-
题名结合多元度量指标软件缺陷预测研究进展
被引量：6
- 1
-
-
作者
杨丰玉
黄雅璇
周世健
郑巍
-
机构
南昌航空大学软件学院
南昌航空大学软件测评中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第5期10-24,共15页
-
基金
国家自然科学基金(61867004)
江西省教育厅科技项目(GJJ180523)。
-
文摘
软件缺陷预测可帮助开发人员提前预测缺陷程序,合理分配有限的测试资源。软件缺陷预测的准确度不仅依赖于预测方法的选择,更依赖于软件的度量指标。因此,结合多元度量指标进行软件缺陷预测已成为当前的研究热点。从度量指标出发,对传统度量指标、多元度量指标以及结合多元度量指标的缺陷预测的研究进展进行了系统介绍。主要工作包含:介绍了传统的代码和过程度量指标、基于传统度量指标的软件缺陷预测模型以及影响数据质量的因素;阐述了语义结构度量指标;分析列举了当前用于软件缺陷预测的评价指标;结合预测粒度、传统度量指标、语义结构度量指标、跨项目软件缺陷预测对多元度量指标软件缺陷预测未来的研究趋势进行了展望。
-
关键词
多元度量指标
传统度量
语义度量
结构度量
软件缺陷预测
-
Keywords
multi-metrics
traditional metrics
semantic metrics
structure metrics
software defect prediction
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
-
题名面向适航标准的机载软件测试验证方法综述
被引量：11
- 2
-
-
作者
谭莉娟
郑巍
刘友林
樊鑫
杨丰玉
-
机构
南昌航空大学软件学院
南昌航空大学软件测评中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第15期9-22,共14页
-
基金
国家自然科学基金(61867004)
江西省教育厅自然科学基金(GJJ180523)。
-
文摘
机载软件测试是指机载系统中嵌入式软件执行的测试验证过程,目的是为了挖掘出软件缺陷从而提高机载系统的可靠性。随着机载嵌入式系统功能的多样化需求,软件的规模和复杂程度不断增加,同时因为其实时性、嵌入性、高可靠性等特殊性,因此对机载软件进行充分测试成为当前的一个挑战。为了满足要求,机载系统的测试需要遵循最新的适航标准DO-178C,针对机载软件生命周期过程提出了一系列目标要求和设计考虑。为此,简介了机载软件适航认证标准的发展及其测试环境;根据DO-178C对机载软件测试的各个过程从基于需求、基于模型、基于安全性分析以及软件验证的测试研究机载软件的测试验证方法,并进行小结;对相关领域的发展进行总结和展望。
-
关键词
机载软件测试验证
DO-178C
基于需求
基于模型
基于安全性分析
软件验证的测试
-
Keywords
Airborne software testing and verification
DO-178C
requirement-based
model-based
security analysis based
software verification testing
-
分类号
V247.1
[航空宇航科学与技术—飞行器设计]
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于蚁群算法优化反向传播神经网络的软件质量预测
被引量：7
- 3
-
-
作者
朱嘉豪
郑巍
杨丰玉
樊鑫
肖鹏
-
机构
南昌航空大学软件学院
南昌航空大学软件测评中心
-
出处
《计算机应用》
CSCD
北大核心
2023年第11期3568-3573,共6页
-
基金
总装预研基金项目(JZX7J202202ZL002000)。
-
文摘
针对基于反向传播神经网络(BPNN)的软件质量预测模型存在收敛慢、模型精度不高的问题,提出一种基于蚁群算法优化BPNN的软件质量预测(SQP-ACO-BPNN)方法。首先,选择软件质量评价指标,确立软件质量评价体系;其次,采用BPNN构建初始软件质量预测模型,并利用蚁群优化(ACO)算法确定若干网络结构、网络初始连接权值和阈值;再次,给出网络结构评价函数,选择神经网络模型的最佳结构、网络初始连接权值和阈值;最后,通过BP算法训练该网络,得到最终的软件质量预测模型。在机载嵌入式软件质量预测数据上的实验结果表明,优化后的BPNN模型有效提高了预测的准确率、精确率、召回率和F1值,并且模型能够更快收敛,验证了SQP-ACO-BPNN方法的有效性。
-
关键词
软件质量预测
蚁群优化算法
反向传播神经网络
网络结构评价
-
Keywords
software quality prediction
Ant Colony Optimization(ACO)algorithm
Back Propagation Neural Network(BPNN)
network structure evaluation
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名面向适航标准的机载软件测试验证工具综述
被引量：1
- 4
-
-
作者
刘友林
郑巍
谭莉娟
樊鑫
杨丰玉
-
机构
南昌航空大学软件学院
南昌航空大学软件测评中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第11期1-10,共10页
