-
公开(公告)号：CN118296220A
公开(公告)日：2024-07-05
申请号：CN202410342642.3
申请日：2024-03-25
Applicant: 南通大学
IPC: G06F16/953 , G06F16/903 , G06N3/0455 , G06N3/0442 , G06N3/084 , G06F8/75
Abstract: 本发明提供一种基于LSTM的智能检索API推荐方法，包括如下步骤：S1、收集一个包含源代码片段及其相关API的大型语料库，训练注意力编码器‑解码器模型；S2、捕获源代码的语法结构；S3、建立语法级和语义级信息检索库；S4、获取前k个相似的代码片段；S5、捕捉代码片段之间的语境信息和关联性；S6、融合条件概率和相似度对其进行解码，从而预测API。本发明基于LSTM和信息检索的方法可以有效缓解区分词汇相似性查询的语义差异，从而提高API推荐的有效性，选用无监督学习的方法，在没有训练的情况下，基于抽象语法树的单词序列利用其自动学习的性质，有效地度量了代码片段的语法相似性，从而更好地预测API。
-
公开(公告)号：CN116661797A
公开(公告)日：2023-08-29
申请号：CN202310543114.X
申请日：2023-05-15
Applicant: 南通大学
Abstract: 本发明属于代码补全技术领域，具体涉及一种词元粒度下基于加强Transformer的代码补全方法。本发明包括以下步骤：S1：收集Java代码段，构建代码语料库，将Java源代码展平转换为词元序列形式；S2：对数据使用BPE分词算法，利用子词来编码数据，获得模型所需要的词向量；S3：在模型框架方面，使用TransformerEncoder编码待学习词向量信息，通过TransformerDecoder解码获得待补全结果；S4：使用Talking‑HeadsAttention改进传统Transformer模型使用的Multi‑HeadAttention；S5：在推理解码阶段，使用波束搜索方法生成top5个推荐的补全代码，避免在代码补全阶段推荐列表中出现重复词元。本发明可以更好地利用源代码语义信息进行词元粒度代码补全，该方法能有效提高代码补全的准确性。
-
公开(公告)号：CN114968764A
公开(公告)日：2022-08-30
申请号：CN202210445965.6
申请日：2022-04-26
Applicant: 南通大学
Abstract: 本发明属于软件缺陷预测的技术领域，提供一种基于代码语义融合传统度量元的软件缺陷预测方法，包括如下步骤：S1、获取项目传统度量元；S2、构建项目代码实例向量集PCIVS；S3、构建语义提取器SEM；S4、生成语义向量集GSVS；S5、构建语义融合器SCM；S6、生成组合语义向量集CSVS；S7、构建缺陷预测分类模型；S8、构建基于代码语义融合传统度量元的软件缺陷预测方法MSFDP。本发明使用特征提取器提取代码中潜在的语义信息，并融合人工提取的传统度量元，使用组合的语义向量表示构建缺陷预测分类模型，弥补使用传统度量元建立预测模型方法的不足，提高软件使用的稳定性，进一步帮助开发人员及早的发现软件缺陷，优化测试资源分配。
-
公开(公告)号：CN114936109A
公开(公告)日：2022-08-23
申请号：CN202210583746.4
申请日：2022-05-25
Applicant: 南通大学
Abstract: 本发明公开了一种基于模型检测的反例故障定位方法，主要用于解决使用声明性语言编写的模型中的故障定位问题，包括如下步骤：S1、定义有限状态机FSM规范，FSM规范定义两只类型的签名：State和FSM；S2、构建模型；S3、获取反例cex和满意实例sat：输入带有违反断言的模型，使用All Analyzer检查模型中的断言NoStopTransition获取反例ces；然后用sat求解器PSAT找到一个满足断言属性并尽可能接近反例ces的满意实例sat；S4、实例差异分析Diff Analyzer：确定反例cex和满意实例sat之间的关系和原子并对差异进行分析；S5、可疑表达式排序：计算布尔节点和关系节点的可疑分数分配给可疑表达式并进行排序。本发明对实例之间的差异进行研究分析，进行反例定位，可以快速有效的对声明性模型进行故障定位。
-
公开(公告)号：CN114781542A
公开(公告)日：2022-07-22
