软件质量是贯穿于软件生存周期的一个重要问题,随着软件产业的发展,人们对软件质量的要求也越来越高,因此如何建立准确客观的软件质量评价模型成为软件质量领域研究的重要课题。软件质量评价模型旨在从历史数据中寻找软件各个方面的特征与软件质量之间的关系,而神经网络因其强大的学习能力与非线性映射能力成为建立这种复杂关系的最合适的方法。为了总结现有的相关研究并为以后的研究提供思路,以系统性文献综述的方法调研了自1994年至2018年国内外50篇使用神经网络方法进行软件质量评价的文献,从输入元素、评价目标、建模方法以及神经网络的训练等方面对文献进行了归纳与总结,发现了使用神经网络方法进行软件质量评价的一些规律、未解决的问题以及可能的研究方向。

C/C++源代码因其手动分配堆内存的特点,造成大量内存泄漏的问题。对于多分支的控制流结构,其内存分配点和释放点具有不确定性,使得内存泄漏检测的难度增大。针对这种复杂控制流中的内存泄漏问题,定义了一种基于路径抽象的内存泄漏分类方法,提出了一种基于投影的模型检测静态分析算法。该算法采用投影技术将原控制流图进行规约和简化;同时,在进行函数间的分析时,融合了Cloning Expands the ICFG和Expanded Supergraph两种方法,构建了一个函数间的内存定义－使用控制流图(Interprocedural Memory Control Flow Graph,IMCFG)。实验表明,该检测方法在有效性和准确率方面明显取得了较好的结果。

在癌症高发的当代,前列腺癌作为男性特有的疾病,其发病率逐年升高。卷积神经网络因其在图像识别领域的强大性能而倍受关注,也非常适用于计算机辅助诊断(Computer Aided Design,CAN)领域。由于神经网络模型中通常包含大量参数,因此训练一个卷积神经网络十分耗时。如何加快神经网络的训练成为了深度学习领域中一个十分重要的问题。为了解决这个问题,一般采用多GPU并行方案。其中,数据同步在GPU性能均衡的情况下表现更佳。因此,文中借鉴已有的基于数据并行算法对前列腺三维卷积网络进行加速。

文中主要介绍了数值天气预报模式GRAPES_MESO(4.0版本)与大气化学模式CUACE在线耦合形成的GRAPES_CUACE大气化学耦合模型在不同版本的x86体系结构下的并行优化算法的研究与分析。借鉴目前国内外主流的并行优化设计方法,结合GRAPES_MESO系统本身的程序架构和并行框架,针对不同版本x86体系架构做了相应的并行化改造。运用gprof工具和戳桩计时等方法,测试得到的程序热点模块主要有3部分:IO、通信和物理过程。对IO模块主要的优化方法为:1)由离散读写改为连续读写;2)开辟缓冲区由稀疏访存改为连续访存;3)异步IO。对通信部分采用两种方式:1)由细粒度改为粗粒度通信;2)采用时间复杂度更低的集合通信。对IO与通信模块优化结果分析可得:IO模块优化后的耗时占比由原来的43.7%降至1.41%,比重大幅度降低,最优部分性能提升了317倍,因此,该方法极大地提升了IO模块运行效率。此外,对物理过程进行优化采用的主要方法是:1)多层循环计算过程由离散改为连续;2)通信机制循环外移;3)数据复用以减少计算冗余;4)缩减栈变量空间等。这些优化方法使计算性能提高了22%,进一步提高了程序的并行效率和模式的强可扩展性。

文中给定整数n＞1,对任意整数定义了自动机C_n,i,确定了自动机的簇｛C_n,i｜0≤i<n｝中的同步自动机及它们的最短同步字。此外,根据自动机的转移损耗函数和字的权重平均损耗函数,分析了该类同步自动机在一些经典应用中的优势。

