-
公开(公告)号：CN116168323A
公开(公告)日：2023-05-26
申请号：CN202310067028.6
申请日：2023-02-01
Applicant: 大连海事大学
IPC: G06V20/40 , G06V10/82 , G06V10/74 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/049 , G06N3/048 , G06N3/047 , G06N3/088 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种基于时序卷积网络的视频摘要方法，包括：获取视频数据集；基于获取的视频数据集，提取视频特征；将提取的视频特征输入深度摘要网络，捕获视频帧的重要性；通过判别器指导深度摘要网络的训练；对深度摘要网络进行训练；基于训练后的深度摘要网络，进行视频摘要。本发明通过使用时序卷积网络和自注意力的方法来训练视频摘要模型，不仅考虑了视频帧之间的长期依赖关系，还考虑了视频固有的时间顺序属性，并且能够利用GPU并行计算的优势加快训练速度，最后还使用基于GAN的无监督的方法解决了对于人工注释的依赖，可以在一定程度上提高视频摘要传达原始视频含义的能力，并且能够提高摘要效率。
-
公开(公告)号：CN110413792B
公开(公告)日：2022-10-21
申请号：CN201910728451.X
申请日：2019-08-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种高影响力缺陷报告识别方法，本方法将不平衡学习技术与多类分类方法相结合，解决了错误报告组件分类问题。使用四种不平衡处理策略RUS、ROS、SMOTE和Adacost算法来处理数据并获得平衡的数据集。然后使用基于NBM，KNN和SVM分类器的OVO和OVA多类别分类方法对平衡之后的数据集进行错误报告组件分类。通过探究不平衡学习策略和分类别分类算法的不同组合，找到具有错误报告组件分类最佳性能的变体。通过使用错误组件分类来确定为错误报告分配合适的开发人员，从而更好地解决了错误报告的分类问题。该方法不仅可以减少原始训练集的单词维度，提高训练集的质量，也提高错误报告的分类性能。
-
公开(公告)号：CN114968251A
公开(公告)日：2022-08-30
申请号：CN202210405164.7
申请日：2022-04-18
Applicant: 大连海事大学
Abstract: 本发明公开了一种优化参数自动配置方法，包括：从Simulink数据库中获取Simulink模型并获得破环模型，对破环模型进行基本参数配置；采用随机森林建立替代模型，基于遗传算法选择替代模型候选优化序列的一个子集，并将该序列加入到初始优化参数种群中，不断迭代得到最佳优化参数配置；建立替代模型：更新替代模型；选择优化序列，随机初始化固定数量的由优化序列构成的种群，替代模型预测运行时间并使用适应度函数计算种群中每一个优化序列的适应度得分，将适应度得分最高的序列作为优化序列，该序列的参数配置为最优参数配置。
-
公开(公告)号：CN114791878A
公开(公告)日：2022-07-26
申请号：CN202210348499.X
申请日：2022-04-01
Applicant: 大连海事大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于可控断言突变的Simulink软件测试方法，包括：生成测试用例组成稳定的测试用例集并对该稳定的测试用例集进行维护，将该测试用例集放入测试用例池中进行规范化检查；分别打开测试用例集的模型并检查其可用性，采用执行路径覆盖法收集模型的覆盖信息，收集模型中每个模块的输入和输出值并保存，根据变量信息合成判断条件，并依据判断条件加入选择模块，根据马尔可夫链蒙特卡罗算法采样合成多样性区域并加入选择模块不执行分支，最终获得新待测用例；将得到的新待测用例存为变体模型，采用差分测试方法比较变体模型与原始模型从而获得软件中存在的缺陷；该方法也可以有效的发现以往方法发现不了的深层次的软件缺陷。
-
公开(公告)号：CN113158487B
公开(公告)日：2022-04-12
申请号：CN202110501935.8
申请日：2021-05-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于长短期记忆深度网络的波前相位差探测方法，包括：输入某实际光学系统的特征参数并生成训练数据集；根据傅里叶光学原理将训练数据集生成一对焦面PSF图像i1(x,y)和离焦PSF图像i2(x,y)；提取上述一对焦面PSF图像i1(x,y)和离焦PSF图像i2(x,y)的特征向量作为输入数据；提取从实际光学系统收集的PSF图像序列的特征向量；将PSF图像序列按照时序t输入至完成训练的卷积神经网络模型中确定波面畸变相位从而得到一系列的用于训练的畸变相位参数；生成用于LSTM深度网络训练的输入数据和输出数据，初始化网络参数并反复对LSTM深度网络进行训练直至其损失函数收敛。
