一种有效的自适应运动估计搜索算法

提出了一种新的基于运动矢量场、方向自适应和半像素搜索的快速搜索算法(M-DAHS)。该算法根据图像序列运动矢量场的中心偏置性和时空相关性进行预判,对静止块设定阈值直接终止搜索;非静止块根据运动类型自适应选择搜索起始点和搜索策略。搜索模板具有很强的方向自适应性,对于小运动块采用菱形-线性搜索,其他块使用六边形-菱形搜索算法。整像素搜索完毕后,再以十字优先原则进行半像素搜索。实验结果表明,该算法性能优越,搜索速度快,搜索精度高,且搜索精度可以非常接近全搜索算法。     

一种有效的无结构对等网络搜索算法

点对点（Peer-to-Peer）网络已发展成为当今最为流行的资源共享系统之一。其中的资源搜索是一个关键性问题。传统的方法借助本地所掌握的网络信息,利用某种搜索算法来定位资源。但是这些方法只遵循很少的搜索规则,因此不能取得理想的搜索性能。文章提出一种更为高效的预搜索忽略优化算法来搜索P2P网络。它分为两个阶段：第一个阶段进行预搜索并获取网络拓扑结构和资源的信息,第二个阶段通过已获取的信息对网络结构进行逻辑上的优化,进而更高效地搜索P2P网络。     

一种混合麻雀搜索算法

元启发式算法由于可产生多样的解决方案在科学及工业领域受到了广泛的应用,麻雀搜索算法(SSA)是一种相对新颖的基于群体的元启发式算法,已被证明具有较好的寻优求解性能.由于在某些情况下麻雀种群多样性不足,导致算法寻优精度低,易陷入局部最优,因此提出了一种混合麻雀搜索算法(HSSA),首先利用反向对立学习策略提高初始种群质量...     

一种改进的麻雀搜索算法

麻雀搜索算法(SSA)作为一种新颖的群体智能优化算法,已被证明具有较好的寻优性能.但由于SSA在某些情况下迭代中后期搜索性减小,种群多样性降低,导致算法存在收敛速度慢、求解精度低、易陷入局部最优解等不足.针对SSA存在的缺陷,融合萤火虫算法(FA)迭代策略,提出了一种加入萤火虫搜索扰动的麻雀搜索优化算法(FSSA).首...     

一种改进的快速搜索算法

提出了一种基于预测的自适应六边形搜索方法,并将此算法与其他常用的快速运动估计算法进行实验比较。实验结果表明:该算法有效地降低了搜索点数,搜索精度比较接近于FS算法,在一定程度上提高了搜索的效率。     

一种改进的量子搜索算法

Rrover提出的对无序数据库进行搜索的量子算法，可以将搜索时间复杂度从经典计算机上的O（N）降低为O（N的平方根）。该算法显示了量子计算的强大能力，在量子计算研究中具有重要地位。但是，我们在研究Grover算法中发现Grover算法存在搜索失效等问题。本文分析了Grover算法中存在的问题，针对其不足之处进行了改进，并证明了改进后量子搜索算法的有效性。     

一种改进的和声搜索算法

针对基本和声搜索算法的不足,提出一种改进的和声搜索算法.首先在和声搜索算法的记忆库中加入权重,减少搜索的随机性;其次让扰动方程中的带宽具有自适应性,从而提高原算法的鲁棒性和收敛速度.算法在计算机上予以实现,并通过一系列测试函数求解,验证了改进算法与基本和声搜索算法及其他智能算法相比,能得到更多的最优解和较小的方差.     

一种高效的源代码搜索算法

多年来的软件开发积累了大量的源代码,同时不少代码搜索工具也被开发出来,但是,现有的工具都不够精确,因而很少有人使用。本文提出一种高效的源代码搜索算法,通过识别查询语句与API的关系,以提高代码搜索的准确性。基于该算法,本文实现一个针对C#源代码的搜索工具,并通过客观实验与用户调研对算法进行评估。实验结果表明本文提出的搜索算法是十分有效的。      

