摘要：针对计算机网络课程实验教学中面临的实验环境搭建难度大、编程内容较少等问题,提出一种网络实验平台设计思路,介绍平台设计和实验实施过程,最后说明教学效果。

摘要：以深度学习为代表的数据分析应用越来越多依赖分布式文件系统存储管理大规模数据集.为了增强数据访问的兼容性,现有分布式文件存储系统通常需提供标准POSIX接口,以支持深度学习等应用的无缝对接.然而,以内核模块形态开发提供POSIX接口的文件系统非常复杂耗时.近年来,用户态文件系统(Filesystem in Userspace,FUSE)框架大幅简化了文件系统的开发工作,已被Alluxio和Ceph等诸多知名分布式文件系统使用.目前常用的用户态FUSE库libfuse仅提供C语言编程接口,但现有大数据分布式文件系统基本都是基于Java语言开发的(例如HDFS和Alluxio等),为了使基于Java语言开发的分布式文件系统可以对接C语言开发的FUSE库,需采用跨语言FUSE框架作为中介.跨语言FUSE框架利用跨编程语言的函数回调机制,使操作系统FUSE库的C语言函数可以跨语言的调用分布式文件系统提供的Java语言编程接口,从而为大数据分布式文件系统提供标准POSIX接口的访问能力.但在数据密集型应用中,现有跨语言FUSE框架的执行效率低,导致数据密集型作业(深度学习、大数据分析等)中数据I/O耗时占据了显著的性能开销,成为新的潜在性能瓶颈.针对此问题,本文首先评估分析了重要且广为使用的跨语言FUSE框架JNR-FUSE的性能,发现并定位其在高并发和小文件场景下存在的性能瓶颈;接着从多方面剖析性能瓶颈根因,进而总结出高效跨语言FUSE框架的性能优化方向,并面向Java语言设计实现了跨语言FUSE框架***-FUSE利用延迟分离和元信息缓存等优化技术降低跨语言函数回调开销,从而提升跨语言FUSE框架的性能.实验结果表明,对比当前性能最好的Java FUSE框架JNR-FUSE,本文提出的JNI-FUSE带来了1.15~6.04倍的FUSE框架性能提升和1.90~2.71倍的文件系统端到端性能提升,并为上层深度学习训练任务带来了1.06~1.73倍的训练加速.本文设计提出的JNI-FUSE(Java Native Interface-Filesystem in User SpacE)因性能优势,已被知名开源分布式文件系统Alluxio官方接受集成.

摘要：构造了一种圆柱形四通道非均匀迷宫结构,利用该结构设计的圆环型超构材料能够实现动态可调的定向声辐射.所构造的圆柱形非均匀迷宫结构具有偶极子共振特性,在偶极子共振频率附近,声波能够从两个占比较大的扇形通道开口向外辐射,此时的圆柱形非均匀迷宫结构可近似地看作一个偶极子源.当圆柱形非均匀迷宫结构围绕圆心进行旋转时,所形成的偶极子源的位置和向外辐射声波的方向也随之发生改变.将点声源放置在由18个非均匀迷宫结构组成的圆环型超构材料的中心,调节圆柱形非均匀迷宫结构的旋转角度,使各微结构处于导通或截止状态,从而控制点声源在各个方向上的传播特性,实现具有动态可调特性的定向声辐射.此外,研究了圆柱形非均匀迷宫结构旋转角度对透射声波的影响,探究了微结构的开关效应,为构造简易的声定向辐射设备提供了新思路.

摘要：在基于深度学习的美容产品检索任务中,图片背景、拍摄角度和产品摆放姿态均是产品图片上潜在的干扰信息;同时,检索数据库中众多相似产品会互相干扰.针对这些问题,将显著性注意力机制融入损失函数、随即丢弃模块和相似项计算中,分别设计了显著性损失函数、显著性随即丢弃模块和显著相似性方法,有效地抑制了用户待检索图片与检索数据库图片中的干扰信息;然后,采用有效的特征提取器抵抗图片相似项的干扰;最后综合上述4个模块,提出基于显著性注意力的美容产品检索网络SA-Net.经过Pro-10k数据集训练,在Per-500k数据集上进行消融学习和对比实验的结果表明,SA-Net提升了美容产品检索的准确度,比已公开的最好同类算法AMAC提高3%.

摘要：法矢是三维点云曲面最基本的几何属性.为解决传统几何估算子与基于学习技术中的问题,提出基于几何先验和深度学习的点云法矢估算方法.首先,使用一个多尺度曲面块选择方法保持点云的特征和细节,以降低后续深度网络的学习难度;然后,结合局部特征和几何先验知识设计一个法矢优化神经网络,输出精确点云法矢;最后使用合成模型数据和Microsoft Kinect V1扫描得到的真实模型数据进行验证,使用平均角度误差作为度量标准与主流方法进行对比,定量和定性分析结果表明文中方法在保持模型细节和噪声鲁棒性方面均明显优于对比方法.

摘要：闭环检测是三维激光SLAM实现自主定位和导航的核心环节.针对目前闭环检测存在高复杂度及低准确度的难题,提出具有旋转不变性的球谐算子(spherical harmonic energy,SHE)与绕Z轴旋转不变的球谐算子(spherical harmonic Z-energy,SHZE);结合SHE和SHZE的优势,通过两步搜索提出一种三维激光SLAM闭环检测算法SH-LCD,在提高信息丰富度的同时降低了闭环检测计算的复杂度,具有较强的特征提取能力与普适性.在KITTI,NCLT和Complex Urban这3个公共基准数据集上的闭环检测实验结果表明,SH-LCD算法的闭环检测精度优于最新的闭环检测方法,包括Scan Context,M2DP,OverlapNet等;此外,该算法闭环检测效率高,计算算子与算子匹配消耗的时间仅需约12.0 ms和2.3 ms,满足SLAM实时性的要求.

