基于深度学习的软件自动修复方法的修复偏好研究

基于机器学习的软件修复方法可以降低软件缺陷修复成本，无须人工干涉而自动修复软件缺陷，但不同的缺陷修复软件对不同类型缺陷的修复偏好不明确，且缺乏针对性而无法充分发挥深度学习模型的作用；为此在研究缺陷分类的基础上，研究几种具有代表性基于深度学习的软件自动修复方法对不同类型的缺陷总的修复概率，并比较分析不同学习模型对于修复不同类型缺陷的修复偏好，后续可以更好地进行模型选择以及软件自动修复工作。实验结果表明，基于深度学习的软件自动修复方法倾向于修复IF语句类型、方法语句类型、return语句类型的缺陷。基于自编码器的软件自动修复方法倾向于修复IF语句类型的缺陷，基于LSTM的编码器-解码器的修复方法倾向于修复与方法语句类型相关的缺陷，而基于CNNs的编码器-解码器的修复方法则对IF语句类型、方法语句类型以及return语句类型这三种类型缺陷的修复偏好相差不大。     

面向自动修复并融合失效场景的缺陷定位方法

为了应对日益增长的软件修复开销,研究高效的软件自动修复技术成为学术界和工业界的共识。缺陷定位作为自动修复技术的前端,是实现快速准确自动修复的关键,其精度直接影响自动修复的性能。然而,初步研究表明,现有缺陷定位技术缺乏对自修复需求的考虑,对自修复算法支持有限。有必要研究面向自修复的高精度自动化缺陷定位技术,以提升自修复性能。因此,提出了失效场景的缺陷定位方法来应对该问题。提出的方法首先采用程序切片技术,构造出与失效相关的场景;然后对失效场景的各个元素实施可疑值度量;最后将可疑值度量化的场景交给自动修复技术实施修复。初步实验结果表明,本缺陷定位方法能有效提升自动修复性能。     

基于指针神经网络的细粒度缺陷定位

软件缺陷定位是指找出与软件失效相关的程序元素. 当前的缺陷定位技术仅能产生函数级或语句级的定位结果. 这种粗粒度的定位结果会影响人工调试程序和软件缺陷自动修复的效率和效果. 专注于细粒度地识别导致软件缺陷的具体代码令牌, 为代码令牌建立抽象语法树路径, 提出基于指针神经网络的细粒度缺陷定位模型来预测出具体的缺陷代码令牌和修复该令牌的具体操作行为. 开源项目中的大量缺陷补丁数据集包含大量可供训练的数据, 且基于抽象语法树构建的路径可以有效捕获程序结构信息. 实验结果表明所训练出的模型能够准确预测缺陷代码令牌并显著优于基于统计的与基于机器学习的基线方法. 另外, 为了验证细粒度的缺陷定位结果可以贡献于缺陷自动修复, 基于细粒度的缺陷定位结果设计两种程序修复流程, 即代码补全工具去预测正确令牌的方法和启发式规则寻找合适代码修复元素的方法, 结果表明两种方法都能有效解决软件缺陷自动修复中的过拟合问题.     

应用自动喷涂技术修复掩模版透明缺陷实验

首先简要介绍了缺陷修复系统中自动喷涂技术的定义,应用自动喷涂技术修复掩模版透明缺陷的优势以及实验目的,然后通过实验确定了对掩模版透明缺陷实现完美修复的自动喷涂参数的最佳组合,最后总结了实验结论.     

手写体汉字识别的超综合方法

受超综合思想的启发，本文提出了两种手写体汉字识别的集成方法。第一种方法基于线性模型，第二种则基地有监督学习的网络集成方法。与以前的集成方法相比，该方法在通过监督学习自动获取集成系统的参数方面取得了成功，它对于分类大量的模式识别问题是非常重要的。实验结果证明，集成系统的效果比任何一个单一分类器要好得多。     

软件缺陷自动修复技术综述

软件缺陷是软件开发和维护过程中不可避免的.随着现代软件规模的不断变大,软件缺陷的数量以及修复难度随之增加,为企业带来了巨大的经济损失.修复软件缺陷,成为了开发人员维护软件质量的重大负担.软件缺陷自动修复技术有希望将开发者从繁重的调试中解脱出来,近年来成为热门的研究领域之一.搜集了94篇该领域最新的高水平论文,进行了详细的分析和总结.基于缺陷修复技术在补丁生成阶段所使用的技术手段不同,系统性地将软件自动修复技术分为4大类,分别是基于启发式搜索、基于人工模板、基于语义约束和基于统计分析的修复技术.特殊地,根据对近几年最新研究的总结,首次提出了基于统计分析的技术分类,对已有分类进行了补充和完善.随后,基于对已有研究的分析,总结了该领域研究所面临的关键挑战及对未来研究的启示.最后,对缺陷修复领域常用的基准数据集和开源工具进行了总结.     

