论文部分内容阅读
基于对抗学习的长短期记忆网络软件缺陷预测
【摘 要】
:
从软件诞生之日起,软件的缺陷就随之诞生了。软件缺陷预测一直都是一个重要的研究课题。软件缺陷的存在常常给我们的生产和生活带来不可以预测的麻烦和损失,所以在当前的软件开发过程中,软件在上线使用之前要经过长时间的测试和排错。即使在使用阶段,也是要不断的测试和更新。现有的软件缺陷预测技术主要侧重于采用抽象语法树(AST)和深度学习相结合的方式对软件缺陷进行预测。本文首次在软件缺陷预测领域提出了一种基于对抗
【出 处】
:
海南大学
【发表日期】
:
2021年09期
其他文献
网络诊断系统如何有效地识别、修复、替换系统中发生故障的处理器,对网络的容错性起着至关重要的作用.一个理想的网络系统应该具有安全可靠的拓扑结构.然而,网络的拓扑结构通常又被模型化为一个连通图,由此网络容错性问题可转化为图的相关问题研究.其中,匹配排除问题正是能够衡量网络容错性的图论问题.匹配排除的概念在2005年被Brigham等人正式介绍和定义.设F是图G的边集,若G-F没有完美匹配或者几乎完美匹
学位
为处理信息的不确定性和两极性,1994年,Wen-Ran Zhang提出了双极值模糊集的概念,双极值模糊集很好的诠释和描述了客观事物固有的两极性,自提出以来一直备受关注,国内外的一些学者对双极值模糊集理论作了较深入的研究,并取得了一定的研究成果。相似度是测量两个模糊集之间的相似性程度的重要方法,是模糊集理论及其应用领域中的一个十分重要的研究内容,双极值模糊集作为模糊集的一种新型扩展形式,在信息的双
学位
伴随着科技的飞速发展,大规模的并行计算机系统实现单个处理器的运算速度达到了突破,推动了社交网络的发展,互联网络中的各个元件之间的连接可通过图中的边连接来替换,图的顶点替换元件,连接元件之间用边来衡量,所以去考虑具有故障元件的网络这是很必要的。图G的匹配M可以用{0,1}给图G的每条边赋权的函数f表示,即顶点v满足∑e~vf(e)≤1.若图G的每个顶点v都满足∑e~vf(e)=1,则记为图G的一个完
学位