基于分层表示和上下文增强的类摘要生成技术

代码摘要是源代码的自然语言解释,高质量的代码摘要有助于提高开发人员程序理解效率.近年来,代码自动摘要的研究集中在为方法粒度的代码片段生成摘要.然而,对于面向对象的语言,例如Java,类才是项目的基本组成单元.基于上述问题,提出一种基于分层表示和上下文增强的类摘要生成方法HRCE(hierarchical representation and context enhancement),并构建了一个包含358 992个?Java类,上下文,摘要?数据对的类摘要数据集.HRCE使用代码精简策略去除类的非关键代码,从而缩短代码长度.然后,对类的层次结构,包括类签名、属性和方法分别进行建模,获得类的语义信息和层次结构信息.此外,从项目中抽取父类的签名及摘要来刻画类在项目中依赖的上下文.实验表明,基于分层表示和上下文增强的生成模型能够表征代码的语义和层次结构,并可以从目标类的内部和外部获取信息. HRCE在BLEU,METEOR,ROUGE-L等评估指标上超过了所有基准模型.

基于描述长度的Context建模算法

在基于Context建模的熵编码系统中,为了达到预期的压缩性能,需要通过Context量化来缓解由高阶Context模型所引入的"Context稀释"问题。为此,该文提出一种通过最小化描述长度来实现Context量化(Minimum Description Length Context Quantization,MDLCQ)的算法。该算法使用描述长度作为评价准则,通过动态规划算法来实现单条件的最优Context量化,然后通过循环迭代来实现多条件的Context量化。该算法不仅可以得到多值信源的优化Context量化器,而且可以自适应地确定各个条件的重要性从而确定模型的最佳阶数。实验结果表明:由MDLCQ算法所得到的Context量化器,可以明显改善熵编码系统的压缩性能。

基于提升小波和Context模型的图象无失真编码方案

文章讨论了提升小波变换的基本原理。并根据提升小波系数的特点,结合基于Context模型的熵编码,提出了一种新的无失真图象编码方案。该方案中,将提升小波系数的编码分为三部分考虑,即反映非零系数位置的SignificanceMap、反映非零系数幅值大小的MostSignificanceBits(MSB)符号流和去除了MSB的剩余二进制符号流。因为Signifi-canceMap和MSB符号流中存在较强相关性,提出了简单有效的Context模型对它们进行熵编码。而对去除了MSB的剩余二进制符号流,由于其相关性较弱,直接使用自适应算术编码。经过实验对比证明了该方案在无失真图象编码中的有效性。

Context模型奇异测度及其在量化中的应用

使用聚类算法实现Context量化不仅可以推广量化器的应用范围,而且可以获得编码性能较理想的优化量化器.然而,聚类算法依赖于相似测度.前期研究中采用的描述长度增量不能完全满足相似测度的各项属性,从而导致聚类结果的性能偏差.因此,提出数学描述特性更好的奇异测度增量作为两个计数向量的相似测度,并说明其相应性质.实验结果证明,使用奇异测度增量作为相似测度,不仅能够保证Context量化器的稳定性,而且还获得更佳的编码结果.

基于加权Context建模的DNA序列压缩算法

给出一种基于自适应Context加权的细菌DNA序列压缩算法.不同阶数的Context模型用于描述碱基符号间的关联程度.通过加权的方式将各阶模型进行组合,构建用于驱动算术编码器的条件概率分布.各阶模型对应权值由其相应自适应码长决定.在编码过程中,权值能够根据各阶模型获得的统计计数值自适应更新.实验结果表明,该方法能够获得比其他加权Context建模基因组序列压缩算法更好的压缩效率.

基于块方向预测和Context的图象无失真编码方法

首先分析无失真图象编码技术，提出一种基于块方向预测和Ｃｏｎｔｅｘｔ的自适应无失真编码方法，该方法主要使用块方向预测和基于Ｃｏｎｔｅｘｔ的误差模型去除图象在空间上的相关性．在此方法中，一幅图象首先被分割成图象块，对图象的每一块自适应地选择一个使预测误差绝对值之和最小的块方向预测器；然后通过Ｃｏｎｔｅｘｔ选择和误差反馈进一步降低信息熵；最后，采用快速而有效的Ｒｉｃｅ编码器对误差图象编码．实验结果显示，该方法的压缩效果明显优于ＪＰＥＧ（ｊｏｉｎｔｏｆｐｉｃｔｕｒｅｅｘｐｅｒｔｇｒｏｕｐ）无失真模式和ＦＥＬＩＣＳ（ｆａｓｔａｎｄｅｆｉｃｉｅｎｔｌｏｓｓｌｅｓｓｉｍａｇｅｃｏｍｐｒｅｓｓｉｏｎ），略好于ＣＢ９和ＬＯＣＯ－Ｉ，甚至ＵＣＭ（ｕｎｉｖｅｒｓａｌｃｏｎ－ｔｅｘｔｍｏｄｅｌｉｎｇ）．

基于贝叶斯估计的Context量化器设计方法

介绍了一种基于贝叶斯估计的Context量化器设计方法.通过将自适应码长增量与贝叶斯估计中的先验概率估计进行结合,使得该量化器在不需要先验知识的情况下,既考虑到Context量化本身的特点,又使得编码后信源的自适应码长最短,最终保证了Context量化的自适应性.实验结果表明,该Context量化器设计方法能获得最优量化结果,达到设计目标.

