基于Object-FMA的软件代码审查方法

针对传统代码审查方法中使用的检查单具有的两个不足:缺少从代码到检查单缺陷记录的映射方式,检查单记录的代码缺陷类型不全而导致审查时代码缺陷的遗漏,提出了一种将代码进行层次划分,并使用对不同层次代码对象进行失效模式分析来代替使用传统检查单的代码审查方法.此外,提出了一种对象失效模式分析方法(Object-FMA,Object Fail-ure Modes Analysis),用于系统地分析代码对象的失效模式,为不同层次的代码对象建立失效模式库.在某型号软件的代码审查中对该方法进行了实例应用,结果表明此方法提供了一种从审查代码对象到失效模式库的映射方式,提高了代码审查的效率,审查时不仅能发现传统检查单中记录的代码词法、语法和常见语义的缺陷,还能有效地发现代码中人为疏忽或算法设计错误而引入的代码缺陷.     

基于本体的软件需求缺陷模式应用

提出软件缺陷模式的概念,给出其正交属性、说明及需求缺陷模式产生模型.对领域相关需求缺陷模式进行本体描述,并着重分析其发生的直接场景.直接场景能够帮助测试人员熟悉用户的实际使用情况及现实系统的各种行为和目的,并能指导审查和测试过程.通过实例应用证明了基于需求缺陷模式直接场景进行审查和测试的有效性,并通过缺陷模式的正交属性对软件开发及测试质量进行了分析.     

基于多尺度联合学习的行人重识别

现有的行人重识别方法主要关注于学习行人的局部特征来实现跨摄像机条件下的行人辨识。然而在人体部件存在运动或遮挡、背景干扰等行人数据非完备条件下，会导致行人局部辨识信息丢失概率的增加。针对这个问题，提出了一种多尺度联合学习方法对行人辨识特征进行精细化表达。该方法包含3个分支网络，分别提取行人的粗粒度全局特征、细粒度全局特征和细粒度局部特征。其中粗粒度全局分支通过融合不同层次的语义信息来增强全局特征的丰富性；细粒度全局分支通过联合全部局部特征，在对全局特征进行细粒度描述的同时学习行人局部部件间的相关性；细粒度局部分支则通过遍历局部特征来挖掘行人非显著性的信息以增强局部特征的鲁棒性。为了验证所提方法的有效性，在Market1501、DukeMTMC-ReID和CUHK03三个公开数据集上开展了对比实验，实验结果表明:所提方法取得了最佳性能。      

基于层间分类一致性准则的舰船目标细粒度识别方法

舰船目标的层次化、细粒度识别在军事和民用领域均有重要意义。现有细粒度识别方法一般需要部件级精细标注或采用注意力机制提取关键特征，但并未有效利用舰船目标层次化分类体系中本身所蕴含的隶属关系信息提高细粒度识别精度。针对舰船目标的层次化分类问题，建立了舰船目标多层级一致性分类数学模型，提出了一种基于层间强一致性分类准则的细粒度识别方法，设计了层间一致性分类损失函数，并构建了多层级兼容舰船目标细粒度识别网络(MLCDet)。经试验验证，该方法有效、鲁棒，资源开销小，能够有效利用分类体系中各类别间的隶属关系提升目标识别精度。在无需部件级标注信息的前提下，将mAP提高了1.3%,与此同时，模型总参数量仅增加0.02%,推断速度不变。     

基于变量贡献率的MSPC异常识别方法

异常识别是多元统计过程控制(MSPC, Multivariate Statistical Process Control)方法有效应用的关键.针对现有研究对历史异常信息利用的不足,综合考虑了主成分变量贡献率与重构误差变量贡献率对异常识别的影响,将两种变量贡献率进行归一化处理并求和得到综合变量贡献率;提出了一种基于综合变量贡献率的MSPC异常识别方法,并基于matlab计算平台实现了该算法.通过田纳西过程故障模式仿真及异常识别,对该方法的应用及算法有效性进行了实例验证.     

基于组态建模的航天器姿轨控数学仿真系统

数学仿真是研究航天器姿态轨道控制系统常用的手段,目前常用人工编程的方式建模,花费时间长且软件的可读性、可维护性较差.提出一套基于组态建模的航天器姿态轨道控制仿真系统,该系统通用性强、可支持自动建模及代码生成.仿真实例表明,该系统模块化、自动化程度较高,大大提高了研究人员的工作效率.     

天地一体化网络地面软网关技术及其应用

对天地一体化网络进行研究,重点对基于IP over CCSDS 协议的天地网关技术进行了分析,在此基础上提出了地面网关软件化技术。文章提出并实现了网关软件化实现过程中关键技术“数据链路层协议解析”和“网络层IP 数据包透明穿越”。与传统地面网关硬件实现相比,该技术具有成本低廉,使用配置灵活,可移植性强的特点,同时,该技术对使用环境和用户数量的变化具有高适应性,具有良好的应用前景。通过视频天地通信实例验证了地面软网关技术的有效性。     

可配置的软件动态测试系统研究

首先简要分析了软件动态测试方法在测试环境开发、测试执行以及测试结果分析等环节上所存在的问题与缺陷。接着提出了一种采用增加配置的方法构建动态测试环境的思路,并以此为基础,实现了一个软件自动化测试原型系统,同时详细描述了该系统的基本框架,阐述了它的关键技术。     

基于EDA技术的电路容差分析方法研究

论述了容差分析技术的基本原理,提出了以EDA(Electronic Design Automation,电子设计自动化)软件PSpice为基础进行电路容差分析设计的技术方案,详细阐述了蒙特卡罗分析、最坏情况分析的方法,研究了电路参数偏差、温度效应和退化效应等3个方面的容差分析,并以实例分析证明了该方案的可行性.      

