“缺陷预测”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果547765个，建议您升级VIP下载更多相关专利

[发明专利]一种模拟铸钢件砂型铸造过程的缩松缺陷预测方法-CN201710983586.1有效
发明人：潘少鹏;牛晓峰;王宝健;阎佩雯;王晨晨;黄志勇;游志勇;赵宇宏 -专利权人：太原理工大学
申请日： 2017-10-20 - 公布日： 2021-10-01 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种模拟铸钢件砂型铸造过程的缩松缺陷预测方法，是针对铸钢件砂型铸造过程的缩松缺陷，在实际铸造之前进行模拟预测，有利于在实际铸造中预测和减少铸造缺陷；以VC++为开发平台编写程序，进行计算机运行，得出预测结果，展现铸钢件砂型铸造中缩松缺陷的分布情况，此预测方法使用设备少，计算方法通用、合理，模拟结果准确，适合铸钢件砂型铸造缩松缺陷预测。
一种模拟铸钢件砂型铸造过程缺陷预测方法

[发明专利]缺陷土工膜的缺陷定量表征与顶破强度预测方法-CN201911274154.9有效
发明人：岑威钧;盛希璇;都旭煌;刘力增;文震宇;潘正阳 -专利权人：河海大学
申请日： 2019-12-12 - 公布日： 2020-11-17 - 主分类号： G01N3/08 文献下载
摘要：本发明公开了缺陷土工膜的缺陷定量表征与顶破强度预测方法，将土工膜缺陷分为孔状缺陷，缝状缺陷和损伤划痕缺陷，并用等效孔径表征孔状缺陷，用等效缺陷长度表征缝状缺陷，用损伤度表征损伤划痕缺陷。同时提供了含缺陷土工膜顶破强度的预测方法，包括步骤：缺陷土工膜试样的制备；开展含不同缺陷土工膜的顶破试验；建立含不同缺陷土工膜顶破强度预测公式；预测施工现场含缺陷土工膜的顶破强度。本发明确定了一套完整的土工膜缺陷分类准则，实现了对土工膜缺陷损伤程度的定量表征，建立了含缺陷土工膜顶破强度的计算公式，用于预测复杂施工现场含不同缺陷土工膜的顶破强度，对指导土工膜的施工具有重要的科学研究意义和工程应用价值
缺陷土工定量表征强度预测方法

[发明专利]测试缺陷归属预测方法及装置-CN202211019429.6在审
发明人：方莲娣;王安定;朱志宇;马换新;方勇;赵玲;李洋;牛福娟;张炎;杨雅真 -专利权人：中国银行股份有限公司
申请日： 2022-08-24 - 公布日： 2022-11-25 - 主分类号： G06F11/36 文献下载
摘要：本发明提供一种测试缺陷归属预测方法及装置，可应用于金融领域或其他领域。所述方法包括：获取待实施任务的案例数据；将待实施任务的案例数据输入至预先建立的预测模型进行缺陷归属预测，得到预测结果；可视化展示预测结果，得到可视化预测结果；将可视化预测结果推送至待实施任务的相关干系人在本方案中，将获取的待实施任务的案例数据输入至预测模型，利用预测模型进行缺陷归属预测，可视化展示得到的预测结果，并推送最终得到的可视化预测结果，从而能够提前发现缺陷，提高测试效率。
测试缺陷归属预测方法装置

[发明专利]一种软件缺陷预测方法、装置和电子设备-CN201711462461.0有效
发明人：吴旭;曹晶晶 -专利权人：航天信息股份有限公司
申请日： 2017-12-28 - 公布日： 2022-06-07 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种软件缺陷预测方法、装置和电子设备，所述方法，包括：获取待预测软件的特征向量；并基于所述特征向量，以及预先训练得到的用于进行软件缺陷预测的预测模型，确定所述待测软件的软件缺陷预测结果，其中，所述预测模型是基于梯度提升算法和随机森林学习机训练得到的。采用本发明提供的方法，通过利用梯度提升算法与随机森林学习机训练得到用于进行软件缺陷预测的训练模型，使得训练得到的预测模型输出的软件缺陷预测结果准确性较高，同时不会对计算复杂度带来较大影响。
一种软件缺陷预测方法装置电子设备

