-
公开(公告)号：CN108762749B
公开(公告)日：2021-12-21
申请号：CN201810510539.X
申请日：2018-05-24
Applicant: 福州大学
Abstract: 本发明提供一种基于代码分析的系统对象图自动生成方法，其特征在于：包括以下步骤：步骤S1：通过soot分析获取类名、方法名和语句集；步骤S2：处理对象创建语句并生成对象集，处理对象声明语句并生成属性‑值对应集，采用符号执行的思想获取方法调用语句和调用过程并生成对象调用关系集；步骤S3：运用plantuml语言规则将上述集合转化为对象图生成语句，从而得到了自动生成的uml对象图。本发明基于代码分析的系统对象图自动生成技术可以直观反映运行时软件体系结构的特点，用户不必查看繁琐的代码就能通过该技术获取对象信息（类属性、对象属性）以及对象关系（对象调用链），加强代码的可读性和可维护性。
-
公开(公告)号：CN109254764B
公开(公告)日：2022-03-15
申请号：CN201811137489.1
申请日：2018-09-28
Applicant: 福州大学
Abstract: 本发明提出一种面向客户端应用程序的获取运行时软件体系结构的方法，包括：步骤S1：对客户端应用程序的源程序代码中的所有类进行预处理：当发现有源对象被创建时，记录当前创建的对象与创建对象的位置；步骤S2：对象的转换：采用代理模式，同步构造一个与源对象等价的代理对象，通过代理对象访问目标对象；步骤S3：获取运行时的信息：通过代理模式，为所有运行时的对象创建代理类；通过拦截器拦截所有运行时使用的类，然后通过记录调用路径的函数及数据结构来确定对象间的关系，并记录下运行时的信息。本发明通过可靠的手段获取运行时软件体系结构，提供了以读写体系结构的方式实现系统的监测和调整的途径，为系统的在线升级和演化提供了基础。
-
公开(公告)号：CN110837413B
公开(公告)日：2023-03-24
申请号：CN201911143030.7
申请日：2019-11-20
Applicant: 福州大学
Abstract: 本发明涉及一种边缘环境下深度神经网络应用的计算迁移调度方法，该方法基于评估算法和遗传算法寻找一个最优调度方案，通过该最优调度方案使n个任务平均响应时间最小，具体为：把n个任务按层划分成n×m个子任务，每一个子任务对应一个基因位点，每一个基因位点上的基因表示该基因位点对应的子任务的执行节点，每一个个体即为一个可行解；采用评估算法计算每一个个体的平均响应时间，找出这一代群体中的最优个体；计算种群的平均响应时间，并依次进行选择操作、交叉操作和变异操作，得到子代群体；不断迭代，在不断更新的子代群体中找到最优个体，即最优调度方案，得到最优调度方案的平均响应时间。该方法有利于减少计算迁移调度时间。
-
公开(公告)号：CN110837413A
公开(公告)日：2020-02-25
申请号：CN201911143030.7
申请日：2019-11-20
Applicant: 福州大学
Abstract: 本发明涉及一种边缘环境下深度神经网络应用的计算迁移调度方法，该方法基于评估算法和遗传算法寻找一个最优调度方案，通过该最优调度方案使n个任务平均响应时间最小，具体为：把n个任务按层划分成n×m个子任务，每一个子任务对应一个基因位点，每一个基因位点上的基因表示该基因位点对应的子任务的执行节点，每一个个体即为一个可行解；采用评估算法计算每一个个体的平均响应时间，找出这一代群体中的最优个体；计算种群的平均响应时间，并依次进行选择操作、交叉操作和变异操作，得到子代群体；不断迭代，在不断更新的子代群体中找到最优个体，即最优调度方案，得到最优调度方案的平均响应时间。该方法有利于减少计算迁移调度时间。
-
公开(公告)号：CN111897574B
公开(公告)日：2021-09-28
申请号：CN202010661093.8
申请日：2020-07-10
Applicant: 福州大学
IPC: G06F8/73 , G06F8/75 , G06F40/186
Abstract: 本发明提出一种DNN程序文档自动生成方法，包括如下步骤：步骤S1：遍历DNN模型程序代码，进行DNN模型信息提取，包括层的划分和参数信息；步骤S2：根据层类型，进行层间传递数据量计算；步骤S3：填写DNN程序文档模板。其能够在无标注情况下，实现的DNN模型的信息进行提取，并将提取到的信息根据相应规则公式进行计算分析，然后将DNN信息填入预先设计好的DNN程序文档页面模板中，从而实现DNN程序文档的自动生成，使得深度学习领域的初学者能够更好的对DNN模型进行理解和掌握。
