题名 采用回归方法优化网络流量管理模型处理性能
被引量：8
1
作者
邬平 吴斌
机构
云南省科学技术 情报研究院网络管理中心 昆明理工大学计算机技术应用重点实验室
出处
《计算机工程与应用》
CSCD
2012年第4期104-106,110,共4页
文摘
为探索优化网络流量管理性能的有效途径,在分析"深度报文检测和深度流行为检测"网络流量管理模型结构的基础上,确定了影响网络流量管理效率的性能指标及其计算方法,通过实际抽样流量数据计算性能指标值,建立性能指标关系散点图,发现性能指标间呈线性特征,采用多元回归方法建立性能指标估计函数,并利用标准化残差估计方法验证了函数的可用性和适应性,从而得到优化网络流量管理性能的定量计算方法。
关键词
多元回归方法 网络流量管理模型 深度报文检测 深度流行为检测 线性回归函数
Keywords
multivariate regression method network traffic management model deep packet inspection deep flow inspection linear regression function
分类号
TP393
[自动化与计算机技术—计算机应用技术]
题名 基于语法解析树的函数漏洞发现方法
被引量：1
2
作者
陈永艳 束洪春 戴伟
机构
昆明理工大学 计算 中心昆明理工大学 研究生院昆明理工大学 省计算机 技术 应用 重点 实验室
出处
《计算机科学》
CSCD
北大核心
2013年第8期119-123,135,共6页
基金
国家自然科学基金项目(11103005)资助
文摘
大多数行业定制软件的漏洞检测较困难,而传统的静态漏洞检测方法会产生很多错误的和虚假的信息。针对函数调用前后存在的漏洞问题,提出了基于上下文无关的自顶向下与自底向上相结合的语法解析树的方法,它能够在对函数内部定义不了解或者部分了解的情况下,解析函数调用前后安全契约规则:前置规则和后置规则。同时通过扩展规则表示的XML文法来表示面向对象下,规则中的属性存在继承关系下的契约规则。实验表明,与同类型安全分析工具比较,该方法具有避免函数重复分析、规则可扩展性良好、尤其在自定义对象类和特定环境下自定义参数准确率高等优点。
关键词
函数弱点 继承关系 契约规则 语法解析树
Keywords
Function vulnerability Inheritance relationship Contract rules in inherent Parse tree
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 基于WEB的网络性能监视工具
被引量：5
3
作者
萧幪 丁志强
机构
昆明理工大学计算机技术应用重点实验室
出处
《计算机工程与应用》
CSCD
北大核心
2001年第2期61-64,共4页
文摘
文章依照一个基于Web的网络管理模型，针对计算机网络性能管理功能域中的性能监视功能进行了分析，开发了一个网络性能监视工具。
关键词
网络管理模型 计算机网络 网络性能监视工具 WEB
Keywords
： Module of Network Management，Performance Monitor，Web，Java
分类号
TP393.07
[自动化与计算机技术—计算机应用技术]
题名 海量异构科技文献信息资源的非结构化存储研究
被引量：5
4
作者
李鹏程 刘应波 王锋 文若瑾
机构
昆明理工大学计算机技术应用重点实验室 云南省科学技术 情报研究院
出处
《计算机应用与软件》
北大核心
2018年第5期73-77,88,共6页
基金
国家自然科学基金项目(61462053 11703010) 中国博士后科学基金项目(2016M602730)
文摘
在大数据环境下,科技文献信息资源具有分散、异构、动态、海量等特性,为解决传统关系型数据库存储这些数据时面临的不易扩展、性能较低等难题,进行了以非关系型数据库为核心的异构科技文献信息资源存储研究。形式化描述科技文献资源的结构;在此基础上研究非关系型数据库存储异构文献信息资源的可行性数据模式;结合科技文献信息资源的特点设计面向异构资源的No SQL(Not Only SQL)适配器来融合现有存量信息资源。实验验证了No SQL适配器的高效性以及非关系型数据库存储科技文献信息资源时的可行性、高性能以及高扩展性。
关键词
元数据 科技文献 资源服务 存储 可扩展性
Keywords
Metadata Scientific and technological literature Resource service Storage Extensibility
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
题名 一种半监督学习的代码自动生成性能评估方法
被引量：3
5
作者
张晓江 姜瑛
机构
昆明理工大学 云南计算机 技术 应用 重点 实验室 昆明理工大学 信息工程与自动化学院
出处
《小型微型计算机系统》
CSCD
北大核心
2021年第3期647-654,共8页
基金
国家重点研发计划项目(2018YFB1003904)资助 国家自然科学基金项目(61462049,61063006,60703116)资助 +1 种基金 云南省应用基础研究计划重点项目(2017FA033)资助 云南省教育厅科学研究基金项目(2020Y0087)资助。
文摘
为了提高软件开发的质量和效率,代码自动生成是当前的研究热点,代码自动生成的性能是其中的重要问题.现有代码自动生成的性能分析方法较简单,难以评估代码自动生成过程中程序员与代码自动生成工具各自的特征.本文综合考虑了代码自动生成过程中程序员与代码自动生成工具的作用,提出了一种基于半监督学习的代码自动生成性能评估方法,通过抽取程序员行为与代码自动生成工具行为的重要特征,划分代码自动生成的性能类别,建立了基于深度神经网络的代码自动生成过程性能评估模型,并计算程序员行为特征与代码自动生成工具行为特征对性能的影响程度.实验结果表明,该方法可以有效分析程序员行为与代码自动生成工具行为对代码自动生成过程性能的影响.
关键词
代码自动生成 性能评估 半监督学习 性能类别 程序员 代码自动生成工具
Keywords
automatic code generation performance evaluation semi-supervised learning performance category programmer automatic code generation tool
分类号
TP391
[自动化与计算机技术—计算机应用技术]