基于Adomian分解算法、Lyapunov指数谱、分岔图和吸引子相图分析了分数阶统一混沌系统的复杂动力学特性,并揭示了系统状态随参数和微分阶数变化的规律以及系统走向混沌的道路。采用C₀算法和SampEn算法计算了分数阶统一混沌系统的复杂度。通过分析与最大Lyapunov指数谱的比较,发现复杂度的计算结果与最大Lyapunov指数谱结果在反应分数阶统一混沌系统的动力学特性方面具有较好的一致性,且C₀算法的分析结果优于SampEn算法的分析结果。最后,设计了基于统一混沌系统的伪随机序列发生器。测试结果表明,其可以通过全部NIST测试项目,这为分数阶统一混沌系统的实际应用奠定了实验基础。

随着互联网经济的不断发展,越来越多的商户选择利用互联网终端进行账本管理。但是,常常会由于人为因素导致账本丢失、数据被篡改、商户双方信任危机等一系列问题。通过梳理当前社会上常见的账本管理问题发现,数据的分布式存储、可追溯性和不可篡改性成为了解决账本管理问题的关键,而这恰恰是区块链技术的主要特性。鉴于账本对于交易双方的重要性以及区块链技术与账本管理的高契合度,文中提出了基于区块链的商户间账本管理模型并加以实现。首先,在介绍区块链特性与账本管理联系的基础上,提出基于区块链的账本管理模型架构;其次,分析交易文本格式设计、区块成链方式、智能合约设计与共识算法设计;最后,对模型进行安全性分析和性能测试,并对模型性能方面存在的缺点进行分析。结果证明了基于区块链的账本管理模型符合商户间账本管理的安全性与性能要求。该模型为建立安全、可靠的交易账本管理提供了新思路与新方法。

区块链的去中心化、去信任、数据可追溯等技术特性,为云计算发展带来了新的机遇与挑战。传统的中心化数据中心,用户通过网络带宽资源从数据中心获取计算、存储、数据库等资源,这种模型下存在中心化机构运行成本高、效率低以及数据存储不安全等问题。为此,文中提出了去中心化的云计算交易机制与方法,构建了基于区块链的云计算资源交易市场,重点研究了共识机制在云计算去中心化交易市场中的应用。通过分析比较目前主流的区块链共识算法(PoS,PoW,DPoS,PBFT),提出基于实用拜占庭容错算法(PBFT)改进的算法,对以太坊应用于联盟链时会产生的资源浪费与信任缺失等缺点进行优化,从而达到减少开销的目的,并将改进算法应用到云计算资源去中心化交易市场中。文中提出了在云计算资源交易中引入区块链技术,采用去中心化和去信任的方式集体维护一个可靠分布式数据库,设计了基于以太坊的共识机制,能够构建全球联网计算机算力交易平台,真正实现云计算资源的弹性可扩展与按需分配。

摘 要 文中提出了一种基于区块链技术的实验教学经费系统的解决方案,其主要分为两部分:核心数据网络和信息公开网络。核心数据网络是由一系列具有平等核心的权力节点组成的分布数据库,主要负责数据的存储与录入;信息公开网络是一个对外开放的网络,任何人都可以读取核心数据网络中的完整数据,实现对实验相关信息的监督,但不具有写权限。实验结果表明,在传统的基于道德教育方法基础上,去中心化的算法和数据能够增加更好的检测机制。

区块链的去中心化、匿名性、不可篡改等特性给金融及其他领域带来了深远影响,但目前区块链系统中仍存在共识计算效率低、单位时间容量受限及不同区块系统之间兼容互通的问题。针对这3个方面的问题,文中提出了基于聚类簇中心的共识跨链交换模型。该模型在确保区块链系统的开放性、安全性、数据不可篡改性等特征的前提下,实现了用户所发出的交易获得区块链网络的快速确认,并有效地防止同一区块链网络中的单次同步区块数据过大的问题。该模型将区块链中的节点划分为共识服务节点、跨链交换节点和应用节点3类。将具有高效计算能力的共识服务节点通过高速网络连接在一起,形成服务于某一业务领域的区块链P2P网络,并专为该区块链网络中的应用节点提供共识计算服务;跨链交换节点同时连入不同区块链网络,交换节点之间基于P2P协议形成区块链交换网络,为不同区块链网络的应用节点提供跨链访问服务;应用节点可从所属区块链网络共识服务节点同步数据、访问跨链交换节点,以及发送链内或跨链交易。实验证明,通过该模型构建的区块链服务网络大幅度地提升了共识计算效率并增加了单位时间可容纳的交易量。

