基于图卷积的双通道协同过滤推荐算法

在推荐系统中,利用图卷积网络等方法提取图的高阶信息缓解了冷启动问题。为了在此基础上融合神经网络协同过滤的深层特征提取能力,提出一种基于图卷积的双通道协同过滤推荐算法（GCNCF-2C）。首先,将推荐问题分为上游任务和下游任务;其次,在上游任务中,预训练编码器利用包含残差的一维卷积层和多个图卷积层在两个独立通道中对节点特征和图高阶特征进行分离提取,形成节点的特征表示;最后,解码器通过节点特征进行评级预测,进行端到端的训练。在数据集MovieLens-100K和MovieLens-1M上的实验表明,该算法相比于基线模型在两个数据集上的RMSE指标平均提高1.72%和1.76%,MAE指标平均提高2.7%和1.98%,同时在基于用户和项目的冷启动实验中RMSE指标平均提高5.9%,具有更好的综合性能。     

基于行为特征的语义工作流修正算法

工作流修正是工作流重用的重要任务.目前在基于工作流的可重用片段——stream的语义工作流修正中,当工作流stream库中不存在与检索语义工作流中的工作流stream结构相似的stream时,无法修正检索工作流.针对这种情况,提出了一种改进方案——基于stream行为特征修正语义工作流.使用任务紧邻关系集表达stream的行为特征.对于检索语义工作流中的每个与变更请求不一致的stream,使用锚集合数据索引和stream匹配规则对工作流stream库过滤得到候选匹配stream集;之后基于stream的行为相似性和变更请求对候选stream集进行验证,得到与变更请求一致程度最高和足够相似的匹配stream;然后更新变更请求,使用每个检索到的匹配stream替换原stream以逐步修正检索语义工作流中的缺陷;最后得到修正语义工作流.实验结果表明,与现有的基于工作流stream的修正算法相比,本文的算法得到了整体质量更好的修正语义工作流集,其适应性更好.该修正算法能为业务过程管理人员为适应新业务需求的工作流建模提供较好质量的修正语义工作流供参考,对提高工作流重用的效率和质量有较大帮助.     

软件缺陷预测中的数据预处理方法

软件缺陷预测是软件质量保障领域的热点研究课题,缺陷预测模型的质量与训练数据有密切关系。用于缺陷预测的数据集主要存在数据特征的选择和数据类不平衡问题。针对数据特征选择问题,采用软件开发常用的过程特征和新提出的扩展过程特征,然后采用基于聚类分析的特征选择算法进行特征选择;针对数据类不平衡问题,提出改进的Borderline-SMOTE过采样方法,使得训练数据集的正负样本数量相对平衡且合成样本的特征更符合实际样本特征。采用bugzilla、jUnit等项目的开源数据集进行实验,结果表明：所采用的特征选择算法在保证模型F-measure值的同时,可以降低57.94%的模型训练时间;使用改进的Borderline-SMOTE方法处理样本得到的缺陷预测模型在Precision、Recall、F-measure、AUC指标上比原始方法得到的模型平均分别提高了2.36个百分点、1.8个百分点、2.13个百分点、2.36个百分点;引入了扩展过程特征得到的缺陷预测模型比未引入扩展过程特征得到的模型在F-measure值上平均提高了3.79%;与文献中的方法得到的模型相比,所提方法得到的模型在F-measure值上平均提高了15.79%。实验结果证明所提方法能有效提升缺陷预测模型的质量。     

基于预测机制的自适应负载均衡算法

工作负载特征对Web服务器集群中负载均衡调度算法的性能有重要影响。针对负载特征在调度算法所起作用的分析和讨论,提出基于预测机制的自适应负载均衡算法（RR_MMMCS-A-P）。通过监测工作负载,预测后续请求到达率和请求大小,快速调整相应参数,实现集群中各服务器之间的负载均衡。实验表明,无论是对计算密集型任务还是数据密集型任务,RR_MMMCS-A-P同基于CPU和CPU-MEM的调度算法相比在缩短平均响应时间方面具有较好的性能。     

非平衡文本情感分类的数据集设计与评价指标

随着非平衡分类问题研究的深入,训练数据与测试数据如何划分成为一个值得思考的问题。针对非平衡文本情感分类数据集设计问题,通过下采样方法,对测试数据集设计了平衡与非平衡两种方案,给出了在不同任务需求下,选择相应的实验方案,并对验证分类器分类性能的评价指标进行了讨论。通过在真实的网络评论数据上的实验,验证了这些方案的合理性和适用性。     

