注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 软件测试双V模型模型示意图

  2. 这是我手工绘制的V&V模型示意图，简单明了

  3. 所属分类：专业指导

    • 发布日期：2009-09-14
    • 文件大小：688128
    • 提供者：hlnsc

  1. 基于V模型的软件测试藏宝图

  2. 一张从整体上介绍运用V模型的软件测试的概览图，包含软件测试的各个时期需要做的事情以及人员的分工，并详细介绍了V Model的工作流程

  3. 所属分类：专业指导

    • 发布日期：2010-08-09
    • 文件大小：2097152
    • 提供者：chzhlhust1

  1. 软件测试模型简介

  2. 主要是介绍几种软件测试的模型V模型 W模型 H模型 X模型

  3. 所属分类：软件测试

    • 发布日期：2012-08-01
    • 文件大小：506880
    • 提供者：linglicong

  1. C-V模型的源代码

  2. 本代码是最基本的C-V模型的MATLAB代码；本代码是最基本的C-V模型的MATLAB代码；本代码是最基本的C-V模型的MATLAB代码；本代码是最基本的C-V模型的MATLAB代码

  3. 所属分类：软件测试

  1. 基于改进c-v 模型的步态轮廓提取方法

  2. 基于改进c-v 模型的步态轮廓提取方法——论文

  3. 所属分类：教育

    • 发布日期：2013-10-15
    • 文件大小：460800
    • 提供者：u010141868

  1. 软件V模型开发

  2. V模型是软件测试过程中的常见的一种模型，它反映了开发过程和测试过程的关系，在测试软件中起着重要的作用

  3. 所属分类：制造

    • 发布日期：2018-03-27
    • 文件大小：319488
    • 提供者：alenter

  1. 双V模型测试基础

  2. 双V模型测试基础 双V模型测试基础 双V模型测试基础 双V模型测试基础

  3. 所属分类：软件测试

    • 发布日期：2018-04-14
    • 文件大小：137216
    • 提供者：bn55ying

  1. L-V模型在软土地基沉降预测中的应用

  2. 为了提高软土地基沉降模型的预测精度,将现有的Logistic模型和Von-Bertalanffy模型进行叠加,提出了L-V模型,并利用Origin拟合软件对模型参数进行求解。将该模型应用到软土地基沉降预测中,并与Logistic模型和Von-Bertalanffy模型比较。结果表明L-V模型全过程沉降预测的拟合程度最高,达到0.997 8;沉降后期L-V模型的均方根误差(RMSE=1.512)小于Logistic模型(RMSE=2.930)和Von-Bertalanffy模型(RMSE=3.62

  3. 所属分类：其它

    • 发布日期：2020-06-16
    • 文件大小：365568
    • 提供者：weixin_38549520

  1. 软件测试：V模型问题分析[4]

  2. 软件测试：V模型问题分析[4]软件测试在这种情况下，左边的方块中最好被标记为：“在当前信息条件和情况下可以做的任何测试设计”。这样，当测试设计得自于系统中某一个组件的描述时，模型必须允许这样的测试在组件被装配之前被执行。我必须承认我的图片非　　软件测试：V模型问题分析[4]  软件测试　　在这种情况下，左边的方块中最好被标记为：“在当前信息条件和情况下可以做的任何测试设计”。这样，当测试设计得自于系统中某一个组件的描述时，模型必须允许这样的测试在组件被装配之前被执行。我必须承认我的图片非常难看，

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：51200
    • 提供者：weixin_38724154

  1. 软件测试：V模型问题分析[3]

  2. 软件测试：V模型问题分析[3]软件测试到底选择哪一种方法，这需要一种折衷和权衡。设计桩模块和驱动模块要付出多少代价?这些模块如何进行维护?子系统是否会由此而掩盖了一些故障?在整个子系统范围内进行排错的困难程度有多大?如果我们的测试直到集成测试　　软件测试：V模型问题分析[3]   软件测试　　到底选择哪一种方法，这需要一种折衷和权衡。设计桩模块和驱动模块要付出多少代价?这些模块如何进行维护?子系统是否会由此而掩盖了一些故障?在整个子系统范围内进行排错的困难程度有多大?如果我们的测试直到集成测试时

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：84992
    • 提供者：weixin_38712874

  1. 软件测试：V模型问题分析[2]

  2. 软件测试：V模型问题分析[2]软件测试V模型有着很吸引人的对称外形，并且把很多人都带入了歧途。本文将集中讨论它在单元测试和集成测试中引起的问题。为了说明的方便，这里专门制作了以下图片，图中包括一个单独的单元，以及一个单元组，我称之为子系　　软件测试：V模型问题分析[2]  软件测试　 　V模型有着很吸引人的对称外形，并且把很多人都带入了歧途。本文将集中讨论它在单元测试和集成测试中引起的问题。　　为了说明的方便，这里专门制作了以下图片，图中包括一个单独的单元，以及一个单元组，我称之为子系统(sub

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：58368
    • 提供者：weixin_38503448

  1. 软件测试：V模型问题分析[1]

