基于TS201的软件优化设计

数据实时处理能力是雷达信号处理等实时系统的重要指标,提高软件运行效率是系统软件设计中必须要考虑的问题。大批量数据读取和存储操作存在于信号处理各工作阶段,对其进行充分优化是信号处理软件设计的重要组成部分。在此以ADSP TS201平台数据转存为例,描述了软件优化的设计思路和处理方法,运行结果表明,充分应用DSP并行处理特性和宽数据操作,采用汇编语言编程,可以使软件运行效率得到显著提高。     

LabWindows/CVI多线程技术的应用

LabWindows/CVI多线程技术可保证并发任务的顺利执行。多线程技术解决了并发任务之间的冲突问题,能大幅提高工作效率。针对多个线程之间数据共享与传递,提供了良好的数据保护机制。文中对数据保护的机制与具体实现方法进行了阐述,结合多线程技术完成了仪器自动控制界面开发,试验证明,多线程技术的优势在并发任务系统中得到良好的体现。     

粒子群优化在自然语言处理中的文本和情感分类研究

为了提高自然语言处理中文本和情感分类的准确性,提出了一种基于粒子群优化支持向量机的机器学习方法。该方法通过对粒子群位置、速度和当前粒子最佳位置的不断更新来优化支持向量机的参数,从而寻找最佳支持向量机。文本和情感分类的实验结果显示：提出的粒子群优化支持向量机方法在训练速度和准确率方面表现出较好的性能。     

高等建筑教育方法论重构建筑学新体系——基于宾夕法尼亚大学"高等建筑设计"课程教学实践的反思

本文通过笔者在2020年秋季学期执教宾夕法尼亚大学"高等建筑设计"课程过程中得到的启发与遇到的问题,提出当代的高等建筑教育应转向为设计研究的平台,聚集并孕育能够面对建筑学发展需求的人才,关注建立有实践意义的设计方法论,让理论、设计方法论、和实践成为一个相互迭代的整体才能真正推动建筑学的发展,从而重构一个积极并充满活力的建筑学新体系.     

一种基于QML 和GPU 编程的实时显示软件

为实现国产自主可控,基于国产CPU 和麒麟操作系统,采用Qt 元语言(qt meta language,QML)和图形 处理器(graphics processing unit,GPU)编程的模式设计一种跨平台的实时显示软件。详细阐述基于QML 的软件架构 设计,并对软件设计中的QML、C++及GPU 的通信模式、QML 下CPU+GPU 编程实时显示性能优化方法以及QML 显示控件设计等关键技术进行说明,验证其应用。结果证明：该模型具有可靠、稳定、高效和跨平台等特点,满足 实时显示应用要求。     

基于循环神经网络的汉语语言模型建模方法

语言模型是语音识别系统的重要组成部分,目前的主流是n-gram模型。然而n-gram模型存在一些不足,对语句中长距信息描述差、数据稀疏是影响模型性能的两个重要因素。针对不足,研究者提出循环神经网络(Recurrent Neural Network,RNN)建模技术,在英语语言模型建模上取得了较好的效果。根据汉语特点将RNN建模方法应用于汉语语言建模,并结合两种模型的优点,提出了模型融合构建方法。实验结果表明:相比传统的n-gram语言模型,采用RNN训练的汉语语言模型困惑度(Per PLexity,PPL)有了下降,在对汉语电话信道的语音识别上,系统错误率也有下降,将两种语言模型融合后,系统识别错误率更低。     

基于自然语言理解的需求聚类和需求优选方法研究

为了实现大数量软件需求的优选,提出了一种基于自然语言理解的需求聚类和需求优选方法。该方法首先基于自然语言处理技术对需求进行深层次语言理解,找到相同语义的需求并只保留一条。随后,采用基于超图分割的需求聚类方法对大量需求进行聚类。最后,提出了需求优选目标函数,该目标函数根据需求聚类结果为需求优先级打分,并在综合考虑需求与类别的相似性、类别的权重以及聚类标准的权重的基础上,最终给出一个合理的需求优选结果。在大规模真实的需求集合上进行了实验,实验结果表明:基于自然语言处理技术的需求聚类性能优异;需求聚类对后续的需求优选起有着非常重要的作用;基于超图分割的需求聚类,以及在此基础上提出的需求优选函数相对于基线方法有着明显的提高。     

工学结合的专业外语课程改革与实践

通过分析工科专业外语教学现状,提出了课程改革实施方案:课程标准的制定、以专业为驱动的教学内容改革、以需求为导向的新教材开发、"教-学-做"一体化的实践教学改革。     

并发程序中数据竞争检测方法

针对数据竞争检测过程中的误报和漏报问题，提出一种静态数据竞争检测方法。首先，使用控制流分析自动构造线程内和线程间函数调用图；然后，收集线程内变量访问事件信息，定义竞争产生条件并分析检测出所有可能的竞争；其次，为了提高检测的准确率，进行别名变量和别名锁的分析降低漏报和误报；最后，通过控制流分析来抽象访问事件之间的时序关系，并结合程序切片技术对访问事件的发生序关系进行判断，以此避免因忽略线程交互带来的误报。依据该方法，使用Java语言在Soot软件分析框架下实现了一个数据竞争检测工具。在实验中，对JGF和IBM Contest基准测试套件中的raytracer和airline等程序进行数据竞争检测，并与目前已有的数据竞争检测算法和工具（HB算法和RVPredict）进行对比。实验结果表明，与HB算法和RVPredict工具相比，该方法检测到的数据竞争总数分别增加了81%和16%，数据竞争检测的准确率分别提升了约14%和19%，有效地避免了数据竞争检测中的漏报和误报现象。     

Computational personality recognition from Facebook text: psycholinguistic features,words and facets

ABSTRACT

Advances in the Natural Language Processing (NLP) and machine learning fields have led to the development of automated methods for the recognition of personality traits from text available from social media and similar sources. Systems of this kind exploit the close relation between lexical knowledge and personality models – such as the well-known Big Five model – to provide information about the author of an input text in a non-intrusive fashion, and at a low cost. Although now a well-established research topic in the field, the computational recognition of personality traits from text still leaves a number of research questions worth further exploration. In particular, this paper attempts to shed light on three main issues: (i) whether we may develop psycholinguistics-motivated models of personality recognition when such knowledge sources are not available for the target language under consideration; (ii) whether the use of psycholinguistic knowledge may be still superior to contemporary word vector representations; and (iii) whether we may infer certain personality facets from a corpus that does not explicitly convey this information. In this paper these issues are dealt with in a series of individual experiments of personality recognition from Facebook text, whose initial results should aid the future development of more robust systems of this kind.