[发明专利]基于深度信念网络算法支持向量机的软件缺陷预测方法-CN201810571352.0在审
发明人：单纯;熊雯洁;位华;胡昌振;毛俐旻 -专利权人：北京理工大学;北京计算机技术及应用研究所
申请日： 2018-06-06 - 公布日： 2018-11-06 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种基于深度信念网络算法支持向量机DBN‑SVM的软件缺陷预测方法，采用深度信念网络DBN对从待预测软件提取的软件度量属性进行降维；降维后的数据进入支持向量机SVM进行分类，得到软件缺陷预测结果本发明采用新型的软件缺陷分布预测模型——DBN‑SVM，解决软件缺陷分布的预测中，由多维测量引起的数据冗余所导致的预测精度降低的问题。
软件缺陷信念网络预测算法支持向量机降维支持向量机多维测量精度降低软件度量软件提取数据冗余预测结果预测模型分类

[发明专利]一种基于RBF神经网络的管道缺陷智能识别方法-CN201110048755.5无效
发明人：刘胜;刘杨;李冰 -专利权人：哈尔滨工程大学
申请日： 2011-03-01 - 公布日： 2011-07-13 - 主分类号： G06K9/62 文献下载
摘要：本发明提供的是一种基于RBF神经网络的油气管道缺陷智能识别方法。(1)获取管道缺陷漏磁信号和管道缺陷轮廓作为检测数据；(2)建立RBF神经网络；(3)对神经网络进行训练和测试；(4)利用通过测试的神经网络来预测管道缺陷轮廓。管道缺陷轮廓包括：管道缺陷的长度、宽度和深度。本发明只需进行有限次试验，就可以建立有关管道缺陷轮廓预测模型，通过计算机仿真试验，科学预测，能够准确、快速地预测管道缺陷轮廓。
一种基于 rbf 神经网络管道缺陷智能识别方法

[发明专利]一种基于多特征缺陷再分配图分配缺陷报告的方法-CN201210057825.8有效
发明人：张卫丰;张静;张迎周;周国强;周国富;王慕妮;许碧欢;陆柳敏;顾赛赛 -专利权人：南京邮电大学
申请日： 2012-03-07 - 公布日： 2012-08-08 - 主分类号： G06F11/36 文献下载
摘要：基于多特征缺陷再分配图分配缺陷报告的方法综合运用机器学习模型和缺陷再分配图预测缺陷修复人员，用已修复的缺陷报告中开发人员之间的再分配关系，将再分配关系转化为缺陷再分配图，使用机器学习模型预测完缺陷报告开发人员后，结合缺陷再分配图更新缺陷报告开发人员，完成缺陷报告修复人员的预测；具体方法为以下步骤：步骤1）对选取的缺陷报告数据集进行分类，分为训练集和测试集；步骤2）用训练集来训练机器学习模型和创建缺陷再分配图；步骤3）用机器学习模型预测测试集的缺陷修复人员；步骤4）结合缺陷再分配图更新缺陷修复人员；通过使用本发明的方法，能有效地减少缺陷再分配的路径长度，提高缺陷分配的预测精度，降低缺陷修复人员搜索的失败率。
一种基于特征缺陷再分分配报告方法

[发明专利]一种跨项目软件缺陷预测方法-CN201910721866.4有效
发明人：冯落落;李锐;于治楼 -专利权人：山东浪潮科学研究院有限公司
申请日： 2019-08-06 - 公布日： 2023-08-29 - 主分类号： G06F11/36 文献下载
摘要：本发明公开一种跨项目软件缺陷预测方法，涉及数据处理技术领域。针对软件缺陷预测过程经常受阻、且往往会出现类别分布不平衡的问题，采用方案基于TextCNN和Borderline‑SMOTE算法，包括训练阶段和预测阶段。在训练阶段，基于Java源文件的已知维度特征、语义信息特征、以及存在的软件缺陷，进行Word2vec模型、TextCNN、逻辑回归分类器的训练，在预测阶段，则直接利用训练好的Word2vec模型、TextCNN、逻辑回归分类器的进行目标Java源文件的预测，并最终预测输出目标Java源文件的软件缺陷数量。本发明的预测方法提高了预测的准确率和提高训练速度，不仅限于对同项目的软件缺陷进行预测，还可以用于跨项目的软件缺陷进行预测。
一种项目软件缺陷预测方法

