面向函数的代码克隆检测

在软件开发过程中绝大多数克隆代码集中在函数内部,为了更加快速有效地检测出克隆代码,提出了一种基于函数内部特征矩阵的代码克隆检测算法。该算法通过提取函数内部特征,从而达到将具体代码的比较转化为对特征矩阵进行相似度计算。实验结果表明,该算法可以检测出所有克隆函数,并与基于字符串代码克隆检测算法和基于串匹配的程序代码相似性识别方法相比,该算法在运行时间及精度上均优于基于字符串代码克隆检测算法和基于串匹配的程序代码相似性识别方法。其次,通过使用N-grams算法对函数名进行相似度检测,使得该算法在运行效率上得到了显著提升。     

基于改进SURF的遥感图像目标识别

针对目前遥感图像背景复杂信息量大,导致目标识别过程中特征检测准确率低,特征匹配识别时间长等问题,提出一种基于改进SURF(speeded-up robust features)算法的目标识别方法.该方法采用Grab Cut算法对目标模板进行分割,通过高斯混合模型(Gaussian mixture model,GMM)进行初始化以达到能量最小化分割,并通过快速Hessian矩阵进行特征检测,采用欧式距离完成匹配识别.实验结果表明:使用改进算法进行遥感图像目标识别,能有效去除冗余特征点,提高算法的识别精度和运算速度.     

使用特征匹配的三维目标识别方法

提出了一种基于特征匹配的三维自动目标识别方法．首先使用均匀采样选择特征点和自旋图描述子提取特征,定义相似度度量并且使用最近邻方法得到初始的匹配;其次使用向量场一致性算法消除错误的匹配;最后根据算法保留的正确匹配数目进行目标识别．针对目标识别的实际应用需求,进一步研究了点云的空间分辨率、激光雷达测距误差对目标识别性能的影响,可以为激光雷达三维目标识别系统的设计提供参考．     

基于用户多种关联信息和项目聚类的推荐算法

基于用户背景信息的推荐算法中仅通过降低矩阵稀疏性来预测用户评分,造成算法的推荐准确率偏低。为解决上述问题,提出一种基于用户多种关联信息和项目聚类的推荐算法。首先通过加入用户与项目间的关联信息改进相似度计算方法来更加准确计算获取相似用户,将最相似的前K个用户作为目标用户的最近邻;然后根据目标用户最近邻对项目的评分预测目标用户未评分项目的预评分,并把预评分填充到用户项目评分矩阵;最后通过协同过滤算法得到最终预评分,在此基础上结合项目聚类产生推荐项目列表。通过MovieLens数据集上的实验结果表明,该算法有效降低了矩阵稀疏性、减小评分误差和提高准确率。     

一种基于标签的电影组推荐方法

现有的电影推荐系统大多是分析用户评分矩阵,没有考虑电影中的标签信息对推荐结果的影响,造成标签信息利用率较低.针对该问题提出一种基于标签的电影组推荐方法.通过改进的TF-IDF方法得到用户–标签矩阵以及结合时间因素得到归一化的用户评分矩阵,分别计算用户相似度并融合,通过融合相似度进行群组划分.在此基础上计算组成员中电影标签的好评率,根据好评率设置张量初始总权重.根据近似张量值进行群组偏好融合,得到组推荐列表.在MovieLens数据集上进行实验对比,结果表明本方法在准确率上有明显提高,召回率与F值有较大提高.     

基于奇异值分解和项目属性的推荐算法

为了解决评分数据的稀疏性和用户最近邻的精确性问题,文章提出了一种基于奇异值分解(singular value decomposition,SVD)和项目属性的协同过滤推荐算法。该算法首先采用SVD方法对用户-项目评分矩阵降维,得到用户矩阵和项目矩阵,根据项目矩阵计算项目间的评分相似度,同时根据项目属性计算项目间的属性相似度,将2种相似度的结果加权计算得到项目间的相似度,最后采用最近邻的方法预测目标用户对待评分项目的评分。在MovieLens数据集上的实验结果表明,该文所提出的方法可以有效应对用户评分稀疏的问题,并能提高推荐的准确性。     

面向大规模在线开放课程的编程题多特征综合自动评分方法

针对大规模在线开放课程环境下C/C++语言学习者人数众多、自动评阅准确率低的问题,提出一种基于多特征综合分析的编程题自动评分方法。通过对源程序编译预处理剔除提示性信息,用词法分析和抽象语法树(AST)分别抽取学生程序和标准模板程序的多种特征并计算特征相似度,再根据程序编译是否通过,采用不同策略综合分析多种特征相似度进行自动评分。特征相似度包括多项测试用例运行结果的相似度、AST抽取的各项特征的相似度和源程序代码相似度。如果学生程序编译失败,在计算AST特征相似度的同时需进行源程序代码相似度分析。实验结果表明:相对于仅基于测试用例运行结果的动态测试方法和传统静态分析方法,所提方法的平均准确率分别提高了18.48%和14.17%,评价结果与人工评分高度相关且无需借助人工辅助分析。该方法适用于大规模在线开放课程教学。     

基于交叉递归图和局部匹配的翻唱歌曲识别

基于Qmax算法,提出了一种新的序列局部匹配算法,用于翻唱歌曲识别。该算法通过改变所使用的步长条件使得匹配过程既能防止病态弯曲又能增加局部匹配分数。为了验证该算法在翻唱歌曲识别中的有效性,采用基于节拍同步的音级轮廓(PCP)特征作为测试对象,并利用最佳移位索引(OTI)实现基调不变性;根据所提取的特征构造交叉递归图(CRP),利用提出的局部匹配算法计算序列之间的相似度。实验结果表明,该方法获得了比传统匹配算法,如动态时间规整(DTW)、互相关和Qmax算法更高的识别准确率。     

基于智能移动终端的动态签名识别

为在移动终端上进行动态签名识别,采用基于极角特征匹配的动态签名识别方法. 该方法利用签名质心和黄金分割质心建立极坐标系,将从移动终端上获得的直角坐标转换为极坐标后提取极角特征的极值点,并以此为依据分隔签名笔段,通过计算样本与模板之间各个笔段的相似度得到签名总体的相似度,从而判断签名样本与模板是否出自同一人之手. 实验结果表明,该方法的平均误拒率为6.93%,误纳率为11.26%,能够有效地应用于移动终端上的动态签名识别.      

基于混合协同过滤的个性化推荐方法研究

针对传统协同过滤算法存在的数据稀疏性和推荐范围问题,提出一种混合协同过滤推荐方法.该方法将两种传统算法结合,并综合考虑了项目标签属性等信息.首先利用基于项目的协同过滤算法生成预测评分,并替换原始用户-项目评分矩阵中的零值.其次利用基于用户的协同过滤算法计算填充后矩阵的用户相似度,以及预测评分并产生最终推荐.最后基于MovieLens数据集实验证明,该方法能够有效提高推荐精度,扩大推荐范围.