-
公开(公告)号：CN113657645B
公开(公告)日：2023-09-26
申请号：CN202110801710.4
申请日：2021-07-15
Applicant: 杭州电子科技大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0464 , G06N3/084 , G08G1/01
Abstract: 本发明公开了一种基于注意力机制的时空连接增强3DCNN交通预测方法，本发明设计了由周期组件、趋势组件和近期组件组成的时空连接增强3DCNN模型框架，周期组件和趋势组件用于提取时间间隔较远的交通流数据的时空特征，近期组件用于提取近期数据的时空特征并进一步学习另外两个组件提取的信息以提高预测精度；在传统注意力机制时空维度基础上考虑通道维度，构建时空影响注意力模块来捕获时空特征的影响程度，达到量化时空异质性进而提高预测精度的目的；将多注意力模块连接，低层模块得到信息对高层模块可见度变高。本发明进一步提高交通流数据的预测精度。
-
公开(公告)号：CN110879778B
公开(公告)日：2023-09-26
申请号：CN201910973884.1
申请日：2019-10-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种新的动态反馈和改进型补丁评价的软件自动修复方法，本发明具体涉及运用云模型的对候选补丁建模，实现对常规补丁样本的量化分析，将种群整体角度参数引进到适应度评价中，运用模型参数增强适应度评价函数对所生成补丁的表达能力，影响遗传算法对候选补丁筛选时的结果，指导下一代补丁生成。并运用动态反馈调整策略，根据父代与子代的所有补丁的适应度差异，调整云模型中的超熵与遗传算法中的变异率，动态选择随机游走或一维更新修复策略，从而提高软件缺陷修复成功率的修复方法。
-
公开(公告)号：CN110515836B
公开(公告)日：2023-08-11
申请号：CN201910700517.4
申请日：2019-07-31
Applicant: 杭州电子科技大学
IPC: G06F11/36 , G06F18/214 , G06F18/2415 , G06F18/22
Abstract: 本发明公开了一种面向软件缺陷预测的加权朴素贝叶斯方法，现有技术中朴素贝叶斯方法没有考虑到训练集数据与测试集数据之间的相似性对预测结果的影响。已有的朴素贝叶斯的改进方法没有考虑到某一特征值在该特征属性中所占的概率大小的影响，所计算的相似性不够准确，因此对样本权重计算不够精确，会影响分类效果的准确性。本发明所提出的一种面向软件缺陷预测的加权朴素贝叶斯方法能够根据训练集样本与测试集样本的相似度为训练集样本加权，并且能够考虑到某一特征值在该特征属性中所占的概率大小的影响。因此，本发明可以提高朴素贝叶斯的预测性能。
-
公开(公告)号：CN116244704A
公开(公告)日：2023-06-09
申请号：CN202310204180.4
申请日：2023-03-06
Applicant: 杭州电子科技大学
IPC: G06F21/57 , G06F18/23213 , G06F18/2135 , G06F18/214 , G06F18/241 , G06F18/2413 , G06N20/20
Abstract: 本发明公开了一种面向软件缺陷预测的类不平衡处理方法，采用两阶段处理。第一阶段执行通过分层过采样操作，利用K‑近邻和K‑均值对预处理后的缺陷数据集进行分层操作，使同层中的缺陷类具有类似的空间分布信息，并且其周围可利用的空间范围缩小，最后对分层后的每种缺陷类进行基于主成分分析空间映射的非线性过采样，以适当提升缺陷类样本数量，从数据层面初步改善了类不平衡问题。第二阶段对采样后的整体样本使用基于集成学习的双向渐变代价提升策略，引入两种渐变代价因子，分别抑制两种误分类错误的发生，即缺陷类预测为无缺陷类以及无缺陷类预测为缺陷类，从算法层面进一步处理类不平衡问题，以提升模型的整体预测性能。
-
公开(公告)号：CN116071582A
公开(公告)日：2023-05-05
申请号：CN202211689883.2
申请日：2022-12-27
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种空间和通道加权和动态非对称卷积的物体识别方法，本发明通过提出的非对称卷积组对平方卷积进行重构，加强卷积局部信息与全局信息的内在联系，使得网络获得3个不同卷积部位的特征，增强模型学习能力。其中，非对称卷积组针对平方卷积的骨干部分进行重构，增加卷积对局部显著特征的捕获。这种局部显著信息能够帮助模型更好的获得物体特征上下文语义信息，提高模型对物体识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN115861772A
公开(公告)日：2023-03-28
申请号：CN202310148143.6
申请日：2023-02-22
