课程文献中心 更多>>

关键词： 软件缺陷预测   双向门控图神经网络   开发者信息   深度学习   图神经网络   软件工程  

摘要： 在软件开发过程中，及时识别和处理高风险缺陷模块是至关重要的。传统的软件缺陷预测方法主要基于代码相关的信息，但常常忽略了开发者个人特质对软件质量的影响。针对这一问题，该研究提出了一种新型的结合开发者一致性依赖网络的软件缺陷预测模型DCN4SDP。该模型首先利用开发者信息构建了一个开发者一致性依赖网络，并提取代码相关的度量作为网络的初始度量元，通过使用双向门控图神经网络学习网络结构上的节点特征。实验结果表明，DCN4SDP模型在多个标准数据集上的性能显著优于传统机器学习分类器和其他深度学习方法，例如，DCN4SDP的AUC值达到了0.91，F1值达到0.76，均显著高于其他对比模型。这些优势表明，将开发者维度融入软件缺陷预测能够有效提升模型的预测能力和应用价值，还为未来的软件缺陷预测研究提供了新的思路和方向。

关键词： 思维导图   高中生物   创新教学  

摘要： 高中生物教材内容存在非常多的规律性和原理性.如果只是一味灌输理论知识,会使课堂气氛沉闷,很难调动起学生的积极性和主动性.高中生物教师在开展生物课程教学时需要科学地引导学生用思维导图的方式将知识联系在一起,帮助学生进行系统的梳理和记忆.

关键词： 二次函数   分类讨论思想   数学思维   问题解决能力  

摘要： 二次函数是高中数学中的重要内容,分类讨论思想作为一种重要的解题方法,在二次函数问题中具有广泛的应用.本文旨在通过翔实的例题分析,阐明分类讨论思想对学生深入理解二次函数的促进作用.

关键词： 安全函数计算   现场可编程门阵列   混淆电路   不经意传输   异构计算  

摘要： 当前，数据已成为关键战略资源，数据挖掘和分析技术在各行业发挥着重要作用，但也存在着数据泄露的风险。安全函数计算（securefunctionevaluation，SFE）可以在保证数据安全的前提下完成任意函数的计算。Yao协议是一种用于实现安全函数计算的协议，该协议在混淆电路（garbledcircuit，GC）生成和计算阶段中含有大量加解密计算操作，且在不经意传输（oblivioustransfer，OT）阶段具有较高的计算开销，难以满足复杂的现实应用需求。针对Yao协议的效率问题，基于现场可编程门阵列（fieldprogrammablegatearray，FPGA）的异构计算对Yao协议进行加速，并结合提出的轻量级代理不经意传输协议，最终设计出轻量级异构安全计算加速框架。该方案中，混淆电路生成方和代理计算方都实现了CPU-FPGA异构计算架构。该架构借助CPU 擅长处理控制流的优势和FPGA的并行处理优势对混淆电路生成阶段和计算阶段进行加速，提高了生成混淆电路和计算混淆电路的效率，减轻了计算压力。另外，相比于通过非对称密码算法实现的不经意传输协议，在轻量级代理不经意传输协议中，混淆电路生成方和代理计算方只需执行对称操作，代理计算方即可获取用户输入对应的生成方持有的随机数。该轻量级代理不经意传输协议减轻了用户和服务器在不经意传输阶段的计算压力。实验证明，在局域网环境下，与Yao协议的软件实现（TinyGarble框架）相比，该方案的计算效率至少提高了128倍。

关键词： 舌图信息   慢性胃炎   可视化分析   多学科交叉   舌苔菌群  

摘要： 目的 本文对慢性胃炎“舌图信息”研究文献进行可视化分析，为后续该领域临床诊断及研究发展提供依据及可行性建议。方法 利用VOSviewer1.6.15和CiteSpace5.7软件对基于中国知识资源总库（CNKI）、中国学术期刊数据库（万方数据）、中国生物医学文献数据库（CBM）检索的相关文献进行文献计量及可视化分析。结果 慢性胃炎“舌图信息”研究文献量呈持续增长趋势，该领域目前研究团队数量尚少，分析获得以“慢性萎缩性胃炎”“图像处理”“舌苔菌群”等为代表的9个中心性关键词和11个自然聚类关键词等。结论 慢性胃炎“舌图信息”研究愈发受到研究者的重视，以机器视觉技术、舌苔菌群检测为代表的新技术不断发展更迭，该领域研究具有广阔的可挖掘性和研究前景。

