检索结果-内蒙古大学图书馆

计算机应用研究 2025年第4期42卷 1167-1176页

作者：王祯启边奕心马偌楠毕博宇王金鑫哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

相对于单一种类的代码异味,异味共存对程序更具危害性。针对Android特有代码异味,现有研究主要关注单一种类异味的检测,忽略异味共存对Android应用程序的负面影响。为识别共存的Android特有代码异味,提出融合静态程序分析与集成学习的An... 详细信息

相对于单一种类的代码异味,异味共存对程序更具危害性。针对Android特有代码异味,现有研究主要关注单一种类异味的检测,忽略异味共存对Android应用程序的负面影响。为识别共存的Android特有代码异味,提出融合静态程序分析与集成学习的Android代码异味共存检测方法。作为初步研究,识别忽略类成员变量的方法异味与缺少低内存处理程序异味的共存。首先,提出基于静态程序分析的Android代码异味共存检测方法和正负样本自动生成方法并实现工具ASSD。该工具的输出为后续集成学习模型提供丰富的训练样本。然后,针对单一机器学习模型泛化能力有限的问题,提出一种软投票集成学习模型,识别共存的Android代码异味。该模型不仅可以集成传统机器学习模型,还可以集成改进的深度学习模型。实验结果表明,所提方法优于已有基于静态程序分析的检测方法,F_(1)值提升了26.1百分点。此外,基于传统机器学习的软投票集成学习模型优于基于深度学习的软投票集成学习模型,F_(1)值提升了6.1百分点。所提方法可以实现Android代码异味共存的检测。

关键词： Android代码异味共存软投票集成学习静态程序分析

来源：评论

学校读者我要写书评

暂无评论

基于区域内读数段分类的插入/缺失基因组变异检测方法

引用

计算机与现代化 2023年第7期 13-19页

作者：李兰兰高建龙朱晓穆培政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150025 烟台大学计算机与控制工程学院山东烟台264005

长读长测序技术产生的长读数,尤其是精确的长读数,为变异检测提供了很好的数据基础。插入/缺失是较常见的基因组变异,也是重要的致病性变异来源。人类基因组的二倍体特性和高度重复结构导致一些复杂形式的杂合插入/缺失变异的检测仍具... 详细信息

长读长测序技术产生的长读数,尤其是精确的长读数,为变异检测提供了很好的数据基础。插入/缺失是较常见的基因组变异,也是重要的致病性变异来源。人类基因组的二倍体特性和高度重复结构导致一些复杂形式的杂合插入/缺失变异的检测仍具有一定难度,变异检测的敏感度和精确度仍有改进空间。针对现有方法对复杂形式的杂合插入/缺失的变异检测效果不佳这一问题,提出一种基于区域内读数段分类的插入/缺失基因组变异检测方法。该方法基于精确的长读数,使用基于双序列比对的读数段分类算法将区域内的读数段根据人类基因组的二倍体特性至多分为2组,从而更精确地检测插入/缺失变异。该方法与其他5种常见的变异检测方法在2组模拟数据集和1组真实数据集上进行比较。实验结果表明,该方法可以提高复杂杂合插入/缺失变异检测的敏感度,具有较好的插入/缺失变异检测效果。

关键词：长读数读数段分类插入变异缺失变异变异检测

来源：评论

学校读者我要写书评

暂无评论

SVGLR:全新的长读测序基因分型算法

引用

移动信息 2023年第2期45卷 91-93页

作者：刘宇暄高建龙李兰兰胡振铎朱晓哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 烟台大学计算机与控制工程学院山东烟台264005

文中基于三代测序数据提出了一种动态规划的基因分型算法。首先,根据改进的Needleman-Wunsch序列比对算法将基因组中所有变异的序列分别进行比对,根据比对矩阵生成用于分类的匹配向量序列。然后,提出序列分类算法,根据分类结果计算基因... 详细信息

文中基于三代测序数据提出了一种动态规划的基因分型算法。首先,根据改进的Needleman-Wunsch序列比对算法将基因组中所有变异的序列分别进行比对,根据比对矩阵生成用于分类的匹配向量序列。然后,提出序列分类算法,根据分类结果计算基因型,确定变异的合子性。在公开数据集上,使用该算法进行基因分型实验,实验结果表明该算法的精确率和F1指标均有所提高,有着较好的基因分型结果。

关键词：基因分型三代测序数据动态规划结构变异

来源：评论

学校读者我要写书评

暂无评论

一种基于改进的GMM算法的数据丢失预测模型

引用

长江信息通信 2023年第3期36卷 28-34页

作者：王晖姜春茂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150025 福建工程学院计算机科学与数学学院福建福州350118

