检索结果-内蒙古大学图书馆

软件工程与应用 2023年第6期12卷 844-850页

作者：纪雷张志敏王心怡赵国生哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨

知识图谱作为新型数据语义分析模型得到广泛应用,人们对提交数据安全的需求也日益提高。为帮助目前面临的数据孤岛和关联网络构建问题,知识图谱得到了现有研究中的广泛关注和研究。虽然知识图谱作为一种极具影响的机器学习技术,能够对... 详细信息

知识图谱作为新型数据语义分析模型得到广泛应用,人们对提交数据安全的需求也日益提高。为帮助目前面临的数据孤岛和关联网络构建问题,知识图谱得到了现有研究中的广泛关注和研究。虽然知识图谱作为一种极具影响的机器学习技术,能够对离散数据进行关联关系挖掘分析,但是也存在很多安全性问题。因此本文对知识图谱构建过程中面临的隐私安全隐患进行总结和分析,这对知识图谱的发展及应用具有重要意义,本文首先对知识图谱的基本概念和知识图谱嵌入过程进行详细阐述;接着,深入分析知识图谱建模过程中遇到的隐私泄露问题,包括模型逆向攻击、模型萃取攻击、投毒共计。然后,归纳总结了不同的知识图谱嵌入过程中的攻击防御方法。最后,总结与展望了知识图谱嵌入的应用前景及未来重要研究方向。

关键词：知识图谱数据安全隐私保护

来源：评论

学校读者我要写书评

暂无评论

融合多样频度与分布差异的Android恶意软件检测

引用

计算机工程与设计 2024年第2期45卷 390-395页

作者：赵旭康刘晓锋徐洁西华师范大学计算机学院四川南充637009 西华师范大学电子信息工程学院四川南充637009

为解决Android恶意软件检测中特征数量多且检测精度不足的问题,提出一种特征重要性的评分算法。改进词频与逆文本频率指数中对常见特征权重下降的不足,将权限、意图和接口3种类型的静态特征在良性与恶意数据集中表现出的多样频度与分布... 详细信息

为解决Android恶意软件检测中特征数量多且检测精度不足的问题,提出一种特征重要性的评分算法。改进词频与逆文本频率指数中对常见特征权重下降的不足,将权限、意图和接口3种类型的静态特征在良性与恶意数据集中表现出的多样频度与分布差异相结合,根据得出的评分大小依次排名,筛选出更有区分度的关键特征。实验结果表明,将该方法筛选出的前150个关键特征与随机森林模型结合,达到的98.82%准确率优于同等条件下的其它算法,满足实际运用的需求。

关键词：特征重要性评分特征选择机器学习恶意软件检测静态分析随机森林移动安全

来源：评论

学校读者我要写书评

暂无评论

一种邻域合成的软件缺陷预测过采样方法

引用

软件工程与应用 2023年第6期12卷 930-939页

作者：纪晨辉李英梅哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨

在软件缺陷预测中,数据集的类不平衡是其主要挑战之一。针对该问题,提出了一种邻域合成的过采样方法,该方法充分考虑了缺陷类样本近邻的特征信息,参照周围近邻样本的特征信息合成新样本,使得生成的样本更加多样化,并在缺陷样本较少的区... 详细信息

在软件缺陷预测中,数据集的类不平衡是其主要挑战之一。针对该问题,提出了一种邻域合成的过采样方法,该方法充分考虑了缺陷类样本近邻的特征信息,参照周围近邻样本的特征信息合成新样本,使得生成的样本更加多样化,并在缺陷样本较少的区域生成更多的样本,用来增强模型对稀疏缺陷类样本的识别能力。以AEEEM数据集和NASA数据集作为样本,采用F1值作为评估标准进行实验,实验结果显示,这种方法优于其他传统的过采样算法。

关键词：软件缺陷预测类不平衡过采样

来源：评论

学校读者我要写书评

暂无评论

集成特征选择的代价敏感Boosting软件缺陷预测方法

引用

软件工程与应用 2023年第6期12卷 975-988页

作者：唐鹤龙李英梅哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨

软件中潜在的缺陷会产生严重的后果,通过使用软件缺陷预测技术可以及时地检测到模块中的缺陷。然而,由于软件缺陷数据集中的类不平衡和高维度特征问题,会导致模型的预测性能下降,因此提出了一种集成特征选择的代价敏感Boosting软件缺陷... 详细信息

