-
公开(公告)号:CN104536901B
公开(公告)日:2017-06-23
申请号:CN201510034291.0
申请日:2015-01-23
Applicant: 桂林电子科技大学
IPC: G06F11/36
Abstract: 本发明公开一种基于动态描述逻辑和模型检测的语义Web服务验证方法,在语义Web环境中模型验证技术的基础上,引入动态描述逻辑,将动作的执行作为Web服务模型中状态变化的原因,其可以将传统的模型检测技术应用到语义Web环境下Web服务验证的问题上。从系统模型的角度,将语义Web服务抽象为模型检测中的状态迁移系统;同时引入了动作理论,将原子服务的前提条件和执行结果抽象为动作理论的原子动作,将动作的执行看作是原子服务中状态迁移的原因。在此基础上,考察动作的执行所产生的模型是否满足时态规范。本发明弥补了传统的验证方法没有考虑Web服务中状态迁移原因的局限性,丰富了语义Web环境下Web服务验证的方法。
-
公开(公告)号:CN106780640A
公开(公告)日:2017-05-31
申请号:CN201611236351.8
申请日:2016-12-28
Applicant: 桂林电子科技大学
IPC: G06T9/40
CPC classification number: G06T9/40
Abstract: 本发明公开一种大规模图数据表示方法,其基于K2‑tree和聚类思想,先采用了基于密度的聚类思想将图数据抽象成邻接矩阵表示形式,再在邻接矩阵的基础上进行聚类处理,从而使包含大量值为1的元素的集群结构被包含在簇中。大量值为1的元素被包含在子矩阵中,并且将所有子矩阵对应K2‑tree的L向量进行串联成一个全局性的向量global_L,并且使用了DACs编码,这将有效降低表示邻接矩阵中每个值为1的元素所耗用的空间,即提高了存储效率。本发明能够对包含亿万个节点和边的图数据进行高效、紧凑的表示和压缩,并且提供针对图数据中节点的直接和反向邻居查询操作。
-
公开(公告)号:CN106708739A
公开(公告)日:2017-05-24
申请号:CN201611259177.9
申请日:2016-12-30
Applicant: 桂林电子科技大学
IPC: G06F11/36
CPC classification number: G06F11/3684
Abstract: 本发明提供一种基于扩展状态机模型的Web服务测试用例生成方法及系统,方法包括:从Web服务接口获取Web服务描述语言的接口文档WSDL,并根据接口文档WSDL构建初始的扩展状态机模型EFSM;根据接口文档WSDL中的控制变量将初始的EFSM模型的状态进行合并及删除处理,并根据合并及删除的处理过程生成状态迁移路径;根据路径可行性度量方法来识别状态迁移路径中不可行路径,将不可行路径删除后得到改善后的EFSM模型;根据正则表达式将改善后的EFSM模型的可行路径进行遍历,生成Web服务的抽象测试用例集。本发明能够去除原EFSM模型中数据流和控制流的相互影响导致存在不可行测试路径,得到改善后的扩展状态机模型EFSM,因此减少不必要的测试工作,提高测试用例生成效率。
-
公开(公告)号:CN106650129A
公开(公告)日:2017-05-10
申请号:CN201611234708.9
申请日:2016-12-28
Applicant: 桂林电子科技大学
IPC: G06F17/50
Abstract: 本发明公开一种面向装配规划的符号加权约束求解方法,首先获取装配体的装配联接图、移动向量矩阵和装配代价指标;然后根据装配体信息刻划WCSP模型;接着根据装配体的装配联接图、移动向量矩阵和装配代价指标创建联接图和移动向量矩阵的OBDD表示以及装配代价指标的ADD表示;最后搜索出一个可行的装配序列并记录其总的代价Cost,再对剩余未扩展完成的联接边逐一扩展,并将扩展的代价Cost1与Cost进行比较;搜索完所有的联接边之后,最终得到的最小代价值的装配序列就是最优装配序列。本发明能够在较高的时间和空间效率下,完成对装配体的最优装配序列的生成。
-
公开(公告)号:CN106649124A
公开(公告)日:2017-05-10
申请号:CN201611237624.0
申请日:2016-12-28
Applicant: 桂林电子科技大学
IPC: G06F11/36
CPC classification number: G06F11/3688
Abstract: 本发明涉及一种基于Actor模型的并行动态符号执行方法和系统,方法包括将配置后的Actor模型的并行框架合并到修改后的动态符号执行工具中;Actor模型的多个工作节点通过通讯节点从预先构造的待求解路径栈中取出任务,并根据任务探索器获取所述任务的任务路径约束值;利用约束求解器对所述任务路径约束值进行求解,得到求解值Valuation;将求解值Valuation采用递归方式来代入所述待求解路径栈中的路径,生成待探索路径,将待探索路径存入预先构造的待探索路径栈中。本发明的提出一种并行动态符号执行方法,实现了两个层面上的并行,可以在多个节点上并行分析程序路径,可同次进行约束求解和路径探索,降低程序耗时,还可以加强测试大规模程序的能力。
