检索结果

Select

1. 云工作流中基于多任务时序卷积网络的异常检测方法

姚杰, 程春玲, 韩静, 刘峥

计算机应用 2021, 41 (6): 1701-1708. DOI: 10.11772/j.issn.1001-9081.2020091383

摘要（398）

PDF （1677KB）（634）

云计算数据中心在日常部署和运行过程中产生的大量日志可以帮助系统运维人员进行异常分析。路径异常和时延异常是云工作流中常见的异常。针对传统的异常检测方法分别对两种异常检测任务训练相应的学习模型，而忽略了两种异常检测任务之间的关联性，导致异常检测准确率下降的问题，提出了一种基于多任务时序卷积网络的日志异常检测方法。首先，基于日志流的事件模板，生成事件序列和时间序列；然后，训练基于多任务时序卷积网络的深度学习模型，该模型通过共享时序卷积网络中的浅层部分来从系统正常执行的流程中并行地学习事件和时间特征；最后，对云计算工作流中的异常进行分析，并设计了相关异常检测逻辑。在OpenStack数据集上的实验结果表明，与日志异常检测的领先算法DeepLog和基于主成分分析（PCA）的方法比较，所提方法的异常检测准确率至少提升了7.7个百分点。

参考文献 | 相关文章 | 多维度评价

Select

2. 面向大规模数据主题建模的方差减小的随机变分推理算法

刘张虎, 程春玲

计算机应用 2018, 38 (6): 1675-1681. DOI: 10.11772/j.issn.1001-9081.2017112786

摘要（404）

PDF （1144KB）（304）

随机变分推理（SVI）已被成功应用于在包括主题模型在内的众多类型的模型。虽然它将推理问题映射到涉及随机梯度的优化问题，使其扩展到处理大规模数据集，但是SVI算法中随机梯度固有的噪声使其产生较大的方差，阻碍了快速收敛。为此，对SVI作出改进，提出一种方差减小的SVI （VR-SVI）算法。首先，采取滑动窗口的方法重新计算随机梯度中的噪声项，构建新的随机梯度，减少了噪声对随机梯度的影响；然后，对提出的算法可在SVI基础上使得随机梯度的方差减小进行证明；最后，讨论窗口大小对算法的影响，并分析算法的收敛性。实验结果表明，VR-SVI算法既减小了随机梯度的方差，又节省了计算时间，可达到快速收敛的效果。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于SilkTest和XML的通用高效的用户界面测试方法

何浩程春玲张征宇张登银

计算机应用 2013, 33 (01): 258-261. DOI: 10.3724/SP.J.1087.2013.00258

摘要（717）

PDF （646KB）（458）

在软件测试中，用户界面(UI)测试是保证软件质量、提高软件可靠性的不可或缺的一部分。针对句柄识别UI的测试方法缺乏稳定性和通用性，通过引入可扩展标记语言(XML),提出了一种基于XML对UI控件识别并测试的改进方法。利用XML处理数据便捷的特点，结合自动化测试工具SilkTest，对传统UI测试进行了改进。并且根据所提方法，针对AutoCAD产品多语言多版本的特点，设计了对其系列产品对话框的自动化测试方案。实验结果表明，改进后的方法能够缩短控件的识别时间，减少了测试脚本的冗余量，提高了测试的效率，也提高了UI识别的稳定性。

参考文献 | 相关文章 | 多维度评价

Select

4. 一种网格混合认证模型的研究

程春玲张登银

计算机应用

摘要（1518）

PDF （862KB）（811）

系统地分析了当前常见信任模型的优缺点，针对网格应用需求提出了一种新的混合认证模型，详细设计了新模型的框架和功能，并对三级认证子系统和域间认证子系统分别进行了仿真验证和性能分析，结果表明混合认证模型能够解决单一密钥机制存在的缺陷，提高网格认证的安全性。