| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究的背景和意义 | 第8-10页 |
| ·国内外研究的现状 | 第10-12页 |
| ·本文研究的主要内容 | 第12页 |
| ·本文组织结构 | 第12-14页 |
| 第二章 神经网络和遗传算法 | 第14-27页 |
| ·神经网络技术 | 第14-22页 |
| ·神经网络的特性 | 第14-15页 |
| ·生物神经元 | 第15页 |
| ·人工神经元 | 第15-17页 |
| ·人工神经网络基本要素 | 第17-18页 |
| ·BP神经网络 | 第18-22页 |
| ·遗传算法技术 | 第22-26页 |
| ·遗传算法基本术语 | 第22-23页 |
| ·遗传算法编码技术 | 第23-24页 |
| ·种群初始化和适应度函数 | 第24页 |
| ·遗传算子 | 第24-26页 |
| ·遗传算法流程图 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 被测软件的功能构建 | 第27-40页 |
| ·功能模型的建立流程 | 第27-28页 |
| ·BP神经网络训练样本的设计 | 第28-30页 |
| ·BP神经网络的结构设计 | 第30-35页 |
| ·BP神经网络的层数 | 第30-31页 |
| ·各层节点个数的确定 | 第31-33页 |
| ·BP神经网络层间转移函数的选取 | 第33-35页 |
| ·BP神经网络的网络训练 | 第35-36页 |
| ·BP神经网络的MATLAB实现 | 第36-39页 |
| ·BP神经网络的建立 | 第37页 |
| ·BP神经网络的初始化 | 第37-38页 |
| ·输入输出数据的预处理 | 第38页 |
| ·BP神经网络的训练和仿真 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 利用多种群遗传算法实现基于输出域的测试用例自动生成 | 第40-51页 |
| ·双种群遗传算法 | 第40-41页 |
| ·多种群结构设计 | 第41-44页 |
| ·遗传算子 | 第44-48页 |
| ·编码方式 | 第44-45页 |
| ·适应度函数 | 第45-46页 |
| ·选择操作 | 第46页 |
| ·交叉操作 | 第46-47页 |
| ·变异操作 | 第47-48页 |
| ·算法描述 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 基于输出域测试用例自动生成实验及分析 | 第51-58页 |
| ·构建被测软件功能模型实验结果及分析 | 第51-54页 |
| ·基于输出域测试用例生成实验结果及分析 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·本文总结 | 第58-59页 |
| ·工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录A 图索引 | 第64-65页 |
| 附录B 表索引 | 第65-66页 |
| APPENDIX A. FIGURE INDEX | 第66-67页 |
| APPENDIX B. TABLE INDEX | 第67-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间发表的论文目录及参加的科研项目 | 第69页 |