-
公开(公告)号：CN113590464A
公开(公告)日：2021-11-02
申请号：CN202110706079.X
申请日：2021-06-24
Applicant: 北京邮电大学
IPC: G06F11/36
Abstract: 本发明提供了一种接口测试模板脚本生成的方法与装置。其中方法包括，接口脚本生成方法，大致包含：为将要进行的接口测试任务定义接口测试实体；对接口测试报文体等数据实现处理方法；根据预设的脚本语法，将接口用例中的测试任务转为脚本语句；创建数据连接池，数据连接池与脚本语句实现参数一一对应，根据传入的接口测试数据获得接口模板测试脚本。本发明提供的接口测试模板脚本生成方法与装置，通过接口数据配置实现模板数据与脚本分离，快速生成大量接口测试脚本，实现接口高效、大批量测试，测试人员不需要了解底层如何实现，只需要简单的数据配置便可完成，降低了软件测试人员使用自动化接口测试工具的技术要求，提高测试效率。
-
公开(公告)号：CN113419948A
公开(公告)日：2021-09-21
申请号：CN202110673062.9
申请日：2021-06-17
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于GAN网络的深度学习跨项目软件缺陷的预测方法。该方法包括：使用简化的抽象语法树来表示目标项目和源项目中每个提取的程序模块的代码；通过深度遍历抽象语法树提取出token向量；对token向量进行词嵌入，得出每个单词对应的词向量，并用词向量替代token向量中的token，把token向量转化为数值向量；将源项目对应的数值向量作为输入，训练源编码器和源分类器；将目标项目对应的数值向量作为输入，将目标编码器的初始参数设定为与训练好的源编码器的参数相同；将训练好的源编码器的输出特征作为GAN网络中的真实数据，然后将目标编码器的输出特征作为虚假数据，通过GAN网络的鉴别器进行训练；用训练好的源分类器对目标编码器的输出特征进行分类；输出分类结果。本发明提供的跨项目软件缺陷的预测方法，速度快，准确率高。
-
公开(公告)号：CN113268434A
公开(公告)日：2021-08-17
申请号：CN202110772750.0
申请日：2021-07-08
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于贝叶斯模型和粒子群优化的软件缺陷预测方法。软件缺陷预测方法包括：输入源项目数据集；对源项目数据集的每一维特征计算平均值；根据平均值将源项目数据集中的样本划分为大于和小于平均值两部分；使用一阶依赖的贝叶斯模型分别在两部分数据上进行训练；将训练得到的两个子模型共同构建成一个基分类器；将所有基分类器组成初始种群；使用基于Pareto熵的多目标粒子群优化方法对初始种群进行迭代；得到最优组合权重得基分类器组合；输入目标项目数据集；利用基分类器组合在目标项目数据集上进行分类；输出分类的结果。本发明提供的软件缺陷的预测方法，速度快，准确率高。
-
公开(公告)号：CN113239298A
公开(公告)日：2021-08-10
申请号：CN202110679613.2
申请日：2021-06-18
Applicant: 北京邮电大学
IPC: G06F16/955 , G06F16/951 , G06F11/36
Abstract: 本发明实施例提供一种自动化测试元素的抓取并录入方法及装置，所述方法包括：获取被测系统的待测功能点所在的页面URL；向被测系统网站的发起请求，获取功能点所在页面的HTML源码；使用selenium分析HTML源码中的控件元素，如输入框input，下拉框select等；将这些元素的唯一定位信息采集下来；调用后端接口将采集的数据录入系统。本发明实施例实现了对给定功能点页面网址的元素自动抓取与录入后台，避免了自动化测试过程中测试人员手动录入的繁琐，使自动化测试过程更加简便快捷。
-
公开(公告)号：CN109446059A
公开(公告)日：2019-03-08
申请号：CN201811064684.6
申请日：2018-09-12
Applicant: 北京邮电大学
IPC: G06F11/36
Abstract: 本发明实施例提供一种测试模板脚本的生成方法及装置，其中，方法包括：对待测系统的组件类型和操作类型定义相应的关键字，建立关键字库；用自然语言编写测试用例文档，测试用例文档用于描述测试任务的所有步骤；根据预设的TCDL脚本语言语法和关键字库，将测试用例文档中的所有步骤转换为脚本语句；创建数据连接池，数据连接池中的形参与脚本语句中脚本参数相对应，将脚本参数替换为对应的形参，获得测试模板脚本。本发明实施例提供的测试模板脚本的生成方法及装置，通过以数据连接池的形参代替具体参数，实现测试模板脚本与数据的分离，从而能够快速生成大量测试用例，降低了软件测试人员使用自动化测试工具的技术要求，显著提高测试效率。
-
Patent Agency Ranking
公开(公告)号：CN109144871A
