基于主题建模和静态分析技术的软件代码功能性主题获取方法

近年来,基于主题建模技术的代码理解方法成为研究热点之一.该类方法期望利用主题建模技术从软件代码中挖掘功能性主题,进而利用功能性主题帮助开发人员理解软件功能及其代码实现.然而,从代码挖掘出的主题中,功能性主题与其他类型主题(如横切性主题)混杂在一起,需要人工识别功能性主题;由于现有工作大多仅提供主题关联的词等基本信息,导致识别及应用功能性主题的过程费时费力.针对以上问题,本文提出了一种基于主题建模和静态分析技术的软件代码功能性主题获取方法.该方法在利用一组启发式过滤规则对代码进行预处理的基础上,基于主题建模技术从代码中挖掘原始主题;进而,基于代码静态分析获得的代码间结构关系,提出了一种名为主题内聚度的技术从原始主题中自动识别功能性主题;最后,定位主题关联的代码片段,并利用代码及其注释为主题生成自然语言描述文本,进一步帮助开发人员理解主题所体现的软件功能及其代码实现细节.本文基于一组开源软件代码进行了方法评估,评估结果表明本文方法能够有效获取功能性主题及其关联信息,进而帮助开发人员更好地理解软件功能及其代码实现.     

一种基于一阶逻辑的软件代码安全性缺陷静态检测技术

软件代码安全性缺陷是可能引发软件系统高危后果的一类重要缺陷,针对该类缺陷的自动化检测和定位技术在软件维护和演化研究领域具有重要意义.本文提出并实现了一种形式化检测方法——基于一阶逻辑的软件代码安全性缺陷静态检测方法,利用命题逻辑和谓词逻辑定义模式路径公式,引入多个与依赖关系相关的谓词构造逻辑函数表达式,作为模式路径节点产生的制导条件,实现了对多类软件代码安全性缺陷的形式化描述,把安全性缺陷检测问题转化成在中间代码对应的有限状态空间中是否存在相应模式路径公式的判定问题.实验结果表明,该方法能适用于大多数类型的软件代码安全性缺陷检测,在对openssl,wu-ftpd等13个开源程序的测试中,准确重现了10个已公开安全漏洞,发现2个未公开安全漏洞.并且,与现有的模型检验等形式化静态分析方法相比,该方法的测试时间和代码规模成渐近线性关系.     

关联规则算法优化研究与实现

本文主要针对Apriori算法采用最小支持度和最小信任度阈值来发现知识,而没有考虑交易中数量问题的不足,提出一种快速的基于频繁模式树FP-tree的最大频繁项目集挖掘算法.该算法不需要产生频繁项集,而且只需要扫描事务数据库D一次,从而提高了算法的执行效率.该方法结合大量的实际项目数据进行关联规则挖掘测试发现,不仅能较好地分析非稠密数据,也能处理现实世界中稠密数据. 结果 表明该优化算法可显著降低关联规则挖掘在数据挖掘工作中的时间开销.     

基于复杂网络挖掘的用户行为感知机制

用户行为感知是进行网络管理、安全检测以及应用趋势分析的基础.针对基于流量统计特征检测方法具有计算复杂度高和"概念漂移"的缺陷,提出了一种基于用户复杂网络图的用户行为感知机制算法(UBP-CN).算法将用户标识{IP,Port}和用户交互分别抽象为一个点和一条边,构建了用户复杂网络图;应用社团挖掘算法将复杂网络图划分为互不相交的行为子簇,使得用户之间的通信抽象为一种"社会团体";通过定义基于相对熵的"用户行为模式"(UBM),表征了各个子簇背后表现出的行为特性,并使用"UBM+Port"对各个子簇进行标签映射,实现了用户行为的有效感知.仿真结果表明:在不牺牲用户行为分类准确率的前提下,算法不仅能克服"概念漂移"问题,还能有效降低算法的计算复杂度.     

扩展的语义分析的WAP协议缺陷测试

首先介绍了一种基于语义分析的缺陷测试技术.该测试方法利用语义测试及软件错误注入来进行测试.它比传统测试的成本要小,同时能达到很好的效果.但该方法只能检测协议实现级别的漏洞,而不能检测协议设计中可能存在的缺陷.本文结合了Petri网在协议测试方面的优点提出了一种扩展的语义分析的协议缺陷测试方法.它能通过对协议Petri网模型的分析来捕获协议层面的缺陷,而为此所需的额外开销是很小的.这弥补了原缺陷测试在协议层面的不足.之后对该方法各个阶段进行了介绍.对WAP-WSP协议的进行了缺陷测试,并对结果进行了分析,证明其可行性.     

