-
公开(公告)号：CN103198016B
公开(公告)日：2016-08-03
申请号：CN201310099997.6
申请日：2013-03-26
Applicant: 哈尔滨工业大学
IPC: G06F11/36
Abstract: 基于联合依赖概率建模的软件错误定位方法，本发明涉及计算机程序分析领域。本发明是要解决传统的软件错误定位方法定位精度低的问题，而提供了基于联合依赖概率建模的软件错误定位方法。步骤1：分别执行正确测试用例和错误测试用例，并分别对正确测试用例和错误测试用例建立联合依赖概率模型；步骤2：在步骤1的基础上，根据联合依赖概率模型，计算每个节点的可疑度；步骤3：将错误定位信息按可疑度进行降序排列，可疑度高的节点认定为更有可能出错的节点，即完成了对基于联合依赖概率建模的软件的错误进行定位。本发明应用于计算机程序分析领域。
-
公开(公告)号：CN103136103A
公开(公告)日：2013-06-05
申请号：CN201310099877.6
申请日：2013-03-26
Applicant: 哈尔滨工业大学
IPC: G06F11/36
Abstract: 一种面向错误定位需求的测试用例约简方法，涉及一种面向错误定位需求的测试用例约简方法，属于软件动态测试领域，解决为软件错误自动定位提供有效的测试用例，进而提高错误定位精度的问题。包括如下步骤：用于数据预处理的步骤；基于语句覆盖向量和错误定位需求向量的用于测试用例约简的步骤；基于执行路径信息的用于测试用例约简的步骤；得到约简后的测试用例集。本发明可以为C，Java程序提供有效的测试用例，以提高错误定位的精度。
-
公开(公告)号：CN102773803A
公开(公告)日：2012-11-14
申请号：CN201210295171.2
申请日：2012-08-17
Applicant: 哈尔滨工业大学
IPC: B24B53/06
Abstract: 大磨粒金刚石砂轮精密修整方法，它涉及一种金刚石砂轮加工方法。该方法解决现有的传统精密加工硬脆材料存在的效率低、成本高的问题。所述方法包括以下步骤：步骤一、将方形Cr12钢块放置在纵向磁性工作台上，通过数控程序控制大磨粒金刚石平行砂轮以横向进给磨削的方式平面磨削加工Cr12钢块；步骤二、将装有杯形金刚石滚轮的修整轴装夹在夹具上，然后将其吸附在机床磁性工作台上，运用修整系统自带的变频器控制调节杯形金刚石滚轮的转速，将转速调1200-1800r/min，通过杯形修整滚轮与大磨粒金刚石平行砂轮1的相对运动。本发明用于大磨粒金刚石砂轮精密修整。
-
公开(公告)号：CN102059349B
公开(公告)日：2012-07-25
申请号：CN201010549057.9
申请日：2010-11-18
Applicant: 哈尔滨工业大学
IPC: B23B1/00
Abstract: 采用金刚石刀具超精密车削模具钢材料的加工方法，它涉及一种模具钢材料的加工方法。本发明为了解决现有的金刚石与模具钢材料之间的热化学作用，使得金刚石刀具快速磨损，导致切削加工失败的问题。本发明对工件进行调质处理，然后进行预处理；对工件表面进行渗氮处理，加入稀土渗剂，渗氮温度为540-580℃，保温时间为4-8小时，炉压为650Pa，电压为650V；采用圆弧半径为3mm的金刚石刀具对模具钢材料的工件表面进行车削预加工处理；确定金刚石刀具的参数；将渗氮处理后的工件进行金刚石超精密车削加工，工件夹装在机床主轴上，金刚石刀具固装在刀座上，金刚石刀具通过Z向导轨和X向导轨的复合运动实现对模具钢材料的工件的加工。本发明适用于对模具钢材料的加工。
-
公开(公告)号：CN102059349A
公开(公告)日：2011-05-18
申请号：CN201010549057.9
申请日：2010-11-18
Applicant: 哈尔滨工业大学
IPC: B23B1/00
Abstract: 采用金刚石刀具超精密车削模具钢材料的加工方法，它涉及一种模具钢材料的加工方法。本发明为了解决现有的金刚石与模具钢材料之间的热化学作用，使得金刚石刀具快速磨损，导致切削加工失败的问题。本发明对工件进行调质处理，然后进行预处理；对工件表面进行渗氮处理，加入稀土渗剂，渗氮温度为540-580℃，保温时间为4-8小时，炉压为650Pa，电压为650V；采用圆弧半径为3mm的金刚石刀具对模具钢材料的工件表面进行车削预加工处理；确定金刚石刀具的参数；将渗氮处理后的工件进行金刚石超精密车削加工，工件夹装在机床主轴上，金刚石刀具固装在刀座上，金刚石刀具通过Z向导轨和X向导轨的复合运动实现对模具钢材料的工件的加工。本发明适用于对模具钢材料的加工。
-
Patent Agency Ranking
公开(公告)号：CN118015657B
公开(公告)日：2025-04-18
申请号：CN202410154316.X
申请日：2024-02-02
Applicant: 哈尔滨工业大学
IPC: G06V40/10 , G06V10/74 , G06V10/44 , G06N3/0455 , G06N3/0499 , G06N3/088
