-
公开(公告)号：CN113138924A
公开(公告)日：2021-07-20
申请号：CN202110440403.8
申请日：2021-04-23
Applicant: 扬州大学
IPC: G06F11/36 , G06F16/35 , G06F16/951 , G06N3/04
Abstract: 本发明公开了一种基于图学习的线程安全代码识别方法，属于软件测试领域；具体包括：构建得到线程安全数据集；将线程安全数据集中的类转化为可供分析的域访问图；构建以域访问图为输入、以分类标签为输出的GMN神经网络模型；采用匹配池对构建的GMN神经网络模型进行训练，得到训练好的GMN神经网络模型；将待安全识别的类对应转化成域访问图，而后输入至训练好的GMN神经网络模型，得到识别结果；本发明使用域访问图的结构，充分体现了并发程序中不同的访问关系，基于训练好的GMN神经网络模型的注意力机制进行跨图匹配，达到对线程安全代码的识别，更具普适性，通用性，且极大地提升了预测结果的准确性。
-
公开(公告)号：CN109165155B
公开(公告)日：2021-06-22
申请号：CN201810637180.2
申请日：2018-06-20
Applicant: 扬州大学
Abstract: 本发明公开了一种基于聚类分析的软件缺陷修复模板提取方法，属于软件维护领域，步骤如下：首先定义bug的细粒度修改模式，并识别出每个bug相关的细粒度修改模式；接着对每个bug相关的细粒度修改模式的程序元素进行捕获；之后获取每个bug的顶层修改模式多重集，然后进行层次聚类分析，获得聚类后的多个顶层修改模式多重集；之后获取每个顶层修改模式多重集对应的新的修改模式多重集；再根据程序元素之间的关系获取修改模式多重集图；然后对修改模式多重集图进行分割优化，获得修改模式聚类；最后根据修改模式聚类构建软件缺陷修复模板。本发明的方法获得的修复模板具有语义特征，其普适性和通用性更强，提高了缺陷修复的效率和精度。
-
公开(公告)号：CN112463424A
公开(公告)日：2021-03-09
申请号：CN202011265976.3
申请日：2020-11-13
Applicant: 扬州大学
Abstract: 本发明公开了一种基于图的端到端程序修复方法，属于软件调试领域，该方法包括：缺陷数据集构建；缺陷程序切片；缺陷代码图嵌入；构建和训练Graph2Seq模型；利用训练好的Graph2Seq模型生成修复补丁并验证补丁的正确性。本发明提出的方法使用图表征代码，可以充分挖掘代码缺陷语句及其上下文之间的语法、语义关联，更好地学习缺陷的特征，从而生成质量更高、可读性更强的修复补丁，达到自动修复程序缺陷的目的，能极大提升自动程序修复的效率。
-
公开(公告)号：CN111897946A
公开(公告)日：2020-11-06
申请号：CN202010652542.2
申请日：2020-07-08
Applicant: 扬州大学
IPC: G06F16/335 , G06F21/57 , G06F8/658
Abstract: 本发明公开了一种漏洞补丁推荐方法、系统、计算机设备和存储介质，方法包括：构建漏洞修复数据集，包括漏洞代码及对应的漏洞补丁源代码、漏洞类型特征、文档注释以及测试样例；构建并训练预训练模型；采集待修复的含有漏洞的代码片段及其对应的漏洞类型特征，构建补丁搜索空间；对补丁进行优先级排序，基于该顺序为待修复的代码片段推荐补丁。本发明充分利用漏洞的特征类型，一方面更好的进行预训练模型的构建，发挥预训练模型的优势，另一方面，有利于减少补丁搜索空间，更快速的获取所需补丁。此外，本发明充分利用预训练模型在自然语言方面的优势，结合代码和文本两个部分，进行预训练模型的构建和训练，很好的克服了人为规定等方式的不足。
-
公开(公告)号：CN111611963A
公开(公告)日：2020-09-01
申请号：CN202010473892.2
申请日：2020-05-29
Applicant: 扬州大学
Abstract: 本发明公开了一种基于近邻保持典型相关分析的人脸识别方法，其包括以下步骤：1：输入人脸训练数据集X∈Rm×N，Y∈Rn×N，通过近邻保持学习计算图像的近邻权重重建矩阵Ux和Uy；2：采用典型相关分析寻找两组投影向量wx和wy，用最优化方法将近邻保持引入典型相关分析的框架之中，利用广义特征值分解计算投影矩阵Wx和Wy；3：采用两种特征融合策略对测试人脸图像的低维投影和 进行融合；4：利用最近邻分类器将融合后的特征用于人脸识别。本发明通过近邻保持学习人脸邻近权重重建矩阵，用最优化方法将近邻保持引入典型相关分析框架中，再利用人脸的标签信息，这样提取出的人脸特征不仅最大化了不同人脸间的相关性，而且还最大可能地保持了人脸的邻域结构，提高了人脸识别能力和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN111309607A
公开(公告)日：2020-06-19
