多线程死锁静态检测方法研究

来源 :第十四届全国容错计算学术会议 | 被引量 : 0次 | 上传用户:roubaozi320
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  死锁会导致程序无法正常运行或终止,甚至导致系统崩溃,带来不必要的损失。死锁的运行状态空间过大,难于重现和修正等问题使其成为软件领域的难题之一。本文基于对Java多线程程序死锁的分析,提出了多线程死锁静态检测方法。该方法首先通过对待测源程序的预分析,生成抽象语法树和控制流图等辅助分析结构;然后通过可达分析检测程序中线程的并发特征,使用别名分析检测所有可能存在死锁情况。之后,对潜在的死锁集合进行分析,通过门锁分析和并发与逃逸分析,排除其中不可能的死锁情况,逐步缩小死锁集合,提高检测精度。本文通过对225K行代码测试,验证了该方法可有效检测多线程程序中潜在的死锁问题。
其他文献
本文针对传统数字版权管理系统中存在的由于密钥容易丢失和遗忘而造成用户使用不便、非法用户对密钥的窃取和伪造、以及合法用户主动泄漏密钥造成信息提供商在知识版权方面权益的丧失等问题,构建了一种针对对等网络(Peer-to-Peer,P2P)数字版权管理的声纹辅助认证系统。该系统采用随机数字文本提示的方式,进行说话人确认以及基于语音内容的信息确认,并采用SVM模型进行融合判决;针对说话人语音内容不匹配时存
基于加权有限状态转换器的语音解码技术是当前语音识别领域的研究热点之一。利用加权有限状态转换器的相 关理论和算法,可以构建语音静态解码网络,空转移去除 (ε-Removal)是其中重要的一环。传统的ε-Removal 算法并不能保证网络规模最小,这会增加后续语音解码的空间和时间复杂度。本文对传统算法进行了分析,在此基础上提出了“拓扑相关的ε-Removal算法”,根据网络局部拓扑结构选择ε-Remo
作文是汉语考试的必考项目,寻找简单有效的作文自动评分算法无疑可以很大地提高作文阅卷的效率。本文在词汇等级方面研究作文自动评分技术,包括采用现成的分级词汇表方法,以及两种本文提出的词汇等级训练算法,实验结果表明,基于现成的分级词汇表法的作文打分结果与人工打分相关性较差,本文提出的两种词汇等级训练算法打分结果的相关性指标分别接近人的水平和超过人的水平。这表明,作文的用词随着作文题目的变化而变化,固定的
互联网上音频数据量的激增,使音频内容拷贝检测 渐成为热点。本文选取频带能量差异做特征设计了一个基于指纹索引的快速音频拷贝检测系统。系统召回率最差的情况有88.72%,准确率达到100%,对平均待检音频80秒的数据,系统平均检索速率为31秒。实验表明,本系统在几种常用音频变换下依然能取得较好的检出效果,本系统的索引机制与匹配算法也使时间开销大大降低。
本文在主观听感实验的基础上,对普通话转化为西安方言的双字转调规则进行了评价。分析实验数据,可以证 明所研究的双字转调规则基本能够实现普通话到西安方言 的转调,但是个别双字词在转调后与西安方言不一致,需要进一步研究与改正。本文对探索普通话与西安方言的转化具有一定意义。
本文构建了一种三特征流混合动态贝叶斯网络(T_AsyDBN)听视觉情感识别模型,听觉流采用MFCC特征和经过PCA降维的局部韵律特征,视觉流定义了二维面部几何特征和三维面部动作参数特征,并经过PCA降维,形成19维视觉特征。两个听觉特征流在状态层同步,而它们与视觉特征流可以在一定约束条件下异步。在eNERFACE’05听视觉情 感数据库上的情感识别实验表明,通过调整听视觉状态流之间的异步约束,与传
本文对汉语编码文字的定义、特点和用途进行了阐述。汉语编码文字是一种用字母符号拼写汉语的新文字。可作为汉字编码中的输入码和内码。在计算机内部一个字节对应一个字符,一到四个字符对应一个汉字。我们称这种方式是以字符的形式代表汉语,输出时可转换为汉字。由于它又是编码又是可拼音认读的文字,所以叫汉语编码文字。
我们现在所使用的汉字编码,输入码与内码是不一样的。输入码是用字符串表示汉字,而内码是用长度为两个字节或两个以上字节的二进制数表示汉字。内码不包含对应汉字的声、韵、调、义诸信息。人们无法根据内码的值去联系一个汉字,即内码无可读性。这一点与拼音文字在计算机上的应用很不相同。使用拼音文字的人们,他们没有什么输入码和内码,或者说,他们熟悉的文字就是输入码也是内码,根据内码就能理解文字所表达的含义。因此在文
嵌入式移动便携设备由电池供电,而电池容量却受体积和重量的制约,因此嵌入式移动设备的功耗问题成为研究的一个关键问题。本文对手机分别采取WIFI和GPRS两种接入网络策略,研究手机系统功耗的变化,实验结果表明:小流量模式(10Kb/分钟)下两种策略电池使用时间减少约50%,大流量模式(2Mbit/分钟)下能量消耗更快,减少约85%;传输相等的数据量,WIFI模式比GPRS模式省电。本次实验在两台基于A
目标跟踪是无线传感器网络的一项基本应用,而低能量消耗和高跟踪精度是设计目标跟踪算法或协议的主要目标。本文提出一种基于邻域协作的目标跟踪算法来满足此要求。本文首先讨论了感应节点在邻域空间的权重,然后提出一种基于节点权重的加权质心算法来估算目标的位置,通过节点之间的相互协作来确定目标的运动轨迹。模拟结果表明本文所提出的算法在能量消耗和跟踪精度两个方面具有良好的效果。