基于Context模型的ECG信号二维压缩

提出一种基于Context模型的ECG信号二维压缩方案.通过模极大检测和循环匹配识别R波特征,自动构建ECG图像,并根据心动周期信息制作编码数据图,之后对ECG图像进行一维离散小波变换和带截止区均匀量化,量化系数被分解为重要位置图、符号流、最高位位置流和剩余比特流,最后结合编码数据图进行基于Context模型的自适应算术编码.实验针对MIT-BIH心律失常数据库的两个数据集进行压缩.压缩比为20时,新方案的百分均方根误差分别为2.93%、4.31%,低于JPEG2000压缩方案的3.26%、4.8%.结果表明新方案优于其它ECG压缩算法.

Relevance theory: the Cognitive Pragmatic Foundation of Code-switching

The paper will discuss the process of code-switching and its cognitive pragmatic motivation from the point of relevance.And code-switching is also regarded as a kind of communicative strategy.The process of the production of code-switching is also the cooperation and mutual constrain of communicator’s cognitive environment and ability.Cognitive effect can be obtained through communicator’s processing cognitive environment with their cognitive ability.In this process,the cooperation of cognitive ability and cognitive environment gives a guarantee to successful communication with code-switching.

基于Context建模熵编码的基因组序列应用

该文通过将生物学特征和生物学含义引入DNA序列数据的压缩处理中,提出了基于生物信息学特征的基因组序列的Context建模熵编码技术,拟结合基因组序列特点,研究针对基因组序列的Context建模熵编码技术。在算法中DNA序列根据组成部分生物学含义的不同切分重组为4个集合:编码序列CDS集合、内含子序列集合、RNA序列集合以及剩余序列的集合。根据各集合中序列的具体生物学特征分别进行预处理,并通过熵编码算法进行压缩。实验结果表明,该算法在基准测试序列上的压缩性能优于原有的DNA序列压缩方法,特别是对于生物信息学特征清晰的长序列,算法能够在较短的时间内获得较高的压缩率。

面向异常处理的代码智能化推荐

为了保证软件的健壮性以及系统的可靠性,异常处理被广泛应用于软件开发过程中。开发者们希望选择合适的异常处理代码以防止出现程序崩溃或者内存泄漏等问题。然而开发者,尤其是新手,由于缺乏经验很难编写出正确或规范的异常处理代码。为了协助开发者编写正确的异常处理代码,提出了面向异常处理的代码智能化推荐方法,即DeepEHCR。该方法通过构建API调用树来表示异常发生位置的上下文信息,然后根据上下文信息,利用自注意力网络推荐相应的异常处理策略。针对处理异常这一具体策略,利用Transformer模型进一步推荐处理异常相关的API序列。实验表明DeepEHCR在异常处理策略推荐和API序列推荐上都有较高的性能。在异常处理策略推荐方面,Accuracy、Precision、Recall以及F1-score的值分别达到了89.78%、89.98%、89.34%以及89.59%。在API序列推荐方面,Hit@1/3/5的值分别达到了57.83%、69.73%、74.79%。除此之外,DeepEHCR在修复真实的异常漏洞方面也优于现有研究工作。

双路信道视频传输无损防失真压缩算法仿真

高质量视频传输对网络带宽的消耗较大,对高分辨率视频的压缩处理是解决上述问题的关键技术。因此提出双路信道视频传输无损防失真压缩算法。多路信道视频传输至Internet网的视频发布服务器中,重构视频流并隐藏差错,分别通过帧内模式和帧间模式实现I帧和P帧编码。采用ATSVC-LS时空自适应融合预测法对视频完成无损压缩,通过上下文编码法优化视频流编码码率,完成双路信道视频传输的无损防失真压缩。实验结果表明,所提方法能够有效地提高压缩后视频的峰值信噪比和结构相似性,降低了视频压缩率。

基于多级查询表的JPEG2000位平面扫描优化方法

针对JPEG2 0 0 0位平面编码的VLSI实现 ,提出一种基于多级查询表的扫描优化方法 .该方法以树型查找表为基准 ,在有效性传播通道中提前记录编码必要性信息 ,实现了后续通道的启发式扫描 .与K′Chen等人提出的GOCS方法比较 ,不仅消除了扫描中出现的冗余组 ,而且消除了冗余列 ,进一步提高了扫描速率 .该方法的另一优点是可以完成通道扫描和状态变量的并行刷新 ,支持YHsia存储优化技术而不影响系统整体效率 .实验结果表明 ,在VLSI设计中引入该方法 ,位平面编码的扫描时间可缩短 2 5 % ,存储资源将节省 8.72 % .