-
Patent Agency Ranking
公开(公告)号：CN113378176A
公开(公告)日：2021-09-10
申请号：CN202110652749.4
申请日：2021-06-11
Applicant: 大连海事大学
IPC: G06F21/57
Abstract: 本发明公开了一种基于图神经网络检测带有权重偏差的软件漏洞识别方法，包括：将源代码中的单词和符号视为一个节点，将源代码采用构成图表示，获得每个节点的初始特征值和每个图的连接的边的初始特征；将产生的构成图作为输入，最终将获得重置门输出的信息和更新门输出的信息、以及自身节点的信息三者进行合并，再通过Sigmoid激活函数输出节点激活值，作为最终时刻的节点状态；当单词节点被充分更新后所述单词被聚合到函数代码的图形级表示、并基于该表示生成最终漏洞识别结果；使用–Dice系数将有缺陷的软件漏洞损失值最小化，从而识别软件漏洞。
-
公开(公告)号：CN113377537A
公开(公告)日：2021-09-10
申请号：CN202110644077.2
申请日：2021-06-09
Applicant: 大连海事大学
IPC: G06F9/50
Abstract: 本发明公开了一种结合二分图匹配方法与约束求解器的在线多目标资源分配方法，具体包括如下步骤：读取资源持有者集合和资源请求者集合；新到达的实体集合与逾期实体集合更新当前可用实体集合持有资源实体集合与请求资源实体集合如果新到达的请求资源实体可以全部直接使用贪婪方法分配给附近的持有资源实体，此时的逾期实体并不多不需要重新优化分配时，直接进行就进分配，如果逾期实体数量超过设定阈值则采用二分图匹配方法得到最大分配分数；使用约束求解器进行多目标优化得到分配结果。
-
公开(公告)号：CN113158487A
公开(公告)日：2021-07-23
申请号：CN202110501935.8
申请日：2021-05-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于长短期记忆深度网络的波前相位差探测方法，包括：输入某实际光学系统的特征参数并生成训练数据集；根据傅里叶光学原理将训练数据集生成一对焦面PSF图像i1(x,y)和离焦PSF图像i2(x,y)；提取上述一对焦面PSF图像i1(x,y)和离焦PSF图像i2(x,y)的特征向量作为输入数据；提取从实际光学系统收集的PSF图像序列的特征向量；将PSF图像序列按照时序t输入至完成训练的卷积神经网络模型中确定波面畸变相位从而得到一系列的用于训练的畸变相位参数；生成用于LSTM深度网络训练的输入数据和输出数据，初始化网络参数并反复对LSTM深度网络进行训练直至其损失函数收敛。
-
公开(公告)号：CN111723010A
公开(公告)日：2020-09-29
申请号：CN202010538383.3
申请日：2020-06-12
Applicant: 大连海事大学
IPC: G06F11/36 , G06F16/906 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于稀疏代价矩阵的软件BUG分类方法，包括以下步骤：S1：获取软件BUG报告；S2：对软件BUG报告数据进行编码操作，S3：初始化稀疏代价矩阵；S4：使用编码后的数据训练加权极限学习机、使其输出正确的报告分类结果；S5：使用训练好的加权极限学习机求出该加权极限学习机的局部泛化误差；S6：使用差分进化算法中的交叉变异策略产生新的软件BUG稀疏权重矩阵；S7：使用新的稀疏权重矩阵在相同不平衡数据集上训练新的加权极限学习机、S8：直至无法得到更低的局部泛化误差；S9：使用能够得到最低的局部泛化误差的加权极限学习机预测未知的软件BUG报告、得到其相应的报告分类结果。
-
公开(公告)号：CN111291899A
公开(公告)日：2020-06-16
申请号：CN202010104649.3
申请日：2020-02-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于自适应代价矩阵的宽度学习系统不平衡分类方法，将输入数据通过特征映射得到数据特征，将数据特征采用特征映射得到增强特征，将数据特征和增强特征组合进而获取输出权重矩阵Wout采用稀疏代价矩阵W对输出权重矩阵Wout进行改进，获取权重矩阵Wout的最优值 使用优化算法对稀疏代价矩阵进行优化，提高宽度学习系统的准确率和F值，该方法通过对不同的分类数据采用不同的分类代价，一方面使用稀疏代价矩阵为代价学习方法提供了较少的参数，另一方面通过优化算法框架对稀疏代价矩阵进行优化，可以快速获得最优的稀疏代价矩阵的参数。与传统解决不平衡分类方法相比，该方法并没有改变原始数据的分布而采用代价敏感的方法。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.027 seconds)