公开(公告)日：2019-01-04
申请号：CN201810943266.8
申请日：2018-08-17
Applicant: 北京邮电大学
IPC: G06F11/36
Abstract: 本发明实施例提供一种自动化测试元素的识别方法及装置，包括：获取操作步骤序列中的元素，所述元素是可操作且具有业务含义的；若在预设对象库中检测到与所述元素具有关联关系的第一对象，则将所述第一对象的识别属性作为所述元素的识别属性，以识别所述元素。本发明实施例通过自动识别测试人员所编写测试用例操作步骤序列中的元素在预设对象库中对应的对象，使得测试人员在测试过程中只需要关注测试用例操作步骤序列中的元素，从而降低了自动化测试工具对于测试人员的操作技能要求。
-
公开(公告)号：CN104809067A
公开(公告)日：2015-07-29
申请号：CN201510229658.4
申请日：2015-05-07
Applicant: 北京邮电大学
IPC: G06F11/36
Abstract: 本发明提供一种面向等式约束的测试用例生成方法和装置，测试用例生成方法包括：接收测试用例生成请求，生成请求中携带待测程序；获取待测程序的预定路径、表达式列表、预定路径中的各个变量及各个变量的第一取值区间；根据表达式列表中的等式，确定等式约束的第一系数矩阵及第一增广矩阵；判断第一系数矩阵的秩是否小于第一增广矩阵的秩；若否，则对各个变量进行回退运算，确定各个变量的第二取值区间；判断各个变量的第二取值区间的边界值是否相等；若相等，则根据各个变量的第二取值区间生成测试用例。本发明提供的面向等式约束的测试用例生成方法和装置，生成测试用例的过程无需人工干预，速度快，效率高，可对待测程序实现100％覆盖。
-
公开(公告)号：CN117593557B
公开(公告)日：2025-01-24
申请号：CN202311265910.8
申请日：2023-09-27
IPC: G06V10/764 , G06V10/774 , G06V10/771 , G06V10/77
Abstract: 本发明公开了一种基于Transformer模型的细粒度生物图像分类方法。本发明方法针对需要细粒度生物分类需求，建立包含特征提取模块、特征选择模块和预测模块的分类模型；特征提取模块基于Transformer网络实现，输出以特征块patch表示的图像特征；特征选择模块将patch进行非线性映射，再通过softmax函数生成权重选择一定数量的patch作为新的图像特征，预测模块根据图像特征预测细粒度的生物分类。训练时，计算样本特征间的余弦距离作为距离损失，再结合分类损失优化分类模型参数。本发明方法适用不同基于Transformer的骨干网络，实现了细粒度生物图像分类且分类准确率高。
-
公开(公告)号：CN117421244B
公开(公告)日：2024-05-24
申请号：CN202311540803.1
申请日：2023-11-17
Applicant: 北京邮电大学 , 绿盟科技集团股份有限公司
IPC: G06F11/36 , G06F18/2415 , G06N3/0455 , G06F18/213 , G06N3/094
Abstract: 本发明公开了一种多源跨项目软件缺陷预测方法、装置及存储介质。本发明方法包括：输入多个源项目数据集和一个目标项目数据集；使用编码器对所有数据集提取样本特征；将样本特征梯度反转后对项目标签训练鉴别器；计算每个源项目和目标项目的特征的最大均值差异，将鉴别器输出的目标样本和源样本的相关性作为注意力得分，对多个最大均值差异加权求和作为编码器的损失；建立缺陷类别的分类器；整体训练编码器、鉴别器和分类器；利用训练好的编码器和分类器对目标项目数据集进行特征提取和缺陷分类。本发明装置包括输入模块、编码器G、鉴别器D、分类器C和梯度反转模块。本发明实现了对多源跨项目软件缺陷的预测，经实验验证，缺陷识别准确率高。
-
公开(公告)号：CN117593557A
公开(公告)日：2024-02-23
申请号：CN202311265910.8
申请日：2023-09-27
IPC: G06V10/764 , G06V10/774 , G06V10/771 , G06V10/77
Abstract: 本发明公开了一种基于Transformer模型的细粒度生物图像分类方法。本发明方法针对需要细粒度生物分类需求，建立包含特征提取模块、特征选择模块和预测模块的分类模型；特征提取模块基于Transformer网络实现，输出以特征块patch表示的图像特征；特征选择模块将patch进行非线性映射，再通过softmax函数生成权重选择一定数量的patch作为新的图像特征，预测模块根据图像特征预测细粒度的生物分类。训练时，计算样本特征间的余弦距离作为距离损失，再结合分类损失优化分类模型参数。本发明方法适用不同基于Transformer的骨干网络，实现了细粒度生物图像分类且分类准确率高。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.022 seconds)