随着云平台上运行任务的数量急剧增加,任务失败的概率也随之增加,数据的丢失是任务失败的主要原因。如果在任务运行前判断出是否可能发生丢失以及其丢失类型,那么就可以提前采取措施避免或减少损失。该模型基于谷歌在2019年发布的最新... 详细信息

随着云平台上运行任务的数量急剧增加,任务失败的概率也随之增加,数据的丢失是任务失败的主要原因。如果在任务运行前判断出是否可能发生丢失以及其丢失类型,那么就可以提前采取措施避免或减少损失。该模型基于谷歌在2019年发布的最新云集群数据,对任务的数据丢失问题进行了深入的研究,针对不同任务属性探究其与数据丢失的相关性,并选用了GMM(Gaussian Mixed Model)算法并将其改进来建立数据丢失预测模型。经过多种聚类算法的实验比较,改进后的GMM模型表现出极好的适应性和准确性,能够精准且迅速地在任务运行前判断其发生数据丢失的可能性以及判断其丢失类型。最后根据预测出的不同数据丢失类型,给出了一定的建议。

关键词：谷歌云集群任务失败数据丢失预测 Gaussian Mixed Model

来源：评论

学校读者我要写书评

暂无评论

Android应用程序的代码异味检测工具与方法综述

引用

智能计算机与应用 2022年第8期12卷 70-75,84页

作者：王露颖边奕心赵松朱晓涂杰哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

在Android应用程序中存在大量的代码异味,良好的代码异味检测工具和方法可以帮助程序开发者和维护者快速、高效、准确地在大量的程序中找到异味,是软件开发和维护强有力的技术支持方式。本文对Android应用程序中的代码异味检测工具和方... 详细信息

在Android应用程序中存在大量的代码异味,良好的代码异味检测工具和方法可以帮助程序开发者和维护者快速、高效、准确地在大量的程序中找到异味,是软件开发和维护强有力的技术支持方式。本文对Android应用程序中的代码异味检测工具和方法进行了总结,从应用环境、功能、支持语言、检测出的异味种类及检测精度等方面展开分析和比较;最后,针对目前工具存在的不足及未来的研究方向加以讨论和分析,为Android应用程序中代码异味检测及重构的研究提供参考。

关键词： Android应用程序代码异味代码异味检测工具

来源：评论

学校读者我要写书评

暂无评论

融合MS-IRB与CAM的入侵检测模型

引用

小型微型计算机系统 2023年第7期44卷 1586-1592页

作者：黄博王禹贺赵艳于丹周英卓德志李世明哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 洛阳师范学院信息技术学院河南洛阳471934 上海市信息安全综合管理技术研究重点实验室上海200240

针对深度学习模型复杂度高导致的模型训练时间长、收敛速度慢等问题,本文提出了一种融合多尺度倒残差块(Multiscale-Inverted Residual Block,MS-IRB)与通道注意力机制(Channel Attention Mechanism,CAM)的入侵检测模型,该模型在确保检... 详细信息

针对深度学习模型复杂度高导致的模型训练时间长、收敛速度慢等问题,本文提出了一种融合多尺度倒残差块(Multiscale-Inverted Residual Block,MS-IRB)与通道注意力机制(Channel Attention Mechanism,CAM)的入侵检测模型,该模型在确保检测性能的同时降低了复杂度.首先,将数据集中的一维网络流量数据进行数值化、归一化处理,进而转化为三通道格式;其次,利用三组倒残差块对数据进行多尺度特征提取,所使用的卷积核尺寸分别为1×1、2×2、3×3,采用通道注意力机制为各个卷积通道分配不同权重,提高了本文模型对包含更多有效信息通道的关注度,选用BN方法来降低过拟合程度并加快模型的收敛速度;最后,将全连接处理所得特征矩阵通过Softmax函数映射获得分类结果.为验证本文模型,在UNSW-NB15数据集上进行实验评估.实验结果表明:本文模型参数数量分别比CNN少34%、比LSTM少60%,且计算量比CNN小45%;同时,分类准确率相比CNN提高了0.7%.

