-
公开(公告)号：CN105243394B
公开(公告)日：2019-03-19
申请号：CN201510732754.0
申请日：2015-11-03
Applicant: 中国矿业大学
IPC: G06K9/62
Abstract: 本发明涉及一种类不平衡对分类模型性能影响程度的评价方法，包括下列步骤：(1)分类模型库构建；(2)新数据集构造；(3)分类模型对新数据集进行预测；(4)分类模型性能评价；(5)影响程度等级评定。本发明首先采用机器学习中典型的分类算法构建分类模型库；然后，选取类不平衡数据集作为基准数据集，并在此基础上构建一组不平衡率依次递增的新数据集，选取不同的分类模型对这组新数据集分别进行分类和预测；最后，采用变异系数来评价分类模型的性能变异程度并划分等级，从而评价类不平衡对不同分类模型性能的影响程度，对于类不平衡问题的研究具有指导意义。针对不同的分类模型，本发明提供的类不平衡对分类模型性能影响程度的评价方法具有较高的普适性。
-
公开(公告)号：CN109271308A
公开(公告)日：2019-01-25
申请号：CN201710578788.8
申请日：2017-07-17
Applicant: 中国矿业大学
IPC: G06F11/36
Abstract: 基于搜索的类集成测试序列问题中初始种群的生成方法。首先引入了一个约束条件，即测试某序列的类时，不允许打破类间的强依赖关系。随后提出一种在此约束条件下类测试序列的生成方法，包括分析系统得到强依赖矩阵、将矩阵转置并遍历以构建多叉树或多叉树森林、把可以合并的树合并、补全没有遍历到的类进而得到完整的森林、按随机顺序层次遍历森林中的每一棵树以得到类测试序列；本发明一定程度上解决了利用人工智能算法（如遗传算法和粒子群算法）求解类集成测试序列时，由于初始种群个体适应度值较低、整体质量较差而影响算法收敛速度及寻优结果的问题。将通过该方法生成的类测试序列作为初始种群，不失随机性，同时整体质量有所提高，加强了简单遗传算法和简单粒子群算法的寻优能力。
-
公开(公告)号：CN105468517A
公开(公告)日：2016-04-06
申请号：CN201510759523.9
申请日：2015-11-10
Applicant: 中国矿业大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于黑盒测试用例约简的统计错误定位方法，针对给定的测试用例集合，利用距离度量方法度量测试用例间的差异程度，从而构建测试用例距离矩阵；在此基础上设置测试需求，采用贪心算法开展测试用例约简工作从而生成满足测试需求的测试用例集，同时收集约简测试用例集的程序覆盖信息和程序执行结果，进而构建测试用例覆盖矩阵；之后开展统计错误定位来度量程序中语句出错的可疑度，最终生成软件错误定位报告。本发明目的在于解决目前存在的统计错误定位方法需要花费较长时间进行测试信息收集的问题，进而大幅提升统计错误定位方法的效率和易用性，提高了程序调试工作效率，从而更好的保证软件的质量。
-
公开(公告)号：CN102789420B
公开(公告)日：2016-01-20
申请号：CN201210256470.5
申请日：2012-07-24
Applicant: 中国矿业大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于程序执行轨迹的动态切片系统，包括系统获得程序的执行路径信息、对Java的.class文件进行静态分析、对程序执行轨迹中每个序列的每条语句的附加变量集进行分析、对源程序中每条语句直接控制依赖结点的获取、对程序执行轨迹中每个序列的每条语句进行附加控制依赖工作及完成对Java过程内程序进行动态切片的功能。在程序切片的过程中不需要对程序进行回溯，大大提高了算法的效率，根据控制依赖关系和变量的定义引用信息提高了切片的精度。
-
公开(公告)号：CN105243394A
公开(公告)日：2016-01-13
申请号：CN201510732754.0
申请日：2015-11-03
Applicant: 中国矿业大学
IPC: G06K9/62
