提高静态缺陷检测精度方法

误报率和漏报率是静态缺陷检测的关键技术指标,提高分析精度是降低误报和漏报的主要手段.文中介绍了缺陷模式及其有限状态机描述,提出基于传统数据流分析的缺陷检测方法.采用变量抽象取值来近似地表示程序动态执行信息,通过状态条件中的变量抽象取值范围为空来判断不可达路径,以实现路径敏感分析;使用缺陷相关的函数摘要来表示缺陷检测所需函数调用信息,其中缺陷相关的函数摘要包括前置约束信息、后置约束信息和函数特征信息三部分,实现了上下文敏感的跨函数分析.文中方法已在缺陷检测系统DTS中实现,在大型开源软件分析中的实验结果表明,该方法能减少误报和漏报.     

基于GLR算法的维吾尔语句法分析研究

采用GLR算法对维吾尔语句子进行句法分析,并且与平行LR算法进行比较,比较它们的分析过程,针对于维吾尔语在单词集上进行句法分析。分析结果采用最优规则,选取最优的句法分析树,对下一步的句法分析研究提供很大的帮助。     

泛在学习及其关键技术

泛在学习为教育改革提供了新的视角.依据对泛在学习主要特征的分析,提出了泛在学习环境模型,并讨论了支持泛在学习的关键技术.     

上下文感知服务器中基于预测的负载均衡算法

在上下文感知服务器中,需要收集大量的上下文信息并对其进行处理。必须通过服务器集群并采用负载均衡技术才能保证服务器的正常运行。该文提出基于预测负载进行自适应负载均衡的算法,采用支持向量机预测系统运行下一个阶段的负载量,结合当前系统各节点处理情况进行动态负载分配过程,在任务执行过程中,不进行任务的迁移以减少迁移所带来的系统消耗。通过比较表明,在负载变化较大的情况下,算法能够有效地提高服务器性能。     

一种基于上下文的用户兴趣模型

当前的上下文觉察计算研究大多没有为用户提供个性化的服务,而且对在手持设备上的个性化上下文觉察服务的用户模型研究也不多见。依托用在PC上的个性化用户模型试探性的研究手持设备上加入上下文信息的用户兴趣模型,并对设计过程给出详细论述,通过模拟实验证明模型的有效性,并对未来手持设备上用户模型进行展望。     

海量层次信息的Focus+Context交互式可视化技术

综述了海量层次信息可视化与Focus Context技术的相关工作,针对海量层次信息可视化的交互问题,在嵌套圆可视化技术的基础上提出了基于上下文感知的Focus Context交互式可视化技术.首先,基于外切圆排列方法提出对圆心进行三角网格剖分的方法,为变形计算建立上下文;然后,针对变形计算前后上下文一致性问题,在三角网格邻居跟踪方法的基础上,提出了用于同层兄弟节点上下文感知的外切圆变形排列方法,以及用于父子节点上下文感知的嵌套圆迭代排列方法.实验结果表明。上述方法在实现焦点突出的鱼眼视图的同时,能够有效地解决Focus Context交互式可视化的上下文感知问题.上述方法应用于文件系统海量层次信息的交互式可视化问题,提供了交互式可视化工具.     

普适计算环境下上下文信息推理的研究

从各种低层上下文信息得到对人们更加有用的高层上下文信息即上下文推理是当前研究的热点.针对该问题,采用描述逻辑,研究基于本体模型的上下文推理方法.首先简要介绍基于本体的上下文模型,该模型增加了对上下文特性的建模,然后分别研究基于本体的推理、基于规则的推理及不一致性验证3种推理方式,借助Jena框架的推理接口实现,推理功能全面,通用性强,基本满足了普适计算系统中上下文推理的需求,最后给出了推理的可用性.     

模糊聚类算法EFCM及其在上下文广告关键词提取中的应用

随着互联网的高速发展,网络聊天(IM)软件中的上下文广告成为了网络主要赢利模式之一,也是网络营销中的一种重要方式.要精准地提供此类上下文广告就需要正确地提取聊天过程中的关键词.聊天文本不同于普通的文章,它是一种简短的文本,对于这种文本,传统的TFIDF算法存在着缺陷.本文针对传统TFIDF在处理此类文本时的不足之处,利用EFCM聚类算法来提高TFIDF算法对于这类文本的处理能力.     

基于嵌入式SQL的数据库连接池应用技术研究

设计了多线程数据库应用系统,采用每个线程分配专用的运行上下文机制,共享连接池中的若干个物理连接,以降低资源占用、提高系统性能。实验表明,使用连接池的系统的运行速度远远优于不使用连接池的运行速度。     

基于文档与搜索结果上下文的查询扩展方法

在查询扩展方法中,如果通过查询结果中关键词的上下文来计算候选关键词的权重,将权重大的词作为查询扩展词,其候选关键词来源于文档中关键词的上下文,这种方法存在主题漂移的问题。为了解决这个问题,提出一种将初始查询结果过滤,只选择与源文档语境相似的搜索结果,来帮助选择查询扩展词的方法。实验结果表明该方法能获得更合适的查询扩展词。