[发明专利]软件缺陷智能检测方法和系统-CN201610964353.2在审
发明人：高岩;杨春晖;李冬 -专利权人：中国电子产品可靠性与环境试验研究所
申请日： 2016-10-28 - 公布日： 2017-03-22 - 主分类号： G06F11/36 文献下载
摘要：本发明涉及一种软件缺陷智能检测方法和系统，获取样本软件模块进行预处理，得到软件样本集。对软件无缺陷样本集进行聚类处理，得到聚类子集。对聚类子集进行随机抽样，得到平衡后的软件无缺陷样本集。根据软件有缺陷样本集和平衡后的软件无缺陷样本集得到更新软件样本集。根据更新软件样本集进行训练得到缺陷检测模型。根据缺陷检测模型对待测软件模块进行缺陷预测，并输出预测结果。通过对样本软件模块进行分类，并对软件无缺陷样本集进行聚类和抽取样本，保证了样本的平衡。根据平衡后的软件无缺陷样本集训练缺陷检测模型，使缺陷预测模型能够更好的对缺陷数据进行估计和拟合，对有缺陷数据的预测能够得到明显的提升，提高了预测准确度。
软件缺陷智能检测方法系统

[发明专利]一种缺陷程度确定方法、装置、设备及存储介质-CN202210088212.4在审
发明人：冯瑶 -专利权人：中国农业银行股份有限公司
申请日： 2022-01-25 - 公布日： 2022-04-29 - 主分类号： G06F11/36 文献下载
摘要：本发明实施例公开了一种缺陷程度确定方法、装置、设备及存储介质，该方法包括：获取待测项目的项目缺陷信息，项目缺陷信息包括项目特征信息和项目开发信息；对项目特征信息进行处理，确定缺陷复杂度；将缺陷复杂度和项目开发信息输入到预确定的目标缺陷预测模型中，根据目标缺陷预测模型的输出结果进行缺陷预测，确定待测项目的缺陷程度。通过构建目标缺陷预测模型对缺陷的严重程度进行预测，无需工作人员对测试数据进行整理并确定缺陷严重程度，避免测试人员工作经验不足导致的缺陷程度确定结果不准确的情况发生，缺陷程度通过模型进行确定，结果更加客观
一种缺陷程度确定方法装置设备存储介质

[发明专利]基于漏磁信号的缺陷轮廓反演方法-CN201810354589.3有效
发明人：黄松岭;彭丽莎;赵伟;王珅;邹军;汪芙平;龙跃;桂林;董甲瑞;于歆杰;黄紫靖 -专利权人：清华大学
申请日： 2018-04-19 - 公布日： 2021-01-01 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于漏磁信号的缺陷轮廓反演方法，包括：获取待求解的目标缺陷漏磁信号；通过边缘检测得到目标缺陷漏磁信号对应的缺陷开口轮廓形状；得到N个沿垂直于磁化方向排列的矩形；构成N个长方体的子缺陷；获取各子缺陷对应的缺陷漏磁信号；对各子缺陷对应的缺陷漏磁信号进行位移变换操作；得到在当前预测深度序列下的预测缺陷漏磁信号；获取预测缺陷漏磁信号与目标缺陷漏磁信号的误差，且在误差大于或等于预设阈值时，更新当前预测深度序列，并返回步骤S5继续迭代，否则停止迭代，当前预测深度序列作为最终反演的缺陷深度序列；得到最终反演的缺陷轮廓。
基于信号缺陷轮廓反演方法