Abstract: 本发明涉及一种类不平衡对分类模型性能影响程度的评价方法，包括下列步骤：(1)分类模型库构建；(2)新数据集构造；(3)分类模型对新数据集进行预测；(4)分类模型性能评价；(5)影响程度等级评定。本发明首先采用机器学习中典型的分类算法构建分类模型库；然后，选取类不平衡数据集作为基准数据集，并在此基础上构建一组不平衡率依次递增的新数据集，选取不同的分类模型对这组新数据集分别进行分类和预测；最后，采用变异系数来评价分类模型的性能变异程度并划分等级，从而评价类不平衡对不同分类模型性能的影响程度，对于类不平衡问题的研究具有指导意义。针对不同的分类模型，本发明提供的类不平衡对分类模型性能影响程度的评价方法具有较高的普适性。
-
Patent Agency Ranking
公开(公告)号：CN104461883A
公开(公告)日：2015-03-25
申请号：CN201410728471.4
申请日：2014-12-03
Applicant: 中国矿业大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于程序执行轨迹的过程间动态程序切片系统，具体方法依据以下五步进行：轨迹分析，首先利用调试器的信息记录程序执行轨迹，找出该次执行中涉及的类和方法；类层次分析，对涉及的类建立类层次图；程序调用分析，在类层次图的基础上建立计算方法的调用信息；控制依赖分析，同时计算涉及方法的控制依赖；程序切片，根据求得的所有信息计算得到程序切片，该系统大大提高了算法的效率，根据调用关系、控制依赖关系提高了切片的精度。根据调用关系，过程间信息的传递称为可能，从而可以对程序进行过程间动态程序切片。
-
-
公开(公告)号：CN113868113B
公开(公告)日：2024-09-06
申请号：CN202110689058.1
申请日：2021-06-22
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于Actor‑Critic算法的类集成测试序列生成方法，属于软件测试技术领域。包括下列步骤：1）定义目标任务；2）程序静态分析；3）度量测试桩复杂度；4）设计奖励函数；5）Actor网络选择动作；6）Critic网络评价动作的优劣；7）更新网络参数；8）生成类集成测试序列。本发明解决了目前已有的类集成测试序列生成方法评估确定类集成测试序列花费的总体代价偏高的问题，为实际生产生活中测试人员开展测试工作提供了更为合理的测试序列生成方法，提升了集成测试的效率，可以更好地控制产品的质量。
-
公开(公告)号：CN113377651A
公开(公告)日：2021-09-10
申请号：CN202110647435.5
申请日：2021-06-10
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于强化学习的类集成测试序列生成方法，属于软件测试技术领域。包括下列步骤：1）定义强化学习任务；2）程序静态分析；3）度量测试桩复杂度；4）设计奖励函数；5）设计值函数；6）生成类集成测试序列。本发明解决了目前已有的基于强化学习的类集成测试序列生成方法评估确定类集成测试序列花费的总体代价的指标不够精确的问题，为实际生产生活中测试人员开展测试工作提供了更为准确的度量方法，提升了集成测试的效率，可以更好地控制产品的质量。
-
公开(公告)号：CN110795327B
公开(公告)日：2021-07-30
申请号：CN201810860882.7
申请日：2018-08-01
Applicant: 中国矿业大学
Abstract: 本发明提供一种基于加权依赖图的并发程序执行轨迹静态简化方法，包括下列步骤：1）事件依赖关系计算；2）加权依赖图构建；3）加权依赖图简化；4）拓扑排序。本发明解决了目前存在的并发程序执行轨迹方法不能快速有效地获得最优简化后轨迹的问题，不仅最大限度地减少了原始轨迹中的上下文切换，而且减少了并发程序执行轨迹简化过程因随机性消耗的大量时间，进而提高了并发程序调试的效率，从而为准确修复并发缺陷提供了保障。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.025 seconds)