关键词：入侵检测 MS-IRB 深度可分离卷积通道注意力机制模型复杂度

来源：评论

学校读者我要写书评

暂无评论

面向ICS的CGAN-DEEPFOREST入侵检测

引用

小型微型计算机系统 2023年第4期44卷 868-874页

作者：郑灿伟李世明王禹贺杜军倪蕴涛赵艳哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 上海市信息安全综合管理技术研究重点实验室上海200240 洛阳师范学院信息技术学院河南洛阳471934

随着工业化与信息化的深度融合,工业控制系统(ICS)的安全问题广受关注,ICS领域出现了许多入侵检测模型.但是,现存模型存在局限性,无法同时解决数据不平衡、分类时间长、小样本检测率低和准确率低的问题.因此,本文提出CGAN-DeepForest入... 详细信息

随着工业化与信息化的深度融合,工业控制系统(ICS)的安全问题广受关注,ICS领域出现了许多入侵检测模型.但是,现存模型存在局限性,无法同时解决数据不平衡、分类时间长、小样本检测率低和准确率低的问题.因此,本文提出CGAN-DeepForest入侵检测模型解决上述问题.首先,采用改进的条件生成对抗网络(CGAN)定向扩充数据来改善数据的不平衡性.其次,采用随机森林对平衡后的数据集进行特征提取,降低分类模型训练时间和分类时间.再次,采用深度森林(DeepForest)进行分类,提高小样本检测率和整体准确率,输出分类结果.最后,使用数据集Gas验证模型效果.实验结果表明,本文模型与简单深度森林模型相比准确率整体提升3%,小样本数据NMRI、MFCI、Dos的查全率、查准率、F1分别提高至95%、84%、90%;与随机森林模型相比,准确率整体提高6%,小样本NMRI的查全率提升23%;与深度卷积神经网络相比,准确率接近94%时,模型训练时间和分类时间提高约50%.

关键词：工业控制系统入侵检测 CGAN-Deep Forest 不平衡性分类时间

来源：评论

学校读者我要写书评

暂无评论

程序设计思想融入离散数学的教学探索

引用

计算机教育 2025年第3期 256-260页

作者：魏洪伟魏红杰于丹段喜萍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150025 哈尔滨市第49中学黑龙江哈尔滨150025

针对高校计算机相关专业离散数学课的教学实际,分析离散数学的教学特点,提出将程序设计思想融入离散数学教学的观点,阐述教学流程和教学方式,总结算法设计与离散数学之间相辅相成的关系,最后通过学生满意度调查说明教学效果。

关键词：离散数学程序设计思想探究式教学移动学习

来源：评论

学校读者我要写书评

暂无评论

新工科背景下计算机专业“本硕衔接”人才培养模式研究

引用

教书育人（高教论坛） 2022年第1期 65-67页

作者：季伟东李英梅哈尔滨师范大学计算机科学与信息工程学院

为顺应新工科背景下高校教育改革和培养高层次应用型人才的探索趋势,结合国内高校工科人才培养方面的显著问题,就计算机专业提出了“本硕衔接”人才培养模式。从生源选拔、培养资源、培养过程三个维度具体构建,优化人才选拔制度,合理配... 详细信息

为顺应新工科背景下高校教育改革和培养高层次应用型人才的探索趋势,结合国内高校工科人才培养方面的显著问题,就计算机专业提出了“本硕衔接”人才培养模式。从生源选拔、培养资源、培养过程三个维度具体构建,优化人才选拔制度,合理配置教育资源,“双校”机制并行运转,提高高层次应用型人才的综合素质与能力水平,增强人才与需求间的契合度。

关键词：新工科计算机专业本硕衔接培养模式

来源：评论

学校读者我要写书评

暂无评论

人工智能视域下传统作曲课程导师团队建设途径

引用

中文科技期刊数据库（引文版）教育科学 2024年第12期 162-164页

作者：刘源雪于梦哈尔滨学院教师教育学院黑龙江哈尔滨150000 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150000

传统作曲课程在人工智能深刻影响下,通过建设良好的导师团队可以更好更快地促进跨学科融合,整合教学资源,凝聚跨学科融合共识。导师团队作为教学活动执行者,在人工智能技术应用的背景下,应当充分意识到教育理念创新的重要性,要自觉将人... 详细信息

传统作曲课程在人工智能深刻影响下,通过建设良好的导师团队可以更好更快地促进跨学科融合,整合教学资源,凝聚跨学科融合共识。导师团队作为教学活动执行者,在人工智能技术应用的背景下,应当充分意识到教育理念创新的重要性,要自觉将人工智能技术渗透至传统作曲课程教学中,强化人工智能技术在传统作曲课程中的应用观念,势必会对教育教学活动产生重要影响。

关键词：人工智能传统作曲课程导师团队

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：