一种提高错误定位效率的测试用例选择方法

为提高错误定位的效率,提出了多种测试用例约简与选择的方法,然而,过度的约简与不适的选择造成了部分测试信息丢失,引起了错误定位有效性的损失。本文提出了一种相似测试用例选择方法,用以约简测试集。该方法能消除偶然测试用例对错误定位准确性造成的偏差,通过为每个失败测试用例选择执行轨迹与其相似的成功测试用例的方式,最大限度地保留测试的全部信息;基于选择出的测试用例信息,利用已有的错误定位方法输出程序语句的可疑值列表。以Siemens程序集作为实验对象,证明了本文测试用例选择方法能显著提高错误定位的有效性。     

基于多次学习和关联度的关联分类改进算法

基于支持度置信度框架的关联分类算法在生成规则时难以提出大量高质量规则,而且在一些数据集尤其是不平衡数据集上,部分训练实例未被产生的关联规则所覆盖,导致算法的分类准确率不高.基于以上问题提出了改进的关联分类的算法(Improved Algorithm based on Multiple learning and Correlation degree,IAMC).首先,在提取规则时,IAMC对训练集进行多次关联分类学习,尽量多地提出高质量的规则.其次,在生成规则时采用综合考虑了置信度,补类支持度的新度量关联度,以提高生成的规则的质量.最后,在关联分类规则提取后,对利用已有规则无法判断类别的和未被已有规则覆盖的训练实例用决策树方法再次提取规则,并加入到规则集中.实验结果表明,IAMC算法能提出更多高质量的规则,在多个UCI数据集上具有较高的分类准确率.     

一种基于反区分矩阵的多维关联规则挖掘方法

针对多维数据集的关联规则挖掘,提出了一种基于反区分矩阵的方法.首先由数据集同步得出区分矩阵和反区分矩阵,然后根据区分矩阵进行属性约简,再根据反区分矩阵找出约简后的频繁项集,最后给出关联规则.通过区分矩阵和反区分矩阵将属性约简和关联规则挖掘联系起来,减少了计算步骤,且算法只需扫描数据集一次,避免了繁琐的连接操作.应用实例表明该算法是一种合理有效的关联规则挖掘方法.     

智能随机TBFL方法

测试集测试结果对程序错误定位算法（testing-basedfaultlocalization,TBFL）没有考虑到程序和测试用例集本身的信息,而智能随机TBFL方法,则是利用随机理论将测试员、程序员关于测试用例和程序的先验知识和测试结果信息结合起来,去定位程序的错误语句．智能TBFL算法主要从人类处理信息的通常过程着眼,把测试员交给开发人员的测试结果（主要是用例是否失败和用例覆盖语句情况）分两个层次处理,首先构造执行矩阵曰,利用程序先验分布计算测试集捕获错误的能力等级分布,它相当于人类处理信息首先考察信息的正确性和重要性这一事实;其次构造功效矩阵F,利用前述的测试集能力分布计算程序语句出错可能性的等级分布,它相当于人类处理信息时挖掘信息内涵并对信息加以综合从而做出正确判断这一事实．因此文中提出的算法称之为智能算法,它在理论上是可信的．根据文中所提出的两个有关不同TBFL算法比较标准,并在一些实例上把智能算法与其他一些传统错误定位方法进行对比,发现智能算法的功效比较满意．     

λ模糊测度及其Mbius变换和关联系数间关系的推导

λ模糊测度常用于基于关联的多属性决策(multiple attribute decision making, MADM)问题中的属性和属性集重要程度建模,为了能充分地利用决策者可能提供的各类信息辅助多属性决策分析行为,在Grabisch给出的一般有限离散集上模糊测度与其Mbius变换和关联系数间相互转换关系的基础上,定义了λ模糊测度的Mbius变换和关联系数并研究了三者间的相互转换关系,最后给出算例解释λ模糊测度及其Mbius变换和关联系数间转换关系在实际MADM问题中的应用.     

基于分辨矩阵的含负属性项关联规则挖掘

Apriori算法存在候选集、频繁集产生效率低,丢失有趣强关联规则等问题,提出一种基于分辨矩阵可以采掘含负属性项强关联规则的改进算法,最后给出一个实际例子实现该算法.     

