导读:本文包含了软件缺陷论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:缺陷,软件,复合材料,算法,特征,模式,航天器。
软件缺陷论文文献综述
张志武[1]（2019）在《基于机器学习的软件缺陷预测方法研究》一文中研究指出随着信息技术的不断发展,信息安全面临的挑战日益严峻,其中软件安全引起人们越来越多的重视。作为软件安全风险的主要根源之一,软件缺陷不仅可威胁计算机信息系统的安全性和稳定性,甚至可能被黑客利用而恶意入侵。软件缺陷预测是软件工程领域中与软件质量保证密切相关的重要的研究课题,它对提高软件系统质量和优化测试资源分配都有重要意义。在软件工程数据挖掘领域中,基于机器学习的静态软件缺陷预测根据软件历史仓库数据,采用缺陷相关的度量对软件代码或开发过程进行分析,利用机器学习方法来预测软件项目中待测试程序模块的缺陷倾向性或缺陷数量。影响缺陷预测性能的主要因素有:度量元的设计、缺陷预测模型的构建以及缺陷预测数据集的相关处理。本文从机器学习的角度针对上述影响因素对软件缺陷预测方法进行了系统的研究,主要研究成果总结如下:(一)基于联合表示的软件缺陷数据特征选择与分类提出了基于联合表示值的过滤型软件缺陷数据特征选择方法(CRS)和基于联合表示的软件缺陷预测分类方法(CSDP)。为消除软件缺陷数据集中缺陷度量元间的冗余性和提高特征选择方法的计算效率,CRS利用联合表示和l_2图构建缺陷数据关系图的邻接关系和权重,在考虑联合表示保留能力的同时考虑数据方差,通过联合表示值的大小排序并迭代选择缺陷数据特征。CSDP首先对无缺陷训练数据集进行Laplace Score采样以构建类别平衡的训练数据,接着利用联合表示求得查询样本的投影矩阵,最后利用基于正则化最小二乘的联合表示分类方法构建软件缺陷预测器。CSDP采用_2l范数正则化取代_1l范数正则化,进一步增强稀疏分类的效率、降低计算复杂度;CSDP中的联合表示分类器既利用类特定的表示残差的鉴别能力,又利用l_2模“稀疏项”的鉴别信息,分类性能得到提升。在广泛使用的软件缺陷预测数据集上的实验结果表明了两种方法的有效性。(二)基于字典学习的软件缺陷预测将以预测缺陷倾向性为目标的软件缺陷预测看成是一个二分类问题,在分类预测时引入字典学习技术,针对软件缺陷预测的代价敏感性与类不平衡性特征、缺陷数据的逐步积累增量式学习和半监督场景下的缺陷预测的问题,分别提出了叁个字典学习软件缺陷预测方法,即代价敏感鉴别字典学习(CDDL)、类特定增量字典学习(CIDL)和基于二次学习的半监督字典学习(TLSDL)。CDDL在构造初始字典原子时,通过PCA处理消除了类不平衡问题,利用软件模块间的相似性,设计出有鉴别能力的字典,同时考虑软件缺陷预测的风险成本,在鉴别字典学习缺陷预测模型中引入代价敏感学习。CIDL针对传统字典学习在大数据集上批量学习时计算代价过高的问题,设计了增量式字典学习方法。在初始集上采用类特定字典学习,学得的有监督字典有利于分类预测,在增量集上采用互信息最大原则选取增量字典原子,有利于充分利用增量数据的互补信息。为了解决在有标记样本较少而无标记样本丰富的半监督场景下构建有效的缺陷字典学习模型困难的问题,TLSDL采用二次学习框架,在第一阶段学习中,大量无标记样本通过概率软标记标注扩充到有标记训练样本集中,实现半监督学习的扩展,在第二阶段学习中,通过鉴别字典学习,实现稀疏表示分类和预测性能的提升。实验结果表明了叁种字典学习方法的有效性。(叁)基于图学习的半监督软件缺陷预测为了充分表示软件缺陷数据间潜在的聚类关系,提出了一个具备稀疏性、高鉴别能力和自适应近邻的信息图——非负稀疏图(NSG)的构建方法,NSG在稀疏图的学习过程中加入了非负限制,图上结点的连接关系和权重在非负稀疏编码时同时得到。在NSG上提出了两个基于图学习的半监督缺陷预测方法:基于非负稀疏图的协同训练缺陷预测方法(NSGCT)和基于非负稀疏图的标记扩散缺陷预测方法(NSGLP)。NSGCT方法结合基于图学习的方法和基于分歧的方法的优点,对无标记数据进行显式置信度估计,减少了噪声数据的引入,提高了半监督协同训练算法的性能。NSGLP方法采用拉普拉斯采样技术对数据集进行不平衡处理,利用NSG表示缺陷数据间的关系,在NSG上利用标记扩散半监督学习方法迭代预测无标记模块的类型标记,NSGLP通过不平衡处理和有效构建信息图提升了半监督缺陷预测的性能。实验结果表明了两种基于图的半监督方法的有效性。(本文来源于《南京邮电大学》期刊2019-12-09）