基于粗糙集约简的神经网络集成及其遥感图像分类应用

为降低集成特征选择方法的计算复杂性,提出了一种基于粗糙集约简的神经网络集成分类方法。该方法首先通过结合遗传算法求约简和重采样技术的动态约简技术,获得稳定的、泛化能力较强的属性约简集;然后,基于不同约简设计BP网络作为待集成的基分类器,并依据选择性集成思想,通过一定的搜索策略,找到具有最佳泛化性能的集成网络;最后通过多数投票法实现神经网络集成分类。该方法在某地区Landsat 7波段遥感图像的分类实验中得到了验证,由于通过粗糙集约简,过滤掉了大量分类性能欠佳的特征子集,和传统的集成特征选择方法相比,该方法时间开销少,计算复杂性低,具有满意的分类性能。     

基于粗糙集约简的神经网络集成及其遥感图像分类应用

为降低集成特征选择方法的计算复杂性,提出了一种基于粗糙集约简的神经网络集成分类方法。该方法首先通过结合遗传算法求约简和重采样技术的动态约简技术,获得稳定的、泛化能力较强的属性约简集;然后,基于不同约简设计BP网络作为待集成的基分类器,并依据选择性集成思想,通过一定的搜索策略,找到具有最佳泛化性能的集成网络;最后通过多数投票法实现神经网络集成分类。该方法在某地区Landsat 7波段遥感图像的分类实验中得到了验证,由于通过粗糙集约简,过滤掉了大量分类性能欠佳的特征子集,和传统的集成特征选择方法相比,该方法时     

基于高斯过程的缺陷定位方法

在软件系统中,缺陷定位是缺陷修复的一个关键环节,如果能将缺陷自动定位到很小的范围,将会极大地降低缺陷修复的难度.基于高斯过程提出了一种缺陷定位方法（GPBL）,即针对每个缺陷,向开发人员推荐这个缺陷可能存在于哪些源文件中,从而帮助开发人员快速修复缺陷.为了验证方法的有效性,采集了开源软件Eclipse 和Argouml 中的数据,实验结果表明,高斯过程缺陷定位的查全率和查准率平均分别为87.16%和78.90%.与基于LDA的缺陷定位方法进行比较,表明高斯过程更能准确定位缺陷的位置.     

漏洞自动修复研究综述

软件漏洞是计算机软件系统安全方面的缺陷, 给现代软件及其应用数据的完整性、安全性和可靠性带来巨大威胁. 人工治理漏洞费时且易错, 为了更好应对漏洞治理挑战, 研究者提出多种自动化漏洞治理方案, 其中漏洞自动修复方法近来得到研究者广泛关注. 漏洞自动修复技术旨在辅助开发人员修复漏洞, 涵盖漏洞根因定位、补丁生成、补丁验证等功能. 现有工作缺乏对漏洞修复技术系统性的分类与讨论, 为了促进漏洞修复技术发展, 加深研究人员对漏洞修复问题的认知理解, 对现有漏洞修复方法技术的理论、实践、适用场景和优缺点进行全面洞察, 并撰写了漏洞自动修复技术的研究综述. 主要内容包括: (1)按照修复漏洞类型不同整理归纳特定类型漏洞的修复方法以及通用类型漏洞的修复方法; (2)按照所采用的技术原理将不同修复方法进行分类与总结; (3)归纳漏洞修复主要挑战; (4)展望漏洞修复未来发展方向.     

基于移动Agent技术的自动拍卖模拟研究

自动拍卖的基本思想是用某种代理机制——Agent代替人监控整个拍卖过程。提出分阶段第二价格封标拍卖模式,设计了多Agent网上自动拍卖协议,和多Agent拍卖系统体系结构。提出三种拍卖策略模型：平稳加价型策略、跳跃型策略和保密型策略。利用移动Agent开发平台Aglet实现了一个模拟系统,并进行了多次仿真模拟实验,对实验数据进行了详细分析。实验结果表明该模拟系统基本达到设计目的,并为进一步研究自动拍卖相关策略、协议提供了一个实验平台。     

格语法在主观题自动阅卷中的应用

主观题阅卷技术是计算机自动阅卷中的关键技术。国内外专家都致力于自动批改技术的研究,但成熟应用的系统很少。语句相似度计算是主观题自动阅卷的关键问题,本文结合格语法进行语义分析,在此基础上设计语句相似度算法,能有效提高评分准确率。     

语句相似度计算在主观题自动批改技术中的初步应用

文字类主观题的自动批改是实现远程教学系统中在线考试功能的一个关键技术,由于其具有相当的难度,目前国内外在这方面的研究还不是很多,真正实用的系统更少。该文着重对语句相似度的计算进行了深入的研究,利用基于动态规划的语句相似度计算方法实现了文字类主观题的自动批改,测试结果初步达到预期目标。     

A repair and overhaul methodology for aeroengine components

Repair and maintenance of aeroengine components have been one of the main tasks to be overwhelmed by aerospace industries due to continual increase in raw material and manufacturing costs. In this paper, an advanced methodology for the repair of complex geometry and expensive components via reverse engineering, free-form surface modeling and machining is presented. The methodology has been successfully implemented on a critical aeroengine component, i.e. thin-curved compressor blade. The approach involves the integration of 3D non-contact digitization, adaptive free-form surface reconstruction and multi-axis milling operation. Each operation is individually automated and inter-connected each other in order to reduce the total repair time. The workshop results have shown that the proposed repair methodology can be considered a reliable and time-cost effective as compared with the current repair approaches.     

