-
公开(公告)号：CN111274119B
公开(公告)日：2022-05-17
申请号：CN201811480651.X
申请日：2018-12-05
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于多种群协同进化的变异测试数据生成方法，目的是针对难杀死的变异体，采用多种群协同进化遗传算法生成测试数据时，根据种群进化提供的信息，逐渐的缩减搜索域，以提高生成变异测试数据的效率。首先，基于变异语句的可达难度和涉及程序输入变量个数等指标，确定难杀死变异体；然后，建立基于路径覆盖约束的变异测试数据生成问题的数学模型，最后，针对难杀死变异体，采用多种群协同进化遗传算法，基于种群进化提供的信息，确定搜索域缩减的时机和策略，动态缩减搜索域，快速准确的生成变异测试数据。
-
公开(公告)号：CN114330716A
公开(公告)日：2022-04-12
申请号：CN202111608264.1
申请日：2021-12-24
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于CART决策树的大学生就业预测方法，旨在提供一种预测大学生就业情况的方法。本发明首先对大学生数据信息预处理，形成规范的、可供数据挖掘的基本属性数据集；然后，利用皮尔森相关分析法，确定数据集中大学生基本属性与就业预测目标属性的相关性，将与就业预测目标属性相关的大学生基本属性，确定为用于构建大学生就业预测模型的特征向量；最后，基于训练集，由特征向量计算基尼系数；采用基于CART决策树算法，构建大学生就业预测模型。本发明方法能够根据大学生信息数据集预测大学生就业情况，为高校就业管理部门提供智能化服务，指导学生合理就业，有助于提高大学生的就业率。
-
公开(公告)号：CN112732583B
公开(公告)日：2022-02-18
申请号：CN202110051670.6
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于聚类和多种群遗传算法的软件测试数据生成方法，目的是将模糊聚类方法和遗传算法应用于软件测试中，提高软件缺陷检测的效率。首先，在弱变异测试准则下，基于统计分析计方法计算变异体之间的相似度和变异体的杀死难度，进而排序变异体；接着基于排序好的变异体序列，选择难杀死的变异体为聚类中心，模糊聚类变异体。然后，针对每个簇，建立基于分支覆盖约束的测试数据生成数学模型；最后，对于多个变异体簇，基于强变异测试准则，采用多种群遗传算法生成测试数据，其中对于每个簇中变异体，优先生成杀死聚类中心的变异体，聚类中心动态调整。
-
公开(公告)号：CN112699054A
公开(公告)日：2021-04-23
申请号：CN202110051697.5
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种软件测试用例有序生成方法，该方法区别于原有方法的特色在于，将模拟真实缺陷的变异体植入程序，作为程序的缺陷；基于变异体之间的杀死相关性选出重要变异体，并基于遗传算法优先生成重要变异体的测试用例，有利于提高软件缺陷检测的效率；首先，基于弱变异测试准则采用统计分析的方法，计算变异体之间的杀死相关度和相关数目，并基于变异体之间的杀死相关度和相关数目，排序变异体；然后，基于强变异测试准则，采用遗传算法有序生成测试数据；本方法深入研究变异体它们之间内在关联，排序变异体，并采用遗传算法有序生成测试数据，有利于高效生成缺陷检测能力强的测试用例，对于变异测试在产业界的广泛应用提供有益补充。
-
公开(公告)号：CN112699050A
公开(公告)日：2021-04-23
申请号：CN202110051666.X
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于变异体分组的软件测试用例多种群进化生成方法，目的是基于弱变异测试准则，动态确定输入变量与变异体相关性，并建立变异测试用例多任务优化模型；对于多组任务，采用多种群遗传算法，高效生成具有缺陷检测能力的测试用例。首先基于适应值变化确定变异体与输入变量的相关性，依据相同输入分量分组变异体；然后，建立基于相关输入变量的变异测试用例生成多任务优化模型；最后，为求解该模型，利用多种群遗传算法，以并行方式进化生成测试用例。
-
Patent Agency Ranking
公开(公告)号：CN112699052B
