支持测试预言生成的代码测试系统实用化研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12页 |
| 1.4 论文结构 | 第12-14页 |
| 第二章 相关技术概述 | 第14-22页 |
| 2.1 测试预言概述 | 第14-17页 |
| 2.1.1 基于规约的测试预言 | 第14-16页 |
| 2.1.2 基于启发式算法的测试预言 | 第16页 |
| 2.1.3 基于统计方法的测试预言 | 第16页 |
| 2.1.4 基于一致性准则的测试预言 | 第16-17页 |
| 2.1.5 基于模型的测试预言 | 第17页 |
| 2.2 神经网络 | 第17-21页 |
| 2.2.1 神经网络原理 | 第17-19页 |
| 2.2.2 神经网络特点及应用 | 第19页 |
| 2.2.3 神经网络的学习方式 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第二章 基于神经网络的测试预言生成技术 | 第22-43页 |
| 3.1 神经网络预言模型 | 第22-24页 |
| 3.2 基于BP神经网络的测试预言 | 第24-30页 |
| 3.2.1 BP神经网络的理论与方法 | 第24-26页 |
| 3.2.2 BP神经网络的单元测试预言模型 | 第26页 |
| 3.2.3 BP神经网络的单元测试预言仿真 | 第26-30页 |
| 3.3 基于广义回归神经网络的测试预言 | 第30-34页 |
| 3.3.1 广义回归神经网络的理论与方法 | 第30-32页 |
| 3.3.2 广义回归神经网络的单元测试预言模型 | 第32页 |
| 3.3.3 广义回归神经网络的单元测试预言仿真 | 第32-34页 |
| 3.4 基于概率神经网络的测试预言 | 第34-38页 |
| 3.4.1 概率神经网络的理论和方法 | 第34-36页 |
| 3.4.2 概率神经网络的单元测试预言模型 | 第36-37页 |
| 3.4.3 概率神经网络的单元测试预言仿真 | 第37-38页 |
| 3.5 预言模块的设计 | 第38-41页 |
| 3.6 预言模块有效性实验设计 | 第41页 |
| 3.7 本章小结 | 第41-43页 |
| 第四章 代码测试系统实用性实验设计 | 第43-50页 |
| 4.1 主要模块功能介绍 | 第43-46页 |
| 4.2 模块实验设计 | 第46-48页 |
| 4.3 模块测试框架构建 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 实验结果与分析 | 第50-58页 |
| 5.1 测试预言实验及结果分析 | 第50-52页 |
| 5.2 代码测试系统实验结果与分析 | 第52-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 论文总结 | 第58页 |
| 6.2 下一步研究 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 作者攻读学位期间发表的学术论文目录 | 第64页 |
