“软件预测”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442678个，建议您升级VIP下载更多相关专利

[发明专利]一种软件缺陷预测方法、装置、设备及存储介质-CN201911226331.6有效
发明人：陈金龙 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-12-04 - 公布日： 2022-05-20 - 主分类号： G06F11/36 文献下载
摘要：本申请涉及一种软件缺陷预测方法、装置、设备及存储介质，所述方法包括：接收软件缺陷预测请求，所述软件缺陷预测请求中包括待预测软件的软件标识，以及当前版本的待预测软件；基于所述待预测软件的软件标识，获取上一版本的待预测软件；确定所述当前版本的待预测软件相对于所述上一版本的待预测软件的目标变更信息；基于所述目标变更信息，确定目标变更特征；基于软件缺陷预测模型以及所述目标变更特征对所述当前版本的待预测软件进行软件缺陷预测，得到与所述当前版本的待预测软件对应的软件缺陷预测信息本申请能够将变更分析前置到提测时，为后续的软件测试提供缺陷基线参考，从而提高了软件版本的迭代质量。
一种软件缺陷预测方法装置设备存储介质

[发明专利]一种软件质量预测方法-CN202011493240.1在审
发明人：王军;王超梁 -专利权人：郑州航空工业管理学院
申请日： 2020-12-16 - 公布日： 2021-03-09 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种软件质量预测方法，提供一种软件质量预测方法，包括以下步骤：将软件质量参数数据输入到软件质量预测模型中，所述软件质量参数数据包括高纯度聚类数据和低纯度聚类数据，所述高纯度聚类数据直接输入软件质量预测模型中，所述低纯度聚类数据通过CNN训练后输入软件质量预测模型中，所述软件质量预测模型为CNN‑LSTM模型；从所述软件质量预测模型中获取软件质量预测结果，本发明通过改进演化算法对软件质量参数数据进行准确划分，对不同属性的软件质量参数数据进行不同的处理，增加软件质量预测的准确度。
一种软件质量预测方法

[发明专利]软件缺陷预测方法、可读存储介质和终端-CN201811181115.X在审
发明人：荆晓远;黄琳;孙莹;吴飞;董西伟 -专利权人：南京邮电大学
申请日： 2018-10-10 - 公布日： 2019-02-12 - 主分类号： G06K9/62 文献下载
摘要：一种软件预测方法、可读存储介质和终端，所述方法包括：获取基于boosting的软件缺陷预测模型；采用所获取的软件预测模型对待预测软件进行缺陷预测。上述的方案，可以提高软件缺陷预测的准确性。
软件缺陷可读存储介质软件预测预测终端缺陷预测预测模型

[发明专利]一种用于软件故障预测的数据融合方法-CN201811218891.2有效
发明人：王丽;方建勇;张贝贝;杨召;李吟;姜婷婷;张峻玮;陈善浩;王凯;陈丹阳 -专利权人：中国船舶重工集团公司第七一六研究所
申请日： 2018-10-19 - 公布日： 2021-12-28 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种用于软件故障预测的数据融合方法，该方法首先根据软件故障预测数据集合的固有数据特征对待融合的两个软件故障预测数据集合进行可融合度判定，然后对故障数据进行特征提取，采用D‑S证据理论对软件故障预测数据集合进行一致性判断，再通过阈值设置，判断是否达到数据融合的条件，从而实现故障预测数据融合。本发明可实现将系统联调、软件三方测试、系统运行、同类软件历史数据等不同的软件故障预测数据进行融合用于故障预测的目的；通过该方法可以扩大软件故障预测数据的样本容量、缩短软件故障预测数据采集时间，提高软件故障预测精度
一种用于软件故障预测数据融合方法

