軟件工程

2024年10期

收藏成功

微博空間微信

《軟件工程師》雜志創(chuàng)刊于1985年，由東北大學(xué)、計(jì)算機(jī)軟件國(guó)家工程研究中心主辦，月刊，大16開(kāi)本，全國(guó)發(fā)行。國(guó)內(nèi)出版物號(hào)... 展開(kāi)

類型

月刊

類別

學(xué)術(shù)

定價(jià)

促銷信息

全年訂閱更優(yōu)惠!

￥10.00 ￥6.00

原貌版試讀單本購(gòu)買

蛻變測(cè)試技術(shù)綜述 蛻變測(cè)試作為一種新興的軟件測(cè)試技術(shù),近年來(lái)得到蓬勃發(fā)展,并成功應(yīng)用于多個(gè)領(lǐng)域。文章系統(tǒng)地梳理了自2016年以來(lái)蛻變測(cè)試技術(shù)的相關(guān)研究工作。首先,介紹了蛻變測(cè)試技術(shù)的基本概念、原理及其具體實(shí)施過(guò)程。其次,闡述了蛻變關(guān)系的研究現(xiàn)狀,并在此基礎(chǔ)上...

基于深度學(xué)習(xí)的遙感圖像目標(biāo)檢測(cè)吳錦達(dá) 針對(duì)遙感圖像目標(biāo)檢測(cè)因目標(biāo)尺寸小和類別不均衡而導(dǎo)致的誤檢、漏檢和置信度低的問(wèn)題,提出了一種基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法。該方法的核心在于提出細(xì)粒度上下文模塊構(gòu)建主干網(wǎng)絡(luò),設(shè)計(jì)特征分化結(jié)構(gòu)以增強(qiáng)對(duì)應(yīng)尺寸目標(biāo)的特征表達(dá),定義自適應(yīng)雙重焦點(diǎn)損失函數(shù)...
基于過(guò)濾冗余信息相似性的電影推薦算法 現(xiàn)有的基于內(nèi)容相似性的推薦算法在處理文本內(nèi)容時(shí),往往忽略了詞序和上下文信息的重要性,并且計(jì)算復(fù)雜度較高。因此,文章提出了一種基于過(guò)濾冗余信息相似性的啟發(fā)式方法,并成功地將該方法應(yīng)用于電影推薦領(lǐng)域,實(shí)現(xiàn)了更精準(zhǔn)的推薦效果。與其他算法對(duì)比,該算...
基于改進(jìn)YOLOv8的輕量化雜草檢測(cè)模型束艾靜 為了適應(yīng)智能農(nóng)業(yè)的發(fā)展需求,并解決雜草檢測(cè)過(guò)程中常見(jiàn)的效率低和可靠性不足的問(wèn)題,文章提出一種基于改進(jìn)YOLOv8(You Only Look Once)算法的輕量化高性能雜草檢測(cè)模型。基于Ghost Conv(Ghost卷積)設(shè)計(jì)了全新的輕...
開(kāi)集環(huán)境中基于增量學(xué)習(xí)的網(wǎng)絡(luò)流量分類研究 面對(duì)網(wǎng)絡(luò)流量新類別不斷涌現(xiàn)的挑戰(zhàn),以及隨之而來(lái)的開(kāi)集識(shí)別和模型更新需求,文章提出了一種基于增量學(xué)習(xí)的開(kāi)集網(wǎng)絡(luò)流量分類方法。對(duì)于開(kāi)集識(shí)別,支持向量機(jī)和K均值聚類算法的級(jí)聯(lián)結(jié)構(gòu)可以持續(xù)識(shí)別新類和已知類;對(duì)于模型更新,基于候選支持向量篩選的“樣本...
基于可變形注意力機(jī)制的多模態(tài)3D目標(biāo)檢測(cè)算法韓邦彥 3D目標(biāo)檢測(cè)是自動(dòng)駕駛技術(shù)的基礎(chǔ),融合激光點(diǎn)云和圖像等模態(tài)的信息可以有效地提高目標(biāo)檢測(cè)的準(zhǔn)確性和魯棒性。文章改進(jìn)了現(xiàn)有融合激光點(diǎn)云和圖像等模態(tài)信息的3D目標(biāo)檢測(cè)網(wǎng)絡(luò),提出了一種新的并行融合模塊,用于同時(shí)維護(hù)兩種模態(tài)下的特征信息,減少信息損失...
基于改進(jìn)YOLOv5的菌落計(jì)數(shù)算法研究 針對(duì)菌落計(jì)數(shù)問(wèn)題,人工計(jì)數(shù)方法存在效率低、精度不高的問(wèn)題。為了解決這些問(wèn)題,提出了一種改進(jìn)YOLOv5的模型,即YOLOES。該模型通過(guò)添加小目標(biāo)檢測(cè)層,并將Kmeans算法替換為Kmeans++算法,以更好地適應(yīng)不同尺寸的目標(biāo);同時(shí),采用...
基于深度學(xué)習(xí)的電力巡檢目標(biāo)檢測(cè)與追蹤研究 隨著我國(guó)電力行業(yè)的飛速發(fā)展,傳統(tǒng)的人工電力巡檢方式已無(wú)法滿足當(dāng)前行業(yè)的發(fā)展需求。文章提出一種基于深度學(xué)習(xí)的電力巡檢目標(biāo)檢測(cè)與追蹤模型。該模型通過(guò)在YOLOv7中引入CBAM(Convolutional BlockAttention Modu...
基于改進(jìn)多智能體Nash Q Learning的交通信號(hào)協(xié)調(diào)控制 為了優(yōu)化區(qū)域交通信號(hào)配時(shí)方案,提升區(qū)域通行效率,文章提出一種基于改進(jìn)多智能體Nash QLearning的區(qū)域交通信號(hào)協(xié)調(diào)控制方法。首先,采用離散化編碼方法,通過(guò)劃分單元格將連續(xù)狀態(tài)信息轉(zhuǎn)化為離散形式。其次,在算法中融入長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(Lo...