一种改进的CHORD搜索算法

基于CHORD构造的对等网络中,搜索性能是一个很重要的指标,目前提出的CHORD搜索算法都是一路查找,论文对CHORD算法进行了若干改进,沿多条路径同时搜索,使之可以加快查找速度,同时采取邻居节点部分复制资源和缓存最近访问节点信息的方法,减轻了因为热门资源引起的节点负载过重的问题,加快了热门资源的查找过程,模拟实验表明,改进的CHORD算法查找效率比目前CHORD算法要好,负载平衡性和系统健壮性都要优。     

一种改进的菱形搜索算法

DS（Diamond Search, DS）算法曾被MPEG4 标准采用,是目前公认的一 种较好的搜索算法。但当运动矢量较小时,菱形搜索算法速度较慢。提出了一种改进的菱形 搜索（Improved Diamond Search, IDS）算法,加入了粗定位和强化的半路停止操作。大量的 车辆跟踪实验表明,IDS 算法在保证搜索性能的基础上增加了搜索速度,为模板匹配提供了 更加有效的技术支持。更有对比实验揭示了该算法对轨迹突变的不敏感性。     

Graph Embedding Based API Graph Search and Recommendation

Searching application programming interfaces (APIs) is very important for developers to reuse software projects. Existing natural language based API search mainly faces the following challenges. 1) More accurate results are required as software projects evolve to be more heterogeneous and complex. 2) The semantic relationships between APIs (e.g., inheritances between classes, and invocations between methods) need to be illustrated so that developers can better understand their usage scenarios. To deal with these issues, we propose GeAPI, a novel graph embedding based approach for API graph search and recommendation in this paper. First, we build a software project's API graph automatically from its source code and represent each API using graph embedding methods. Second, we search the API graph with a question in natural language, and return the corresponding subgraph that is composed of relevant code elements and their associated relationships, as the best answer of the question. In experiments, we select three well-known open source projects, JodaTime, Apache Lucene and POI, as examples to perform API search tasks. The experimental results show that our approach GeAPI improves F1-score by 10% compared with the existing shortest path based API search approach, while reduces the average response time about 60 times.     

基于TRSAPI科技情报管理系统

本文简要介绍了TRS中英文信息发布检索平台，对以C＋Builder 3.0为前端开发工具的TRS API7编程做了详细说明。根据大庆油田科技情报管理的需要，以TRS作为数据库存管理系统，设计并实现了一个科技情报服务系统。     

API使用的关键问题研究

软件开发者在开发过程遇到应用程序编程接口（application programming interface,API）使用问题时,通常希望能够得到有效的API使用模式建议,从而帮助其学习和使用. 传统的API推荐方法会挖掘和学习代码库中API的使用知识,然后给开发者推荐与上下文相关的API. 然而由于上下文信息表征不够充分,以及推荐列表中冗余项和同质化内容的出现影响了推荐性能. 针对这一问题,构建项目和方法与API的API层次调用图（API hierarchy call graph,AHCG）模型以更好地表达API上下文关系,充分利用API结构信息和语义信息来减少冗余项和降低同质化内容被推荐的可能性,进而提出基于上下文感知并面向多样性的API推荐（context-aware based API recommendation with diversity, CAPIRD）方法. 该方法中引入相关性度量和关联性度量,最大限度地保留相关结果,同时平衡已选API与候选API的关联性,以尽可能挖掘到合理的初选API列表. 最后结合最大边缘相关算法,在标准模式数据集上学习相关性和关联性的最佳权重组合,并进行多样性重排推荐. 在2210个项目构成的3类数据集上进行实验并验证推荐性能,实验结果表明,CAPIRD在基于上下文的API推荐场景下能够有效提高推荐性能. 在所有数据集的API推荐中,平均精度（mean average precision,MAP）指标平均提升值约9%,在Top-1的推荐中,成功率（success rate）指标平均提升约13%.

     

API使用的关键问题研究

API（Application Programming Interface,应用程序编程接口）在现代软件开发过程中被广泛使用.开发人员通过调用API快速构建项目,节省了大量的时间.但由于API数量众多、文档不够完善、维护更新不及时等原因,使开发人员在学习使用API的过程中面临着严峻的挑战.同时,一旦API使用不正确,程序可能会出现缺陷甚至严重的安全问题.本文通过对API相关文献的深入调研,对近些年来国内外学者在该研究领域取得的成果进行了系统总结.首先,介绍了API的基本概念并分析出影响API使用的三个关键问题：API文档质量不高,调用规约不完整以及API调用序列难以确定;接着,从API文档、调用规约和API推荐三个主要方面对研究成果进行全面的分析;最后,对未来研究可能面临的挑战进行了展望.     

