云南省大学新生抑郁焦虑与睡眠质量的相关研究

目的调查云南省大学新生睡眠质量与抑郁、焦虑的关系。方法选取云南省845名大学一年级新生,采用匹兹堡睡眠质量指数(PSQI)、患者健康问卷抑郁量表(PHQ-9)、广泛性焦虑量表(GAD-7)评定其睡眠质量以及抑郁、焦虑状况。结果845名大学新生中,PSQI总分为(5.68±2.42)分,睡眠问题检出率为19.5%。男生PSQI评分低于女生,重点本科院校学生PSQI评分低于普通本科院校学生(P<0.05)。大学新生准备入睡的平均时间为(23.76±0.73)时,平均睡眠维持时间为(6.55±0.88)h/d。抑郁和焦虑的检出率分别为13.7%和6.6%。睡眠问题检出组PSQI总分及各因子分,PHQ-9、GAD-7评分,抑郁、焦虑阳性检出率均高于睡眠问题未检出组(P<0.001)。PSQI总分及各因子分与PHQ-9、GAD-7评分均呈正相关(P<0.05)。睡眠障碍、主观睡眠质量、日间功能障碍均能预测大学生的抑郁、焦虑(P<0.05);抑郁、焦虑同时也预测睡眠质量(P<0.05)。结论云南省大学新生的睡眠模式普遍存在入睡晚、睡眠不足、睡眠问题检出率高,且睡眠质量与抑郁、焦虑相关。

第四届全国大学生软件创新大赛特色介绍

由教育部示范性软件学院建设工作办公室主办、云南大学软件学院承办、英特尔亚太研发有限公司支持的2011年第四届＂英特尔杯＂全国大学生软件创新大赛暨全国大学生MeeGo程序开发邀请赛已于2011年3月拉开了帷幕。大赛以＂基于MeeGo操作系统的程序开发＂为主题,

物联网中融合网络流量的恶意软件检测

针对物联网基础设施、应用程序和终端设备的攻击显著增加,物联网中的代表性恶意软件以产生恶意流量为主。对基于恶意软件字节序列构建的MalConv模型进行改进,与基于恶意流量特征的Bi-LSTM模型进行融合,实现了适用于物联网终端设备恶意软件检测的融合模型。实验结果表明,融合模型NT-MalConv具有更高的检测能力,检测准确率达95.17%;检测融合对抗样本时,NT-MalConv模型比MalConv改进模型的准确率提升了10.31%。

云南省高校智能软件科技创新团队简介

1团队带头人王炜王炜,男,1979年11月6日生,教授,博士,中组部、中科院"西部之光"青年学者,云南省高校智能软件科技创新团队带头人,云南省高层次人才培养计划"教学名师",云南省高层次人才培养计划"青年拔尖",云南省中青年学术和技术带头人后备人选,昆明市中青年学术技术带头人后备人选。中国计算机学会软件工程专委会专委。云南省计算机学会软件工程专委会秘书长。2002年毕业于云南大学,获学士学位,2005年毕业于云南大学,获硕士学位,2009年毕业于云南大学,获博士学位。

信创背景下“人工智能+X”人才培养体系探索

针对当前国内高校人工智能人才培养方案缺少统一标准、对国产化重视不足等问题,提出面向信创人才的“人工智能+X”培养体系:设立人工智能信创课程,搭建实习实践平台,建立教学实验生态。介绍近3年在本专业的建设实践,说明所提培养方案的可行性。

新工科产教融合与项目实践教学相结合的探索与实践

新工科是基于国家战略发展新需求、国际竞争新形势、立德树人新要求而提出的我国工程教育改革方向。产教融合是推进“新工科”建设,提高人才培养质量的主要措施之一,在新工科背景下,结合产教融合模式是把产业与教学密切结合,相互支持,相互促进发展的一种新思想、新趋势,是高校与企业相互融入,共同介入人才培养的方法。本文介绍了在新工科概念指导下,我院结合产教融合模式,使用项目实践教学方法在“软件工程概论”课程中进行的探索与实践,实践证明产教融合模式的教学改革确实能够收到良好的教学效果。

