-
公开(公告)号：CN120068085A
公开(公告)日：2025-05-30
申请号：CN202510070426.2
申请日：2025-01-16
Applicant: 大连海事大学
IPC: G06F21/57 , G06N3/045 , G06F18/214 , G06F18/213 , G06F18/2415
Abstract: 本发明提供了一种利用噪声转移进行代码漏洞修复检测的方法，包括如下步骤：S1、将现有的漏洞数据集以及从现实的开源项目中进行数据集收集进行合并，以构成总数据集；S2、用CodeBERT对总数据集的代码进行更改提取嵌入，通过特征提取器获得代码更改特征；S3、将代码更改特征输入到预训练模型中，计算代码更改特征的置信度；S4、获得不可信数据的转移概率；S5、根据获得的转移概率构建转移概率矩阵，将转移概率矩阵和不可信数据的输出结果进行运算，获得不可信数据的分类结果；S6、将可信数据输入到分类器中，获得可信数据的分类结果。通过合理使用本发明，模型能够更加精准地修正训练过程中的错误标签，从而提高整体表现。
-
公开(公告)号：CN118195893A
公开(公告)日：2024-06-14
申请号：CN202410378289.4
申请日：2024-03-29
Applicant: 大连海事大学
IPC: G06T3/4046 , G06T17/00 , G06V10/44 , G06V10/42 , G06N3/0475 , G06N3/0464
Abstract: 本发明提供一种基于Transformer的点云上采样方法、系统及存储介质。本发明方法，包括：获取原始稀疏点云，并对原始稀疏点云进行特征提取，得到逐点编码特征；重塑逐点编码特征，得到包含结构信息的编码特征；对包含结构信息的编码特征进行三维坐标回归，生成粗糙点云的坐标；细化粗糙点云的坐标，得到精细的上采样点云。本发明在特征提取阶段，充分考虑了点云的局部特征与全局特征，并结合Transformer结构与注意力机制对点云进行更好的特征提取，在特征重塑阶段，为重塑前和重塑后的点云赋予结构特征。在网络结构层面，由粗到细的网络结构为第一阶段生成的点云提供了更好的细化，且在两级网络中使用特征融合模块进行特征传递，避免网络对某一阶段的特征过度依赖。
-
公开(公告)号：CN118115916A
公开(公告)日：2024-05-31
申请号：CN202410230314.4
申请日：2024-02-29
Applicant: 大连海事大学
IPC: G06V20/40 , G06V10/764 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于语义聚合的视频目标检测方法、系统及存储介质。本发明方法，包括：提取视频特征；基于提取的视频特征，进行帧级别的特征聚合，生成增强后的特征f；基于生成的增强后的特征，获取候选区域特征；基于获取的候选区域特征，进行语义聚合，得到增强后的关键帧的区域候选特征；基于增强后的关键帧的区域候选特征，进行分类和回归，得到预测的类别和边界框信息，并计算损失函数；利用总损失函数更新网络参数，得到一个稳定的视频目标检测模型，将原始视频或图片序列输入到稳定的视频目标检测模型中，输出目标的类别和边界框。本发明通过应用注意力机制，对参考帧进行语义聚合来增强当前帧的特征图，进而提高视频目标检测的准确度。
-
公开(公告)号：CN117234230A
公开(公告)日：2023-12-15
申请号：CN202311117542.2
申请日：2023-08-31
Applicant: 大连海事大学
Abstract: 本发明一种用于无人机突防的战术模拟方法，包括以下步骤：对无人机飞行的不利条件进行分析，确定无人机飞行的不利条件；基于无人机飞行的不利条件，构建避开静态危险区域”和动态威胁区域，同时最小化航路距离的构建无人机飞行轨迹再规划模型；基于无人机飞行的不利条件，构建避开静态危险区域和动态威胁区域，同时最小化航路距离的无人机飞行轨迹再规划模型；利用CA模型基于无人机飞行轨迹再规划算法对空域内多条航路进行再规划，得到新的航路网络，实现无人机的飞行轨迹的规划。利用CA模型对空域内多条航路进行再规划，得到新的航路网络。如果出现威胁也可以得到较好的规避效果，体现出CA模型应对动态威胁时的灵活性和实时性。
-
公开(公告)号：CN113671827B
公开(公告)日：2023-06-27
申请号：CN202110820657.2
申请日：2021-07-20
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于循环神经网络与强化学习的动态二分图分配长度决策方法，包括：S1：判断当前时刻是否有工人或任务到达；S2：若到达的是工人则将其加入可用工人集；S3：根据时间信息获取当前可用的工人集和可用的任务集；S4：读取工人集和任务集的参数信息；S5：将工人参数和任务参数输入至强化学习网络中；S6：若不进行分配，则直接跳至S8，若分配则进行S7；S7：使用匈牙利算法对当前可用工人集和可用任务集进行任务分配，并记录分配奖励；S8：将过期的工人和任务从可用工人集W与可用任务集T中除去,并记录过期惩罚；S9：根据得到的奖励与惩罚训练强化学习网络并进入下一时刻，返回至S1等待新到达的工人或任务。
