摘要：适应度函数的设计在基于搜索的测试用例生成技术中占据重要的位置,然而在某些特殊的程序中,如存在嵌套、非结构性跳转或因return,break等语句跳出循环的程序,已有的适应度函数无法评价到所有的分支.目前的方法是修改程序的源代码,以使每个分支得到评价.但修改源代码不但可能影响程序的原有结构、引入错误,而且很难实现自动化.针对这一问题,提出一种基于模式组合的粒子群优化测试用例生成方法.首先,将分支条件定义为"模式",即,一类具有相同特征且能提高适应度值的个体集合,并改变其分支函数的插桩方式,可解决分支条件不完全评价的问题;然后,设计一种新的交叉算子,寻找到所有使模式的分支函数值最小的个体,将这些个体中含有模式的部分通过交叉算子组合到一个个体上,既可防止模式在进化过程中被破坏,又可因多种模式的组合而提高个体的适应度值;最后,使用局部搜索策略对种群中的最优个体进行搜索,提高粒子群优化算法的局部搜索精度,进一步提高测试用例生成效率.为了评价该方法的有效性,基于一组基准程序和开源程序进行实验.实验结果表明:对于含有模式的程序,该测试用例生成方法与已有方法相比,在覆盖率和平均进化代数上均有明显优势.

摘要：针对基于二部图的概率传播(ProbS)模型以优化推荐列表的精确度为目标,而忽略了推荐多样性的问题,提出了改进的概率传播(iProbS)模型.iProbS将项目得分预测过程分解为资源的3步传播过程,每步传播包含传播概率和传播损耗.设计传播概率时,考虑的因素是用户评分;设计传播损耗时,则分别考虑了项目的度、用户熵和邻居项目.通过在2个常用数据集MovieLens和Netflix上的大量不同实验,证明了iProbS算法在推荐准确率、推荐整体多样性、推荐个体多样性以及销售平衡4个方面均比ProbS模型性能更好.最后按不同的推荐步骤分析了iProbS算法的计算复杂度.

摘要：在实际的应用中,无线传感器网络常常由大量电池资源有限的传感器节点组成.如何降低网络功耗,最大化网络生存时间,是传感器网络拓扑控制技术的重要研究目标.随着传感节点的运行,节点的能量分布可能越来越不均衡,需要在考虑该因素的情况下,动态地调整节点的网络负载以均衡节点的能耗,达到延长网络生存时间的目的.该文引入博弈理论和势博弈的概念,综合考虑节点的剩余能量和节点发射功率等因素,设计了一种基于势博弈的拓扑控制模型,并证明了该模型纳什均衡的存在性.通过构造兼顾节点连通性和能耗均衡性的收益函数,以确保降低节点功耗的同时维持网络的连通性.通过提高邻居节点的平均剩余能量值以实现将剩余能量多的节点选择作为自身的邻居节点,提高节点能耗的均衡性.在此基础上,提出了一种分布式的能耗均衡拓扑控制算法.理论分析证明了该算法能保持网络的连通性.与现有基于博弈理论的DIA算法和MLPT算法相比,本算法形成的拓扑负载较重、剩余能量较小的瓶颈节点数量较少,节点剩余能量的方差较小,网络生存时间更长.

摘要：D2D(device-to-device)通信系统中传统能效函数仅能捕获瞬时数据流量,而无法获取特定时间段内数据流量的能效。为此,本文将吞吐量和终端使用时间之积作为效用函数,以终端使用时间内的吞吐量最大化为目标,并将其建模为非合作功率控制博弈(non-conperative power control game,NPG)问题并得到其纳什均衡解。然而,理论分析表明该纳什均衡解非帕累托有效,故而引入功率线性代价函数来改进效用函数。最后,为了得到帕累托占优解,应用超模博弈理论研究该纳什均衡解的特性,并设计出一个低复杂度的双层迭代最优价格均衡求解算法。理论分析和仿真结果表明所提算法不仅提升系统效用值和终端使用时间,还可以保持系统公平性。

摘要：错误定位是软件调试中非常耗时费力的活动之一,自动错误定位技术可以提高调试效率,降低调试成本.该文提出一种把动态切片、关联分析及排序策略相结合的错误定位方法.首先,收集程序执行的动态切片及相应的执行结果构建混合谱矩阵;然后,基于混合谱矩阵进行关联分析,随后依据提出的排序策略对语句进行排序,得出较合理的语句优先级次序,从而进行错误定位.为验证该方法有效性,作者设计并实现了一个错误定位原型工具DSFL,针对一组Java基准程序开展错误定位实验,并与12种错误定位技术进行对比.实验结果表明该方法可以在一定程度上提高错误定位精度和效率.

