黑盒测试的决策表法和因果图法,可以提供给正在学习软件测试的学弟学妹们借鉴和参考!
在软件测试中,黑盒测试决策表法是一项关键技术,它通过有序地组织测试用例,有效地覆盖系统的各种输入和输出组合,以保证软件的质量和稳定性。本文将重点介绍如何优化软件测试中的黑盒测试决策表方法,提高测试效率
属性值约简是粗糙集理论的重要研究内容之一,针对利用分辨矩阵求值约简的错误,提出了一种改进的规则分辨矩阵和值约简方法,主要考虑属性值约简可能导致新的不一致性问题。该矩阵区分与不一致规则的决策值相同的规则
一种基于犹豫模糊语言信息的多属性群决策方法,吴志彬,,针对个体偏好用犹豫模糊语言信息表达的多属性群决策问题,提出了基于可能性分布向量的决策分析方法。把犹豫模糊语言术语集看成一
基于前景理论的一种犹豫模糊多属性群决策方法
为了在动态变化的决策表中,快速方便地获得新的属性约简,利用数组元素对差别矩阵中的属性组合进行计数,提出一种基于数组的增量式属性约简更新算法。当决策表动态变化时,根据数组元素的取值变化,获得差别矩阵中增
该算法利用粗糙集中知识粒度的概念定义了属性重要度度量并提出了算法
针对软测量模型在实际应用中遇到的问题, 结合AdaBoost 集成学习思想, 提出适用于软测量回归的集成学习算法, 以提高传统软测量模型的精度. 为了克服模型更新技术对软测量实际应用的制约, 将增量学
针对实际应用中数据的批量到达, 以及系统的存储压力和学习效率低等问题, 提出一种基于信念修正思想的SVR 增量学习算法. 首先从历史样本信息中提取信念集, 根据信念集和新增数据的特点选择相应的信念集建
分析了现有基于网格的聚类算法,该算法具有高效且可以处理高维数据的特点,但传统网格聚类算法的聚类质量受网格划分的粒度影响较大。为此,提出了一种基于网格的增量聚类算法IGrid。IGrid算法具有传统网格