排序方式: 共有12条查询结果,搜索用时 328 毫秒
1.
<正> 脑组织切片三维重构是脑研究领域中应用的一项新技术,它和显微图象处理技术相结合可为脑的结构,神经元形态和神经网络研究提供重要的研究手段。近十多年来国外先后建立了类似系统,得到了较广泛的应用,国内近几年来这方面发展迅速,先后采用二叉树数据结构、先序遍历方法,双眼立体图对法等实现了神经元连续切片的计算机三维重构,并给出了三个方向的正则投影,显示了生物组织三维重构的结果。 相似文献
2.
识别关键类可以帮助人们尽快理解不熟悉的软件系统.尽管目前已有一些关键类识别方面的工作,但是大部分方法构建的依赖图是无权的,未考虑类之间交互的种类及次数.有鉴于此,提出了一种基于软件网络加权k-核分析的关键类识别方法.首先,用加权类耦合网络抽象类(接口)、类(接口)间的交互及其次数;然后,引入加权k-核分解方法计算类的加权核数;最后,以加权核数作为类重要性的量度指标,降序排列所有类,并通过过滤得到候选关键类.真实软件上的数据实验验证了本文方法的有效性. 相似文献
3.
4.
基于多目标演化算法的序列密钥生成方法 总被引:1,自引:0,他引:1
将评价密钥流随机性的2个指标作为多目标演化算法的2个优化目标,提出了一种基于多目标演化算法的序列密钥生成方法--MOEASEP.由于该算法基于演化算子的随机特性和多目标演化算法的特点,其生成的密钥流具有高随机性、混沌性和长周期性.实验结果亦表明,利用该方法产生的序列密钥具有良好的性能. 相似文献
5.
识别软件中的关键实体对于人们理解软件,控制和降低维护费用具有重要意义.然而现有的工作基本都是针对关键类识别的,针对关键包、方法/属性等的研究甚少;同时现有的工作也未能揭示关键类与软件外部质量属性间的关系.为丰富现有的工作,本文提出了一种基于加权PageRank算法的关键包识别方法.该方法用加权有向软件网络模型抽象包粒度软件系统,提出新度量PR(PackageRank)从结构角度量度节点重要性,并引入加权的PageRank算法计算该度量值.数据实验部分以六个开源Java软件为例,分析了包的PR值与常用复杂网络中心性指标(介数中心性、接近中心性、度数中心性等)间的相关性;使用加权的SIR(Susceptible-Infectious-Recovered)模型分析了PR所识别关键包的传播影响,并与其它相关方法进行比较,验证了本文方法的有效性;最后,以其中两个软件为例,分析了包的PR值与包可理解性间的关系,进一步验证了本文方法的有效性. 相似文献
6.
7.
测试用例优先级排序技术是一种高效实用的回归测试技术.针对现有排序方法未能有效利用软件结构复杂性信息的不足,提出了一种基于复杂软件网络的回归测试用例优先级排序方法.该方法用加权类依赖网络模型抽象类粒度软件系统,从结构角度测度类引入错误的可能性及错误的严重性,并据此评价类的测试重要性,同时结合测试用例的覆盖信息,对测试用例进行排序.实例研究表明,本文的方法能够显著提高严重错误的发现速率,并且具有较好的稳定性.同时,揭示了方法有效性与软件错误类型和结构度量指标两者间的关系. 相似文献
8.
随着开源生产模式的快速发展,合作开发社区中项目管理者之间的关系也变得越来越复杂.社会网络的分析可以作为组织管理的辅助工具与方法,将其与复杂网络研究结合起来,使人与人之间的相互作用关系变的更加清晰,促进对其拓扑结构的理解.本文通过对SourceForge.net社区中开源软件项目信息进行收集,在项目-管理者二分网络基础上构建管理者合作网络模型,对管理者的度进行分析发现网络呈现明显的核心/边缘结构.因此,我们分别从节点度、介数和拓扑势三个度量指标,进一步对合作网络的结构进行中心性分析,发掘网络的核心人物. 相似文献
9.
10.