基于CSCW的网络教学系统的设计与实现

从信息技术发展的角度出发,探讨在信息时代现有的教育观念、教学模式如何与现代的信息技术与网络技术相结合,极大限度地利用教育资源.通过分析网络学习模式,结合Agent技术提出一种建立在建构主义学习理论之上的CSCW的多元化的教学模式,并介绍了其主要功能和实现的关键技术,同时在教学资源库的查询方面提出了基于向量模型的条目匹配搜索算法,为网络教学系统的软件实现提供了一个良好的解决方案.     

Overfitting in semantics-based automated program repair

The primary goal of Automated Program Repair (APR) is to automatically fix buggy software, to reduce the manual bug-fix burden that presently rests on human developers. Existing APR techniques can be generally divided into two families: semantics- vs. heuristics-based. Semantics-based APR uses symbolic execution and test suites to extract semantic constraints, and uses program synthesis to synthesize repairs that satisfy the extracted constraints. Heuristic-based APR generates large populations of repair candidates via source manipulation, and searches for the best among them. Both families largely rely on a primary assumption that a program is correctly patched if the generated patch leads the program to pass all provided test cases. Patch correctness is thus an especially pressing concern. A repair technique may generate overfitting patches, which lead a program to pass all existing test cases, but fails to generalize beyond them. In this work, we revisit the overfitting problem with a focus on semantics-based APR techniques, complementing previous studies of the overfitting problem in heuristics-based APR. We perform our study using IntroClass and Codeflaws benchmarks, two datasets well-suited for assessing repair quality, to systematically characterize and understand the nature of overfitting in semantics-based APR. We find that similar to heuristics-based APR, overfitting also occurs in semantics-based APR in various different ways.     

基于SOA开发框架的异构工作流集成方案

论述了基于SOA的企业业务流程集成开发框架,并在此基础上提出了一个用于集成异地异构工作流系统的应用解决方案,该方案在微软.NET开发平台上采用微软.NET3.0开发技术,以低成本、高安全性、高柔性满足异地异构工作流系统之间的业务集成需求.     

Vision-based spatial damage localization method for autonomous robotic laser cladding repair processes

Repair technologies have been considered as sustainable approaches due to their capability to restore value in a damaged component and bring it to like-new condition. However, in contrast to a manufacturing process benefiting from an automated environment, the automation level for repair and remanufacturing processes remains low. With the aim of moving the repair industry towards autonomy, this study proposes a novel repair framework. The developed methodology presents a vision-based Robotic Laser Cladding Repair Cell (RLCRC) that has two features: (a) an intelligent inspection system that uses a deep learning model to automatically detect the damaged region in an image; (b) employing computer vision-based calibration and 3D scanning techniques to precisely identify the geometries of damaged area. The repair of fixed bends is selected as the case study. The results obtained validate the efficacy of the proposed framework, enabling automatic damage detection and damaged volume extraction for worn fixed bends. Following the suggested framework, a time reduction of more than 63% is reported.     

一种从UML模型生成测试用例方法的研究与实现

测试用例生成是软件自动化测试的基础与关键。随着UML的广泛应用,基于UML模型来自动生成用例的技术日益受到关注。在UML模型中,顺序图描述了软件系统的动态行为,是软件集成测试中一个重要的来源。文中提出一种基于UML顺序图与类图相结合的方法来自动生成测试用例,定义了相应的测试覆盖准则及测试衡量标准,并用一个具体实例验证了测试用例的生成过程。最后给出了测试用例自动生成工具的框架。     

Automated data capture techniques: A prerequisite for effective integrated manufacturing systems

As business environments become more and more information-intensive, an organization's approach to collecting, processing and disseminating information becomes a significant determinant of its productivity, delivery performance, quality, profitability, and overall competitiveness. Integrated Manufacturing Systems (IMS) of the 1990s and beyond will require a totally integrative management of the manufacturing enterprise. This focus on the integration of the entire enterprise rather than a narrow focus in just the manufacturing function places more stringent demands on data integrity in order to effectively coordinate the activities required to carry out the functions aimed at attaining the organizational mission. An overview is presented on the current body of knowledge on Automated Data Capture (ADC) technologies, including: bar coding, radio frequency identification, radio frequency communication, optical character recognition, voice recognition systems, machine vision, magnetic stripes, Electronic Data Interchange (EDI), and systems design and integration considerations. These technologies, collectively referred to as keyless data entry techniques, automated data capture, techniques, or Automatic Identification (Auto ID) technologies are critical to the success of automated manufacturing systems, distribution, inventory control and other computer facilitated activities related to enterprise integration.