基于语义网络的海量源码搜索引擎

提出一种通过类自然语言输入在海量源码库中进行代码搜索的方法,旨在提高开源代码在方法层面的重用性。相比于传统的关键字匹配的海量源码搜索方案与基于自然语言的上下文相关的项目内定位方法,本文的程序分析结合语义网络的算法既可解决前者由于源码中缩写与近义词问题带来的目标无法匹配的问题,同时也可解决基于自然语言的源码定位受限于指定项目无法在应用于海量源码搜索的限制。最后通过实验验证引擎的可靠性与可用性。     

一种实用高效的聚类算法

在信息处理研究领域,现有的大多数聚类算法都需要人为地给出一些参数.然而,在没有先验知识的情况下,人为地确定这些参数是十分困难的,而且现有的聚类算法的时空效率也有待于进一步提高.为了解决这一难题,首先根据样本分布特性,通过数学分析,得到确定样本空间划分间隔数的数学函数,然后,再根据样本分布特性,采用爬山的策略得到样本类的划分,最后提出了一种实用而高效的聚类算法.从多个角度分析了该算法的性能,并将该算法应用于中文文本聚类.理论分析和应用结果都表明,该算法不仅不需要人为确定参数,同时,还可以提高信息处理的时空效率和性能.     

基于开源社区分析的API使用案例推荐服务

目前有关API学习和代码复用的研究主要集中在对于API调用频繁模式的挖掘、组件化信息的提取以及根据用户的需求和目标功能进行的个性化应用程序接口（API）推荐服务等方面。然而,作为缺少专业知识和经验技能来完成特定使用案例的软件开发初学者,在阅读官方文档之外,往往需要真实的使用案例作为参考。现有代码推荐研究大多为单片段式代码,缺少跨函数的案例选择,这不利于初学者学习构建完整的使用场景或功能模块;同时,从单个函数注释中提取的语义描述也不足以构建学习者对项目中完整功能实现方法的认识。为了解决上述问题,提出了一种基于开源社区分析的API使用案例推荐服务,并以软件开发后端框架Spring Boot为例,构建了跨函数的案例推荐辅助学习服务。随后,通过调查问卷、专家验证等方式验证了所提出的API使用案例推荐服务的可行性和有效性。     

代码搜索与API推荐文献分析

代码搜索和API推荐算法能够帮助开发者有效实现编程任务。截至目前,研究者们发表了一系列相关文献。尽管一些学者对该研究领域的背景和研究现状进行了阐述,但是研究者对该领域中的一些基本领域知识还 缺乏了解,如最高产的作者、机构和国家,影响力较大的作者和文献,以及流行的热点研究等。借助经典的文献分析框架,在构建该研究领域文献数据仓库的基础上,首次对该领域的研究进行了基础文献分析和合作模式探索。 一方面,基础文献分析的结果表明,近几年越来越多的研究者开始关注该领域的研究,最高产的作者是Cristina Videira Lopes,University of California at Irvine是发表相关文献最多的机构,大部分文献来自美国,根据领域H因子计算得到的最有影响力的作者是Denys Poshyvanyk。另一方面,合作模式的分析结果显示,Tao Xie,Cristina Videira Lopes 和 Denys Poshyvany是该领域最活跃的三位作者,推荐算法性能的提升及其在软件工程任务中的应用是目前该领域最流行的研究主题。     

API文档缺陷自动检测和修复方法

在为了完善应用程序编程接口（application programming interface,API）文档,提出了基于程序静态分析和自然语言处理的自动检测和修复API文档缺陷的方法。该方法能够自动检测和修复API文档缺陷。实验中缺陷检测结果的准确率和召回率分别达到74.6%和81.4%,能够较为准确地检测到Java API的文档缺陷。在进一步的实验中还对API文档的修复功能进行了评估,结果表明生成的文档正确且简洁,可以有效地修复API文档缺陷。