基于全局图注意力元路径异构网络的药物-疾病关联预测

提出了一个基于全局图注意力元路径异构网络模型(MHNGA)来进行药物-疾病关联预测。首先,收集整理药物和疾病数据,将已知的药物-疾病关联、药物相似性、疾病相似性构建为一个异构网络;其次,引入多个基于元路径的子图,使用图注意力神经网络提取这些子图的邻居节点的特征,并且通过通道注意力和空间注意力机制来增强特征;最后,通过十折交叉验证的评估,MHNGA取得了93.5%的精确召回曲线下的面积和99.4%的准确率。

基于SVM的DPoS共识机制改进

共识机制是区块链技术的重要组成部分,针对委托权益证明(delegated proof of stake,DPoS)共识机制中对恶意节点不能及时有效处理的问题,提出了一种基于支持向量机的DPoS共识机制改进方案(SVM-DPoS)。首先构建基于SVM的节点判别模型,通过训练好的模型分析节点的行为动机,根据判别结果及时剔除恶意节点;其次基于固定协商出块顺序优化传统算法的出块流程,提升出块效率,进一步提高了整个区块链网络的运行效率。在公开数据集上的实验结果表明,与已有的几种方法相比,改进后的共识机制能够快速剔除恶意节点,不仅维护了系统稳定性,而且增强了对恶意行为的防范能力,从而在保障区块链网络正常运行的同时,提高了整体共识的安全性。

基于特征交互结构的弱光目标检测

针对当前主流、先进的目标检测算法在弱光场景下对目标检测精度较低的问题,分析弱光图像削弱了传统卷积神经网络依赖的局部相关性归纳偏置,引入对全局特征有着出色建模能力的Swin Transformer stage以实现全局注意,增强特征信息量。将全局注意以并行方式与局部卷积共同抽取弱光图像特征,并提出了一种特征交互结构(feature interaction structure,FIS),通过精心设计的二次交互方式,能有效解析、利用和结合局部与全局信息。基于FIS堆叠构造交互式并行双流骨干网络FISNet,实现对两类特征的深度融合,并提供对密集预测型任务十分重要的层级特征结构。FISNet在弱光图像数据集ExDark上达到了40.6 AP,与EfficientNet等基准模型相比,得到了+0.5~2.9 AP的检测精度提升,在弱光目标检测场景中具有良好的应用。

图对比学习引导的多视图聚类网络

多视图聚类由于能从多个角度利用数据的信息引起了广泛的关注。然而,目前的多视图聚类算法普遍存在以下几个问题:1)专注数据的属性特征或结构特征,没有充分结合这两种信息,以提高潜在嵌入的质量;2)基于图神经网络的方法虽然能同时利用属性和结构数据,但是基于图卷积或图注意力的模型在网络层数过深时会产生过度平滑的问题。为了解决以上问题,提出一个图对比学习引导的多视图聚类网络(MCNGCL)。首先,使用多视图自编码器模块捕捉每个视图的私有表示;其次,通过自适应加权融合构造公共表示;再次,结合图对比学习模块,使相邻节点在聚类时更容易被划分为同簇,同时缓解网络在聚合邻居节点信息时产生的过度平滑的问题;最后,使用自监督聚类模块,使公共表示和视图的私有表示向有利于聚类的方向优化。实验结果表明,MCNGCL在多个数据集上都取得了不错的效果,在3sources数据集上,与次优的CMGEC(Consistent Multiple Graph Embedding for multi-view Clustering)相比,MCNGCL的准确率指标提升了2.83个百分点,规范化互信息(NMI)指标提升了3.70个百分点;消融实验和参数敏感性分析结果也验证了MCNGCL的有效性。

一种软件演化过程模型的代数语义

随着大量的软件演化过程模型被软件演化过程元模型建模产生,如何验证过程模型的正确性,是摆在人们面前的一个重要任务.针对软件演化过程元模型,引入进程代数ACP(algebra of communicating processes)对其扩展,提出软件演化过程元模型代数,使用进程项指定软件演化过程模型的代数语义,在进程代数的统一框架下,基于等式推理验证软件演化过程模型的行为,使行为验证方式从模型推导变为代数推导.这种方法充分结合了Petri网和ACP的长处,可以有效地支持软件演化过程的形式验证.