软件回归测试用例选取方法研究

介绍了软件回归测试的概念和进行回归测试的基本步骤,提出了一种回归测试用例选择的数学模型及用例集优化约简算法,并且用实例证明了该方法能有效缩减回归测试用例个数,降低回归测试成本．     

基于深度学习的焊缝PAUT数据智能化分析方法

超声相控阵检测技术(PAUT)凭借其突出的技术优势被广泛应用在船舶、铁路、石油石化和航空航天等诸多领域。在焊缝超声相控阵检测(PAUT)中，对检测数据缺陷的识别定位目前多采用传统的人工判读方式，判读效率较低，对检测人员的判读经验有较高要求，难以满足自动化超声检测的要求。基于深度学习中的目标检测和跟踪算法构建智能识别模型，通过对焊缝超声相控阵检测的S、B扫图特征进行融合，并结合焊缝的三维结构信息，识别并定位出缺陷在焊缝中的三维空间位置。实验结果显示: 缺陷框的平均三维IOU(预测三维缺陷框和实际三维缺陷框的平均交并比)达到0.644 9，较为接近缺陷的真实空间位置，可以实现焊缝超声相控阵检测成像结果智能识别和定位。      

航天器C51语言软件中断资源冲突分析方法

对航天器C51语言软件中常见的3种中断资源访问冲突情况进行了归纳总结.由目前软件资源冲突分析方法的比较结果,提出基于静态分析技术的C51语言软件资源访问冲突分析方法,并针对上述情况给出了具体分析流程.该方法可以解决多种C51语言软件中断资源访问冲突问题,也可以推广到其他处理器.     

空间飞行器控制软件的动态自适应演化方法

空间飞行器在太空飞行过程中需要满足多任务、多工作模式以及大范围机动的需求,其控制系统在大范围机动飞行条件下存在大量的外界干扰和内部参数不确定,同时飞行器的自适应过程受限于资源,人工干预难度大,并且现有的成熟的动态自适应方法并不一定适合空间飞行器控制软件进行自主控制,所以目前对自主控制系统软件的动态自适应调整方法提出了更...     

对象驱动的软件测试性度量

为了使用统一的方式度量各种软件的测试性,降低测试性度量的难度和费用,提出一种对象驱动的软件测试性度量方法. 方法基于一个由测试性度量、易测试特性度量、测试性因素度量及其关系构成的软件测试性度量框架,首先分析度量的对象,确定对象的类型、对象所属软件的类型和测试情况;然后根据软件的类型和测试情况,从度量框架中选取匹配的元素,构造一个专用的软件测试性度量框架;最后根据度量对象的类型,使用专用软件测试性度量框架中的元素计算测试性因素、易测试特性或测试性. 应用表明方法能够得到软件测试性的定量结果,预计测试资源,为软件测试提供帮助.      

基于模糊神经网络的软件可靠性早期预计方法

在基于模糊神经网络的基础上,提出了一种新的软件可靠性早期预计方法.通过分析软件缺陷产生的原因,给出了导致软件缺陷产生的因素.同时,深入讨论了软件可靠性早期预计的建模方法.在此基础上,利用模糊神经网络建立了软件可靠性早期预计的模型,并且给出了具体的步骤.      

脉冲星候选样本分类方法综述

脉冲星搜索是射电天文学中的重要前沿领域。随着现代搜索设备性能的不断提升,可以接收到更弱的信号,如何从海量信号中准确地识别出脉冲星疑似信号成为一个挑战。介绍了国内外关于脉冲星候选样本分类方法的发展历史和发展状态,归纳总结了发展过程中各个阶段的处理方法:人工识别方法和机器学习方法;最后对未来的发展趋势进行了分析。     

大规模物联网恶意样本分析与分类方法

物联网（IoT）恶意样本发展迅猛，在网络中大量攻击各类物联网设备，但由于开源问题导致其家族特征并不明显，需要一种更细粒度的样本分类方法，以解决高级威胁样本发现和攻击组织追踪等问题。针对该问题，对2019年5月至2020年5月捕获到的157 911个物联网恶意样本进行了大规模分析，并标注了一套包含9个家族分支共计12 278个样本的数据集。提出了物联网恶意样本的分类方法，通过静态逆向分析提取FCG图和文本等复杂结构特征，利用图表示学习和文本表示学习的特征，在标注的数据集上取得了平均召回率88.1%的分类效果。所提方法在实际工作应用中效果优异。      

ABDOM的参数规范化与离散化改进

为了更好利用叠加式双阻尼振荡模型(ABDOM,Accumulative Bi-Damped Oscillation Model)来描述、预测和评估真实软件缺陷发现时序过程,在提出理想软件缺陷发现时序过程范型(ISPSDD,Ideal Sequential Process of Software Defects Discovery)的基础上,对ABDOM中软件缺陷发现阻尼 a 和软件缺陷发现周期阻尼 b 的规范化进行了进一步讨论,提出了软件缺陷发现时序过程质量评价指数 Q ,给出了其典型取值和相关意义,并将其引入ABDOM,最终得到了经过参数规范化和离散化改进后的ABDOM-Q_d,并利用一个真实的工程实践项目数据对ABDOM-Q_d 进行了验证.     

基于量化分析的软件测试过程的控制技术

论述了软件测试的基本过程以及涉及的文档、角色和活动.在此基础上重点讨论了如何通过在测试过程中提取的有效数据来对整个测试过程进行监督、控制和管理的技术,如对测试进度变化、软件问题分布、人力资源情况、软件问题处理时间以及软件问题重现等情况进行分析的技术.为保证被测系统的质量、提高效率、降低成本和改善测试过程提供支持和帮助.