-
公开(公告)号：CN118626391A
公开(公告)日：2024-09-10
申请号：CN202410853384.5
申请日：2024-06-28
Applicant: 辽宁工程技术大学
IPC: G06F11/36
Abstract: 本发明公开了基于互联网的软件工程自动化测试系统，属于互联网技术领域，包括环境配置模块、测试数据管理模块、测试脚本生成模块、测试任务管理模块、测试执行模块、缺陷诊断模块和测试结果分析模块，本发明通过测试脚本生成模块根据需求分析自动生成测试脚本，以及测试数据管理模块对测试数据的自动化处理，显著降低了手动编写测试脚本和管理数据的时间成本，使得测试工程师能更专注于复杂的测试策略和问题分析，加速了测试周期，测试执行模块和测试结果分析模块的紧密配合，不仅自动化执行测试，还深度分析测试结果，快速发现并定位问题，特别是缺陷诊断模块的实时监控和详细错误报告生成，有助于快速响应和修复问题，提高了自动化效率性。
-
公开(公告)号：CN116797536A
公开(公告)日：2023-09-22
申请号：CN202310427397.1
申请日：2023-04-20
Applicant: 辽宁工程技术大学
Abstract: 本申请涉及图像处理技术领域，具体涉及一种带钢表面缺陷实时检测方法、装置、计算设备和可读存储介质。方法包括：获取带钢表面图像并进行预处理；将YOLOv5模型的Backbone改进为卷积模块和轻量化特征提取网络，得到带钢表面缺陷检测模型；将预处理后的带钢表面图像作为训练集，输入所述带钢表面缺陷检测模型进行训练；通过训练后的带钢表面缺陷检测模型对所述带钢表面图像进行检测。本申请实施例提供的带钢表面缺陷实时检测方法，对传统YOLOv5模型进行了改进，有效减小了参数量和计算复杂度在，得益于更小的计算量和更简单的结构，使得本申请提供的方案对带钢表面进行检测时更具有实时性。
-
公开(公告)号：CN116595266A
公开(公告)日：2023-08-15
申请号：CN202310574538.2
申请日：2023-05-22
Applicant: 辽宁工程技术大学
IPC: G06F16/9536 , G06Q30/0601 , G06Q50/02 , G06N3/0464 , G06N3/045 , G06N3/084 , G06F40/295 , G06F40/30 , G06F16/35 , G06F16/36
Abstract: 本发明公开了一种面向社区团购的图神经网络推荐系统。本发明中，提出图神经网络推荐模型GNN‑R4A将推荐系统特征空间看作用户特征与农产品特征的综合。为此将用户特征空间与农产品特征空间抽象为两个图神经网络，分别通过深度图神经方法进行编码。编码的双空间被视为矩阵分解过程中的两个隐因子，以预测用户未知偏好，从而提高了整体的准确性，为人们的使用带来了更多的便利，且知识图谱构建模块的构建使得由于商品知识图谱，拥有丰富的语义关联信息，可以为推荐系统提供丰富的辅助信息。与没有知识图谱辅助的推荐模型相比，使用知识图谱辅助的推荐模型可以让推荐结果提高精确性、多样性，进一步丰富了人们的使用体验。
-
Patent Agency Ranking
公开(公告)号：CN113095275A
公开(公告)日：2021-07-09
申请号：CN202110453117.5
申请日：2021-04-26
Applicant: 辽宁工程技术大学
Abstract: 本发明公开一种基于PCA‑Struck多源视频目标特征融合跟踪方法，该方法首先使用主成分分析法将可见光与红外图像进行融合，并以前一帧的目标位置为中心，在当前融合图像中进行目标和背景样本的密集采样，通过SVM训练来更新前一帧的二分类器；然后，计算每个样本到SVM分类器的超平面的距离，并以此为标准给每个样本打分；最后，以评分最高的样本作为当前帧的目标，并更新目标位置。本发明在目标旋转运动、光照不均等方面都有较好地跟踪性能。
-
公开(公告)号：CN114548106A
公开(公告)日：2022-05-27
申请号：CN202210163205.6