王宪勇,石建树[2]（2019）在《基于文化粒子群算法的软件缺陷定位方法》一文中研究指出自动化软件缺陷定位方法能够在无人工干预下快速定位软件中缺陷位置,但是不少缺陷定位方法存在定位准确性低的问题。为了提升软件缺陷定位的准确性,提出一种基于文化粒子群算法的软件缺陷定位方法CAPSOFaL,该方法使用缺陷程序实体构建算法种群,通过两个进化空间的协作得到最优解,并通过分析最优解得到测试程序内的真实缺陷位置。该方法能够减少冗余信息对实体怀疑值计算的干扰,并显着提升真实缺陷位置在缺陷报告中的排名,进而提升缺陷定位的准确性。(本文来源于《电脑知识与技术》期刊2019年31期）
崔建峰,黄智云[3]（2019）在《基于执行轨迹的软件缺陷自定位系统设计与研究》一文中研究指出为了解决面向开源软件缺陷自定位系统存在定位精准度低的问题,在保留原定位系统结构的基础上,设计基于执行轨迹的软件缺陷自定位系统。在硬件结构部署方面,采用AM2301型号芯片设计信号传感器,联合校准系数,设置总线接口,实现信号自动传输。下位机内部镶嵌Galileo GN100型号定位芯片,通过NMEA-0183V4.1协议获取数据信息,设置固定标记点,集合线性部件进行软件缺陷位置定位与控制。通过通信接口电路,使上位机RS 232串口通信接收下位机传送的信息。依据下位机执行轨迹组织、轨迹选择、怀疑率计算结果,设计评价报告标准,获取缺陷位置坐标,经由上位机显示具体缺陷位置信息。在Windows平台进行系统测试,由测试结果可知,该系统定位精准度最高可达到93%,满足人们对软件可信度高标准的要求。(本文来源于《现代电子技术》期刊2019年21期）
左万娟,虞砺琨,王小丽,黄晨[4]（2019）在《航天嵌入式软件测试用例典型设计缺陷研究》一文中研究指出作为动态测试充分性的基本评价指标,覆盖率分析只能帮助修正因输入不足而导致的测试用例设计缺陷;针对航天嵌入式软件测试过程中不影响覆盖率统计结果的用例设计缺陷,从测试步骤和预期结果两大测试用例核心要素开展研究,提出十个典型缺陷,分别予以分析,并进行缺陷修正;工程实践证明,这些缺陷的发生率高,具有典型性;修正这些缺陷后,可以有效检出软件设计缺陷;与用例执行后的覆盖率统计数据分析相结合,可以有效提高测试充分性。(本文来源于《计算机测量与控制》期刊2019年10期）
蒋帅[5]（2019）在《基于特征选择的软件缺陷预测方法》一文中研究指出软件缺陷对软件功能的实现具有不可预知的危险,是软件产品的固有成分,提高软件的可靠性,关键在于降低软件缺陷出现的概率,而如何利用已有缺陷数据构建预测系统框架是研究的重点.针对传统软件测试技术虽然能够有效发现软件缺陷,但需要消耗大量的时间和精力,制约软件开发效率的缺点,提出基于特征选择的软件缺陷预测方法,算法对软件缺陷模型的经验数据集进行多特征选择,进而克服数据集之间的冗余性移除无关特征,得到缺陷模型的分类,最终实现软件缺陷的精确预测.实验表明,基于特征选择的软件缺陷预测方法具有较好的预测效果和较高的应用价值.(本文来源于《平顶山学院学报》期刊2019年05期）
曹旋,宁宁[6]（2019）在《基于FiberSIM软件的复合材料对比试块缺陷设计》一文中研究指出民航无损检测技术是航空器持续适航的重要保障,对比试块缺陷研究是无损检测技术的重要组成部分。为了研究复合材料中出现的缺陷类型,基于FiberSIM软件的数字化设计制造一体化技术,结合CATIA软件,对复合材料对比试块的缺陷进行设计和仿真,从而为后续的对比试块的制造和检测研究提供依据。(本文来源于《科技创新与应用》期刊2019年30期）