-
公开(公告)号:CN106067039A
公开(公告)日:2016-11-02
申请号:CN201610367542.1
申请日:2016-05-30
Applicant: 桂林电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6201
Abstract: 本发明提出一种基于决策树剪枝的模式匹配方法,其结合决策树剪枝方法的简化AC算法,包括自动机的生成、自动机的简化、计算失败指针、存储后缀表与匹配的执行等步骤。本发明将传统自动机类型模式匹配算法拆分为两个步骤:匹配可能的判定与匹配确认。通过简化自动机判别文本串与模式集中模式串有无匹配的可能,再进行匹配的确认。在保证速度的前提下,本发明提出的简化方法相比传统自动机类型模式匹配算法内存消耗减少35%‑40%。此外,本发明通过决策树剪枝方法可有效减小自动机规模,删除对分类判定无用的节点,有效降低传统自动机类型模式匹配的内存消耗。
-
公开(公告)号:CN105871856A
公开(公告)日:2016-08-17
申请号:CN201610224777.5
申请日:2016-04-12
Applicant: 桂林电子科技大学
IPC: H04L29/06
CPC classification number: H04L63/0263
Abstract: 本发明公开一种批处理包过滤防火墙的实现方法,包括:规则库的分类、规则的协议类型的压缩处理、规则的端口号的压缩处理、符号OBDD刻画、数据包头信息的预处理、数据包头信息与规则库的匹配。本发明通过对规则和传入数据包的预处理,使得二者可以节省存储空间并更高效和有针对性的进行匹配,使得防火墙在过滤数据包时花费更少的节点比较次数,达到节省内存和加快匹配的效果。
-
公开(公告)号:CN104967442A
公开(公告)日:2015-10-07
申请号:CN201510445731.1
申请日:2015-07-27
Applicant: 桂林电子科技大学
IPC: H03K23/72
Abstract: 本发明公开了一种基于可逆逻辑的8421BCD码同步十进制加/减法计数器,包括4个基于可逆逻辑构造的可逆主从JK触发器及5个过渡模块,该4个可逆主从JK触发器及5个过渡模块按照各个输入端、输出端间的相互引用关系进行级联,同时将各个可逆主从JK触发器的输出CP端、输入CP端依次级联得到8421BCD码同步十进制加/减法计数器。本发明能量损耗较低,并能够在进一步显著降低系统功耗及电路实现代价的基础上实现加法计数/减法计数功能;主从JK触发器不存在空翻现象,抗干扰性能好,工作速度快;逻辑电路具有电路简洁、布局规整、易于构造的优点,同时还具有自启动功能。
-
公开(公告)号:CN104598695A
公开(公告)日:2015-05-06
申请号:CN201510063262.7
申请日:2015-02-06
Applicant: 桂林电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于符号ZBDD的装配序列生成方法,包括步骤有:获得装配体知识,即装配体的连接矩阵和干涉矩阵;根据装配体的连接矩阵,创建连接矩阵的ZBDD;根据装配体的干涉矩阵,创建干涉矩阵的ZBDD;搜索出所有可行的装配,即可行装配序列,并创建表示可行装配序列的ZBDD;对生成的表示可行装配序列的ZBDD进行精化,删除装配过程中的死状态。本发明能够在较高的时间和空间效率下,通过分析所有可能的装配操作保证装配序列的完备性,通过判断局部装配几何可行性保证装配序列的可靠性,最终完成对装配体的所有可行装配序列的生成。
-
公开(公告)号:CN104573062A
公开(公告)日:2015-04-29
申请号:CN201510035773.8
申请日:2015-01-23
Applicant: 桂林电子科技大学
CPC classification number: G06F17/30988 , G09B7/04
Abstract: 本发明公开一种基于描述逻辑和案例推理的智能学习方法,先对案例的属性采用基于描述逻辑的相似度计算方法对文字属性和数值属性的分别计算,给出相似度匹配初步结果;后利用蚁群算法中的信息素权重自适应更新及分配策略和案例推荐建立联系;通过使用对学习主体的学习等级和问题等级划分,对处于不同学习阶段的学习主体能够给出其所在等级的案例推荐;最后分别对以上方法的计算结果分别赋予不同的权值,综合计算出案例之间的相似度;通过综合相似度从案例库中给出对于当前问题案例的最优解决方案的列表,供学习主体选择。这样就可使学习者快速地从其所遇到的错误中进行学习。
-
-
-
-
-
-
-
-
-