基于word2vec和SVMperf的中文评论情感分类研究

利用有监督的机器学习的方法来对中文产品评论文本进行情感分类,该方法结合了word2vec和SVMperf两种工具。先由word2vec训练出语料中每个词语的词向量,通过计算相互之间的余弦距离来达到相似概念词语聚类的目的,通过相似特征聚类将高相似度领域词汇扩充到情感词典;再使用word2vec训练出词向量的高维度表示;然后采用主成分分析方法(PCA)对高维度向量进行降低维度处理,形成特征向量;最后使用两种方法抽取有效的情感特征,由SVMperf进行训练和预测,从而完成文本的情感分类。实验结果表明,采用相似概念聚类方法对词典进行扩充任务或情感分类任务都可以获得很好的效果。     

面向Java锁机制的字节码自动重构框架

Java语言提供了同步锁、可重入锁和读写锁等几种锁机制,在并行程序设计中不同的数据结构使用这几种锁机制时获得的性能通常是不同的。为了在不同的锁机制之间进行自动转换,进而帮助程序员了解程序的性能,提出了一种面向Java锁机制的字节码自动重构框架,并基于该框架实现了字节码重构工具Lock2Lock。Lock2Lock在Quad中间表示的基础上对字节码进行静态分析,并对分析的结果进行一致性验证,通过Javassist完成字节码的重构。使用红黑树、消费者生产者程序以及SPECjbb2005 3个测试程序对Lock2Lock重构工具进行了测试,结果表明,Lock2Lock可以成功地实现从同步锁到可重入锁或读写锁的重构。     

基于下推自动机的细粒度锁自动重构方法

针对粗粒度锁会严重影响并发程序的可伸缩性问题,提出一种面向细粒度锁的自动重构方法.该方法借助访问者模式分析、别名分析、负面效应分析等多种程序分析技术获取临界区代码的读写模式,然后使用下推自动机构建不同锁模式的识别方法,根据识别结果进行代码重构.与以往锁重构方法的不同之处在于,该方法考虑了锁降级模式,使重构适用性更广.基于此方法,在Eclipse JDT框架下,以插件的形式实现了自动重构工具FLock.在实验中,从重构个数、改变的代码行数、重构时间、准确性和重构后程序性能等方面对FLock进行了评估,并与已有的重构工具Relocker和CLOCK进行了对比.对HSQLDB,Jenkins和Cassandra等11个大型实际应用程序的重构结果表明：FLock共重构了1 757个内置监视器对象,每个程序重构平均用时17.5s.该重构工具可以有效地实现粗粒度锁到细粒度锁的转换,与手动重构相比,有效提升了细粒度锁的重构效率.     

一种新型的交流数字伺服系统的研究

介绍采用以 1 6位单片机 80 1 96MC为控制器的交流数字伺服系统接口电路的硬件设计和系统的软件设计。     

区间多项式矩阵族的鲁棒稳定性及稳定域计算

研究区间多项式矩阵族的．鲁棒D稳定性问题，给出检验区间多项式矩阵族的鲁棒D稳定的充分条件。该多项式矩阵仿射地依赖于独立摄动的不确定参数，考虑D域为广义二阶线性矩阵不等式(LMI)域，采用LMI方法，证明了该问题等价于LMI可解性问题，同时采用多方向线性搜索和LMI可解性问题相结合，给出了求解区间多项式矩阵族的稳定半径和各摄动方向的最大稳定域的算法，并通过一个实例说明该方法的有效性。     

线性不确定中立型时滞系统的鲁棒二次性能

研究具有非匹配条件的范数有界线性不确定中立型时滞系统的稳定和二次性能控制问题．基于Lyapunov方法，提出了系统鲁棒渐近稳定并满足给定二次性能指标的时滞相关型条件，该条件等价干线性矩阵不等式(LMI)可解性问题，并根据LMI的可行解，构造了状态反馈控制器设计方法．     

时滞不确定奇异系统的鲁棒H∞控制

针对带时滞的奇异系统，研究基于状态反馈的鲁棒H∞问题，系统的状态矩阵、状态滞后矩阵和输入矩阵均含有范数有界不确定项。采用Lyapunov泛函方法，给出了带时滞的不确定奇异系统鲁棒渐近稳定且具有H∞范数界γ充分条件；利用含等式约束的线性矩阵不等式（LMI）方法，给出了此类系统控制存在状态反馈的充分条件，该条件等价于严格线性矩阵不等式可解性问题，利用严格LMI的可行解，得到控制器矩阵的参数化表示。该鲁棒控制器的渐进稳定性条件宽松，克服了时滞奇异系统稳定性问题条件中的等式约束，控制器求解算法可行、高效，并通过一个数值实例说明了该方法的有效性。     

基于深度学习的耦合度相关代码坏味检测方法

基于启发式和机器学习的代码坏味检测方法已被证明具有一定的局限性,且现有的检测方法大多集中在较为常见的代码坏味上。针对这些问题,提出了一种深度学习方法来检测过紧的耦合、分散的耦合和散弹式修改这三种与耦合度相关检测较为少见的代码坏味。首先,提取三种代码坏味需要的度量并对得到的数据进行处理;之后,构建卷积神经网络（CNN）与注意力（Attention）机制相结合的深度学习模型,引入的注意力机制可以对输入的度量特征进行权重的分配。从21个开源项目中提取数据集,在10个开源项目中对检测方法进行了验证,并与CNN模型进行对比。实验结果表明：过紧的耦合和分散的耦合在所提模型中取得了更好的结果,相应代码坏味的查准率分别达到了93.61%和99.76%;而散弹式修改在CNN模型中有更好的结果,相应代码坏味查准率达到了98.59%。     

新型织机计算机监测系统

本交给出了“织机计算机监测和管理系统”的硬件设计，包括数据采集、显示系统、数据处理各部分的设计，并详细介绍了微机管理系统实现的各种功能。     

使用Windows3.1常见问题及解决办法

就用户在使用Ｗｉｎｄｏｗｓ时可能碰到的若干问题－安装启动、Ｐｒｏｇｒａｍ ｍａｎａｇｅｒ的使用、Ｆｉｌｅ ｍａｎａｇｅｒ的使用、ＤＤＥ等等，给出了详细解答，为Ｗｉｎｄｏｗｓ的初学者和转向Ｗｉｎｄｏｗｓ的ＤＯＳ高级用户提供了一定的帮助。