基于机器学习的编译器测试优化方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第10-13页 |
| 1.2 相关工作 | 第13-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 第2章 背景 | 第16-21页 |
| 2.1 编译器测试技术 | 第16-17页 |
| 2.2 编译器测试加速 | 第17-18页 |
| 2.3 聚类算法 | 第18-21页 |
| 第3章 编译器测试加速方法 | 第21-27页 |
| 3.1 覆盖信息的预测 | 第21-24页 |
| 3.1.1 定义特征 | 第21-23页 |
| 3.1.2 标签 | 第23页 |
| 3.1.3 训练预测模型 | 第23-24页 |
| 3.1.4 预测和对齐数据 | 第24页 |
| 3.2 预测程序的聚类 | 第24页 |
| 3.3 测试程序的排序 | 第24-27页 |
| 第4章 实验 | 第27-35页 |
| 4.1 测试项目和测试程序 | 第27-28页 |
| 4.2 实现 | 第28-29页 |
| 4.3 独立变量 | 第29-32页 |
| 4.3.1 应用场景 | 第29-30页 |
| 4.3.2 编译器测试技术 | 第30-32页 |
| 4.3.3 对比方法 | 第32页 |
| 4.4 非独立变量 | 第32-33页 |
| 4.5 测试过程 | 第33-34页 |
| 4.6 有效性分析 | 第34-35页 |
| 第5章 结果与分析 | 第35-41页 |
| 5.1 加速有效性 | 第35-39页 |
| 5.1.1 总体有效性分析 | 第35-38页 |
| 5.1.2 与LET方法比较 | 第38-39页 |
| 5.2 预测有效性 | 第39-41页 |
| 第6章 讨论 | 第41-44页 |
| 6.1 COP方法的有效性 | 第41-42页 |
| 6.2 COP方法扩展 | 第42-43页 |
| 6.3 COP方法应用 | 第43-44页 |
| 第7章 总结 | 第44-45页 |
| 参考文献 | 第45-53页 |
| 作者简介及在学期间所取得的科研成果 | 第53-54页 |
| 致谢 | 第54页 |
