基于模糊层次分析法的软件易用性过程综合评价方法

对软件易用性过程进行综合评价是开发可信软件产品的必要因素。通过构建软件易用性生命周期模型和软件易用性度量模型搭建软件易用性过程综合评价模型,通过此模型对软件开发中的易用性问题进行有效的指导,规范易用性开发过程,从而保证能够产出高易用性的产品;利用模糊层次分析法对此模型进行度量评价,量化评估易用性过程优劣;通过一个实例分析说明该方法可以有效地应用于软件开发过程中,能够尽早地确保软件产品的易用性,为开发高易用度的软件产品指明了方向。

改进协同训练的肺部CT影像COVID-19病灶分割方法

在新型冠状病毒肺炎的肺部病灶分割任务中,基于半监督学习进行病灶分割可以利用大量未标记数据。针对半监督学习中伪标签置信度不足问题,采用UNet和DeepLabV3+作为基础网络搭建协同训练框架,以集成方法获取高质量伪标签;引入JS距离度量伪标签的不确定性,给予伪标签监督损失一个正则项,减轻低质量伪标签对分割性能的影响。在公开数据集中进行实验,获得Dice系数76.06%、IOU分数65.1%、敏感度分数77.22%和精确率分数81.46%。

针对可逆神经网络的可视化解释方法

为了更好地理解深度神经网络(DNN,deep neural network)在应用过程中出现的决策依据未知以及容易受到对抗攻击等安全问题,模型可解释性受到广泛关注。虽然越来越多的学者针对传统深度神经网络的可解释性进行了研究,但对可逆神经网络的运行机制和可解释性的探索还存在不足,且现有针对传统深度神经网络的解释方法不适用于可逆神经网络,存在噪声大、梯度饱和等问题。因此,提出一种针对可逆神经网络的可视化解释方法,其基于类激活映射机制,利用可逆神经网络的可逆特性探索特征图与输入图像之间的区域对应关系,使得区域特征图的分类权重可映射到输入图像的对应区域,得到输入图像每个区域对模型决策的重要程度,从而生成模型决策依据。在通用数据集上,将所提方法与其他解释方法进行实验比较,所提方法取得了更集中的视觉效果,在识别任务中,相较于次优方法平均下降(AD,average drop)指标提升7.80%,平均上升(AI,average increase)指标提升6.05%,热值最大点的定位水平达到82.00%,同时,所提方法可以对传统深度神经网络进行解释且其良好的扩展性可以提高其他方法对可逆神经网络的解释性能。另外,在对抗攻击解析实验中发现,对抗攻击使得模型的决策依据发生改变,体现在模型的关注区域发生错位,这有助于探究对抗攻击的运行机制。

信息安全专业“应用安全方向”CDIO实践探索

为了满足信息安全产业对高素质人才培养质量的要求,为了进一步探索以"做中学"为中心的方法改革,强化实践能力培养,本文以云南大学软件学院信息安全专业为背景,以CDIO先进教育理念为指导,选择本专业"应用安全"方向进行CDIO理念教学实践。并进一步探讨在适当的条件下,把该CDIO工程教育模式推广应用到本专业其他三个发展方向,以培养具有创新精神和实践能力的信息安全学科的优秀创新型人才。

基于初始不可见任务的过程挖掘方法的改进

过程挖掘对于部署新的商业流程以及审计、分析和改进已有的流程是非常有帮助的。将解决在处理不可见任务时都存在的一些问题。例如一个任务存在于过程模型中,但是并没有在事件日志中体现,这样的任务主要服务于路由,但是绝对不能忽视。分析日志中不可见的任务,并对任务的强循环、弱循环等特性进行分析,在此基础上提出新的过程挖掘方法,以便更好地提高对不可见任务的挖掘效率。

一种简单的共享式多层梯度补给方法

深度学习通过多层特征提取方式,可以将原始复杂数据自动表征为高级抽象特征,该模型具有很强的建模能力,普遍应用于图像识别语音识别、自然语言处理等高复杂问题中.但深度学习由于网络层数深、参数规模庞大,训练时常常会产生梯度消失、陷入局部最优解、过度拟合等现象.借鉴集成学习的思想,提出一个新颖的深度共享集成网络,该网络通过在深度学习各隐藏层引出多个独立输出层的联合训练的方式,在网络的各层注入梯度,从而对低层隐藏层进行梯度补给,从而降低深度学习中的梯度消失现象,并通过集成多输出层的方式使得整个网络拥有更强的泛化性能.