申请号：CN202010087773.3
申请日：2020-02-12
Applicant: 扬州大学
Abstract: 本发明公开了一种代码方法级别的软件缺陷定位方法，属于软件维护领域，该方法包括：构建并训练seq2seq模型；基于seq2seq模型构建缺陷定位模型；构建缺陷定位模型的训练样本；利用训练样本训练缺陷定位模型；利用训练后的缺陷定位模型预测缺陷报告中的缺陷方法。本发明提出的方法采用历史数据和深度学习技术相结合训练一个缺陷定位模型，并利用seq2seq模型确定该缺陷定位模型中代码编码器的参数，将代码方法注释作为监督信息，信息量丰富，很好地达到了在方法级别上定位软件缺陷的目的，能极大提升软件缺陷修复的效率。
-
公开(公告)号：CN109886053A
公开(公告)日：2019-06-14
申请号：CN201910090742.0
申请日：2019-01-29
Applicant: 扬州大学 , 扬州国脉通信发展有限责任公司
Abstract: 本发明公开了一种基于NB-IoT技术的车位检测装置及检测方法，其中装置包括用于检测电子标签RFID天线模块，用于调节RFID天线模块的功率以控制RFID天线模块的识别范围，并识别车位及车辆信息的RFID读卡器模块，用于探测车位上是否有车辆驶入或驶离的地磁传感器模块，用于储存数据信息并控制NB-IoT模块进行数据传输的单片机，用于将单片机输出的数据信息发送至云平台的NB-IoT模块。本发明通过RFID读卡器模块配合地磁传感器模块提高了车辆识别率；且通过采用RFID圆极化天线，增大天线识别范围，能够有效克服汽车金属底盘对信号传输的干扰，进而有效检测到电子标签，同时通过调节读卡器的发射功率来控制天线的识别范围，有效解决了停车过程中各车位之间互干扰问题。
-
公开(公告)号：CN109884965A
公开(公告)日：2019-06-14
申请号：CN201910168248.1
申请日：2019-03-06
Applicant: 扬州大学
IPC: G05B19/048 , G08B21/06
Abstract: 本发明公开了基于物联网的驾驶员生理参数监测与安全预警云控系统，包括依次相连的车载模块、GPRS模块、云端数据库、云端监控平台；车载模块，用于提供待测对象的个人信息、用于评价待测对象疲劳状态的生理参数信息以及车辆信息；GPRS模块，用于将车载模块提供的数据传输至云端数据库；云端数据库，用于接收并存储GPRS模块传输的数据；云端监控平台，用于进行数据实时监测、历史数据查询和预警。本系统云端数据库存储各项数据，通过云端监控平台访问云端数据库数据并以可视化图表的形式展现，一方面促进更有效的数据分析与价值信息挖掘，为监控人员提供了有力的数据支持，另一方面平台的可视化大大减少了人力投资，提高了运输公司监管的效率与便捷程度。
-
公开(公告)号：CN109492106A
公开(公告)日：2019-03-19
申请号：CN201811346186.0
申请日：2018-11-13
Applicant: 扬州大学
Abstract: 本发明公开了一种文本代码相结合的缺陷原因自动分类方法，包括以下步骤：首先提取缺陷报告中的文本内容及附录中的patch文件，之后进行数据清洗形成缺陷数据集；选取状态为VERIFIED FIXED且附有patch文件的缺陷，构建待分类缺陷集；抽取待分类缺陷集中缺陷的文本内容并进行自然语言处理，之后对其进行类别标注，构建缺陷原因分类集；从patch文件中抽取缺陷修复前、后的diff代码，获取缺陷修复中修改的diff代码对应的缺陷修改结构类别；利用深度学习方法对缺陷原因分类集进行训练，获取缺陷原因自动分类器。本发明通过深度学习模型挖掘缺陷报告的语义信息和diff结构特征，能准确预测缺陷的原因类别，明确发生缺陷的可疑代码结构，从而更准确的引导后续的缺陷定位和缺陷修复。
-
公开(公告)号：CN109376092A
公开(公告)日：2019-02-22
申请号：CN201811412560.2
申请日：2018-11-26
Applicant: 扬州大学
Abstract: 本发明公开了一种面向缺陷补丁代码的软件缺陷原因自动分析方法，包括以下步骤：首先从缺陷库中抽取已修复缺陷的缺陷报告和修复代码文件，获得缺陷数据集；之后根据缺陷产生原因类别对缺陷数据集进行分类标记；再利用代码区分工具从修复代码文件中划分出与修复相关的代码块；接着从代码块中提取代码元素术语、修复模式；之后构建缺陷修复代码的修复树；然后将修复树转化为向量形式；最后通过卷积神经网络模型自动学习获取缺陷的原因分类模型。本发明的方法从多个角度表示缺陷的修复代码，充分利用了修复代码中包含的概念知识，并且将这种表示与缺陷原因分类联系在一起，得到缺陷原因自动分类模型，能够更有效地辅助开发者定位和修复缺陷。
-
-
-
-
-
-
-
-
-
Search Results
285
records
(took 0.028 seconds)