公开(公告)日：2022-04-15
申请号：CN202110051669.3
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于相关输入变量的软件测试用例进化生成方法，目的采用静态确定输入变量与变异分支相关性，缩减搜索域的范围，采用遗传算法高效生成具有缺陷检测能力的测试用例；该方法首先将确定变异体与输入变量的相关性，转化为可达变异分支的路径与输入变量的相关性，采用静态分析确定变异分支与输入变量的相关性；然后，建立变异测试用例生成数学模型，决策变量为相关输入变量；最后，利用遗传算法求解该模型，进化生成测试用例。
-
公开(公告)号：CN112732577A
公开(公告)日：2021-04-30
申请号：CN202110028394.1
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种多任务软件测试用例进化生成方法，目的依据变异分支与程序路径的可执行性，将变异测试问题转化为传统的覆盖路径测试问题，采用多任务并行方式高效生成具有缺陷检测能力的测试用例。首先静态分析变异分支与程序路径的执行相关性，将所属执行路径相同的变异分支分为同一组；然后，对多组变异分支建立基于路径覆盖的变异测试用例生成多任务优化模型；最后，利用多种群遗传算法求解该模型，采用多任务并行方式高效生成具有缺陷检测能力的测试用例。本发明将变异分支依所属路径进行分组，采用传统成熟的路径测试方法，有助于提高软件测试的效率，生成具有高缺陷检测能力的测试用例。
-
公开(公告)号：CN112699045A
公开(公告)日：2021-04-23
申请号：CN202110028395.6
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于多种群遗传算法的软件测试用例生成方法，目的依据相同输入分量分组变异分支，对于多个组的变异分支，采用多种群遗传算法并行高效生成具有高缺陷检测能力的软件测试用例。首先基于静态分析确定输入变量与变异分支，并基于相同相关输入分量分组变异分支；然后基于多个变异分支的组，构建多任务测试数据生成优化模型，以相关输入变量作为决策变量；最后，利用个体共享的多种群遗传算法，通过并行方式生成变异测试用例。本发明移除不相关变量，有助于减少搜索域；采用多种群遗传算法有利于，以并行方式处理测试用例生成，提高软件测试的效率。
-
公开(公告)号：CN106204484B
公开(公告)日：2020-07-24
申请号：CN201610539511.X
申请日：2016-07-11
Applicant: 徐州工程学院
Abstract: 一种基于光流和局部不变特征的交通目标跟踪方法，首先对输入视频图像利用高斯背景建模构建初始模板，提取前景目标；接着利用SURF变换算法检测目标特征点；然后通过构建图像多分辨率小波金字塔改进LK稀疏光流法对特征点进行检测和跟踪目标，并制定自适应模板实时更新策略，判断是否最后一帧，若是最后一帧，结束跟踪；若不是最后一帧，则进行模板更新判断；若不需模板更新，则继续跟踪；若需要模板更新，则按照更新方法更新模板和跟踪窗口后，再继续跟踪；该方法匹配准确快速，降低冗余数据，自适应性强，对目标车辆形变、高速、噪声、光照不均、部分遮挡等复杂环境有较高鲁棒性，提高了车辆辨识能力，与传统方法相比有明显优势，在智能交通目标跟踪系统中有着良好的应用前景。
-
公开(公告)号：CN111274119A
公开(公告)日：2020-06-12
申请号：CN201811480651.X
申请日：2018-12-05
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于多种群协同进化的变异测试数据生成方法，目的是针对难杀死的变异体，采用多种群协同进化遗传算法生成测试数据时，根据种群进化提供的信息，逐渐的缩减搜索域，以提高生成变异测试数据的效率。首先，基于变异语句的可达难度和涉及程序输入变量个数等指标，确定难杀死变异体；然后，建立基于路径覆盖约束的变异测试数据生成问题的数学模型，最后，针对难杀死变异体，采用多种群协同进化遗传算法，基于种群进化提供的信息，确定搜索域缩减的时机和策略，动态缩减搜索域，快速准确的生成变异测试数据。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.016 seconds)
