-
公开(公告)号：CN102193864A
公开(公告)日：2011-09-21
申请号：CN201110126632.9
申请日：2011-05-13
Applicant: 南京大学
IPC: G06F11/36
Abstract: 基于覆盖度的错误定位技术的测试用例集优化方法，对于给定的测试用例集T，通过聚类从中识别偶然性正确测试用例，所述偶然性正确测试用例指错误语句被执行，但执行结果仍然为“通过”的测试用例，对识别出的偶然性正确的测试用例进行处理，得到优化的测试用例集用于基于覆盖度的错误定位。本发明的有益效果是：在约简了原测试用例集的大小的同时优化了测试用例集的质量，减少了偶然性正确的测试用例对基于覆盖度的错误定位的干扰作用，从而提高了自动化错误定位的效率和准确度，节省了程序员寻找错误的时间成本。
-
公开(公告)号：CN102063374A
公开(公告)日：2011-05-18
申请号：CN201110003162.7
申请日：2011-01-07
Applicant: 南京大学
IPC: G06F11/36
Abstract: 一种使用半监督信息进行聚类的回归测试用例选择方法，记录测试用例的执行覆盖信息，生成函数执行剖面，以量化形式表示测试用例；通过对历史测试结果的分析，获得测试用例之间的约束关系并应用半监督聚类算法分析测试用例，了解它们执行情况的异同，理解程序行为及测试用例之间的联系，在回归测试阶段有效降低测试用例数量并保持足够高的错误检测能力。本发明基于数据挖掘技术，通过测试用例所展现出的程序行为的内在联系来理解程序，使得测试用例的选择变得更加容易和自动化，从而可以更有效的使用这些测试用例进行回归测试，提高了测试用例选择的精确度，提高了回归测试的效率。
-
公开(公告)号：CN101826114A
公开(公告)日：2010-09-08
申请号：CN201010182844.4
申请日：2010-05-26
Applicant: 南京大学
Abstract: 一种基于多马尔可夫链的内容推荐方法，利用用户的点击流信息建立马尔可夫模型，同时利用用户的背景信息建立用户关系矩阵。然后对相似的马尔可夫模型进行合并，并根据用户关系矩阵得到的相似用户集合的点击流对合并后的马尔可夫模型的零行进行稀疏项的填充。本发明为一种网络上的个性化信息推荐技术，根据用户的兴趣特点，行为，以及个人资料向用户推荐感兴趣的商品和信息，在庞大的数据中为用户推荐其所感兴趣的信息和商品，减少浏览的时间，同时解决的了协同推荐中用户评分项相对较少，并且有很多稀疏项的问题，提高了推荐的精确度。
-
公开(公告)号：CN101814055A
公开(公告)日：2010-08-25
申请号：CN201010139848.4
申请日：2010-04-06
Applicant: 南京大学
IPC: G06F11/36
Abstract: 一种测试用例聚类取样方法，基于观测的软件测试技术中的聚类过滤技术，在类簇中挑选测试用例进行验证，根据验证结果计算其所执行的语句的可信度，判断是否可疑语句，可疑语句构成可疑语句集合；根据可疑语句集合计算该类簇中剩余测试用例失败的可能性，挑选失败可能性最高的测试用例，验证结果并重新计算各语句的可信度，更新可疑语句集合，对未验证的测试用例重复取样过程，直到该类簇中所有剩余测试用例的失败可能性都为0。本发明取样剩余的测试用例均不再验证其结果，实现了测试用例的约简，节约了人工验证测试结果的时间和精力，同时确保被取样的测试用例中失败测试用例占很大比例，语句的可信度值可以用来帮助测试人员进行错误定位。
-
公开(公告)号：CN101526917A
公开(公告)日：2009-09-09
申请号：CN200910026395.1
申请日：2009-04-22
Applicant: 南京大学
IPC: G06F11/36
Abstract: 一种基于数据驱动的测试脚本繁殖方法，获取自动化测试工具录制的原脚本，对其进行剖析，得到录制的原脚本中的对象元素，然后产生新的测试数据，根据新的测试数据按原脚本基本流程产生一批新的测试脚本，最后生成自动化测试工具能够识别的批量脚本，然后将批量脚本直接导入自动化测试工具即可完成测试过程。本发明基于数据驱动的测试脚本繁殖方法在业务逻辑处理并不是非常复杂的前提下，对于数据处理占更大比重的软件来说，对测试工具录制的脚本进行剖析、编码，通过数学算法提高了测试用例集的性能，简化了手工测试操作流程，使得大量的手工测试可以化繁为简，从而提高了测试工作的效率，一定程度上向自动化测试又更迈进了一步。
-
Patent Agency Ranking
公开(公告)号：CN118760579A
公开(公告)日：2024-10-11
申请号：CN202410651012.4
申请日：2024-05-18
Applicant: 南京大学
IPC: G06F11/36 , G06F18/23213 , G06F18/25 , G06F18/22 , G06F40/16