基于重心点转移的St-DBSCAN改进算法

在目前已提出的聚类算法中,St-DBSCAN算法是一种基于密度且性能优越的时空聚类算法。但是当时空点分布出现密度倾斜时,St-DBSCAN算法会出现聚类时间过长和聚类效果不好的问题。基于此,通过对空间点分布存在的三种数据倾斜,采用数据重心点转移策略,提出了对应的解决方案,以此实现了改进后的St-DBSCAN算法。为了验证改进后算法的性能,以昆明市出租车GPS数据为实验数据,进行了算法性能对比实验。实验结果表明,改进St-DBSCAN算法的时间性能和聚类效果有了一定程度的提升。

基于布尔矩阵分解的蛋白质功能预测框架

蛋白质是细胞生命活动中最重要和最多样的一种大分子物质.因此,研究蛋白质功能对于破解生命密码具有重要的意义.以往的研究表明蛋白质功能预测问题本质上是一个多标签分类问题,但庞大的功能标签数量使得各种多标签分类器在蛋白质功能预测中的应用面临巨大挑战.针对蛋白质功能标签数量庞大且标签关联性较高的特点,提出了一种基于布尔矩阵分解的蛋白质功能预测框架(protein function prediction based on Boolean matrix decomposition, PFP-BMD).同时,针对目前布尔矩阵分解算法中精确分解和列利用条件难以同时满足的问题,提出一种基于标签簇的精确布尔矩阵分解算法,使其通过标签关联矩阵实现标签的层次扩展聚簇,并通过相关推论证明了该算法可实现最优的精确布尔矩阵分解.实验结果表明:提出的布尔矩阵分解算法在计算复杂度上具有较大优势,且应用了该算法的蛋白质功能预测框架可有效提升蛋白质功能预测的准确率,为各种多标签分类器在蛋白质功能预测中的高效应用奠定了基础.

基于多核的SSL协议性能的并行优化

将服务器端的负载转移到客户端,可以解决安全套接层SSL协议握手过程中服务器端负载过重的问题。但该方法会使客户端负载加重,特别是当客户端需要进行高安全级别的握手和使用大量富因特网应用时,客户端负载加重明显。为了保证良好的服务质量,针对当前客户端以多核设备为主,对SSL客户端进行并行优化,使SSL在握手时即保证服务器端负载较低又能使客户端负载降低,从两方面对SSL性能进行改进,保证服务质量。

基于特征补偿的单目标跟踪算法

为适应长期跟踪的需求,提出一种基于特征补偿的单目标跟踪方法。通过分析现有算法的优缺点,使用低层特征的相关滤波模型完成简单场景的任务,以保证速度;使用高层语义特征的卷积神经网络模型完成复杂场景的任务,以提升精度和鲁棒性;引入一个简单的分类器,作为切换特征的标志,有选择的对模型的模版进行更新,降低累计误差。结合实例验证了算法的有效性,在保证较快速度的同时,精度和鲁棒性均有较高的提升。

基于重复任务的复杂结构挖掘

过程挖掘对于部署新的商业流程以及审计、分析和改进已有的流程是非常有帮助的。在商业流程系统日志中,同名任务和重复任务是大量存在的。现有的挖掘算法都不能很好地区分,这导致在过程挖掘的结果中往往会产生不准确的流程模型。为了提高过程挖掘的准确性,提出了一种改进方法,它不仅能够挖掘日志中的循环结构、非自由选择结构等复杂结构,还能够挖掘日志中的同名任务和重复任务。

分组密码随机序列的不变量研究

对于分组密码而言,密码的安全性来自混淆、扩散性,而两者主要来自分组密码的轮函数操作。为满足加密算法标准化、加密算法本土化及各方的需求,本文使用图论的相关知识,利用最新向量逻辑——变值体系来对分组密码安全性进行研究。文章通过获取分组密码的中间随机序列,分析随机序列的特征,得到随机序列的不变量,进一步对不变量进行统计分析研究,研究方向为通过控制变量法,观察对比不变量统计可视化结果,探索不变量特征;对于同一分组密码而言,改变不变量数据量,得出同一密码不变量具有饱和态的特性的结论,为分组密码的安全性提供进一步的理论依据。

获取生物物种名录信息的R程序包SP2000

物种名录为衡量区域和全球生物多样性提供了数据基础。随着互联网的兴起与发展,人们将地球上已知的动物、植物、微生物等类群的物种名录信息存储到公共数据平台中,并对物种名录进行快速及时地更新,这极大地促进了分类学、保护生物学和宏观生态学等学科的发展,成为政府或国际组织开展物种保育现状评估、红色名录编撰和生物多样性保护的重要依据。物种2000中国节点(http://www.sp2000.org.cn)和Catalogueof Life网站(http://www.catalogueoflife.org)分别是中国和全球最大的生物物种名录数据平台,截至2020年6月4日,其收录的物种数分别为122,280种和1,829,672种。然而这些数据平台仅提供物种查询、检索、下载等基本功能,难以满足使用者准确、快速地批量获取所需生物物种名录数据信息的需求,制约了这些大数据平台在生物多样性研究和保护中的作用。因此,我们选取R语言开发了程序包SP2000,旨在帮助用户批量获取中国或全球生物物种名录信息。该程序包具有跨Windows、MacOS、Linux等多个系统运行、操作便捷、代码开源等特点。为了方便用户使用,本文详细介绍了SP2000的基本原理、特点及使用指南,包括程序包的下载、安装、运行和参数设置等。