【摘 要】
：
众包测试是一种新兴的软件测试模式,具有测试周期短、测试成本低的优点.但是在众包测试中也存在测试人员水平不一、无法形成规范化测试用例的问题.文章提出一种基于操作记录的GUI软件测试用例生成方法,该方法将测试人员操作记录转化为规范化测试用例.实验结果表明,相对于手工测试生成的测试用例,该方法生成的测试用例在缺陷检测方面有显著的提高.
【机 构】
：
陆军工程大学指挥控制工程学院,江苏 南京 210007
论文部分内容阅读
众包测试是一种新兴的软件测试模式,具有测试周期短、测试成本低的优点.但是在众包测试中也存在测试人员水平不一、无法形成规范化测试用例的问题.文章提出一种基于操作记录的GUI软件测试用例生成方法,该方法将测试人员操作记录转化为规范化测试用例.实验结果表明,相对于手工测试生成的测试用例,该方法生成的测试用例在缺陷检测方面有显著的提高.
其他文献
为保证车辆驾驶过程中的稳定性和安全性,对智能网联式车队控制器参数的优化和选取展开研究.采用领头车-前车跟随策略进行车辆编队,构建网联式车队纵向控制动力学模型,结合滑模控制器规律,利用切换函数,实现网联式车队车辆自适应控制.在此基础上,利用粒子群优化算法,将滑模控制器4个参数设置为空间粒子,通过搜索个体极值和全局极值动态调整粒子参数,获得滑模控制器的最优参数.采用MATLAB软件进行仿真研究,仿真结果表明,相对于给定的未优化控制器参数,优化后的滑模控制器具有响应快、精度高等特点,能够有效实现网联式车队的稳定
现有图像去运动模糊结果容易在视觉感知上产生边缘特征不明显,出现大幅度的伪影现象,且在深度网络训练过程中,存在因加深网络导致参数过多不易训练即不稳定的问题,为此提出多尺度循环残差神经网络模型.在SRN基础上,为平衡评价指标(PSNR、SSIM)与感知质量,提高图像中的高频细节信息等,进行多损失融合改进;在网络的编码器-解码器结构中,在其卷积层中使用小卷积核堆叠,加深网络的同时使网络参数更少更容易训练,更好地拟合图片的特征信息.实验结果表明,改进算法生成的网络模型取得了更好的去模糊结果.
古籍退化对古籍图像二值化带来较大挑战,为此,提出一种基于离线参数调整的古籍图像二值化算法.算法分为两步,估计古籍图像背景局部均值,结合基于拉普拉斯能量的二值化算法对古籍进行二值化;根据迭代弗里德曼竞赛算法设计一种离线参数调整方法优化算法中的参数配置.所提算法在H-DIBCO 2016和H-DIBCO 2018数据集上的综合实验结果均优于其它二值化算法,验证了所提算法的有效性.
现有多变量时间序列(multivariate time series,MTS)预测方法模型主要采用循环神经网络和注意力机制提取MTS的复杂时空特征,这些方法对MTS变量之间的空间依赖关系的捕获能力不足.图卷积网络对复杂数据的空间特征提取能力较强.为此提出一种融入图卷积网络、注意力机制和深度学习中的卷积神经网络的三通道网络框架模型,将该框架模型用于多变量时间序列预测任务.实验结果表明,该模型在国际汇率这一多变量时间序列数据集上的性能表现要优于目前较先进的几个基线模型.
针刺人体软组织是医疗诊断中比较普遍使用的治疗手段,然而细微的针刺操作对医生的能力提出较高的要求.医生可采用虚拟现实技术来进行大量的训练,获得宝贵的经验.虚拟针刺过程中的软组织变形是重要研究内容.文章采用有限元方法建立软组织模型,使用GPU加速仿真的方法,实现针刺软组织的仿真.实验结果表明,软组织模型在针刺作用下,能产生局部的、小区域的变形.
低噪声视频运算放大器因其低噪声、高速宽带特性被广泛应用于视频设备中.文章介绍了低噪声视频运算放大器的发展简史及激光修调电阻技术.通过对比BJT、CMOS、BiCMOS、SOI和GaAs各种工艺的优缺点,结合国内外低噪声视频运算放大器的发展现状,对其发展趋势进行了展望.
楼宇自动化包括:空调与通风监控系统、给排水监控系统、照明监控系统、电力供应监控系统、电梯运行监控系统、综合保安系统、消防监控系统和结构化综合布线系统,目前已成为提升住宅、商务楼水平的重要部分.文章主要介绍数字生活中楼宇自动化的发展和应用.
面对海量的学习资源,如何为学习者推荐与情境相匹配的学习资源是亟需解决的问题.文章在详细描述学习资源个性化推荐情境要素的基础上,构建了包含情境感知层、资源管理层、学习诊断层、个性推荐层及学习者界面的学习资源个性化推荐系统,并阐述了系统的推荐流程及实现.在情境感知理论的基础上,构建以情境感知技术为核心的学习资源个性化推荐系统,能提高学习资源与学习者之间的动态适应性,更好地服务于学习者的个性化学习需求.
针对公益诉讼案件内容复杂难以理解,专业术语特征难以有效提取等问题,提出一种面向公益诉讼案件的法条自动推送模型.使用BERT模型获取案件词向量,引入BiLSTM模型挖掘词向量更深层次的含义,解决长期依赖问题,设计CNN不同的卷积核尺寸提取不同粒度的专业术语特征信息,引入注意力机制,获取与当前任务最相关的特征.实验结果表明,在公益诉讼案件数据上,该方法的法条自动推送F1值为89.04％,相比传统的方法效果均有提高,验证了其可行性.
针对医院人工导诊效率和精确度较低的问题,提出了一种基于ATERDE(Automatic threshold Elites Regeneration Differential Evolution)和专家经验的混合DGC(Data Gravitation Classify)智能导诊算法.采用一种基于自动阈值的ERDE算法(ATERDE),以选出最优的客观权重矩阵;将ATERDE算法与专家经验融合,构建包含主客观信息的属性重要度权重矩阵;最后提出一种兼顾全局引力与局部引力的DGC算法,以减少数据不平衡对分类结果