申请号：CN202210501969.1
申请日：2022-05-09
Applicant: 南通大学
Abstract: 本发明提供一种基于动态特征引导实例选择的跨项目缺陷预测方法，包括如下步骤：S1、构建项目实例向量集CPIVS；S2、构建预训练动态特征PREDF；S3、计算预训练动态特征与实例特征之间距离；S4、构建引导实例选择索引集GISI；S5、构建基于动态特征引导实例选择的训练集DFD；S6、构建基于动态特征引导实例选择的跨项目缺陷预测方法DFGIS。本发明通过动态调整实例集特征实现更加准确的源实例选择，使用该方法构建的训练集有利于建立精确的跨项目缺陷预测模型，进一步提高跨项目缺陷预测效果。
-
Patent Agency Ranking
公开(公告)号：CN114564410A
公开(公告)日：2022-05-31
申请号：CN202210277028.4
申请日：2022-03-21
Applicant: 南通大学
Abstract: 本发明提供一种基于类级别源代码相似性的软件缺陷预测方法，包括如下步骤：S1、构建数据集；S2、构建源码节点集BAset；S3、构建量化源码节点集DTset；S4、构建相似度值集合BCset；S5、获取最优的类实例数方法GMmethod；S6、构建基于类级别源代码相似性的软件缺陷预测方法CL‑SCS。本发明提出细粒度级别的源项目选择方法，可为后续得数据训练提供更好的源项目，该方法能够有效提升软件缺陷预测效果。
-
-
公开(公告)号：CN110825177A
公开(公告)日：2020-02-21
申请号：CN201810905580.7
申请日：2018-08-10
Applicant: 南通大学
IPC: G06F1/18
Abstract: 本申请提供了一种具有伸缩脚轮的计算机机箱，属于计算机领域。包括箱体，箱体包括底板，计算机机箱还包括位于底板下方的三个以上的脚轮，底板的上方设有层板，层板与底板之间形成有可容纳脚轮的第一腔体，底板上设有可供脚轮进入第一腔体的开口部，脚轮上连接有脚轮竖杆；层板上设有与每个脚轮一一对应的移动机构，移动机构包括：壳体，固定连接于层板的顶面，壳体中具有中空的第二腔体，第二腔体为圆柱形，第二腔体的一端与第一腔体连通设置；连接件，沿第二腔体的轴向可移动地设置于第二腔体内，且底部设有固定套设于脚轮竖杆上的套接部。本申请提供了一种具有伸缩脚轮的计算机机箱，通过脚轮移动机箱，避免人工搬运机箱。
-
公开(公告)号：CN106599555B
公开(公告)日：2018-10-30
申请号：CN201611089491.7
申请日：2016-12-01
Applicant: 南通大学
IPC: G16H50/20
Abstract: 本发明公开了一种用于癫痫脑波病历特征选择的多专家协同决策方法。该方法首先构造专家集中每个专家ei对应的癫痫脑波病历参考关系评估矩阵；然后设计专家组Exgi的邻域半径ri，并计算其特征选择值协同性，获取专家组Exgi的特征选择关系协同度cri；最后构造专家系统集E的专家邻近矩阵集P和专家组Exgi的关系矩阵PEi，针对癫痫脑波病历特征开展多专家协同决策选择优化，从而求得全局最优癫痫脑波病历特征选择集。该方法能有效进行癫痫脑波病历的鉴别、诊断和治疗，对癫痫疾病的早期预防、降低脑损伤后果等具有较好作用。
-
公开(公告)号：CN104461867B
公开(公告)日：2018-04-03
申请号：CN201410623526.5
申请日：2014-11-08
Applicant: 南通大学
IPC: G06F11/36
Abstract: 本发明提出了一种软件演化过程故障分析方法，主要用于解决软件在不断演化过程中故障理解和分析问题，包括如下步骤：步骤1、使用AST分析器，构造演化修改程序的中间表示形式抽象语法树EFAGM_AST；步骤2、基于演化修改，确立EFAGM的关键修改节点集，依次构建修改节点集的前向和后向影响节点和路径；步骤3、根据计算EFAGM图节点的域，生成EFAGM的静态影响因子和动态影响因子，完成演化故障分析图模型EFAGM的构建；在故障发生时，采用EFAGM实现对程序演化修改引起的故障分析。本发明不仅可以表示演化修改影响元素及其之间的关系，而且能有效提高演化故障分析的效率。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.025 seconds)
