-
公开(公告)号：CN111284266B
公开(公告)日：2022-11-29
申请号：CN202010203960.3
申请日：2020-03-21
Applicant: 徐州工程学院
Abstract: 本发明公开了一种用于轮胎广告的自动下水结构，包括车体，车体上的泥瓦侧壁上固定镶嵌有喷水块，喷水块的内部开有喷液通道，喷液通道的内部设有用于加快气流流通速度的狭窄区，且喷液通道上连接有插管与水管，插管的外端通过第一气管与气罐的出气口连通，本发明通过第一气管向喷液通道吹气，气体流通到狭窄区后速度加速，水管内部的水随着气流喷洒到后轮上，实现行驶过程中自动给后轮加湿，后轮行驶过的路面会产生清晰的水印广告，这样每一辆自行车就成为一个活动的广告载体，该装置通过水来作为涂料，成本较为低廉，而且过一段时间后印在路面上的水印广告会消失，因此具有美化生活、保护环境的优点。
-
公开(公告)号：CN112699052A
公开(公告)日：2021-04-23
申请号：CN202110051669.3
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于相关输入变量的软件测试用例进化生成方法，目的采用静态确定输入变量与变异分支相关性，缩减搜索域的范围，采用遗传算法高效生成具有缺陷检测能力的测试用例；该方法首先将确定变异体与输入变量的相关性，转化为可达变异分支的路径与输入变量的相关性，采用静态分析确定变异分支与输入变量的相关性；然后，建立变异测试用例生成数学模型，决策变量为相关输入变量；最后，利用遗传算法求解该模型，进化生成测试用例。
-
公开(公告)号：CN112732583A
公开(公告)日：2021-04-30
申请号：CN202110051670.6
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于聚类和多种群遗传算法的软件测试数据生成方法，目的是将模糊聚类方法和遗传算法应用于软件测试中，提高软件缺陷检测的效率。首先，在弱变异测试准则下，基于统计分析计方法计算变异体之间的相似度和变异体的杀死难度，进而排序变异体；接着基于排序好的变异体序列，选择难杀死的变异体为聚类中心，模糊聚类变异体。然后，针对每个簇，建立基于分支覆盖约束的测试数据生成数学模型；最后，对于多个变异体簇，基于强变异测试准则，采用多种群遗传算法生成测试数据，其中对于每个簇中变异体，优先生成杀死聚类中心的变异体，聚类中心动态调整。
-
公开(公告)号：CN106251539A
公开(公告)日：2016-12-21
申请号：CN201610645392.6
申请日：2016-08-09
Applicant: 徐州工程学院
IPC: G08B13/183 , G08B25/00 , G08B25/10
CPC classification number: G08B13/183 , G08B25/008 , G08B25/10
Abstract: 本发明公开了一种智能家居防盗系统，包括防盗门，所述防盗门上设有锁舌，所述锁舌一侧设有安全布防开关，所述安全布防开关内设有金属弹片，所述金属弹片与所述锁舌之间设有活动杆，所述活动杆上设有第一凸起与第二凸起，所述第一凸起与所述第二凸起之间设有弹簧，所述弹簧的一端与所述第一凸起止抵相连，所述弹簧的另一端与所述安全布防开关止抵相连，所述安全布防开关电性连接防盗主机，所述防盗主机一侧电性连接报警器，所述报警器下方设有无线通讯器，且所述防盗主机电性连接红外接收器，所述红外接收器电性连接红外发射器，本发明能够提高用户的家居安全，优化了家居防盗系统的启动方式，简单方便。
-
公开(公告)号：CN114330716A
公开(公告)日：2022-04-12
申请号：CN202111608264.1
申请日：2021-12-24
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于CART决策树的大学生就业预测方法，旨在提供一种预测大学生就业情况的方法。本发明首先对大学生数据信息预处理，形成规范的、可供数据挖掘的基本属性数据集；然后，利用皮尔森相关分析法，确定数据集中大学生基本属性与就业预测目标属性的相关性，将与就业预测目标属性相关的大学生基本属性，确定为用于构建大学生就业预测模型的特征向量；最后，基于训练集，由特征向量计算基尼系数；采用基于CART决策树算法，构建大学生就业预测模型。本发明方法能够根据大学生信息数据集预测大学生就业情况，为高校就业管理部门提供智能化服务，指导学生合理就业，有助于提高大学生的就业率。