Abstract: 本发明公开了基于模态不变性建模的无监督行人重识别方法及系统，属于行人重识别技术领域。通过利用模态间风格迁移模型对图像风格进行处理；利用模态对比损失提升在线编码器对模态差异的鲁棒性；计算原始图像与最相似的k个图像之间的特征相似度，计算对应生成图像与对应k个生成图像之间的特征相似度；基于两组特征相似度计算模糊性并选择可靠图像；利用簇对比损失函数、困难样本对比损失函数和模态对比损失函数对在线编码器进行优化并更新平均编码器；最后对待测数据进行特征提取，以在跨模态场景中确定具有指定身份的行人图像。本发明解决了现有技术通常会受到困难样本和噪声标签影响的技术问题，优化了跨模态行人重识别场景中的综合性能。
-
公开(公告)号：CN111797242B
公开(公告)日：2023-04-07
申请号：CN202010611989.5
申请日：2020-06-29
Applicant: 哈尔滨工业大学
IPC: G06F16/36 , G06F16/34 , G06F40/295 , G06F40/284
Abstract: 本发明公开了一种基于代码知识图谱和知识迁移的代码摘要生成方法，所述方法如下：1、抽取并融合多源数据构建代码知识图谱；2、利用代码解析工具生成抽象语法树，遍历抽象语法树中的方法调用节点获取API调用序列；3、从代码知识图谱中搜索API调用序列中的API描述信息；4、挖掘大规模开源项目，构建API序列摘要生成数据集，训练文本摘要生成模型，学习与API功能相关的背景知识；5、构建代码摘要生成模型；6、在代码摘要数据集上训练代码摘要生成模型，并利用该模型生成代码摘要。本发明将代码知识图谱和知识迁移用于代码摘要生成任务，能加强模型提取代码功能语义信息的能力，辅助模型理解代码，提高代码摘要生成质量。
-
公开(公告)号：CN111783100B
公开(公告)日：2022-05-17
申请号：CN202010576421.4
申请日：2020-06-22
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于图卷积网络对代码图表示学习的源代码漏洞检测方法，所述方法如下：生成代码属性图；在代码属性图中添加函数调用关系和过程间依赖关系；根据漏洞关键点获取代码切片；利用切片对图中节点进行删减，提取与漏洞相关的图结构信息；使用图卷积网络学习每个节点的向量表示；根据边的类型划分子图，并通过基于注意力机制的READOUT模型得到图的向量表示；根据图的向量表示和标签调整网络参数；用训练好的模型检测代码漏洞。本发明能充分利用和学习漏洞代码的结构和属性信息，避免传统深度网络在对代码表示学习时易丢失代码结构信息及因需要把代码表示成固定长度序列而丢失长代码上下文信息的问题，有助于降低漏洞检测的误报和漏报。
-
公开(公告)号：CN113031117A
公开(公告)日：2021-06-25
申请号：CN202110264665.3
申请日：2021-03-11
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于热图像分析的城市开放空间室外人体热舒适预测方法。本发明涉及城市设计与建筑环境技术领域；本发明对城市开放空间进行网格化处理，得到多个区域；收集主观人体热感觉评价数据；基于采集到的城市开放空间的热图像，提取热图像中的城市开放空间表面温度；采用卷积神经网络建立城市开放空间热图像与人体热舒适之间的映射关系，对人体热舒适进行预测。本发明解决了传统室外空间热舒适预测方法中诸多站点布置所产生的人力资源和经济资源消耗，本发明利用机器学习算法将城市开放空间表面温度与空气温度和人体热感觉直接联系起来，减少了传统室外空间热舒适预测评价过程中繁杂的数据处理过程，进一步缩减了预测误差。
-
公开(公告)号：CN111783100A
公开(公告)日：2020-10-16
申请号：CN202010576421.4
申请日：2020-06-22
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于图卷积网络对代码图表示学习的源代码漏洞检测方法，所述方法如下：生成代码属性图；在代码属性图中添加函数调用关系和过程间依赖关系；根据漏洞关键点获取代码切片；利用切片对图中节点进行删减，提取与漏洞相关的图结构信息；使用图卷积网络学习每个节点的向量表示；根据边的类型划分子图，并通过基于注意力机制的READOUT模型得到图的向量表示；根据图的向量表示和标签调整网络参数；用训练好的模型检测代码漏洞。本发明能充分利用和学习漏洞代码的结构和属性信息，避免传统深度网络在对代码表示学习时易丢失代码结构信息及因需要把代码表示成固定长度序列而丢失长代码上下文信息的问题，有助于降低漏洞检测的误报和漏报。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.022 seconds)
