-
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：CN118571021A
公开(公告)日：2024-08-30
申请号：CN202411041456.2
申请日：2024-07-31
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: G08G1/01 , G06N3/042 , G06N3/0442 , G06N3/048 , G06N3/08 , G06F18/15 , G06F18/2132 , G06F18/2135 , G06F18/214 , G06F18/25
Abstract: 本发明公开了一种基于多层注意力的图融合交通流量预测方法、介质及设备，属于时序数据预测领域。本发明首先针对目标路网中所有道路的历史交通流量数据，按照不同采样间隔进行采样，每条道路均得到代表不同数据周期的多条历史流量序列；然后针对目标路网中的所有道路，构建道路空间关系图以及每一种数据周期对应的道路功能相似关系图；再将道路空间关系图分别与每一种数据周期对应的道路功能相似关系图进行邻接矩阵注意力融合；最后将每一种数据周期下的融合邻接矩阵以及顶点特征矩阵输入到图注意力网络中，并对输出结果进行加权融合，得到目标路网的未来流量预测结果。本发明可捕获不同道路的复杂交通流量模式，实现高精度的交通流量预测。
-
公开(公告)号：CN118571021B
公开(公告)日：2024-10-01
申请号：CN202411041456.2
申请日：2024-07-31
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: G08G1/01 , G06N3/042 , G06N3/0442 , G06N3/048 , G06N3/08 , G06F18/15 , G06F18/2132 , G06F18/2135 , G06F18/214 , G06F18/25
Abstract: 本发明公开了一种基于多层注意力的图融合交通流量预测方法、介质及设备，属于时序数据预测领域。本发明首先针对目标路网中所有道路的历史交通流量数据，按照不同采样间隔进行采样，每条道路均得到代表不同数据周期的多条历史流量序列；然后针对目标路网中的所有道路，构建道路空间关系图以及每一种数据周期对应的道路功能相似关系图；再将道路空间关系图分别与每一种数据周期对应的道路功能相似关系图进行邻接矩阵注意力融合；最后将每一种数据周期下的融合邻接矩阵以及顶点特征矩阵输入到图注意力网络中，并对输出结果进行加权融合，得到目标路网的未来流量预测结果。本发明可捕获不同道路的复杂交通流量模式，实现高精度的交通流量预测。
-
公开(公告)号：CN114154730B
公开(公告)日：2025-05-06
申请号：CN202111491975.5
申请日：2021-12-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多层迭代的软件维护规模预测方法，首先进行数据获取：获取一个现有公开软件系统中所有可用的类，记为训练数据集，然后度量因子选择：获取训练数据集中的各类的原始度量值；采样度量归一化处理训练数据集，再进行训练数据采样：将归一化后的训练数据集分为验证集和训练集；之后构建并训练多层迭代的预测模型：最后通过训练好的多层迭代的预测模型完成软件维护规模的预测。本发明通过设计多层迭代模型不断排除预测效果不好的中间层模型，最终获得比较精确的软件维护规模的预测模型。使用本发明提出的方法预测软件维护规模，最终得到了较好结果，能够准确地预测软件的维护规模。
-
公开(公告)号：CN112286799B
公开(公告)日：2024-03-12
申请号：CN202011118127.5
申请日：2020-10-19
Applicant: 杭州电子科技大学
IPC: G06F11/36 , G06F40/211 , G06F40/284 , G06N3/006
Abstract: 本发明公开了一种结合句嵌入和粒子群优化算法的软件缺陷定位方法。本发明提出使用句嵌入技术构建软件缺陷报告与源代码文件之间的相似度计算模型，同时计算平滑逆频率分数、表面词汇相似度分数、缺陷修复记录分数、缺陷修复频率分数以及协同过滤分数，最后用粒子群优化算法计算出五种分数的线性组合权重，从而获得缺陷报告与所有源代码文件的最终积分。本发明利用句嵌入技术(SIF)获取软件缺陷报告与源代码文件之间的语义信息，使得相似度的计算更加合理；本发明使用粒子群优化算法优化线性权重得到最优综合分值能够提高软件缺陷定位的准确性。
-
Patent Agency Ranking
公开(公告)号：CN115690766A
公开(公告)日：2023-02-03
申请号：CN202211312169.1
申请日：2022-10-25
Applicant: 杭州滨电信息技术有限公司 , 杭州电子科技大学
