[發(fā)明專利]基于機器學(xué)習(xí)的循環(huán)不變式自動生成方法在審
| 申請?zhí)枺?/td> | 201910630164.5 | 申請日: | 2019-07-12 |
| 公開(公告)號: | CN110377513A | 公開(公告)日: | 2019-10-25 |
| 發(fā)明(設(shè)計)人: | 路紅;史玉石 | 申請(專利權(quán))人: | 南京理工大學(xué)紫金學(xué)院 |
| 主分類號: | G06F11/36 | 分類號: | G06F11/36 |
| 代理公司: | 南京知識律師事務(wù)所 32207 | 代理人: | 李吉寬 |
| 地址: | 210046 江*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 循環(huán)不變式 循環(huán)語句 自動生成 分類數(shù)據(jù)集 測試數(shù)據(jù) 基于機器 三元組 算法 計算機程序 形式化驗證 有效性驗證 程序狀態(tài) 構(gòu)造數(shù)據(jù) 后置條件 前置條件 隨機生成 循環(huán)變量 有效循環(huán) 運行循環(huán) 自動驗證 經(jīng)驗證 數(shù)據(jù)集 組數(shù)據(jù) 分類 語句 工作量 標(biāo)注 學(xué)習(xí) | ||
1.基于機器學(xué)習(xí)的循環(huán)不變式自動生成方法,其特征在于,包含以下步驟:
步驟一,對含循環(huán)語句的計算機程序依據(jù)所設(shè)計的自動生成后置條件的算法得到所述循環(huán)語句的后置條件,構(gòu)造上述程序中循環(huán)語句對應(yīng)的Hoare三元組;
步驟二,依據(jù)所述循環(huán)語句的前置條件隨機生成測試數(shù)據(jù),以這些測試數(shù)據(jù)為循環(huán)變量的初始值運行循環(huán)語句,收集程序狀態(tài),從而構(gòu)造數(shù)據(jù)集SV;
步驟三,對數(shù)據(jù)集SV中的每一組數(shù)據(jù),依據(jù)Hoare三元組所定義的關(guān)系進行分類標(biāo)注,形成分類數(shù)據(jù)集;
步驟四,利用所設(shè)計的核向量機KSVM算法對所收集的分類數(shù)據(jù)集進行分類,從而生成候選循環(huán)不變式;
步驟五,利用反證法對生成的候選循環(huán)不變式進行有效性驗證,得到經(jīng)驗證的有效循環(huán)不變式。
2.根據(jù)權(quán)利要求1所述的基于機器學(xué)習(xí)的循環(huán)不變式自動生成方法,其特征在于:步驟一中,所述的自動生成后置條件的算法是通過邊界值分析法計算出循環(huán)次數(shù),并與循環(huán)語句的前置條件合成得到一些公式集合,并對這些公式集合進行簡化得到后置條件。
3.根據(jù)權(quán)利要求1所述的基于機器學(xué)習(xí)的循環(huán)不變式自動生成方法,其特征在于:步驟二中,所述的依據(jù)循環(huán)語句的前置條件隨機生成測試數(shù)據(jù)是通過隨機方式生成滿足前置條件的數(shù)據(jù)集SP和不滿足前置條件的數(shù)據(jù)集SN,兩種方式構(gòu)造測試數(shù)據(jù)集SV=SP∪SN。
4.根據(jù)權(quán)利要求3所述的基于機器學(xué)習(xí)的循環(huán)不變式自動生成方法,其特征在于:步驟二中,所述程序狀態(tài)是程序中每個變量名到變量值的映射集合,將所有的程序狀態(tài)作為測試數(shù)據(jù)集SV,依據(jù)循環(huán)條件執(zhí)行有限次循環(huán)語句,并記錄每一次循環(huán)結(jié)束后程序狀態(tài),組成數(shù)據(jù)集SC,并將數(shù)據(jù)集SC加入到數(shù)據(jù)集SV中,即SV=SP∪SN∪SC。
5.根據(jù)權(quán)利要求1所述的基于機器學(xué)習(xí)的循環(huán)不變式自動生成方法,其特征在于:步驟三中,所述分類標(biāo)注是指依據(jù)循環(huán)不變式與Hoare三元組中所定義的前置條件、后置條件和循環(huán)體的關(guān)系,將步驟二所定義的數(shù)據(jù)集SV標(biāo)注為:錯誤的數(shù)據(jù)、一定滿足循環(huán)不變式的數(shù)據(jù)、一定不滿足循環(huán)不變式的數(shù)據(jù)和不確定的數(shù)據(jù)。
6.根據(jù)權(quán)利要求5所述的基于機器學(xué)習(xí)的循環(huán)不變式自動生成方法,其特征在于:步驟四中,所述的核支持向量機KSVM算法是一種由徑向基核函數(shù)和線性核函數(shù)復(fù)合而成的多核函數(shù),以使得線性不可分的數(shù)據(jù)能夠在高維空間進行有效劃分,所述候選循環(huán)不變式是能夠明確劃分步驟三所標(biāo)注的一定滿足循環(huán)不變式的數(shù)據(jù)和一定不滿足循環(huán)不變式的數(shù)據(jù)的分類器。
7.根據(jù)權(quán)利要求1所述的基于機器學(xué)習(xí)的循環(huán)不變式自動生成方法,其特征在于:步驟五中,所述有效性驗證是對候選循環(huán)不變式取反,判斷前置條件或后置條件是否存在存在滿足候選循環(huán)不變式范圍之外的數(shù)據(jù),如果有則為無效候選不變式,否則為有效循環(huán)不變式。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于南京理工大學(xué)紫金學(xué)院,未經(jīng)南京理工大學(xué)紫金學(xué)院許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910630164.5/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 通過偏差校正和分類預(yù)測生成生物標(biāo)記簽名的系統(tǒng)和方法
- 一種非平衡數(shù)據(jù)集的分類方法
- 一種心電圖數(shù)據(jù)的存儲方法及裝置
- 一種郵件分類模型的構(gòu)建方法、裝置、終端設(shè)備和介質(zhì)
- 一種基于主動學(xué)習(xí)的問答語料情感分類方法及系統(tǒng)
- 一種基于遷移學(xué)習(xí)的音頻分類方法
- 一種基于無人機提取分類樣本點的多源遙感數(shù)據(jù)分類方法
- 數(shù)據(jù)分類方法、設(shè)備、存儲介質(zhì)及裝置
- 疾病風(fēng)險的分析方法、裝置、電子設(shè)備及計算機存儲介質(zhì)
- 文本分類模型構(gòu)建、文本分類方法及裝置





