加载中...
首页专利查询专利详情

*来源于国家知识产权局数据,仅供参考,实际以国家知识产权局展示为准

一种基于GAN网络的深度学习跨项目软件缺陷的预测方法

发明专利有效专利
  • 申请号:
    CN202110673062.9
  • IPC分类号:G06F11/36;G06K9/62;G06N3/04;G06N3/08
  • 申请日期:
    2021-06-17
  • 申请人:
    北京邮电大学
著录项信息
专利名称一种基于GAN网络的深度学习跨项目软件缺陷的预测方法
申请号CN202110673062.9申请日期2021-06-17
法律状态实质审查申报国家中国
公开/公告日2021-09-21公开/公告号CN113419948A
优先权暂无优先权号暂无
主分类号G06F11/36IPC分类号G;0;6;F;1;1;/;3;6;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人北京邮电大学申请人地址
北京市海淀区西土城路10号 变更 专利地址、主体等相关变化,请及时变更,防止失效
权利人北京邮电大学当前权利人北京邮电大学
发明人邢颖;钱晓萌;于秀丽;林婉婷;吴澍
代理机构暂无代理人暂无
摘要
本发明提供一种基于GAN网络的深度学习跨项目软件缺陷的预测方法。该方法包括:使用简化的抽象语法树来表示目标项目和源项目中每个提取的程序模块的代码;通过深度遍历抽象语法树提取出token向量;对token向量进行词嵌入,得出每个单词对应的词向量,并用词向量替代token向量中的token,把token向量转化为数值向量;将源项目对应的数值向量作为输入,训练源编码器和源分类器;将目标项目对应的数值向量作为输入,将目标编码器的初始参数设定为与训练好的源编码器的参数相同;将训练好的源编码器的输出特征作为GAN网络中的真实数据,然后将目标编码器的输出特征作为虚假数据,通过GAN网络的鉴别器进行训练;用训练好的源分类器对目标编码器的输出特征进行分类;输出分类结果。本发明提供的跨项目软件缺陷的预测方法,速度快,准确率高。

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供