-
公开(公告)号：CN118115916A
公开(公告)日：2024-05-31
申请号：CN202410230314.4
申请日：2024-02-29
Applicant: 大连海事大学
IPC: G06V20/40 , G06V10/764 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于语义聚合的视频目标检测方法、系统及存储介质。本发明方法，包括：提取视频特征；基于提取的视频特征，进行帧级别的特征聚合，生成增强后的特征f；基于生成的增强后的特征，获取候选区域特征；基于获取的候选区域特征，进行语义聚合，得到增强后的关键帧的区域候选特征；基于增强后的关键帧的区域候选特征，进行分类和回归，得到预测的类别和边界框信息，并计算损失函数；利用总损失函数更新网络参数，得到一个稳定的视频目标检测模型，将原始视频或图片序列输入到稳定的视频目标检测模型中，输出目标的类别和边界框。本发明通过应用注意力机制，对参考帧进行语义聚合来增强当前帧的特征图，进而提高视频目标检测的准确度。
-
公开(公告)号：CN118094561A
公开(公告)日：2024-05-28
申请号：CN202410293490.2
申请日：2024-03-14
Applicant: 大连海事大学
IPC: G06F21/57 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/084
Abstract: 本发明提供了一种基于代码属性图学习的代码漏洞检测方法，包括如下步骤：S1、对现有的漏洞数据集进行合并以建立合并数据集；从现实的开源项目中进行数据集收集以建立混合数据集；S2、将抽象语法树、控制流图、数据流图、程序依赖图结合构成代码属性图，从代码属性图中选择两条短路径和两条长路径以覆盖路径特征；S3、建立漏洞检测模型；S4、将特征向量与实际标签进行比较，计算漏洞检测模型的损失值，随后进行反向传播和参数更新来提高漏洞检测模型的性能，输出训练好的漏洞检测模型，采用训练好的漏洞检测模型来预测代码是否有漏洞。本发明对于改进代码漏洞检测具有重要意义；本发明提高软件的开发效率和质量，减少软件漏洞。
-
公开(公告)号：CN110287124B
公开(公告)日：2023-04-25
申请号：CN201910595620.7
申请日：2019-07-03
Applicant: 大连海事大学
Abstract: 本发明公开了一种自动标记软件错误报告并进行严重性识别的方法，包括以下步骤：S1：对软件错误报告进行编码并将错误报告标记为严重或不严重；S2：采用严重报告和不严重报告训练分类器，获得每个输入报告的后验概率，其中后验概率为输入报告分类的概率分布；S3：采用完成训练的分类器对无标记报告的数据集进行分类，并获得该数据集中每个样例的后验概率；S4：根据S3中求得的后验概率求解每个无标记报告的模糊度；S5：将无标记报告按照模糊度的升序排列，选取前k个无标记报告填充到原数据集中扩充数据集，对扩充后的数据集重新训练分类器。
-
公开(公告)号：CN110471854B
公开(公告)日：2023-02-03
申请号：CN201910770489.3
申请日：2019-08-20
Applicant: 大连海事大学
IPC: G06F11/36 , G06F40/284 , G06F18/2415 , G06N3/126
Abstract: 本发明公开了一种基于高维数据混合约简的缺陷报告指派方法，包括如下步骤：S1:从缺陷报告系统中获取缺陷报告的故障文本信息、故障元信息和故障触发时间信息；S2:将缺陷报告定义为文本，选择能表现文本信息的词段，并采用分词、去停词、词干化和向量空间表示方法对缺陷报告进行标准化处理，S3:基于差分进化算法采用特征选择、实例选择和二者相结合的方式对缺陷报告进行数据约简；S4:读取缺陷报告的开发人员参与度信息，筛选处理过具有相同产品信息的bug报告的开发人员，对缺陷报告进行再次分类；S5:当有未被分类的缺陷报告提交时，使用结合开发人员参与度的数据约简策略为其分类，分配合适的开发人员处理该缺陷报告。
-
公开(公告)号：CN110989362B
公开(公告)日：2022-09-27
申请号：CN201911370587.4
申请日：2019-12-26
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明提供一种带有信号量化和状态时变时延的UMV的T‑S模糊滑模容错控制方法，包括：S1、建立推进器故障模型，包括推进器失效、中断、时变卡死故障类型；S2、建立量化机制模型，包括静态量化器模型和动态量化器模型；S3、考虑UMV发生推进器故障和含有状态时变时延的现象，建立T‑S模糊UMV时变时延系统模型；S4、针对步骤S3中建立的T‑S模糊UMV时变时延系统模型，设计线性滑模面；S5、基于步骤S4设计的线性滑模面，设计量化滑模容错切换控制器。本发明的技术方案解决了T‑S模糊UMV系统同时发生信号量化、状态时变时延与推进器故障的问题。
