程序设计语言课程的增量式教学法改革与实践

在程序设计语言课程教学改革实施的过程中,提出因材施教,借鉴UML增量软件开发方法,建立了一种增量式教学方法。在教学过程中贯彻以算法为核心,以培养学生的动手能力、编程解决实际问题的能力为目标。借鉴兰州大学化学化工学院、生命科学学院开设实验课程的经验,精讲课程内容,加大实践应用力度, 引导学生将语言相关的知识在应用中学习,学习中应用,反复进行强化,做到融会贯通和灵活运用,形成了一条特色鲜明的课程实施主线,取得了良好的教学效果。     

基于Pi演算的Android多线程程序的数据竞争检测

针对事件驱动机制下Android多线程程序的数据竞争问题,构造一个基于Pi演算的并发行为检测模型.利用扩展后的Pi演算对Android生命周期和多线程框架进行建模,得到形式化的行为模型;通过将安全约束抽象为形式化的IF-THEN规则,并利用Pi演算的性质进行进程演算和迁移,构建了检测模型;将动态检测与静态检测以相同的处...     

多线程程序数据竞争随机森林指令级检测模型

数据竞争是典型的多线程程序并发缺陷。由于多线程程序中存在不确定性的交织,数据竞争很难被检测出来。该文以多线程数据竞争的5个相关属性作为特征,构建了多线程程序数据竞争随机森林指令级检测模型。首先基于happens-before关系与lockset算法指令级检测数据竞争,同时用汇编源码信息来剔除隐形同步对,然后利用happens-before关系与lockset算法的分析结果训练多线程程序数据竞争随机森林检测模型。在Pin上实现了多线程程序数据竞争检测工具AIRaceTest。利用GitHub中多线程程序的插桩结果作为样本集来训练随机森林模型,模型精度可达92.1%。对Google data-race-test、Parsec基准程序3.1中的经典多线程程序的检测结果表明：AIRaceTest与Eraser、Djit+以及Thread Sanitizer这3种目前常用的数据竞争检测工具相比,数据竞争的误报和漏报分别降低了约10.6%和12.3%,在线程数较多的情况下,时间和内存开销分别降低了41.8%和22.4%。     

基于逻辑回归的增量式异常用电行为检测方法

用户异常用电行为的检测是电力公司需要重点解决的问题。目前异常用电检测通常采用数据分析的方法,主要包括聚类和分类两种,在处理固定数据集时校测准确率和效率均较高。但是此类方法在处理增量数据时,每次数据增量更新时均需要将增量数据与原始数据合并后重新建模才能获得新的检测模型,而用户的用电数据是频繁更新的且最新的数据更能体现出用户的用电习惯,因此在异常用电行为检测时必须考虑增量数据,而现有检测方法在进行增量式异常用电行为检测时效率很低。为解决数据增量式更新的情况下异常用电行为检测方法性能低下的问题,提出了一种基于逻辑回归的增量式异常用电行为检测方法,仅需对增量数据进行建模即可得到面向全局数据集的检测模型,无需对全局数据进行重新建模,提高检测算法的执行效率。当用户电量数据产生增量时,仅需对增量数据构建检测模型,再与原始数据的检测模型相结合,即可得到基于全部数据的检测模型。实验结果表明,该方法在保证检测结果准确性的同时,极大地提高了算法执行效率,且对计算和存储资源的需求较低。     

一种基于锁集的多线程数据竞争的动态探测算法

通过对多线程环境下共享变量运行状态变化的分析,提出了一种基于锁集的多线程数据竞争的动态探测算法,该算法在探测共享变量的读写冲突方面具有一定的实用价值。它能充分地发掘出程序中的并行性,合处理机得到最大限度的利用。     

基于上下文敏感分析的数据竞争检测方法

为了提高数据竞争检测过程的准确性,提出了一种基于上下文敏感分析的数据竞争检测方法。使用控制流分析构建上下文敏感的调用图,采用逃逸分析查找出可能发生数据竞争的线程逃逸对象,进行上下文敏感的别名分析以减少误报和漏报,通过发生序关系判断消除由于忽略线程交互而导致的误报。依据该方法,在WALA软件分析框架实现了一个数据竞争检测工具ConRacer,并将该工具与现有的检测工具SRD和RVPredict进行了比较。结果表明,与SRD和RVPredict相比,ConRacer的检测准确度最高,不仅可以有效地检测数据竞争,而且可以降低检测过程中的误报和漏报。通过结合上下文敏感分析技术与传统的静态检测技术,ConRacer提高了检测过程的准确性,对发现并发错误和优化软件性能有一定的参考价值。     

量子计算在增量式大数据并行挖掘中的应用

针对传统大数据并行挖掘方法是一次性对所有数据进行挖掘,导致挖掘时间较长,挖掘精度较低等问题,采用量子计算对增量式大数据并行挖掘方法进行优化设计.首先,按照数据挖掘的基本流程搭建并行数据挖掘模型;然后分别通过定义量子比特、量子搜索算法、量子神经网络处理以及量子映射变换4个步骤,实现增量式数据的预处理,利用矩阵向量相乘分解...     

