计算面向对象程序切片技术研究

提出了把波动效应分析和系统依赖图结合起来进行切片的方法,通过波动效应分析反映面向对象程序中单元间的波动关系,基于系统依赖图切片侧重于分析控制依赖和数据依赖.分析了面向对象程序中的波动效应,扩展了粗粒度切片的含义,并且把波动结果映射到切片中.通过构造类图和改造传统系统依赖图来构造面向对象系统依赖图.分别给出了波动效应分析、构造系统依赖图以及切片的算法实现,并进行了复杂度分析.     

面向目标情感分析的双重图注意力网络模型

目标情感分析旨在分析评论文本中不同目标所对应的情感倾向。当前,基于图神经网络的方法使用依存句法树来融入依存句法关系,一方面,此类方法大多忽略了依存关系缺乏区分度的事实;另一方面,未考虑依存句法树提供的依存关系存在目标与情感词关系缺失的问题。为此,提出双重图注意力网络模型。该模型首先使用双向长短期记忆网络得到具有语义信息的词节点表示,然后根据依存句法树在词节点表示上构建句法图注意力网络,实现依存句法关系重要程度的区分,更有效地建立目标与情感词之间的关系,进而得到更准确的目标情感特征表示;同时根据句子的无向完全图构建全局图注意力网络来挖掘目标与情感词缺失的关系,进一步提升模型的性能。实验结果表明,与现有模型对比,双重图注意力网络模型在不同数据集上的准确率与宏平均F1值均取得了更好结果。     

从GCC的AST文本提取C源程序静态信息的方法

为了能够正确的分析源程序的控制依赖关系和数据依赖关系,以便在此基础上进行程序切片及冗余代码和重复代码检测,提出一种利用GCC抽象语法树(AST)文本来提取源程序静态信息的方法.首先,对GCCAST文本进行标准化及消除文本中与控制流分析和数据流分析无关的结点信息;其次,构建控制依赖子图;同时如果需要数据流分析,在控制依赖子图的基础上构建控制流图,在控制流图的基础上构建数据流子图;最后通过引入过程间分析来完善系统依赖图.实验结果表明,这种方法基本能正确的分析源程序的控制依赖和数据依赖关系,具有更好的适应性和灵活性.     

一种基于图论和矩阵模型的网格服务依赖分析方法

为了解决网格服务挖掘（GSM）中出现的网格服务测试、维护、组合和失效检测等问题,提出了一种基于图论和矩阵模型的网格服务依赖分析方法.首先分析了GSM中可能存在的各种网格服务依赖的类型.然后定义了直接依赖图、直接依赖矩阵、直接依赖度、依赖关系矩阵和最小覆盖等概念.根据这些定义,给出了使用该方法分析和建模网格服务依赖的过程.最后描述了该方法在四川省交通厅多媒体增值应用系统中的应用过程.结果表明,该方法是准确而有效的.     

Construction method of Chinese sentential semantic structure

A new method is proposed for constructing the Chinese sentential semantic structure in this paper.The method adopts the features including predicates,relations between predicates and basic arguments,relations between words,and case types to train the models of CRF + + and dependency parser. On the basis of the data set in Beijing Forest Studio-Chinese Tagged Corpus( BFS-CTC),the proposed method obtains precision value of 73. 63% in open test. This result shows that the formalized computer processing can construct the sentential semantic structure absolutely. The features of predicates,topic and comment extracted with the method can be applied in Chinese information processing directly for promoting the development of Chinese semantic analysis.The method makes the analysis of sentential semantic analysis based on large scale of data possible. It is a tool for expanding the corpus and has certain theoretical research and practical application value.     