-
Patent Agency Ranking
公开(公告)号：CN110287124B
公开(公告)日：2023-04-25
申请号：CN201910595620.7
申请日：2019-07-03
Applicant: 大连海事大学
Abstract: 本发明公开了一种自动标记软件错误报告并进行严重性识别的方法，包括以下步骤：S1：对软件错误报告进行编码并将错误报告标记为严重或不严重；S2：采用严重报告和不严重报告训练分类器，获得每个输入报告的后验概率，其中后验概率为输入报告分类的概率分布；S3：采用完成训练的分类器对无标记报告的数据集进行分类，并获得该数据集中每个样例的后验概率；S4：根据S3中求得的后验概率求解每个无标记报告的模糊度；S5：将无标记报告按照模糊度的升序排列，选取前k个无标记报告填充到原数据集中扩充数据集，对扩充后的数据集重新训练分类器。
-
公开(公告)号：CN110471854B
公开(公告)日：2023-02-03
申请号：CN201910770489.3
申请日：2019-08-20
Applicant: 大连海事大学
IPC: G06F11/36 , G06F40/284 , G06F18/2415 , G06N3/126
Abstract: 本发明公开了一种基于高维数据混合约简的缺陷报告指派方法，包括如下步骤：S1:从缺陷报告系统中获取缺陷报告的故障文本信息、故障元信息和故障触发时间信息；S2:将缺陷报告定义为文本，选择能表现文本信息的词段，并采用分词、去停词、词干化和向量空间表示方法对缺陷报告进行标准化处理，S3:基于差分进化算法采用特征选择、实例选择和二者相结合的方式对缺陷报告进行数据约简；S4:读取缺陷报告的开发人员参与度信息，筛选处理过具有相同产品信息的bug报告的开发人员，对缺陷报告进行再次分类；S5:当有未被分类的缺陷报告提交时，使用结合开发人员参与度的数据约简策略为其分类，分配合适的开发人员处理该缺陷报告。
-
公开(公告)号：CN109408726B
公开(公告)日：2022-02-08
申请号：CN201811333596.1
申请日：2018-11-09
Applicant: 大连海事大学
IPC: G06F16/9535
Abstract: 本发明公开了一种问答网站中问题回答者推荐方法，具有如下步骤：推荐系统接收提问者信息以及问题信息，提取问答网站的数据；构建用户间关系的网络图；将网络图利用Weighted LeaderRank算法得出用户排名；对所有用户形成一个社团分类；根据用户排名和社团分类，确定出每个社团中的用户排名；根据提问者用户在问答网站中的id在推荐系统中确认所属社团，并且推荐给该社团中活跃度为α以上的用户，由其来解答问题，然后将答案反馈给提问者用户。本发明通过对提问者进行社团划分，然后推荐给与其相同社团的用户，能够缩短问题解决的时间，提高问题回答的准确性和质量，促进技术性问答网站中问题的解决。
-
公开(公告)号：CN113671827A
公开(公告)日：2021-11-19
申请号：CN202110820657.2
申请日：2021-07-20
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于循环神经网络与强化学习的动态二分图分配长度决策方法，包括：S1：判断当前时刻是否有工人或任务到达；S2：若到达的是工人则将其加入可用工人集；S3：根据时间信息获取当前可用的工人集和可用的任务集；S4：读取工人集和任务集的参数信息；S5：将工人参数和任务参数输入至强化学习网络中；S6：若不进行分配，则直接跳至S8，若分配则进行S7；S7：使用匈牙利算法对当前可用工人集和可用任务集进行任务分配，并记录分配奖励；S8：将过期的工人和任务从可用工人集W与可用任务集T中除去,并记录过期惩罚；S9：根据得到的奖励与惩罚训练强化学习网络并进入下一时刻，返回至S1等待新到达的工人或任务。
-
公开(公告)号：CN113379778A
公开(公告)日：2021-09-10
申请号：CN202110626336.9
申请日：2021-06-04
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于内容自适应阈值的图像紫边检测方法，包括：将图像的局部最大值减去局部最小值得到灰度图像，通过自适应阈值方法得到掩摸二值图像；将RGB图像转换为YCbCr图像、同时获得第一象限像素，在YCbCr亮度分量Yn图像上做高斯加权卷积运算，计算Yn图像中每个点的梯度大小；根据梯度值和标准差设置自适应阈值，选择高对比度像素值；根据高对比度像素的色度值计算范数比；根据约束的决策域选出二值区域；将获得的掩摸二值图像与二值区域进行与操作从而得到精细后的紫边检测区域。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.029 seconds)
