-
公开(公告)号：CN119248277A
公开(公告)日：2025-01-03
申请号：CN202411239097.1
申请日：2024-09-05
Applicant: 杭州电子科技大学 , 杭州电子科技大学滨江研究院有限公司
IPC: G06F8/41 , G06N3/0464 , G06N3/08 , G06N20/20
Abstract: 本发明提供了一种基于AST的代码度量和代码语义的代码异味检测方法及系统。本发明首先通过解析代码片段来构造流增强抽象语法树(Flow‑Augmented Abstract Syntax Tree，FA‑AST)，并从中提取三类基于AST的代码度量：结构度量、句法度量和语义度量。然后，利用深度学习模型从源代码中捕捉代码的上下文信息和依赖关系，以提取代码语义。最后，通过融合基于AST的代码度量与代码语义，输入分类模型来进行训练和测试，以识别代码中的异味并对其严重程度进行评估。本发明提供的基于AST的代码度量相比于传统静态代码分析工具提取的软件代码度量更全面、且更易提取，在提高代码异味检测的精度和效率方面具有明显优势。
-
公开(公告)号：CN111722599B
公开(公告)日：2021-10-29
申请号：CN202010377401.4
申请日：2020-05-07
Applicant: 杭州电子科技大学
IPC: G05B19/418
Abstract: 本发明提供一种基于面向对象广义随机Petri网的CPS建模与分析方法。首先根据所建模CPS的具体情境，将其中的设备划分为传感器、控制器、执行器三大组件，然后将三大组件抽象为对象，构建OGSPN模型，根据对象的OGSPN模型的概念与实际CPS中各组件的具体任务，扩展顶层OGSPN模型中各个对象，得到系统的OGSPN模型；之后将OGSPN模型压缩为传统GSPN，对GSPN中的参数进行模糊化处理，得到模糊GSPN，使用马尔科夫方法求解模糊GSPN的稳态概率。最后对得到的稳态概率值进行解模糊，得到最终准确的数值结果。本发明采用了模糊数学与马尔科夫链的分析方法，有效的处理了CPS中的不确定性，从而使结果具有高度的精确性。
-
公开(公告)号：CN108388569B
公开(公告)日：2021-07-20
申请号：CN201810019205.2
申请日：2018-01-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种快速的键值数据库的系统及建立方法。本发明构建了一种新的数据存储结构，在单文件情况下实现快速读写文件型键值对；该系统新的数据存储结构实现了将索引文件和数据文件的合并；每个数据库文件包含连续的三部分数据：头部分、数据部分和索引部分；其中数据部分和索引部分的长度均不固定，均由若干个键值数据对逐个往后排列构成。本发明包括索引模块、存储模块、读取模块、校验模块、索引重建模块、数据回滚模块、数据精简模块和日志模块。本发明弥补单个服务进程的数据量比较小，数据值比较小的情况下，现有的键值数据库的不足。
-
公开(公告)号：CN119248347B
公开(公告)日：2025-04-01
申请号：CN202411768863.3
申请日：2024-12-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于数据流切片与大语言模型驱动的代码重构方法及系统，属于软件工程领域。本发明的方法包括代码预处理、数据流分析、构建大语言模型的提示词、功能测试以及代码审查共五个部分。本发明首先对需要重构的代码进行预处理，转化为统一的格式；其次，对预处理后的代码进行数据流分析，划分出独立的逻辑块；然后根据数据流分析结果与历史行为生成提示词，输入大语言模型得到重构后的代码；最后，通过对重构前和后的代码进行测试，并检测是否需要重新重构，从而实现了对长方法代码的重构，优化了代码功能划分、方法提取的准确度与效率。
-
公开(公告)号：CN111104855B
公开(公告)日：2023-09-12
申请号：CN201911097168.8
申请日：2019-11-11
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V20/52 , G06V20/40 , G06N3/0464
Abstract: 本发明公开了一种基于时序行为检测的工作流识别方法。本发明提出了一种时序视频稀疏采样的方法，减少无用数据的同时加快了框架的整体速度。同时，为了加快识别速度和识别精度，本发明使用三维残差网络来提取特征，以保证时空特征提取的速度和效率。在时序候选子网中，为了避免漏掉某些候选片段，本发明使用Soft‑NMS对NMS进行了更新，保证了检测结果的召回率。通过上述策略，使得本发明所提出的框架更加适用于复杂工厂生产环境中的工作流识别。发明解决了动作在视频中的时序定位问题，有效利用了工厂环境下产生的大量智能监控视频，通过神经网络检测出视频中活动的类别及其发生的时间片段，对工作流进行建模，从而进一步的对整个生产流程进行优化。
-