IPC: G06V20/62 , G06F40/289 , G06F16/28 , G06V10/74 , G06V10/774 , G06V10/82 , G08G1/01
Abstract: 本发明公开一种基于词向量的人车关联分析方法。该方法首先通过对收集的数据进行预处理，将每个卡口中常驻人口的手机IMSI码信息和车辆信息删除。然后，将数据按照时间段进行切分，并将每个时间段中收集的IMSI码和车牌号形成一个训练样本。之后，利用词嵌入技术CBOW模型进行训练，分别获取IMSI码和车牌号的词向量。最后，利用余弦相似度方法计算IMSI码和车牌号对应的词向量之间的相似度。通过本发明方法，能有效提高人车关联分析的求解效果，降低人工分析成本，对智慧交通安全事件处理有着非常重要的现实意义。
-
公开(公告)号：CN115619305A
公开(公告)日：2023-01-17
申请号：CN202211251085.1
申请日：2022-10-13
Applicant: 杭州电子科技大学 , 杭州滨电信息技术有限公司
IPC: G06Q10/0835 , G06Q10/047 , G06Q10/0631 , G06N3/006
Abstract: 本发明公开了一种基于萤火虫算法静态车辆路径规划方法。该方法首先将萤火虫算法(Glowworm Swarm Optimization,GSO)进行离散化，通过模拟蚁群算法，将荧光素的携带者由萤火虫转变为边，然后利用边上的荧光素值和权重的值来计算车辆选择下一节点的概率，从而形成访问路径。同时，考虑到问题规模过大时，会产生较大的计算代价，本发明专利重新定义萤火虫算法中邻域范围和邻域集合。通过本发明方法，能有效提高车辆路径规划问题的求解效果，降低物流配送过程中配送成本，对车辆路径规划有着非常重要的现实意义。
-
公开(公告)号：CN114297479A
公开(公告)日：2022-04-08
申请号：CN202111543829.2
申请日：2021-12-16
Applicant: 杭州电子科技大学
IPC: G06F16/9535 , G06F40/216 , G06F40/284 , G06F40/30
Abstract: 本发明公开了一种结合LDA主题模型和GloVe词向量技术的API推荐方法。本发明通过挖掘语料库中的全局统计信息，利用LDA主题模型获得单词和API的主题概率分布；同时基于语料库中的局部上下文信息，利用GloVe词向量技术生成单词和API的词向量。最后综合主题概率分布之间的相似度和词向量之间的相似度计算出单词和API之间的相关性，并根据相关性从大到小排序得到API推荐列表。本发明同时使用语料库的全局统计信息和局部上下文信息来获取语义信息，使得相似度的计算更加准确；本发明使用随机打乱策略打乱文档中的单词和API，提高单词和API出现在一个窗口中的概率，有效提高从局部上下文信息中获取语义信息的能力，提高API推荐的准确性。
-
公开(公告)号：CN112748951A
公开(公告)日：2021-05-04
申请号：CN202110081268.2
申请日：2021-01-21
Applicant: 杭州电子科技大学
IPC: G06F8/73 , G06K9/62 , G06F40/216 , G06F16/903
Abstract: 本发明公开了一种基于XGBoost的自承认技术债务分类方法。该方法通过构建基于XGBoost的自承认技术债务分类器，可以有效对自承认技术债务进行分类。同时，该方法采用EDA方法中的随机交换和随机打乱策略进行数据增强，并使用类间距度量生成数据的质量，有效克服了样本不均衡问题。此外，该方法使用CHI进行特征提取，选择分数最高的前s（s的值为总的不同特征的个数的10%）个单词，加快模型训练的同时提高了模型的性能。通过本发明方法能够有效分类软件技术债务，降低软件维护的成本，对软件维护具有非常重要的意义。
-
公开(公告)号：CN112286799A
公开(公告)日：2021-01-29
申请号：CN202011118127.5
申请日：2020-10-19
Applicant: 杭州电子科技大学
IPC: G06F11/36 , G06F40/211 , G06F40/284 , G06N3/00
Abstract: 本发明公开了一种结合句嵌入和粒子群优化算法的软件缺陷定位方法。本发明提出使用句嵌入技术构建软件缺陷报告与源代码文件之间的相似度计算模型，同时计算平滑逆频率分数、表面词汇相似度分数、缺陷修复记录分数、缺陷修复频率分数以及协同过滤分数，最后用粒子群优化算法计算出五种分数的线性组合权重，从而获得缺陷报告与所有源代码文件的最终积分。本发明利用句嵌入技术(SIF)获取软件缺陷报告与源代码文件之间的语义信息，使得相似度的计算更加合理；本发明使用粒子群优化算法优化线性权重得到最优综合分值能够提高软件缺陷定位的准确性。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.077 seconds)
