基于MOOC的线上线下混合教学实践

依据教育部"停课不停教、停课不停学"的要求,针对数据分析与数据挖掘课程,提出基于MOOC的线上线下混合教学模式,从直播教学、线上作业、问题讨论、实验课、线上测验、项目实践、考试等多个教学环节,阐述如何利用学堂在线平台开展教学活动,介绍该教学模式的具体实施过程并说明教学效果.     

基于面形斜率的高斯径向基自由曲面优化设计及公差分析

基于面形斜率的高斯径向基自由曲面模型在面形表征和系统设计中具有优势,但基函数数目较多,导致优化效率低、公差分析困难等问题。本文对基于面形斜率的高斯径向基模型优化设计和公差分析方法开展研究,利用模型的面形表征局域特性,将全局优化和局部优化相结合,提出了一种新的优化设计方法。利用数学统计的方法,确定了基函数系数和自由曲面面形矢高之间的线性关系,直接设定系数公差范围初值,通过大样本统计后确定自由曲面的合理面形公差。将该优化设计和公差分析方法应用到基于面形斜率的高斯径向基自由曲面型头戴显示系统,设计结果表明:头戴显示系统全视场内在23lp/mm处大于0.3,系统最大畸变为3.45%,达到了系统设计指标,并基于公差分析结果进行实验系统集成,成功实现了图像显示。本文所提出的优化设计方法和公差分析方法为基于面形斜率的高斯径向基自由曲面模型和其他局域型自由曲面模型的应用提供了重要的借鉴意义。     

群智感知中用户细粒度可靠性与真值预估模型

为了提高群智感知中感知数据的质量问题,提出了一种基于用户细粒度可靠性预估任务真值的方法,通过用户建模筛选出高质量数据。首先根据影响用户执行任务的瞬时因素评估用户的实时可靠性;其次,在刻画历史信誉度方面,引入信息熵衡量用户的信誉分布,包括用户总体信誉分布和在不同类别任务下的信誉分布;基于用户可靠性设计了有效的真值预估方法预估任务真值。实验结果表明,所提模型能够有效地评估用户在多类别任务下的可靠性,提高任务真值预估的准确率。     

面向SDN网络虚拟化平台的控制器放置算法

随着网络技术发展,以网络虚拟化为手段解决TCP/IP网络体系结构僵化问题已成为未来网络领域发展的主流方向之一.SDN(software defined networking,软件定义网络)作为一种新兴的网络体系结构,为网络虚拟化提供了有效的解决方案.首先总结了当前具有代表性的SDN网络虚拟化平台,并对比了SDN与传统网络环境中部署虚拟网的区别,然后针对SDN网络虚拟化平台中的虚拟网络映射问题,提出一种时延敏感的虚拟化控制器放置算法,最后通过实验验证了该算法在提高网络资源的利用效率的同时,保证了控制器与底层交换机的通信时延在可接受范围之内.     

水下传感器网络中基于深度坐标系转换的路由协议

为解决水下传感器网络中部分节点过早死亡的问题,在深度路由协议(DBR)的基础上,提出一种基于深度坐标系转换的路由协议(DSBR)。该协议将Sink节点到源节点的方向作为Z轴方向转换坐标系,并以此转换节点深度,使得节点在不同源节点和sink节点建立的坐标系中的深度不同,并在此基础上给出新的深度阈值方法,使得数据包朝着sink节点方向转发的同时,减少每一跳转发数据包的节点数量。仿真结果表明,DSBR协议在水下网络节点能量均衡化消耗和数据包投递率方面明显优于DBR协议。     