-
基金
国家自然科学基金(61867004)
江西省教育厅自然科学基金(GJJ180523)。
-
文摘
机载软件的测试与验证是保障机载软件正确性和可靠性的重要方法。软件的测试与验证离不开工具的支持,使用工具能够提高效率、降低成本,对机载软件的测试验证工具研究是对其进行充分测试验证的保障。对机载软件及适航标准进行了简介;按照系列适航标准,从DO-178C、基于模型的开发与验证(DO-331)和形式化方法(DO-333)三个维度对工具的功能、特性及应用进行了详细介绍,并对其发展现状进行小结;总结机载嵌入式软件测试验证及其工具研发中存在的问题,并对其发展趋势进行了分析。
-
关键词
机载软件测试验证工具
适航标准
DO-178C
基于模型
形式化方法
-
Keywords
airborne software testing and verification tools
airworthiness standards
DO-178C
model-based
formal methods
-
分类号
V247.1
[航空宇航科学与技术—飞行器设计]
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于网络表征学习的混合缺陷预测模型
被引量：4
- 5
-
-
作者
刘成斌
郑巍
樊鑫
杨丰玉
-
机构
南昌航空大学软件学院
南昌航空大学软件测评中心
-
出处
《计算机应用》
CSCD
北大核心
2019年第12期3633-3638,共6页
-
基金
江西省教育厅自然科学基金资助项目(GJJ180523)~~
-
文摘
针对软件系统模块间具有依赖关系的问题,通过对软件系统网络结构进行分析,构建了基于网络表征学习的混合缺陷预测模型。首先,将软件系统以模块为单位转换成软件网络;然后,使用网络表征技术来无监督学习软件网络中每个模块的系统结构特征;最后,结合系统结构特征和卷积神经网络学习的语义特征构建一个混合缺陷预测模型。实验结果表明:在Apache三个开源软件poi、lucene和synapse上所提混合缺陷预测模型具有更好的缺陷预测效果,其F1指标比最优模型--基于卷积神经网络(CNN)的缺陷预测模型分别提高了3.8%、1.0%、4.1%。软件网络结构特征分析为缺陷预测模型的构建提供了有效的研究思路。
-
关键词
软件网络
缺陷预测
卷积神经网络
语义特征
网络表征学习
-
Keywords
software network
defect prediction
Convolutional Neural Network(CNN)
semantic feature
network representation learning
-
分类号
TP311.53
[自动化与计算机技术—计算机软件与理论]
-
-
题名面向模型检测的LTL语句自动生成方法
被引量：2
- 6
-
-
作者
段喜龙
陆智伟
郑巍
陈晋升
樊鑫
肖鹏
-
机构
南昌航空大学软件学院
南昌航空大学软件测评中心
-
出处
《计算机工程与设计》
北大核心
2023年第8期2337-2344,共8页
-
基金
国家自然科学基金项目(61867004)。
-
文摘
为优化线性时态逻辑语句的生成过程,减少模型检测的时间,提出一种面向模型检测的基于自然语言处理生成线性时态逻辑验证语句的方法。对需求文档提取关键词,将文档中的数据和可以代表模型中状态的名词进行提取,注释UML模型,对UML模型中的状态进行归类,将模型中的状态分为数据属性类和调用操作类,利用配对的线性时态逻辑格式生成线性时态逻辑,用于软件模型一致性验证。实验结果表明,该方法与ST模型相比可以提高模型检测的效率。
-
关键词
自然语言处理
模型一致性
线性时态逻辑
UML模型
形式化验证工具
模型验证
模型注释
-
Keywords
natural language processing
model consistency
linear temporal logic
UML model
formal verification tools
model validation
model annotation
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于知识图谱的测试用例复用方法
被引量：7
- 7
-
-
作者
夏传林
郑巍
谭莉娟
王小良
-
机构
南昌航空大学软件学院
南昌航空大学软件测评中心
-
出处
《计算机工程与设计》
北大核心
2022年第5期1273-1279,共7页
-
基金
国家自然科学基金项目(61867004)
江西省教育厅自然科学基金一般基金项目(GJJ180523)。
-
文摘
为提高测试用例复用的准确率及软件缺陷的发现率,提出一种基于知识图谱的测试用例复用方法,根据已有的项目测试数据,构建测试用例复用模型。对测试用例领域进行研究,分析测试用例的特征,利用本体设计构建测试用例知识图谱,通过问题模板与知识图谱匹配,改进朴素贝叶斯分类模型,利用多属性、多条件检索相似度最高的测试用例。基于模型匹配精度和知识图谱检索效率对复用方法进行验证,实践对照表明该方法能够提升测试用例复用率以及缺陷发现率。
-
关键词
测试用例复用
知识图谱
朴素贝叶斯
软件测试
本体
-
Keywords
test case reuse
knowledge graph
Naive Bayes
software test
ontology
-
分类号
TP311.56
[自动化与计算机技术—计算机软件与理论]
-