结合句法依存信息的方面级情感分类

引入句法依存信息到原方面术语,提出一种新的方面术语表示方法,利用Glove词向量表示单词以及单词与单词之间的依存关系,构造出包含句法依存信息的依存关系邻接矩阵和依存关系表示矩阵,利用图卷积神经网络和多头注意力机制将句法依存信息融入到方面术语中,使得方面术语表达与上下文结构高度相关。将改进后的方面词术语表示替换到现有模型后,模型泛化能力得到有效提升。对比试验和分析结果表明:该方法具有有效性和泛化性。     

基于邻域关系的决策表约简

针对经典粗糙集理论难以处理连续型数据的特点,提出基于邻域关系的决策表约简方法。该方法在连续型数据的决策表中引入邻域关系,通过邻域关系进行信息粒化,避免离散化过程带来的信息损失。通过定义邻域正域和邻域约简概念,分析邻域正域的单调性原理,提出基于邻域关系的属性重要度概念,进一步设计了两种启发式约简算法。理论分析与实例表明该方法是有效可行的。     

基于安全从属关系的分布式网络入侵检测模型

提出了一种基于安全从属关系的分布式网络入侵检测模型。当某个网络结点遭到入侵时，该模型能自动评估入侵的网络范围，并自动响应来阻止对下一个网络结点的入侵。该模型采用了本地代理与中央代理分布式协同工作模式来分析入侵，与传统的集中式分析模式相比，具有明显的优势。     

多资源约束下的多项目作业调度问题研究

分析了多资源约束下多项目作业调度问题的性质和特点,建立了以拖期最短为目标的数学模型.基于资源上作业排序形成的时序关系以及各项目内部作业间时序关系组成的新时序关系图,提出求解该问题的一般算法.为降低一般算法的计算量和复杂度,使算法能够应用到实际工程,将一般算法和规则相结合,提出一种启发式算法,给出具体的算法步骤.计算示例表明,给出的算法能有效求解多资源约束下多项目作业调度问题.     

一种异质图的Lorentz嵌入模型

异质图嵌入的目标是用低维稠密向量表示原网络的拓扑结构和节点属性信息。为提高异质图嵌入质量、减少失真,提出了一种将异质图嵌入到基于Lorentz模型的双曲空间中的方法。该方法采用元路径约束的随机游走进行节点关系和语义的发现,模型基于负采样的极大似然为目标函数,使目标节点与邻居更相近,而远离非邻居节点,优化方法不同于欧式空间的黎曼梯度下降;在引文网上将所提算法与4种基准图嵌入算法进行比较,实验证明该方法不但获得了优于其他基准算法的预测精度,而且还保留了可解释的图的层次结构。双曲嵌入为异质图的研究提供了一种新的思路,能够为异质图的下游任务提供更高质量的嵌入结果。     

基于混合分析的二进制程序控制流图构建方法

构建控制流图（CFG）是二进制程序分析的基础工作,针对静态构建方法无法处理间接跳转,动态构建方法效率低、不适用于大规模程序的问题,提出结合静态分析和动态分析的混合分析方法. 使用静态分析获得基础的控制流信息;采用模糊测试生成测试用例以进行动态分析,利用动态插桩获得间接跳转信息;融合静态分析和动态分析结果生成控制流图. 基于该混合分析方法,设计并实现了面向x86平台二进制程序的控制流图构建工具CFGConstructor. 分别在示例程序和CGC数据集上进行实验,评估该工具的有效性和性能. 实验结果表明CFGConstructor相比于静态分析能够构建更加完备的控制流图,相比于动态分析分析效率更高,能够适用于大规模程序.     

基于MGCNN的商品评论情感分析

为了解决传统的深度学习模型会忽略语料库中全局词共现信息所包含的非连续和长距离语义的问题。本文提出记忆图卷积神经网络（MGCNN）引入注意力机制的商品评论情感分析方法。首先提取词与词、词与文档之间的关系,以全部的词和文档作为节点,将整个数据集构造成一个异构文本图。再基于图卷积网络（GCN）来构建用于图结构数据的神经网络,利用长短期记忆网络（LSTM）提取上下文相关特征,并使用注意力层获取重要特征。多组对比实验结果表明,本方法的分类效果更好,且随着训练集数据所占比例的降低,其优势更加显著。     

二元阵列偶的并元分析

利用并元理论的性质,给出了一种构造最佳二元阵列偶的新方法。利用这种方法,可以用已知的最佳二元阵列偶构造出更多新的性能相同的最佳二元阵列偶。研究表明该构造方法灵活、简便,为实际工程应用提供了更多的最佳信号。     