基于符号执行与模糊测试的混合测试方法

软件测试是保障软件质量的常用方法,如何获得高覆盖率是测试中十分重要且具有挑战性的研究问题.模糊测试与符号执行作为两大主流测试技术已被广泛研究并应用到学术界与工业界中,这两种技术都具有一定的优缺点：模糊测试随机变异生成测试用例并动态执行程序,可以执行并覆盖到较深的分支,但其很难通过变异的方法生成覆盖到复杂条件分支的测试用例.而符号执行依赖约束求解器,可以生成覆盖复杂条件分支的测试用例,但在符号化执行过程中往往会出现状态爆炸问题,因此很难覆盖到较深的分支.有工作已经证明,将符号执行与模糊测试相结合可以获得比单独使用模糊测试或者符号执行更好的效果.分析符号执行与模糊测试的优缺点,提出了一种基于分支覆盖将两种方法结合的混合测试方法——Afleer,结合双方优点从而可以生成具有更高分支覆盖率的测试用例.具体来说,模糊测试（例如AFL）为程序快速生成大量可以覆盖较深分支的测试用例,符号执行（例如KLEE）基于模糊测试的覆盖信息进行搜索,仅为未覆盖到的分支生成测试用例.为了验证Afleer的有效性,选取标准程序集LAVA-M以及实际项目oSIP作为评测对象,以漏洞检测能力以及覆盖能力作为评测指标.实验结果表明：（1）在漏洞检测能力上,Afleer总共可以发现755个漏洞,而AFL仅发现1个;（2）在覆盖能力上,Afleer在标准程序集上以及实际项目中都有不同程度的提升.其中,在oSIP中,Afleer比AFL在分支覆盖率上提高2.4倍,在路径覆盖率上提升6.1倍.除此之外,Afleer在oSIP中还检测出一个新的漏洞.     

基于约束条件的模糊等价关系聚类方法

传统的模糊等价关系聚类方法不能根据具体的约束条件进行聚类,使得聚类结果准确性低,不满足要求。为解决该问题,在传统方法的基础上,根据距离约束条件预处理数据集并且扩维,提出一种新的模糊聚类方法。通过数据间的Euclid距离以及约束条件为每个数据建立数据间关系,用来描述数据间的约束条件满足情况,同时将此作为数据的新增维度,更新原数据集并重新构建相似程度方程,获得对应的相似矩阵并基于模糊等价关系进行聚类。在真实数据集上的实验结果表明,与传统无指导的模糊等价关系聚类方法相比,提出的聚类方法克服了不能根据具体约束条件进行准确聚类的缺陷,具有更高的准确性。     

基于高阶和时序特征的图神经网络社会化推荐算法研究

跨项目社会推荐是一种将社交关系整合到推荐系统中的方法。社会化推荐中包含用户-项目交互图和社交网络图,用户是连接这两个图的桥梁,其表示学习对提升社会化推荐的性能至关重要。然而,现有方法主要使用用户或项目的静态属性和社交网络中的显式朋友关系来进行表示学习,用户和项目交互的时序信息及隐式朋友关系未得到充分利用。因此,在社会化推荐中,如何有效利用时序信息和社交信息成为重要的研究课题之一。文中通过建模用户的隐式朋友和项目的社交属性,提出了一种新颖的基于高阶和时序特征的图神经网络社会化推荐算法(Graph Neural Networks Social Recommendation Based on High-order and Temporal Features)模型,简称HTGSR。HTGSR首先利用门控递归单元对基于项目的用户表征进行建模,以反映用户的近期动态偏好,并定义一个高阶建模单元来提取用户的高阶连通特征,挖掘用户的隐式朋友信息;其次利用注意力机制获取基于社交关系的用户表征;然后提出不同的项目社交网络的构建方式,并利用注意力机制来获取项目表征;最后将用户和项目的潜在表征输入到多层感知机,...     

基于冗余节点选择模型的水下传感器网络拓扑修复

现有水下传感器网络的拓扑修复算法大多只是完成网络连通性修复,未考虑节点能耗过快造成网络寿命缩短的问题。为此,提出一种基于冗余节点选择模型的拓扑修复算法。该算法在网络部署完成后利用分布式的方法选择关键节点并对其进行监控。当节点失效时,使用冗余节点选择模型选择冗余节点,通过移动冗余节点对失效节点进行修复,同时对冗余节点采取睡眠唤醒策略以延长网络寿命。实验结果表明,与区域移动修复算法相比,该算法在节点移动总距离、网络寿命、失效节点首次出现时间、投递率等方面性能均有所提高。     

基于公交系统的异构车载网路由协议

现有的车载网路由协议通常只利用车载网的单一特性进行路由设计,造成消息投递率过低或延迟过高。为此,提出一种整合专用短程通信与长期演进技术的异构车载网多属性决策路由协议。该协议在整合长期演进技术的基础上,以公交车辆与公交车站作为骨干网络,使用多属性决策的方法进行路由选择。仿真结果表明,与基于位置信息的贪婪边界协调者路由以及基于公交系统的距离向量路由相比,该协议能够有效地提高消息投递率并降低消息延迟。