| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第12-19页 |
| 1.1 课题背景与意义 | 第12-13页 |
| 1.2 验证方法简介 | 第13-15页 |
| 1.2.1 模拟仿真简介 | 第13-14页 |
| 1.2.2 形式验证简介 | 第14-15页 |
| 1.3 主要内容及创新点 | 第15-18页 |
| 1.3.1 测试平台优化的挑战 | 第16页 |
| 1.3.2 激励生成的挑战 | 第16-17页 |
| 1.3.3 本文的创新点 | 第17-18页 |
| 1.4 章节安排 | 第18-19页 |
| 2 研究现状 | 第19-24页 |
| 2.1 测试平台优化技术研究现状 | 第19-20页 |
| 2.2 定向激励生成技术研究现状 | 第20-21页 |
| 2.3 随机激励生成技术研究现状 | 第21-24页 |
| 3 基于变异分析的测试平台优化技术 | 第24-38页 |
| 3.1 变异分析简介 | 第24-25页 |
| 3.2 测试平台优化技术 | 第25-34页 |
| 3.2.1 基本方法 | 第25-28页 |
| 3.2.2 优化覆盖模型 | 第28-29页 |
| 3.2.3 优化检查器 | 第29-31页 |
| 3.2.4 量化测试平台质量 | 第31-33页 |
| 3.2.5 测试平台优化流程 | 第33-34页 |
| 3.3 实验结果与分析 | 第34-37页 |
| 3.3.1 实验环境 | 第34页 |
| 3.3.2 互联模块随机激励实验 | 第34-35页 |
| 3.3.3 互联模块定向激励实验 | 第35-36页 |
| 3.3.4 处理器实验 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 基于数据挖掘技术的激励生成技术 | 第38-55页 |
| 4.1 数据挖掘简介 | 第38-39页 |
| 4.2 激励生成方法 | 第39-42页 |
| 4.2.1 第一步,建立片段数据库 | 第40页 |
| 4.2.2 第二步,建立特征向量数据库 | 第40-41页 |
| 4.2.3 第三步,建立规则数据库 | 第41-42页 |
| 4.2.4 第四步,规则重用 | 第42页 |
| 4.3 基于标签的定位技术 | 第42-44页 |
| 4.4 基于差异性的规则组合技术 | 第44-47页 |
| 4.5 实验结果与分析 | 第47-53页 |
| 4.5.1 实验环境 | 第47页 |
| 4.5.2 实验结果 | 第47-50页 |
| 4.5.3 对TBLT技术的分析 | 第50-51页 |
| 4.5.4 对DBRCT技术的分析 | 第51-52页 |
| 4.5.5 对IPE(Instruction number per Event)的分析 | 第52-53页 |
| 4.6 本章小结 | 第53-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读学位期间主要的研究成果 | 第62页 |