可信软件非功能需求形式化表示与可满足分析

可信软件的可信性由其功能需求和非功能需求共同来体现,其中,非功能需求的实现是可信软件获得用户对其行为实现预期目标能力的信任程度的客观依据.针对可信软件的重要性以及对可信软件的迫切需求,在可信软件的早期需求工程阶段,提出可信软件非功能需求驱动的过程策略选取方法.首先,对可信软件需求进行定义,提出由功能需求和非功能需求中的可信关注点构成可信需求,非可信关注点的非功能需求则定义为软目标,用于表达质量需求,基于模糊集合论和信息熵对可信软件非功能需求进行排序并获取可信关注点和软目标.在此基础上,提出可信软件非功能需求驱动的过程策略选取方法.传统的软件早期需求工程阶段的目标是为了获取满足需求的技术及设计决策,与此不同,本文对可信软件非功能需求进行分析的目标是获取过程策略,从过程角度解决可信软件生产问题.由于非功能需求间复杂的相关关系,尤其是因为存在冲突关系,故提出了基于可满足性问题求解方法推理过程策略的方法,选取满足可信软件非功能需求的过程策略.最后,通过第三方可信认证中心软件的案例,说明所提出方法的可行性.

基于信息熵和攻击面的软件安全度量

对软件实施安全度量是开发安全的软件产品和实施软件安全改进的关键基础。基于Manadhata等(MANADHATA P K,TAN K M C,MAXION R A,et al.An approach to measuring a system's attack surface,CMU-CS-07-146.Pittsburgh:Carnegie Mellon University,2007;MANADHATA P K,WING J M.An attack surface metric.IEEE Transactions on Software Engineering,2011,37(3):371-386)提出的攻击面方法,结合信息熵理论,提出结合信息熵和攻击面的软件安全度量方法,可以有效地利用信息熵的计算方法对软件攻击面的各项资源进行威胁评估,从而提供具有针对性的威胁指标量化权值。在此基础之上,通过计算软件攻击面各项资源的指标值可以实现软件的安全度量。最后,通过具体的实例分析说明结合信息熵和攻击面的方法可以有效地应用于软件的安全开发过程和软件安全改进过程,为软件的安全设计开发指明可能存在的安全威胁,帮助提早避免软件产品中可能存在的漏洞;而对于已经开发完成待实施安全改进的软件则可以指出明确的改进方向。

大学计算机基础教学现状分析及课程改革思路

大学计算机基础课程旨在培养当代大学生的信息素养,其教学模式和教学方法的创新实践是进一步提高教学质量的关键。文章对学生的计算机基础情况以及课程教学现状的网络问卷调查结果进行分析,指出课程改革的主要思路。

数据驱动的双层次软件过程挖掘方法

为了解决软件过程数据因活动信息及案例属性的缺失而无法应用传统过程挖掘方法的问题,以软件过程数据为研究对象,提出了一种双层次的软件过程挖掘方法.在活动层,提出加权结构连接向量模型对过程日志进行向量化,通过平均活动熵来确定过程日志模糊聚类的结果,将聚类结果作为活动信息支持后续挖掘工作的开展;在过程层,以启发式关系度量为基础,针对非完全循环进行研究,提出了过程层单触发序列循环划分的日志完备性条件,并进一步给出了循环归属的度量方法.基于大量真实软件过程数据的实验结果表明了双层次的软件过程挖掘方法的可行性及正确性.

