回归测试数据进化生成
摘要：采用遗传算法生成回归测试数据近年来得到普遍关注，该方法高效生成测试数据的前提是合理利用已有的测试数据形成初始进化种群，并设计有针对性的遗传操作．但是，到目前为止，相关的研究成果尚不多见．文中研究采用遗传算法生成回归测试数据以覆盖目标路径时，已有测试数据的利用问题，提出一种新的回归测试数据进化生成方法．该方法根据已有测试数据穿越的路径与目标路径的相似度，选择合适的测试数据，作为初始进化种群的部分个体．进一步，根据已有测试数据穿越的路径与目标路径不相同子路径的节点对应的输入分量，确定对进化个体实施遗传操作的位置．理论分析表明，所提方法可以有效提高测试数据生成效率．将所提方法应用于典型基准和工业程序的测试，并与已有方法比较，实验结果证实了所提方法的优越性．基于谓词执行信息分析的自适应缺陷定位算法
摘要：查找程序中缺陷代码所在的位置是一项值得深入开展的研究，同时也是实际软件调试过程中所面临的一个难题，这一过程往往需要耗费大量的时间和人力资源．研究软件缺陷定位的一类重要方法是基于谓词的统计学缺陷定位方法（简称PBSFL）-PBSFL通过比较程序运行成功与失败时谓词的执行信息差异来获得谓词与缺陷的关联程度．然而实验研究发现，固定算法中信息利用的强度会造成信息利用不足或过分利用现象的发生，导致现有PBSFI。方法对某些缺陷定位不够准确．针对这一问题，文中设计了一种基于谓词执行信息分析的自适应缺陷定位算法，该算法通过分析测试用例运行时谓词的执行情况来动态地为每个谓词选择合适的信息利用强度．实验结果表明，该方法在Siemens和spsce两个程序包上表现出很好的定位效果以及定位稳定性．一种面向用户需求的Web服务测试方法
摘要：Web服务对外只提供接口文档，可利用生成测试用例的信息不够充分，现有方法所生成的用例冗余度高、查错能力有限．文中基于现有Web服务功能和用户协同推荐构建用户需求模型，再使用领域知识和使用场景生成测试用例，并通过实验演示过程，实验结果表明该文方法生成组合Web服务测试用例的有效性．以用户需求驱动组合Web服务测试，既能保证所选服务真正符合用户需求，又可根据用户使用场景来丰富测试需求信息，结合领域知识启发式生成测试用例．一种软件测试需求建模及测试用例生成方法
摘要：测试在需求分析阶段就开始介入，不仅能帮助开发人员更有效地完善需求，也能让测试人员设计出更贴近需求的测试．同时当需求进行了更改之后，测试人员也能及时和准确地了解需求的变化、更改测试需求．利用模型驱动的思想，对测试需求的概念进行阐述．定义了一种测试需求的元模型和测试需求建模方法，利用测试需求建模方法，可以得到测试需求模型，从而得到相应的测试目标，生成所对应的测试用例．并给出了对SIP协议进行测试的实验分析，在其中体现了利用测试需求建模得出的测试需求模型的作用．基于模型对比和组合的软件产品线领域需求建模
摘要：软件产品线作为系统化的软件复用方式，可以提高软件的开发效率和质量．软件产品线变化性建模是软件产品线的关键技术，通过建立变化性模型以记录软件产品线成员产品的共性和变化性．目前的软件产品线变化性建模方法大都通过领域专家进行分析建立，这种方法过度依赖于领域专家的分析能力，在系统规模较小的情况下，变化性分析比较容易，但是如果系统规模变大，则系统的规模对于变化性分析的影响会越来越大．文中提出一种半自动的软件产品线领域需求建模方法，基于关注点分离的思路，利用特征模型表示软件产品线中系列产品的不同方面的特征信息，通过特征模型的对比和组合实现领域需求模型的构建．为有效地实现特征模型对比与组合，文中提出一种基于标记和结构的特征模型对比方法，同时，文中实现了基于约束的特征模型组合．基于公开的特征模型，文中对提出的方法进行了验证，实验结果表明，文中提出的领域需求建模方法能够在一定准确率的情况下有效地实现领域需求模型的构建．基于偏序约简程序可达图的并发程序切片方法