Abstract: 本发明涉及一种结合文本和截图信息的移动众包测试报告聚类、排名与概要方法。该方法首先使用SBERT和金字塔空间匹配算法分别获得文本和截图的向量化表示，然后通过混合策略得到基于文本和截图的综合向量表示。在聚类阶段，使用最远点采样算法选择核心报告，并以这些报告为聚类中心，通过k‑means算法对报告进行聚类。在排名及概要/总结阶段，首先利用Pagerank算法获取每个聚类中报告的排名；在概要阶段以核心报告的信息为主，其他报告的文本和截图信息为辅，使用杰卡德距离衡量报告中句子的差异性，根据压缩比k逐步提取信息以补充核心报告，并为每个聚类生成一份信息丰富的概要报告。本发明目的在于解决目前存在的众包测试平台审查人员审查测试报告的难题，进而帮助软件研发人员提高软件测试效率，保障软件质量。
-
公开(公告)号：CN117215906A
公开(公告)日：2023-12-12
申请号：CN202210715711.1
申请日：2022-06-02
Applicant: 南京大学
IPC: G06F11/36 , G06T7/73 , G06T7/13 , G06T7/155 , G06T7/80 , G06T5/00 , G06V20/62 , G06V10/44 , B25J9/16
Abstract: 一种基于机械臂仿真与深度界面理解的移动测试脚本录制回放的方法，包括图像处理模块、深度界面理解模块、录制回放模块。图像处理模块包括对摄像头进行标定，产提取摄像头参数与畸变参数，以及通过图像增强算法对模糊的图片进行清晰度提升。深度界面理解模块由一个测试物体识别器与一个控件识别器组成，测试物体识别器通过轮廓检测检测测试物理的轮廓，并将测试物体从图像中截取；控件识别器包括图片识别与文字识别，图片识别器在图中根据边缘分割图像，将图像划分为各个部分，识别目标控件，文字识别器负责提取文本。在录制回放模块，我们通过记录图片点击存储测试行为的坐标与点击控件，并生成相应的机械臂行为指令，通过SSH传输协议将指令传送给机械臂后，机械臂利用逆运动学公式对行为指令进行转换，实现对测试脚本的回放。
-
公开(公告)号：CN117197605A
公开(公告)日：2023-12-08
申请号：CN202210616477.7
申请日：2022-06-01
Applicant: 深圳慕智科技有限公司 , 南京大学深圳研究院
IPC: G06V10/774 , G06T3/40 , G06T5/00 , G06T7/00 , G06T19/20
Abstract: 一种基于基于工业缺陷特征的图像扩增方法，通过分析工业图像采集过程，模拟光源类别、镜头参数、相机姿态角变化与传感器特点，从而得到不同工业生产环境下的真实样本；同时提取工业缺陷形态特征，分析缺陷产生原因并进行归纳，模拟缺陷损伤程度、大小、长短、方向与方位变化等，从而得到工业多样性特征下的真实样本，最后通过模拟真实工业环境扩增图像对目标检测模型进行强化训练，提升模型识别的精度与泛化能力。
-
公开(公告)号：CN117133272A
公开(公告)日：2023-11-28
申请号：CN202311214187.0
申请日：2023-09-19
Applicant: 南京大学
Abstract: 本发明公开了一种面向场景特征的语音识别系统的测试方法，属于软件测试领域。该方法包括如下步骤：针对DNN驱动的语音识别系统定义蜕变关系；采用能够从原始语音数据中生成真实语音数据的语音转换算子实现所述蜕变关系；针对语音转换算子转换时语音数据出现失真，通过计算余弦相似度并设置相似度阈值Tcs来控制转换后语音数据的失真程度；为防止出现语音识别模型生成的语音与原始语音有显著差异，而所述语义保留步骤是有效的，使用基尼不纯度来度量测试用例混淆被测试模型的可能性；使用生成的测试用例进行测试，包括：使用生成的语音去对语音识别系统进行测试，获取识别结果，所述识别结果的评估指标包括词语错误率WER和词语正确率WCR。
-
公开(公告)号：CN116228986A
公开(公告)日：2023-06-06
申请号：CN202310284200.3
申请日：2023-03-22
Applicant: 南京大学
IPC: G06T17/00 , G06T15/00 , G06T19/00 , G06T3/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于局部到全局补全策略的室内场景光照估计方法，该方法旨在从单张限制视角室内场景图片的任意位置估计出光照情况，并将室内场景光照估计问题分解为三个子任务：基于深度的图像变形、低动态范围(low dynamic range，LDR)全景图补全和高动态范围(high dynamic range，HDR)重建。基于第二个子任务，该方法提出一种从局部到全局的全景图补全策略，该策略首先对第一阶段变形后输出的稀疏的全景图进行深度引导的局部补全，以填补小而密集的空洞；之后通过立方体贴图投影法和一个能够拟合长距离依赖关系的transformer网络(称作PanoTransformer)进行合理的全局补全；最终能够在输入图片任意位置恢复出物理上合理且带有纹理细节的全景图，以捕捉空间变化的室内光照。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.025 seconds)
