-
公开(公告)号：CN114968764A
公开(公告)日：2022-08-30
申请号：CN202210445965.6
申请日：2022-04-26
申请人： 南通大学
摘要： 本发明属于软件缺陷预测的技术领域，提供一种基于代码语义融合传统度量元的软件缺陷预测方法，包括如下步骤：S1、获取项目传统度量元；S2、构建项目代码实例向量集PCIVS；S3、构建语义提取器SEM；S4、生成语义向量集GSVS；S5、构建语义融合器SCM；S6、生成组合语义向量集CSVS；S7、构建缺陷预测分类模型；S8、构建基于代码语义融合传统度量元的软件缺陷预测方法MSFDP。本发明使用特征提取器提取代码中潜在的语义信息，并融合人工提取的传统度量元，使用组合的语义向量表示构建缺陷预测分类模型，弥补使用传统度量元建立预测模型方法的不足，提高软件使用的稳定性，进一步帮助开发人员及早的发现软件缺陷，优化测试资源分配。
-
公开(公告)号：CN114677129A
公开(公告)日：2022-06-28
申请号：CN202210401092.9
申请日：2022-04-18
申请人： 南通大学
摘要： 本发明提供一种基于区块链的艺术品确权流通方法，包括如下步骤：S1、基于ubantu系统，使用go‑ethereum对区块链进行创世区块的初始化和私人网络搭建；S2、基于remix ide平台，使用solidity语言对艺术品上链交易编写智能合约；S3、对智能合约的性能和安全进行测试，用户上链确权，并进行交易流通，成功确权。本发明针对艺术品的数字确权流通，提供一种基于区块链的艺术品确权流通方法，通过上链确权，交易流通达到艺术品确权流通的目的。
-
公开(公告)号：CN114860595A
公开(公告)日：2022-08-05
申请号：CN202210491038.8
申请日：2022-05-07
申请人： 南通大学
摘要： 本发明属于软件缺陷预测技术领域，提供一种基于特征相关性分析的实例选择跨项目缺陷预测方法，包括如下步骤：S1、构建项目实例向量集CPIVS；S2、构建相关性权重索引集CWIS；S3、构建相关性特征集CFS；S4、计算实例相关性特征之间距离；S5、构建基于相关性训练集CTS；S6、构建基于特征相关性分析的实例选择跨项目缺陷预测方法FCADP。本发明通过计算每一个目标实例选择出的项目特征与源项目选择出的特征之间的相似度进行源实例选择，将选出的所有源实例组成训练数据集，根据目标实例特征进一步合理的选择源实例。
-
公开(公告)号：CN115269378A
公开(公告)日：2022-11-01
申请号：CN202210717461.5
申请日：2022-06-23
申请人： 南通大学
摘要： 本发明提供一种基于域特征分布的跨项目软件缺陷预测方法，包括如下步骤：S1、构建项目向量集PVS；S2、构建源域实例候选索引集SDCI；S3、构建源域实例候选集SDCS；S4、构建适应域特征分布索引DFDI；S5、构建适应域特征分布的训练集DFDD；S6、构建基于域特征分布的跨项目软件缺陷预测方法DFDCP。本发明提出一种基于域特征分布的跨项目软件缺陷预测方法，在源域实例候选集中，由目标实例的去均值化向量进行实例再选择，构建适应域特征分布的实例集，使用该方法构建的训练集有利于进一步建立精确的跨项目缺陷预测模型，实现更好的跨项目缺陷预测效果。
-
公开(公告)号：CN114896150A
公开(公告)日：2022-08-12
申请号：CN202210503567.5
申请日：2022-05-09
申请人： 南通大学
摘要： 本发明属于软件缺陷预测技术领域，提供一种基于实例选择的跨项目缺陷预测方法，包括如下步骤：S1、构建分类实例集CID；S2、将分类实例集中的所有度量值中心化EMC；S3、组合分布特征向量CDFV；S4、实例间距离计算BIDCM；S5、构建最相似源实例索引集；S6、构建训练集ND；S7、构建跨项目缺陷预测分类方法；S8、构建基于实例选择的跨项目缺陷预测方法ISCPDP。本发明通过选择组合分布特征向量与目标组合分布特征向量最相似的实例集组建训练集，优化后的训练集有利于建立精确的缺陷预测模型，进一步提高跨项目缺陷预测效率。
-
公开(公告)号：CN115269378B
公开(公告)日：2023-06-09
申请号：CN202210717461.5
申请日：2022-06-23
申请人： 南通大学
IPC分类号： G06F11/36 , G06F18/2113 , G06F18/22 , G06F18/214
摘要： 本发明提供一种基于域特征分布的跨项目软件缺陷预测方法，包括如下步骤：S1、构建项目向量集PVS；S2、构建源域实例候选索引集SDCI；S3、构建源域实例候选集SDCS；S4、构建适应域特征分布索引DFDI；S5、构建适应域特征分布的训练集DFDD；S6、构建基于域特征分布的跨项目软件缺陷预测方法DFDCP。本发明提出一种基于域特征分布的跨项目软件缺陷预测方法，在源域实例候选集中，由目标实例的去均值化向量进行实例再选择，构建适应域特征分布的实例集，使用该方法构建的训练集有利于进一步建立精确的跨项目缺陷预测模型，实现更好的跨项目缺陷预测效果。
-
公开(公告)号：CN114816516A
公开(公告)日：2022-07-29
申请号：CN202210452163.8
申请日：2022-04-27
申请人： 南通大学
IPC分类号： G06F8/73 , G06F40/289 , G06N3/04 , G06N3/08
摘要： 本发明提供一种基于多重源码表示和循环神经网络的代码注释生成方法，包括如下步骤：S1、收集Java代码注释对，构建语料库；S2、在序列化处理层，将语料库中的源代码转换为token序列、SBT序列和API序列；S3、在编码器层，使用双向GRU作为编码器，为3个序列分别构建codeseq编码器、SBTseq编码器和APIseq编码器，学习源代码不同级别的信息；S4、在解码器层，使用单向GRU构建解码器，并利用teacher forcing策略训练模型；S5、在3个编码器中的每个编码器后添加注意力层，将三个编码器输入和解码器输入的注意力矩阵链接起来并用一个全连接层学习如何组合每个输入的代码，最终输出代码注释。本发明提高代码注释生成的准确性，提高软件开发人员在软件开发过程中的效率，节省开发时间。
-
公开(公告)号：CN113190219A
公开(公告)日：2021-07-30
申请号：CN202110497846.0
申请日：2021-05-08
申请人： 南通大学
摘要： 本发明提供一种基于递归神经网络模型的代码注释生成方法，主要用于解决开发人员节省编写注释所需的时间。包括如下步骤：使用scrapy从开源社区上爬取评分高的代码项目，获得java数据集；对获得的java数据集进行一些筛选和处理，优化数据集；将处理过的数据集输入Seq2Seq+Attention&Copy模型中，进行信息的编码；将输出的信息编码输入Attention机制层和Copy机制层得到上下文向量；将结构信息的编码输出和上下文向量输入解码层，由源代码注释和序列概率分布生成输出序列；基于已训练好的Seq2Seq+Attention&Copy代码注释模型，对代码进行自动注释。本发明中，自动代码注释生成不仅可以帮助开发人员理解源代码，还可以节省编写注释所需的时间。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.021 秒)
