-
公开(公告)号：CN115858006A
公开(公告)日：2023-03-28
申请号：CN202211530642.3
申请日：2022-12-01
Applicant: 东北大学
IPC: G06F8/71
Abstract: 本发明设计一种Software2.0中机器学习程序库版本配置的测试与评估方法，属于软件可靠性和软件缺陷的自动检测领域；根据用户选择的第三方库来自动生成多个版本配置变体，而不要用户手动调整依赖树结构，在此基础上实现了虚拟环境构建的自动化，并通过“逆拓扑”的安装顺序来控制虚拟环境中的第三方库的版本；此外可以自动化运行软件并记录软件在不同的版本配置上的性能、表现的相关指标，如运行时间、内存占用、GPU使用情况以及软件中机器学习模型评分；降低在版本配置选择上的成本，并可以提供确切的指标供开发者进行对比，达到了实际应用的要求。
-
公开(公告)号：CN110363779B
公开(公告)日：2022-11-25
申请号：CN201910649115.6
申请日：2019-07-18
Applicant: 东北大学
Abstract: 本发明提供一种数字图像分割及并行化方法，包括：读取图像数据；计算能量矩阵；调用PushKernel()核函数；调用PullKernel()函数，重复调用m次PullKernel()函数后调用RelabelKernel()核函数，读取结点高度值；根据迭代层数k判断结点高度是否可以重标记，若满足条件，则更新高度值，将结点状态更新到Active状态。本发明的技术方案针对GPU的特性，启用常量存储器，达到提升整体带宽的作用。利用存储器的特性，进行任务的分配，以达到存储器大小和并行线程数量完全匹配，改进效率。对于图像分割的第二步，将原有的压入操作拆解成两步，分为Push和Pull两步操作，更利于后续的操作；引入新的重标记过程，利用广度优先遍历的方式，全局的对所有结点的高度进行重标记，减少算法的整体迭代次数，显著提高算法运行效率。
-
公开(公告)号：CN112181858B
公开(公告)日：2021-12-31
申请号：CN202011238918.1
申请日：2020-11-09
Applicant: 东北大学
Abstract: 本发明公开一种Java软件项目依赖冲突语义一致性的自动化检测方法，该方法包括：获取Maven项目POM文件和项目代码；从项目完全依赖树中分析出依赖冲突；对于所有的依赖冲突，检测是否存在真实风险方法的情况；对检测出的存在真实风险方法的项目构建相应的对象池和API池；对于检测出的真实风险方法，通过自动化测试用例生成工具结合构建的对象池和API池生成测试用例并进行验证；将分析结果生成缺陷结果报告。本发明通过静态分析的方法检测依赖冲突中可能存在不一致语义的行为，再通过动态测试进一步验证风险方法是否真的存在问题，使开发者可以在全自动的情况下，检测软件项目中存在的依赖冲突问题。
-
公开(公告)号：CN112799937A
公开(公告)日：2021-05-14
申请号：CN202110043582.1
申请日：2021-01-13
Applicant: 东北大学
IPC: G06F11/36
Abstract: 本发明公开一种基于GitHub自动化检测Maven项目中依赖冲突问题的方法，该方法根据造成依赖冲突问题的不同原因将依赖冲突问题分为了三种不同类型的场景，本发明可以自动化检测GitHub用户的由Maven管理的Java程序中是否存在上述三种不同类型场景的依赖冲突问题，检查完毕后会在issue页面显示检查结果，若发现有害冲突还会给出详细的测试报告以及问题节点的调用信息。本发明的方法还实时监控用户更新代码时是否引入了新的依赖冲突问题。使用本发明可以节省用户自身查找依赖冲突问题的时间，极大地降低了程序中出现xx no found bug的风险，有效地提高了程序的有效性。
-
公开(公告)号：CN109165272B
公开(公告)日：2021-02-19
申请号：CN201810957193.8
申请日：2018-08-21
Applicant: 东北大学
Abstract: 本发明提供了一种面向高分遥感影像的地理信息可视化分析系统，包括，整体系统搭建,遥感数据处理模块、目标检测模块；符合海量遥感数据可视化及对存储与共享高效和可靠性的要求的系统架构，建立一个功能的可视化共享系统；针对遥感卫星影像大数据化引发的海量信息处理与遥感数据的关键目标位置信息提取问题，在保证检测速度的条件下，提供了一个精确捕捉关键目标位置信息的目标检测算法。
-
Patent Agency Ranking
公开(公告)号：CN109117802A
公开(公告)日：2019-01-01
申请号：CN201810951869.2
申请日：2018-08-21
Applicant: 东北大学
