测试代价相关论文
在不完备信息系统中，可变精度分类关系是限制容差关系的改进形式，但其并未考虑数据集中属性的测试代价。为解决这一问题，提出了基于测......
软件测试是软件开发过程一个重要的阶段，随着现代科技的迅速发展，社会的各个行业越来越多地应用到软件产品，从而使得软件产品的质量越......
当今世界,信息技术飞速发展,计算机软件在人们生活中变得不可或缺,软件的质量对日常生活甚至社会发展都会产生重大影响。人们对软......
信息时代下,计算机科学技术的蓬勃发展带来了软件产业的飞速进步,软件产业现已遍及当代社会发展和经济生活的各个角落。作为提高和......
在基于核的设计中，NoC是一种新的范例．NoC测试时重用片上通信网络为减少测试代价起到了决定性作用。然而，在当今的高密度系统上的功耗......
功能测试和结构测试是微处理器两种主要的测试途径。本文介绍了我们如何将功能测试与结构测试有机地结合。在测试开销和测试覆盖率......
该文介绍了一个自动测试生成软件ＡＴＣ采用的算法，数据结构，以及软件设计，ＡＴＧ软件采用了元件描述符形式的数据结构，该结构功能较强，便于程序设计......
物料分选是将物料按照固定的标准或一定的要求分类成不同类别等级的产品或者不同的产品，以增加其使用价值来满足消费、生产需要或便......
讨论进行组件软件可靠性优化的原因,分析现有的组件软件优化的各种方法的优劣,探讨传统的组件软件可靠性优化策略:RPP策略(可靠性......
类集成测试序列的确定是面向对象类集成测试技术中的一个重要课题。合理的类集成测试序列可以降低为其构造测试桩的总体复杂度,从......
Sawires等人给出的视图维护方法能在少量辅助空间的情况下增量地维护视图，但是在较多约束的视图定义下，由于该方法在约束检测方面没......
首先引入相对等待时间代价,将它与测试代价一起称为有形代价,利用单位有形代价中无形代价(即误分类代价)降低最多的原则选择分裂属......
将决策粗糙集与代价敏感学习相结合，提出了一种基于决策粗糙集的代价敏感分类方法。依据决策粗糙集理论和属性约简方法，对待预测样本......
本文提出了一种基于非支配邻域免疫算法（NNIA,Nondominated Neighbor Immune Algorithm）多目标优化的代价敏感决策树构建方法.将平均......
代价敏感学习是数据挖掘和机器学习领域的重要课题.已有的研究方法多数针对单目标进行优化,并不适用于多目标代价敏感问题的解决.......
研究了工程中常见的线性系统循环指数为1（即其约当标准形不同的约当块不出现重根）的情况下测试矩阵优化的方法。通过将系统矩阵变换......
基于图论的路径分析是系统行为分析与监测的重要技术手段.基本路径覆盖技术是常用的路径分析技术, 而基本路径仅考虑路径间独立性......
研究了线性定常系统在循环指数大于1（即其约当标准形不同的约当块有重根）的情况下测试矩阵的优化方法。以循环子空间相关定理的证明......
讨论进行组件软件可靠性优化的原因，分析现有的组件软件优化的各种方法的优劣，探讨传统的组件软件可靠性优化策略：RPP策略（可靠性估计......
电子系统测试中，测试节点的选择直接影响测试代价、测试效率和测试结果．详细分析了测试节点选择问题，以测试电路的故障字典和各节点测......
对组件软件可靠性进行优化工作时，不仅需要最大化其可靠性估计值，同时还要最小化可靠性估计方差以及测试代价。首先针对性地研究普通......
随着计算机在众多领域的应用和发展,用户在使用和数据采集过程中所产生的数据规模出现指数型的增长,数据挖掘技术应用而生。数据挖......
为提高属性约简的实用性能,针对不完备混合型信息系统提出一种不完备混合决策粗糙集模型,构造一种基于特定类的多目标代价敏感属性......
人工智能时代,数据越加显得重要,其价值不可估量。近年来火热的大数据、云计算、人工智能等新技术的发展,往往离不开对数据的挖掘......
本文对代价敏感粗糙集（cost-sensitive rough set，CS-RS）理论的内容及发展状况进行了回顾，对其研究方向和发展趋势进行了分析和展望．首......
相比于经典粗糙集方法,模糊粗糙集方法避免了数据离散化的过程,减少了信息损失。但基于传统模糊粗糙集的属性约简并未考虑实际应用......
软件测试是软件开发过程一个重要的阶段,随着现代科技的迅速发展,社会的各个行业越来越多地应用到软件产品,从而使得软件产品的质......
物料分选是将物料按照固定的标准或一定的要求分类成不同类别等级的产品或者不同的产品,以增加其使用价值来满足消费、生产需要或......
经过长期的研究和发展,测试性理论及其相关算法都日渐成熟。传统的测试性分析算法具备了理论完备、算法效率较高、结果稳定性较好......
