一个集成的软件可靠性工程环境

针对软件可靠性工程实施中发现的核心问题，本文介绍了我们在软件可靠性关键技术上取得的突破，以及以此为支撑的集成环境SREE。该系统依托Eclipse，支持软件可靠性工程的关键活动：使用模型生成和构建、软件可靠性测试、软件可靠性评估和预测以及软件开发过程中可靠性的跟踪分析等。     

《软件分析》专辑前言

软件分析(Software Analysis)是以软件为对象通过静态或动态的方法进行人工或自动分析,以验证、确认、监控或发现软件性质(或者规约、约束)的过程或活动.软件分析是计算机科学与技术领域的经典和核心内容,源于人们试图认识程序行为和性质的努力.早期的软件分析主要还是程序分析,是高级语言编译过程的第一步工作,长期以来,在编译理论和技术的发展中得到了较深入的研究.     

自适应多Agent系统的面向Agent软件开发方法学ODAM

面向Agent软件工程被视为是一种可有效支持复杂系统开发的新颖软件开发范型.为支持复杂多Agent系统的开发,面向Agent软件工程的研究需发挥Agent技术的潜力和灵活性,借鉴软件工程领域已取得的成果,提出了一个面向Agent软件开发方法学ODAM以支持自适应多Agent系统的开发.ODAM以动态绑定机制作为自适应多Agent系统的核心机制,借助于组织学的概念和思想对自适应多Agent系统进行高层抽象和自然建模,以管理和控制系统的复杂度;集成了迭代开发和MDA方法以适应Agent技术平台的多样性,简化复杂自适应系统的开发.介绍了ODAM的方法学框架和具体的技术细节,包括动态绑定机制、基于组织抽象的元模型和建模语言、基于迭代开发和MDA的软件开发过程,并进行了案例分析.     

肿瘤信息基因启发式宽度优先搜索算法研究

基于基因表达谱的肿瘤检测方法有望成为临床医学上一种快速而有效的肿瘤分子诊断方法,但由于基因表达谱数据存在维数过高、样本量很小以及噪音很大等特点,使得肿瘤信息基因选择成为一件有挑战性的工作.根据肿瘤基因表达谱样本集的特点,提出了一种以支持向量机分类性能为评估准则的寻找信息基因的启发式宽度优先搜索算法,其优点是能够同时搜索到基因数量尽可能少而分类能力尽可能强的多个信息基因子集.实验采用了3种肿瘤样本集以验证新算法的可行性和有效性,对于急性白血病、难以分类的结肠癌和多肿瘤亚型的小圆蓝细胞瘤样本集,分别只需2,4和4个信息基因就能获得100%的4-折交叉验证识别准确率.与其它优秀的肿瘤分类方法相比,实验结果在信息基因数量及其分类性能方面具有明显的优越性.为避免样本集的不同划分对分类性能的影响,提出了一种能够更加客观地反映信息基因子集分类性能的全折交叉验证评估方法.     

软件可靠性评估系统的智能化实现

软件可靠性评估系统的智能化有利于避免评估人员水平和经验上的差距造成的评估结果的不一致性,有利于保证评估结果的准确性。文章从专家系统辅助模型预选、各软件可靠性模型的自动比较判优和组合模型（包括其基模型的参数估计方式）的自动确定等方面对可靠性评估系统的智能化实现作了探讨,并给出了其实施框架。     

UML Statechart图的操作语义

面向对象标准建模语言UML(unified modeling language)缺乏精确的动态语义.根据UML1.1语义文档,提出描述对象状态机的UML Statechart图的形式化操作语义.该语义覆盖了UML Statechart图的绝大部分特征,为UML Statechart图的代码产生、模拟和测试用例生成奠定了基础.根据上述语义,基于Rose98完成了UML Statechart图的测试用例生成和测试过程的模拟.     

UML状态机的模型检验方法

模型检验是一种确保设计规范正确性的形式化自动验证技术,本文提出了对UML状态机进行模型检验的方法。文中首先对UML状态机的语法和语义进行描述,然后基于语义中的RTC步给出生状态机全局可达状态迁移图的方法,方法的核心是在当前格局下根据使能条件确定所有的最大无冲突迁移集。文章最后给出算法以验证UML状态机是否满足用计算树逻辑（CTL）公式表示的性质。     

软件运行时配置研究综述

运行时配置为用户使用软件提供了灵活性和可定制性,但其巨大的规模和复杂的机制也带来了巨大的挑战.大量学者和研究机构针对软件运行时配置展开了研究,以提升软件系统在复杂外部环境中的可用性和适应性.建立运行时配置研究分析框架,从配置分析与理解、配置缺陷检测与故障诊断、配置应用3个阶段对现有研究工作进行归类和分析,总结归纳现有研究的不足和面临的挑战,并对未来的研究趋势进行展望,对下一步研究具有一定的指导意义.     

基于重要抽样的软件统计测试加速

本文提出一种基于重要抽样的软件统计测试加速方法,该方法通过调整软件Markov链使用模型的迁移概率,在根据统计测试结果得到软件可靠性无偏估计的前提下,可以有效提高安全攸关软件的测试效率,部分解决了安全攸关软件统计测试时间和费用开销过大的问题。同时,本文给出了计算优化迁移概率的模拟退火算法。实验仿真结果表明,该方法可以有效地提高安全攸关软件统计测试的效率。     

深度神经网络修复策略综述

随着智能信息时代的发展,深度神经网络在人类社会众多领域中的应用,尤其是在自动驾驶、军事国防等安全攸关系统中的部署,引起了学术界和工业界对神经网络模型可能表现出的错误行为的担忧.虽然神经网络验证和神经网络测试可以提供关于错误行为的定性或者定量结论,但这种事后分析并不能防止错误行为的发生,如何修复表现出错误行为的预训练神经网络模型依然是极具挑战性的问题.为此,深度神经网络修复这一领域应运而生,旨在消除有缺陷的神经网络产生的错误预测,使得神经网络满足特定的规约性质.目前为止,典型的神经网络修复范式有3种:重训练、无错误定位的微调和包含错误定位的微调.介绍深度神经网络的发展和神经网络修复的必要性;厘清相近概念;明确神经网络修复的挑战;详尽地调研目前已有的神经网络修复策略,并对内在联系与区别进行分析和比较;调研整理神经网络修复策略常用的评价指标和基准测试;展望未来神经网络修复领域研究中需要重点关注的可行方向.