软件测试学研究

本文首先介绍了软件测试学的产生,什么是软件测试以及为什么需要进行软件测试。之后详细介绍了软件测试中软件测试文档的重要性;软件测试技术的分类,包括黑盒测试技术和白盒测试技术;软件缺陷的管理,包括缺陷的优先级和严重性;软件性能测试技术;以及测试新技术的发展。

基于布隆过滤器的网页搜索去重方法

介绍布隆过滤器的相关理论,对MD5哈希算法进行较为详细的分析,对GPU和CPU的结构及运算特点进行分析比较,提出一种基于布隆过滤器并使用GPU进行URL的MD5计算的网页搜索去重方法。

基于有限状态机的协议测试方法

该文首先介绍了有限状态机的一般理论并描述了两种确定型有限状态机模型,之后将有限状态机模型引入通信系统中,并以GTP协议为例介绍了通信协议报文在GPRS网络中流转的过程及测试方法。

图像超分辨率重建中的细节互补卷积模型

目的现有的超分辨卷积神经网络为了获得良好的高分辨率图像重建效果需要越来越深的网络层次和更多的训练,因此存在了对于样本数量依懒性大,参数众多致使训练困难以及训练所需迭代次数大,硬件需求大等问题。针对存在的这些问题,本文提出一种改进的超分辨率重建网络模型。方法本文区别于传统的单输入模型,采取了一种双输入细节互补的网络模型,在原有的SRCNN单输入模型特征提取映射网络外,添加了一个新的输入。本文结合图像局部相似性,构建了一个细节补充网络来补充图像特征,并使用一层卷积层将细节补充网络得到的特征与特征提取网络提取的特征融合,恢复重建高分辨率图像。结果本文分别从主观和客观的角度,对比了本文方法与其他主流方法之间的数据对比和效果对比情况,在与SRCNN在相似网络深度的情况下,本文方法在放大3倍时的PSNR数值在Set5以及Set14数据下分别比SRCNN高出0.17 d B和0.08 d B。在主观的恢复图像效果上,本文方法能够很好的恢复图像边缘以及图像纹理细节。结论实验证明,本文所提出的细节互补网络模型能够在较少的训练以及比较浅的网络下获得有效的重建图像并且保留更多的图像细节。