| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 论文的选题依据和研究意义 | 第10-11页 |
| 1.2 国外建模技术和软件工具 | 第11-12页 |
| 1.3 国内建模技术和软件工具 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13-16页 |
| 第二章 任务流模型建模方法 | 第16-25页 |
| 2.1 任务流模型体系结构 | 第16-17页 |
| 2.2 任务剖面的概念 | 第17-21页 |
| 2.2.1 任务剖面概念介绍 | 第17页 |
| 2.2.2 任务剖面实例 | 第17-21页 |
| 2.3 任务流建模方法 | 第21-24页 |
| 2.3.1 任务流系统层次建模 | 第21-22页 |
| 2.3.2 任务流系统的时序建模 | 第22-23页 |
| 2.3.3 任务流系统逻辑关系 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 任务流模型测试性指标计算 | 第25-37页 |
| 3.1 多信号模型简介 | 第25-27页 |
| 3.2 任务流模型测试性指标计算公式 | 第27-30页 |
| 3.2.1 传统测试性指标 | 第27-29页 |
| 3.2.2 功能检测覆盖率 | 第29-30页 |
| 3.3 任务流到多信号流模型的关联方法 | 第30-32页 |
| 3.3.1 任务流模型关联到多信号流模型 | 第30-31页 |
| 3.3.2 任务流模型与多信号模型关联示例 | 第31-32页 |
| 3.4 任务流模型测试性指标计算实现 | 第32-36页 |
| 3.4.1 测试性指标计算所需数据 | 第33-35页 |
| 3.4.2 测试性指标计算流程 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 任务流模型可测性指标分配方法研究 | 第37-61页 |
| 4.1 任务流模型可测性指标分配简介 | 第37页 |
| 4.2 测试性指标分配方法介绍 | 第37-41页 |
| 4.2.1 可测性指标分配概述 | 第37-39页 |
| 4.2.2 传统测试性指标分配方法 | 第39-41页 |
| 4.3 基于粒子群算法的任务流模型测试性指标分配方法 | 第41-49页 |
| 4.3.1 研究重点 | 第41-42页 |
| 4.3.2 算法数据获取及公式 | 第42-43页 |
| 4.3.3 基于粒子群智能算法的测试性指标分配优化求解方法 | 第43-46页 |
| 4.3.4 实验 | 第46-49页 |
| 4.4 基于BP网络的任务流模型测试性指标分配方法 | 第49-60页 |
| 4.4.1 理论基础 | 第50页 |
| 4.4.2 待解决问题的数学模型 | 第50页 |
| 4.4.3 一种两层神经网络学习算法 | 第50-53页 |
| 4.4.4 该算法在测试性指标优化分配中的应用方法 | 第53-54页 |
| 4.4.5 算法实现 | 第54-58页 |
| 4.4.6 实验 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 软件开发 | 第61-74页 |
| 5.1 软件总体设计及开发背景 | 第61-64页 |
| 5.1.1 软件系统整体流程 | 第62-63页 |
| 5.1.2 开发工具及主要技术 | 第63-64页 |
| 5.2 软件主要模块 | 第64-73页 |
| 5.2.1 任务剖面建模模块 | 第65-69页 |
| 5.2.2 测试性建模模块 | 第69-73页 |
| 5.2.3 任务、产品与功能关联 | 第73页 |
| 5.3 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻硕期间取得的研究成果 | 第80-81页 |