针对TFT-LCD玻璃基板缺陷检测过程中数据流量大、数据处理流程复杂、数据输入输出时序性要求高等问题,文中提出了一种使用环形缓冲和Open MP的多线程并行处理方法。该方法利用Open MP技术来实现复杂的多核并行处理,以达到充分利用多核处理器资源来提高数据处理能力的目的。同时,该方法在缺陷数据输入、数据处理、数据输出等流程中,利用环形缓冲技术进行数据分流,从而实现多线程并行处理与实时稳定输出。将该方法应用到实时缺陷检测系统中,使检测系统的处理速度提高了约2～3倍,数据输出时间误差降低了70%～80%,这充分表明了该方法的实用性和有效性。

目前,野外环境下的数据采集主要还是依靠数据采集员手工填写预置表格,然后交给数据录入员输入计算机数据库中。这种数据采集手段涉及多人作业,其流程复杂,数据质量难以保证且易丢失。针对上述问题,文中设计并实现了一种基于嵌入式微处理器PXA270的手持终端。该终端在硬件上综合集成了有线和无线局域网、GPRS/GSM广域网等多种通信手段;在软件上综合运用了多种加密技术,在WinCE平台下,编制了具有加密通信的广域网移动通信软件,可有效地解决野外条件下采集数据的实时传输和安全性问题。

人机交互系统是人与机器之间交流与信息传递的桥梁,随着计算机技术的迅速发展,使用鼠标、键盘等传统的人机交互技术已经不满足时代发展的需求,人们需要一种更快捷、更自然、更舒适的人机交互技术。基于手势的人机交互是人机交互系统的重要技术之一,传统的手势识别方法存在识别准确率不高、识别过程复杂等问题。针对上述缺陷,文中提出了一种基于深度学习的手势识别算法,该算法通过姿态估计对手势关节特征进行快速检测,利用卷积神经网络对关节特征图进行分类,克服了复杂背景中手势图像分割困难等问题,提高了识别结果的准确率。实验结果表明,该方法对各种手势不同尺度的表现具有很好的识别准确率,识别结果的准确率达到了98%。最后文中基于该算法设计了一个人机交互系统,并展示了手势识别在该人机交互系统中的应用。

随着工业化与信息化的深度融合,计算机建模与仿真技术已被广泛应用于系统和产品的研发过程中,但目前存在建模不规范、模型混乱的问题。基于对系统架构的理解,提出了一种基于系统架构开展系统设计的方法。以典型无人机系统关键需求为输入,开展系统初步设计,基于无人机系统架构构建各子系统模型,并进行无人机系统模型的综合和仿真分析,实现了建模流程的规范化。同时,以动力系统为研究对象,基于系统架构可快速权衡分析电池容量和电池重量的最佳匹配、电动机和螺旋桨的最佳匹配,实现了动力系统的最佳设计。该工作为无人机设计提供了新流程和方法。

针对静态图像行为识别研究缺乏标注数据的问题,在Android平台下,利用“众包”思想,设计并开发了基于静态图像的视觉行为人工标注系统。该系统主要包括分配标注任务、用户标注图像信息、评审标注信息和查看历史标注信息等功能。对于评审分数较高的标注信息,利用网络爬虫技术提取该图像的辅助文本标签,并且将标注信息转化为词向量后进行存储,以便于后期的实验研究。同时,系统应用一种基于定价机制的任务分配算法,有效地提高了用户图像标注效率。实际部署系统应用情况表明,该系统操作简洁、流畅,各算法功能模块稳定、高效,并且充分地利用移动端便捷的优势,能够顺利进行图像行为标注数据的收集和整理工作。

