改进的软件错误报告自动分类算法

软件错误报告的自动分类能够节省大量人力和时间,然而用户提交的错误报告主观性较强,对错误报告的描述较随意,造成自动分类的效率低下。为此,基于传统的词频-逆向文件频率( TF-IDF )算法,结合文档内词条频度与词条在同类别及不同类别文档中的分布情况,提出2种特征降维的改进算法,降维后再对词条进行权值处理,进一步提高特征降维的效果。实验结果表明,应用该算法得到的错误报告自动分类在精确率、召回率、F1值和准确度等指标上比现有算法都有明显提高。     

基于改进的Jaccard系数文档相似度计算方法

文本相似度主要应用于学术论文查重检测、搜索引擎去重等领域,而传统的文本相似度计算方法中的特征项提取与分词环节过于冗杂,而且元素的随机挑选也会产生权重的不确定性. 为了解决传统方法的不足,提出一种基于改进的Jaccard系数确定文档相似度的方法,该算法综合考虑了各元素、样本在文档中的权重及其对多个文档相似度的贡献程度. 实验结果表明,基于改进的Jaccard系数的文档相似度算法具有实效性并且能够得到较高的准确率,适用于各种长度的中英文文档,有效地解决现有技术中存在的文档间相似度计算不精的问题.     

下一代测序纠错方法综述

在面向下一代的测序技术中,前期纠错方法决定着测序的最终序列质量,因此成为当前研究热点,很多不同的纠错方法被提出,对于这些方法的优缺点以及它们适合的应用,应该有清晰的认识和公正的评估.介绍了现存的各种下一代测序的纠错技术.首先,从各种不同工具所基于的底层算法进行分析;接着,从测序不同平台来看读段错误形成的特点;然后,从各种不同的测序应用角度来观察读段序列错误特征;最后,总结并阐述读段序列纠错工具存在的问题和发展趋势.     

基于分布式架构的时间序列局部相似检测算法

基于动态时间规整算法思想的CrossMatch算法可以用来解决序列间的部分相似问题,但是由于算法时间空间复杂度过高,需要消耗大量的计算资源,因此无法应用于长序列之间的计算。针对以上问题,提出了一个基于分布式平台上的时间序列局部相似性检测算法。将CrossMatch算法实现在了分布式框架上,解决了计算资源不足的问题。首先需要对序列进行切分,分别放置在不同的节点上;其次,各节点分别处理各自序列的相似部分;最后,通过对结果进行汇总并拼接,找出序列间的局部相似。实验结果表明,该算法在准确性上和CrossMatch相近,在时间上也有提升。改进后的分布式算法不仅解决了单机无法处理的长序列计算问题,而且可以通过增加并行计算节点数提高运行速度。     

云环境下软件错误报告自动分类算法改进

用户提交的软件错误报告随意性大、主观性强且内容少导致自动分类正确率不高,需要花费大量人工干预时间。随着互联网的快速发展用户提交的错误报告数量也不断增加,如何在海量数据下提高其自动分类的精确度越来越受到关注。通过改进词频-逆文档频率(TF-IDF),考虑到词条在类间和类内出现情况对文本分类的影响,提出一种基于软件错误报告数据集的改进多项式朴素贝叶斯算法,同时在Hadoop平台下使用MapReduce计算模型实现该算法的分布式版本。实验结果表明,改进的多项式朴素贝叶斯算法将F1值提高到71%,比原算法提高了27个百分点,同时在海量数据下可以通过拓展节点的方式缩短运行时间,有较好的执行效率。     

针对QSP算法的研究与分析

BM算法是经典的单模式匹配算法,QS算法是基于BM算法的改进算法,由于QS算法仅仅分析下一字符T[j+m]计算右移量,整体的匹配效率并不高,因此在QS算法的基础上提出一种改进算法(QSP). QSP算法在预处理阶段从左向右找出模式串中出现1次以上的单字符,计算出这些字符的跳转期望值差,得到最大差值和相对应的字符位置maxPos,并修改skipp2数组的值;在匹配阶段,首先比较P[maxPos]与T[j+maxPos]是否相等,然后再利用两个数组skipp1和skipp2进行右移,保证每次右移的距离达到最大.通过实验证明,该算法总的比较次数和运行时间都低于QS算法,匹配效率得到明显的提高.     

基于多因素加法模型的中期电力负荷预测

提前准确预测所需电力负荷,做好电力规划是电力部门保证电力供应稳定不可或缺的重要环节.基于欧洲智能网络(EUNITE)竞赛电力数据和北美电力数据,提出一种多因素加法模型,进行中期电力预测.考虑到温度、假期、星期等因素对电力负荷产生不同的影响,拟合出这些因素与电力负荷之间的映射关系,相加得到电力负荷预测的函数.还比较了业界常用的7种不同的算法模型,使用6种不同指标对这些模型和多因素加法模型进行评估,实验结果发现,在这8种不同算法模型中,多因素加法模型有着更加精确的预测性能,运算速度比其他模型快,并且模型更加容易理解和解释.     

基于KMP算法的改进算法KMPP

KMP算法和BM算法是经典的单模式匹配算法,但KMP算法中文本指针[i]每次只能移动一个字符,整体的匹配效率并不高,结合KMP算法和BM算法的优点提出一种改进算法（KMPP）。算法的思想是模式串与文本在[j]处不匹配时,预算出模式串移动[next[j]]后末字符在文本中的位置,当该位置的文本字符与末字符不匹配时,则用该字符进行坏字符匹配,这两步的跳跃距离就是文本指针[i]移动的距离,从而使指针[i]每次移动的距离达到最大。实验结果表明,该算法匹配次数远低于KMP算法的匹配次数,提高了模式匹配的效率。     

基于马尔科夫模型的就餐人数预测

准确预测就餐人数能够降低学校食堂的运行成本,提高学生对食堂的满意度. 根据校园一卡通的消费情况,提出一种基于马尔科夫模型的就餐人数预测研究方法. 首先,通过计算早餐就餐行为得到初始概率;其次,分别通过计算早、午餐和午、晚餐就餐行为得到早餐午餐概率转移矩阵和午餐晚餐概率转移矩阵;最后,根据初始概率和概率转移矩阵构建的模型预测三餐的就餐人数. 该方法的就餐人数预测的平均预测误差率为1.31%,具有良好的预测效果. 实验结果表明,该方法能够反映学生的就餐行为,从而可以为学校后勤部门提供一些参考意见,有助于学校的建设和管理也有助于满足学生的需要.