-
公开(公告)号：CN114091235A
公开(公告)日：2022-02-25
申请号：CN202111216824.9
申请日：2021-10-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于JCAS典型场景想定的数据链系统仿真与验证方法。本发明包括：1、建立TM控制模型，包括SUT管理模块、通信模块、场景行为模块、航迹模块和测试模块；2、建立SUT单元模型；3、建立场景行为模块；4、建立航迹模块，TM控制模型根据在线SUT单元模型的唯一实体号及角色名搭建JCAS场景；通过航迹模块实现JCAS场景动态响定，并且实现动态更新SUT单元模型的本地航迹库信息；5、建立测试模块，基于步骤3中建立的场景行为模块和步骤4中的航迹模块，使用QT框架搭建测试模块实现功能测试，最终生成支持实时分布式仿真测试环境的被测系统模型；6、运行生成的测试系统模块。本发明通过软件模拟的方式进行模拟，从而完成仿真实验验证的方法。
-
Patent Agency Ranking
公开(公告)号：CN113536551A
公开(公告)日：2021-10-22
申请号：CN202110734471.5
申请日：2021-06-30
Applicant: 杭州电子科技大学
IPC: G06F30/20
Abstract: 本发明涉及一种基于DEVS的数据链系统的建模与测试的方法。本发明步骤为：建立输入/输出行为模型：根据目标数据链系统消息标准的输入/输出行为建立；建立最小可测试输入/输出对模型：根据各个输入/输出行为在时间上的发生顺序建立；建立规则行为模型：根据各个最小可测试输入/输出对的依赖性关系建立；建立场景行为模型：根据各个规则的依赖性关系建立；建立被测系统模型：基于场景行为模型，使用ADEVS框架并结合相关子模块生成；建立测试模型：镜像被测系统模型的输入/输出行为建立；测试执行：运行测试模型和被测系统模型，能判断出其是否正确实现了目标消息标准中的元素并给出结果；本发明你根据被测系统模型的输入/输出行为，判断其正确性。
-
公开(公告)号：CN113536551B
公开(公告)日：2024-10-25
申请号：CN202110734471.5
申请日：2021-06-30
Applicant: 中国电子科技集团公司第二十研究所 , 杭州电子科技大学
IPC: G06F30/20
Abstract: 本发明涉及一种基于DEVS的数据链系统的建模与测试的方法。本发明步骤为：建立输入/输出行为模型：根据目标数据链系统消息标准的输入/输出行为建立；建立最小可测试输入/输出对模型：根据各个输入/输出行为在时间上的发生顺序建立；建立规则行为模型：根据各个最小可测试输入/输出对的依赖性关系建立；建立场景行为模型：根据各个规则的依赖性关系建立；建立被测系统模型：基于场景行为模型，使用ADEVS框架并结合相关子模块生成；建立测试模型：镜像被测系统模型的输入/输出行为建立；测试执行：运行测试模型和被测系统模型，能判断出其是否正确实现了目标消息标准中的元素并给出结果；本发明你根据被测系统模型的输入/输出行为，判断其正确性。
-
公开(公告)号：CN114090770B
公开(公告)日：2022-11-04
申请号：CN202111216820.0
申请日：2021-10-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种多阶段的无监督域适应因果关系识别方法。本发明步骤包括：(1)数据集划分；(2)利用自适应对比学习进行预训练；(3)结合知识蒸馏进行对抗学习；(4)多级数据过滤得到种子集；(5)单级数据过滤得到伪标签集合；(6)利用k‑means聚类方法获取子类原型；(7)采用特征级别的数据增强引入一致性；(8)利用过滤得到的伪标签进行自训练。本发明通过自适应对比学习获取源域中丰富的因果关系知识，然后利用知识蒸馏和对抗学习的方式将源域知识迁移到目标域，再通过数据过滤获得多级的子类原型和无标签样本的伪标签，利用原型进行特征级别的数据增强从而引入一致性损失，利用伪标签在目标域进行自训练。
-
公开(公告)号：CN114090770A
公开(公告)日：2022-02-25
申请号：CN202111216820.0
申请日：2021-10-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种多阶段的无监督域适应因果关系识别方法。本发明步骤包括：(1)数据集划分；(2)利用自适应对比学习进行预训练；(3)结合知识蒸馏进行对抗学习；(4)多级数据过滤得到种子集；(5)单级数据过滤得到伪标签集合；(6)利用k‑means聚类方法获取子类原型；(7)采用特征级别的数据增强引入一致性；(8)利用过滤得到的伪标签进行自训练。本发明通过自适应对比学习获取源域中丰富的因果关系知识，然后利用知识蒸馏和对抗学习的方式将源域知识迁移到目标域，再通过数据过滤获得多级的子类原型和无标签样本的伪标签，利用原型进行特征级别的数据增强从而引入一致性损失，利用伪标签在目标域进行自训练。
-
公开(公告)号：CN113535551A
公开(公告)日：2021-10-22
申请号：CN202110734482.3
申请日：2021-06-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于json格式规约描述的6016B规则测试的文本模型构建方法。本发明通过设计特定的json规约描述格式；构建状态变量表；构建规则库；使用启发式规则分析多规则间的依赖关系：通过判断json格式的规约描述中的条件和结果字段内的状态变量是否有交集来确定依赖关系；验证文本模型的正确性：将处理得到的规则对应的json格式规约描述文件输入DEVS仿真模型，观察其能否正确建模并是否可产生正确响应。本发明使用特定的json格式规约描述可明确地表示6016B单条规则内的逻辑关系及多条规则间的依赖关系。使用归纳好的正则表达式模板库，可较为高效地处理与之相似的规则，并且模板库可拓展。
-
-
-
-
-
Search Results
16
records
(took 0.017 seconds)