一种改进的从关系数据库挖掘本体的技术

通过对关系模式与OWL本体之间的相关性进行分析,提出了一种基于关系数据库自动生成本体的方法.该方法从关系模式主外键之间的相关性分析出发,对关系模式的结构和数据完整性约束等方面进行深入研究,并给出一系列从关系数据库挖掘本体的思路,能够挖掘深层次的语义信息,如继承关系和属性特性等.     

网络(WEB)挖掘方法及其最新进展

数据挖掘和国际互联网是信息社会两大重要而有意义的领域。这两个领域的结合就是网络挖掘。网络挖掘一般可以分为两种不同的方法:一是网络内容挖掘,即从互联网的各种资源中检索和提取信息的过程;二是网络使用挖掘,指挖掘网站访问方式或其他网络用户信息的过程。本文主要讨论了WEB网络挖掘,包括有关网络挖掘的多种研究问题、研究技术、研究工具以及网络内容挖掘和网络使用挖掘方面的最新进展。     

基于函数调用路径的软件实现与设计一致性验证

软件系统开发完成后,验证其是否完成了软件设计说明书的所有功能并且与设计算法一致,是软件测试的一项重要工作.通过人工遍历分析源代码来完成实现与设计的一致性验证是复杂费力的,并且需要测试人员具备丰富的编程经验和较强的算法分析能力.论文提出了一种基于函数调用路径的软件实现自动验证方法.从设计文档和源代码两个方面出发,分别分析其函数调用关系,提取函数调用路径,生成功能簇模型.其中文档方面通过人工理解设计文档,确定函数调用关系,然后自动生成标准功能簇模型;源代码方面通过静态分析,自动获取函数调用关系,提取功能点特征,利用这些特征提取功能点的具体实现算法,自动生成软件的实际功能簇模型.对比两个功能簇模型,验证软件实现与设计的一致性.实验结果表明：算法能够准确获得软件系统的功能结构及实现算法特征,对软件实现与设计的一致性做出有效判定,为软件实现与设计的一致性自动化测试提出一种新的思路.     

语义Web的逻辑基础

分析了目前语义Web理论的研究现状和存在的问题, 分析了用传统描述逻辑作为语义Web逻辑基础的不充分性, 根据语义Web的特点和需求, 提出了一种新的动态描述逻辑DDL, 该DDL将静态知识和动态知识表示与推理有机地整合在一起. 特别的是, 给出了具体的动作描述方法, 并按照传统描述逻辑的语义解释方法给出了动作的语义解释, 从而该DDL形成了一种能同时处理静态知识和动态知识的统一的形式化逻辑框架. 该DDL具有清晰的语义特征, 既提供了可判定的推理服务, 又能有效地对静态知识、动态过程和运行机制进行表示和推理(动作的可实现性和动作之间的包含关系), 因此, 提出的动态描述逻辑DDL可以为语义Web提供合理的逻辑基础, 弥补了传统描述逻辑作为语义Web逻辑基础的不足.     

人工蜂群优化算法在复数盲源分离中的应用

针对复值信号的源数估计和有序分离等关键技术,提出一种基于人工蜂群优化的源数未知的复值盲源分离方法,该方法首先利用交叉互验技术来估算复数源信号的个数,然后通过人工蜂群算法优化峰度的绝对值来获得最佳分离向量,并实现了逐次恢复源信号的目的.仿真实验结果表明,该方法不仅能依峰度绝对值的降序实现服从任何分布源信号的盲分离,同时比其他方法具有更优越的估计性能.另外,提出一种基于峰度的欠定复盲源分离算法,该算法根据信号的统计特性构造了用于欠定混合情况下盲抽取向量的代价函数,然后通过人工蜂群算法优化其函数来获得最佳分离向量,通过多次分离来实现欠定复盲源分离的目的.通过对混合分布类型的复值源信号欠定盲分离仿真实验验证了该算法的有效性.     

Forecasting Core Business Transformation Risk Using the Optimal Rough Set and the Neural Network

In the process of enterprise growth, core business transformation is an eternal theme. Enterprise risk forecasting is always an important concern for stakeholders. Considering the completeness and accuracy of the information in the early‐warning index, this paper presents a new risk‐forecasting method for enterprises to use for core business transformation by using rough set theory and an artificial neural network. First, continuous attribute values are discretized using the fuzzy clustering algorithm based on the maximum discernibility value function and information entropy. Afterwards, the major attributes are reduced by the rough sets. The core business transformation risk rank judgement is extracted to define the connection between network nodes and determine the structure of the neural networks. Finally, the improved back‐propagation (BP) neural network learning and training are used to judge the risk level of the test samples. The experiments are based on 265 listed companies in China, and the results show that the proposed risk‐forecasting model based on rough sets and the neural network provides higher prediction accuracy rates than do other widely developed baselines including logistic regression, neural networks and association rules mining. Copyright © 2015 John Wiley & Sons, Ltd.     