关键词： 高级可持续威胁   数据源图   入侵检测   增量特征   异常行为  

摘要： 近年来，高级可持续威胁（APT）攻击频发。数据源图包含丰富的上下文信息，反映了进程的执行过程，具有检测APT攻击的潜力。因此基于数据源图的入侵检测系统（PIDS）备受关注。PIDS通过捕获系统日志生成数据源图来识别恶意行为。PIDS主要面临三个挑战：高效性，通用性和实时性。特别是高效性，目前的PIDS在检测到异常行为时，一个异常节点或一张异常图就会产生成千上万条告警，其中会包含大量的误报，给安全人员带来不便。本文提出了基于数据源图的入侵检测系统Augmenter，同时解决了上述三个挑战。Augmenter利用节点的信息字段对进程进行了社区划分，有效学习不同进程的行为。此外，Augmenter提出时间窗口策略实现子图划分，并采用了图互信息最大化的无监督特征提取方法提取节点的增量特征，通过增量特征提取来放大异常行为，而且能够划分异常行为与正常行为。最后，Augmenter依据进程的类型训练多个聚类模型来实现事件级别的检测，通过检测到事件级别的异常能够更精准地定位攻击行为。本文在DARPA数据集上对Augmenter进行评估，通过衡量检测阶段的运行效率，证实了Augmenter的实时性；在检测能力方面，与最新工作Kairos和ThreaTrace对比，衡量精确率和召回率，其中Kairos为0.17和0.80，ThreaTrace为0.29和0.76，Augmenter为0.83和0.97，证明Augmenter具有更高的精确率和检测性能。

关键词： 小波时频图   卷积神经网络(CNN)   Softmax分类器  

摘要： 传统的故障诊断技术对人工提取特征的过程存在过度依赖，导致轴承故障诊断方法的应用受限。针对该问题，提出一种基于时频图与卷积神经网络（CNN）相结合的滚动轴承故障诊断方法。首先，将滚动轴承在相应工况下的原始振动信号经过连续小波变换（CWT）转换为小波时频图像，构建标签化的训练数据集和验证数据集。其次，使用提出的CNN网络模型对二维信号进行空间特征学习。最后，利用Softmax分类器进行故障识别。将模型方法通过在凯斯西储大学轴承实验数据中心公开的滚动轴承振动信号数据集上进行验证，相较于其他方法，证明该方法在滚动轴承故障检测方面具有较高的准确性。

关键词： 多视图聚类   跨视图图扩散   二部图   大规模数据集应用  

摘要： 多视图聚类是无监督学习领域的一个重要研究热点。最近，基于跨视图图扩散的方法有效利用了多个视图之间的互补信息，取得较好的效果。但这类方法的时间和空间复杂度较高，限制了其在大规模数据集上的应用。针对跨视图图扩散方法时间和空间复杂度较高的问题，本文提出基于二部图跨视图图扩散的多视图聚类方法，成功将立方的时间复杂度和平方的空间复杂度降低至线性，可以高效地处理大规模聚类任务。具体方法是使用二部图代替全图进行跨视图图扩散，并对基于全图的跨视图图扩散公式进行修改以适应二部图输入。六个基准数据集上的实验结果表明，所提出的方法在聚类精度和运行效率方面对比大多现有多视图聚类方法具备优势。在小规模数据集中，准确度等指标普遍高于对比算法5%以上，大规模数据集优势更为明显，指标高于对比算法15%-30%。

关键词： 国土空间详细规划   用途管制   分区管控  

摘要： 文章从国土空间详细规划分区用途管制的视角,系统分析国土空间用途管制的内涵、分类和现状,提出加强分区用途管制、创新管制方式、完善管制标准、强化规划刚性和健全管理机制等措施,以期为国土空间用途管制的理论研究和实践应用提供参考.

关键词： SDN   流量预测   图卷积神经网络   门控递归单元   动态性  

摘要： 针对SDN流量工程中流量预测基于静态时空依赖的问题，本文提出了一种基于注意力机制的图卷积神经网络(GCN)与门控递归单元(GRU)集成的动态网络流量预测方法——AGCNGRU(Attention mechanism for GCNGRU model)。借助GCN捕获网络中节点之间的流量空间依赖性和GRU捕获流量经过网络中各节点的时间依赖性，通过时间注意力机制设计每个隐藏状态的权重，以调整时间点流量信息的重要性，同时通过数据驱动空间注意力机制动态自适应调整Laplace矩阵，实现动态提取网络信息数据时空相关性，最终完成动态流量精准预测。在GEANT的数据集上的实验表明，所提出的方法在均方误差方面比GCNGRU减少24.8%，比GRU减少66.4%，并通过与传统路由算法OSPF、DDPG算法比较，在90%的流量负载强度下，网络性能比OSPF提升了24%，比DDPG提升了8.1%，进一步说明了AGCNGRU算法网络流量准确预测带来的实效性和有效性。