摘要：提出一种毫米波大规模多输入多输出(MIMO)系统中基于几何均值分解(GMD)的混合预编码方案.通过GMD处理将信道分解为等增益的子信道,以简化编解码复杂度.在此基础上,推导出基于GMD的系统频效优化目标函数解析式;然后根据基追踪原理和最小二乘法分别设计模拟预编码和数字预编码;最后通过相应的优化算法得到系统频效的优化解.数值仿真结果表明,提出的基于GMD的混合预编码方法与正交匹配追踪的方案相比,能明显降低系统编解码复杂度,并提高系统频效.

摘要：轻量级分组密码的安全性分析越来越倾于向自动化和智能化的方向发展.目前基于深度学习对轻量级分组密码进行安全性分析正在成为一个全新的研究热点.针对由美国国家安全局在2013年发布的一款轻量级分组密码SIMON算法,将深度学习技术应用于SIMON3264的安全性分析.分别采用前馈神经网络和卷积神经网络模拟多差分密码分析当中的单输入差分多输出差分情形,设计了应用于SIMON3264的6~9轮深度学习区分器,并比较了2种神经网络结构在不同条件下的优劣.通过对前馈神经网络和卷积神经网络的7轮深度学习区分器向前向后各扩展1轮,提出了针对9轮SIMON3264的候选密钥筛选方法.实验结果证实:采用128个选择明文对,可以成功地将65535个候选密钥筛选在675个以内.这说明基于深度学习的差分区分器相比传统差分区分器需要更少的时间复杂度和数据复杂度.

摘要：针对现有3D手势交互方法存在的精度、成本、泛用性三角抉择难题,受限于发展程度现有方法大多只能三者取其二,传统识别方法通常优先考虑成本和泛用性从而在精度上有所缺失,基于数据手套的3D手势交互保证了精度和泛用性的情况下无法解决过高的成本问题,以及针对特定领域开发(例如手语教学、交通手势识别)的方法在保证精度和成本的情况下仅在当前小范围领域内适用。为了平衡这一三角难题,找到三者之间的平衡点,提出了一种新的最低基于单目摄像技术的3D手势姿态估计算法。其峰值性能在保证识别精度的情况下,最高可达85~100 FPS。该算法是基于双网络融合架构来实现,主体架构分为前置识别网络和后置纠正网络,前置网络是基于ResNet50网络设计的二维关键点映射至三维的手部关键点检测,后置网络是基于逆运动学设计的纠正网络用来纠正映射偏差带来的非常规手型,使得识别结果更加顺滑,符合真实人体结构。架构的精准设计使得其可以利用更多范围内可用的手部训练数据源,在此基础上加入的后置纠正网络模块用来纠正手部细节,这种输出方式能够使得该算法更直接地应用于视觉设计和图形交互输出。经过多次实验对比后,相较于传统算法,该架构设计在保证识别速度的情况下,在各类数据集上平均识别精度提升1%~2%,同时基于MANO的建模效果更加精致逼真。

摘要：为了解决图像情感分析中存在的情感鸿沟和大的类内方差问题,提出了一种可以同时利用视觉模态和文本模态之间的深度潜在关联、视觉模态的深度线性判别和图像中层语义融合的弱监督方法.利用多模态深度网络结构找到一个视觉模态和文本模态之间最大深度关联且视觉模态具有深度判别性的潜在嵌入空间,并在该潜在空间中将文本的语义映射特征迁移到图像的判别性视觉映射特征中;结合注意力机制,设计涵盖潜在空间中映射特征的注意力网络,用于情感分类.在真实数据集上的实验结果表明,所提出的方法获得了更好的情感分类准确率.

摘要：针对无线传感器网络中使用RSSI测距技术的定位算法精度不高与锚节点使用过多导致成本较大的问题,提出一种基于多功率移动锚节点的无线传感器网络节点RSSI定位方法,针对SCAN移动模型的共线性问题,设计一种锚节点的移动模型。使用单个多功率移动锚节点在区域内修正RSSI值,采用卡尔曼滤波对接收的信号强度值进行平滑处理,使其更接近真实值,用修正权值因子的三角加权质心算法定位待测节点的坐标。仿真结果表明,该算法在降低定位成本的情况下有效修正了接收的信号强度值,相对基于RSSI的加权质心算法提高了6%-7%的定位精度。