申请日：2022-02-22
Applicant: 辽宁工程技术大学
IPC: G06F40/295 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于ALBERT的科协活动命名实体识别的方法，包括将输入的科协活动文本转化为词向量；将输入的词向量进行编码，提取全文特征信息；学习标签之间的约束，输出概率最高的标签序列。本发明提出ALBERT‑BiGRU‑ATTENTION‑CRF命名实体识别模型，模型可以在评估各级科协对改革实施方案中改革要点落实情况的过程中，降低人工参与度，提高工作效率，正确获取科协活动实体类型。实验表明，ALBERT‑BiGRU‑ATTENTION‑CRF模型相比于BiGRU‑CRF模型F1值提高了1.3％。本发明所用模型可以获得较好地识别效果，有效地减少了在评估过程中人工参与度，提高工作效率，后续应将其他领域内的活动文本涵盖进来，扩大数据集规模，进一步拓宽模型的应用范围。
-
公开(公告)号：CN114358208A
公开(公告)日：2022-04-15
申请号：CN202210035605.9
申请日：2022-01-13
Applicant: 辽宁工程技术大学
IPC: G06K9/62 , G06N3/02 , G06V30/416 , G06V10/774
Abstract: 本发明公开了一种基于深度学习的科协活动文本标题识别方法，属于文本标题识别技术领域，包括如下步骤：构建深度学习模型；本发明中，通过在内设置有深度学习模块，可对于需要识别的内容领域进行深度学习，在进行识别时，可有效提升识别的准确度与速率，同时在深度学习模块内还具有对于学习内容的深度细分，在后续进行文本标题识别过程中，对于识别内容进行大块分类后，还可进行细分分类，提高了整体识别的精细度，同时在内设置有图像处理模块，进行文本标题识别时，对于获取的图像可进行对比度、模糊度等性质调节，从而可稳定提升获取图像质量，从而可有效保证后续的标题识别准确度与精度，使用效果好，适于推广。
-
公开(公告)号：CN113505310A
公开(公告)日：2021-10-15
申请号：CN202110768477.4
申请日：2021-07-07
Applicant: 辽宁工程技术大学
IPC: G06F16/9537 , G06F16/215 , G06F16/2458
Abstract: 本发明公开一种基于时空注意网络的校园用户下一个位置预测方法，首先依据时间序列分布特征，采用具有轨迹数据预处理的SMM算法，通过分段合并和自适应调整方法去除异常数据，解决轨迹数据存在的大量pingpong效应；其次采用频繁项集逆序挖掘序列模式，通过已挖掘的序列模式集迭代去除冗余项集得到待挖掘序列模式集；将用户整个历史轨迹分为若干个时间窗，学习每条历史数据用户编号、位置编号、签到时间和时空效应并转为向量表示构建多模态嵌入层；构建自注意聚合层，聚合用户轨迹内重要的相关位置，捕获长期依赖更新每次签到的表示；构建注意匹配层。本发明大幅度压缩数据库，提高轨迹模式挖掘性能，有效提高个性化预测召回率。
-
公开(公告)号：CN111222133A
公开(公告)日：2020-06-02
申请号：CN201911117508.9
申请日：2019-11-14
Applicant: 辽宁工程技术大学
Abstract: 本发明提供了一种工控网络入侵检测的多级自适应耦合方法，涉及工业控制网络安全技术领域，包括以下步骤，基于白名单技术过滤数据包中与规则库不匹配的通信行为；基于深度学习方法进行离线训练、构建分类器，实现异常通信行为的在线实时检测；本方法适用于处理海量高维的入侵检测数据；能够较好的解决样本非平衡分类问题；对于未知类型攻击具有相当的应对能力，增强检测模型泛化能力，有效降低漏报率，尤其明显提升了系统对分布稀疏的少数类入侵攻击的检测能力；采用自适应耦合方法离线构建分类器，弥补了单一检测方法的不足和盲目性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
