首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于学习的故障定位方法研究

摘 要第4-5页
Abstract第5页
Chapter 1 Introduction第8-16页
    1.1 The Source Of Topic第8页
    1.2 Research Background And Significance第8-10页
    1.3 Literature Review第10-14页
        1.3.1 State Of The Art Of Fault Localization第10-13页
        1.3.2 Literature Analysis第13-14页
    1.4 Main Content第14-16页
Chapter 2 System Overview And Background第16-35页
    2.1 Motivation Example第16-17页
    2.2 System's Architecture第17-18页
    2.3 Cluster Of Faulty Methods And Subset Selection Of Test Cases第18-25页
        2.3.1 Clustering第19-21页
        2.3.2 K Means Algorithm第21-22页
        2.3.3 Expectation Maximization Algorithm第22-23页
        2.3.4 Robust Expectation Maximization Algorithm第23-25页
    2.4 Likely And Dynamic Invariant Detection第25-28页
    2.5 Subset Selection Of Invariant第28页
    2.6 Extraction Of Feature第28-31页
        2.6.1 Spectrum Based Fault Localization第29-30页
        2.6.2 Invariant Changes第30-31页
        2.6.3 Metrics For Fault Localization第31页
    2.7 Learning To Rank第31-34页
        2.7.1 Learning To Rank Approaches第33-34页
        2.7.2 Rankboost Algorithm第34页
    2.8 Summary第34-35页
Chapter 3 Methodology And Implementation第35-51页
    3.1 Methodology Of The System第35-36页
    3.2 Cluster Of Faulty Methods And Subset Selection Of Test Cases第36-40页
    3.3 Likely And Dynamic Invariant Detection第40-44页
    3.4 Subset Selection Of Invariant第44-45页
    3.5 Feature Extraction第45-49页
        3.5.1 Code Coverage Analysis第45-46页
        3.5.2 Invariant Changes第46-48页
        3.5.3 Suspiciousness Score第48-49页
    3.6 Model Learning And Method Ranking第49-50页
        3.6.1 Feature Scaling第49页
        3.6.2 Model Learning And Method Ranking第49-50页
    3.7 Summary第50-51页
Chapter 4 Experimental Analysis第51-63页
    4.1 Research Questions第51-52页
    4.2 Experimental Settings第52-56页
        4.2.1 Experiment Environment第52页
        4.2.2 Data Collection第52-53页
        4.2.3 Comparative Techniques第53-54页
        4.2.4 Cross Validation第54页
        4.2.5 Setting Of Silearning第54页
        4.2.6 Metrics第54-56页
    4.3 Discoveries第56-62页
    4.4 Summary第62-63页
Conclusion第63-64页
结论第64-65页
References第65-71页
Publications第71-73页
Acknowledgement第73-74页
Curriculum Vitae第74-75页

论文共75页,点击 下载论文
上一篇:绍纳语词性标注器词法与转换规则的改进方法研究
下一篇:基于深度学习的交通视频分析系统的设计与实现