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：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：针对无线传感器网络中节点负载过重与能耗不均衡而出现网络能量空洞的问题,基于演化博弈理论建立一种簇头竞选的博弈模型,同时提出一种基于演化博弈的无线传感器网络最优成簇算法。运用节点的剩余能量、数据接收能耗和数据转发能耗设计簇头演化博弈的收益函数,并将最优发射功率控制机制应用于簇成员的选择,从而形成稳定连通的网络分簇结构。仿真实验表明该算法平衡了节点负载,从而均衡网络能量,有效改善网络中过早出现能量空洞的问题,进而延长了网络生存时间。

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：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。

摘要：针对科技文献类标题短文本关键词提取时,已有自然语言处理算法难以建模文献时间与权威性且短文本词语较少建模往往存在高维稀疏问题,本文提出了一个综合实时性以及权威性的关键词提取算法为研究者进行相关推荐.该方法将文献标题视为超边,将标题中不同词项视为超点来构建超图,并对超图中的超边与超点同时加权,进而设计一种基于加权超图随机游走的关键词提取算法对文献标题的词项进行提取.该模型通过对文献来源,发表年份以及被引次数建模来对超边进行加权,根据节点之间的关联度以及每对节点在特定标题中的共现距离对超点加权.最后,通过超图上的随机游走计算出节点的重要性进而确立可推荐的关键词.实验表明,与三种基准短文本关键词提取算法相比,本文算法在精确率和召回率方面均有所提高.

摘要：为挖掘用户对互联网产品的使用评价,从用户角度提高产品体验,建立一个基于最大熵的情感模型,对微博、贴吧的中文短文本评论数据进行情感分析。针对中文短文本评论数据的稀疏性,以分类准确率为目标,综合考虑F1值,运用有限拟牛顿平滑算法(L-BFGS)对情感分析模型进行平滑优化;针对有效数据特征维度低的特点,引入3类话题模型(TopicModel)辅助模型分类;针对小样本产品的冷启动问题,提出情感话题加权模型,实现中文短文本的情感分析,在时效性和冷启动两个方面验证了模型的鲁棒性。通过在以产品名为关键字划分的评论数据集上进行的对比实验,结果验证了该模型的有效性。

摘要：单篇文本的关键词提取可应用于网页检索、知识理解与文本分类等众多领域。该文提出一种融合图结构与节点关联的关键词提取方法,能够在脱离外部语料库的情况下发现单篇文本的关键词。首先,挖掘文本的频繁封闭项集并生成强关联规则集合;其次,取出强关联规则集合中的规则头与规则体作为节点,节点之间有边当且仅当彼此之间存在强关联规则时,边权重定义为关联规则的关联度,将强关联规则集合建模成关联图;再次,综合考虑节点的图结构属性、语义信息和彼此的关联性,设计一种新的随机游走算法计算节点的重要性分数;最后,为了避免抽取的词项之间有语义包含关系,对节点进行语义聚类并选取每个类的类中心作为关键词提取结果。通过设计关联图模型参数的选取、关键词的提取规模、不同算法对比3个实验,在具有代表性的中英文数据上证明了该方法能够有效提升关键词提取的效果。

摘要：近来,基于孪生架构的方法因其能在保持良好速度的同时取得较显著的性能,引起了视觉跟踪领域的广泛关注.然而,孪生网络分支通常是独立的,缺乏信息交互,这限制了模型性能的进一步提升.为了增强孪生网络分支的协作能力,本文提出基于孪生架构的交叉感知网络模型——SiamCross(Siamese Cross Object-Aware Network).孪生网络双分支特征提取是提升模型性能的首要核心操作,区分目标和语义背景在很大程度上依赖模型挖掘的特征鲁棒性.在SiamCross中,我们首先基于孪生网络分支的互监督,设计了全新的孪生交叉感知子网络(Siamese Cross-Aware Network,SCAN)用来提取鲁棒特征.SCAN允许孪生分支彼此全方位高效协同工作,使模板分支可充分利用特征丰富的上下文语义信息,对目标产生更具有区分性的表示;搜索分支结合模板特征,也主动学习到了目标的本质信息.另一方面,无锚框算法将跟踪任务直接映射为对每个像素的分类和回归,网络分支特征可各自聚焦于目标的局部与全局空间信息.以上两种特征具有很好的潜在局部-全局互补性.具体而言,回归特征学习到了更多的目标全局尺寸信息,但同时也引入了周围背景信息,而分类分支专注于学习局部中心定位信息.二者结合,有利于抑制回归特征的背景信息表达.同时,回归特征会在目标周边位置进行突出响应,揭示目标所在区域,也为分类分支进行定位提供了有益参考.为充分利用以上不同的分支空间特征信息来获得更精确的跟踪结果,我们又提出了新型的目标注意力交互网络(Obejct-Attention Interaction Network,OAIN),并将其融入到SiamCross中.OAIN包含并行交叉注意力模块(Parallel Cross Attention Module,PCA)和自适应可形变交叉对齐模块(Adaptive Deformable Cross Align Module,ADCA).PCA模块通过对分支中局部与全局信息的巧妙融合,提升了目标状态估计的准确性.为了进一步使回归特征和目标区域对齐,缓解特征对齐失焦导致的分类分支参考信源可靠性大幅度降低,我们为ADCA模块设计了自适应空间转换操作,可以使得回归特征更好反映目标所在区域.最终,ADCA模块完善了无锚框网络的高效交互机制.最后,我们在OTB2015、VOT2018/2019、GOT-10k和LaSOT五个具有挑战性的公开基准中对SiamCross进行了详尽的实验评估.实验结果显示,SiamCross与当前先进的跟踪器SiamRPN++、ATOM及DiMP相比,均取得了更优异的综合表现,并且可实现实时跟踪.

摘要：该文提出一种基于熵加权属性子空间的目标社区发现方法,挖掘与用户偏好相关的社区。首先,从属性和结构两个方面综合考虑节点间的相似度,利用用户给定的样例节点及其邻居扩展得到目标社区中心点集;其次,在中心点集上,设计一种熵加权的属性权重计算方法,得到目标社区的属性子空间权重;再次,利用目标社区的属性子空间权重,基于节点的属性和结构相似度重写网络中边的权重;最后,定义社区适度函数并结合重写后网络中边的权重改进社区适度函数,以中心节点集为核心,挖掘基于用户偏好的内部连接紧密且与外部分离较好目标社区。此外,该方法可以扩展到网络中多个社区发现及离群点检测任务中。在人工网络和真实网络数据集上的实验结果验证了该文所提算法的效率和有效性。