新工科背景下计算机基础课程的多层次分级教学模式

在互联网、计算机和人工智能等新技术的影响下,传统产业的形态都发生了重大变化。高校针对这些变化,要求对自身的人才培养体系和教学内容进行调整改造。计算机基础作为全校公共基础课,必定要改革才能解决现有的问题,才能起到促进专业发展的作用。上海应用技术大学计算机基础课题组在课程改革建设中将人工智能、云计算、大数据等新兴技术加入教程内容,取得了良好的教学效果。本文以计算机基础课程改革建设成果为基础,提出了一套新工科背景下计算机基础课程多层次分级教学模式的实施方案,对教学内容、授课方式、考核方式、实验平台、师资培养和考试系统等多个环节进行革命性的改革。

基于实例过滤与迁移的跨项目缺陷预测方法

在跨项目软件缺陷预测中,人工采集标注的原始数据集通常包含噪声数据,并且源项目与目标项目之间的数据存在较大的分布差异性。针对该问题,提出一种两阶段跨项目缺陷预测方法CLNI-KMM。在实例过滤阶段,基于CLNI算法过滤噪声实例。在实例迁移阶段,采用KMM算法调整源项目中实例的训练权重,并结合目标项目中的少量标注实例建立软件缺陷预测模型。实验结果表明,与经典的跨项目软件缺陷预测方法TCA、TNB和NNFilter相比,CLNI-KMM方法预测性能较优,并且具有较强的稳定性。

支持SDN的Hadoop中的时间最小化任务调度

软件定义网络(software defined network,SDN)是一种能将基础设备的网络控制功能分离并集中地部署到控制器中的网络架构。实际的Hadoop系统中,存在一个最小化作业完成时间的NP完全问题。在Hadoop中引入SDN,利用SDN的网络控制能力,将网络中的可用剩余带宽作为任务调度的重要参数,并提出任务调度算法RBA(residual bandwidth based algorithm)。使用RBA可获得任务的近似最优分配方案,从而实现作业完成时间的最小化。通过仿真实验验证RBA在作业完成时间、任务数据本地性及计算时间方面的性能。实验结果表明,总体上RBA较HDS、BAR、BASS算法是更优的。