一种航天智能装备软件测试方法
    1.
    发明公开

    公开(公告)号:CN117785687A

    公开(公告)日:2024-03-29

    申请号:CN202311788711.5

    申请日:2023-12-25

    Abstract: 本发明公开了一种航天智能装备软件测试方法,包括以下步骤:步骤一,模型验证;步骤二,系统部署;步骤三,在轨应用;所述步骤1.1中,测试对象包括数据集、学习程序、模型算法和智能框架;所述步骤1.2中,测试工具包括数据标注工具、数据扩增工具、对抗样本生成工具和可视化分析工具;所述步骤2.1中,测试对象包括文档、程序代码和智能系统;所述步骤三中,测试对象为在轨应用运行后软件系统;本发明将航天智能装备软件测试划分为模型验证、系统部署和在轨应用三个阶段,并明确了各阶段的执行顺序,建立了三个阶段的测试框架,保证了各阶段测试活动过程明确、清晰、可落地,进而保证对智能模型及软件系统测试活动的有效性和充分性。

    一种软件缺陷预测特征的选择方法及装置

    公开(公告)号:CN112269732B

    公开(公告)日:2024-01-05

    申请号:CN202011097889.1

    申请日:2020-10-14

    Abstract: 本发明公开了一种软件缺陷预测特征的选择方法及装置。所述方法包括:根据历史软件缺陷数据库,获取领域缺陷数据集;基于Bootstrap抽样技术对所述领域缺陷数据集进行抽样处理,生成软件缺陷样本集;基于所述软件缺陷样本集和马尔科夫毯模型,对原始特征进行分组,得到多个特征组;根据预先设计的启发式特征选择策略,从所述多个特征组中筛选出初始特征,得到筛选的候选特征序列;基于遗传算法从所述候选特征序列中搜索出目标特征子集。本发明能够更有效地提高软件缺陷预测准确性。

    一种软件缺陷预测特征的选择方法及装置

    公开(公告)号:CN112269732A

    公开(公告)日:2021-01-26

    申请号:CN202011097889.1

    申请日:2020-10-14

    Abstract: 本发明公开了一种软件缺陷预测特征的选择方法及装置。所述方法包括:根据历史软件缺陷数据库,获取领域缺陷数据集;基于Bootstrap抽样技术对所述领域缺陷数据集进行抽样处理,生成软件缺陷样本集;基于所述软件缺陷样本集和马尔科夫毯模型,对原始特征进行分组,得到多个特征组;根据预先设计的启发式特征选择策略,从所述多个特征组中筛选出初始特征,得到筛选的候选特征序列;基于遗传算法从所述候选特征序列中搜索出目标特征子集。本发明能够更有效地提高软件缺陷预测准确性。

    一种适用于不同编程语言的高效代码特征提取方法

    公开(公告)号:CN119311314A

    公开(公告)日:2025-01-14

    申请号:CN202411385821.1

    申请日:2024-09-30

    Abstract: 本发明公开一种适用于不同编程语言的高效代码特征提取方法,包括:从指定的项目路径中加载不同编程语言配置文件,通过预定义的语言解析规则映射器解析语言配置文件,生成适用于不同编程语言的语言规则映射表;识别编程语言类型,按类型创建多任务队列并分配任务线程;依据语言规则映射表,对源代码预处理后进行分词和标记,对分词结果归一化后生成归一化后的源代码文件;对归一化后的源代码文件按给定的窗口和步长大小进行代码块分割并生成哈希值作为特征值,获得以哈希值序列为特征指纹的代码文件;将以哈希值序列为特征指纹的代码文件以及标记内容按标准化格式进行序列化存储并输出。本发明能够提高代码分析的效率和准确性。

Patent Agency Ranking