-
Patent Agency Ranking
公开(公告)号：CN112732583B
公开(公告)日：2022-02-18
申请号：CN202110051670.6
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于聚类和多种群遗传算法的软件测试数据生成方法，目的是将模糊聚类方法和遗传算法应用于软件测试中，提高软件缺陷检测的效率。首先，在弱变异测试准则下，基于统计分析计方法计算变异体之间的相似度和变异体的杀死难度，进而排序变异体；接着基于排序好的变异体序列，选择难杀死的变异体为聚类中心，模糊聚类变异体。然后，针对每个簇，建立基于分支覆盖约束的测试数据生成数学模型；最后，对于多个变异体簇，基于强变异测试准则，采用多种群遗传算法生成测试数据，其中对于每个簇中变异体，优先生成杀死聚类中心的变异体，聚类中心动态调整。
-
公开(公告)号：CN112699054A
公开(公告)日：2021-04-23
申请号：CN202110051697.5
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种软件测试用例有序生成方法，该方法区别于原有方法的特色在于，将模拟真实缺陷的变异体植入程序，作为程序的缺陷；基于变异体之间的杀死相关性选出重要变异体，并基于遗传算法优先生成重要变异体的测试用例，有利于提高软件缺陷检测的效率；首先，基于弱变异测试准则采用统计分析的方法，计算变异体之间的杀死相关度和相关数目，并基于变异体之间的杀死相关度和相关数目，排序变异体；然后，基于强变异测试准则，采用遗传算法有序生成测试数据；本方法深入研究变异体它们之间内在关联，排序变异体，并采用遗传算法有序生成测试数据，有利于高效生成缺陷检测能力强的测试用例，对于变异测试在产业界的广泛应用提供有益补充。
-
公开(公告)号：CN112699050A
公开(公告)日：2021-04-23
申请号：CN202110051666.X
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于变异体分组的软件测试用例多种群进化生成方法，目的是基于弱变异测试准则，动态确定输入变量与变异体相关性，并建立变异测试用例多任务优化模型；对于多组任务，采用多种群遗传算法，高效生成具有缺陷检测能力的测试用例。首先基于适应值变化确定变异体与输入变量的相关性，依据相同输入分量分组变异体；然后，建立基于相关输入变量的变异测试用例生成多任务优化模型；最后，为求解该模型，利用多种群遗传算法，以并行方式进化生成测试用例。
-
公开(公告)号：CN112699052B
公开(公告)日：2022-04-15
申请号：CN202110051669.3
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于相关输入变量的软件测试用例进化生成方法，目的采用静态确定输入变量与变异分支相关性，缩减搜索域的范围，采用遗传算法高效生成具有缺陷检测能力的测试用例；该方法首先将确定变异体与输入变量的相关性，转化为可达变异分支的路径与输入变量的相关性，采用静态分析确定变异分支与输入变量的相关性；然后，建立变异测试用例生成数学模型，决策变量为相关输入变量；最后，利用遗传算法求解该模型，进化生成测试用例。
-
公开(公告)号：CN112699045A
公开(公告)日：2021-04-23
申请号：CN202110028395.6
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于多种群遗传算法的软件测试用例生成方法，目的依据相同输入分量分组变异分支，对于多个组的变异分支，采用多种群遗传算法并行高效生成具有高缺陷检测能力的软件测试用例。首先基于静态分析确定输入变量与变异分支，并基于相同相关输入分量分组变异分支；然后基于多个变异分支的组，构建多任务测试数据生成优化模型，以相关输入变量作为决策变量；最后，利用个体共享的多种群遗传算法，通过并行方式生成变异测试用例。本发明移除不相关变量，有助于减少搜索域；采用多种群遗传算法有利于，以并行方式处理测试用例生成，提高软件测试的效率。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.017 seconds)