[发明专利]一种软件项目质量的预测方法、预测系统及介质-CN202111399753.0在审
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： 2021-11-19 - 公布日： 2022-03-25 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种软件项目质量的预测方法、预测系统及介质，该软件项目质量的预测方法包括：获取多个软件项目的质量评价结果和与多个软件项目对应的第一缺陷项清单，建立软件质量预测模型，基于第一缺陷项清单和质量评价结果，对软件质量预测模型进行训练和验证，获取当前软件项目对应的第二缺陷项清单，将第二缺陷项清单输入软件质量预测模型中，得到当前软件项目的质量预测结果；本发明的预测方法根据开发过程中产生的量化数据，通过机器学习预测当前软件项目的质量情况
一种软件项目质量预测方法系统介质

[发明专利]一种基于知识图谱的软件漏洞可利用性预测方法-CN202210208277.8在审
发明人：郭瑜;郑建新;倪旭明;张波;金旭;厉立锋;胡航;余侃;张俊;吴哲翔;王斌;李凌 -专利权人：国网浙江省电力有限公司金华供电公司
申请日： 2022-03-04 - 公布日： 2022-06-28 - 主分类号： G06F21/57 文献下载
摘要：本发明提供了一种基于知识图谱的软件漏洞可利用性预测方法，所述可利用性预测方法具体为根据软件漏洞库数据获取漏洞描述文本，从中提取实体、实体属性和实体间的关系，并构建软件漏洞知识图谱，然后对其进行专家修订；构建软件漏洞可利用性预测模型，将专家修订后的软件漏洞知识图谱进行图嵌入处理，并以此构建训练集，对软件漏洞可利用性预测模型进行训练；获取待预测软件漏洞描述文本，并获取待预测软件漏洞描述文本的实体、实体属性和实体间的关系，并将其输入软件漏洞可利用性预测模型，软件漏洞可利用性预测模型输出对应的软件漏洞可利用性预测结果。本发明对于已知数据集的软件漏洞可利用性预测的准确度很高，具有非常优秀的泛化能力。
一种基于知识图谱软件漏洞利用预测方法

[发明专利]基于大数据分析的恶意软件识别方法、服务器及存储介质-CN201911166600.4在审
发明人：段德昀 -专利权人：深圳传音控股股份有限公司
申请日： 2019-11-25 - 公布日： 2020-04-17 - 主分类号： G06F21/56 文献下载
摘要：本发明属于软件安全技术领域，涉及一种基于大数据分析的恶意软件识别方法、服务器及计算机可读存储介质，其中，基于大数据分析的恶意软件识别方法，包括：从数据库中获取已知软件信息。对已知软件信息中的特征信息进行模型训练以构建预测模型。获取待测软件的特征信息。将待测软件的特征信息代入预测模型进行模型预测以获取预测结果。在预测结果符合预设规则时，则判定待测软件为恶意软件。因此，本发明能够依靠大数据技术获取大量的软件信息，并且能够根据大量的软件信息构建恶意软件的预测模型，从而能够通过构建的预测模型待测软件进行模型预测以判定待测软件是否为恶意软件。故而，本发明能够实现有效的识别恶意软件的目的。
基于数据分析恶意软件识别方法服务器存储介质

[发明专利]软件免测的预测方法、装置、设备及存储介质-CN202010002751.2在审
发明人：陈金龙 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-01-02 - 公布日： 2020-05-19 - 主分类号： G06F11/36 文献下载
摘要：本公开涉及一种软件免测的预测方法、装置、设备及存储介质。所述方法包括：获取提测软件的特征信息；将所述提测软件的特征信息输入免测分类预测模型进行免测分类预测处理，获取所述提测软件对应的免测分类预测结果。通过获取提测软件的特征信息以及利用训练的免测分类预测模型进行免测分类预测处理，可以在软件提测的源头判断软件是否可以免测，这种提测分析前置的方式，可以在免测分类预测结果为免测时，直接发布上线，避免软件在每个迭代周期都经过测试，提高软件上线效率，便于敏捷开发管理，实现了软件的前置量化测试，达到人力成本和软件质量的最优平衡。提高了软件免测的预测可靠性，并实现了软件测试的基线化。
软件预测方法装置设备存储介质

