湖南省自然科学基金(09JJ6087)
- 作品数:20 被引量:48H指数:4
- 相关作者:李长云满君丰王志兵温向兵杨路明更多>>
- 相关机构:湖南工业大学中南大学长沙民政职业技术学院更多>>
- 发文基金:湖南省自然科学基金国家自然科学基金中国博士后科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 分析语句命中谱的自动故障定位方法研究
- 2010年
- 软件故障的自动定位能提高测试过程的效率,对改善软件的可信性也相当重要。在原有程序谱分析故障定位基础上,提出了基于语句命中谱分析的自动故障定位方法,通过引进聚类函数克服了基于模型的故障定位计算量过大的问题,并和现有的程序谱定位工具Pinpoint、Tarantula进行了比较,最终通过实验证明了这种方法的高效性和优越性。
- 王鹏李长云
- 关键词:故障定位
- 基于行为模式的电子交易过程中信任评估研究被引量:1
- 2010年
- 在开放动态的网络环境中,交易者的行为信任问题已经成为电子商务发展的重要障碍。提出了以交易过程中呈现出的行为模式为证据的信任评估方法,该方法通过构建行为模式匹配级和可信属性为节点的贝叶斯网可信评估模型,计算推导出电子交易过程中消费可信指数和销售可信指数的等级。在一个实际的电子交易平台上验证了该方法的有效性。
- 王志兵李长云
- 关键词:信任评估电子交易交易行为
- 一种用于软件运行时分析的行为模式描述语言
- 2010年
- 软件本质上是代替人执行一定行为的,对软件行为的描述与分析一直是软件技术关注的重点。为有效表达软件交互行为,提高分析效率,基于正则表达式,提出了一种用于软件运行时分析的行为模式描述语言BPL。在BPL中,通过对软件运行时可观察行为中反复出现的事件序列的特征抽取和概括,软件行为被描述为一个由小写字母表示的行为踪迹及约束构成。最后使用BPL描述了电子交易过程。
- 李长云王志兵
- 多方互动式移动学习系统的设计与实现被引量:3
- 2010年
- 提出了多方互动式移动学习应用模式,设计了多方互动式移动学习系统的软件结构,并对练测评子系统的实现作了介绍。多方互动式移动学习系统能够实现学生之间的协同学习,加强教师、家长和学生之间的信息沟通。
- 廖立君何频捷王志兵李长云
- 关键词:多方互动C/S结构
- 普适环境下陌生交互实体的行为分析与预测
- 2009年
- 基于普适环境下陌生交互实体之间没有先验交互经历,为了该环境的计算安全,必须确保其交互的行为可信,提出一种基于嵌套的狄利克雷过程和无限隐马尔可夫模型的行为分析与态势预测模型。该模型能有效地预防陌生实体交互过程中反常、欺诈等行为,对不可信的行为提前干预,避免产生严重的后果。最后举出模型在智能商场中应用并仿真分析了模型的可行性。
- 刘广宾满君丰李长云温向兵
- 关键词:普适环境转移概率矩阵
- 基于广义松弛方法的快速均值偏移算法的研究被引量:5
- 2011年
- 针对均值偏移算法收敛性慢的缺点,通过对加速均值偏移方法的研究,将优化算法中的松弛方法扩展为广义的松弛方法,并给出确定对角矩阵参数的方法;然后对收敛准则进行了修改.在此基础上,提出了基于广义松弛方法的均值偏移算法,并通过大量的聚类实验和图像分割实验验证了所提出算法的有效性.
- 文志强朱艳辉李长云邓晓军
- 关键词:聚类分析图像分割
- 软件故障诊断技术综述被引量:7
- 2010年
- 软件系统的日益复杂及广泛应用,使其可用性、可靠性和可维护性等方面面临许多新的挑战。快速的对系统中出现的故障进行检测和定位,对于不断建立一个高可靠的系统和缩小平均修复时间意义重大。简要介绍了软件故障诊断中的基本概念,较系统地总结了故障检测与定位技术的研究进展和成果。
- 王志兵李长云
- 视频监控中可变人体行为的识别被引量:13
- 2011年
- 为有效识别视频监控中的人体行为,提出了新的人体行为识别模型和前景提取方法.对前景提取,采用背景边缘模型与背景模型相结合的前景检测方法,有效避免了光照、阴影等外部因素的影响.为了快速发现人体运动过程中产生的新行为,采用分层Dirichlet过程聚类人体特征数据来判断是否有未知人体行为产生,用无限HMM对含有未知行为模式的特征向量进行有监督学习,由管理者将其添加到知识库中.当知识库的行为模式达到一定规模时,系统可以无监督地对人体行为进行分析.通过仿真实验证实了提出的方法在人体行为识别方面较其他方法具有独特的优势.
- 满君丰李倩倩温向兵
- 关键词:视频监控
- 软件交互行为的可信性分析与态势预测研究被引量:4
- 2009年
- 研究现代分布式软件系统中交互实体的行为可信性问题,关注运行期意图、情景、行为和行为效应之间的关系,采用先进的统计机器学习工具分析行为踪迹规律,提出了一个新的软件行为分析与态势预测方法.针对松散聚合的交互实体间可能产生新的交互事件和行为模式的问题,本文用分层Dirichlet过程和无限隐Markov模型对被监测的交互接口数据进行聚类确定未知交互事件,用含有未知事件的序列进行行为模式的半监督学习,由管理者将其添加到规则与知识库中.在确定未知事件和行为模式时,用Beam抽样方法较其他方法(如Gibbs抽样)有更高的数据抽样和推理效率.当知识库的行为模式达到一定规模时,系统便可以无监督地对交互行为进行分析和预测.本文用HMM的Viterbi算法分析当前交互事件的最佳序列,从而确定当前交互行为的善恶,对恶意行为及时报警,对非恶意行为的后续趋势进行主动预测.通过仿真实验证实了该方法在软件行为分析与预测上具有独特的优势.
- 满君丰杨路明李长云文志诚
- 带部分标记的软件行为踪迹研究被引量:1
- 2013年
- 在网络化软件交互过程中,事务产生的行为序列中某些行为的标记(Token)丢失或不可用,导致无法对这些事务进行进一步的分析和处理,比如事务追踪、行为描述、行为模板提取等都难以实现.为了解决这个问题,首先提出了事务处理过程满足马尔科夫性(Markov)的状态转移模型(STM),再将该模型中的状态根据状态划分算法,分割成若干偶图子系统,并分别将这些偶图子系统转化为网络流图,最后采用网络流中最大流(MF)方法对状态转移模型中带部分标记的行为踪迹重新标识,将标识的结果整理成完整的踪迹序列,为后续的行为分析提供便利.实验结果表明,文章提出的方法是有效和可行的.
- 彭成杨路明满君丰
- 关键词:网络化软件