摘要：并发程序切片是一种重要的并发程序分析手段．基于程序可达图可构造以程序状态和语句二元组为节点的、依赖关系具有可传递性的并发程序依赖图，解决依赖关系的不可传递性问题，提高切片精度．程序可达图通过交织执行模拟并发活动，分析代价较高．偏序约简是一种十分有效的并发系统状态空间约简技术，约简的并发系统状态空间包含所有的并发程序执行代表．为提高效率，该文将偏序约简技术扩展到程序可达图的约简中，在偏序约简理论的基础上，证明了基于未约简和约简的并发程序可达图构造的并发程序依赖图在进行切片计算时是等价的．实验结果表明，采用偏序约简技术使基于程序可达图的并发程序切片方法在保证切片精度不受损失的前提下显著提高切片效率．与其它高精度切片方法相比，基于约简程序可达图的切片方法的精度更高，在大多数情况下，切片效率也有一定提高．基于模糊聚类的推测多线程划分算法
摘要：推测多线程（Speculative Multithreading，SpMT）技术是一种实现非规则程序自动并行化的有效途径．然而，如何有效评估由诸如控制、数据依赖等因素导致的多种并行开销并实现最优线程划分一直是制约加速比性能提升的关键问题．基于启发式规则的传统划分方法虽然可以取得一定的加速效果，但由于启发式规则只能对多种并行开销进行定性评估，因而导致只能得到经验上较优的线程划分．针对传统划分方法的局限性，文中首次提出并实现了一种基于模糊聚类的线程划分方法．在该方法中，作者首先提出一种评估模型来定量评估各种并行开销，然后通过深入分析各种并行开销来确定最佳的线程解搜索空间，最终利用聚类方法实现有效线程解空间搜索以求取更优的线程划分．基于Olden程序集的测试结果表明，文中提出的线程划分方法可以有效地对非规则程序进行划分，其平均加速比可达到1．85．基于混合优化的快速隐式曲面采样方法
摘要：该文提出了一种新的隐式曲面快速采样方法，该方法首先提出了一种新的采样点互斥能量目标函数，基于该目标函数，通过一种混合优化方法来求解采样点的分布．第1步为采样点的局部优化，通过对采样点移动速度的控制参数调整，避免了大量Hessian矩阵的求逆操作，使得采样点能够根据互斥半径快速覆盖整个隐式曲面，得到初始采样点集；第2步为采样点的全局优化，采用L—BFGS方法对所有采样点进行优化，得到最终的高质量采样结果．通过实验表明，新方法的采样速度大大提高，并能够获得较好的隐式曲面采样点分布．基于虚拟图像金字塔序列融合的快速图像增强算法
摘要：针对图像增强算法的快速计算问题，文中提出一种“全局尝试、局部精炼”的图像增强策略，利用虚拟图像金字塔序列融合方法构建出一种具有高度可扩展性和线性时间复杂度的图像增强算法框架．在此框架下，输入图像先经过各种全局增强重映射函数的处理而形成备选图像序列，再依据像素级保边缘图像融合规则从该图像序列中精选出有效像素信息，形成最终的图像增强结果．为避免光环效应，所有图像融合计算都在输入图像的拉普拉斯金字塔分解域上进行．通过对局部拉普拉斯滤波算法进行加速的实际应用表明，文中提出算法框架可导出一种快速保边缘图像增强算法，其处理效果与原局部拉普拉斯滤波算法极为相似，但计算速度提高了两个数量级．基于特征流的抽象线条画绘制
