摘要：回归测试是迭代式软件开发的重要环节,测试数据生成是回归测试的前提.传统的回归测试方法,从已有的测试数据中选择部分测试数据,并生成一些新的测试数据,以验证程序的正确性.但是,该方法容易生成冗余的测试数据,从而降低了回归测试的效率.研究了回归测试的分支覆盖问题,通过利用已有测试数据的路径覆盖信息,并选择一定个数的路径,以覆盖所有的目标分支.首先,以若干路径形成的集合作为决策变量,以路径最少、覆盖的分支最多以及包含的未覆盖路径最少为目标,建立路径选择问题的3目标优化模型;然后,采用遗传算法求解上述模型时,设计了基于目标重要性的个体评价策略;最后,基于已有的测试数据与选择的路径之间的覆盖关系,确定需要生成的测试数据.将所提方法应用于6个基准工业程序测试中,并与其他方法比较.实验结果表明,采用该方法选择的路径,能够覆盖更多的分支,需要生成的测试数据更少,回归测试消耗的时间更短.

摘要：鼓励开源开放、自主创意创新的高校社区型创客空间可以称作大学生的＂第三课堂＂。在互联网＋时代,基于高校传统条件建设社区型创客空间,能够促进高校教学改革,更新学生培养理念,无缝对接、高效融合第一课堂和第二课堂,形成互联网时代全新的人才培养模式。

摘要：针对约束优化问题,提出了基于混沌优化的一种新的类电磁机制算法。采用多目标优化的约束处理技术,将约束优化问题转化为无约束的双目标优化模型来求解;对于转化后的新模型,设计粒子的电荷和粒子间的受力公式。同时,为了加快算法的收敛速度,结合混沌优化改进种群中的粒子。采用标准的Benchmark函数对新类电磁机制算法的性能进行了仿真测试,并将测试结果与已有算法的结果进行比较,结果表明,新算法能够快速找到问题的全局最优解或近似最优解,是一种非常有竞争力的优化算法。

摘要：近年来,卷积神经网络(convolutional neural network,CNN)作为一种典型的深度神经网络模型,在图像识别、目标检测和语义分割等计算机视觉领域中取得了令人瞩目的成效.然而,CNN端到端的学习模式使其隐藏层的逻辑关系以及模型决策结果难以被解释,这限制了其推广应用.因此,研究可解释的CNN具有重要意义和应用价值.为了使CNN的分类器具有可解释性,近年来涌现出了很多在CNN架构中引入基础概念作为插入式成分的研究.事后概念激活向量方法以基础概念为表现形式,用于分析预训练的模型,但依赖独立于原始模型的额外的分类器,解释结果可能并不符合原始模型逻辑.另外,现有的一些基于概念的事前可解释方法对于CNN潜在分类空间中的概念处理太过绝对.引入图卷积网络模块,设计了一种类内概念图编码器(within-class concepts graphs encoder, CGE)学习类内基础概念及其潜在交互.在CGE基础上,设计实现不同依赖关系的基础概念不同程度解纠缠的正则化项,提出了潜在空间自适应解纠缠的可解释CNN分类器(adaptive disentangled interpretable CNN classifier, ADIC).将ADIC嵌入ResNet-18和ResNet-50架构,在Mini-ImageNet和Places365数据集上的分类实验和可解释图像识别实验结果表明,ADIC在保证基准模型具有自解释能力的前提下,可以进一步提高基准模型的精度.

摘要：煤矿井下复杂受限空间中,人造光源照明不均匀、工作面尘雾浓度大及复杂电磁干扰等环境因素都会严重影响井下监控视频的高清成像。针对受复杂环境影响下的矿井图像出现分辨率较低、模糊不清的问题以及目前图像超分辨率重建方法多以牺牲网络深度和宽度为代价来提高图像重建效果,从而导致算法的复杂度大幅增加、网络模型的内存占用率变大、难以应用到实际边缘移动设备中的问题,提出了一种基于蓝图分离卷积的轻量化矿井图像超分辨率重建方法。首先,该方法使用高效率的蓝图分离卷积替换残差块中的标准卷积,设计出一种轻量残差注意力模块,接着引入坐标注意力机制并添加跳跃连接对残差块进行改进,使模型保持较低参数量和计算量的同时也具备良好的特征提取能力。其次设计了一种增强层次特征融合模块,对网络中的不同层次特征以先局部再全局的方式融合,进一步促进网络中的信息流动,增强模型的特征利用率。最后在网络末端添加像素注意力机制,用于增强网络对信息特征的关注度,提高模型的特征表达能力,为图像重建模块提供更丰富的细节特征。实验结果表明,基于蓝图分离卷积的轻量化超分辨率重建网络所重建后的图像质量不仅在客观指标和视觉感受上均优于其他对比算法,而且能够在模型性能和复杂度之间取得更好的权衡。当缩放因子为4时,相比于轻量级算法AWSRN-M,参数量相当的情况下,在煤矿井下测试集上客观指标PSNR平均值提升了0.1772 dB,SSIM平均值提升了0.0107,浮点运算量减少了66.9%。结果证明了所提方法可以有效提取不同层次的细节特征信息,实现浅层特征和深层特征的深度融合,且更加高效地重建出纹理细节清晰的高分辨率图像。

