Hardware options,evaluation metrics,and a design sequence for interactive information systems

Interactive information systems must satisfy a wide variety of users, serve a broad range of tasks, and be suited to diverse hardware environments. This paper concentrates on three aspects of interactive information systems design: hardware options, evaluation metrics, and a possible design sequence. Rigorous pilot studies are emphasized, and supporting experimental evidence is offered.     

不同光谱颜色分组度量的比较研究

比较分析了以主波长、色纯度以及色貌属性等目前常用的颜色属性为度量的光谱分组精度,并提出了一种全新的混合度量光谱分组预测方法。通过实验将本文提出的方法与目前现有的四种方法比较,结果显示,相比于其它方法,本文提出的方法可大幅度节省计算时间,并可获得满意的光谱分组预测精度。     

Package Coupling Measurement in Object-Oriented Software

The grouping of correlated classes into a package helps in better organization of modern object-oriented software. The quality of such packages needs to be measured so as to estimate their utilization. In this paper, new package coupling metrics are proposed, which also take into consideration the hierarchical structure of packages and direction of connections among package elements. The proposed measures have been validated theoretically as well as empirically using 18 packages taken from two open source software systems. The results obtained from this study show strong correlation between package coupling and understandability of the package which suggests that proposed metrics could be further used to represent other external software quality factors.     

基于稳定路径的MAODV协议改进

移动Ad Hoc网络组播路由协议MAODV中,组播树在节点移动速度较快的情况下会频繁重构,使得路由开销、传输时延显著增大。针对基于邻居节点变化率的稳定路径选择方法,提出一种新的节点邻居变化率的检测机制,不需要周期性地发送Hello消息,并在此基础上设计和仿真实现了基于稳定路径的MAODV协议SP-MAODV,新协议选择的路径稳定性好且跳数小。最后从数据分组传输成功率、路由开销、平均端到端时延和时延抖动四个方面对两个协议进行了仿真比较,结果表明SP-MAODV协议减少了路径中断概率,提高了协议性能。     

基于代价函数三角网格模型动态简化的研究

模型简化是解决复杂三维模型存储、传输、实时绘制与硬件处理能力的局限性之间矛盾的主要方法。介绍了三角网格模型简化相关技术和算法。目前基于边折叠的三角网格模型简化算法边折叠计算复杂,没有有效进行动态简化,结合Garland的二次误差度量算法和Hoppe的累进网格算法,提出了基于代价函数的三角网格模型动态简化算法。     

基于混合注意力机制的软件缺陷预测方法

软件缺陷预测技术用于定位软件中可能存在缺陷的代码模块,从而辅助开发人员进行测试与修复。传统的软件缺陷特征为基于软件规模、复杂度和语言特点等人工提取的静态度量元信息。然而,静态度量元特征无法直接捕捉程序上下文中的缺陷信息,从而影响了软件缺陷预测的性能。为了充分利用程序上下文中的语法语义信息,论文提出了一种基于混合注意力机制的软件缺陷预测方法 DP-MHA(Defect Prediction via Mixed Attention Mechanism)。DP-MHA首先从程序模块中提取基于AST树的语法语义序列并进行词嵌入编码和位置编码,然后基于多头注意力机制自学习上下文语法语义信息,最后利用全局注意力机制提取关键的语法语义特征,用于构建软件缺陷预测模型并识别存在潜在缺陷的代码模块。为了验证DP-MHA的有效性,论文选取了六个Apache的开源Java数据集,与经典的基于RF的静态度量元方法、基于RBM+RF、DBN+RF无监督学习方法和基于CNN和RNN深度学习方法进行对比,实验结果表明,DP-MHA在F1值分别提升了16.6%、34.3%、26.4%、7.1%、4.9%。     

SPC在软件过程度量中的应用及改进

在介绍软件过程度量原理的基础上,讨论Shewhart控制图的构成和分析方法。结合实例,分析统计过程控制在软件过程度量中的作用。针对传统Shewhart控制图无法区分软件过程之间影响的缺陷,借助选控图理论对现有方法在软件过程度量中的不足提出改进。有效区分软件过程的相互作用,定性和定量地分析软件过程的稳定性和性能。