[发明专利]一种软件老化预测方法及系统-CN202310354660.9在审
发明人：王尉;杨帆 -专利权人：重庆移通学院
申请日： 2023-04-06 - 公布日： 2023-06-02 - 主分类号： G06F11/36 文献下载
摘要：本发明涉及计算机技术领域，具体为一种软件老化预测方法及系统，本发明方法包括采集软件基于运行时间的运行数据，将软件数据划分为训练集和测试集，将循环神经网络、多元线性回归学习器和最小二乘支持向量机作为弱预测器，基于AdaBoost算法对循环神经网络、多元线性回归学习器和最小二乘支持向量机中每类弱预测器分别进行赋权叠加得出三个强预测器，基于所述强预测器构建软件老化预测模型，通过测试集对所述软件老化预测模型进行验证，通过验证后的软件老化预测模型对软件进行老化预测；本发明采用三种预测模型实现对软件老化对预测，并通过AdaBoost算法对预测模型进行优化，使得软件老化预测更为准确。
一种软件老化预测方法系统

[发明专利]一种软件缺陷预测模型解释方法-CN202211325794.X在审
发明人：汤子珂;岳野;刘望舒;刘学军 -专利权人：南京工业大学
申请日： 2022-10-27 - 公布日： 2023-01-20 - 主分类号： G06F11/36 文献下载
摘要：本发明涉及一种软件缺陷预测模型解释方法，针对目标软件所对应是否有缺陷的预测结果，首先基于对目标软件中各软件模块对应各待分析软件特征类型的特征数据，结合对各软件模块的是否缺陷的预测结果，获得各软件模块分别解释目标软件预测结果、所对应各待分析软件特征类型的重要度；然后基于对全部软件模块向各模块集合的划分，获得各模块集合分别解释目标软件预测结果、所对应的目标特征类型集合；最后基于各模块集合所对应目标特征类型集合之间的联系，获得解释目标软件预测结果的各个重要特征类型，解决现有技术不足，高效实现了对目标软件预测结果的解释。
一种软件缺陷预测模型解释方法

[发明专利]一种基于有序神经网络的软件缺陷模块严重程度预测方法-CN202010679603.4有效
发明人：陈翔;贾焱鑫;李春明;葛骅;杨光;林浩 -专利权人：南通大学
申请日： 2020-07-15 - 公布日： 2021-11-12 - 主分类号： G06F11/36 文献下载
摘要：本发明属于软件质量保障领域，公开了一种基于有序神经网络的软件缺陷模块严重程度预测方法。本发明提供的方法包括如下步骤：挖掘样本软件项目所在的版本控制系统和缺陷跟踪系统，对样本软件项目的程序模块进行度量和缺陷严重程度的标记，构建样本数据集；基于样本数据集，采用有序神经网络模型和贝叶斯超参优化方法，获得软件缺陷预测模型，即具有最优超参数的有序神经网络模型；采用该软件缺陷预测模型预测软件项目中程序模块的缺陷严重程度。本发明构建软件缺陷预测模型相比于常规的软件缺陷预测方法，不仅可以进行软件缺陷预测，还可以预测缺陷的严重程度，且预测准确性更高。
一种基于有序神经网络软件缺陷模块严重程度预测方法

[发明专利]基于特征频度数据挖掘的软件质量预测方法-CN202010420320.8有效
发明人：熊阳 -专利权人：四川新网银行股份有限公司
申请日： 2020-05-18 - 公布日： 2023-06-09 - 主分类号： G06F11/36 文献下载
摘要：本发明涉及基于特征频度数据挖掘的软件质量预测方法，包括：A.根据软件模块的变更内容，获取所有实体元素的历史质量分析结果记录；B.以朴素贝叶斯分类器作为软件质量预测模型，建立每个实体元素的软件质量预测模型；C.以所述的历史质量分析结果记录作为训练数据集对软件质量预测模型进行训练；D.统计软件模块变更内容中所有实体元素当前的所有缺陷数据的质量特征的频度，通过软件质量预测模型运算后输出各实体元素的预测结果；E.得到整个软件模块的质量预测结果。本发明能够显著提高对软件质量预测的客观性，减少了人为主观的影响，并且明显提高了软件质量预测的准确性。
基于特征频度数据挖掘软件质量预测方法

