-
公开(公告)号：CN114461515A
公开(公告)日：2022-05-10
申请号：CN202111533653.2
申请日：2021-12-15
申请人： 北京航空航天大学 , 北京空间飞行器总体设计部
IPC分类号： G06F11/36
摘要： 本发明公开一种基于领域知识的空间飞行器测试用例自适应生成方法，包括：1、获取待测空间飞行器的参数空间，确定参数各自的概率分布模型、归一化及距离度量方法；2、根据概率分布模型，随机在参数空间中生成一个初始用例，放入测试用例集E中；3、根据概率分布模型，随机在参数空间中生成候选测试用例集C；4、将测试用例表示成向量的形式，从候选测试用例集C中选择距离测试用例集E最短距离最大的候选测试用例，并将其放入测试用例集E中；5、不断执行上述步骤3、4，直至测试用例集E中生成了足够的测试用例。本发明使生成的测试用例集更加贴近空间飞行器的实际测试需求，增强了测试用例集的有效性，有助于提高测试效率。
-
公开(公告)号：CN114328188A
公开(公告)日：2022-04-12
申请号：CN202111506160.X
申请日：2021-12-10
申请人： 北京航空航天大学 , 北京空间飞行器总体设计部
摘要： 本发明公开一种基于模型的航天器控制器软件测试用例自动生成方法，包括：1)、空间飞行器测试需求形式化建模，用UML状态图对测试需求中航天器的状态以及其转换进行建模得到标准模型；2)、对标准模型预处理，将状态图中包含的测试信息转换成有向图存储；3)、通过有向图可得到不同的覆盖准则下的测试路径；4)、对每一条测试路径划分系统输入输出，并对该路径的输入空间进行等价类划分。5)、对每一个等价类进行赋值操作，得到该逻辑序列上的具体测试用例的序列。本发明解决了航天器软件需求缺乏统一描述方式的缺点；解决目前测试过程中测试场景的设计完全依赖测试人员经验，无法保障设计的测试场景有效覆盖自主功能全部需求的缺点。
-
公开(公告)号：CN102122251B
公开(公告)日：2016-09-14
申请号：CN201110067398.7
申请日：2011-03-21
申请人： 北京航空航天大学 , 北京空间飞行器总体设计部
摘要： 本发明涉及一种基于遗传算法的多航天器并行测试任务调度方法，其步骤如下：第一步遗传算法；第二步获得基线调度方案；第三步重调度；第四步设计结束。本发明的优点具体包括：①考虑了不确定性因素的影响，调度方案能够始终保持可行性；②生成的调度方案具有较短的测试总工期；③能够有效处理大规模的航天器并行测试任务调度问题。
-
公开(公告)号：CN116662854A
公开(公告)日：2023-08-29
申请号：CN202310624931.8
申请日：2023-05-30
申请人： 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC分类号： G06F18/24 , A61B5/369 , A61B5/372 , A61B5/00 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/096 , G06N3/048
摘要： 本发明公开了一种适用于跨被试脑电数据的解码方法，涉及脑电信号解码技术领域，包括：获取源域数据和目标域数据；构建跨被试脑电数据解码模型；将所述源域数据和目标域数据输入至跨被试脑电数据解码模型中进行训练，根据分类损失函数和自适应损失函数，更新跨被试脑电数据解码模型的网络参数，直至达到预设的迭代停止条件，输出最优网络模型；将脑机接口使用者的在线脑电样本输入至最优网络模型中，输出目标域标签。本发明构建一个端到端的神经网络，无需繁琐的手工特征处理，同时该网络能够处理多种脑电范式，减少了网络的重复性设计，有效提升网络的运行效率，该网络有效提升了跨被试脑机接口的分类精度。
-
公开(公告)号：CN115630305A
公开(公告)日：2023-01-20
申请号：CN202211390825.X
申请日：2022-11-07
申请人： 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC分类号： G06F18/214 , G06F18/241 , G06F123/00
摘要： 本发明提供了一种基于迁移学习的跨被试脑机接口解码方法，用于脑机解码，包括以下步骤：获取多源域数据集；除去所述多源域数据集中负影响样本，得到目标多源域数据集；根据所述目标多源域数据集对分类器进行训练，获得分类模型；将目标域数据输入所述分类模型，得到分类结果完成解码。本发明降低了脑机接口校准所需时间；本发明所用的训练数据集全部来自不同的被试，因此在实际使用时，可以采用其他被试提前采集的数据进行训练，而不需要脑机接口当前使用者采集大量训练数据或采用少量数据。
