检索结果-内蒙古大学图书馆

计算机学报 2018年第4期41卷 868-885页

作者：朱光辉黄圣彬袁春风黄宜华南京大学计算机软件新技术国家重点实验室南京210046 江苏省软件新技术与产业化协同创新中心南京210046

谱聚类是一种比传统聚类算法更为高效的算法,其建立在谱图理论基础上,并将聚类问题转化为图的最优划分问题.与传统k-means算法不同的是,谱聚类算法不仅能够在任意形状的样本空间上实现聚类,而且可以收敛至全局最优解.然而,谱聚类算法的... 详细信息

谱聚类是一种比传统聚类算法更为高效的算法,其建立在谱图理论基础上,并将聚类问题转化为图的最优划分问题.与传统k-means算法不同的是,谱聚类算法不仅能够在任意形状的样本空间上实现聚类,而且可以收敛至全局最优解.然而,谱聚类算法的计算开销较大,不仅需要计算任意两个样本之间的相似性,而且还需要计算Laplacian矩阵的特征向量.因此,在大规模数据场景下,谱聚类算法存在计算耗时过长甚至无法完成计算的问题.为了解决谱聚类算法在大规模数据场景下的计算性能问题,使得谱聚类算法能够应用在大数据集上,文中基于Apache Spark分布式并行计算框架研究并实现了大规模并行谱聚类算法SCoS,对算法流程中的每个计算步骤进行了并行化.具体的,SCoS主要实现了相似度矩阵构建与稀疏化过程的并行化、Laplacian矩阵构建与正规化过程的并行化、正规化Laplacian矩阵特征向量计算的并行化以及k-means聚类的并行化.为了降低谱聚类算法中大规模样本相似性计算的开销,SCoS采用了基于多轮迭代的并行计算方式实现大规模样本之间的相似性计算.针对大规模谱聚类算法中耗时较长的Laplacian矩阵特征向量求解问题,SCoS基于ScaLAPACK实现了特征向量的并行化求解,同时文中也实现了近似特征向量计算算法,并且对比分析了精确特征向量计算与近似特征向量计算对于谱聚类算法的性能影响.为了进一步提升大规模谱聚类算法的性能,SCoS采取了矩阵稀疏化表示与存储、Laplacian矩阵乘法优化以及k-means聚类中距离计算放缩剪枝等多种优化手段,尽可能地减少计算开销、存储空间开销以及数据传输开销.实验表明,SCoS不仅在聚类效果上要优于传统的聚类算法,而且具有较高的运行效率,特别是在大规模数据集下,仍具有较高的计算性能,并表现出了良好的数据可扩展性和系统可扩展性.

关键词：谱聚类并行化相似性度量分布式计算 Apache Spark

来源：评论

学校读者我要写书评

暂无评论

服务质量感知的云系统数据副本恢复算法

引用

计算机工程 2019年第9期45卷 17-22页

作者：徐超邓君华姜丽丽吉明涛李鑫国网江苏省电力有限公司电力科学研究院南京210008 江苏方天电力技术有限公司南京210036 南京大学计算机软件新技术国家重点实验室南京210023 南京航空航天大学计算机科学与技术学院南京211106

针对云数据中心环境下的数据副本丢失问题,提出2种服务质量感知的数据副本恢复算法。基于数据副本的分布情况,在考虑数据副本安全规则的前提下,对数据安全等级进行划分,给出分阶段数据副本恢复算法。在此基础上,依据数据冷热程度,建立... 详细信息

针对云数据中心环境下的数据副本丢失问题,提出2种服务质量感知的数据副本恢复算法。基于数据副本的分布情况,在考虑数据副本安全规则的前提下,对数据安全等级进行划分,给出分阶段数据副本恢复算法。在此基础上,依据数据冷热程度,建立数据副本稀有度模型,设计稀有度感知的分阶段数据副本恢复算法。实验结果表明,与直接数据副本恢复算法相比,所提出的算法可有效提高云数据中心的应用服务质量及数据安全保障能力。

关键词：数据中心数据管理服务质量副本分布副本恢复安全规则

来源：评论

学校读者我要写书评

暂无评论

普适计算应用时空性质的运行时验证

引用

软件学报 2018年第6期29卷 1622-1634页

作者：李晅松陶先平宋巍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

运行时验证是提升普适计算应用可靠性的重要手段.这类应用的很多性质同时涉及时间关系和空间位置关系,这样的时空性质给运行时的验证带来了特有挑战:一方面,传统的时态逻辑难以描述空间性质;另一方面,适合描述空间性质的Ambient Logic... 详细信息

运行时验证是提升普适计算应用可靠性的重要手段.这类应用的很多性质同时涉及时间关系和空间位置关系,这样的时空性质给运行时的验证带来了特有挑战:一方面,传统的时态逻辑难以描述空间性质;另一方面,适合描述空间性质的Ambient Logic在真值不确定等情况下不能很好地支持有限轨迹中时间性质的描述.为支持普适计算应用时空性质的运行时验证,引入三值逻辑语义,提出了AL_3(3-valued ambient logic);并在此基础上设计实现了基于AL_3的性质检验算法和运行时监控器.最后,通过案例分析和运行效率实验阐明了所提方法的有效性和可行性.