基于高斯混合模型的一种工业供应链销售预测方法

针对定性工业供应链销售预测方法中存在的精度低、非智能化且无法处理复杂样本等问题,提出一种基于高斯混合模型的工业供应链销售预测方法.分析真实销售数据的特征信息及特征间的相关程度;在不同聚类簇数和特征数的组合下利用训练数据集迭代计算模型参数;对测试数据集进行销售预测,通过比较预测结果的准确率、召回率和F值三个指标确定可实现较好结果的特征值与聚类簇数目.实验结果表明,与人工神经网络模型和卷积神经网络模型相比,该方法在三个指标方面均表现出更好性能,可较好地预测销售成交情况.     

融合文本分布式表示的重复缺陷报告检测

重复缺陷报告检测能够避免对描述同一缺陷的多份报告进行重复的任务分派和修复,可降低软件维护成本。为了进一步提高检测的准确率,提出一种融合文本分布式表示的重复缺陷报告检测方法。首先,基于大规模缺陷报告数据库训练Doc2Vec模型并抽取缺陷报告的分布式表示,将不同长度的缺陷报告编码为统一长度的稠密向量。接着,通过比较这些向量来计算不同缺陷报告的相似程度,将其作为一种新特征与重复缺陷报告检测过程常用的其它特征进行融合,并利用机器学习算法训练二元分类模型。在公开的Bugzilla重复缺陷报告数据集上的实验结果表明,相比于代表性方法D_TS,本文方法的F1值平均提升了2%,说明了新特征的有效性。     

基于深度学习的安全缺陷报告预测方法实证研究

软件安全问题的发生在大多数情况下会造成非常严重的后果，及早发现安全问题，是预防安全事故的关键手段之一.安全缺陷报告预测可以辅助开发人员及早发现被测软件中潜藏的安全缺陷，从而尽早得以修复.然而，由于安全缺陷在实际项目中的数量较少，而且特征复杂（即安全缺陷类型繁多，不同类型安全缺陷特征差异性较大），这使得手工提取特征相对困难，并随后造成传统机器学习分类算法在安全缺陷报告预测性能方面存在一定的瓶颈.针对该问题，提出基于深度学习的安全缺陷报告预测方法，采用深度文本挖掘模型TextCNN和TextRNN构建安全缺陷报告预测模型；针对安全缺陷报告文本特征，使用skip-grams方式构建词嵌入矩阵，并借助注意力机制对TextRNN模型进行优化.所构建的模型在5个不同规模的安全缺陷报告数据集上展开了大规模实证研究，实证结果表明：深度学习模型在80%的实验案例中都要优于传统机器学习分类算法，性能指标F1-score平均可提升0.258，在最好的情况下甚至可以提升0.535.除此之外，针对安全缺陷报告数据集存在的类不均衡问题，对不同采样方法进行了实证研究，并对结果进行了分析.     

Regformer：基于稀疏注意力的输油管道水力压降预测方法

输油管道水力压降预测对于输油管道的生产调控十分重要,目前机器学习方法将压降预测看作回归问题,然而管道水力计算受多种因素影响,传统的机器学习方法由训练集得到的固定权重难以泛化到更多的测试样例或真实的工程场景中。本文提出一种水力压降回归预测方法Regformer,该方法将稀疏注意力机制引入回归任务,在多头注意力的基础上设计一种平滑概率方法,并融入特征投影机制。在10个公共数据集上对7种主流方法进行对比实验分析,定性实验显示Regformer对于局部的突变有很好的拟合能力;水力压降预测实验表明自注意力方法对于多变量不确定性的回归任务具有显著的优势,尤其是对极端情况的处理体现了自适应回归参数的重要性,并且Regformer用了更少的计算量取得了比Transformer更好的性能,验证了本文提出的稀疏注意力和自适应特征投影在水力压降预测任务中的优越性。     

