首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

机器学习程序错误分析及其检测技术研究

摘要第4-6页
Abstract第6-7页
第一章 绪论第15-19页
    1.1 研究背景第15-16页
    1.2 研究现状第16-17页
    1.3 本文工作第17-18页
    1.4 本文组织第18-19页
第二章 相关工作和技术第19-31页
    2.1 机器学习程序测试第19-24页
        2.1.1 机器学习基础第19-20页
        2.1.2 针对数据集的测试第20-22页
        2.1.3 针对分类器的测试第22页
        2.1.4 针对学习器的测试第22-23页
        2.1.5 针对数值计算稳定性的测试第23页
        2.1.6 现有工作的不足第23-24页
    2.2 变异测试第24-26页
        2.2.1 变异算子第24-25页
        2.2.2 测试流程第25-26页
        2.2.3 μJava变异测试工具第26页
    2.3 蜕变测试第26-29页
        2.3.1 蜕变关系第27-28页
        2.3.2 测试流程第28-29页
    2.4 假设检验第29-30页
        2.4.1 基本思想和概念第29页
        2.4.2 检验流程第29-30页
    2.5 小结第30-31页
第三章 机器学习程序错误研究第31-57页
    3.1 机器学习程序错误第31页
    3.2 分类错误突变体第31-45页
        3.2.1 研究方法第32-35页
        3.2.2 与原始版本比较第35-43页
        3.2.3 与基准程序比较第43-45页
    3.3 识别顽固突变体第45-53页
        3.3.1 蜕变测试第45-48页
        3.3.2 学习曲线第48-52页
        3.3.3 鲁棒性和稳定性第52-53页
    3.4 语言无关性验证第53-55页
    3.5 本章小结第55-57页
第四章 MINT系统的设计与实现第57-69页
    4.1 MINT系统架构第57-58页
    4.2 MINT系统实现第58-68页
        4.2.1 界面与格式第58-61页
        4.2.2 检测方式第61-65页
        4.2.3 结果报告第65-68页
    4.3 小结第68-69页
第五章 实验评估第69-83页
    5.1 用例生成与性能总览第69-70页
    5.2 基准程序模块第70-72页
    5.3 蜕变测试模块第72-74页
    5.4 学习曲线模块第74-77页
    5.5 特殊数据集模块第77-78页
    5.6 时间复杂度模块第78-81页
    5.7 小结第81-83页
第六章 结论第83-85页
    6.1 本文工作总结第83-84页
    6.2 未来工作展望第84-85页
致谢第85-87页
参考文献第87-92页
简历与科研成果第92-93页

论文共93页,点击 下载论文
上一篇:基于Widget动态分组模型的Android应用测试技术研究
下一篇:高新区研发强度对地区技术进步的影响