[发明专利]一种软件缺陷预测评估方法及装置-CN202211227742.9在审
发明人：金洋旭 -专利权人：中国银行股份有限公司
申请日： 2022-10-09 - 公布日： 2022-12-20 - 主分类号： G06F21/57 文献下载
摘要：本发明提供一种软件缺陷预测评估方法及装置，涉及软件技术领域，可用于金融领域或其他技术领域。所述方法包括：获取Java工程的源代码，并分别确定与所述源代码相对应的网络表征类型；基于预设网络嵌入算法分别计算各网络表征类型的特征值，并基于预设软件缺陷预测模型分别对各网络表征类型的特征值进行预测；其中，所述预设软件缺陷预测模型预先根据软件缺陷样本数据训练机器学习模型得到；对预测得到的与所述网络表征类型分别对应的包含有软件缺陷的软件分类结果进行评估。本发明实施例提供的软件缺陷预测评估方法及装置，能够全面进行软件缺陷预测和评估。
一种软件缺陷预测评估方法装置

[发明专利]基于需求变更的缺陷预测方法和系统-CN200910080742.9有效
发明人：王青;何磊;李娟;杨叶 -专利权人：中国科学院软件研究所
申请日： 2009-03-27 - 公布日： 2009-10-14 - 主分类号： G06F11/36 文献下载
摘要：本发明属于计算机安全领域，具体涉及基于需求变更的缺陷预测方法和系统。本发明利用软件项目历史缺陷数据和需求文档构建需求与缺陷的关联集，需求分类器将历史需求按其所关联的历史缺陷属性分类，并计算需求项中的需求特征值，建立SVM分类器；当新的需求变更发生时，需求特征提取器提取该需求的需求特征，缺陷属性预测器根据需求特征的信息在SVM分类器中找到它所属的需求分类，得到该分类相关的缺陷属性，完成缺陷预测。本发明可自行添加或删除要提取的需求特征类别，并修改这些特征在分类模型中所占的权重，以使得到的预测模型更准确，提高预测精度。本发明的系统可自动完成预测，预测结果直观。
基于需求变更缺陷预测方法系统

[发明专利]基于深度学习的电池模组外观缺陷检测方法及系统-CN202310617580.8有效
发明人：何俊霖;许海山 -专利权人：厦门微图软件科技有限公司
申请日： 2023-05-30 - 公布日： 2023-08-11 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了基于深度学习的电池模组外观缺陷检测方法及系统，其方法包括：获取电池模组的外观缺陷样本数据，并提取外观缺陷样本数据的数据特征，且基于数据特征对外观缺陷样本数据进行类别标注；基于缺陷检测要求确定对预设深度学习模型的训练终止条件，并基于类别标注的外观缺陷样本数据和训练终止条件对预设深度学习模型的初始模型参数进行迭代训练，构建目标深度学习预测模型；采集电池模组外观图像，并将电池模组外观图像输入目标深度学习预测模型进行缺陷预测，得到电池模组外观存在的缺陷以及缺陷类别实现对电池模组外观存在的缺陷以及缺陷类别进行快速准确的预测判断，从而便于根据预测判断结果及时采取相应的应急措施。
基于深度学习电池模组外观缺陷检测方法系统

[发明专利]结合缺陷预测和关联矩阵的面向任务的软件测试策略生成方法-CN202011392578.8有效
发明人：崔灿;刘斌;王世海;肖鹏 -专利权人：北京航空航天大学
申请日： 2020-12-01 - 公布日： 2023-06-23 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种结合缺陷预测和关联矩阵的面向任务的软件测试策略生成方法，包括：构建一个自顶向下的从任务层到功能层、功能层到操作层、操作层到单元层的纵向层次结构模型；构建每个纵向层次的层内横向映射关系，形成纵横一体化层次结构模型；基于代码度量元的缺陷预测方法实现纵横一体化层次结构模型中单元层的缺陷预测概率；基于关联矩阵的缺陷预测方法通过映射关系自底向上进行关联预测，实现功能层和任务层的缺陷预测概率；生成所有的软件测试用例，根据计算得到的缺陷预测概率，采用经典测试用例排序方法对软件测试用例进行排序，得到软件测试策略，实现了将软件缺陷预测应用在面向任务的软件测试中，提高软件测试的效率。
结合缺陷预测关联矩阵面向任务软件测试策略生成方法