摘要：为了将照片图像转换为具有一定艺术美感的线条画图像，文中设计了3种基于特征流的各向异性滤波器：FGsD滤波器、FGaD滤波器和FLSM滤波器．这些滤波器的主要任务是提取图像的边缘信息，并将其显示为光滑连续的风格化线条．前两种滤波器是在分析数字图像中基于一阶微分和二阶微分边缘检测算法的性能后，将高斯一阶导滤波结果和高斯差分滤波结果进行适当的混合作为边缘检测的微分响应，然后对混合的微分响应值进行柔和阈值化处理提取边缘点．第3种滤波器是专门针对图像中的线型边结构提出的，通过计算局部亮度相似度质量来判断该像素是否属于边缘点．如果将FGsD滤波结果和FLSM滤波结果进行叠加，还可以得到明暗对比度增强的抽象线条画效果．与已有的线条画绘制算法相比，采用文中算法所生成的线条画视觉特征更鲜明、风格化效果更突出、艺术表现力更强烈．基于样本的大规模人群快速创作
摘要：人群作为虚拟环境中必不可少的一部分，能够极大地提高场景的真实感．文中提出一种基于样本的大规模人群快速创作方法，将人视为具有分布和角色信息的粒子，通过从真实图片中获取包含小规模人群粒子信息的样本，由样本建立WangTile集合，使用WangTile非周期性拼接覆盖场景区域，从而快速生成任意规模人群．文中的创作方法简单快速，用户只需输入若干样本和场景区域．同时，用户可以通过调整Tile的边颜色快速地进行局部人群修改，也可以使用密度图得到用户需要的效果．实验给出了3个场景的人群创作效果，表明文中的方法可以十分迅速地生成大规模具有真实分布信息的多样人群．色调保持的自适应图像视频细节增强算法
摘要：针对已有方法难以保持输入图像的色调分布且过于经验化的问题，文中提出了一种色调保持的自适应图像与视频细节增强方法．首先，采用保持边缘的多尺度图像分解算法，快速地将输入帧分解成含有大尺度边缘信息的基图像和含有小尺度细节信息的细节层．然后，在细节增强与合成过程中，根据边缘梯度响应构造一个自适应的细节增强函数，减少对强边缘的放大倍数，提升对小细节的增强幅度．最后，在保持输入帧的颜色值和增强图像的梯度值的期望下，基于能量优化的色调校正算法避免细节增强图像与输入帧之间的显著色调差异．实验结果表明：对任意的输入图像和视频，通过统一的参数设置，均可获得色调保持的良好细节增强效果．改进的基于屏幕空间环境遮挡
摘要：基于屏幕空间环境遮挡以牺牲计算精度与部分效果作为代价，换取场景的实时渲染．文中针对基于屏幕空间环境遮挡技术在采样方式、遮挡因子计算和平滑滤波3个方面的缺陷，提出相应的改进方法．采样方式方面，在三维空间构建平行于投影平面的圆盘，并根据其在屏幕的投影来计算采样范围，然后采用类似正态分布的方法结合随机纹理，对采样范围内的纹素采样；在遮挡因子计算方面，增加衰减系数，调整采样点对遮挡因子的贡献；最后，使用双边滤波来平滑图像，保持场景边缘，突出细节信息．基于一般二元关系的粗糙集加权不确定性度量
摘要：不确定性度量是粗集理论的研究热点．考虑到实际数据中样本重要性的不同，在一般二元关系下构建一种带有可调参数的加权不确定性度量——α熵，证明了现有的多种不确定性度量是α熵的特例，进而对完备和不完备信息系统中知识的不确定性度量进行了统一．在此基础上基于一般二元关系提出了一种加权不确定性度量——α精度和α粗糙度，证明了α精度和α粗糙度的单调性；理论分析和实例表明α精度和α粗糙度比现有的不确定性度量更精确，更符合人们的认识规律．最后，在一般二元关系下利用α精度设计了一种加权属性约简算法，实验结果表明文中的变参数加权不确定性度量方便地融人了主观偏好和先验知识，通过改变参数α构造的组合分类器有效地提高了约简结果的分类精度．这些结论发展了基于粗糙集的不确定测度理论，提高了方法的普适性和可解释性，为一般二元关系下的信息系统知识获取提供了理论依据．量子主成分分析算法
