软件可靠性度量方法

分析软件故障暴露率与软件测试次数之间的关系,提出在保证可靠性测试结果客观准确的前提下,有效减少验证测试次数的方法。结合软件可靠性和体系结构相关理论,提出基于组件的软件失效率定量计算方法。研究并利用软件可靠性度量方法,提高了软件可靠性测试效率和可靠性评估准确性。     

基于模糊层次分析法的社交编程网站开发者评估方法

社交编程网站Github是一种较为流行的分布式版本控制系统,近年来得到了快速的发展,而Github中没有对开发者能力构建度量模型,使得如何从众多开发者中选择合适的开发者加入到核心开发者之中成为一个有待解决的问题。为处理此问题,通过构建开发者度量模型,对开发者能力具体量化,同时使用模糊层次分析法对开发者度量模型进行评估,根据量化评估值选择合适的开发者加入到核心开发者之中。通过一个实例分析说明该方法如何评估开发者并选择合适的开发者,从而为Github项目社区招募核心开发者提供支持。     

基于行为轨迹属性的软件动态可信模型*

针对软件动态可信度量方法中准确性和效率存在的问题,提出以行为区间划分软件的结构并以行为轨迹属性刻画软件行为的基于行为轨迹属性的软件动态可信模型SBMDB(Software Behavior Model for Dynamic Trustworthiness Based on Behavior Path Properties)。通过对软件功能进行分析,划分软件的行为轨迹区间,提取区间的行为轨迹属性。同时,针对区间的包含、嵌套问题提出了区间化简算法,建立软件的行为模型。该模型以行为轨迹区间为度量基本单位,降低了度量时的整体消耗,提高了度量的效率。实验分析表明,该模型能够精确获取软件的行为信息,有效地检测攻击行为。与其它模型相比,SBMDB可以在保证度量结果准确性基础上提高度量效率。     

考虑用户活跃度和项目流行度的基于项目最近邻的协同过滤算法

项目相关性度量是基于项目最近邻的协同过滤算法的关键。已有的项目相关性度量方法在数据集稀疏或推荐低流行度产品时会面临较大挑战,因此提出一种考虑用户活跃度和项目流行度的基于项目最近邻的协同过滤算法。该算法在度量两个项目的相关性时,若有记录只对两个项目之一有评分,则利用该记录所对应的评分用户的活跃度和被评价项目的流行度进行相关性惩罚,从而提高数据稀疏环境下低流行度产品被推荐的概率。实验表明,所提算法在保证评分预测精度的情况下提升了推荐结果的多样性和新颖性。     

P2P网络中基于动态贝叶斯网络可信度量模型

本文针对P2P网络中节点匿名、动态导致安全性下降,现有信任度模型计算动态性不足等问题,提出了基于动态贝叶斯网络的可信度量计算模型,模型依据历史交互记录数据,从直接信任度与推荐信任度两个方面进行信任度量计算,并考虑到时效性与恶意节点等问题,引入时效因子与惩罚因子.最后通过仿真实验验证了模型的有效性与可行性.     

IPI:一种基于影响力和兴趣的链接预测算法

链接预测的一个关键问题在于如何合理高效地结合链接属性、节点属性等相关信息以用于预测的目的,针对该问题提出了一种基于节点影响力和兴趣的链接预测算法IPI(Influence Plus Interest),即通过拓扑结构信息来量化用户的影响力,通过文本信息来模拟用户兴趣.结合两类信息对节点间的联系进行打分,得分高的节点对即代表具有较强的联系.在真实数据集上的实验表明,我们提出的方法具有一定的可行性.     

非平稳信号度量方法综述

非平稳性度量是非平稳信号处理中的重要课题。尽管已有的度量方法在原理上有较大差异,缺少统一的理论框架和度量标准,但这些非平稳信号度量方法都在其相应领域发挥了重要作用。本文对随机信号非平稳度量方法进行了综述,系统地总结、归纳了不同领域现有的随机信号非平稳性度量方法,包括基于统计量和动力学参数的时域方法、时频域参数方法、信号建模参数方法以及特定类别信号的非平稳性度量方法,给出了各种度量方法的应用,并展望了非平稳性度量的未来发展方向。     

基于源代码的软件可维护性质量度量方法

随着科学技术的飞速发展,计算机技术应用越来越广,软件在各个领域都起到了至关重要的作用.软件质量问题是科学技术发展的关键因素,保证软件质量在软件开发过程中应始终保持高标准.对软件的可维护性,在软件开发初期极易被忽视,导致软件开发质量不高,软件维护成本居高不下.基于《GB/T 16260软件工程-产品质量》国家推荐标准,以软件的可维护性作为切入点,结合工作中的实际案例,介绍了基于可维护性的软件质量度量方法,并从源代码的角度对软件的可维护性进行度量和评估.     

基于概率的无监督缺陷预测方法

软件缺陷预测能够提高软件开发和测试的效率,保障软件质量。无监督缺陷预测方法具有不需要标签数据的特点,从而能够快速应用于工程实践中。提出了基于概率的无监督缺陷预测方法—PCLA,将度量元值与阈值的差值映射为概率,使用概率评估类存在缺陷的可能性,然后再通过聚类和标记来完成缺陷预测,以解决现有无监督方法直接根据阈值判断时对阈值比较敏感而引起的信息丢失问题。将PCLA方法应用在NetGen和Relink两组数据集,共7个软件项目上,实验结果表明PCLA方法在查全率、查准率、F-measure上相对现有无监督方法分别平均提升4.1%、2.52%、3.14%。     

基于梯度特征与彩色特征相融合的mean shift跟踪方法

针对mean shift跟踪方法中存在的光照变化不稳定问题,提出了基于梯度特征与彩色特征相融合的mean shift跟踪方法。首先分别提取目标的梯度特征和彩色特征,利用多尺度的相似度计算方法进行特征的匹配,然后通过最大化相似度对目标进行跟踪。通过物体和人体等运动目标的跟踪,验证了改进的跟踪算法在光照变化情况下的鲁棒性优于原有的算法,显著降低了跟踪位置误差。