来源：评论

学校读者我要写书评

暂无评论

基于区分服务的层次环状结构应用层多播模型

引用

通信学报 2009年第10期30卷 128-134页

作者：许建真梁克会张福炎南京邮电大学计算机学院江苏南京210003 南京大学计算机软件新技术国家重点实验室江苏南京210093

为了提高应用层多播的传输效率,提出一种基于区分服务的层次环状结构的应用层多播模型HRM,该模型构建了一个多层的覆盖网络,每层节点构成环状结构,取消了层中控制节点,减小了控制开销;并在数据传输过程中,根据应用层多播业务实时性不同... 详细信息

为了提高应用层多播的传输效率,提出一种基于区分服务的层次环状结构的应用层多播模型HRM,该模型构建了一个多层的覆盖网络,每层节点构成环状结构,取消了层中控制节点,减小了控制开销;并在数据传输过程中,根据应用层多播业务实时性不同,采用Push或Pull传输策略,减小传输时延或提高带宽利用率。仿真结果表明,该模型具有较小时延和控制开销以及较低的链路压力,适用于大规模应用层多播环境。

关键词：应用层多播层次环状结构区分应用优先级

来源：评论

学校读者我要写书评

暂无评论

Java指针分析综述

引用

计算机研究与发展 2023年第2期60卷 274-293页

作者：谭添马晓星许畅马春燕李樾南京大学计算机科学与技术系南京210023 计算机软件新技术国家重点实验室(南京大学) 南京210023 西北工业大学软件学院西安710129

近年来静态程序分析已成为保障软件可靠性、安全性和高效性的关键技术之一.指针分析作为基础程序分析技术为静态程序分析提供关于程序的一系列基础信息,例如程序任意变量的指向关系、变量间的别名关系、程序调用图、堆对象的可达性等.... 详细信息

近年来静态程序分析已成为保障软件可靠性、安全性和高效性的关键技术之一.指针分析作为基础程序分析技术为静态程序分析提供关于程序的一系列基础信息,例如程序任意变量的指向关系、变量间的别名关系、程序调用图、堆对象的可达性等.介绍了Java指针分析的重要内容:指针分析算法、上下文敏感、堆对象抽象、复杂语言特性处理、非全程序指针分析,特别是对近年来指针分析的研究热点选择性上下文敏感技术进行了梳理和讨论.

关键词：指针分析别名分析 Java 静态分析上下文敏感

来源：评论

学校读者我要写书评

暂无评论

基于Gabor变换的GrabCut纹理图像分割

引用

控制与决策 2016年第1期31卷 149-154页

作者：杨章静钱建军黄璞张凡龙杨国为南京审计学院工学院南京211815 南京理工大学计算机科学与工程学院南京210094 南京邮电大学计算机科学与技术学院南京210023

多数自然图像都包含纹理信息,它相对颜色特征而言具有描述方向性与尺度差异的特性.因此,可以利用半交互式的GrabCut的图像分割方式对图像前景区域与背景区域进行有效的分割,通过建立前景和背景所对应的高斯混合模型(GMM),结合最大流最... 详细信息

多数自然图像都包含纹理信息,它相对颜色特征而言具有描述方向性与尺度差异的特性.因此,可以利用半交互式的GrabCut的图像分割方式对图像前景区域与背景区域进行有效的分割,通过建立前景和背景所对应的高斯混合模型(GMM),结合最大流最小割的图像分割方式实现全局优化,并利用前景和背景的KL测度,自适应地终止分割过程.实验对比分析表明,所提出的方法对于合成纹理图像与自然纹理图像具有较好的整体分割效果及较高的分割准确率.

关键词： Gabor小波纹理特征 GrabCut框架纹理图像分割

来源：评论

学校读者我要写书评

暂无评论

车联网边缘计算环境下基于深度强化学习的分布式服务卸载方法

引用

计算机学报 2021年第12期44卷 2382-2405页

作者：许小龙方子介齐连永窦万春何强段玉聪南京信息工程大学计算机与软件学院南京210044 南京大学计算机软件新技术国家重点实验室南京210023 曲阜师范大学信息科学与工程学院山东曲阜273199 斯威本科技大学计算机科学与软件工程系澳大利亚墨尔本3122 海南大学计算机与网络空间安全学院海口570228

边缘计算将计算、存储和带宽等资源分布到了靠近用户的一侧.通过将边缘计算引入车联网,服务提供商能为车载用户提供低延时的服务,从而提高用户出行的服务体验.然而,由于边缘服务器所配备的资源一般是有限的,不能同时支持所有车联网用户... 详细信息

边缘计算将计算、存储和带宽等资源分布到了靠近用户的一侧.通过将边缘计算引入车联网,服务提供商能为车载用户提供低延时的服务,从而提高用户出行的服务体验.然而,由于边缘服务器所配备的资源一般是有限的,不能同时支持所有车联网用户的服务需求,因此,如何在边缘服务器资源限制的约束下,确定服务卸载地点,为用户提供低时延的服务,仍然是一个巨大的挑战.针对上述问题,本文提出了一种“端-边-云”协同的5G车联网边缘计算系统模型,并针对该系统模型设计了深度学习和深度强化学习协同的分布式服务卸载方法D-SOAC.首先,通过深度时空残差网络,D-SOAC在中心云预测出潜在的用户服务需求量,协同各边缘服务器获取本地车联网边缘计算环境的系统状态,输入边缘服务器上的本地行动者网络,得到该状态下的服务卸载策略.然后,本地评论家网络基于时序差分误差评价该服务卸载策略的优劣,并指导本地行动者网络进行网络参数的优化.优化一定步数后,边缘服务器将优化过的本地网络参数上传到位于中心云的全局网络,协同中心云进行网络参数的更新.最后,中心云将最新的参数推送回本地网络,从而不断对行动者评论家网络进行调优,获得服务卸载的最优解.基于来自现实世界的车载用户服务需求数据集的实验结果表明,在各种车联网边缘计算环境中,相比于四种现有的服务卸载算法,D-SOAC能够降低0.4%~20.4%的用户平均服务时延.

关键词：边缘计算车联网服务卸载深度时空残差网络异步优势行动者评论家

来源：评论

学校读者我要写书评

暂无评论

距离辅助的无线传感器网络节点覆盖判别模型

引用

通信学报 2010年第8期31卷 127-133页

作者：凡高娟孙力娟王汝传黄海平南京邮电大学计算机学院江苏南京210003 南京大学计算机软件新技术国家重点实验室江苏南京210093

提出了距离辅助的节点覆盖判别模型DANCI(distance-assistant node coverage identification model),通过邻居节点到本节点的距离信息,判别该节点被邻居节点覆盖的程度。理论分析与仿真结果表明,在节点随机部署情况下,计算所得的覆盖度... 详细信息

提出了距离辅助的节点覆盖判别模型DANCI(distance-assistant node coverage identification model),通过邻居节点到本节点的距离信息,判别该节点被邻居节点覆盖的程度。理论分析与仿真结果表明,在节点随机部署情况下,计算所得的覆盖度与节点位置已知情况下,其覆盖度的最大误差仅为6.396 0%。相对于邻居节点个数与最近邻居距离覆盖判别方法,极大提高了覆盖判别的精确性。

关键词：无线传感器网络距离辅助覆盖判别

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：