-
Patent Agency Ranking
公开(公告)号：CN108446231A
公开(公告)日：2018-08-24
申请号：CN201810224489.9
申请日：2018-03-19
Applicant: 重庆邮电大学
IPC: G06F11/36
CPC classification number: G06F11/3676 , G06F11/3684 , G06F11/3688
Abstract: 本发明涉及一种基于风险分析的协议一致性测试用例优先排序方法，属于通信协议一致性测试领域。该方法包括：S1：建立故障风险分析模型，计算测试用例重要度TITCz；S2：根据测试用例重要度生成初始执行序列Tseq，并执行测试；S3：检测到故障后，更新余下未执行用例的先验熵HTi(S)；S4：选择先验熵值最小的用例作为下一个要执行的用例，并更新测试用例执行序列Tseq。本发明提高了每次回归过程中检测到测试故障的速率和协议一致性回归测试的需求覆盖率以及故障检错率。
-
公开(公告)号：CN111367790B
公开(公告)日：2023-05-12
申请号：CN202010092901.3
申请日：2020-02-14
Applicant: 重庆邮电大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于混合模型的元启发式测试用例排序方法，属于无线通信技术领域。该方法为：S1：搜集被测方测试需求涉及的通信协议测试用例，计算测试用例间的相似度因子Si，j和测试数据的重要程度TF‑IDF值；S2：根据TF‑IDF值初始化萤火虫智能体(FA)的亮度Brightnessi，j及设计目标函数f(xi，j)；S3：根据编辑距离与Brightnessi，j用改进后的萤火虫算法以全局搜索的方式寻找FA下一处将要到达的节点候选集Setcandidate；S4：从候选集Setcandidate以局部搜索根据相似度因子Si，j选择最优的解；S5：改变测试用例起点位置，重复S2至S4步骤,寻找FA的最优移动路径并记录，输出最优测试序列。本发明提高了工业无线通信协议测试效率，减少了测试代价。
-
公开(公告)号：CN111367790A
公开(公告)日：2020-07-03
申请号：CN202010092901.3
申请日：2020-02-14
Applicant: 重庆邮电大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于混合模型的元启发式测试用例排序方法，属于无线通信技术领域。该方法为：S1：搜集被测方测试需求涉及的通信协议测试用例，计算测试用例间的相似度因子Si，j和测试数据的重要程度TF-IDF值；S2：根据TF-IDF值初始化萤火虫智能体(FA)的亮度Brightnessi，j及设计目标函数f(xi，j)；S3：根据编辑距离与Brightnessi，j用改进后的萤火虫算法以全局搜索的方式寻找FA下一处将要到达的节点候选集Setcandidate；S4：从候选集Setcandidate以局部搜索根据相似度因子Si，j选择最优的解；S5：改变测试用例起点位置，重复S2至S4步骤,寻找FA的最优移动路径并记录，输出最优测试序列。本发明提高了工业无线通信协议测试效率，减少了测试代价。
-
公开(公告)号：CN109900309B
公开(公告)日：2021-03-16
申请号：CN201910177333.4
申请日：2019-03-08
Applicant: 重庆邮电大学
IPC: G01D18/00
Abstract: 本发明涉及一种基于混合状态空间模型的传感器数据盲校正方法，属于传感器网络领域。该方法包括：S1：将传感器数据盲校正问题建模为HSSM；S2：利用HSSM中各个参数之间的关系，对其中的非线性观测信号参数采用UT‑FB算法得到其后验分布；对于其他参数，运用贝叶斯定理及迪利克雷过程，得到它们的后验分布；S3：采用IMCMC的采样方法迭代地采集各个参数后验分布的样本；S4：根据马尔可夫链的性质，舍弃一部分S3中采样所得样本集的初始样本，最终得到的样本集求均值得到校正参数增益和偏移的估计值。本发明在保证了所建立的模型贴近传感器网络的真实应用场景的前提下，提高了传感器校正的准确度。
-
公开(公告)号：CN109900309A
公开(公告)日：2019-06-18
申请号：CN201910177333.4
申请日：2019-03-08
Applicant: 重庆邮电大学
IPC: G01D18/00
Abstract: 本发明涉及一种基于混合状态空间模型的传感器数据盲校正方法，属于传感器网络领域。该方法包括：S1：将传感器数据盲校正问题建模为HSSM；S2：利用HSSM中各个参数之间的关系，对其中的非线性观测信号参数采用UT-FB算法得到其后验分布；对于其他参数，运用贝叶斯定理及迪利克雷过程，得到它们的后验分布；S3：采用IMCMC的采样方法迭代地采集各个参数后验分布的样本；S4：根据马尔可夫链的性质，舍弃一部分S3中采样所得样本集的初始样本，最终得到的样本集求均值得到校正参数增益和偏移的估计值。本发明在保证了所建立的模型贴近传感器网络的真实应用场景的前提下，提高了传感器校正的准确度。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
