质量工程实施进程中软件工程专业人才培养模式的研究与实践

本文针对传统人才培养模式存在的弊端,论述了以培养具有高素质创新能力的复合型人才为目的,将高等教育从以教师为中心转变到以学生为中心的轨道上来,设计并实施"招生—培养—就业"一体化的完整培养模式。同时,本文阐述了改革软件工程专业的课程体系,以及建立完善的、与课程体系配套的实训、培训的"双训"教学体系。这些改革措施取得了明显成效,为软件工程人才培养提供了有益的经验。     

一种从Object—Z到CSP规格说明的转化方法

面向对象形式规格说明语言Object-Z与进程代数CSP相结合是当今的一个热点,它既可以表示复杂的模块化数据与算法,又可以表示系统的行为,但求精与验证对它们结合后的规格说明需要分别进行处理。本文提出了一个方法,把Object-Z规格说明转化为CSP规格说明,可以方便地处理结合后的规格说明,因此求精与推理对结合后的规格说明可以按CSP规则与方法一致来进行处理。此外,转化后的Object-Z规格说明可以按照CSP方法进行模型检查。     

软件交互行为的可信性分析与态势预测研究

研究现代分布式软件系统中交互实体的行为可信性问题,关注运行期意图、情景、行为和行为效应之间的关系,采用先进的统计机器学习工具分析行为踪迹规律,提出了一个新的软件行为分析与态势预测方法.针对松散聚合的交互实体间可能产生新的交互事件和行为模式的问题,本文用分层Dirichlet过程和无限隐Markov模型对被监测的交互接口数据进行聚类确定未知交互事件,用含有未知事件的序列进行行为模式的半监督学习,由管理者将其添加到规则与知识库中.在确定未知事件和行为模式时,用Beam抽样方法较其他方法(如Gibbs抽样)有更高的数据抽样和推理效率.当知识库的行为模式达到一定规模时,系统便可以无监督地对交互行为进行分析和预测.本文用HMM的Viterbi算法分析当前交互事件的最佳序列,从而确定当前交互行为的善恶,对恶意行为及时报警,对非恶意行为的后续趋势进行主动预测.通过仿真实验证实了该方法在软件行为分析与预测上具有独特的优势.     

计算机算法设计与分析双语教学

文章阐述了计算机算法设计与分析课程双语教学的目标,并从教材选取、授课方式、实践、考核等多个环节探讨了该课程的双语教学实践,在此基础上分析了双语教学的成效以及存在的问题,并对改进方法作了初步的探索,这对提高该门课程的教学效果和教学质量有重要的意义。     

浅析任务驱动教学法在软件工程教学中的应用

为了解决目前在软件工程教学中存在的问题,提出了在软件工程教学中采用任务驱动教学法,并对任务驱动教学法包含的五个环节作了较深的探索,实践证明:任务驱动教学法能体现软件工程教学的特点,适合培养技能型、应用型的高素质人才。这种教学方法不仅可以提高学生分析和解决问题的能力,而且可以充分调动学生的主动性和积极性,同时培养学生自主学习的能力。     

一个Object-Z规格说明的证明责任产生器

定理证明是一种形式化验证技术,也是形式化方法的重要组成部分,它能从形式规格说明中推理出应具备的性质与属性,从而可以对规格说明进行形式验证。Object-Z是形式规格说明语言Z的面向对象扩充,基于集合论与数理逻辑,具有严密的逻辑性,适合于精确地描述大型软件系统,并且可以对其形式规格说明进行推理。设计一个证明责任产生器,从Object-Z形式规格说明出发,按照相关规则自动抽取相应的证明责任,这些证明责任可以直接输入到已有的定理证明器Z/EVES中进行证明之。证明责任产生器起着Object-Z规格说明编辑器与证明器Z/EVES之间的桥梁作用,方便于Object-Z形式规格说明的验证。     

不完全标记的多个并行事务踪迹的“剥离”

新型分布式软件的多个并行处理事务导致每个事务产生的事件按随机排序,如果这些事件的标记不完全或不可用,将无法区分这些事件到底属于哪个事务.将不完全标记事件的“剥离”问题转化成偶图最大权重完全匹配问题.对于事件间的转换时间是独立等同分布的情况,将所有可能状态(事件)划分为若干个割集,每个割集构成一个偶图.在这些偶图系统中,采用所提出的偶图最大权重完全匹配的改进算法进行分散匹配,通过拼接匹配结果得到各事务产生的最可能踪迹序列.仿真实验证实:该方法可以有效实现不完全标记的事务踪迹的“剥离”;与传统的偶图匹配方法相比,改进算法具有更高的匹配效率.     

基于免疫代理的网络故障诊断研究

针对现有网络故障诊断系统的自适应能力弱、诊断速度慢和故障模式不同等问题,将免疫原理与代理技术相结合,采用分层多步的诊断思想构建诊断模型。基于克隆选择学说,提出新算法,完成检测器的训练。该算法选取了检测器克隆群,引进优化参数,可避免过早收敛和局部最优解的产生,从而改进诊断性能;同时还引入了检测器分类思想,加速诊断过程。与传统故障诊断方法相对比,该模型在处理复杂环境下的网络故障具有较明显的优势。     

基于粗糙集神经网络的网络安全态势评估方法

为克服多源数据融合中存在信息高维、冗余和噪音等大量不确定性因素给网络安全态势评估带来的复杂影响,提出一种基于粗糙集神经网络的网络安全态势评估方法。该方法既利用粗糙集理论在机械学习、处理冗余信息和特征提取等方面的能力,又结合神经网络处理噪音和任意逼近能力构造出由指标层、离散层、规则层、决策层组成的态势评估模型,并与BP神经网络方法进行对比研究。仿真实验结果表明,所提方法偏差较少,更能客观、准确地分析网络安全状况。     

一种改进隶属度函数的FCM聚类算法

传统模糊??-均值(FCM) 算法要求一个样本对于各个聚类的隶属度之和满足归一化条件, 从而导致算法对噪声和孤立点敏感, 对非均衡分布样本的聚类有效性降低. 针对该问题, 提出一种改进模糊隶属函数约束的FCM聚类算法, 通过放松归一化条件, 推导出新的隶属度划分公式, 并在聚类过程中不断进行隶属度修正, 从而达到消除噪声样本、提高聚类有效性的目的. 最后通过实验结果对比验证了改进算法的正确性.