-
Patent Agency Ranking
公开(公告)号：CN115098358A
公开(公告)日：2022-09-23
申请号：CN202210557212.4
申请日：2022-05-19
Applicant: 大连海事大学
Abstract: 本发明公开了一种用于Simulink测试的测试用例优先排序方法，包括：利用测试用例随机生成工具生成测试用例；统计每个测试用例中出现的Simulink模块名、模块出现的次数、子系统层数、僵尸块比例以及相关的测试用例结构信息；利用已统计的测试用例信息计算每个测试用例的特征块、复杂度以及僵尸块比例三大类特征；构建特征向量FV；基于特征向量FV计算每两个测试用例之间的差异度，综合僵尸块比例和差异度对Simulink测试用例进行优先排序；利用差分测试程序对优先排序结果进行测试，该方法解决了差分测试框架下自动测试的有效性问题，为Simulink的加速测试提供了新思路。
-
公开(公告)号：CN109408726B
公开(公告)日：2022-02-08
申请号：CN201811333596.1
申请日：2018-11-09
Applicant: 大连海事大学
IPC: G06F16/9535
Abstract: 本发明公开了一种问答网站中问题回答者推荐方法，具有如下步骤：推荐系统接收提问者信息以及问题信息，提取问答网站的数据；构建用户间关系的网络图；将网络图利用Weighted LeaderRank算法得出用户排名；对所有用户形成一个社团分类；根据用户排名和社团分类，确定出每个社团中的用户排名；根据提问者用户在问答网站中的id在推荐系统中确认所属社团，并且推荐给该社团中活跃度为α以上的用户，由其来解答问题，然后将答案反馈给提问者用户。本发明通过对提问者进行社团划分，然后推荐给与其相同社团的用户，能够缩短问题解决的时间，提高问题回答的准确性和质量，促进技术性问答网站中问题的解决。
-
公开(公告)号：CN110879535A
公开(公告)日：2020-03-13
申请号：CN201911368384.1
申请日：2019-12-26
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明提供一种T-S模糊UMV的滑模容错控制方法，包括：S1、基于T-S模糊模型方法，建立T-S模糊UMV时变时延系统模型；S2、基于上述的T-S模糊UMV时变时延系统模型，设计滑模面；S3、基于步骤S2设计的滑模面，设计自适应切换滑模容错控制器。本发明的技术方案可以在推进器发生故障以及UMV存在状态时变时延的情况下，实现UMV的动力定位，且不需要故障检测与诊断模块，避免了可能出现的推进器故障信息延迟或漏报现象。解决了现有技术中针对推进器故障和UMV存在状态时变时延的情况考虑单一的问题。
-
公开(公告)号：CN110471856A
公开(公告)日：2019-11-19
申请号：CN201910775361.6
申请日：2019-08-21
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于数据不平衡的软件缺陷预测方法，包括：从已知bug分布的项目中，将具有软件度量值的各类错误报告作为预测使用的原始数据集；采用RSMOTE不平衡处理策略对原数据集中文本矩阵进行不平衡处理、得到平衡数据集；使用朴素贝叶斯、多项式朴素贝叶斯、K近邻、支持向量机、分类树、和Adacost对平衡数据集进行建模找到预测效果最佳的分类器；提取未知bug位置的新项目的软件度量值，输入分类器，进行预测，输出每个程序段是否有bug的预测信息，并进行记录存储。本方法采用了RSMOTE不平衡处理策略对原数据集中文本矩阵进行不平衡处理，因此生成少数类样例更加灵活，能够产生更加广泛合理的样例。
-
公开(公告)号：CN110471854A
公开(公告)日：2019-11-19
申请号：CN201910770489.3
申请日：2019-08-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于高维数据混合约简的缺陷报告指派方法，包括如下步骤：S1:从缺陷报告系统中获取缺陷报告的故障文本信息、故障元信息和故障触发时间信息；S2:将缺陷报告定义为文本，选择能表现文本信息的词段，并采用分词、去停词、词干化和向量空间表示方法对缺陷报告进行标准化处理，S3:基于差分进化算法采用特征选择、实例选择和二者相结合的方式对缺陷报告进行数据约简；S4:读取缺陷报告的开发人员参与度信息，筛选处理过具有相同产品信息的bug报告的开发人员，对缺陷报告进行再次分类；S5:当有未被分类的缺陷报告提交时，使用结合开发人员参与度的数据约简策略为其分类，分配合适的开发人员处理该缺陷报告。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.072 seconds)
