买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州电子科技大学申请的专利一种基于特征交叉和KAN网络的软件缺陷定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119576742B 。

龙图腾网通过国家知识产权局官网在2025-10-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411694537.2，技术领域涉及：G06F11/3604；该发明授权一种基于特征交叉和KAN网络的软件缺陷定位方法是由魏丹;周洸泽;方景龙;王兴起;陈滨设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种基于特征交叉和KAN网络的软件缺陷定位方法在说明书摘要公布了：本发明公开了一种基于特征交叉和KAN网络的软件缺陷定位方法。首先从缺陷报告和源代码文件中提取不同类型的特征，再通过交叉层进行特征的交叉关联，挖掘特征间的隐藏关系；进一步利用KAN网络对参数化的非线性激活函数的学习，将特征交叉网络拟合多项式函数的过程转换为拟合多个一维函数的过程，克服维度灾难，精准捕捉和适应复杂函数的变化，以及缺陷定位中复杂的高阶特征交互信息，从而提高缺陷定位的性能。最后将KAN网络输出的结果输入到全连接层中，计算出最终相似分数，根据最终相似分数降序排序，得到缺陷定位结果。该方法提高了缺陷定位精度，而且在计算效率方面具有优势，尤其适用于对时间要求严格的关键业务应用场景。

本发明授权一种基于特征交叉和KAN网络的软件缺陷定位方法在权利要求书中公布了：1.一种基于特征交叉和KAN的软件缺陷定位方法，其特征在于：具体包括以下步骤： 步骤1、获取原始缺陷报告b和源代码文件s，进行预处理后，得到训练数据集； 步骤2、提取训练数据集中各样本的多个数据特征，进行向量化处理并拼接，得到源代码文件s的特征向量featureb,s；所述样本的数据特征包括VSM相似度rVSMb,s、协同过滤分数cfb,s、堆栈跟踪分数trb,s、圈复杂度ccs、修复频率ffb,s、修复时间间隔frb,s； s2.1、VSM相似度其中分别是缺陷报告和源代码文件的向量表示； s2.2、协同过滤分数cfb,s＝rVSMb,beforeb,s，beforeb,s表示在缺陷报告b之前所有与源代码文件s相关的所有报告摘要； s2.3、堆栈跟踪分数其中stacktrace表示堆栈跟踪信息，rank表示源代码文件s在堆栈跟踪中的排名； s2.4、圈复杂度ccs＝E-N+2，其中，E是代码中边的数量，N是节点数量； s2.5、修复频率ffb,s＝|beforeb,s|，|beforeb,s|表示在处理当前缺陷报告b之前源代码文件s被修复的次数； s2.6、修复时间间隔其中b.month表示缺陷报告b的提交时间，lastb,s表示源代码文件s上次被修复的时间； 步骤3、将样本的特征向量featureb,s输入到连续的N层交叉层中，再将最后一层交叉层的输出xN作为KAN网络的输入crossScoreb,s，最后将KAN网络的输出输入到全连接层中，得到缺陷报告b和源代码文件s的最终相似度分数fc； 所述交叉层包括N层，用于对特征向量featureb,s中的不同特征进行特征交叉，挖掘特征之间的隐藏关系，第n+1层交叉层的输出xn+1为： xn+1＝x0⊙Wnxn+bn+xn 其中，n＝0,1,...,N-1，x0＝featureb,s，xn表示第n层交叉层的输出；Wn、bn分别是第n+1层交叉层的权重矩阵和偏执向量，⊙表示Hadamard乘积； 所述KAN网络包括M层KAN层，每个KAN层被定义为一组一维函数矩阵输入维度为din，输出维度为dout，m＝1,2...,M，j＝1,2,…,din，i＝1,2,…,dout；每个均为可训练的一维函数；在第m+1层中，第i个神经元的激活值ym+1,i为前一层所有神经元的激活值ym,j通过激活函数计算后的和： 第m+1层KAN层的输出ym+1为： 将所有KAN层的输出组合作为KAN网络的最终输出KANb,s： 其中为全连接层的权重矩阵，biasfc为偏置项； 步骤4、按照步骤3计算得到的最终相似度分数fc从大到小对源代码文件进行排序，排名越靠前，表示该源代码文件含有缺陷的可能性越大。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。