软件中潜在的缺陷会产生严重的后果,通过使用软件缺陷预测技术可以及时地检测到模块中的缺陷。然而,由于软件缺陷数据集中的类不平衡和高维度特征问题,会导致模型的预测性能下降,因此提出了一种集成特征选择的代价敏感Boosting软件缺陷预测方法(Cost-Sensitive Boosting for Feature Selection, CSBFS)。CSBFS首先采用了一种代价敏感的特征选择算法,该算法先计算每个特征对预测结果的贡献值,并根据不同错误类别的代价对贡献值进行调整,选择具有正向贡献的特征作为特征子集,解决了高维度特征的问题;接下来,将这个特征选择算法嵌入进Boosting算法中,在Boosting的每一轮迭代中,为每个基学习器选择合适的特征子集,从而增加了基学习器之间的多样性;此外,通过调整错误类别的权重,为第一类错分样本赋予更高的权重,以缓解类别不平衡问题,进一步提高了预测效果。在20个公开数据集上进行实验,以F-measure、Recall、AUC、G-mean等作为评价指标,实验结果验证了CSBFS方法的有效性。

关键词：软件缺陷预测代价敏感特征选择集成学习

来源：评论

学校读者我要写书评

暂无评论

融合三支决策的预测式容器伸缩优化策略

引用

软件工程与应用 2023年第6期12卷 793-809页

作者：吝兴银杨朝钟崇楷哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨

当前Kubernetes中基于固定阈值的响应式伸缩策略存在无法根据集群负载动态调整扩缩容力度以及存在的时间滞后性等突出性问题。针对该问题,利用负载预测模型在检测实时工作负载的同时对未来的工作负载进行预测,同时,根据历史负载变化情... 详细信息

当前Kubernetes中基于固定阈值的响应式伸缩策略存在无法根据集群负载动态调整扩缩容力度以及存在的时间滞后性等突出性问题。针对该问题,利用负载预测模型在检测实时工作负载的同时对未来的工作负载进行预测,同时,根据历史负载变化情况并结合三支决策对负载波动进行三分,即低负载波动期、正常负载波动期、高负载波动期,针对每一种负载波动期,对伸缩力度进行细粒化,最后基于负载波动期和预测的CPU利用率执行相应的容器伸缩决策。通过对比Kubernetes原生算法和同类算法,所提出的伸缩优化策略能够有效地应对负载波动,降低SLA违约率,在保证QoS的同时降低了资源的浪费。

关键词：负载预测容器三支决策伸缩策略

来源：评论

学校读者我要写书评

暂无评论

群智感知网络中数据质量保证方法分析

引用

软件工程与应用 2023年第6期12卷 745-751页

作者：张志敏纪雷王心怡赵国生哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨

移动智能终端设备和无线技术的快速发展,使得移动群智感知网络作为一种全新的物联网感知范式得到了广泛关注。然而在实际应用中,移动群智感知系统的大规模应用仍面临一些挑战。感知数据作为移动群智感知网络的重要组成部分,其质量的高... 详细信息

移动智能终端设备和无线技术的快速发展,使得移动群智感知网络作为一种全新的物联网感知范式得到了广泛关注。然而在实际应用中,移动群智感知系统的大规模应用仍面临一些挑战。感知数据作为移动群智感知网络的重要组成部分,其质量的高低直接影响着移动群智感知系统的服务质量,进而对移动群智感知系统能否大规模普及起着关键作用,因此确保高质量数据是移动群智感知网络研究的重点之一。本文首先从感知数据生命周期的角度出发,对数据感知、数据上传、数据交易阶段中影响感知数据质量的因素进行了详细说明。其次。从激励机制、数据可靠性评估、隐私保护三个方面对现有的感知数据质量保证方法进行了总结;最后,对移动群智感知网络的应用前景以及未来的研究方向进行了总结与展望,以期为移动群智感知数据质量保证方法研究提供一些参考。

关键词：移动群智感知网络数据质量隐私保护

来源：评论

学校读者我要写书评

暂无评论

粒子置换的双种群综合学习PSO算法

引用

计算机科学与探索 2021年第4期15卷 766-776页

作者：纪伟李英梅季伟东张珑哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 天津师范大学计算机与信息工程学院天津300387

针对粒子群算法(PSO)种群多样性低和易于陷入局部最优等问题,提出一种粒子置换的双种群综合学习PSO算法(PP-CLPSO)。根据PSO算法的收敛特性和Logistic映射的混沌思想,设计并行进化的PSO种群和混沌化种群,结合粒子编号机制,形成双种群系... 详细信息

针对粒子群算法(PSO)种群多样性低和易于陷入局部最优等问题,提出一种粒子置换的双种群综合学习PSO算法(PP-CLPSO)。根据PSO算法的收敛特性和Logistic映射的混沌思想,设计并行进化的PSO种群和混沌化种群,结合粒子编号机制,形成双种群系统中粒子的同号结构和同位结构,其中粒子的惯性权重根据适应度值自适应调节;当搜索过程陷入局部最优时,PSO种群同位结构下适应度值较差的粒子,根据与混沌化种群间的同号结构执行粒子置换操作,实现了双种群系统资源的合理调度,增加了种群的多样性;进而综合双向搜索的同位粒子学习策略和线性递减搜索步长的局部学习策略,进行全局探勘和局部搜索,提高了算法的求解精度。实验选取9个基准测试函数,同时与4个改进的粒子群算法和4个群智能算法进行对比验证,实验结果表明,PP-CLPSO算法在求解精度和收敛速度等方面具备较好的综合性能。