曹旋,宁宁[7]（2019）在《基于FiberSIM软件的复合材料对比试块缺陷设计》一文中研究指出民航无损检测技术是航空器持续适航的重要保障,对比试块缺陷研究是无损检测技术的重要组成部分。为了研究复合材料中出现的缺陷类型,基于FiberSIM软件的数字化设计制造一体化技术,结合CATIA软件,对复合材料对比试块的缺陷进行设计和仿真,从而为后续的对比试块的制造和检测研究提供依据。(本文来源于《科技经济导刊》期刊2019年29期）
高猛,滕俊元,陈睿,孙民[8]（2019）在《航天器软件典型缺陷模式的自动检测技术》一文中研究指出通过系统分析和总结航天器软件在轨、在研质量问题,开展软件缺陷模式研究,建立航天器软件缺陷模式集;研究缺陷模式的形式化规约和自动检测技术,开发缺陷模式自动检测工具,提高缺陷自动检出率,从而有效规避航天器软件中的典型多发问题,提高航天器软件研制质量、缩短研制周期.(本文来源于《空间控制技术与应用》期刊2019年05期）
何金虎,吴翔虎,曲明成[9]（2019）在《基于迁移学习的软件缺陷预测算法研究》一文中研究指出软件缺陷预测技术可以用于预测软件缺陷是否存在以及其可能存在的数目,以决定软件是否可以交付,对于软件性能的提升和质量的保证有着重要的意义。迁移学习则可以利用不同软件项目中的数据,进行跨项目的软件缺陷预测工作,以应对传统缺陷预测算法中数据不足的问题。本文首先阐述了缺陷预测和迁移学习的相关理论研究现状及其分类,然后对现有的TrAdaboost算法进行优化,修改了迭代分类器的评估指标,并结合实验证明了其合理性和优越性。(本文来源于《智能计算机与应用》期刊2019年05期）
马颖,吕蓓婷[10]（2019）在《航天嵌入式软件缺陷管理研究》一文中研究指出嵌入式软件作为航天型号产品的重要组成部分,其缺陷管理研究对软件测试、软件缺陷预防并最终提高软件质量具有重要作用。本文阐述了航天嵌入式软件的缺陷预测和缺陷管理方法,提出了航天嵌入式软件的失效模式库,并根据某型号软件进行实例分析。(本文来源于《中国新通信》期刊2019年18期）
软件缺陷论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
自动化软件缺陷定位方法能够在无人工干预下快速定位软件中缺陷位置,但是不少缺陷定位方法存在定位准确性低的问题。为了提升软件缺陷定位的准确性,提出一种基于文化粒子群算法的软件缺陷定位方法CAPSOFaL,该方法使用缺陷程序实体构建算法种群,通过两个进化空间的协作得到最优解,并通过分析最优解得到测试程序内的真实缺陷位置。该方法能够减少冗余信息对实体怀疑值计算的干扰,并显着提升真实缺陷位置在缺陷报告中的排名,进而提升缺陷定位的准确性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
软件缺陷论文参考文献
[1].张志武.基于机器学习的软件缺陷预测方法研究[D].南京邮电大学.2019
[2].王宪勇,石建树.基于文化粒子群算法的软件缺陷定位方法[J].电脑知识与技术.2019
[3].崔建峰,黄智云.基于执行轨迹的软件缺陷自定位系统设计与研究[J].现代电子技术.2019
[4].左万娟,虞砺琨,王小丽,黄晨.航天嵌入式软件测试用例典型设计缺陷研究[J].计算机测量与控制.2019
[5].蒋帅.基于特征选择的软件缺陷预测方法[J].平顶山学院学报.2019
[6].曹旋,宁宁.基于FiberSIM软件的复合材料对比试块缺陷设计[J].科技创新与应用.2019
[7].曹旋,宁宁.基于FiberSIM软件的复合材料对比试块缺陷设计[J].科技经济导刊.2019
[8].高猛,滕俊元,陈睿,孙民.航天器软件典型缺陷模式的自动检测技术[J].空间控制技术与应用.2019
[9].何金虎,吴翔虎,曲明成.基于迁移学习的软件缺陷预测算法研究[J].智能计算机与应用.2019
[10].马颖,吕蓓婷.航天嵌入式软件缺陷管理研究[J].中国新通信.2019
论文知识图