基于UNet的圖像分割研究郁華鑫 為了提高CT圖像中病灶分割的準(zhǔn)確性,輔助醫(yī)生快速診斷和制訂治療方案,文章采用基于UNet網(wǎng)絡(luò)結(jié)構(gòu)的深度學(xué)習(xí)算法,提出了一種在跳躍連接中融入通道域和空間域注意力機(jī)制的方法。此方法增強(qiáng)了高層次特征對(duì)低層次特征的指導(dǎo),以達(dá)到對(duì)小目標(biāo)病灶的關(guān)注。同...
基于TextCNN與多頭注意力機(jī)制增強(qiáng)xDeepFM的互聯(lián)網(wǎng)營(yíng)銷活動(dòng)參與預(yù)測(cè)研究 在當(dāng)前的互聯(lián)網(wǎng)營(yíng)銷環(huán)境中,多數(shù)模型尚未深入分析用戶特征及用戶行為的復(fù)雜性。對(duì)此,文章提出一種基于文本卷積神經(jīng)網(wǎng)絡(luò)(TextCNN)與多頭注意力機(jī)制增強(qiáng)的xDeepFM(eXtreme Deep Factorization Machine)模...
基于覆蓋準(zhǔn)則的多輪測(cè)試用例優(yōu)先排序方法何展翔 針對(duì)測(cè)試用例優(yōu)先排序中存在的覆蓋準(zhǔn)則選擇困難、確定最優(yōu)準(zhǔn)則序列難等問(wèn)題,提出了一種基于擴(kuò)展有限狀態(tài)機(jī)模型的最優(yōu)覆蓋準(zhǔn)則序列排序方法(CWTCP)。該方法首先運(yùn)用鯨魚(yú)優(yōu)化算法挑選出最優(yōu)覆蓋準(zhǔn)則序列,為后續(xù)的排序提供了有力支持;其次將覆蓋準(zhǔn)則序...
基于機(jī)器學(xué)習(xí)的房產(chǎn)估價(jià)模型研究 為合理征收房產(chǎn)交易契稅,需要對(duì)房產(chǎn)做出準(zhǔn)確估價(jià)。鑒于目前的房產(chǎn)估價(jià)研究大多使用傳統(tǒng)評(píng)估方法,為提升房產(chǎn)估價(jià)效果,本研究采用機(jī)器學(xué)習(xí)方法,基于房屋區(qū)位因素、鄰里因素和建筑因素設(shè)計(jì)估價(jià)指標(biāo)體系,使用某市存量房交易數(shù)據(jù),構(gòu)建Random Fore...
一種基于多模態(tài)特征增強(qiáng)網(wǎng)絡(luò)的抑郁癥檢測(cè)方法 針對(duì)傳統(tǒng)的多模態(tài)融合方法在抑郁癥檢測(cè)中忽略了模態(tài)之間的交互性、未能充分提取出更全面的特征表示的問(wèn)題,本研究提出一種基于多模態(tài)特征增強(qiáng)網(wǎng)絡(luò)的抑郁癥檢測(cè)方法,該方法有效地集成了視頻、音頻和遠(yuǎn)程光電容積脈搏(photoplethysmograph...

基于指令流水線的CUDA核函數(shù)時(shí)間預(yù)測(cè)模型 對(duì)CUDA核函數(shù)(CUDA Kernel Function)在靜態(tài)下的評(píng)估預(yù)測(cè)是任務(wù)調(diào)度與程序優(yōu)化的一個(gè)關(guān)鍵組成部分。文章通過(guò)對(duì)CUDA核函數(shù)的PTX(Parallel Thread Execution)進(jìn)行代碼分析和特性建模,精心設(shè)計(jì)了一...