一种用于图像分类的语义增强线性编码方法

针对传统编码模型中存在的编码歧义性问题,该文提出一种考虑特征上下文的语义增强线性编码方法。首先,通过学习局部邻域中特征共生关系矩阵来表示上下文信息。然后,在编码过程中同时引入学习而得的上下文信息与特征上下文匹配权重得到语义增强编码模型。由于上下文信息与上下文匹配权重的功能,使得此编码方法不仅丰富了编码的语义信息,还能够有效避免噪声带来的影响。在3个基准数据集(Scene15,Caltech101以及Caltech256)上充分的实验验证了该方法的有效性。

基于块方向信息的指纹图像无损压缩编码

根据指纹图像在局部具有很强的方向性，提出了一种基于块方向预测的无损压缩编码方法。在此方法中，首先将指纹图像分成8×8的图像块，计算出每一块的块方向信息，并根据这个方向信息，对各个块自适应地选择一个预测器；然后通过预测误差的Context模型进一步去除相邻像素之间的相关性；最后采用Rice算法对误差图像进行编码。实验表明，这种方法简单实用，压缩效果好于JPEG无失真模式和JPEG-LS。

从会话分析的角度研究语码转换

本文从会话分析角度探讨语码转换问题。会话分析是民族方法学知识框架下的一个分支 ,它着眼于语言选择的序列性和嵌入性 ,尽量疏离宏观社会语境 ,目前已形成了以 Auer和 L i等人为代表的语码转换的会话分析路向。文章还介绍了 Auer和 L i等的语码转换会话分析研究 ,分析了该路向的优势、囿限和修正。文章最后以两个问题结束 ,探讨语码转换会话分析路向在理论上面临的困境和语码转换研究的理论建设。

基于上下文的网格拓扑压缩熵编码方法

提出了一种普遍适用于网格拓扑压缩的高效熵编码方法.不同于以往的单纯利用算术编码或Huffman编码对遍历网格生成的拓扑流进行编码压缩,对这些拓扑流的每个符号先计算其Huffman编码,然后采用基于上下文(已编码序列的倒数第2个符号作为上下文)的算术编码方法来编码其Huffman值,从而实现对网格模型拓扑信息的有效压缩.实验结果表明,熵编码方法普遍适用于各种网格拓扑压缩方法得到的拓扑流的压缩,其压缩结果普遍高于拓扑流序列的熵值——绝大多数拓扑压缩算法各自最好的压缩比.

基于显著性稀疏表示的图像超分辨率算法

提出了一种全新的基于视觉显著度和上下文稀疏分解的图像超分辨率算法。利用人眼视觉感知显著的区域往往趋向于高度结构化的特性,字典学习和稀疏分解过程中可以捕获更多细节特征。在字典学习部分,视觉显著区域提取出的图像样本用来训练显著字典。在先验模型的部分,由于视觉显著区域通常趋于高度结构化,基于上下文的稀疏分解被用来进一步探索相邻图像块之间的联系。实验结果表明,所提出的方法在性能上优于其他最新的方法,峰值信噪比(PSNR)增益最大。主观结果也显示,所提出的方法可以有效减少假影现象,并保持更多细节。

数控加工程序的语法和仿真检查

研究了一种数控G代码程序的语法分析和加工刀具路径仿真系统 ,该系统可以检查程序中的语法错误并提示和存储错误信息 ,用OpenGL静态或动态显示刀具路径 ,进行加工仿真。

基于JPEG2000的一次性扫描、高效编码算法的研究

JPEG2000的算法的复杂性限制了它的优势的发挥。EBCOT是JPEG2000系统中占运算时间最多的组成部分,它对每个位平面进行三次扫描、进行三个编码通道的编码操作,浪费了大量的运算时间。针对这种情况,文中应用一次扫描完成三个编码通道编码操作的算法对其进行改进,在一次扫描过程中对位平面的所有系数进行编码。针对此算法引出的问题:首先,应用两个重要性状态变量代替原算法中的一个重要性状态变量;其次,采用“对称映射”形成上下文;最后,对三个编码通道的MQ编码器状态和上下文状态分别进行存储。这样三个编码通道可以顺序编码而不互相干扰,大大减少了运算时间,但仍保持了JPEG2000的优异性能。