【摘 要】
：
在软件测试领域,利用遗传算法生成测试用例是一个研究热点.传统方法在利用遗传算法生成测试用例时,需要计算每个个体的适应度.为了降低适应度计算的时间消耗并重用测试用例,提出一种融入支持向量机回归模型的测试用例生成与重用的方法.在使用遗传算法生成测试用例的过程中,利用一定数量的个体及其适应度作为样本训练支持向量机回归模型.在之后的种群进化中,根据回归模型计算个体适应度,同时利用回归模型查找适应度较高的个体并重用到新种群的进化中.在某大型程序实验中,该方法与同类经典方法相比,覆盖率提高了3%,平均进化代数也有所降
【基金项目】
：
国家自然科学基金(No.61762041),江西省自然科学基金(No.20181BAB202009),江西省教育厅科技重点项目(No.GJJ180250)。
论文部分内容阅读
在软件测试领域,利用遗传算法生成测试用例是一个研究热点.传统方法在利用遗传算法生成测试用例时,需要计算每个个体的适应度.为了降低适应度计算的时间消耗并重用测试用例,提出一种融入支持向量机回归模型的测试用例生成与重用的方法.在使用遗传算法生成测试用例的过程中,利用一定数量的个体及其适应度作为样本训练支持向量机回归模型.在之后的种群进化中,根据回归模型计算个体适应度,同时利用回归模型查找适应度较高的个体并重用到新种群的进化中.在某大型程序实验中,该方法与同类经典方法相比,覆盖率提高了3%,平均进化代数也有所降
其他文献
为了模拟长程的一维离散时间量子行走的演化过程以及降低计算复杂性,提出一种路径分析方法.首先分析系统到达某个位置的路径分块和路径数,将系统移位到某个位置演化算子进行分解,表示成二阶矩阵线性空间的一组基的线性组合;然后用超几何级数进行化简,给出概率分布的计算方法;最后分析产生对称式概率分布的充分条件,表明对称性只与量子初态有关.实验结果表明,该方法能够有效模拟系统的长时间演化过程.相关结果可以推广到更一般类型的离散时间量子行走.
冲击损伤监测是结构健康监测的主要研究内容之一.本文提出了一种基于十字型传感器布置方法的二维波束聚焦概率成像定位算法,采用十字阵列型的传感器布置方法减小了系统盲区,通过二维波束聚焦概率成像方法提高了冲击定位的精度.在二维波束聚焦算法中,波速的准确性是影响结构冲击损伤定位的主要因素,本文通过统计分析得到波速的概率分布函数,带入二维波束聚焦概率成像定位算法中对冲击损伤进行监测,分别得到横向阵列与纵向阵列的概率分布图,对两者进行融合成像可以得到更为精确、科学且直观的冲击损伤定位结果.通过实验研究验证了该方法的有效
实际收发设备的非理想硬件(RHI,Residual Hardware Impairment)特性会对协作非正交多址接入(NOMA,Non⁃Orthogonal Multiple Access)系统性能产生重要影响.因此,本文提出了基于RHI的下行链路单窃听多中继协作NOMA系统模型,推导了联合考虑合法链路和窃听链路使目标信噪比最大化(M⁃LaE⁃SNR,Maximized SNR for Legitimate and Eavesdropping link)中继传输方案下的安全中断概率闭合表达式和渐近表达式
区域聚焦照射(regional focusing irradiation)能将信号能量准确投送至指定区域,但阵列的超稀疏性使得副瓣区域能量较高,在实施精确电子战时极大增加了干扰系统遭受打击的风险,因此副瓣区域能量抑制问题必须加以解决.本文提出一种基于L∞范数评估栅瓣区域能量的方法,将其作为正则项引入区域聚焦照射模型以抑制副瓣区域最大能量,并建立了多目标优化模型.采用交替方向乘子(alternating direction method of multipliers)框架将原问题分解为两个子问题:对于恒模约
动态视觉传感器(Dynamic Vision Sensor,DVS)相比于传统彩色相机有更高的时间分辨率、动态范围,且功耗更低、带宽更低,在自动驾驶领域有很好的应用前景,因此吸引了越来越多研究者的注意.然而由于事件驱动的数据是异步的且缺少一种统一的表示形式,在复杂的交通场景下,以车道检测为代表的基于事件驱动数据的交通场景分割任务难以应用传统的语义分割算法.针对以上问题,本文提出了一种三通道的事件数
广义签密可以灵活地工作在签密、签名和加密三种模式,具有很强的实用性.本文结合基于格的签名方案和密钥交换协议,构造了一个无陷门的广义签密方案.方案构造中引入了区分函数,根据输入的发送方与接收方密钥情况来自动识别加密、签名和签密三种模式,保障了算法在这三种工作模式下的优美对称性.基于环上判定性LWE问题,并借鉴FO13的方法,证明了该方案满足自适用抗选择密文攻击不可区分性安全性(IND-CCA2)和自适用抗选择消息攻击强不可伪造性安全性(SUF-CMA).该方案是基于Fiat-Shamir的中止(abort)
属性约简是粗糙集中的一个重要研究方向.本文从8个方面对基于粗糙集的属性约简算法进行归纳,即:不完备决策信息表,不相容决策信息表,连续型属性决策信息表,动态决策信息表,有序型属性决策信息表,基于粗糙扩展模型的属性约简,基于属性重要度的属性约简,结合智能优化算法的属性约简,这对进一步深入研究粗糙集的属性约简算法具有积极意义.
目标检测是计算机视觉领域中最基础且最重要的任务之一,是行为识别与人机交互等高层视觉任务的基础.随着深度学习技术的发展,目标检测模型的准确率和效率得到了大幅提升.与传统的目标检测算法相比,深度学习利用强大的分层特征提取和学习能力使得目标检测算法性能取得了突破性进展.与此同时,大规模数据集的出现及显卡计算能力的极大提高也促成了这一领域的蓬勃发展.本文对基于深度学习的目标检测现有研究成果进行了详细综述.
植入式医疗电子设备向着微型化、网络化、智能化方向快速发展,其涉及的科学技术也不断更新迭代.本文回顾植入式医疗电子设备及其核心关键技术的发展历程,探讨从体内生理信息精准传感、经体无线可靠传输到体外大数据高效处理的各项技术,呈现相关科学研究的最新动态和发展方向,并提出可智能实时监测支架植入术后“再狭窄”与“内漏”的新一代智能血管支架,为未来血管支架的发展提供全新理念及方向,推动我国植入式医疗电子设备朝着高端化、智能化道路发展.
显著性目标检测旨在对图像中最显著的对象进行检测和分割,是计算机视觉任务中重要的预处理步骤之一,且在信息检索、公共安全等领域均有广泛的应用.本文对近期基于深度学习的显著性目标检测模型进行了系统综述,从检测粒度的角度出发,综述了将深度学习引入显著性目标检测领域之后的研究成果.首先,从三个方面对显著性目标检测方法进行了论述:稀疏检测方法,密集检测方法以及弱监督学习下的显著性目标检测方法.然后,简要介绍了