一种扩展的关联规则挖掘算法

提出一种扩展的关联规则挖掘算法, 该算法扩展了传统 算法都是针对二元数据矩阵的缺点, 引入了挖掘量化的关联规则, 通过试验发现, 该算法同样适用于传统的布尔矩阵. 该算法主要是基于主成分分析法发现数据中特征向量的思想来挖掘数据中的量化关联, 同时定义了比例项目集. 该算法在时空复杂性上也取得了较好的效果     

基于两阶段计数的用户关联挖掘

基于规则的推荐技术在数据集上挖掘项目关联和用户关联为当前用户做推荐．用户关联挖掘是使用用户关联进行推荐的关键．首先证明在整个数据集上挖掘到的关于当前用户的用户关联集是只在包含当前用户评价的数据集上挖掘到的关于当前用户的用户关联集的子集,提出基于两阶段计数的用户关联挖掘框架,然后应用概念格技术实现了基于两阶段计数的用户关联挖掘算法,并通过实验表明该算法具有更好的性能．     

基于布尔矩阵和MapReduce的FP-Growth算法

关联规则挖掘是数据挖掘的一个重要组成部分.为提高关联规则的挖掘效率,提出了一种基于布尔矩阵和MapReduce的FP-Growth算法(BPFP),分析了算法的时间和空间复杂度.该算法使用Hadoop框架和布尔矩阵以减少对事务数据的扫描次数,利用两次MapReduce来实现频繁项集的挖掘.在多个数据集上的实验结果表明,与原FP-Growth算法相比,BPFP算法具有更高的执行效率、更好的加速比.     

λ模糊测度及其Mbius变换和关联系数间关系的推导

λ模糊测度常用于基于关联的多属性决策(multiple attribute decision making,MADM)问题中的属性和属性集重要程度建模,为了能充分地利用决策者可能提供的各类信息辅助多属性决策分析行为,在Grabisch给出的一般有限离散集上模糊测度与其Mbius变换和关联系数间相互转换关系的基础上,定义了λ模糊测度的Mbius变换和关联系数并研究了三者间的相互转换关系,最后给出算例解释λ模糊测度及其Mbius变换和关联系数间转换关系在实际MADM问题中的应用.     

基于不确定性测度的犹豫模糊决策模型

针对已有犹豫模糊熵测度计算复杂、区分能力弱等问题,在综合衡量犹豫模糊元自身不确定性及其所表达信息不确定性的基础上,以凸组合的形式设计了混合型犹豫模糊熵和交叉熵测度。混合型犹豫模糊交叉熵测度用于度量两个犹豫模糊元之间的区分程度,它和混合型犹豫模糊熵测度一起统一于犹豫模糊元的不确定性测度。与已有的犹豫模糊不确定性测度相比,混合型熵测度具有结构简单、物理意义明确、区分能力强等优势;而混合型交叉熵测度则具有自然的对称性。然后,基于混合型犹豫模糊熵和交叉熵测度构建了属性权重未知条件下的多属性决策模型,并将其应用于无人机作战效能评估。     

考虑主体失望情绪的分布语言自信群决策方法

针对分布语言自信评价信息下的多属性群决策问题,提出了一种考虑主体失望情绪的行为多属性群决策方法。首先,考虑实际群决策过程因为决策者的背景、经验、知识等原因会对自身给出的分布语言评价信息有着不同水平的自信程度(这反映了分布语言评价信息的可靠性),定义了一种新的评价结构,即分布语言自信评价;其次,在分布语言自信评价下,考虑有限理性的决策主体,其失望情绪常隐含于决策判断或评价中,利用失望理论,将主体失望情绪融入决策过程,同时,获得分布语言自信评价下的主体感知效用,将主体分布语言自信决策矩阵转化为主体自信效用决策矩阵;然后,定义自信效用向量Dice相似测度和加权Dice相似测度,结合属性的不兼容性程度构建优化模型确定属性权重;接着,基于 TOPSIS 思想对备选方案进行择优排序;最后,在循环经济背景下评估生态工业园区的决策算例,说明该方法的可行性与有效性。     

用代号源程序固化BASIC程序

本文提出了一种利用代号源程序固化BASIC 用户程序的方法。根据BASIC程序运行原理,从RAM中调出代号源程序,对应EPROM所占空间,修改每一语句中指向下一语句行的指针,将修改指针后的代号源程序写入EPROM,再把EPROM 的首址装入微机通讯区中存储用户程序首址的单元中,实现了在EPROM中直接解释和执行BASIC程序。该方法具有固化方便、占用存储单元少等特点。     

