基于稀疏流形聚类嵌入模型和L1范数正则化的标签错误检测

综合利用含错标签中的有用信息和数据结构中蕴含的鉴别信息,提出一种基于稀疏流形聚类嵌入模型和L1范数正则化的标签错误检测修正方法.首先,用稀疏流形聚类嵌入模型将数据投影到易分类的空间,利用标注正确的极少量样本和最近邻分类器获得新标签;然后,构造标签错误检测模型,获得仅含0、1元素的检测向量,正确、错误的标签分别对应着1、0的位置;最后,给出了相应的优化算法及收敛证明,并在相关实验上验证了算法的有效性.     

基于切片谱的错误定位框架影响因素分析

错误定位是软件调试的重要环节,基于切片谱的统计错误定位技术,借助程序切片可以提高错误定位效率.而这类技术执行效果取决于构建切片谱的切片选择策略和怀疑度计算公式的选择.为评估不同的切片选择策略及怀疑度计算公式对错误定位效率的影响,提出一种基于切片谱的错误定位框架.该框架首先计算程序执行失败时的全切片和成功时的执行切片,随后提出一组基于相似度的切片挑选策略以构建切片谱,最后按照选定的公式计算怀疑度并生成定位报告.应用提出的错误定位框架,针对一组典型的Java基准程序开展错误定位实证研究.结果表明:最优怀疑度计算公式Wong,RusselRao和Binary的错误定位效率与切片选择策略无关,而提出的怀疑度计算公式HSS,Tarantula,DStar,Naish1和Naish2在低相似度切片谱上定位效果较好.     

软件错误定位研究综述

错误定位是软件调试中的一个热点问题,旨在高效地检测出软件错误。首先根据研究方法的不同,将已有错误定位方法从轻量级和重量级两个角度进行分类并进行比较。轻量级错误定位技术不涉及程序依赖关系分析,在程序执行覆盖信息的基础上用统计学或数据挖掘等方法找出可疑错误代码的集合来定位错误;重量级错误定位技术涉及程序依赖关系分析,主要分析数据依赖、控制依赖关系或使用程序切片等来识别可疑代码。然后,总结了常用的评测数据集和评测标准。最后,对错误定位的未来研究趋势进行了展望。     

事半功倍 用好Excel2013的自动功能

Excel 2013是目前最常用的数据处理工具,分析处理数据的功能非常强悍。但是你知道吗?Excel还内置了强大的自动化功能,可以自动检查、调整、定位……让我们能够事半功倍地处理数据。     

LastPass在个别网站登录错误的解决

正LastPass是一款非常优秀的账号密码记录存储扩展。可是有的用户在使用的时候,常常会出现登录错误的问题。那么到底是什么情况造成这些问题,我们又应该如何解决这些问题呢?其实之所以会出现这样的问题,主要是很多网站除了账号密码,会有一个验证码的验证环节。而LastPass扩展在记录账号密码的时候,也自动将验证码信息进行了记录,所以造成     

一种基于单条程序执行路径的错误定位方法

当程序在测试中发生错误时,将形成一条错误的程序执行路径,程序员将会花费很多精力去检测程序代码和定位最终的程序错误．提出一种基于单条程序执行路径的错误定位方法,该方法通过对程序进行反向执行,计算出多个最弱前置条件及其相对应的疑似错误语句集,并生成错误定位树,来辅助程序员进行快速错误定位．对西门子测试数据集进行的实验表明了该方法具有良好的效果．     

并行程序错误调试技术研究综述

随着多核设备的普及,主流软件系统的构建模式已经由单线程串行转为多线程的并行方式．然而,由于并行程序的不确定性,使得调试并行程序错误要比串行程序的错误困难很多．因此,如何高效地调试并行程序错误成为了亟待解决的问题．对并行错误调试技术做了全面的研究与分析．在此基础上,进一步讨论了不同调试技术的优劣,也对并行调试技术可能的发展方向进行展望．     

面向X光发音视频的舌位轮廓自动提取方法

发音器官的X光视频为分析人的发音过程提供了重要数据,但由于其存在成像模糊、遮挡严重等问题,使得X光视频中舌位运动轮廓往往难以提取,为此提出一种接近全自动的X光视频中舌位轮廓提取方法.首先采用区域灰度对比的边缘检测算子在舌位运动区域中获取初步边缘点集合;针对X光图像是高噪声图像且舌位轮廓常被其他发音器官如牙齿等遮挡,造成初步边缘点集合中包含了很多的错误点,进一步提出一种基于邻接点簇的点到点距离比错误点排除法,得到较高精度的舌位轮廓边缘点集合;最后借助RANSAC和过控制点B样条曲线拟合技术,提取出整个舌位边缘轮廓点.实验结果表明,该方法获得的舌位轮廓精度高,可用于舌位连续发音运动特征的分析.     

初学者学习C语言中常见问题的探讨

C语言是编程领域中很有影响力的一种程序设计语言。它简洁、紧凑,使用方便、灵活,并且具备高级语言和低级语言的特征。由于C语言的编译系统对语法的检查不如其他语言那么严格,因此C语言对使用者的要求比较高.笔者结合实际教学中的经验,分类列举出C语言中常见的错误进行分析与探讨,以此对初学者给予借鉴。     

一种基于分而治之的语音识别错误纠正方案*

介绍了一种基于分而治之的语音识别错误纠正方案,首先利用混淆网络把连续语音识别问题转换为顺序的、独立的分类子任务。每个分类子任务可看做是孤立词识别问题,通过训练专门的支持向量机来区分混淆网络的识别候选。提出了一种快速的基于码本转换的语音向量对齐方法,解决了变长语音向量无法直接作为支持向量机输入的问题。通过一个普通话音节识别任务的实验结果表明,该方案能有效提高系统的正确率。