| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-18页 |
| ·课题研究的背景和意义 | 第12-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·基于输出域的测试用例自动生成研究现状 | 第14-15页 |
| ·神经网络和遗传算法在软件测试中的应用 | 第15-17页 |
| ·本文的主要工作及组织结构 | 第17-18页 |
| ·研究目标及内容 | 第17页 |
| ·本文的组织结构 | 第17-18页 |
| 第二章 神经网络和遗传算法技术 | 第18-32页 |
| ·神经网络技术 | 第18-26页 |
| ·神经网络的基本特征和功能 | 第18-20页 |
| ·生物神经元结构和人工神经元模型 | 第20-22页 |
| ·神经网络技术的基本要素 | 第22-23页 |
| ·BP神经网络 | 第23-26页 |
| ·遗传算法技术 | 第26-30页 |
| ·遗传算法技术的发展历史 | 第26-27页 |
| ·遗传算法的基本思想 | 第27-28页 |
| ·编码和适应度函数 | 第28页 |
| ·遗传算子 | 第28-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 基于神经网络的被测软件功能模型的构建 | 第32-42页 |
| ·被测软件功能模型的构建流程 | 第32-33页 |
| ·训练样本设计 | 第33-35页 |
| ·网络结构设计 | 第35-38页 |
| ·网络层数的设计 | 第35页 |
| ·各层神经元个数的确定 | 第35-37页 |
| ·层间转移函数的选取 | 第37-38页 |
| ·网络训练 | 第38-39页 |
| ·被测软件功能模型构建的MATLAB实现 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 利用遗传算法实现基于输出域的测试用例自动生成 | 第42-54页 |
| ·编码方式 | 第42-43页 |
| ·适应度函数 | 第43-44页 |
| ·选择操作 | 第44-45页 |
| ·交叉操作 | 第45-48页 |
| ·变异操作 | 第48-49页 |
| ·基于输出域的测试用例自动生成算法描述 | 第49-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 基于输出域的测试用例自动生成实验及分析 | 第54-64页 |
| ·被测软件功能模型构建实验及分析 | 第54-59页 |
| ·基于输出域的测试用例生成实验及分析 | 第59-62页 |
| ·本章小结 | 第62-64页 |
| 第六章 结束语 | 第64-66页 |
| ·本文的主要贡献 | 第64页 |
| ·进一步的工作 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间发表的论文目录 | 第72-74页 |
| 作者和导师简介 | 第74-75页 |
| 北京化工大学硕士研究生学位论文答辩委员会决议书 | 第75-76页 |