基于JavaSDG的Java程序参数依赖性分析

基于一种带有标签的Java程序描述（JavaSDG）,给出JavaSDG中的过程依赖图（PDG）的形式化定义,然后分析Java程序方法调用引起的参数之间的依赖关系。并比较基于SDG和基于JavaSDG两种程序分析方法的异同,基于JavaSDG的Java程序分析方法构造的PDG具有结点少、可以重用、可以并发构造等优点。     

数据包络分析权序敏感分析

主要探讨数据包络分析模型中加权系数序关系对ＥＤＡ评价的有效性敏感分析，并给予了Ｃ＾２Ｗ模型的推导证明，结果表示弱序性不能够保证，对于强序关系进行推广构造决策者偏好结构，发现它具有直观简易的特点，与Ｃ＾２ＷＨ模型相比，更易于构造偏好结构和权序关系，易于实现决策支持系统，具有实用价值。     

量子计算在增量式大数据并行挖掘中的应用

针对传统大数据并行挖掘方法是一次性对所有数据进行挖掘,导致挖掘时间较长,挖掘精度较低等问题,采用量子计算对增量式大数据并行挖掘方法进行优化设计。首先,按照数据挖掘的基本流程搭建并行数据挖掘模型; 然后分别通过定义量子比特、量子搜索算法、量子神经网络处理以及量子映射变换4 个步骤,实现增量式数据的预处理,利用矩阵向量相乘分解得到过滤权重组合,通过该组合实现预处理结果的并行协同过滤; 最后通过量子模糊聚类得出增量式大数据并行挖掘结果。实验结果表明,应用量子计算的增量式大数据并行挖掘方法的平均召回率为97． 25%,并行挖掘时间在2． 1 ～ 3． 2 s 的范围内浮动,准确率超过95%,且该方法的收敛性最好,寻优能力强。     

开源代码仓库增量分析方法

代码溯源是开源软件复用中的常见实践,溯源过程依赖于高效的程序分析方法支撑。现有的程序分析方法主要识别完整的语法结构,分析时间依赖于整体代码规模,缺乏增量分析能力,难以满足大规模开源代码仓库的高效分析需求。针对开源代码仓库中相邻快照间高度相似的特点,该文提出了一种有效的增量分析方法,仅对快照中变更的代码进行分析,从而有效减少分析规模。首先解析文件快照获得历次代码的修改内容,其次设计映射算法将上述修改内容映射成完整的、可分析的函数,最后将上述函数转化为指纹进行函数比对。与传统分析方法相比,该文方法有效减少了开源代码仓库的分析规模,加快了函数比对速度,能更好地支撑代码溯源等开源软件复用需求。     

增量聚类算法综述

给出了增量聚类的概念,分析了增量聚类方法可以用于解决数据的变化和大量存储空间的需求问题。增量聚类算法选择恰当时,可以保证数据在变化时有效地提高聚类的精度和效率。从传统聚类、生物智能聚类和数据流聚类三个角度研究了增量聚类问题,分析了增量聚类问题的研究进展,包括发展的过程及特点,阐述了研究增量聚类问题的关键技术,最后给出了未来的发展趋势。     

路线测量一体化的施测方法与精度分析

参考文献[1]介绍了《路线测量一体化的数学模型》,本文将介绍该数学模型的具体应用,包括：用该数字模编制的PC－E500机外业程序,全站仪配以PC－E500机外业测设方法,外业数据采集,通讯与数据处理;计算机绘制纵断面图以及对上述施测方法进行了精度分析,通过理论分析和铁（公）路施测中的实际应用,证明本文介绍的方法是可行的。     

Application of Dynamic Slicing in Test Data Generation

The program slicing technique is employed to calculate the current values of the variables at some interest points in software test data generation. This paper introduces the concept of statement domination to represent the multiple nests, and presents a dynamic program slice algorithm based on forward analysis to generate dynamic slices. In the approach, more attention is given to the statement itself or its domination node, so computing program slices is more easy and accurate, especially for those programs with multiple nests. In addition, a case study is discussed to illustrate our algorithm. Experimental results show that the slicing technique can be used in software test data generation to enhance the effectiveness.     

关于串行程序并行化

并行程序设计主要有两种途径,即使用并行程序设计语言编写并行程序,或将串行程序并行化.串行程序并行化是一种比较有效的并行程序设计的途径.通过介绍并行技术的现状及相关分析的一些定义,给出了一个关于在串行程序中识别可并行执行语句的算法,论述了这一算法的意义.     

大数据中心的数据备份策略及实现

对大数据中心的数据备份策略及设计进行了详细的阐述，提出了两种大数据中心的数据备份的解决方案。     

超市消费行为分析中的增量挖掘系统原型

介绍了一个应用增量更新技术开发的超市消费分析系统原型，源数据库已有的分析模型，对新数据进行增量挖掘，减少了对数据库扫描的次数，提高运行效率，加快了系统的反映速度，符合CRISR-DM模型的要求，具有一个实用的数据挖掘系统的特征．     

考试数据统计与质量分析程序化研究

阐述了考试数据统计与质量分析应遵循的原则和方法,并编制了UCDOS3.1汉字系统下处理试卷的计算机程序,为正确评价各门课程的测试性能提供了科学依据。     

基于颜色自相似度特征的实时行人检测

行人检测在智能监控和辅助驾驶等方面有广泛的应用。当前行人检测中主流特征是梯度方向直方图(HOG),但其计算耗时导致检测速度慢。该文提出了一种新的颜色自相似度特征(CSSF),在颜色通道上计算两个选定的矩形块的比值衡量自相似性。首先,CSSF在描述行人的结构信息的同时避免了耗时的方向梯度计算,具有速度快的优点。其次,CSSF是标量特征,能高效快速与AdaBoost级联分类器结合学习行人检测器。再次,CSSF具有尺度不变性,能快速地进行多尺度检测。针对CSSF含有的海量特征,该文提出增量AdaBoost算法有效学习CSSF特征。实验结果表明:基于CSSF的行人检测器检测精度优于传统的HOG检测器,速度提高了7倍,在640×480大小的图像上达到实时效果。