公开(公告)号：CN116594870B

公开(公告)日：2024-02-23

申请号：CN202310461924.0

申请日：2023-04-26

Applicant: 南通大学

Inventor： 程实 ,  詹广生 ,  李治贤 ,  宗烜逸 ,  陈晓勇

IPC: G06F11/36

Abstract: 本发明为一种基于可疑语句变异的错误定位方法，包括以下步骤：S1、测试目标程序P：对给定的程序P执行测试套件TS，获得覆盖率信息和测试用例执行结果，即通过PASS或失败FAIL；S2、生成可疑语句S：借助SBFL技术中的错误定位公式计算程序语句的可疑度值，生成可疑语句排序列表；S3、生成变异体m：选择合适的变异算子mo，借助Proteum变异工具为可疑语句S的每个变异点生成变异体；S4、测试变异体m：使用同一个测试套件TS测试所有生成的变异体并记录测试用例的执行结果：测试结果从通过变为失败的测试用例数和从失败变为通过的测试用例数；S5、计算可疑度指标R：将TS对P的测试结果与TS对所有变异体m的测试结果进行比较，计算可疑度指标R，报告错误语句。

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

Inventor： 程实 ,  詹广生 ,  李治贤 ,  王浩任 ,  吴佳骏 ,  高欣欣 ,  于梦 ,  文万志

IPC: G06F11/07 ,  G06F9/448

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：CN116756654A

公开(公告)日：2023-09-15

申请号：CN202310822787.9

申请日：2023-07-06

Applicant: 南通大学

Inventor： 詹广生 ,  王楚越 ,  宗烜逸 ,  赵婧雯 ,  程实 ,  何金凤

IPC: G06F18/2415 ,  G06F18/23213 ,  G06F18/214

Abstract: 本发明提供一种基于半监督学习的数字化信息归并分类算法，检测原始数字化信息中的概念漂移数据，滤除噪声数据，降低对后续分类结果精度的影响；利用半监督学习训练K均值聚类算法，利用训练后算法训练数据块，构建基础分类器，通过对目标函数求解获得最优聚类中心；构建基于SDClass算法的归并分类器，计算每个数据块类标签的估计值，以及估计值与簇中心间距离，找出最近的簇，将对应的数据块划分到该簇中，实现数字化信息的归并分类。选取6种不同类型的数据集对所提方法展开实验测试，结果表明，所提方法针对不同类型的数据集均可实现高精准分类，且具有较高的分类效率。

公开(公告)号：CN116594870A

公开(公告)日：2023-08-15

申请号：CN202310461924.0

申请日：2023-04-26

Applicant: 南通大学

Inventor： 程实 ,  詹广生 ,  李治贤 ,  宗烜逸 ,  陈晓勇

IPC: G06F11/36

Abstract: 本发明为一种基于可疑语句变异的错误定位方法，包括以下步骤：S1、测试目标程序P：对给定的程序P执行测试套件TS，获得覆盖率信息和测试用例执行结果，即通过PASS或失败FAIL；S2、生成可疑语句S：借助SBFL技术中的错误定位公式计算程序语句的可疑度值，生成可疑语句排序列表；S3、生成变异体m：选择合适的变异算子mo，借助Proteum变异工具为可疑语句S的每个变异点生成变异体；S4、测试变异体m：使用同一个测试套件TS测试所有生成的变异体并记录测试用例的执行结果：测试结果从通过变为失败的测试用例数和从失败变为通过的测试用例数；S5、计算可疑度指标R：将TS对P的测试结果与TS对所有变异体m的测试结果进行比较，计算可疑度指标R，报告错误语句。

公开(公告)号：CN116383046A

公开(公告)日：2023-07-04

申请号：CN202310284459.8

申请日：2023-03-22

Applicant: 南通大学

Inventor： 文万志 ,  吴涛 ,  王楚越 ,  陈希希 ,  詹广生 ,  程实

IPC: G06F11/36 ,  G06F11/07 ,  G06N3/08 ,  G06N3/084 ,  G06N3/04 ,  G06N3/048 ,  G06F18/2433

Abstract: 本发明属于DNN错误定位技术领域，具体涉及一种针对深度神经网络DNN训练问题的错误定位方法。本发明包括以下步骤：S1、DNN模型准备；S2、DNN训练监控和数据收集；S3、第一次错误识别ADetection；S4、第二次错误识别DDetection；S5、错误定位ASTAnalysis。本发明提出的方法，可以精确地定位常见的DNN训练问题中的bug，该方法能有效提高定位DNN训练问题中的bug的效率，减少模型训练和调试的时间。本发明能够帮助软件开发人员提高DNN模型训练的效率，找到性能更好的DNN模型，进而改进软件的性能。