Patent Agency Ranking
公开(公告)号：CN116225526A
公开(公告)日：2023-06-06
申请号：CN202211605460.8
申请日：2022-12-14
Applicant: 杭州滨电信息技术有限公司 , 杭州电子科技大学
IPC: G06F8/75 , G06N3/045 , G06N3/042 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于图表示学习的代码克隆检测方法。本发明针对代码语义克隆，即Type‑IV克隆，设计了一种基于图的代码克隆检测模型，该模型结合了图注意力网络GAT和边收缩池化EdgePool，同时，本发明构造出一种并行节点内部注意力机制PNIAT，将源代码中解析出的控制流图CFG或程序依赖图PDG转换为标准的图神经网络GNN输入数据，然后将其输入由图注意力网络GAT和边收缩池化EdgePool构建的图神经网络中，输出对应的图嵌入表示，最后采用基于双向长短期记忆网络BiLSTM构建的解码器将成对的图嵌入表示并行解码，得到代码克隆检测的批量检测结果。
-
公开(公告)号：CN107194559A
公开(公告)日：2017-09-22
申请号：CN201710335309.X
申请日：2017-05-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于三维卷积神经网络的工作流识别方法。仅对不同工序任务进行事先划分并且在分析视频的过程中人为对不同动作行为打上标签，这样不符合智能制造的自动化需求。本发明首先提出了一种带有自适应阈值的帧间差分法，该方法主要用于从复杂背景中分割出运动物体的区域，从而降低了后面特征提取与模型训练的时间复杂度；其次，对3D卷积神经网络进行了改进，使其能够充分适应具有多个监控设备的工厂环境，而对于不同视图，采用视图池化层对不同角度的视图按权重进行融合；最后，提出了一种新的动作划分方法，对视频中连续的生产动作进行自动划分，从而实现了自动化的工作流识别过程。
-
公开(公告)号：CN119248347A
公开(公告)日：2025-01-03
申请号：CN202411768863.3
申请日：2024-12-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于数据流切片与大语言模型驱动的代码重构方法及系统，属于软件工程领域。本发明的方法包括代码预处理、数据流分析、构建大语言模型的提示词、功能测试以及代码审查共五个部分。本发明首先对需要重构的代码进行预处理，转化为统一的格式；其次，对预处理后的代码进行数据流分析，划分出独立的逻辑块；然后根据数据流分析结果与历史行为生成提示词，输入大语言模型得到重构后的代码；最后，通过对重构前和后的代码进行测试，并检测是否需要重新重构，从而实现了对长方法代码的重构，优化了代码功能划分、方法提取的准确度与效率。
-
公开(公告)号：CN117033219A
公开(公告)日：2023-11-10
申请号：CN202311016111.7
申请日：2023-08-11
Applicant: 杭州电子科技大学
IPC: G06F11/36 , G06F18/214 , G06F18/241 , G06F18/213
Abstract: 本发明公开了一种基于多维特征的性能变更点的分类方法、介质及设备。本发明的方法通过建立软件版本性能变更点的多维特征模型，并使用机器学习方法进行性能变更点的分类。本发明从四个维度的特征来描述性能变更点，包括环境配置维度、时间序列维度、版本维度和内容维度。这种方法具有精度高、可解释性强等特点，能有效区分在性能测试中的变更点，大大提高了识别性能缺陷的能力。区别于现有的性能变更点分类方法，本方法提出的对性能变更点的分类方法性能更好，可以有效识别真实的性能变更点，减少性能缺陷的修复成本。
-
公开(公告)号：CN115952076A
公开(公告)日：2023-04-11
申请号：CN202211529670.3
申请日：2022-11-30
Applicant: 杭州电子科技大学
IPC: G06F11/36 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 基于代码语义和度量的代码异味识别方法，包括以下步骤：构建代码异味数据集；对代码片段进行数据预处理，得到代码语义表征信息和代码度量信息；将所述代码语义表征信息输入代码语义表征学习模型，得到代码语义嵌入；将所述代码度量信息输入代码度量关系学习模型，得到代码度量关系嵌入；将所述代码语义嵌入和代码度量关系嵌入进行融合，得到融合学习模型；构造所述融合学习模型的损失函数，对所述融合学习模型进行训练，得到代码异味识别模型；将待检测的代码片输入所述代码异味识别模型，得到代码异味识别结果。本发明设计的方法可以自动化识别多种代码异味，适用于不同语言和代码粒度。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.054 seconds)
