基于部分交互的软件近似度量模型

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (24): 32-37.

基于部分交互的软件近似度量模型

马艳芳1，2，陈亮3

1.淮北师范大学计算机科学与技术学院，安徽淮北 235000
2.上海市高可信计算重点实验室，上海 200062
3.淮北师范大学数学科学学院，安徽淮北 235000

出版日期:2014-12-15 发布日期:2014-12-12

Approximate measure model of software based on partial interaction

MA Yanfang1，2, CHEN Liang3

1.School of Computer Science and Technology, Huaibei Normal University, Huaibei, Anhui 235000, China
2.Shanghai Key Laboratory of Trustworthy Computing, Shanghai 200062, China
3.School of Mathematics Science, Huaibei Normal University, Huaibei, Anhui 235000, China

Online:2014-12-15 Published:2014-12-12

摘要/Abstract

摘要： 软件对环境的依赖性主要体现在软件与环境的交互。在实际中，有时软件与环境未必成功交互。其交互程度对软件的性能有着很大的影响。为测试不同软件在环境下的性能，需要对软件与环境的交互能力进行比较。在进程代数理论基础上，利用完整迹语义，建立软件近似程度的量化模型。形式化描述软件与环境的部分交互。列举一些例子对模型进行说明。建立软件近似程度的量化模型，证明一些代数性质。进一步，建立评价软件在与环境交互方面好坏的标准。

关键词: 部分交互, 度量, 形式化, 进程代数

Abstract: The dependence of the software on its environment mainly comes from the interaction. In the real application, sometimes, the interaction may not be successful. The interaction degree will have an effect on the ability of software. In order to test the property of software on the environment, it is necessary to compare the interaction ability of software with environment. In this paper, based on process algebra, the approximate measure model of software will be researched using complete trace semantics. The partial interaction will be formalized using the completed trace semantics. Some examples will be stated. The quantitative model which describes the approximate degree between software will be proposed. Some algebraic properties are proved. The criterion which evaluates the interaction ability with environment will be given.

Key words: partial interaction, measure, formalization, process algebra

马艳芳1，2，陈亮3. 基于部分交互的软件近似度量模型[J]. 计算机工程与应用, 2014, 50(24): 32-37.

MA Yanfang1，2, CHEN Liang3. Approximate measure model of software based on partial interaction[J]. Computer Engineering and Applications, 2014, 50(24): 32-37.

[1]	祝钧桃，姚光乐，张葛祥，李军，杨强，王胜，叶绍泽. 深度神经网络的小样本学习综述[J]. 计算机工程与应用, 2021, 57(7): 22-33.
[2]	杨丰玉，黄雅璇，周世健，郑巍. 结合多元度量指标软件缺陷预测研究进展[J]. 计算机工程与应用, 2021, 57(5): 10-24.
[3]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[4]	刘友林，郑巍，谭莉娟，樊鑫，杨丰玉. 面向适航标准的机载软件测试验证工具综述[J]. 计算机工程与应用, 2021, 57(11): 1-10.
[5]	安宁，江思源，唐晨，杨矫云. 融合单纯形映射与熵加权的聚类方法[J]. 计算机工程与应用, 2020, 56(9): 148-155.
[6]	宋丽丽，李彬，赵俊雅，刘国峰. 正态重采样的改进行人再识别度量学习算法[J]. 计算机工程与应用, 2020, 56(8): 158-165.
[7]	柴磊，王智学，何明. 指挥控制协同能力需求体系形式化框架[J]. 计算机工程与应用, 2020, 56(5): 49-56.
[8]	王工书，任尊晓，李丹丹，相洁，王彬. 脑激活任务区分度的分析及应用研究[J]. 计算机工程与应用, 2020, 56(21): 272-278.
[9]	武光华，张旭东，葛维，孙鸽，毛财胜. 结合模型集成与特征融合的图像拷贝检测[J]. 计算机工程与应用, 2020, 56(20): 199-205.
[10]	谭阳，唐德权，曹守富. 聚类混合型数据的密度峰值改进算法[J]. 计算机工程与应用, 2020, 56(12): 47-53.
[11]	刘树毅，翟晔，刘东升. 融合多策略特征筛选的跨项目软件缺陷预测[J]. 计算机工程与应用, 2019, 55(8): 53-58.
[12]	缪相林1，何绯娟1，缪亚林2，肖春3，周建龙1. 动态调整用户认知负荷的智能增强现实系统[J]. 计算机工程与应用, 2019, 55(7): 182-187.
[13]	何利文，侯小宇，唐澄澄，周睿，张幸宁. 面向异构BIOS环境的Rootkit通用性检测方法[J]. 计算机工程与应用, 2019, 55(23): 105-112.
[14]	胡正平，刘怀飚，孙德刚. 邻域排斥稀疏判决单样本亲属关系认证算法[J]. 计算机工程与应用, 2019, 55(22): 133-139.
[15]	宋丽丽. 迁移度量学习行人再识别算法[J]. 计算机工程与应用, 2019, 55(20): 170-176.