龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：武汉理工大学;武汉理工大学重庆研究院
摘要：本发明公开了一种面向类内和类间高度不平衡的老化缺陷预测方法，该方法包括：获取原始老化缺陷数据集，并将其划分为训练集和测试集；原始老化缺陷数据集包括存在老化bug的样本和没有老化bug的样本；对训练集进行基于噪声点清理的类内平衡；基于类内平衡的训练集，进行基于生成对抗网络的类间平衡；使用平衡后的数据集进行分类器训练，最后利用训练好的分类器进行软件老化缺陷预测。本发明可以有效解决老化缺陷预测中数据集中普遍存在的高度类不平衡问题，提升老化缺陷预测模型的分类精度和效率。
主权项：1.一种面向类内和类间高度不平衡的老化缺陷预测方法，其特征在于，该方法包括：获取原始老化缺陷数据集，并将其划分为训练集和测试集；原始老化缺陷数据集包括存在老化bug的样本和没有老化bug的样本；对训练集进行基于噪声点清理的类内平衡；包括：根据各个样本的特征值，通过模糊C均值聚类将特征相似性高的样本分配到同一聚类簇，共分为k簇；获取每个样本的隶属度矩阵；对于样本xi，其隶属度矩阵uij表示该样本对每个聚类中心的隶属度；定义超参数θ，利用超参数θ将每个样本的隶属度矩阵二值化，得到对应的二值化矩阵；其中，二值化为：当uij≥θ时，uij二值化为1；否则，二值化为0；计算每个样本的二值化矩阵的和sum；定义超参数best_Max_Sum为最优和值，利用超参数best_Max_Sum进行噪声点清理：当sumbest_Max_Sum时，样本被认定为噪声点，否则为非噪声点；基于类内平衡的训练集，进行基于生成对抗网络的类间平衡；包括：对少数类样本的数据特征分布进行统计，进而生成相似特征结构的少数类样本，以与多数类样本在数量上平衡，实现类间平衡；使用平衡后的数据集进行分类器训练，最后利用训练好的分类器进行软件老化缺陷预测。
全文数据：
权利要求：
百度查询： 武汉理工大学 武汉理工大学重庆研究院 一种面向类内和类间高度不平衡的老化缺陷预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号