导读:本文包含了库函数调用识别论文开题报告文献综述及选题提纲参考文献，主要关键词:序列模式,模式发现,隐马尔可夫模型,数据挖掘
库函数调用识别论文文献综述
盛其彬[1]（2008）在《基于HMM的函数调用序列模式发现与识别研究》一文中研究指出由于Windows系统不开放源码且价格相对高昂,很多用户希望能在保持现有Windows应用无缝迁移的前提下转移到Linux上工作。基于此,浙大网新开发了兼容内核,通过在Linux内核实现Windows内核的方法完成Windows软件的兼容支持。为完成对应用的兼容,必须比对Windows和兼容内核的系统函数调用序列,发现Windows函数调用序列模式,并在兼容内核实现中确认和识别这些模式,以此不断完善兼容内核,使兼容内核支持更多的Windows软件。这种思想可广泛应用于程序分析和理解领域。论文研究函数调用序列模式的发现与识别方法。通过对数据挖掘中的序列模式发现的研究,提出一种新的序列模式发现算法。为了识别近似的函数调用序列,提出了一种基于HMM的序列模式识别算法。主要研究工作如下:(1)序列模式的基本模型和经典的发现算法综述,并展现序列模式发现研究领域的应用领域和发展前景。(2)基于序列模式的经典发现算法,本文在PrefixSpan算法基础上提出了一种改进的模式序列发现算法BB-PrefixSpan。BB-PrefixSpan算法的核心思想是用简约投影序列集代替了PrefixSpan算法的投影序列集,同时用隔层投影代替了PrefixSpan算法的逐层投影。实验证明,该算法相对于PrefixSpan算法,时间性能上有很大的提高。(3)本文提出了一种基于隐马尔可夫概率模型的序列模式识别方法。隐马尔可夫模型被广泛应用于语音识别等方面,本文将其应用于函数调用序列模式识别中。理论和实验证明,该算法能够准确的识别未知函数调用序列中的已知模式。(本文来源于《浙江大学》期刊2008-06-01）
王万诚[2]（2005）在《用前馈神经网络对软件理解中函数调用序列的混沌识别》一文中研究指出对有噪声小数据量时间序列的混沌识别,是目前国内外许多应用领域研究的热点与难点。利用BP神经网络的非线性函数逼近能力,对小数据有噪声的时间序列计算最大李亚谱诺夫指数,可判断该序列是否存在混沌现象。本文首创将这一算法经转换应用到软件逆向工程过程的分析中,结果表明,软件逆向工程过程分析中出现的函数(或类)调用序列有些存在、有些不存在混沌现象,这为理解软件系统构建高层结构和抽取重用信息而开发新方法与新技术找到了理论依据。(本文来源于《计算机科学》期刊2005年11期）
库函数调用识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对有噪声小数据量时间序列的混沌识别,是目前国内外许多应用领域研究的热点与难点。利用BP神经网络的非线性函数逼近能力,对小数据有噪声的时间序列计算最大李亚谱诺夫指数,可判断该序列是否存在混沌现象。本文首创将这一算法经转换应用到软件逆向工程过程的分析中,结果表明,软件逆向工程过程分析中出现的函数(或类)调用序列有些存在、有些不存在混沌现象,这为理解软件系统构建高层结构和抽取重用信息而开发新方法与新技术找到了理论依据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
库函数调用识别论文参考文献
[1].盛其彬.基于HMM的函数调用序列模式发现与识别研究[D].浙江大学.2008
[2].王万诚.用前馈神经网络对软件理解中函数调用序列的混沌识别[J].计算机科学.2005