基于改进深度森林算法的软件缺陷预测

软件缺陷预测是合理利用软件测试资源、提高软件性能的重要途径。为处理软件缺陷预测模型中浅层机器学习算法无法对软件数据特征进行深度挖掘的问题,提出一种改进深度森林算法——深度堆叠森林(DSF)。该算法首先采用随机抽样的方式对软件的原始特征进行变换以增强其特征表达能力,然后用堆叠结构对变换特征做逐层表征学习。将深度堆叠森林应用于Eclipse数据集的缺陷预测中,实验结果表明,该算法在预测性能和时间效率上均比深度森林有明显的提升。     

面向任务的作战系统模型一致性研究

为检测作战系统中任务模型的一致性,文中基于图文法提出一种形式化的检测方法:把作战系统模型转换成属性图文法,并检测功能需求间冲突和依赖。循环依赖将导致模型无法执行,错误依赖则表示功能需求与动态模型的执行流程不一致。文中对此提出相应的依赖检测算法,循环依赖检测算法通过深度优先搜索找到依赖关系中的环,错误依赖检测算法通过遍历活动图检测依赖关系与动态模型的执行流程是否一致。最后基于该方法实现了作战系统模型一致性检测系统并结合实例进行验证。     

基于权重的云推理算法

虽然正态云模型具有普适性,但它在描述论域内单调上升或下降的概念时存在一些局限性,同时由于现有的云推理算法存在多条件下人为主观因素影响大、运算量大等问题,为此提出一种新的指数云模型来描述单调概念,并基于此提出一种基于权重的云推理算法。该算法将多条件发生器拆分为多个一维发生器,先通过层次分析法确定各个条件的属性权重,再采取加权平均法将单条件单规则发生器输出的结果精确化为一个具体的输出值。将基于权重的云推理算法用于鱼雷规避仿真系统中,并与模糊推理结果进行比较,验证了该算法的有效性和实用性。     

研究生网络课程群实践教学体系研究

分析目前研究生计算机网络实践教学的现状和面临的挑战。提出柔性的计算机网络课程群实践体系。包括:1)培养研究生软硬件动手能力的实践内容;2)新形势下的教学模式;3)调动学生参与实践的积极性,建立注重实践过程控制为目标的考核体系。整个体系通过新颖的教学内容和人性化的管理提高了实践教学质量。     

基于S型曲线的指标权重确定方法

针对动态系统的多指标多决策者综合评价问题,目前的赋权法很少考虑决策者评价可信度及指标权重随评价对象变化而变化的情况,因此提出一种基于置信度的参数可调的S型曲线指标赋权模型.在专家打分法的基础上,通过引入专家权威性和差异性系数来确定专家置信度,提高专家评价的可信度,运用可调参数来校准基于置信度的指标赋权模型,使其能较好地解决评价者与动态系统中指标权重之间的非线性关系,增加了赋权模型的灵活性.结合实例确定指标权重的结果符合客观实际,验证了此方法的可行性和实用性,它为确定指标权重提供了一种新的有效途径.     

基于Boosting的代价敏感软件缺陷预测方法

Boosting重抽样是常用的扩充小样本数据集的方法,首先针对抽样过程中存在的维数灾难现象,提出随机属性子集选择方法以进行降维处理;进而针对软件缺陷预测对于漏报与误报的惩罚因子不同的特点,在属性选择过程中添加代价敏感算法。以多个基本k-NN预测器为弱学习器,以代价最小为属性删除原则,得到当前抽样集的k值与属性子集的预测器集合,采用代价敏感的权重更新机制对抽样过程中的不同数据实例赋予相应权值,由所有预测器集合构成自适应的集成k-NN强学习器并建立软件缺陷预测模型。基于NASA数据集的实验结果表明,在小样本情况下,基于Boosting的代价敏感软件缺陷预测方法预测的漏报率有较大程度降低,误报率有一定程度增加,整体性能优于原来的Boosting集成预测方法。     

复杂产品多学科虚拟样机元建模框架

为实现复杂产品虚拟样机中各类多学科异构模型的有效重用和集成,以制造领域广泛存在的复杂产品为对象,讨论了复杂产品虚拟样机的多学科特点及其对传统建模仿真理论带来的挑战;结合元对象机制和面向组件的建模思想,提出了一种新的面向复杂产品多学科虚拟样机的元建模框架,并对框架中各抽象层次模型规范(元元模型、元模型和系统高层模型)进行了形式化定义和语义讨论.在起落架多学科虚拟样机应用实例中,基于元建模框架中的系统高层模型进行了产品的统一建模描述,实现了复杂产品中多学科异构模型的更高层次抽象和集成重用,验证了元建模框架的有效性.     

协同仿真平台中的仿真组件技术及其实现

在面向服务的理念指导下,将仿真组件技术引入协同仿真平台的应用开发中,即由元素模型、组件模型和成员模型三种层次的仿真组件组成仿真系统,使用仿真组件提供的服务完成仿真任务,并详细介绍三种组件的概念、构成、开发和部署等关键技术。开发应用时采用面向组件的建模工具描述系统的静态结构和动态行为,根据静态结构自动生成三种组件的框架代码,用户加入功能实体后即完成了仿真的开发,运行时根据动态行为调度仿真组件进行协同工作。     

基于快速重构机制的混合式失效检测算法

宇航、军事等关键应用领域的计算机系统对失效检测的时效性、可靠性、扩展性有高度需求.基于树状结构与环状结构的失效检测算法扩展性强,但前者单点失效问题严重,而后者的诊断延时较大,且在环结构破坏时成倍增长.为此,提出一种基于快速重构机制的混合式失效检测模型及相应算法.将系统进程集合划分为若干子集,子集内部使用环拓扑进行失效检测,并引入快速重构机制,当进程发生失效、环拓扑结构破坏时,使用逆向请求方法进行快速重构;子集之间采用层次结构进行心跳信息和失效信息的传播.实验表明算法具有良好的时效性,能够降低环拓扑破坏对诊断延时的负面影响.     

高等计算机网络课程的研究与改进

针对目前研究生阶段计算机网络课程的不足,南京航空航天大学计算机科学与技术学院从社会需求和学生自身发展的需要出发调整了教学大纲,使教学内容与本科阶段自然衔接,并且更加深入;因材施教,突出教学重点,跟踪网络技术发展的热点;在教学中强调多种方式的实践,培养学生的实际工作能力;采取灵活的教学管理方式,以开放式的教学和实验管理系统为依托,促进学生主动学习和研究。对课程和实验的研究与改进在高等计算机网络课程教学实践中取得了良好的效果。