基于多维度特征和混合神经网络的代码可读性评估方法

对代码可读性进行定量、准确的评估是有效保障软件质量、降低沟通成本以及维护成本、提高软件开发和演化效率的重要途径.然而,现有的针对代码可读性评估的研究方案大多是基于特征工程的,受到源代码表征方式、技术手段等多方面因素影响,其评估准确率并不高.为此,文中采用深度学习作为主要技术手段,提出了一种基于多维度特征和混合神经网络的代码可读性评估方法,通过整合并运用各种单一神经网络的优势,从字符级、词条级等不同维度挖掘源代码中蕴含的结构信息和语义信息,最终实现对代码可读性的量化评估.实验表明,该方法能够获得高达84.6％的评估准确率,比单独使用卷积神经网络提升了9.2％,比单独使用循环神经网络模型提升了6.5％,并且其表现优于现有的5个可读性模型,验证了所提出的多维度特征和混合神经网络的有效性.     

基于L-ISOMAP流形的癫痫数据降维可视化方法

针对癫痫病人采集的EEG信号数据维数过高和含有复杂的非线性特征的问题,以及脑医学领域数据标注的成本较高的现状,研究了不同的无监督流形降维方法,并且在公开的癫痫集上对比了13种主流及较新的流形降维算法降维后在低维坐标空间的聚类效果.实验结果表明,与目前主流的其它流形及降维方法相比,基于L-ISOMAP得到的数据点在低维空间的分布有很好的聚类表现,不同类别的数据分界明显.当样本大小不同时,降维后的数据分布在可视化图中仍有一定的规律性,可视化效果明显优于其它的降维方法.     

基于程序分析的通信软件模型驱动测试研究

针对通信软件的模型驱动测试框架中出现的测试生成问题,对MSC测试模型的测试生成方法进行改进,获得有效的系统测试集。采用符号执行和程序分析相结合的方法,收集生成的约束、测试脚本变量与被测系统变量之间的映射关系,据此生成测试模型,进一步进行模型验证和测试生成。这种方法可以对原有的测试集合进行半自动的扩展,对关心的程序路径进行测试覆盖,从而提高测试集合的有效性和完备性。     

TTCN-3语言类型系统到C++语言的翻译方案

在程序语言翻译技术中,如何有效地减少翻译后的代码数量是一个值得研究的性能问题。综合考虑TTCN-3语言中值和模板的定义和使用,提出一种新的TTCN-3语言到C++语言翻译方案。与现有的翻译方案相比,翻译后的C++代码与原TTCN-3代码比例由1∶20降低到1∶5左右。与此同时,新方案减少了类型信息副本的保存,提高内存的利用效率,更确切地说,提高了TTCN-3语言编译器和执行器的性能。此外,因为翻译后的C++代码与原TTCN-3代码基本一致,这使得代码的可读性得到改善,进而提高代码的可维护性。     

一种基于事件处理函数的GUI测试方法

事件处理函数响应用户GUI(graphic user interface)操作并完成软件预定义功能,事件处理函数以及事件处理函数之间的关系实现是否与规约一致,是GUI 测试的重点.针对现有的基于模型GUI 测试用例自动生成过程中面临的测试用例规模庞大以及生成的测试用例无效问题,从分析事件处理函数的角度出发,提出了一种GUI 测试模型EHG.针对此模型,结合事件处理函数及其代码结构,提出了两个测试覆盖准则：完整最短路径覆盖准则和完整最短路径定义-引用对覆盖准则;利用基于反馈的测试用例生成技术生成测试用例.实验结果表明,针对较为复杂的应用,该方法不仅能够有效控制测试用例规模,消除无效测试用例,而且生成的测试用例能有效提高事件处理函数的代码结构覆盖率.     

一种基于Android平台GUI录制回放工具的设计与实现

随着移动应用软件复杂性不断提高,高效的测试技术和工具逐渐成为高质量移动应用的必要保证。基于录制-回放技术提出一种Google Android平台上移动应用的自动化测试解决方案,并实现了一个黑盒测试工具。通过举例描述系统录制测试用例、生成脚本并回放的过程,详细分析了GUI自动化测试工具录制-回放模块关键技术的设计与实现。该GUI测试工具主要应用于回归测试阶段,能够提高测试效率。     

TSN．1在TD-SCDMA中的应用研究

文中分析了TD-SCDMA中现有协议数据单元描述方法及编解码效率方面的一些弊端及问题，结合最新的TSN．1语言规范分析解决相关问题，在此基础上提出一套基于TSN．1的解决方案，并以TD—SCDMA中最基本单元为例从数据描述以及编解码效率两方面进行验证，实践结果表明该方案可以很好地简化TD-SCDMA中数据单元描述以及提高编解码效率。     

基于L-ISOMAP流形的癫痫数据降维可视化方法

针对癫痫病人采集的EEG信号数据维数过高和含有复杂的非线性特征的问题,以及脑医学领域数据标注的成本较高的现状,研究了不同的无监督流形降维方法,并且在公开的癫痫集上对比了13种主流及较新的流形降维算法降维后在低维坐标空间的聚类效果.实验结果表明,与目前主流的其它流形及降维方法相比,基于L-ISOMAP得到的数据点在低维空间的分布有很好的聚类表现,不同类别的数据分界明显.当样本大小不同时,降维后的数据分布在可视化图中仍有一定的规律性,可视化效果明显优于其它的降维方法.     

基于扩展库所/迁移系统的GUI自动化测试

为解决图形用户界面(graphic user interface,GUI)元素状态空间庞大以及用户操作组合空间复杂等问题,针对特定类型的GUI软件,提出一种基于扩展库所/迁移系统的GUI测试模型.在此模型中,库所表示用户在GUI软件上的操作类型,迁移表示用户在GUI上的操作事件.针对模型制定了3个相应的准则:库所覆盖准则、迁移覆盖准则和迁移对覆盖准则.对迁移对覆盖准则和事件对覆盖准则进行分析,并设计了相应的GUI测试用例生成算法.在计算器上的初步试验结果表明:相较事件对覆盖准则,迁移对覆盖准则在保持较高的错误发现能力的同时,生成的测试用例规模只有其40%,极大地降低了测试用例规模.     

基于关联规则的交通事故影响因素的挖掘

道路交通安全是一个公共的安全问题,每年因交通事故死亡的人数在所有安全事故导致的总死亡人数中占比最高。随着大数据智能分析技术的发展,广泛利用交通数据朔源事故原因,有利于提出针对性措施,预防交通事故的发生。文中针对导致交通事故的原因具有多样性的特点,提出利用交通事故的相关新闻数据,广泛结合新闻报道具有的 真实性和时效性特点来进行交通事故因素及责任的分析。以新浪网站交通事故新闻为数据源,从新闻事件中提取引发交通事故的相关因素。针对经典Apriori只适用于单一维度的关联挖掘以及需要频繁扫描数据库的缺点,提出了改进的多值属性Apriori算法。以省市为关注点,挖掘出导致事故发生的多种组合因素,由此总结出省市多发交通事故的规律,并提供给有关部门作为采取预防和监管措施的依据。