一种林业手持式多功能测树仪设计

针对森林调查对便携式测量设备自动化和集成化的需求,设计了一种集测高器、角规和标准蓄积量计算功能于一体,具有测量、数据存储、计算等多种功能的手持式多功能电子测树仪GForest。该仪器通过采样控制算法实现对测高器防抖动设计,采用计数器存储并控制角规计数结果,提供USB接口同PC和移动智能终端设备进行数据共享,旨在解决目前森林地面调查数据采集硬件设备信息化与数据采集软件发展不同步的问题,大幅减少了外业调查中手工数据记录和录入的工作,提高了野外数据采集的效率。经实测验证:GForest测得的立木高度与实际值的平均误差为4%,与进口同类设备精度持平,同时还具有角规绕测计数与控制等实用功能,且具有明显的成本优势,适合在行业内推广应用。     

基于开发者协作关系和信息检索的需求跟踪系统

目前自动化需求跟踪的研究广泛使用文本信息检索技术。然而信息检索会遗漏一些文本不相似但是实际相关的软件制品,导致自动化跟踪的精度不高。针对上述问题,提出利用开发者协作关系来进行优化,研发了基于开发者协作关系和信息检索的需求跟踪系统。该系统在进行需求跟踪时,首先用信息检索推荐与需求文本上相似的代码,然后从代码提交日志中挖掘开发者协作关系,根据开发者协作关系再推荐相关代码,用户根据两次推荐的结果确定正确的需求代码跟踪关系。试验结果表明该系统能够找到信息检索遗漏的需求跟踪关系,能够提高自动化跟踪的准确性,节省跟踪时间。     

正则化稀疏模型

正则化稀疏模型在机器学习和图像处理等领域发挥着越来越重要的作用,它具有变量选择功能,可以解决建模中的过拟合等问题．Tibshirani 提出的 Lasso 使得正则化稀疏模型真正开始流行．文中总结了各种正则化稀疏模型,指出了各个稀疏模型被提出的原因、所具有的优点、适宜解决的问题及其模型的具体形式．最后,文中还指出了正则化稀疏模型未来的研究方向．     

基于协同相关性模型的特征需求自动标注系统

由于人工标注费时费力,线上社区中的许多特征需求缺乏标注信息,导致这些特征需求不能被有效地检索和管理。针对这种情况,提出一种针对特征需求的自动标注系统,可自动抽取特征需求中的标注词,既可以对没有被手工标注的特征需求进行标注词的补充,也可以对用户新提出的特征需求进行标注词推荐,减少用户手工标注的工作量。根据特征需求的文本特点,提出一种协同相关性模型(CRM)。CRM首先使用协同过滤找出与目标特征需求相似的数据组成集合,基于这个集合使用相关性模型得到最后标注的词,这种方式使得标注效果得到较大提升。基于真实的数据集合的实验结果表明,系统在特征需求自动标注方面的效果有效增强。     

基于统计抽样的非均衡分类方法在软件缺陷预测中的应用

目前软件缺陷预测的研究主要是从历史数据获取来源和预测方法这两方面入手。然而,获取到的软件历史缺陷数据往往是非均衡的,传统的预测方法会给缺陷数据带来极大的误分率。针对这一问题,提出使用基于统计抽样的非均衡分类方法来预测软件缺陷。通过经验性地对比分析12种已有抽样与分类算法组合的预测性能优劣,得到Spread Subsampling和随机森林结合的方法(SP-RF)综合表现最好,但具有较高伪正率(FPR)。为了进一步提高预测性能,针对原始SP-RF方法会对原始数据带来较大的噪音及信息缺失等不足,提出一种基于SP-RF的内置均衡化抽样的自适应随机森林改进算法(IBSBA-RF)。实验表明,IBSBA-RF算法可以显著降低预测结果的FPR,并且进一步提高了预测结果的AUC和Balance值。     

面向函数的循环优化序列定制方法

讨论了一种可针对程序中的不同函数(routine)采用不同的循环优化序列的方法,该方法基于polyhedron模型,使用简化cache失效率方程分别对每一个函数作优化序列评估,以迭代编译方式为每个函数寻找一个独特的循环优化序列。该方法降低了变换实施的复杂度,降低了对编译器具体实现的依赖;考虑程序中不同函数的差异以获得更好的优化效果。对SPEC2006的实验数据表明,经过定制优化之后,较之Open64-O3,加速比为1.05～1.13。     

围绕主题的同步交互学习支持工具的设计与实现

提出了一种围绕主题的同步交互学习支持工具,该工具将后现代课程观中的交互理念与围绕主题学习的思想相结合,利用即时通信和个性化知识的再组织辅助学习中的交互过程,使得整个交互过程与学习内容紧密结合,有利于学习活动的深入开展,提高了学习的效率和质量,体现了后现代课程观对课程教学的指导意义.     

网络受限移动对象过去、现在及将来位置的索引

提出了一种适合于网络受限移动对象数据库的动态轨迹R树索引结构(network-constrained moving objects dynamic trajectory R-Tree,简称NDTR-Tree).NDTR-Tree不仅能够索引移动对象的整个历史轨迹,而且能够动态地索引和维护移动对象的当前及将来位置.为了比较相关索引结构及算法的性能,进行了详细的实验.实验结果表明,与现有的基于道路网络的移动对象索引方法如MON-Tree和FNR-Tree等相比,NDTR-Tree有效地提高了对网络受限移动对象动态全轨迹的查询处理性能.     

移动对象数据库模型、查询语言及实时交通流分析

提出一种移动对象数据库模型——Dynamic Transportation Network Based Moving Objects Database(简称DTNMOD),并给出了DTNMOD中基于移动对象时空轨迹的网络实时动态交通流分析方法.在DTNMOD中,交通网络被表示成动态的时空网络,可以描述交通状态、拓扑结构以及交通参数随时间的变化过程;网络受限的移动对象则用网络移动点表示.DTNMOD 模型包含了完整的数据类型和查询操作的定义,因此可以在任何可扩充数据库(如PostgreSQL 或SECONDO)中实现,从而得到完整的数据库模型和查询语言.为了对相关模型的性能进行比较与分析,基于PostgreSQL 实现了一个原型系统并进行了一系列的实验.实验结果表明,DTNMOD 提供了良好的区域查询及连接查询性能.     

普适计算环境下的虚拟机技术研究

普适计算环境中资源和服务利用率较低,传统应用程序在该环境下无法兼容。为此,提出一种适用于普适计算环境的虚拟机技术。使用设备请求代理屏蔽复杂的普适计算网络环境,对上层应用提供统一硬件平台,支持多个普适计算应用同时运行。实验结果表明,该虚拟化技术能兼容传统应用,提高普适计算资源和服务的利用率。