-
公开(公告)号：CN113448840A
公开(公告)日：2021-09-28
申请号：CN202110556984.1
申请日：2021-05-21
Applicant: 北京工商大学
Abstract: 本发明公开了基于预测缺陷率和模糊综合评价模型的软件质量评价方法，包括以下步骤，S1：采集软件代码的固有属性数据并进行整理；S2：对软件预测缺陷率模型进行训练和测试；S3：将步骤S1中采集的软件代码固有属性数据输入步骤S2中测试后的软件预测缺陷率模型中，得到软件的预测缺陷率；S4：建立模糊综合评价模型，将步骤S3中得出的预测缺陷率作为第二层的评价指标，构建判断矩阵，根据判断矩阵确定因素权重；S5：建立评价集，根据每一层每一个因素的评价等级建立模糊隶属度矩阵，结合模糊隶属度矩阵和权重矩阵进行综合评判，计算软件评价的综合得分。本发明中的方法能够提高软件缺陷判断的效率，同时还可以对软件的质量特性进行综合评价。
-
Patent Agency Ranking
公开(公告)号：CN111538819A
公开(公告)日：2020-08-14
申请号：CN202010228146.7
申请日：2020-03-27
Applicant: 北京工商大学
IPC: G06F16/332 , G06F16/35 , G06N5/04 , G06F40/295
Abstract: 本发明公开了一种基于文档集多跳推理的问答系统的构建方法，属于自然语言处理技术领域，该方法包括训练阶段和运行阶段，训练阶段中采集需要以多个文档中多个分散文本为支持证据的问答对及支持事实构成训练集，并从给定文档中找到相关的支持实体与答案，经过对比后用反向传播算法对模型进行优化；运行阶段中通过客户端、服务端将相应的答案预测值及支持事实反馈给用户。本发明的构建方法中，基于文档而不是基于知识库的问答使得最终收集的数据以自然语言的形式呈现，并且在内容和难度上具有多样性，可以有效节省模型的训练时间，在GNN图网络上进行动态推理，较好地提取了文本的序列信息，使得问答效果更好。
-
公开(公告)号：CN116563455A
公开(公告)日：2023-08-08
申请号：CN202310358815.6
申请日：2023-04-06
Applicant: 北京工商大学
Abstract: 本申请公开了一种通过融合IOS(口扫数据)和全景X线片与深度学习重建三维牙齿模型的技术。提出了一种以深度学习模型设计为出发点、以全景X线片和IOS网格为输入、三维牙齿模型为输出的端到端的牙齿重建模型，来降低牙齿三维模型获取的难度和提高牙齿三维模型的精度。该架构使用基于编码器和解码器的网络结构来提取图像特征和深度信息；将提取的特征输入到分割网络获取牙齿实例分割图；将提取的图像特征和深度信息输入到重建网络中，得到低精度的牙齿三维模型；将IOS输入到IOS分割网络中得到高精度的三维牙齿模型(不包含牙根)；最后将两者融合得到完整的高精度牙齿三维模型。
-
公开(公告)号：CN116579933A
公开(公告)日：2023-08-11
申请号：CN202310358862.0
申请日：2023-04-06
Applicant: 北京工商大学
IPC: G06T5/00 , G06V10/42 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种基于规则化和平滑修复的点云补全方法。本技术所要解决的问题在于，目前现有的点云补全方法主要是直接对输入的点云数据进行处理，并没有充分考虑点云的结构和相邻点之间的信息。为了解决上述问题，提出了一个网格平滑点云补全网络。网络模型主要包含两部分：粗糙完整点云的生成和完整点云精细化的平滑。首先通过对点云进行规则化，进而使用卷积神经网络进行补全，之后再逆规则化生成一个粗糙的点云模型。其次，通过将粗糙完整点云经过第二个编码器‑解码器网络生成一个分布均匀的完整点云模型。该方法不仅没有忽略局部几何信息，同时会保护了原始输入点云的几何结构，避免造成位移损失。
-
公开(公告)号：CN115982037A
公开(公告)日：2023-04-18
申请号：CN202211735838.6
申请日：2022-12-30
Applicant: 北京工商大学
IPC: G06F11/36 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于抽象语法树的软件缺陷预测方法，属于深度学习领域和软件缺陷预测领域。本发明通过将源代码转换为抽象语法树的形式，保留其定义良好的结构信息与语义信息，使用图卷积网络(GCN)来学习语法树结构中的节点的特征和网络结构的信息；使用词嵌入将抽象语法树的节点序列转换成文本向量，然后使用BiGRU网络来学习上下文直接的语义关系以提取语义特征，最后将得到的两类特征基于注意力机制进行聚合得到代码的特征，将其输入分类器中以预测缺陷率。本发明充分利用了代码的语义和语法特征使用注意力机制为不同变量赋予不同的权重，减少了噪声干扰，提高了软件缺陷预测的准确率。
-
公开(公告)号：CN110705681A
公开(公告)日：2020-01-17
申请号：CN201910936895.2
申请日：2019-09-29
Applicant: 北京工商大学
Abstract: 本发明提供一种支持向量机参数优化方法及系统，该方法包括步骤：读取样本数据划分训练集和测试集；对样本数据进行归一化处理，对训练集中蜻蜓的参数进行初始设置；将蜻蜓个体的位置信息依次赋值给支持向量机中的惩罚参数和核参数；构建SVM回归模型，计算每组参数对应的均方误差，作为种群中每个所述蜻蜓个体的适应度值，以获取最优个体和最差个体，将最优个体视为食物，将最差个体视为外敌；判断当前是否满足终止条件；若是，则结束，输出最优的一组参数并创建优化SVM模型；若否，则更新邻域半径，返回执行惩罚参数和核参数的赋值。本发明通过进行更新邻域半径的设计，以提高蜻蜓个体位置的差异性和分布性，提高了算法全局搜索能力和局部寻优精度。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