关键词：普适计算三值语义运行时验证

来源：评论

学校读者我要写书评

暂无评论

优化AUC两遍学习算法

引用

智能系统学报 2018年第3期13卷 395-398页

作者：栾寻高尉南京大学计算机软件新技术国家重点实验室南京210023

ROC曲线下的面积(简称AUC)是机器学习中一种重要的性能评价准则,广泛应用于类别不平衡学习、代价敏感学习、排序学习等诸多学习任务。由于AUC定义于正负样本之间,传统方法需存储整个数据而不能适用于大数据。为解决大规模问题,前人已提... 详细信息

ROC曲线下的面积(简称AUC)是机器学习中一种重要的性能评价准则,广泛应用于类别不平衡学习、代价敏感学习、排序学习等诸多学习任务。由于AUC定义于正负样本之间,传统方法需存储整个数据而不能适用于大数据。为解决大规模问题,前人已提出优化AUC的单遍学习算法,该算法仅需遍历数据一次,通过存储一阶与二阶统计量来进行优化AUC学习。然而在实际应用中,处理二阶统计量依然需要很高的存储与计算开销。为此,本文提出了一种新的优化AUC两遍学习算法TPAUC(two-pass AUC optimization)。该算法的基本思想是遍历数据两遍,第一遍扫描数据获得正、负样本的均值,第二遍采用随机梯度下降方法优化AUC。算法的优点在于通过遍历数据两遍来避免存储和计算二阶统计量,从而提高算法的效率,最后本文通过实验说明方法的有效性。

关键词：机器学习 AUC ROC 单遍学习在线学习排序随机梯度下降统计量

来源：评论

学校读者我要写书评

暂无评论

复杂内核数据结构的形式化描述和验证

引用

小型微型计算机系统 2019年第2期40卷 359-366页

作者：马顶付明乔磊冯新宇中国科学技术大学计算机科学与技术学院合肥230027 华为上海研究所2012实验室-OS内核实验室上海201206 北京控制工程研究所北京100190 南京大学计算机软件新技术国家重点实验室南京210023

对数据结构进行形式化描述是内核验证的重要组成部分,但是在实际的验证工作中,内核经常会使用一些不规则的数据结构,而对不规则数据结构的形式化定义仍存在诸多困难.针对内核中的复杂数据结构,本文提出使用结构拆分以及形状和内存分离... 详细信息

对数据结构进行形式化描述是内核验证的重要组成部分,但是在实际的验证工作中,内核经常会使用一些不规则的数据结构,而对不规则数据结构的形式化定义仍存在诸多困难.针对内核中的复杂数据结构,本文提出使用结构拆分以及形状和内存分离的方法来形式化定义内核中的不规则数据结构,并运用该方法成功刻画了某航天操作系统内核的进程管理数据结构,最终成功验证了该内核中相关API的代码.相关的代码验证工作在定理证明工具Coq中完成.

关键词：内核数据结构形式化验证分离逻辑内核验证

来源：评论

学校读者我要写书评

暂无评论

并发缺陷检测技术研究进展

引用

计算机科学 2019年第5期46卷 13-20页

作者：薄莉莉姜淑娟张艳梅王兴亚于巧中国矿业大学计算机科学与技术学院矿山数字化教育部工程研究中心江苏徐州221116 南京大学计算机软件新技术国家重点实验室南京210093 江苏师范大学计算机科学与技术学院江苏徐州221116

多核时代的到来使得并发程序的设计备受人们关注。然而,并发程序的并发性和不确定性容易引发并发缺陷。因此,快速且有效地检测出这些并发缺陷尤为重要。首先,将目前常见的并发缺陷分为五大类(并发类型状态缺陷、死锁、数据竞争、原子性... 详细信息

多核时代的到来使得并发程序的设计备受人们关注。然而,并发程序的并发性和不确定性容易引发并发缺陷。因此,快速且有效地检测出这些并发缺陷尤为重要。首先,将目前常见的并发缺陷分为五大类(并发类型状态缺陷、死锁、数据竞争、原子性违背和顺序违背);随后,从软件运行的角度,将现有的并发缺陷检测技术分为静态分析、动态分析和动静结合分析,并对每一类进行详细的分析、比较和总结;接着,对并发缺陷检测技术的通用性进行分析和总结;最后,从通用准确的并发缺陷检测、软硬件相结合的并发缺陷检测、并发缺陷检测修复一体化、适用于松散内存模型的并发缺陷检测、安卓等其他应用平台的并发缺陷检测和分布式系统非确定性并发缺陷研究等方面,对并发缺陷检测技术的未来研究进行了探讨。

