跨组织工作流系统的层次总线体系结构风格

在软件体系结构研究领域中,风格的研究与应用是一个重要的领域.本文提出了一种基于随机回报网的"管道-过滤器"体系结构风格建模方法.此方法考虑了管道和过滤器的故障问题,并可对任意拓扑结构的"管道-过滤器"体系结构进行建模.本文的工作将使得对"管道-过滤器"体系结构的建模具有更大的应用范围.     

面向对象软件回归测试技术研究

回归测试的目标之一是在程序修改后,只对进行修改的部分重新测试,从而达到与完全测试相同的测试覆盖.利用数据流或部分数据流技术,对结构化程序进行回归测试的技术已相继提出.随着面向对象方法的逐渐成熟,对面向对象软件测试技术的研究有了迫切的需求.通过分析对象系统的特性,定义了对象之间的依赖关系,通过这个依赖关系,导出测试对象的方法序列,并应用程序切片技术,标识那些受到程序修改影响的测试用例,只有这些测试用例才需要在回归测试中重新执行.最后给出了一完整的对象系统的回归测试解决方案.     

知识库维护的结构操作语义方法

关于在知识表示和处理方面起着重要作用的断言集合形式的抽象知识库,该文给出了一个维护和更新的形式转换系统,使得任意可能有矛盾的知识库能够最终合理地转换到一个相容的知识库之中.作为一种特殊情形,也得到了一个R-重构的能行产生机制.该文给出的转换系统不仅具有可靠性,而且也具有完备性.     

B/S软件测试技术及工具实现

由于软件规模和复杂性的增加,软件测试技术研究和工具开发滞后,软件测试中存在大量的手工劳动,从而使得软件测试的效率很低,费用很高。文章从测试的角度分析了B／S系统的特点,依据可测试性方面的策略,确定合适的测试接口,进行测试建模,给出了相应测试用树生成的方法,并讨论了测试管理的相关方面。最后,介绍了B／S测试支持系统的设计,其核心部分是在浏览器中建立标准测试接口,从而在运行平台中提供对测试的支持。     

界面类对象测试建模技术研究

目前,大量ＯＯ应用软件采用图形界面,对这类软件的测试尚缺乏有效的技术支持。分析了这类软件的特点,基于用户－应用系统交互和应用系统－系统环境交互的视角,提出了一种界面类对象状态测试建模技术,从而支持这类软件的测试。     

面向对象软件测试的关键问题及对策

1 引言目前,面向对象软件开发方法占主导地位,但是,面向对象软件测试的研究却远远滞后于软件工程实践的需要。软件规模和复杂程度不断增加,应用软件及其运行环境,如操作系统、异构平台、分布计算环境等方面,已经大大地复杂了,传统的结构化软件测试技术受到了前所未有的挑战。     

面向对象软件测试过程研究

1 引言软件测试是软件质量保证的重要方面,高质量的软件测试过程有助于提高测试的效率。目前,对测试过程建模的粒度选择、测试对于开发过程变化的适应性等方面还缺乏研究,已有的一些过程模型在形式化和可操作性支持等方面还不够。通过研究软件测试过程.使之具有良好的表示和实施可操作性等,这对于软件测试,尤其是大型软件项目的测试具有重要的意义,并有助于在软件工程环境中支持形成完整的测试解决方案。     

一种模型驱动的工作流过程定义途径

传统的工作流管理系统在互操作性,可复用性,可移植性和开发效率等方面遇到了挑战,MDA是解决上述挑战和问题的一种途径。在模型驱动的工作流管理系统中,工作流模型处于核心地位,本文首先给出了扩展的工作流元模型和基于Petri网的形式化工作流模型过程网。其次,运用模型驱动的途径,依据给出的工作流模型,本文提出了一种模型驱动的,用于快速构造工作流管理系统的框架。针对工作流过程模型,着重讨论了从基于EPC的过程CIM到基于过程网的过程PIM的转换（转换过程和转换规则）,并以扩展的Petri网标注语言E-PNML规约了过程PIM。     

基于时态逻辑的工作流分析

工作流的属性规约语言需要具有高表达力以及基于状态和事件的推理能力。本文提出了一种时态逻辑规约语言E-CTL^＊,该语言集成了状态和事件,能够精确和直觉地表示验证的属性。工作流的畅通性验证无论在时间上还是空间上代价都是非常高的,状态空间爆炸是验证的主要困难所在。利用E-CTL^＊描述畅通性,可以使用存在的符号化模型检测工具验证畅通性,在一定程度上克服了状态爆炸问题。同时模型检测技术给出失效路径的优点可以引导我们纠正工作流的错误。工作流的变动需要具有正确性。从时态逻辑的角度讨论了变动正确性问题,得出了保持变动正确性的一般特征。     

一种基于时间序列的RFID供应链数据分析方法

通过挖掘海量RFID(Radio Frequency Identification)数据来优化供应链已经成为一个研究热点.本文针对供应链流通中出现的若干周转异常并且难以发现的问题,提出了一种基于时间序列的RFID供应链数据分析方法.将供应链的RFID数据统一成反映各环节周转状况的时间序列格式,然后通过分段趋势分解方法分解提取的时间序列数据,并根据分解后的随机项建立阈值来判断数据是否异常,从而建立相应的时间序列分析模型;最后基于模型检测数据异常.通过多样本和多数据集的实验检测,结果表明这种方法有效并具有较高的效率.