[发明专利]一种软件开发需求预测的方法、系统及设备-CN202010305742.0在审
发明人：刘飞香;刘丹;许昌加;粟国权;蔡鸥 -专利权人：中国铁建重工集团股份有限公司
申请日： 2020-04-17 - 公布日： 2020-07-31 - 主分类号： G06F8/10 文献下载
摘要：本申请公开了一种软件开发需求预测的方法，包括：获取训练集；利用训练集对初始模型进行训练，得到预测模型；接收输入的软件开发参数；调用预测模型根据软件开发参数进行预测，得到软件开发需求的预测结果。本申请所提供的技术方案，通过训练好的预测模型根据软件开发参数进行预测，得到软件开发需求的预测结果，使得项目经理在协调软件开发过程中的各种需求时，能够参考预测结果进行协调，而不是完全的依据个人能力和经验，进而降低了软件开发过程对人为因素的依赖。本申请同时还提供了一种软件开发需求预测的系统、设备及可读存储介质，具有上述有益效果。
一种软件开发需求预测方法系统设备

[发明专利]一种软件缺陷预测方法和装置-CN201710929671.X在审
发明人：陆韬 -专利权人：北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2017-10-09 - 公布日： 2019-04-16 - 主分类号： G06F11/36 文献下载
摘要：本发明实施例提供一种软件缺陷预测方法和装置，涉及计算机技术领域。本发明实施例的一种软件缺陷预测方法，包括：采集过往软件版本的发布信息，根据所述发布信息建立缺陷数量预测模型；将待测软件版本的发布信息输入所述缺陷数量预测模型，以对所述待测软件版本进行缺陷预测。本发明实施例通过采集过往软件版本的发布信息来建立缺陷数量预测模型，根据该缺陷数量预测模型对待测软件版本进行缺陷预测，给管理者提供参考。
发布信息数量预测软件版本软件缺陷方法和装置待测软件缺陷预测预测计算机技术领域采集参考

[发明专利]基于代价敏感宽度学习的软件缺陷预测方法及处理装置-CN202310502274.X在审
发明人：曹鹤玲;王兆龙;贾俊亮;廖天力;楚永贺;李磊;赵晨阳;刘广恩;王峰;王盼盼;张硕;李庆宇;王兴亚 -专利权人：河南工业大学;河南金明源信息技术有限公司
申请日： 2023-05-06 - 公布日： 2023-08-29 - 主分类号： G06F11/36 文献下载
摘要：本申请提供了基于代价敏感宽度学习的软件缺陷预测方法及处理装置，属于软件缺陷预测领域，所述方法包括：构建软件缺陷预测数据集，采用代价敏感学习算法将软件缺陷预测数据集划分为有缺陷实例与无缺陷实例，引入脉冲神经网络，对数据集归一化预处理和线性编码，将数据集转化为脉冲序列，通过脉冲神经网络模型获取输出脉冲序列，然后进行反向解码，获取软件缺陷特征的连续输出值，将获取软件缺陷特征的连续输出值输入代价敏感宽度学习软件缺陷预测模型中进行训练，将待预测数据集输入代价敏感宽度学习软件缺陷预测模型，输出预测结果。本申请通过代价敏感宽度学习软件缺陷预测模型提高了软件缺陷预测的精度和可靠性，缩短了训练时间、提高了精度。
基于代价敏感宽度学习软件缺陷预测方法处理装置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条