检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于对比学习的跨语言代码克隆检测方法

计算机应用研究 2024年

作者：吕泉润谢春丽万泽轩魏家劲江苏师范大学计算机科学与技术学院

代码克隆检测是提高软件开发效率、软件质量和可靠性的重要手段。基于抽象语法树(Abstract Syntax Tree,AST)的单语言克隆检测已经取得了较为显著的效果，但跨语言代码的AST节点存在同义词、近义词且手工标注数据集成本高等问题，限制... 详细信息

代码克隆检测是提高软件开发效率、软件质量和可靠性的重要手段。基于抽象语法树(Abstract Syntax Tree,AST)的单语言克隆检测已经取得了较为显著的效果，但跨语言代码的AST节点存在同义词、近义词且手工标注数据集成本高等问题，限制了现有克隆检测方法的有效性和实用性。针对上述问题，提出一种基于对比学习的树卷积神经网络(contrastive tree convolutional neural network,CTCNN)的跨语言代码克隆检测方法。该方法首先将不同编程语言的代码解析为AST，并对AST的节点类型和节点值作同义词转换处理，以降低不同编程语言AST之间的差异；同时，采用对比学习扩充负样本并对模型进行训练，使得在小样本数据集下能够最小化克隆对之间的距离，最大化非克隆对之间的距离。最后在公开数据集上进行了评测，精确度达到95.26%、召回率为99.98%、F1为97.56%，结果表明，相较于现有的最好的CLCDSA和C4方法，该模型的检测精度分别提高了43.92%和3.73%，其F1值分别提升了29.84%和6.29%，证明了所提模型是一种有效的跨语言代码克隆检测方法。

关键词：跨语言代码克隆对比学习抽象语法树

面向Shapelet空间的多变量时间序列密度聚类算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学与探索 2024年第2期18卷 387-402页

作者：盛锦超杜明晶孙嘉睿李宇蕊江苏师范大学计算机科学与技术学院江苏徐州221100

多变量时间序列聚类问题已经成为时间序列分析任务中重要的研究课题,相较于单变量时间序列,多变量时间序列的研究复杂性更高,难度更大。尽管当前已经提出了许多针对多变量时间序列的聚类算法,但是这些算法在精度和解释性方面仍旧不足。... 详细信息

多变量时间序列聚类问题已经成为时间序列分析任务中重要的研究课题,相较于单变量时间序列,多变量时间序列的研究复杂性更高,难度更大。尽管当前已经提出了许多针对多变量时间序列的聚类算法,但是这些算法在精度和解释性方面仍旧不足。其一,当前大部分工作并未考虑多变量时间序列的长度冗余性和变量相关性等问题,导致最终得到的相似性矩阵具有较大误差;其二,数据在聚类过程中普遍采用划分范式,当数值空间呈现复杂分布时该思想表现不佳,并且不具备对各个变量及空间的解释力。针对上述问题,提出了一种面向Shapelet(富有高信息量的连续子序列)空间的多变量时间序列自适应权重密度聚类算法(MDCS)。算法首先对各个变量进行Shapelet搜索,通过自适应策略获取到各自的Shapelet空间,接着对各个变量产生的数值分布进行组合加权,得到了更符合数据分布特征的相似度矩阵,最后利用改进密度计算和二次分配的共享最近邻密度峰值聚类算法对数据进行最终分配。在真实数据集上的实验结果证明,与目前先进的聚类算法相比,MDCS拥有更好的聚类结果,在标准化互信息和兰德系数指标上平均提高了0.344与0.09,兼顾了性能与可解释性。

关键词：多变量时间序列子序列 Shapelet空间密度峰值聚类数据挖掘

惯性忆阻神经网络固定时间抗干扰聚类同步控制

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2022年第11期39卷 2168-2176页

作者：何海滨胡元发郭志方刘小洋江苏师范大学计算机科学与技术学院江苏徐州221116

本文研究了具有外部干扰的惯性忆阻神经网络固定时间聚类同步控制问题.通过设计一类经济型的固定时间控制器,保证了耦合网络系统在固定时间内以较少的能量消耗实现聚类同步.为提高网络的普适性,文中神经网络的激活函数为非连续函数.基于... 详细信息

本文研究了具有外部干扰的惯性忆阻神经网络固定时间聚类同步控制问题.通过设计一类经济型的固定时间控制器,保证了耦合网络系统在固定时间内以较少的能量消耗实现聚类同步.为提高网络的普适性,文中神经网络的激活函数为非连续函数.基于Filippov解理论以及固定时间控制理论,获得了耦合网络的同步性判据,给出了收敛时间的具体上界,验证了网络抗干扰能力.最后,通过数值仿真说明了理论结果的有效性.