混凝土道路路面中,裂缝的出现常常会导致重大的工程和经济问题。目前,利用计算机视觉技术进行裂缝检测时,需人工预先设计特征提取器对提取的图像特征进行分类,导致泛化能力较差和分类性能较弱。文中提出了一种基于卷积神经网络的裂缝检测方法,实现路面缺陷的自动化检测分类并提高路面裂缝检测效率与精度。首先,设计混凝土路面裂缝卷积神经网络,该模型基于AlexNet网络架构,从网络结构层次和超参数两个方面进行优化设计;其次,采用相机收集混凝土路面图像以获得学习数据,根据数据集大小、图像颜色因子的不同,分别创建了10000和20000张的灰色图与彩色RGB图4个数据集;然后,使用创建的4个数据集对设计的混凝土裂缝卷积神经网络进行训练,创建裂缝检测模型并与原始AlexNet模型相比较;最后,通过数据集大小、图像颜色因子与网络结构和超参数等影响因素对比两个模型。实验结果表明,通过增大数据集、使用彩色RGB图、调整网络结构和超参数,所提模型有助于提高分类检测精度。与原始AlexNet网络模型相比,所提网络模型的识别准确率更高,对彩色图像样本的识别准确率最高可达98.5%,同时避免了图像灰度的预处理,提高了裂缝检测的工作效率。

中央空调系统是城市轨道交通系统车站建筑中的重点耗能设备,由于在运营初期其负荷远小于设计负荷、缺乏实时负荷值而无法根据建筑的实际负荷动态调节,导致其目前能耗较大。文中以地铁车站站厅公共区域的空调系统为研究对象,根据空调负荷计算方法,基于trnsys系统仿真平台建立负荷计算模型。按照正交试验方法设计的试验方案,采用仿真模拟的方法对显著影响地铁车站站厅空调能耗的因素进行了研究。基于影响因素的显著性大小排序和BP神经网络理论建立了空调负荷预测模型。以预测负荷值与实际负荷值误差最小作为目标函数,采用仿真模拟实验数据作为训练样本对模型进行训练。训练过程较为稳定,未出现明显震荡(R²=0.99956),预测负荷与模拟负荷的均方根误差变异系数较小(3.6%)。在客流变化、天气变化的情况下对模型进行验证,最大相对误差分别为9.8257%和11.675%。验证结果表明,模型预测精度较高,具有较好的泛化能力,能有效预测地铁车站站厅公共区域空调负荷,可为地铁车站空调控制系统提供依据。

互联网金融的快速发展,使得P2P成为一种创新的金融模式,如何识别出网贷中的潜在风险成为研究热点。网贷交易数据常常存在严重的不平衡,导致风险识别率较低。针对这一问题,文中采用随机下采样、SMOTE和Bagging方法进行类平衡处理,利用逻辑回归和支持向量分类机进行检验评价。实验表明,在P2P风险识别中,以召回率为标准,bagging的平衡处理效果优于随机下采样与SMOTE,且逻辑回归不存在明显的过拟合,所以其他SVC更适合用于P2P逾期风险识别。

在油田生产过程中,油井受各种因素的影响容易发生结蜡。油井结蜡通常会降低油井产生,造成油井阻塞,甚至会造成停井及烧电机等现象,大大增加采油成本。对抽油井结蜡状态进行提前预测,实现抽油井设备预见性维护对油田降本增效及智能化管理具有重要意义。针对基于不平衡数据集构建结蜡预测模型预测效果不理想的问题,文中提出了一种面向非平衡数据的集成学习方法SCRF(SMOTE CLUSTER RANDOM FOREST)。该方法首先使用SMOTE方法对原数据集中的少数类进行过采样以增加少数类的数量,缩小不平衡比例;然后对新的数据集采用CLUSTER聚类方法分层欠采样,生成训练数据集;最后采用基于bagging技术的随机森林算法对训练数据集进行集成学习,从而生成预测模型。实验结果表明,样本均衡后模型预测效果更佳,预测精度和效率都有一定程度的提高。

随着国内经济的日益增长和科技的进步,人民的生活质量以及生活水平也得到了逐步提升,同时精神文化需求也越来越强烈,对动画、影视及其相关方面提出了更高的要求。提出一种在可编程GPU基础上对烟雾模拟进行有效计算的实时算法。在预先确定的烟雾实时状态的基础上,通过实验实现可编程GPU的实时烟雾模拟算法,且以非常自然的烟雾流动来达到向目标的形状和状态进行转换的目的。通过对于可编程GPU的实时烟雾模拟算法的相关分析和研究,希望可以对我国相关技术和相关产业的进一步发展提供借鉴价值和指导作用。