一种软件演化活动波及效应混合分析方法

确定演化活动潜在影响的过程称之为波及效应分析.波及效应分析已经被公认为影响软件演化项目成败的一个关键因素.针对当前波及效应分析准确率不高、各方法存在固有缺陷的问题,提出了一种混合波及效应分析方法,该方法将动态分析方法与文本分析方法相结合,在保持高召回率的基础上,基于演化软件领域知识降低了噪声对分析结果的不利影响,约简了分析范围,提高了查准率.为验证方法的有效性,对开源软件jEdit分别使用动态、静态、基于文本、基于历史演化知识和混合分析方法进行波及效应分析.通过比对实验结果,表明混合波及效应分析方法具有较好的综合性能.

基于Petri网的面向动态演化的软件体系结构建模

为了应对软件动态演化面临的挑战,应提高所建立的软件体系结构模型的动态演化性。以扩展的Petri网为形式化工具,对面向动态演化的软件体系结构进行建模。首先,将Petri网扩展成为构件网结构,并设计有效支持软件动态演化的构件模型和连接件模型;其次,建立软件体系结构的静态视图和动态视图,为软件动态演化的分析和实施奠定基础;最后,通过案例研究表明:该方法是有效的,并可显著提高所建立的软件体系结构模型的动态演化性。

异步通信系统的合理性检测

异步通信系统是一种并发分布式系统,由一组具有无界缓冲区的分布式组件通过异步通信构成。分析异步通信系统的核心问题是检测其合理性,即确保组成系统的分布式组件可以无错误地进行异步通信。然而,基于无界缓冲区的异步通信容易导致异步通信系统产生无穷状态空间,从而使得对无穷状态空间进行穷举分析是不可判定的。鉴于此,提出一种异步通信系统的合理性检测方法,用于分析具有无界缓冲区异步通信系统的合理性。首先,使用标号迁移系统建模分布式组件,并使用异步组合定义基于分布式组件的异步通信系统;其次,根据异步通信系统的特征,提出了三种合理性定义;然后,基于稳定性性质,提出了检测具有无界缓冲区异步通信系统合理性的充分条件;最后,使用进程分析工具实现了所提方法,实验结果表明了所提方法的有效性。

基于对比学习与语言模型增强嵌入的知识图谱补全

知识图谱是由各种知识或数据单元经过抽取等处理而组成的一种结构化知识库,用于描述和表示实体、概念、事实和关系等信息。自然语言处理技术的限制和各种知识或信息单元文本本身的噪声都会使信息抽取的准确性受到一定程度的影响。现有的知识图谱补全方法通常只考虑单一结构信息或者文本语义信息,忽略了整个知识图谱中同时存在的结构信息与文本语义信息。针对此问题,提出一种基于语言模型增强嵌入与对比学习的知识图谱补全(KGC)模型。将输入的实体和关系通过预训练语言模型获取实体和关系的文本语义信息,利用翻译模型的距离打分函数捕获知识图谱中的结构信息,使用2种用于对比学习的负采样方法融合对比学习来训练模型以提高模型对正负样本的表征能力。实验结果表明,与基于来自Transformеr的双向编码器表示的知识图谱补全(KG-BERT)模型相比,在WN18RR和FB15K-237数据集上该模型链接预测的排名小于等于10的三元组的平均占比(Hits@10)分别提升了31%和23%,明显优于对比模型。

基于CS-ANN的软件缺陷预测模型研究

为了提高软件缺陷预测的准确率,利用布谷鸟搜索(cuckoo search,CS)算法的寻优能力和人工神经网络(artificial neural network,ANN)算法的非线性计算能力,提出了基于CS-ANN的软件缺陷预测方法。此方法首先使用基于关联规则的特征选择算法降低数据的维度,去除了噪声属性;然后利用布谷鸟搜索算法寻找神经网络算法的权值,使用权值和神经网络算法构建出预测模型;最后使用此模型完成缺陷预测。使用公开的NASA数据集进行仿真实验,结果表明该模型降低了误报率,并提高了预测的准确率,综合评价指标AUC(area under the ROC curve)、F1值和G-mean都优于现有模型。