关键词：惯性忆阻神经网络聚类同步固定时间外部干扰

基于依赖增强的分层抽象语法树的代码克隆检测

在线全文

学校读者我要写书评

暂无评论

计算机应用 2023年

作者：万泽轩谢春丽吕泉润梁瑶江苏师范大学计算机科学与技术学院

在软件工程领域，基于语义相似的代码克隆检测方法可以降低软件维护的成本并且预防系统漏洞，抽象语法树(AST)作为典型的代码抽象表征形式，已经在多种程序语言的代码克隆检测任务上取得了成功，然而，现有工作主要利用原始AST提取代码... 详细信息

在软件工程领域，基于语义相似的代码克隆检测方法可以降低软件维护的成本并且预防系统漏洞，抽象语法树(AST)作为典型的代码抽象表征形式，已经在多种程序语言的代码克隆检测任务上取得了成功，然而，现有工作主要利用原始AST提取代码的语义，没有深入地挖掘AST中的深层语义和结构信息。针对这一问题，提出一种基于依赖增强的分层抽象语法树(DEHAST)方法。首先，对AST进行分层处理，将AST划分出不同的语义层次；其次，为AST的不同层次添加相应的依赖增强边构建DEHAST，将简单的AST变成具有更丰富程序语义的异构图；最后，使用图匹配网络模型检测异构图的相似性以实现代码克隆检测。DEHAST在Big Clone Bench和Google Code Jam两个数据集上的实验结果显示，所提方法能够检测出100%的Type-1和Type-2代码克隆、99%的Type-3代码克隆和97%的Type-4代码克隆，且与基于树的方法 ASTNN(AST-based Neural Network)相比，F1值提高了4个百分点。验证了DEHAST可以很好地进行代码语义克隆检测。

关键词：代码克隆检测语义克隆抽象语法树深度学习图匹配网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

模糊边界剥离聚类

山东大学学报(理学版) 2023年

作者：孙嘉睿杜明晶江苏师范大学计算机科学与技术学院

提出了一种模糊边界剥离聚类(fuzzy border-peeling clustering,FBP)算法。首先,采用了一种基于Cauchy核的动态密度估计方式来计算数据点密度;然后,使用逐层剥离策略区分边界数据和核心数据;接着,利用核心数据间的可达性实现核心区域聚... 详细信息

提出了一种模糊边界剥离聚类(fuzzy border-peeling clustering,FBP)算法。首先,采用了一种基于Cauchy核的动态密度估计方式来计算数据点密度;然后,使用逐层剥离策略区分边界数据和核心数据;接着,利用核心数据间的可达性实现核心区域聚类;最后,采用模糊分配策略实现边界数据的软划分。在人工数据集和真实数据集上与10种算法(包含6种密度聚类算法和4种模糊聚类算法)作了对比。实验结果表明,在所有数据集上,FBP的调整兰德系数ARI指标平均提高了21%～60%,FBP的标准化互信息NMI指标平均提升了12%～47%,基于Cauchy核和模糊分配策略优化后的边界剥离聚类算法显著提高了聚类的准确性。

关键词：密度聚类边界剥离聚类模糊聚类软化分柯西核函数

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

利用可信反事实的不平衡数据过采样方法

计算机工程与应用 2023年

作者：高峰宋媚祝义江苏师范大学计算机科学与技术学院

针对传统过采样方法不能充分利用数据集信息的缺陷，提出一种基于反事实（Counterfactual， CF）的不平衡数据过采样方法，并进一步对生成的少数类合成样本进行了“可信”清除。其核心思想是依据数据集原有实例特征值合成新样本，相比... 详细信息

针对传统过采样方法不能充分利用数据集信息的缺陷，提出一种基于反事实（Counterfactual， CF）的不平衡数据过采样方法，并进一步对生成的少数类合成样本进行了“可信”清除。其核心思想是依据数据集原有实例特征值合成新样本，相比传统过采样的插值法，更能充分挖掘数据中的边界决策信息，从而为分类器提供更多的有用信息，提高分类性能。在9个来自KEEL与UCI的不平衡数据集、5种不同分类器（SVM、DT、Logistic、RF、AdaBoost）上与4种传统过采样方法（SMOTE、B1-SMOTE、B2-SMOTE、ADASYN）进行了大量对比实验。结果表明，本文所提方法具有更高的AUC值、F1值和G-mean值，可以更为有效地解决类不平衡问题。