摘要：进气道能够捕获来流,按一定流量、流速和畸变向发动机供气.作为飞机推进系统的起始部件,进气道直接影响飞机发动机的工作效率、性能和安全性.针对进气道自由曲面构型的特点,提出基于曲率指导的B样条进气道几何设计方法.首先给定控制点、节点数据,构造C2光滑约束的B样条关键截线,避免产生台阶效应而影响进气道性能;其次将计算过渡截线的离散点坐标,转化为利用过渡截线导数值反求所对应的B样条曲线,减小在复原曲线过程中计算离散点带来的累积误差;最后将上述B样条曲线拟合为B样条张量积曲面结构,减少格式转换造成的信息损失.该方法已集成在某型号进气道建模系统中,可快速、交互式地完成由任意进气口截线到出气口截线的光滑过渡.实验结果表明,建模得到的进气道曲面结构精确性较高、通用性较好,一定程度上减少了对国外相关CAD航空工业软件的依赖,可以为后续基于数值优化的几何设计与流体仿真一体化提供技术支撑.

摘要：传统协作式位置隐私保护方案大多假设在协作组构造过程中用户是诚实可信.然而现实环境下,用户协作过程中存在自利(如:请求用户泄露协作用户的真实位置给不诚信实体)或者欺骗(如:协作用户提供虚假位置导致服务提供商能够识别出请求用户的真实位置)行为,从而带来用户位置隐私信息泄露等问题,严重威胁用户的生命财产安全.区块链作为一种分布式的存储框架,存在以下优点:可追溯性、透明公开及不可篡改等,正因为如此,本文提出基于区块链的用户协作式位置隐私保护方案.考虑群组内用户通过协作转发和空间伪装保护位置隐私需求的场景.本文首先基于博弈理论分析协作过程中请求发起者与协作者的行为;其次,构建信誉机制将用户行为与收益结合;再次,利用区块链记录用户间的转发行为及信誉值并以此作为证据,惩罚有恶意行为的用户,使其作为请求发起者时不能得到其他用户的协作来约束用户的自利性.最后,设计奖励激励机制,保证用户的诚实转发行为,形成互利且公平的生态.安全分析表明,所提出的方案能够有效阻止用户的恶意行为,促进群组内用户的诚信合作.此外,通过与基准方案相比较,本方案位置隐私泄露概率降低了50%,具有较好的隐私保护效果.

摘要：近年来,随着软件规模和复杂度的不断提升,软件系统在开发过程中产生了大量的需求文档、设计图、代码类、测试文档等中间产物,即软件制品,这些软件制品中蕴含着海量的数据信息.需求工程影响软件开发的整个生命周期,当软件需求不断变更时,软件制品呈现碎片分散化的形态,缺乏全局、统一的组织整理,软件制品间缺乏关联.因此,建立需求追踪关系可以显著提高软件开发与维护效率,这已经成为软件工程领域的研究热点.当前综述工作主要集中在需求追踪关系构建方法的描述,缺乏对软件生命周期过程中需求与不同软件制品间追踪关系建立的分析,导致了需求追踪关系类型的单一性.针对该问题,本文采用系统性文献综述的方法,以需求追踪研究为核心,选取近10年来的135篇研究文献,从软件生命周期与制品类型角度,分析需求与不同软件制品间追踪关系的构建方法、应用现状与发展趋势,并将需求追踪技术在真实软件开发项目中进行应用,提高智能化软件开发效率.首先,依据软件全生命周期的各个阶段,本文对软件制品按文本内容分为文档级软件制品、代码级软件制品以及产品级软件制品,重点分析需求与文档级软件制品、需求与代码、需求与非特定软件制品间追踪关系建立技术的研究进展及研究效果;其次,总结相关文献中的实验数据集、工具研发情况以及需求追踪技术的应用场景;接着,通过智能化软件开发项目中真实的案例分析,讨论了需求追踪技术在提高软件开发效率方面的有效性.最后,本文对未来值得关注的研究方向进行展望,包括追踪链接类型、追踪方法以及自动化工具,便于研究人员进一步研究.

摘要：软件缺陷预测通过挖掘软件历史仓库,构建缺陷预测模型来预测出被测项目内的潜在缺陷程序模块.但在挖掘过程中,对程序模块进行类型标记或软件度量时均可能产生噪声.虽然研究人员对已有特征选择方法的噪声容忍能力进行了分析,但据我们所知,很少有研究人员在软件缺陷预测研究中,针对性的设计出可容忍噪声的新颖特征选择方法.为了解决此问题,我们提出一种可容忍噪声的特征选择框架FECS.具体来说,首先借助聚类分析,将原始特征集划分到指定数目的簇中,随后设计出3种不同的启发式特征选择策略,依次从每一个簇中选出最为典型的特征.在实证研究中,以Eclipse和NASA等实际项目为评测对象.首先借助一系列数据预处理方法来提升数据集质量,随后同时注入类标噪声和特征噪声来模拟噪声数据集.通过与典型的特征选择方法进行比较,验证了FECS框架的有效性,除此之外,通过深入分析噪声注入率、特征选择比例及噪声类型对缺陷预测性能的影响,为更有效的使用FECS提供了指导.