针对软-硬件系统级剩余寿命估计难题,传统的研究方法都是单独考虑了软件可靠性或硬件可靠性,而忽略了软件与硬件之间的交互影响。文中基于硬件性能退化过程提出了一种将软件的使用或运行看作是系统的一种外部冲击的新方法。该方法通过硬件性能退化指标来表征软件运行对系统的影响,主要采用离散隐Markov过程来描述两者之间的关系。具体地,对信号数据采用信号分解与特征提取技术得到性能退化指标,运用隐Markov模型构建隐含状态与实际退化之间的对应关系。根据在不同软件运行条件下系统性能退化指标样本中的拐点个数,对同一硬件退化过程分段构建不同的退化模型,使模型更加精确地描述退化过程。采用随机仿真技术与优化技术对硬件剩余寿命进行估计,根据系统体系结构估计软-硬件系统的剩余寿命。利用某武器装备系统的性能监测数据,将所提算法与传统系统级剩余寿命估计模型(BP神经网络)进行对比,证明了所提算法具有较高的估计精度。

稀疏下三角方程求解器(SpTRSV)作为基础线性代数库中一个重要的算法,在大规模科学计算中有着广泛应用。在非结构网格中,由于非结构网格具有数据存储无序性、数据强相关性以及频繁地离散访存等特点,该算法在众核架构上难以实现有效的并行。文中基于国产异构众核处理器SW26010体系结构的特点,针对非结构网格计算,提出了一种基于流水线串行-局部并行思想的通用众核优化方法。该方法能够有效减少非结构网格计算中的随机访存,提高计算效率,并且具有很好的扩展性。基于该算法对多个实际应用算例进行众核优化,实验结果表明:该方法能够实现单核组3倍以上的加速,显著降低了运行时间。

为解决复杂工程项目结构复杂、周期长、风险因素多等特点导致的进度重大延误问题,运用Anylogic软件在考虑工序状态转换条件及处理行为的基础上,建立了“工序”“工序流”“风险因素”及“控制体” 4种智能体元素,形成了由“风险因素”导致的“工序流”与“工序”之间的多重嵌套关系,由此建立基于多智能体的进度风险评估模型,并通过仿真实验完成了某型舰用柴油发动机维修项目的风险因素敏感性分析,得出应采取措施优先控制的重要工序中的风险因素。实验结果表明:该模型对于复杂工程项目进度风险评估问题具有较好的参考价值。

为了预测垃圾焚烧厂排放的废气量并了解废气污染情况的指标特征,文中设计和实现了垃圾焚烧厂废气排放的可视化分析系统。文中在分析废气扩散的主要影响因素的基础上建立了基于高斯点源扩散的垃圾焚烧厂废气的扩散模型,并基于该扩散模型设计并实现了废气浓度等值线图绘制方法。在百度地图上绘制全国垃圾焚烧厂的分布图、垃圾焚烧厂废气浓度扩散等值线图,并通过动态柱状图、时间轮与柱状图相结合的方法显示垃圾焚烧厂的实时排放情况,实现了垃圾焚烧厂排放数据的可视化。可视化系统将废气的各项指标数据进行图形化展示,达到了实时监控废气污染物的目的。

文中基于现有地理信息服务技术研究仅限于已有GIS软件在云计算环境下的新的软件部署和单个领域应用模式的局限,提出了地理信息服务技术的研究需要在云计算环境下开展应用模式的深入研究,深化以对地观测信息为特征的地理时空大数据的融合应用;进而分析了云GIS服务平台在数据管理、地理计算、地理信息制图与终端服务、专题应用系统构建和网络应用与服务模式5个方面的技术特征。参考并分类辩证分析国内外该领域内经典的理论与实证文献资料,顺应云GIS研究的最新趋势,设计了“存储-计算-服务”一体化的云GIS平台技术架构,并针对目前云GIS平台的应用现状,提出了基于云计算的地理信息服务的5种模式。采用MongoDB作为元信息库、业务数据等的载体,应用GridFS文件系统作为底层异构存储的一种,采用Redis作为数据引擎的数据交换缓存以确保处理的效率,采用ZeroMQ作为传输中间件,基于Node.js开发了“管家-工作者”模式的数据引擎和资源服务。针对海量、高吞吐、空间结构化的遥感影像数据及其基础土地信息产品的存储与管理问题,基于MongoDB数据库开发了原型系统并使用PB量级数据进行实验,验证了本文研究成果的可行性和先进性。

