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.     

基于树的不确定数据频繁项的挖掘算法研究

本文针对UF-growth算法在构建环节的不足,提出了一种改进的映射频繁项树PUF-tree算法。该算法基于数据库映射技术,通过改进原算法的构建过程,能在一定程度上消除原算法的性能瓶颈,提高算法的效率。     

地貌分类指标的钢柔性探索

争对目前地貌类型基本概念的极度混乱现象,文章提出了地貌分类指标的钢柔性方法。该法把直接影响地貌类型基本概念的指标定为钢性指标,把与地貌类型基本概念不密切的指标定为柔性指标,并在此基础上建立了地貌钢柔性分类系统的参考模式,解决了地貌概念的混乱问题,同时增强了地貌分类的灵活性。该结果对促动地貌的生产利用和科学普及有一定作用。     

洪水分类的可变集原理与方法

洪水分类是提高洪水预测精度的一个有效途径．根据可变集的对立统一数学定理,提出洪水分类可变集原理与方法,将辩证法基本规律的数学定理应用于洪水分类．对在工程技术领域中运用辩证思维分析问题、研究问题具有启迪意义．结合黄河支流秃尾河流域15场洪水分类实例,通过对分类结果的比较与分析,指出集对分析分类法存在的错误,而可变集方法理论严谨,计算简便,且其分类结果客观、精确,符合实际情况．研究表明在解决分类问题中,不但要求成果的合理性,而且要求方法的科学性．     

基于多分类器的房地产客户分类

利用数据挖掘中分类的技术,根据房地产客户的信息,对客户购买力、购买欲进行评估,根据客户是否会购买,将其分为两类:重点客户和一般客户.从损失成本和辨别能力方面考虑,构建了一个组合分类器模型.使用Weka软件,利用多个公司的客户历史数据,与决策树、神经网络、支持向量机以及贝叶斯网络的分类性能做了比较,发现该组合分类器在稳定性、正确率方面优于其他分类器.     

一种基于动态排序的最大频繁项集挖掘算法

集合枚举树是最大频繁项集挖据算法中常采用的数据结构。在此算法中,最大频繁项集的挖掘过程也可以看作对集合枚举树的搜索过程。为缩小对集合枚举树的搜索空间,本文提出了一种新颖而高效的剪枝方法:根据已挖掘得到的最大频繁模式动态排列枚举树节点的顺序,最大限度的施行剪枝,从而缩小搜索空间。该算法采用位图的数据格式与深度优先的搜索策略。实验结果表明,该算法能有效提高最大频繁项集的挖掘效率,在采用相同的测试数据情况下,效率优于FPMax。     

基于音乐基因的乐谱存储模型

本文提出一种基于音乐基因的乐谱存储模型S-MusicXML.将乐谱的存储和处理的基本单位由音阶提升到基因,有利于通过数据挖掘技术对音乐内涵的挖掘和存储.定义了旋律基因等概念,并通过实验进一步分析了挖掘音乐基因比挖掘音乐频繁模式更有优势.     

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.     

基于特征谱散布特征的低分辨雷达目标分类方法

大多数雷达,特别是地面警戒雷达,其脉冲重复频率相对较低,会导致雷达发动机调制(JEM)回波多普勒模糊,对目标的观测时间(扫掠时间)相对较短,多普勒分辨率较低,会导致目标分类性能下降.针对这一问题,本文从模式分类的角度提出了利用JEM特征谱散布程度特征实现喷气式飞机、螺旋桨飞机和直升机目标分类的方法.分析指出JEM回波在多普勒域近似看作是一系列线谱,采用谐波和的数学模型提取特征谱作为分类特征,分别给出脉间、脉内的特征谱提取方法及特征的降维方法.该特征不补偿机身回波,对机身多谱勒变化不敏感.仿真实验证明了所提方法的有效性.     

基于遗传算法的多核芯片并发追踪调试方法

基于追踪的调试技术将追踪信号连接到追踪缓存,这些连接设施不仅占用有限的片上资源,全局连线还可能导致信号完整性问题.一种有效的解决方案是复用片上网络传输追踪数据.复用片上网络传输多组并发追踪信号,需要确定追踪缓存数量和放置位置以满足链路带宽的约束,同时实现传输功耗最小化.本文将该问题规约为NP难约束P-Median问题,并提出了一种基于遗传算法的多追踪缓存选址方法.在片上网络链路带宽的约束下,优化追踪缓存选址数和追踪数据传输能耗,为多组并发追踪信号的实时追踪提供了一种有效方法.实验结果表明,在同等约束条件下,多缓存能够有效提高追踪信号数量.相比于以前的研究结果,本文方法能够有效地减少缓存选址数和降低追踪数据传输能耗.