基于时空长短时记忆神经网络的地基云图预测算法

针对传统云运动轨迹预测方法存在的预测精度差、空间结构细节信息丢失等问题,提出一种基于时空长短时记忆（ST-LSTM）神经网络的地基云图预测模型。首先使用卷积编码网络提取输入视频流的高维图像特征;然后在特征提取模型中对图像潜在信息进行多分支获取,一部分使用ST-LSTM神经网络提取不同帧之间的时空特征,另一部分将图像序列进行分解,并通过基于门控机制的记忆融合网络来获取分解后图像中的结构细节信息;最后将得到的分支特征进行组合后经过解码网络输出最终的预测视频流。在地基云图、Moving MNIST和Human 3.6M数据集上的实验结果表明,在图像预测准确率、结构细节信息保留效果以及人眼主观感受上,该预测模型均优于对比模型。与基准模型TaylorNet相比,所提模型在Moving MNIST数据集上均方误差指标和平均绝对误差指标分别降低15.7%和11.8%,在地基云图数据集上,其结构相似性指标与峰值信噪比指标分别提升1%和3.2%,且生成的视频流数据更为清晰,能够更准确地描述云层未来的运动状况,从而更可靠地预测光伏电站未来的输出功率。     

基于Word模板的报表控件的设计

常用开发工具的报表设计工具把报表在形式上分解成四个部分:标题区、表头区、表体区和表尾区,操作繁琐,专业性强,难满足用户定制报表格式及临时报表生成的要求。本文在把报表抽象成两个组成部分即报表的格式和报表的数据项的基础上,基于报表模板建立一个通用的ActiveX报表控件,用以弥补开发工具中报表处理功能的不足。     

几种典型的HMI统计报表实现方法

统计报表在工业生产型企业中应用非常广泛。不管是基于DCS/PLC的PCS控制层还是生产执行MES层,统计分析报表都是重要功能,而且随着企业用户管理水平和技术能力的提升,对如何挖掘历史数据来提高生产和管理效率的期望也更加迫切。对市场上常见HMI产品中的统计报表功能的实现方法进行比较分析,指出不同实现方法的优劣性和适用场合,为更好的设计开发相关的产品提供借鉴意义。     

利用iText包实现Java报表打印

结合报表制作的两种情形介绍了iText的应用方法。一种是由程序对象动态产生整个报表文件的内容,另一种是在已存在的PDF报表文档中填写数据域以完成报表。给出了Java实现报表打印的控制方法。     

行业统计报表处理系统SRAFT的设计与实现

分析了行业统计工作中报表制度编制和报表数据处理的特点，给出了一个计算及审核公式的描述方法，设计并实现了一个由报表框架设计器、计算及审核公式管理器、数据汇总项目管理器、填报单位管理器、报表数据处理器等5个部分组成的统计报表处理系统SRAFT。     

报表的规范输出模型及算法研究

在开发管理信息系统（MIS）时,报表的输出常常会出现打印半页的现象,另外,由于受纸张宽度的限制,文字型报表输出时,数据源记录的个别字符串字段往往要分多行输出,多行输出打印时,要么会出现乱码,要么不能自动打印中间表格线.针对上述问题,提出了中文报表规范输出的处理模型,给出了具体的实现算法,并通过典型实例验证了算法的可行性.     

基于Flex技术的报表系统

基于flex技术的报表系统,首先描述flex技术的使用和优势,简述当前业界报表设计普遍存在的问题,然后详细介绍了基于flex技术的报表系统的各个模块和对应的功能,以及通过此系统从报表设计到报表上线的全过程,最后阐述了此系统下一步的改进方向.     

一个通用报表工具的设计与实现

在应用系统的开发中，各种各样的报表是系统的重要组成部分。这些报表的制作是一项复杂而繁琐的工作，因此通用的报表工具对系统开发具有重大的意义。详细阐述了一个通用报表工具(EMReport)的设计和实现，提出了一个抽象报表模型，最后概括了报表工具的主要特点，介绍了报表工具在工程领域和商业领域中的实际应用，证实了该报表工具的通用性。     

基于AC Report组件的报表打印的设计与实现

介绍了一种基于AC Report组件的报表打印的解决方案,提出了解决组件数据读取问题的通用方法,并通过一个例子详细说明了报表打印的设计与实现,具有较强的通用性和灵活性。     

管理信息系统中统计报表灵活定制的设计与实现

统计报表的灵活定制是管理信息系统中统计功能的重要组成部分。运用统计报表定制器,用户可以根据业务需求的变化自主地定制出所需要的统计报表。本文介绍了基于元数据统计报表的灵活定制的相关概念和技术,并给出了其具体设计和实现。     

基于规则语句的金融报表系统自动化测试方法研究及应用

通过对金融报表系统的研究,提出并实现了一套基于“规则语句”的金融报表系统自动化测试方法。由该方法支持的自动化测试平台已经在一些大型金融机构系统得到应用,并取得良好的应用效果。