基于缺陷关联度的Markov模型软件优化测试策略

软件测试过程通常期望以最小的成本检测尽可能多的缺陷.为了降低建模复杂度,多数文献通常假设缺陷之间相互独立.但在实际测试中,缺陷之间往往存在关联,并且每个缺陷引发软件失效的严重程度也不相同.充分利用缺陷之间的关联信息,有助于增加相关缺陷的可检测率,提高软件测试效率.因此,提出一种新的思路:利用软件缺陷之间的关联构造缺陷相关系数,引入回扣机制,量化不同严重等级的缺陷所被检测到的价值,综合考虑缺陷相关系数、检测率、回扣三者的权值,以构造基于缺陷关联的最优测试策略.同时,提出复合的优化算法来构造相应的最小生成树,将测试剖面转换成带权的路径问题,以有效地寻找具有最大权值的最优测试路径.另外,改进了已有的剔除策略,以更有效地删除关联缺陷.通过实验仿真,并与其他测试策略相比较,证明了该方法的有效性.     

基于LSTM的智能家居机器学习系统预测模型研究

为了提高智能家居系统的智能化程度,提出了一种以基于LSTM改进的递归神经网络模型为核心的智能家居机器学习系统。该系统以家庭单位作为预测节点,以改进的LSTM网络作为基准预测模型;家庭节点的预测模型以基准预测模型为基础,利用新样本更新家庭预测模型,根据输入的环境数据调用预测模型预测出设备的状态。实验结果表明:该系统能够适应多个家庭节点以及新的家庭行为,基准预测模型与BP神经网络、一般递归神经网络以及标准的LSTM网络相比,其对设备状态的预测准确度高于其他三种模型。该系统方案既为每一个家庭节点建立一个预测模型,又可以根据用户在主动控制设备时生成的新样本数据更新预测模型,有助于匹配不同家庭用户的特点,实现对智能家居产品的智能化控制。     

基于ID3算法的快速分类方法研究

ID3是决策树学习的核心算法．本文提出了基于ID3算法对多类样本分类的一种快速分类的算法．提高了计算机的分类速度。     

模糊模式识别在计算机识别中的应用研究

本文提出了计算机图像处理与模糊模式识别结合的方法．从苹果的色泽、横经以及果形指数三个方面对苹果进行等级识别并取得了较好的试验结果。     

基于MOABCO的多目标测试用例优先级排序

为了提高回归测试的效率,提出了一种基于多目标人工蜂群优化(Multi-Objective Artificial Bee Colony Optimization, MOABCO)算法的多目标测试用例优先级排序(Multi-Objective Test Case Prioritization, MOTCP)方法.针对标准多目标人工蜂群(Multi-Objective Artificial Bee Colony, MOABC)算法容易陷入局部最优解的问题,将差分变异策略融入到新蜜源更新阶段,且基于信息熵改进新蜜源选择方法,以避免算法陷入局部最优并增强了全局搜索能力;然后,将代码覆盖率和测试用例有效执行时间作为优化目标,并用MOABCO算法求Pareto最优解集,以解决MOTCP问题.实验结果表明, MOABCO算法求得的Pareto最优解集在逼近性和分布均匀性上均优于MOABC算法;在解决MOTCP问题上,相对于NSGA-II算法具有更高的收敛速度和更高的缺陷检测率.     

基于优化预测定位的单阶段目标检测算法

针对单阶段多边框检测(SSD)算法中存在目标定位不准确和小目标检测精度不高的问题,提出基于优化预测定位的单阶段目标检测算法EL-SSD. 通过双向加权特征金字塔将原SSD预测特征图特征融合,对输出特征图进行特征位置信息解码后进行特征通道权重再分配,提升了特征语义信息,捕获了跨通道位置信息. 通过构建分类置信度及额外的定位置信度级联聚类对预测框进行非极大值抑制,提高在检测阶段对选择目标的定位精度. 实验结果表明,EL-SSD算法在PASCAL VOC2007上的平均检测均值达到79.8%,比原SSD算法提高了2.6%. 在COCO数据集上的精度达到29.4%,比原SSD算法提高了3.5%,在检测图片上的目标定位效果及小目标检测效果明显优于SSD, 适用于需要高定位性能的实时应用场景.     

一种基于改进遗传算法的动静态负载均衡算法

针对目前负载均衡算法在低负载情况下影响系统效率及在高负载情况下分配效率不佳等问题，基于Nginx服务器，文中提出了一种在改进遗传算法基础上动静态结合的负载均衡算法。该算法选择使用CPU性能、内存性能、磁盘I/O和网络带宽等服务器性能参数作为服务器节点性能评价指标及低负载下的静态加权轮询算法权值，并基于该指标根据节点性能使用率所占集群平均负载使用率的变化，设计了在高负载情况下的动态负载均衡算法。通过引入操作转换阈值及动态三角函数操作概率的改进遗传算法，实现了静态算法优势区转变为动态算法优势区的阈值计算。通过设计对比实验，证明了文中算法在实验环境下相比于加权轮询算法、概率择优算法和dnfs＿conn算法更具有较好的负载均衡效果，相比于dnfs＿conn算法在平均响应时间和实际并发连接数等数值上具有15%左右的提升。     

分而治之方法求解实对称矩阵特征值的并行处理

提出了分布式存储环境下求解实对称矩阵特征值的方法。该方法基于“分而治之”的思想，高效形成并求解方程组，避免了不必要的冗余计算，较好地实现各处理机之间的平衡。     

基于多种群进化算法的测试用例优先级排序研究

为了提升软件测试的效率,加快软件研发的进度,提出了一种基于多种群进化的测试用例排序算法。该算法首先针对单种群遗传算法容易产生早熟收敛的问题,提出了一种多种群并行进化模型,以增强算法的全局寻优能力;然后根据该模型,结合软件需求覆盖和软件缺陷检测率,综合考虑代码覆盖率、测试用例设计信息和历史执行信息三个方面的因素,提出了一种动态调整测试用例优先级的计算方法。实验结果表明:与传统的面向单一目标覆盖的测试用例优先级排序算法相比,该算法的测试速率和软件缺陷检测能力得到一定的提升。