摘要：针对概念设计中方案设计的组合优化问题,如何避免组合爆炸、快速有效地产生一些可行方案的难题,提出多模糊集代数和定理以及模糊集比较定理,根据产品功能与功能载体、功能载体与功能载体之间的相互关系,利用模糊集理论建立了产品模糊矩阵和模糊多目标优化数学模型,并根据免疫细胞进化原理提出一种有效的多目标免疫优化算法。以带式输送机的传动方案设计为例进行验证,试验结果显示这种方法能够快速产生可行方案集,实现方案的自动化设计。

摘要：变异分析能够辅助生成有效的测试用例集,然而,高昂的测试代价,严重影响了这一技术在实际软件测试中的广泛应用.文中基于弱变异分析,研究求解测试用例生成问题的新方法,以高效地生成具有很高缺陷检测能力的测试用例集.该方法首先利用变异前后的语句,构造变异分支,并将所有变异分支集成到原程序,形成新的被测程序;然后,以测试用例集作为决策变量,根据该测试用例集对变异分支的覆盖信息,构造目标函数,建立新的测试用例生成问题的数学模型;最后,采用集合进化优化方法求解上述模型时,设计具有针对性的适应度函数和进化策略,使得一次求解该模型,生成杀死所有变异体的测试用例.将所提方法应用于13个基准和工业程序的测试,并与传统的遗传算法进行了比较.实验结果表明,所提方法能够高效地生成测试用例,且生成的测试用例具有更高的缺陷检测能力.

摘要：浅层特征在超分辨率重建网络中扮演关键角色,其中蕴含丰富的图像细节,对准确估计深层特征具有明显参考价值.然而,研究者常常忽视浅层特征,过度依赖深层模块堆叠和拓扑结构优化,进而造成信息冗余.为此,提出一种轻量级超分辨率重建网络,旨在探索浅层特征与深层特征的映射机制,以提升重建质量.首先,通过利用浅层特征生成特征掩码,引导深层特征的生成过程;其次,采用基于注意力机制的特征选择模块,动态生成特征权重信息;最后,设计双分支特征增强学习模块,平衡输出特征权重并增强特征融合能力,进一步提升重建性能.实验结果表明,所提出的算法在国际通用数据集上显著提升了峰值信噪比和结构相似度指标,同时具有较小的模型参数量和卓越的视觉表现.这些结果验证了所提出的轻量级超分辨率重建网络的有效性和优越性.

摘要：认证密钥协商协议能够为不安全网络中的通信双方提供安全的会话密钥,但是,大多数的认证密钥协商协议并没有考虑保护用户隐私.论文关注网络服务中用户的隐私属性,特别是匿名性和可否认性,规范了增强用户隐私的认证密钥协商协议应满足的安全需求,即双向认证、密钥控制、密钥确认、会话密钥保密、已知会话密钥安全、会话密钥前向安全、用户身份匿名、用户身份前向匿名、不可关联和可否认,并基于椭圆曲线密码系统设计了一个满足安全需求的隐私增强认证密钥协商协议.

摘要：在交互式遗传算法中,人对进化个体的评价含有噪声.如何降低噪声对评价的不利影响,至今没有有效的方法.这严重制约了交互式遗传算法在复杂优化问题中的广泛应用.本文首先针对交互式遗传算法中人评价个体适应值的不确定性和漂移性,分析交互式遗传算法噪声的来源,定义认知评价度和疲劳评价度,给出交互式遗传算法的3阶段噪声模型;然后,给出基于个体海明距离的认知评价度和疲劳评价度刻画以及基于适应值可信度的降噪策略;最后,通过在服装设计中的应用实例验证噪声模型的正确性和降噪策略的有效性.