企业业务流程的结构化建模

分析了组成业务流程的活动之间的关系，提出了活动间信息交流的度量方法，将活动间的结构特征转化成代数矩阵的形式加以表示，据此提出了业务流程的结构模型，并用ISM法进一步分析了该模型所揭示的结构特征，从而为流程的重构提供新的依据．     

追赶法求解拟五对角线性方程组

 根据拟五对角矩阵的特点,沿用追赶法的思想,首先将拟五对角系数矩阵分解成3个简单矩阵的乘积A=LUD,其中L为下三角形矩阵,U为单位上三角形矩阵,D为拟对角矩阵。然后将拟五对角线性方程组的求解问题转化为求解以下3个简单的线性方程组：Lz=f,Uy=z,Dx=y。通常的LU分解仅求解2个方程,本算法虽然将问题转化为3个方程组的求解,复杂度却没有增加,总的运算量仅为O（39n）。由于算法沿用追赶法矩阵分解的思想,对于严格对角占优的五对角线性方程组具有良好的数值稳定性。数值结果表明,算法的计算时间与方程组阶数n呈线性关系。     

基于NSCT和矩阵F-范数的图像检索方法

介绍一种基于非下采样轮廓波Nonsubsampled Contourlet(NSCT)和矩阵F-范数的图像检索(CBIR)技术。首先对图像进行NSCT变换,然后将变换结果用矩阵F-范数构建特征向量,设计了两个特征向量相似度度量,最后给出加权相似度实现了图像检索。实验结果表明,该技术具有很好的检索率。     

一种实时移除MEMS陀螺仪噪声的精准航姿技术

MEMS-IMU包括三轴陀螺仪和三轴加速度计，陀螺仪的噪声导致MEMS-IMU的航姿不精确，并由此导致外部加速度呈现较大的误差。针对该问题，提出一种实时移除陀螺仪噪声的技术：方向余弦矩阵的第3列和陀螺仪的偏置同时设为状态向量，用于在线获取陀螺仪的噪声；加速度计的外部加速度和测量噪声均被设为测量余量，以便于在任意运动轨迹时能测量重力向量。陀螺仪和加速度计的测量结果通过卡尔曼滤波器融合，前者估算状态向量，后者校准状态向量的误差。通过比较MEMS-IMU在任意伪静态时的航姿和外部加速度验证本技术的可行性，实验结果表明俯仰角、横滚角、航向角和外部加速度的最大误差分别为0.5°、0.2°、2°和0.2 m/s²，该结果远好于仅用陀螺仪的航姿误差和外部加速度误差。     

变截面曲梁单元及应用

本文提出了三结点和四结点平面变截面曲梁单元,按柔度法推导了单元刚度矩阵,并编制了相应的计算机程序。通过算例表明,用这种单元计算如拱、变截面的杆系结构,具有精度高、所需单元少、准备数据工作量小、节省机时的特点,并可应用于某渡槽的计算。     

基于纹理特征的回转窑熟料烧结状态分类

采用灰度共生矩阵方法,利用Fisher系数提取出最佳分类位置算子和纹理特征参数,通过对实际回转窑窑头熟料图像分析,发现位置算子为(5,-5)即距离为5、方向为45°下的灰度共生矩阵对应的和平均、逆差距、差异熵、对比度、差方差和熵这6个参数具有较好的区分度,其表面纹理特征能客观地反映其烧结程度,并通过基于C4.5算法实现了过烧、欠烧和正常烧结3种不同状态下的熟料纹理分类,其精度达到了95.65%.同时结合实际工况对熟料纹理进行了分析,给出了各自的变化特点.     

改进的Vague值间相似度量一般公式及其地标排序应用

针对现有Vague值间相似度量一般公式以常数为调节系数存在的不足,提出对其未知度子项调节系数增加与Vague值自身有关的函数的改进方法,给出了该函数应满足的条件。提出了一种包含该函数的新的Vague集间相似度量,对其性质进行讨论;并基于现有Vague集间相似度量,给出了一种该函数的选取方法。与现有相似度量比较表明,提出的相似度量明显改善度量结果的合理性和区分能力。与多准则模糊决策方法相结合,将提出的相似度量用于地标排序,表明其有效性、可行性和优越性,同时为地标排序提供了一种新方法。