Applicant: 杭州电子科技大学
IPC: G06V10/82 , G06V10/80 , G06V10/30 , G06V10/44 , G06V10/77 , G06V10/764 , G06V10/766 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于RetinaNet的多尺度单阶段目标检测方法。该方法将卷积块注意力模块添加到ResNet主干网络的残差模块中，使用改进后的ResNet网络进行多尺度特征提取。然后采用双向路径融合的特征金字塔，对提取到的不同尺度的特征信息进行融合，可以增大浅层特征层的语义信息占比，提高小目标包含的语义权重，同时增大采样过程中的感受野，加强多个尺度间的特征联系。最后将融合后的特征图使用完全交并比损失函数对检测目标进行筛选。本发明能够消除训练时的检测正负样本不均衡的问题，提高了小目标的检测率，检测结果可以用于完成人脸识别、物体分类等下游识别任务。
-
公开(公告)号：CN115358961A
公开(公告)日：2022-11-18
申请号：CN202211110378.8
申请日：2022-09-13
Applicant: 杭州电子科技大学
IPC: G06T5/50 , G06T5/00 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的多焦点图像融合方法，该方法首先将训练样本集和测试样本集由RGB颜色空间转换到YCbCr空间，保留其中的Y通道图像最为训练数据集和测试数据集。然后根据拉普拉斯算子获得多焦点图像对的边缘信息，并根据最大选择策略获取融合图像标签。再将多焦点图像对输入到生成器融合网络中获取融合图像。除此之外，根据设计的纹理增强模块提取源图像的高频纹理信息并设计相应的损失函数优化融合图像。最后将融合图像标签和融合图像输入到鉴别器中鉴别真假，并根据鉴别结果优化生成器。本发明解决了多焦点图像融合过程中纹理和边缘信息丢失的问题，并且融合后的图像可以用来做进一步的图像处理。
-
公开(公告)号：CN113434401B
公开(公告)日：2022-10-28
申请号：CN202110703322.2
申请日：2021-06-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于样本分布特征和SPY算法的软件缺陷预测方法；本发明基于软件缺陷数据集的分布特征，提出了边界k值确定公式。根据公式为不同的数据集选择合适的少数类边界样本。此外，本发明将SPY算法和边界采样算法结合，通过边缘样本优化SPY算法，将少数类边界区域的部分多数类样本设置成为SPY样本，并为SPY样本设置较小训练样本权重，在原始少数类边界区域内部使用边界采样的算法。SPY样本可以对边界上的少数类样本起到引导的作用，确保边界区域的少数类样本能够被正确分类。同时，通过为SPY样本设立一个较小的样本权重，减少了SPY样本对多数类样本的分类影响，最终达到一个较好的分类效果。
-
公开(公告)号：CN110515836A
公开(公告)日：2019-11-29
申请号：CN201910700517.4
申请日：2019-07-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种面向软件缺陷预测的加权朴素贝叶斯方法，现有技术中朴素贝叶斯方法没有考虑到训练集数据与测试集数据之间的相似性对预测结果的影响。已有的朴素贝叶斯的改进方法没有考虑到某一特征值在该特征属性中所占的概率大小的影响，所计算的相似性不够准确，因此对样本权重计算不够精确，会影响分类效果的准确性。本发明所提出的一种面向软件缺陷预测的加权朴素贝叶斯方法能够根据训练集样本与测试集样本的相似度为训练集样本加权，并且能够考虑到某一特征值在该特征属性中所占的概率大小的影响。因此，本发明可以提高朴素贝叶斯的预测性能。
-
公开(公告)号：CN107247664A
公开(公告)日：2017-10-13
申请号：CN201710337657.0
申请日：2017-05-15
Applicant: 杭州电子科技大学
IPC: G06F11/36
Abstract: 本发明涉及一种面向开源软件的协同行为测度方法，传统是根据经验而没有具体的量化标准，多数基于单次合作关联而忽略了两个开发者合作多次的情况，然而开发者之间的多次合作会对开源软件质量产生不同的影响，使得协同行为分析结果不遵循实际的项目开发情况；本发明首先获取开源数据，提取项目开发者之间的合作次数，构建项目协同矩阵；根据项目协同矩阵，计算项目开发者网络的点权平均值和开发网络中加权集聚系数的平均值；对点权平均值和加权集聚系数的平均值进行线性加权求和，得到开源项目的协同行为测度值。本发明通过数值度量开源软件中开发者协同合作行为，能够得到整个软件的开发者协同合作的量化值，从而为开源软件质量评估提供支持。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.03 seconds)
