-
公开(公告)号：CN114896150A
公开(公告)日：2022-08-12
申请号：CN202210503567.5
申请日：2022-05-09
Applicant: 南通大学
Abstract: 本发明属于软件缺陷预测技术领域，提供一种基于实例选择的跨项目缺陷预测方法，包括如下步骤：S1、构建分类实例集CID；S2、将分类实例集中的所有度量值中心化EMC；S3、组合分布特征向量CDFV；S4、实例间距离计算BIDCM；S5、构建最相似源实例索引集；S6、构建训练集ND；S7、构建跨项目缺陷预测分类方法；S8、构建基于实例选择的跨项目缺陷预测方法ISCPDP。本发明通过选择组合分布特征向量与目标组合分布特征向量最相似的实例集组建训练集，优化后的训练集有利于建立精确的缺陷预测模型，进一步提高跨项目缺陷预测效率。
-
公开(公告)号：CN115841297A
公开(公告)日：2023-03-24
申请号：CN202211320107.5
申请日：2022-10-26
Applicant: 南通大学
Abstract: 本发明提供一种基于智能合约的项目实施进度监管方法，包括如下步骤：S1、以ubantu系统作为搭建基底，通过Go‑Ethereum软件对区块链进行创世区块的初始化以及私人网络的构建；S2、以Remix ide为开发平台，通过solidity语言对企业项目实施进度的上链提交撰写智能合约；S3、反复测试智能合约的性能与安全性，用户上链确权，进行项目进度提交，成功确权。本发明针对企业实施项目的进度监管，提供了一种基于智能合约的项目实施进度监管方法，通过上链确权，用户将每日项目进度如实提交，达到项目按计划定时定量完成的目标。
-
公开(公告)号：CN114860595A
公开(公告)日：2022-08-05
申请号：CN202210491038.8
申请日：2022-05-07
Applicant: 南通大学
Abstract: 本发明属于软件缺陷预测技术领域，提供一种基于特征相关性分析的实例选择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、构建相关性权重索引集CWIS；S3、构建相关性特征集CFS；S4、计算实例相关性特征之间距离；S5、构建基于相关性训练集CTS；S6、构建基于特征相关性分析的实例选择跨项目缺陷预测方法FCADP。本发明通过计算每一个目标实例选择出的项目特征与源项目选择出的特征之间的相似度进行源实例选择，将选出的所有源实例组成训练数据集，根据目标实例特征进一步合理的选择源实例。
-
公开(公告)号：CN114880221A
公开(公告)日：2022-08-09
申请号：CN202210490982.1
申请日：2022-05-07
Applicant: 南通大学
Abstract: 本发明属于软件缺陷预测的技术领域，提供一种基于类实例相似性的源项目选择预测方法，包括如下步骤：S1、构建缺陷预测数据集DATA；S2、ST模型处理数据集单元STset；S3、获取类实例相似度数据集SCset；S4、获取源项目选择指标集SMset；S5、构建最相似类实例选择方法SOCImethod；S6、构建基于类实例相似性的源项目选择方法ST‑SIS。本发明沿用K近邻机制进行延伸拓展，以细粒度形式进行软件缺陷预测，可为后续数据训练提供更高质量的源项目，该方法能够有效提高软件缺陷预测效率。
-
公开(公告)号：CN114579468A
公开(公告)日：2022-06-03
申请号：CN202210276660.7
申请日：2022-03-21
Applicant: 南通大学
Abstract: 本发明提供一种基于语义度量值的源项目选择软件缺陷预测方法，包括如下步骤：S1、使用AST构建源代码的抽象语法树；S2、将抽象语法树转换成向量；S3、计算源代码的语义度量值；S4、融合语义度量值和传统度量值；S5、使用源项目选择策略SPGather对项目集选择；S6、使用迁移学习缩小源域和目标域的数据差异；S7、构建分类模型方法集CMMS；S8、构建基于语义度量值的源项目选择缺陷预测方法BSCPM。本发明提出基于语义度量值的源项目选择软件缺陷预测方法，可以为目标项目选择更好的源项目，该方法有助于提高软件缺陷预测的效率和实现更好的预测效果。
-
Patent Agency Ranking