关键词：并发程序并发缺陷缺陷检测软件测试

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱的bug问题探索性搜索方法

引用

电子学报 2018年第7期46卷 1578-1583页

作者：孙小兵王璐王经纬李斌李宇扬州大学信息工程学院江苏扬州225127 南京大学计算机软件新技术国家重点实验室江苏南京210023

软件bug问题在软件开发与维护过程中不可避免.然而软件历史库中的bug库与commit库之间没有直接的对应关系,并且随着bug信息、commit提交信息量的增长,搜索bug变得更加繁琐.本文提出一种基于知识图谱对bug问题进行探索性搜索的方法.通过... 详细信息

软件bug问题在软件开发与维护过程中不可避免.然而软件历史库中的bug库与commit库之间没有直接的对应关系,并且随着bug信息、commit提交信息量的增长,搜索bug变得更加繁琐.本文提出一种基于知识图谱对bug问题进行探索性搜索的方法.通过建立bug报告、commit提交信息及相关人员(如:bug报告人、commit提交者等)信息的bug知识图谱,并结合探索性搜索的思想,不仅能准确搜索bug问题,还能提供相关辅助信息对bug问题进行探索性搜索,帮助软件开发人员更有效地理解和解决bug问题.

关键词： bug报告 commit提交知识图谱探索性搜索

来源：评论

学校读者我要写书评

暂无评论

基于边缘计算的视频监控框架

引用

计算机工程与设计 2019年第1期40卷 32-39页

作者：葛畅白光伟沈航宋来将南京工业大学计算机科学与技术学院江苏南京211816 南京大学计算机软件新技术国家重点实验室江苏南京210093 南京邮电大学通信与网络技术国家工程研究中心江苏南京210003

为降低云平台视频监控系统视频传输时延、视频分析处理开销和存储成本,提出一种基于边缘计算的视频监控框架。根据边缘节点地理位置靠近视频源的特点,将监控视频流的分析预处理工作迁移到边缘节点完成;设计边缘节点帧过滤算法,通过对视... 详细信息

为降低云平台视频监控系统视频传输时延、视频分析处理开销和存储成本,提出一种基于边缘计算的视频监控框架。根据边缘节点地理位置靠近视频源的特点,将监控视频流的分析预处理工作迁移到边缘节点完成;设计边缘节点帧过滤算法,通过对视频流的目标识别,筛选出有效视频帧进行上传;在此基础上,设计边缘节点任务调度算法,提高视频流实时性和资源利用率。实验结果表明,该框架能够有效降低视频传输开销和视频分析处理开销。

关键词：边缘计算视频预处理视频监控目标识别帧过滤

来源：评论

学校读者我要写书评

暂无评论

知识工程课程实验教学改革探索

引用

计算机教育 2019年第4期 167-170页

作者：胡伟南京大学计算机软件新技术国家重点实验室江苏南京210023 南京大学计算机科学与技术系江苏南京210023

针对当前知识工程课程中普遍存在实验教学偏少、内容陈旧等问题,分析国内外相关课程及教材现状,提出知识工程课程实验教学的改革思路,设计新的知识工程课程实验内容,说明在实际教学中的改革效果。

关键词：知识工程语义网知识图谱实验教学改革课程建设

来源：评论

学校读者我要写书评

暂无评论

基于基完备化理论和嵌入多层感知机的深度网络结构设计

引用

东南大学学报（自然科学版） 2018年第5期48卷 933-938页

作者：张毅锋蒋程程旭刘袁东南大学信息科学与工程学院南京210096 东南大学南京通信技术研究院南京211100 南京大学计算机软件新技术国家重点实验室南京210093 南京信息工程大学计算机与软件学院南京210044

为了进一步改善经典卷积神经网络的识别性能,首先证明了跨层传输实质上是基的完备化过程,然后基于多类型特征提取结构、嵌入多层感知机以及跨层传输结构提出一种新型深度卷积网络——期望网络.经分析发现,期望网络中的多类型特征提取结... 详细信息

为了进一步改善经典卷积神经网络的识别性能,首先证明了跨层传输实质上是基的完备化过程,然后基于多类型特征提取结构、嵌入多层感知机以及跨层传输结构提出一种新型深度卷积网络——期望网络.经分析发现,期望网络中的多类型特征提取结构可提取不同类型的特征,嵌入多层感知机可生成期望图并标定不同类型特征的权重,跨层传输结构可缓解网络性能退化的问题.仿真实验结果表明,在数据集CIFAR-10、数据集CIFAR-100和数据集SVHN上,相比于ResNet网络、深度监督网络和Highw ay网络等经典深度卷积网络,期望网络的误识别率均有不同程度的下降.

关键词：基完备化期望网络嵌入多层感知机期望图

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：