消除C++分析器分析过程中的二义性

C++语言的文法十分复杂,采用LL(k)或者LR(k)分析方法都面临二义性问题。另外,内联函数分析,名字查找,模板分析,需要采用特殊的方法解决,本文主要阐述了这些问题,并结合实际的分析器JLParser提出了其解决方法。     

面向测试的多视图构件模型

构件模型不仅是构件使用者理解、使用构件的重要依据,也是构件开发者和构件使用者测试构件的基础。目前已有的构件模型主要从分析设计以及使用的角度描述构件,对构件测试中的测试要素的描述并不充分。在分析已有构件模型和构件测试要素的基础上,提出了扩展UML2．0描述的面向测试的多视图构件模型,并给出了实例。     

程序动态分析系统中插装方式的改进

动态分析是程序理解的重要方法,而插装技术是其中常用的关键技术之一.介绍了QESat/C 中动态分析子系统的插装策略,在其基础上提出并实现了新的插装器并改进了插装探针库的效率.实验表明,改进后的动态分析子系统具有插装速度快、动态结果文件小、动态信息合并效率高的优点.展望了现有系统如何支持新的动态分析技术,最后对全文进行了总结.     

一个高效的语法分析器生成工具

VPGE(Visual Parser Generation Environment)是一个可视化语法分析器集成开发环境,除了具有良好的界面和强大的调试功能,其LALR(1)分析器的生成速度达到并超过公认的分析器生成速度最快的LALR(1)分析器自动生成器Bison,所能处理的文法规模也优于Bison.本文在DeRemer和Pennello的LALR(1)分析器自动生成基本原理的基础上,在设计数据结构和算法实现中采用了大量优化技术.     

基于聚类思想的软件可靠性模型选择

软件可靠性模型应用的不一致性一直是困扰软件可靠性研究人员的主要问题。模型选择和组合策略作为主要解决方法已成为模型应用的研究重点。该文主要探讨运用聚类思想进行软件可靠性模型选择的方法。根据针对实际失效数据的可靠性模型评价准则值编码,该文采用高斯混合模型进行聚类分析,使用EM算法估计高斯混合模型的参数,贝叶斯准则进行模型选择。为验证此方法的有效性和可行性使用了多个实际项目中的失效数据进行试验。结果表明,此模型选择方法简单有效,有利于软件可靠性模型应用不一致性问题的解决。     

大型交互式领域应用软件白盒测试的组织和实施*

针对具有大型、交互式、领域特点的软件系统,对于实际的白盒测试项目进行了认真总结,系统地阐述了该类软件测试的技术、方法、策略、过程以及管理.通过描述测试项目的组织和实施过程,提出了进行大型交互式软件测试的基本思路,即从过程、管理、培训以及测试方法等方面提取共性特征.最后对测试发现的软件问题进行统计和分析,验证测试的有效性和意义.     

基于情境树相似性的知识检索技术

为更好地共享与复用工程知识,提出一种将情境特征作为共享与复用基础的知识检索技术。在该技术中,知识的情境特征被表示为分层和树状模型,每一种工程知识都关联具体的情境树模型。为使当前情境获得适用性高的知识,首先利用情境树相似性进行历史情境的相似性排序,以便在所有历史情境中得到与当前情境最为相似的历史情境,进而逆向根据情境与知识的关联关系,输出选定历史情境所关联的知识。此外,为了改善无序树的树相容匹配算法时间复杂度,提出了一种新的树相容匹配算法KTree Match代替传统图论中的无序树匹配算法,从而保证知识检索结果在查全率和查准率上的质量。     

面向TTCN-3分布式测试执行平台的测试适配器框架的研究与设计

 由于分布式系统具有物理分布、并发访问、时序敏感、平台异构等特点,所以分布式测试系统必须适应上述特点.TTCN-3分布式测试执行平台能够满足分布式测试的要求,但TTCN-3测试系统静态绑定测试适配器的特点导致测试系统在单个测试执行节点上不具备同时和多种被测系统交互的能力,因此本文提出测试适配器框架的概念.该框架支持TTCN-3标准接口规范,在具备基本测试适配功能的基础上,整合面向多种被测系统的测试适配器,并在测试执行过程中根据测试脚本和被测系统的不同动态选择并调用适合的测试适配器,满足了TTCN-3分布式测试执行平台的需求,同时也增强了TTCN-3在分布式测试领域的应用能力.     

J2EE应用软件静态模型重构技术研究

给出了J2EE应用软件静态模型的详细描述,并提出一种利用静态分析技术自动重构J2EE应用软件静态模型的方法,实现了原型工具,有效地帮助用户分析、理解、测试J2EE应用软件系统.最后通过一个实例描述模型的建立过程.     

面向信息检索的自适应中文分词系统

新词的识别和歧义的消解是影响信息检索系统准确度的重要因素.提出了一种基于统计模型的、面向信息检索的自适应中文分词算法.基于此算法,设计和实现了一个全新的分词系统BUAASEISEG.它能够识别任意领域的各类新词,也能进行歧义消解和切分任意合理长度的词.它采用迭代式二元切分方法,对目标文档进行在线词频统计,使用离线词频词典或搜索引擎的倒排索引,筛选候选词并进行歧义消解.在统计模型的基础上,采用姓氏列表、量词表以及停词列表进行后处理,进一步提高了准确度.通过与著名的ICTCLAS分词系统针对新闻和论文进行对比评测,表明BUAASEISEG在新词识别和歧义消解方面有明显的优势.