基于概率积分法和数值模拟的采空塌陷区对高速公路影响的预测

利用采煤引起的开采沉陷研究理论和概率积分法,以及ADINA三维模型的建立,结合已有采空区沉陷理论及经验公式和数值模拟对其进行综合分析,并选取合理的计算参数和建立基本数学模型.结果表明,概率积分法和数值模拟的综合分析能够比较准确预计煤层采动覆岩的剩余变形量,对于未来进行灾害的预测和采空塌陷区上高速公路的建设具有重要的意义.     

Savant Officials in the Prussian Mining Administration

Summary

In the second half of the eighteenth century, the Prussian State supported savants who combined learned inquiry into nature with technical work. Members of the physical and mathematical classes of the Royal Prussian Academy of Sciences were involved in State projects such as surveying for the construction of canals, chemical analysis of Silesian iron, production of porcelain and of beet sugar. Some of these men were truly ‘hybrid’ experts living both in the worlds of State-directed manufacture and academic natural inquiry. Among these savant experts there was a particular sub-group that is at the centre of this paper: mining officials who were also recognized as mineralogists, geologists and chemists. The paper describes and analyses the training and the varied technical and scientific activities of these ‘savant officials’. At the centre of attention are the travels of inspection of the mineralogist and mining official Carl Abraham Gerhard (1738–1821) in the late 1760s. I argue that Gerhard's travels of inspection were at the same time geological travels and that savant officials like Gerhard made a significant contribution to the fledgling science of geology.     

基于改进神经网络的厚煤层采煤方法预测模型

针对厚煤层采煤方法选择多目标非线性的问题,在影响因素分析的基础上,建立了预测仿真模型,利用神经网络改进算法训练网络,通过早停的方式解决网络过拟合问题。通过计算机仿真结合现场应用表明,该模型给出了最优方案,可为厚煤层采煤方法的合理选择和工作面主要经济技术指标的预测提供一种新的研究思路,在煤矿开采中具有广阔的应用前景。     

MC环境下产品族加工时间确定方法研究

为更好地支持面向大规模定制的企业工时定额的制定，以产品族加工时间的快速确定为研究目标，提出了一套全新的面向产品族的加工时间确定方法。在产品族结构分析的基础上，把产品族的共享结构和变型结构分别作为静态工时模块和动态工时模块的构造基础。研究了柔性参数水平对产品族加工时间的影响机理，构建了产品族各工时模块加工时间模型，以柔性参数水平的匹配搜索算法实现定制产品加工时间的估算。通过实例验证了方法的有效性。     

溧阳市沙河水库东副坝溃坝生命损失估算

应用溃坝洪水软件BREACH和FLDWAV分析溧阳市沙河水库东副坝在100年一遇设计洪水位23．17m时下游坡高程点8．40m处管涌诱发溃坝的洪水状况，确定大致的淹没范围，计算了溃坝洪水的严重性，估算了风险人口，应用Graham法定量地估算了生命损失，重点研究了生命损失与警报时间的关系，提出了确保2h警报时间的建议，加强非工程措施，避免生命损失。     

采空区上方边坡稳定性分析

分别根据《三下采煤规程》采动坡体稳定性预测方法和瑞典条分法对采空区上方边坡稳定性进行了验算，并用大型有限元分析软件ADINA进行了二维模拟，得出了预计边坡稳定性系数、条带开采后引起的地表移动和变形最大值等数据，具有一定的工程应用价值。     

露天煤矿采场软岩边坡稳定性研究

针对某露天煤矿采场边坡出现的不稳定现象，通过大量现场地质调查，总结分析出滑坡主要是由采区软岩地质造成。在此基础上采用FLAC-拉格郎日显式有限差分法对采场的边坡进行分析，并根据模拟采场边坡的应力、应变及位移情况，通过分析确定危险边坡的潜在不稳定范围。分析过程中充分利用FLAC-拉格郎日显式有限差分法对应力应变逼真的模拟这一特点，采用理论分析与数值模拟二者相结合，计算得出边坡的稳定系数，对露天煤矿边坡稳定性做出了客观评价，为露天矿下一步滑坡防治方案、边坡监测方案的制定提供了决策依据，对实际生产有着及其重要的指导意义。