关键词：粒子群算法(PSO) 双种群系统粒子编号粒子置换综合学习

来源：评论

学校读者我要写书评

暂无评论

基于麻雀搜索算法优化分层粒子群的虚拟机放置

引用

软件工程与应用 2023年第6期12卷 883-894页

作者：钟崇楷黄春梅哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨

随着用户和应用程序数量的不断增长,云数据中心对虚拟机的需求也日益增加。虚拟机放置(VMP)作为实现高效资源管理的关键问题,备受关注。本文针对VMP问题提出了一种新的优化模型,综合考虑了放置时间、功率消耗和资源浪费三个目标的最小... 详细信息

随着用户和应用程序数量的不断增长,云数据中心对虚拟机的需求也日益增加。虚拟机放置(VMP)作为实现高效资源管理的关键问题,备受关注。本文针对VMP问题提出了一种新的优化模型,综合考虑了放置时间、功率消耗和资源浪费三个目标的最小化。为了优化VMP方案,我们采用了基于麻雀优化分层粒子群算法(SSA-HPSO)。该算法通过对粒子进行层次划分,使得粒子的搜索策略和更新规则针对不同层次和能量水平进行优化。同时,结合麻雀搜索算法,进一步提高了搜索效率和全局搜索能力。这种混合优化策略充分利用了分层粒子群算法的全局搜索和麻雀搜索算法个体之间的协同搜索能力,从而有效地解决了VMP问题。实验结果表明,所提出的基于麻雀搜索算法优化分层粒子群的虚拟机放置算法要优于传统的方法,显著提升了虚拟机放置性能。

关键词：虚拟机放置资源管理能量消耗麻雀搜索算法粒子群优化云计算

来源：评论

学校读者我要写书评

暂无评论

群智感知网络中轨迹隐私保护方法安全性分析

引用

软件工程与应用 2023年第6期12卷 826-831页

作者：王心怡廖祎玮张志敏纪雷赵国生哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨

随着科技与经济的快速发展和移动智能设备层出不穷极大地推动了群智感知(Crowdsensing, CS)网络的发展。其中,轨迹隐私保护方法是群智感知隐私保护研究的热点问题,虽然轨迹隐私保护方法多样,但在具有大规模参与者的群智感知网络中仍存... 详细信息

随着科技与经济的快速发展和移动智能设备层出不穷极大地推动了群智感知(Crowdsensing, CS)网络的发展。其中,轨迹隐私保护方法是群智感知隐私保护研究的热点问题,虽然轨迹隐私保护方法多样,但在具有大规模参与者的群智感知网络中仍存在隐私保护不当的问题。因此,本文对群智感知轨迹隐私保护方法的安全性进行分析,对研究者开展群智感知轨迹隐私保护研究具有重要意义。首先,本文对群智感知轨迹隐私保护面临的安全问题进行详细的阐述。接着归纳总结了现有群智感知轨迹隐私保护方法包括假数据、匿名、抑制和扰动等方法的研究现状和存在的问题。最后,对群智感知轨迹隐私保护方法未来研究方向总结与展望。

关键词：轨迹隐私隐私保护方法群智感知

来源：评论

学校读者我要写书评

暂无评论

云边端协同下的多云机器人卸载策略研究

引用

软件工程与应用 2023年第6期12卷 851-865页

作者：杨朝李志聪哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨

如何充分利用中心云、边缘云和本地设备的计算资源,使得系统总代价尽可能降低,是云机器人任务卸载领域亟须解决的主要问题之一。针对该问题,提出一种基于遗传博弈的部分任务卸载算法(Genetic Game Theory-Partial Task Offloading, GGT-... 详细信息

如何充分利用中心云、边缘云和本地设备的计算资源,使得系统总代价尽可能降低,是云机器人任务卸载领域亟须解决的主要问题之一。针对该问题,提出一种基于遗传博弈的部分任务卸载算法(Genetic Game Theory-Partial Task Offloading, GGT-PTO)。将云机器人任务完成时间与系统能耗作为衡量系统总代价的两个指标,通过设置任务指标权重来模拟实际任务需求偏好,使用两个阈值对任务进行粒化分割。在每一轮对系统总代价的博弈中,使用遗传算法代替常规设置步长的方式,选出能使系统总代价降低量最大化的单个任务,并将该任务此时对应的卸载阈值更新入系统卸载策略集合中。不断重复以上过程,寻找该算法下的纳什平衡状态,确定整个系统的最佳卸载策略集合,进而降低整个系统的总代价。仿真结果表明,相比于常见二进制卸载算法和基于传统博弈的部分卸载算法,该算法在任务完成时间和能耗上均有明显降低,可使云边端协同服务的整体性能显著提升。

关键词：云边协同任务卸载云机器人博弈论遗传算法

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：