论文部分内容阅读
为了系统地确定软件测试性影响因素,提出一种基于因果图的分析方法。方法首先确定软件类型,分析软件特点;接着确定测试性的具体表现形式,通过对具体形式的原因分析构造因果图,分析因果图中的最小因素;最后整理出影响因素。方法能全面、系统地得到测试性影响因素,对嵌入式软件的成功分析表明了方法的可行性。
基于因果图的软件测试性影响因素分析
【摘 要】
：
为了系统地确定软件测试性影响因素,提出一种基于因果图的分析方法。方法首先确定软件类型,分析软件特点;接着确定测试性的具体表现形式,通过对具体形式的原因分析构造因果图,分析因果图中的最小因素;最后整理出影响因素。方法能全面、系统地得到测试性影响因素,对嵌入式软件的成功分析表明了方法的可行性。
【机 构】
：
北京航空航天大学工程系统工程系
【出 处】
：
计算机应用
【发表日期】
：
2009年S1期
其他文献
在VC6.0环境中,基于模板匹配原理设计编写了一个256色BMP图像的目标识别算法。程序使用纯C语言实现,目标识别速度明显优于传统的目标识别算法。
数据库及数据仓库极易受到噪声数据的侵扰,而噪声数据的存在,很大程度上影响了数据挖掘的速度和质量。本文在传统的划分聚类方法基础上提出了一种聚类算法,该算法通过在数据预处理阶段有效的平滑噪声数据,显著提高了学习算法的学习效率和收敛速度,从而提高数据挖掘结果的质量。最后给出了在击剑训练负荷分析系统中的应用,仿真试验表明该聚类算法取得了很好的效果,具有较高的应用价值。
针对PI控制器响应速度方面的不足,提出了一种基于速度控制的自适应网络动态变化新的主动队列管理算法———APIV控制器。在PI控制器的基础上,根据瞬时队列长度,增加速度控制;根据实时测量链路的数据包丢失率,获得当前的负载信息,动态调整PI算法中的有关参数。理论分析和仿真表明,APIV控制器相对于PI控制器及其改进算法,不仅具有更快响应速度和收敛速度、更小的队列抖动,而且提高了缓冲区的利用率。