-
Patent Agency Ranking
公开(公告)号：CN109254764A
公开(公告)日：2019-01-22
申请号：CN201811137489.1
申请日：2018-09-28
Applicant: 福州大学
Abstract: 本发明提出一种面向客户端应用程序的获取运行时软件体系结构的方法，包括：步骤S1：对客户端应用程序的源程序代码中的所有类进行预处理：当发现有源对象被创建时，记录当前创建的对象与创建对象的位置；步骤S2：对象的转换：采用代理模式，同步构造一个与源对象等价的代理对象，通过代理对象访问目标对象；步骤S3：获取运行时的信息：通过代理模式，为所有运行时的对象创建代理类；通过拦截器拦截所有运行时使用的类，然后通过记录调用路径的函数及数据结构来确定对象间的关系，并记录下运行时的信息。本发明通过可靠的手段获取运行时软件体系结构，提供了以读写体系结构的方式实现系统的监测和调整的途径，为系统的在线升级和演化提供了基础。
-
公开(公告)号：CN108762749A
公开(公告)日：2018-11-06
申请号：CN201810510539.X
申请日：2018-05-24
Applicant: 福州大学
Abstract: 本发明提供一种基于代码分析的系统对象图自动生成方法，其特征在于：包括以下步骤：步骤S1：通过soot分析获取类名、方法名和语句集；步骤S2：处理对象创建语句并生成对象集，处理对象声明语句并生成属性‑值对应集，采用符号执行的思想获取方法调用语句和调用过程并生成对象调用关系集；步骤S3：运用plantuml语言规则将上述集合转化为对象图生成语句，从而得到了自动生成的uml对象图。本发明基于代码分析的系统对象图自动生成技术可以直观反映运行时软件体系结构的特点，用户不必查看繁琐的代码就能通过该技术获取对象信息（类属性、对象属性）以及对象关系（对象调用链），加强代码的可读性和可维护性。
-
公开(公告)号：CN109165081B
公开(公告)日：2021-09-28
申请号：CN201810930969.7
申请日：2018-08-15
Applicant: 福州大学
Abstract: 本发明提供一种基于机器学习的Web应用自适应资源配置方法，其包括以下步骤：步骤S1：将物理机操作系统虚拟化，分为两个虚拟机，两个虚拟机分别运行各自的操作系统；步骤S2：针对上述两个虚拟机分别提出两个机器学习模型；利用基于机器学习的响应时间的预测模型去预测给定环境变化下的响应时间；步骤S3：利用基于遗传算法的在线决策机制，根据以上的模型制定响应的适应度函数来搜索具有最优响应时间的软硬件资源配置分配方案。本发明可以从历史数据中训练出预测模型并根据遗传算法自动地为Web应用服务分配软硬件资源。
-
公开(公告)号：CN111897574A
公开(公告)日：2020-11-06
申请号：CN202010661093.8
申请日：2020-07-10
Applicant: 福州大学
IPC: G06F8/73 , G06F8/75 , G06F40/186
Abstract: 本发明提出一种DNN程序文档自动生成方法，包括如下步骤：步骤S1：遍历DNN模型程序代码，进行DNN模型信息提取，包括层的划分和参数信息；步骤S2：根据层类型，进行层间传递数据量计算；步骤S3：填写DNN程序文档模板。其能够在无标注情况下，实现的DNN模型的信息进行提取，并将提取到的信息根据相应规则公式进行计算分析，然后将DNN信息填入预先设计好的DNN程序文档页面模板中，从而实现DNN程序文档的自动生成，使得深度学习领域的初学者能够更好的对DNN模型进行理解和掌握。
-
公开(公告)号：CN109165081A
公开(公告)日：2019-01-08
申请号：CN201810930969.7
申请日：2018-08-15
Applicant: 福州大学
Abstract: 本发明提供一种基于机器学习的Web应用自适应资源配置方法，其包括以下步骤：步骤S1：将物理机操作系统虚拟化，分为两个虚拟机，两个虚拟机分别运行各自的操作系统；步骤S2：针对上述两个虚拟机分别提出两个机器学习模型；利用基于机器学习的响应时间的预测模型去预测给定环境变化下的响应时间；步骤S3：利用基于遗传算法的在线决策机制，根据以上的模型制定响应的适应度函数来搜索具有最优响应时间的软硬件资源配置分配方案。本发明可以从历史数据中训练出预测模型并根据遗传算法自动地为Web应用服务分配软硬件资源。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.014 seconds)