-
公开(公告)号：CN107832219B
公开(公告)日：2020-08-25
申请号：CN201711113909.8
申请日：2017-11-13
申请人： 北京航空航天大学 , 中国科学院沈阳自动化研究所
摘要： 本发明提供一种基于静态分析和神经网络的软件故障预测技术的构建方法,步骤如下：1、搜集被诊断软件的有效故障，加入到创建的故障案例库；2、统计软件各历史版本的有效故障的次数；3、使用静态分析工具扫描软件源代码，输出复杂度度量值；4、进行相关性分析，计算故障次数与度量值的显著性水平；5、选出与故障次数具有显著相关性的复杂度度量值；6、构建网络训练输入输出矩阵和预测输入矩阵；7、构建BP神经网络；8、完成网络训练，构建故障预测系统；9、神经网络预测，预测新版本的故障数量。通过上述步骤，可以完成对基于静态分析和BP神经网络的软件故障预测技术的构建。本发明能帮助开发者预测可能发生的软件故障，具有实用价值。
-
公开(公告)号：CN110751186A
公开(公告)日：2020-02-04
申请号：CN201910915935.5
申请日：2019-09-26
申请人： 北京航空航天大学
摘要： 本发明公开了一种监督式表示学习的跨项目软件缺陷预测方法：(1)选择缺陷数据集，对缺陷数据做预处理；(2)以无监督预训练方式训练迁移自编码器，迁移自编码器包括特征编码层和标签编码层；(3)借助迁移交叉验证方法，从源项目所有样本隐层特征表示中选择与目标项目样本隐层特征分布最接近的样本作为验证集，其余作为训练集；(4)对训练集样本进行过采样处理；(5)微调迁移自编码器，选择模型超参数以及提早停止策略；(6)将经预处理后的目标项目的数据输入给迁移自编码器，由标签编码层的输出得到最终的预测结果。本发明将源项目样本的标签信息引入到特征表示学习过程中，提高了跨项目软件缺陷预测模型的预测性能。
-
公开(公告)号：CN108804558A
公开(公告)日：2018-11-13
申请号：CN201810494332.8
申请日：2018-05-22
申请人： 北京航空航天大学
CPC分类号： G06F11/3608
摘要： 本发明公开了一种基于语义模型的缺陷报告自动分类方法，步骤如下：(1)从缺陷追踪系统中筛选缺陷报告，编写爬虫软件从缺陷追踪系统中抓取所需的缺陷报告并下载到本地计算机，提取缺陷报告的文本信息；(2)对文本进行预处理，排除文本中包含的干扰信息并保留有用信息；(3)通过深度学习，训练缺陷报告的语义模型，将缺陷报告文本中的每个单词训练成为可以表示语义关系的低维实数词向量，使用词向量对所要分类的缺陷报告进行表示；(4)以步骤(3)得到的数据为输入，使用机器学习的方法对缺陷报告进行多个粒度的自动分类。本发明通过训练缺陷报告语义模型，将语义信息引入到缺陷报告的自动分类中，提高了对缺陷报告进行自动分类的准确率。
-
公开(公告)号：CN102646218A
公开(公告)日：2012-08-22
申请号：CN201210037947.0
申请日：2012-02-17
申请人： 北京航空航天大学
IPC分类号： G06Q10/04
摘要： 一种基于主从决策的设施防御优化决策方法，它有五大步骤：步骤一、场景及决策变量初始化；步骤二、确定最优中断节点集；步骤三、筛选候选防御节点；步骤四、确定单位防御量分配策略；步骤五、设计结束。本发明针对现实情况中关键设施防御决策问题所具有的防御结果不确定性特点，提出一种基于主从决策模型的设施防御优化决策方法，它扩展了经典关键设施防御决策模型的实际应用范围并改善其防御决策效果。本发明在统筹和概率学技术领域里具有较好的实用价值和广阔的应用前景。
-
公开(公告)号：CN102122251A
公开(公告)日：2011-07-13
申请号：CN201110067398.7
申请日：2011-03-21
申请人： 北京航空航天大学
摘要： 本发明涉及一种基于遗传算法的多航天器并行测试任务调度方法，其步骤如下：第一步遗传算法；第二步获得基线调度方案；第三步重调度；第四步设计结束。本发明的优点具体包括：①考虑了不确定性因素的影响，调度方案能够始终保持可行性；②生成的调度方案具有较短的测试总工期；③能够有效处理大规模的航天器并行测试任务调度问题。
-
-
-
-
-
-
-
-
-
搜索结果
51 条记录 (耗时 0.075 秒)
