基于机器学习的错误定位方法研究
| 摘要 | 第1-5页 |
| abstract | 第5-10页 |
| 注释表 | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| ·课题研究背景 | 第11-12页 |
| ·错误定位技术研究现状与趋势 | 第12-15页 |
| ·国内外研究现状 | 第13-14页 |
| ·近年研究趋势 | 第14-15页 |
| ·课题研究内容 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 程序数据采集与建模技术研究 | 第18-25页 |
| ·错误定位的建模过程 | 第18-19页 |
| ·实验数据 | 第19-21页 |
| ·数据采集技术研究 | 第21-23页 |
| ·GCOV程序覆盖工具 | 第21-22页 |
| ·LCOV覆盖信息显示工具 | 第22-23页 |
| ·错误定位模型性能指标 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于增强径向函数神经网络的错误定位方法 | 第25-37页 |
| ·径向基函数神经网络模型 | 第25-28页 |
| ·RBFN的内部结构 | 第25-26页 |
| ·RBFN的参数训练 | 第26-28页 |
| ·增强径向基函数神经网络模型 | 第28-32页 |
| ·正交试验设计 | 第28-30页 |
| ·ERBFN模型技术研究 | 第30-32页 |
| ·基于ERBFN的错误定位方法 | 第32-34页 |
| ·实验结果与分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于基因表达式编程的错误定位方法 | 第37-49页 |
| ·基于频谱的错误定位方法 | 第37-39页 |
| ·基因表达式编程算法 | 第39-43页 |
| ·基于GEP的错误定位方法 | 第43-45页 |
| ·实验结果与分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于数据分组处理因果关系的错误定位方法 | 第49-57页 |
| ·因果关系概述 | 第49-50页 |
| ·GMDH算法 | 第50-51页 |
| ·基于GMDH的错误定位方法 | 第51-54页 |
| ·初步定性分析 | 第51-53页 |
| ·GMDH因果关系检验 | 第53-54页 |
| ·错误定位 | 第54页 |
| ·实验结果与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 模型结果分析及引发的新探讨 | 第57-61页 |
| ·模型实验比较 | 第57-59页 |
| ·影响模型定位性能的主要因素 | 第59-60页 |
| ·程序语句规模因素 | 第59页 |
| ·程序测试用例规模因素 | 第59-60页 |
| ·程序结构因素 | 第60页 |
| ·本章小结 | 第60-61页 |
| 第七章 总结与展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 在学期间的研究成果及发表的学术论文 | 第68页 |