关键课程模型及其在高校弹性学制中的应用

通过对高校实施学生在校学习年限弹性化以及由此引起的选课问题的分析，提出了关键课程模型。针对大量课程间的复杂关系，提出把这种多对多的关系转化成数据存储中常用的一对一关系。以传统的关键路径算法理论为基础，提出了改进算法，新算法既符合图论的理论，也适用于应用数据库进行数据处理，并解决了关键路径的存储问题。将新算法应用到实际的培养计划制定系统中，对此算法进行检验并得到正确的结果。该算法可以预控学习年限，为希望提前毕业的学生制定合理的培养计划。     

自然语言问答中的语义关系识别

为了避免问句理解阶段过度依赖命名实体,通过语义关系理解中文自然语言问句中关键信息的逻辑关系,提出基于依赖结构的语义关系识别方法,从问句的依赖结构集中识别出对生成语义关系有价值的三类依赖结构集,将三类依赖结构集组合或转换得到语义关系。在中文标准问答数据集上的试验结果验证了本语义关系识别方法的有效性和可扩展性,本方法在命名实体识别失败时也可以理解中文自然语言问句。     

基于联赛评价和知识提取的交互式遗传算法

交互式遗传算法基于用户评价获得进化个体适应值,是解决性能指标难以(无法)显式描述的复杂优化问题的有效方法.为有效解决交互式遗传算法的用户疲劳问题,提高算法的整体性能,提出了一种基于有向图提取进化知识的高性能交互式遗传算法.首先,基于进化种群构造联赛评价对,并确定进化个体的占优关系;然后,建立有向图,利用有向图节点的出度和入度计算进化个体适应值,并确定优势个体和建筑块;最后,基于建筑块生成新个体,参与种群后续进化.在服装进化设计系统中的应用结果表明,本文算法可有效减轻用户疲劳,提高算法的搜索能力.     

On the graph traversal method for evaluating linear binary-chain programs

Grahne et al. have presented a graph algorithm for evaluating a subset of recursive queries. This method consists of two phases. In the first phase, the method transforms a linear binary-chain program into a set of equations over expressions containing predicate symbols. In the second phase, a graph is constructed from the equations and the answers are produced by traversing the relevant paths. A new algorithm is described which requires less time than Grahne' s. The key idea of the improvement is to reduce the search space that will be traversed when a query is invoked. Further, the evaluation of cyclic data is speeded up by generating most answers directly in terms of the answers already found and the associated "path information" instead of traversing the corresponding paths as usual. In this way, this algorithm achieves a linear time complexity for both acyclic and most of cyclic data.     

排异粗糙近似算子相关性质的研究

借助一般二元关系R构造了排异关系#,并由集合的补运算C及排异关系#构造了排异粗糙上近似算子U#与排异粗糙下近似算子L#,讨论了它们的基本性质。     

基于加权星图稀疏正则化的图像压缩感知重构

为了更有效地表达图像的高阶稀疏结构,提出基于图稀疏正则化的压缩感知重构算法,通过图论方法描述图像稀疏系数间的相关性。首先,采用图结构化稀疏度量表征图像的非局部相似性,并化简稀疏系数的完全图结构为仅与均值节点连接的星图结构,以实现更高效的稀疏表达;然后,通过加权范数的形式体现稀疏系数的不同重要性,达到自适应恢复的目的。进一步,提出求解星图稀疏模型的近似消息传递算法,通过引入辅助变量,使得权值参数和稀疏系数的优化问题更易求解。实验结果表明,所提出的算法在客观质量和主观质量上优于其他基于非局部稀疏模型的重构算法,验证了星图稀疏模型的有效性。     

House co-registration between imagery and GIS data using aspect interpretation matching

A relational matching approach for imagery-to-GIS data is presented. This method applies image aspect interpretation and geospatial data mining techniques to realize their integration. Three-dimensional (3D) primitives, standing for houses, are cho-sen and their projections are represented by these aspects. The hierarchy aspect graphs are constructed to represent their intercon-nected relations. In this connection arcs are described by attribute data via formulated coding regulations. The nodes of the graph represent image features and their attributes can contain measurements on these features. The arcs of the graph represent relations between features and their attributes can contain measurements on spatial relations. Data mining is used to discover the semantic relationship of these primitives. Aerial images are interpreted via these aspects and geospatial data mining. Our experimental results demonstrate that the method presented is capable of effectively interpreting aerial images and extracting high accuracy from the DBM (digital building model) at a rate of 87%.