关键词：不平衡数据集分类过采样反事实

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于NSST域像素相关分析的医学图像融合

吉林大学学报:工学版 2023年第9期53卷 2640-2648页

作者：肖明尧李雄飞朱芮长春师范大学计算机科学与技术学院长春130032 吉林大学计算机科学与技术学院长春130012

针对像素级多模态医学图像融合信息丢失的问题,提出了一种基于非下采样剪切波变换(NSST)的像素相关性分析(PCAS)的图像融合方法。首先,对源图像进行NSST分解,获得高低频子带。然后,利用提出的中心像素方差计算邻域像素与中心像素的强度... 详细信息

针对像素级多模态医学图像融合信息丢失的问题,提出了一种基于非下采样剪切波变换(NSST)的像素相关性分析(PCAS)的图像融合方法。首先,对源图像进行NSST分解,获得高低频子带。然后,利用提出的中心像素方差计算邻域像素与中心像素的强度相关因子,构建邻域像素相关系数矩阵,并提出将相关性拉普拉斯能量和作为高频方向子带的融合规则。再次,计算低频子带中心像素能量以及邻域像素能量梯度信息,得到低频融合决策图。最后,通过逆变换得到融合结果图像。磁共振图像(MRI)和计算机断层扫描(CT)、单光子发射计算机断层成像(PET)、正电子发射断层成像(SPECT)的脑部图像融合实验结果表明,本文融合方法可以很好地保留源图像的显著信息和纹理细节。

关键词：计算机应用图像处理图像融合非下采样剪切波变换像素相关性

在线全文

学校读者我要写书评

暂无评论

超参数优化对跨版本缺陷预测影响的实证研究

计算机科学与探索 2023年第12期17卷 3052-3064页

作者：韩惠于巧祝义江苏师范大学计算机科学与技术学院江苏徐州221116

在机器学习领域,超参数是影响模型性能的关键因素之一。已有研究表明,超参数优化能够显著提升版本内缺陷预测和跨项目缺陷预测性能,而对跨版本缺陷预测性能的影响尚不明确。选取五种经典缺陷预测模型(决策树、K-近邻、随机森林、支持向... 详细信息

在机器学习领域,超参数是影响模型性能的关键因素之一。已有研究表明,超参数优化能够显著提升版本内缺陷预测和跨项目缺陷预测性能,而对跨版本缺陷预测性能的影响尚不明确。选取五种经典缺陷预测模型(决策树、K-近邻、随机森林、支持向量机和多层感知机)以及四种常用超参数优化算法(基于TPE的贝叶斯优化、基于SMAC的贝叶斯优化、随机搜索和模拟退火),在PROMISE数据集上进行实验,探究超参数优化对跨版本缺陷预测性能的影响。研究结果表明:决策树、K-近邻和多层感知机模型超参数优化后,跨版本缺陷预测AUC值得到显著提升;超参数优化后的模型仍保持与默认超参数设置下相当的稳定性;除了较为复杂的多层感知机模型,其余模型超参数优化的时间平均为1~2 min,在跨版本缺陷预测实验中优化模型超参数是可行的。上述结果表明,跨版本缺陷预测应考虑优化模型超参数以提升预测性能。

关键词：软件缺陷预测跨版本缺陷预测超参数优化

在线全文

学校读者我要写书评

暂无评论

基于点对群网络反馈机制的恶意代码传播模型

计算机工程 2023年第1期49卷 163-172页

作者：李晨曦任建国江苏师范大学计算机科学与技术学院江苏徐州221116

在点对群信息共享网络中,群体成员之间交流频繁并且同一群体内的成员可以同时从信息源接收到相同信息,依据点对群网络的这2个特点,考虑从恶意代码感染中恢复后的节点作用,在点对群网络中建立一种具有动态反馈防治信息功能的易感-感染-反... 详细信息

在点对群信息共享网络中,群体成员之间交流频繁并且同一群体内的成员可以同时从信息源接收到相同信息,依据点对群网络的这2个特点,考虑从恶意代码感染中恢复后的节点作用,在点对群网络中建立一种具有动态反馈防治信息功能的易感-感染-反馈-免疫(SIFR)模型。在经典易感-感染-免疫(SIR)传播模型的基础上引入反馈节点,通过动态共享防治信息遏制恶意代码在点对群网络中的传播。根据计算得到SIFR模型的平衡点和传播阈值,构建相应的Lyapunov函数,证明了平衡点的局部和全局稳定性。数值模拟实验结果显示:当反馈率取0.000 1时,SIFR模型相较于经典SIR模型在传播阈值小于1的情况下,感染节点在峰值处的数量降低了36.16%,能更早更快地趋近于0;当传播阈值大于1时,同一时间的感染节点数量有所减少,趋于稳定的感染节点数量降低了80%。上述实验结果表明SIFR模型应用在点对群网络中能够更好地遏制恶意代码的传播,且反馈率越高,遏制效果越好。

关键词：恶意代码传播模型局部稳定性全局稳定性反馈机制点对群网络