Abstract: 本发明提供了一种面向大场景高分遥感影像的舰船检测方法,该方案包含五个阶段：海陆分割、图像分割、半监督制作数据集、深度神经网络特征学习、卷积神经网络目标检测；本发明通过海陆分割能够排除陆地部分及近海岸处的干扰信息，使后续的检测更加精准；将大场景遥感影像分为小的图影像信息，通过并行计算的方法，降低时间复杂度，且对小目标和深度神经网络学习过程具有较好的适应性；为减少人工制作数据集的任务量，采用半监督的方式制作数据集，以快速、稳健、自适应的方式识别所有潜在的舰船目标，再进行人工筛选；基于特征的卷积神经网络目标检测结合第三步的基于像素的处理方法，能够有效提升检测精度。
-
公开(公告)号：CN118963831A
公开(公告)日：2024-11-15
申请号：CN202411009805.2
申请日：2024-07-26
Applicant: 东北大学
IPC: G06F8/76
Abstract: 本发明提供了一种多程序语言跨指令集架构移植方法，涉及程序语言移植方法，在待迁移软件项目压缩包上传后，工具可以自动化扫描软件内部结构中与架构相关的软件成分，包括依赖库信息、源代码成分和配置文件成分等，进行定位和分类归纳，同时结合构建的知识库以及不同架构的白名单和源码映射知识库进行匹配，生成不同类型的迁移建议，从而辅助开发者完成软件迁移工作，与现有技术相比，本发明提出的技术方案中采取自动化定位软件包中和架构相关的软件成分，并可帮助定位多程序语言在迁移时所需要关注的架构相关软件成分，针对不同的待迁移的成分类别，结合收集的知识库，生成定制化的迁移建议，辅助开发者快速构建目标指令集架构的开源软件生态。
-
公开(公告)号：CN112631607B
公开(公告)日：2023-09-26
申请号：CN202011640702.8
申请日：2020-12-31
Applicant: 东北大学
Abstract: 本发明提供一种检测python环境中依赖冲突的方法，包括：步骤1：构建元数据存储库：获取PYPI所有开源项目名称，判断是否为新增项目；获取全部项目更新版本；获取全部项目更新版本的直接依赖关系；建立全局依赖网络，为每个项目形成依赖关系树。步骤2：分析项目更新引起的依赖问题：获取基础检测数据；查找被分析项目实际安装依赖项；建立被分析项目的完全依赖树及具体安装版本；检测依赖冲突问题；若未发现依赖冲突问题，执行预测问题分析；针对已发生的依赖冲突问题，向开发者推送解决方案。本发明可以持续监控PYPI生态系统的更新，对已发生依赖冲突的检测和可能发生依赖冲突的预测。通过本发明给出的修复意见，能够提供最佳解决方案。
-
公开(公告)号：CN116450936A
公开(公告)日：2023-07-18
申请号：CN202310325757.7
申请日：2023-03-30
Applicant: 东北大学
IPC: G06F16/9535 , G06F18/214 , G06N3/08
Abstract: 本发明提供一种基于开发者历史代码的个性化API推荐方法，涉及网络推荐技术领域。本发明通过搜集的训练样本不仅包括符合大众开发者的编程习惯的大量开发者共同开发的项目，而且另外收集开发者个人历史项目代码来进行个性化API推荐；使用数据增强来处理训练样本向量，通过在GREAT模型中加入样本加权的模块以实现开发者个人历史代码数据增强的实现。通过基于开发者历史项目的个性化推荐，模型会学习到开发者特有的个性化API偏好特性，可以更好考虑到开发者在编写代码时的API使用的个人偏好。在推荐过程中考虑到开发者的个人喜好，开发者更有可能接受推荐的API，从而使得产生的推荐结果的准确性得到大幅度的提高。
-
公开(公告)号：CN114863199A
公开(公告)日：2022-08-05
申请号：CN202210276223.5
申请日：2022-03-21
Applicant: 东北大学
IPC: G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本发明提供一种基于优化锚框机制的目标检测方法，涉及目标检测技术领域。该方法通过目标检测模型的骨架和颈部获得待检测实例图像对应的金字塔层级数量的特征图；再根据金字塔层级数量的特征图设计锚框参数，生成锚框；同时将特征图通过特征适应模块，得到新特征图；将新特征图和锚框输入至目标检测模型的头部进行训练；选出各个特征图的锚框的各种损失的平均值之和最小的那个特征图对目标检测模型进行训练；最后使用训练好的目标检测模型对待检测图像进行目标检测。该方法在前向运算中为目标检测模型设计锚框参数，减少了人工调整锚框超参数的成本。根据每一次前向训练的各损失均值之和进行特征图的选取和训练，从而达到训练上的最优化。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.025 seconds)
