基于代理的数据挖掘在Web预取中的应用研究

由于接入Internet的用户数量剧增以及Web服务和网络固有的延迟，使得网络越来越拥护，用户的服务质量得不到很好的保证。为此提出了一个基于Agent(代理）的Web预取系统，此系统利用了数据挖掘技术来挖掘用户的兴趣关联规则，并且充分考虑了用户当前的兴趣状况，可根据用户的兴趣习惯很好地预测用户即将发生的行为，进而预取从目前页面连结出去的最有价值（用户最感兴趣）的几个页面，从而达到提高网络浏览速度和提供主动服务的目的。     

面向对象建模语言AML的设计与实现

ＡＭＬ语言吸取了Ａｄａ９５基本原理和思想,引进它的基本数据类型,语句等设施,对其作更高层次的抽象和扩充。用３种有相同名字不同类型的程序包从不同的侧面描述给定模块的模型,提高了系统的完整性和一致性;同时运用二级并发模型和限制设施,详述了系统的并发性和不确定性的描述问题。     

一种新型形式化程序切片方法

针对目前程序切片方法较单一，且其模块性和程序语言适应性较差，提出一种新型的形式化程序切片方法——基于模块单子语义的切片方法．通过设计切片单子转换器，切片这一类计算被抽象成独立于具体语言的切片单子转换器，它可模块化地加载到实际程序中，得到相应的模块单子切片算法，这种模块化的抽象机制使得单子切片算法具有较强的模块性和语言适应性，还给出切片单子转换器的若干性质，并证明模块单子切片算法的正确性和终止性，同时研究单子切片算法与基于图可达性切片算法间的联系。     

模糊规则发现算法研究

引入最小强度的概念来限制模糊属性集的搜索范围，提出一种能发现强模糊规则的快速算法．此算法利用Apriori算法的搜索技术来发现强模糊规则，因此具有较高的算法效率，并有效地解决了模糊系统的维数灾难问题．在快速算法的基础上，又提出一种能发现固定数目的强模糊规则的划分算法．该算法将数据库划分成多个子数据库，并在于数据库上通过发现划分强模糊属性集来限制全局强模糊属性集的搜索范围．实验表明，划分算法比快速算法更节省时间．     

一种新的布尔规格测试用例生成算法

为提高布尔规格测试用例生成的效率,对常用的循环赋值方法进行了改进,将检测条件转换为类似合取范式(CNF)的表达式并对各子表达式进行了循环赋值.针对布尔表达式中文字否定错误(LNF)及文字引用错误(LRF)等2种类型的变异,该方法从语法树中发生变异的叶结点处进行回溯,将检测条件分解成子表达式,并分别对各子表达式进行循环从而生成其可满足赋值,最后将上述赋值组合形成测试用例.实验数据显示:该方法有效地减少了测试用例生成时所需的循环赋值次数,且测试用例生成时间的缩减与循环次数的减少呈近似线性关系;相对LNF,该方法对LRF时间的缩减更为明显.研究表明检测条件的分解循环能有效降低总循环次数,从而提高了测试用例的生成效率.     

统计测试中操作剖面的一种优化设计方法

为了提高软件统计测试的效率,使用较少的测试资源达到测试目的,对测试剖面进行优化成为必需.采用客户需求和测试需求作为约束,模型静态参数或其他统计质量标准作为优化目标,提出了一种基于约束优化的测试剖面最优化计算框架.通过扩展蚁群算法研究了一种求解优化测试剖面的方法.实验表明,相对于传统的函数最优化方法,使用启发式的蚁群算法具有更好的优化效果,并且更具通用性.在统计测试中使用经过优化的测试剖面可以生成统计意义上符合测试需要的用例集合,提高测试效率.