针对矿山机械设备的振动数据在信号滤波和故障信号数据保存及提取方面存在的问题,提出了神经网络优化阈值的小波变换方法。采用MEMS三轴加速度传感器采集数字量,对其运算处理后转换成位移,再进行小波分解,对分解出的高频系数部分进行神经网络阈值优化调节,重构数据以达到降噪的效果,最终对滤波后的信号进行傅里叶变换,并根据幅频能量计算高频系数的占比。实验表明,基于神经网络调节阈值的小波变换方法能够在自适应学习后自动调节阈值,对振动传感器信号具有理想的滤波效果。优化重构后的信号比传统方法多滤除了15%以上的高频噪声能量,并能保留突变故障信息,为后期的故障诊断提供重要依据。

军事语料的识别和标注是军事语料库建设的关键。针对军事语料的实体,提出了一套统一的军语词性标记规范和军事语料标注规范,设计了一种基于军语词典的自动扩展的军事语料实体特征提取框架。该框架借助设计的高精分类器进行基本特征的选择和提取,结合军语的典型特征组成特征集,构建基于军语词典校正的特征空间,对军事语料进行实体识别之后按照指定的标注规范和词形标记规范进行军事语料实体的标注,构建一个较大规模的高质量军事语料库。实验表明,该框架可以较好地完成语料实体的识别和语料标注工作,有利于军事语料库的建设工作和认清其在军事上的广泛作用和应用前景。

随着信息技术的迅速发展,我们已然迈入了经济新时代。战略管理是一个企业经济发展的根本,而建立一个长期可持续发展的管理评估模型是一个企业的核心竞争力。传统的绩效评估因股东利益等原因,多以财务数据为基础来关注物质资产。实际上,这种方式已经不具备足够的支撑能力。而在新知识经济时代下,对于企业战略管理者来说,既能体现股东的利益,又考虑到利益相关者的需求才是关键,亦能在未来的激烈竞争中处于优势地位。文中运用三角模糊来解决企业绩效评估的多属性决策(MADM)问题;并利用三角模糊加权爱因斯坦Bonferroni均值(TFWEBM)算子开发了三角模糊环境下多属性决策的过程。最后,给出一个企业绩效评估的实例来验证所开发的方法。

深度学习的快速发展,使其在教育领域的应用逐渐受到重视。文中介绍了一种基于深度学习的智能教学系统,该系统包括线上个性化学习推荐和线下课堂质量双向评估两部分。在线上系统中,设计基于深度学习的成绩预测和在线学习行为规律分析,并结合图像处理技术实现学习情绪分类。在线下系统中,通过训练目标检测模型、人脸检测模型和人脸分割模型,并与线上系统结合,实现了在线学习行为特征提取、线下成绩预测、学习规律分析和个性化学习推荐,同时通过线下课堂信息数据实现对高校教学质量和学生学习行为的评价和反馈。由实验结果可知,该系统不仅获取信息的渠道方便快捷,而且能够减少大量的时间成本,迎合当下线上线下相结合的新型学习教学方式,能有效提高教师的教学效率以及学生的学习效率。

深度强化学习往往存在采样效率过低的问题,优先级采样可以在一定程度上提高采样效率。将优先级采样用于深度确定性策略梯度算法,并针对普通优先级采样算法复杂度高的问题提出一种小样本排序的思路。仿真实验结果表明,这种改进的深度确定性策略梯度算法提高了采样效率,具有好的训练效果。将深度确定性策略梯度算法用于小车方向控制,相比于传统的PID控制,该算法避免了人工调整参数的问题,具有更广阔的应用前景。