公开(公告)号：CN110652116B
公开(公告)日：2021-12-28
申请号：CN201911042305.8
申请日：2019-10-30
Applicant: 南通大学
Abstract: 本发明提供了一种多功能智能鞋柜及其控制方法，包括柜体和安装于所述柜体内部的智能控制系统；所述柜体由功能区域、储物区域和放鞋区域构成。本发明的有益效果为：本发明通过外接智能面板的集烘干、除臭去尘、消毒灭菌、保养、选鞋等多功能的智能鞋柜。
-
公开(公告)号：CN111098342A
公开(公告)日：2020-05-05
申请号：CN201911315163.8
申请日：2019-12-19
Applicant: 南通大学
IPC: B26D1/06 , B26D5/00 , B26D7/00 , B26D7/06 , B26D7/32 , B08B1/02 , B08B3/02 , F26B23/06 , A61L2/10
Abstract: 本发明提供了一种自动切菜盒，包括：机架；切菜机构，包括菜刀以及砧板，所述菜刀通过刀片置口设置在所述机架上，所述砧板位于所述菜刀刀口下方；传动机构，设置在所述机架上，位于所述切菜机构下部，用于控制所述切菜机构的动作；清洁杀菌机构，设置在所述机架上；以及控制模块与所述传动机构电连接，所述控制模块位于所述机架内，用于控制所述自动切菜盒的运行。本发明提供一种自动切菜盒，通过控制模块控制所述自动切菜盒的运行，在切菜的过程中实现砧板的清洗、除菌以及烘干功能。结构简单，使用方便。
-
公开(公告)号：CN117555776A
公开(公告)日：2024-02-13
申请号：CN202311463591.1
申请日：2023-11-06
Applicant: 南通大学
IPC: G06F11/36 , G06F18/241 , G06F18/214
Abstract: 本发明提供了一种基于对偶学习与深度语义挖掘的软件缺陷预测方法，属于智能软件工程技术领域。解决了当前利用词袋模型将源码转换为向量后的语义局限以及二次利用预测后的分类标签扩充原有数据集的技术问题。其技术方案为：包括两个部分：分别采用了CodeT5语言预训练模型从源代码中提取语义和结构信息，结合Bi‑GRU模型与自注意力机制，捕捉源代码中的上下文信息，学习源项目与目标项目的共同特性，来训练可靠的缺陷预测模型；还利用快速梯度法对数据集进行扰动扩充，同时对预测后的分类标签，通过对偶学习的反向分类器与正向分类器进行取反，进行二次预测。本发明的有益效果为：可以提高软件缺陷预测的有效性。
-
公开(公告)号：CN114821054A
公开(公告)日：2022-07-29
申请号：CN202210446165.6
申请日：2022-04-26
Applicant: 南通大学
Abstract: 本发明提供一种基于源码可视化的软件缺陷预测方法，包括如下步骤：S1、构建数据集DATASET；S2、构建源码像素节点集Vdata；S3、构建阿尔法合成三原色组合方法Vcode；S4、构建基于VPE方法的深度学习网络；S5、构建基于源码可视化的软件缺陷预测方法。本发明缩短跨项目间数据分布差异，提高深度学习模型输入数据集的有效性，能够大幅辅助软件开发人员使用该预测模型来减少软件开发过程中的缺陷，具有较高的准确率和效率。本发明结合相应的深度学习模型进行软件缺陷预测，提高软件缺陷预测模型的准确性。
-
公开(公告)号：CN114565063A
公开(公告)日：2022-05-31
申请号：CN202210336797.7
申请日：2022-03-31
Applicant: 南通大学
Abstract: 本发明提供一种基于多语义提取器的软件缺陷预测方法，包括如下步骤：S1、构建源项目代码实例向量集VOSPCI；S2、构建目标项目代码实例向量集VOTPCI；S3、构建语义提取器GSEM；S4、组建多种语义列表MS‑list；S5、构建分类方法集SOCM；S6、语义列表分类结果分析；S7、与传统度量元结果比较；S8、构建基于多语义提取器的软件缺陷预测方法DPMSE。本发明提出一种基于多语义提取器的软件缺陷预测方法，可以有效的提取源代码中的语义信息，有助于提高缺陷预测的准确度和达到更好的预测效果。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.019 seconds)
