We assume that M is a phase space and H an Hilbert space yielded by a quantization scheme. In this paper we consider the set of all “experimental propositions” of M and we look for a model of quantum logic in relati...We assume that M is a phase space and H an Hilbert space yielded by a quantization scheme. In this paper we consider the set of all “experimental propositions” of M and we look for a model of quantum logic in relation to the quantization of the base manifold M. In particular we give a new interpretation about previous results of the author in order to build an “asymptotics quantum probability space” for the Hilbert lattice L(H).展开更多
软件缺陷的存在导致软件无法满足用户的需求,如何高效高质量地定位缺陷是消除软件缺陷的关键。基于模型的缺陷定位技术是当前的研究热点,可以用于检测软件系统故障找到软件失效的原因。现有基于模型的缺陷定位技术中,未考虑非相邻节点...软件缺陷的存在导致软件无法满足用户的需求,如何高效高质量地定位缺陷是消除软件缺陷的关键。基于模型的缺陷定位技术是当前的研究热点,可以用于检测软件系统故障找到软件失效的原因。现有基于模型的缺陷定位技术中,未考虑非相邻节点间传递依赖和测试用例对可疑度的影响,导致缺陷定位精度和效率低。提出了基于概率模型检测的软件缺陷定位方法(probabilistic model checking method for software fault location,PMC-SFL),首先提出一种程序概率模型用于提高模型的推理能力;然后设计了基于执行路径构建程序概率模型的学习算法;最后设计了基于概率模型检测的软件缺陷定位算法,用于缺陷定位分析。通过在公共数据集Siemens上进行实验和分析,表明了PMC-SFL方法与五种现有的缺陷定位方法RankCP、BNPDG、Tarantula、SOBER和CT相比,具有更高的软件缺陷定位精度和效率。展开更多
主要通过指称语义和回答集程序(Answer Set Programming,简称ASP)完成迹模型的生成,并构建了一套基于计算树逻辑(computing tree logic,简称CTL)的CSP模型验证方法.实验表明,该方法对于分支类型的性质具有较好的描述能力,且保证了验证...主要通过指称语义和回答集程序(Answer Set Programming,简称ASP)完成迹模型的生成,并构建了一套基于计算树逻辑(computing tree logic,简称CTL)的CSP模型验证方法.实验表明,该方法对于分支类型的性质具有较好的描述能力,且保证了验证的正确性.展开更多
文摘We assume that M is a phase space and H an Hilbert space yielded by a quantization scheme. In this paper we consider the set of all “experimental propositions” of M and we look for a model of quantum logic in relation to the quantization of the base manifold M. In particular we give a new interpretation about previous results of the author in order to build an “asymptotics quantum probability space” for the Hilbert lattice L(H).
文摘软件缺陷的存在导致软件无法满足用户的需求,如何高效高质量地定位缺陷是消除软件缺陷的关键。基于模型的缺陷定位技术是当前的研究热点,可以用于检测软件系统故障找到软件失效的原因。现有基于模型的缺陷定位技术中,未考虑非相邻节点间传递依赖和测试用例对可疑度的影响,导致缺陷定位精度和效率低。提出了基于概率模型检测的软件缺陷定位方法(probabilistic model checking method for software fault location,PMC-SFL),首先提出一种程序概率模型用于提高模型的推理能力;然后设计了基于执行路径构建程序概率模型的学习算法;最后设计了基于概率模型检测的软件缺陷定位算法,用于缺陷定位分析。通过在公共数据集Siemens上进行实验和分析,表明了PMC-SFL方法与五种现有的缺陷定位方法RankCP、BNPDG、Tarantula、SOBER和CT相比,具有更高的软件缺陷定位精度和效率。