摘要：主成分分析（Principal Component Analysis，PCA）是模式识别领域，尤其是人脸识别中一种应用广泛的重要算法．然而，在此算法及其后续的改造算法中始终存在两个主要问题：（1）降维处理后的特征空间依然较大；（2）用于比较两幅人脸特征相似性的测度方法计算量较大，从而导致算法在识别阶段的时间效率较差．该文基于量子信息的相关理论与方法，并受算术编码基本思想的启发，提出了量子PCA算法．设计了一种人脸特征编码方案，进一步压缩了降维处理后的特征空间；将两幅人脸特征的相似性测度方法改为在某一阈值条件下的等值判定；应用Grover算法修改识别阶段的处理流程，使得算法的时间效率有了显著提高．一种基于线性函数逼近的离策略Q（λ）算法
摘要：将函数逼近用于强化学习是目前机器学习领域的一个新的研究热点．针对传统的基于查询表及函数逼近的Q（A）学习算法在大规模状态空间中收敛速度慢或者无法收敛的问题，提出一种基于线性函数逼近的离策略Q（A）算法．该算法通过引入重要性关联因子，在迭代次数逐步增长的过程中，使得在策略与离策略相统一，确保算法的收敛性．同时在保证在策略与离策略的样本数据一致性的前提下，对算法的收敛性给予理论证明．将文中提出的算法用于Baird反例、Mountain—Car及RandomWalk仿真平台，实验结果表明，该算法与传统的基于函数逼近的离策略算法相比，具有较好的收敛性；与传统的基于查询表的算法相比，具有更快的收敛速度，且对于状态空间的增长具有较强的鲁棒性．一种基于细粒度性能计数器建立系统实时功耗模型的方法
摘要：对计算机系统运行时功耗值的实时获取，是进行功耗动态管理的先决条件．性能计数器能够准确地反映各硬件部件的使用情况，进而反映其功耗情况．文中提出了一种基于细粒度性能计数器建立系统实时功耗模型的方法（SysPower），该方法由功耗模型设定、性能计数器选取、数据采样、模型求解、结果检验五个步骤组成，基本思路是：选取反映处理器、内存、I／O等主要部件运行状态的细粒度性能计数器作为预选特征值集合（Fpreslct），通过实验建立该集合与运行时系统总功耗的对应关系，采用多元线性回归法进行模型求解，得到各性能计数器对功耗的影响系数，从而建立系统的实时功耗模型，并得到对该系统运行时功耗产生实际影响的有效性能特征值集合（Feffect）．在三个不同平台上的实验表明，该方法建立的功耗模型最大误差小于4％，针对每个平台使用三组不同的采样数据组合进行模型求解，得到的有效特征集合完全一致，证明了模型的稳定性．最后，综合三个平台的实验情况，给出了一个包含70个元素的性能计数器集合，作为该方法的缺省特征值集合（Fcommon effect）．基于节点预测的直接Cache一致性协议
摘要：处理器性能的提升依赖于对存储系统性能的挖掘．随着片上集成内核数量的不断增大和特征尺寸的持续缩小，延迟、存储可扩展的Cache一致性协议已经成为提升访存效率的关键性因素．文中提出一种基于节点预测的直接Cache一致性协议-NPP协议，研究一致性交互延迟隐藏和目录存储开销减少技术．针对读、写缺失中存在的间接性问题和现有解决方案破坏已有数据局部性、无法获得最近数据副本等问题，分别提出节点挂起技术和直接写缺失处理技术，有效隐藏了目录访问延迟．为了实现准确的节点预测，作者还提出基于“签名”回收的历史信息更新算法，避免了冗余更新和不完整更新．使用SPLASH-2测试程序集，在基于2DMESHNoC互联的64核CMP下，相对于全映射目录协议，NPP协议的平均执行时间降幅为21．78％～31．11％；平均读缺失延迟降低14．22％～18．9％；平均写缺失延迟降低17．89％～21．13％．而获得上述性能提升的代价是网络流量平均增加6．62％～7．28％．