  2. 软件测试：V模型问题分析[1]软件测试在本文中我要把V模型作为不好的模型的典型来进行分析。选择V模型作为分析的典型是因为V模型是最广为人知的测试模型。最典型的V模型版本一般会在其开始部分对软件开发过程进行描述，如下图所示：图1V模型的各级开发　　软件测试：V模型问题分析[1]  软件测试　　在本文中我要把V模型作为不好的模型的典型来进行分析。选择V模型作为分析的典型是因为V模型是最广为人知的测试模型。最典型的V模型版本一般会在其开始部分对软件开发过程进行描述，如下图所示：　　图1V模型的各级开发

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：68608
    • 提供者：weixin_38576045

  1. 软件测试中基于V模型的单元测试,集成测试,系统测试

  2. 单元软件测试中基于V模型的单元测试,集成测试,系统测试1)为什么要进行单元测试：系统测试是一种黑盒测试，也就是不需要了解系统内部结构，只关心外部实现，那么这样发现的问题将不会太彻底，而单元测试是一种白盒测试，只有深入到系统内部，才能对软件内部软件测试中基于V模型的单元测试,集成测试,系统测试1)为什么要进行单元测试：系统测试是一种黑盒测试，也就是不需要了解系统内部结构，只关心外部实现，那么这样发现的问题将不会太彻底，而单元测试是一种白盒测试，只有深入到系统内部，才能对软件内部逻辑控制结构上的问题

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：107520
    • 提供者：weixin_38687218

  1. 基于V模型的单元测试,集成测试,系统测试

  2. 基于V模型，针对详细设计的单元测试 　　1)为什么要进行单元测试： 　　系统测试是一种黑盒测试，也就是不需要了解系统内部结构，只关心外部实现，那么这样发现的问题将不会太彻底，而单元测试是一种白盒测试，只有深入到系统内部，才能对软件内部逻辑控制结构上的问题进行清除，对发现、定位和解决问题将是最直接，最彻底的方式;在效率方面，单元测试往往是集成测试的2倍，系统测试的3倍;成本方面，一个问题如果遗留到后期阶段解决，那么付的代价将会很高，而且是成倍递增。 　　单元测试有效的验证代码是否与设计相符，尽早发

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：83968
    • 提供者：weixin_38670186

  1. 测试模型之V模型(脑图)

  2. 测试模型之V模型(脑图) 　测试模型之V模型(脑图)   原文转自：http://www.cnblogs.com/Tcorner/archive/2009/05/09/1453173.htmlwindow._bd_share_config={"common":{"bdSnsKey":{},"bdText":"","bdMini":"1","bdMiniList":false,"bdPic":"","bdStyle":"0","bdSize":"32"},"share":{},"selectSha

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：99328
    • 提供者：weixin_38631599

  1. 基于Hough和C-V模型的航拍绝缘子自动协同分割方法

  2. 基于Hough和C-V模型的航拍绝缘子自动协同分割方法

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：2097152
    • 提供者：weixin_38612568

  1. 软件测试：V模型，还是X模型？

  2. X模型的目标是弥补V模型的一些缺陷。X模型真的能解决测试过程各方面的问题，例如交接、经常性的集成？在软件测试方面，V模型是最广为人知的模型，尽管很多富有实际经验的测试人员还是不太熟悉V模型，或者其它的模型。V模型已存在了很长时间，和瀑布开发模型有着一些共同的特性，由此也和瀑布模型一样地受到了批评和质疑。在《软件测试：不可忽略的阶段》中已经详细讨论了V模型，这里只作一个概要的介绍。V模型中的过程从左到右，描述了基本的开发过程和测试行为。V模型的价值在于它非常明确地标明了测试过程中存在的不同级别，并

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：143360
    • 提供者：weixin_38720756

  1. 基于C-V模型的水平集方法在脑CT图像分割中的应用

  2. 阐述了C-V模型和多相水平集算法的原理。在分析了其优缺点后,引入了多阈值单水平集算法。并针对其不足,将李纯明惩罚函数项引入到多阈值单水平集算法,提出了无需重初始化的多阈值单水平集算法。实际结果表明,算法在保证分割精度的基础上,能够有效提高算法效率。

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：540672
    • 提供者：weixin_38645266

  1. 软件测试：V模型，还是X模型？

  2. X模型的目标是弥补V模型的一些缺陷。X模型真的能解决测试过程各方面的问题，例如交接、经常性的集成？在软件测试方面，V模型是最广为人知的模型，尽管很多富有实际经验的测试人员还是不太熟悉V模型，或者其它的模型。V模型已存在了很长时间，和瀑布开发模型有着一些共同的特性，由此也和瀑布模型一样地受到了批评和质疑。在《软件测试：不可忽略的阶段》中已经详细讨论了V模型，这里只作一个概要的介绍。V模型中的过程从左到右，描述了基本的开发过程和测试行为。V模型的价值在于它非常明确地标明了测试过程中存在的不同级别，并

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：143360
    • 提供者：weixin_38711643

  1. 基于改进C-V模型的高分辨SAR图像分割

  2. 针对SAR图像灰度分布不均匀现象，提出利用对均匀和不均匀区域都能很好的拟合的G0概率密度函数对C-V水平集模型进行改进。针对经典的C-V水平集模型只利用区域信息而没有利用边缘信息，从而造成虚假边缘轮廓较多以及演化时容易陷入局部极小值等现象，提出在C-V模型中引入能够很好的去除SAR图像中的乘性噪声的改进的边缘检测函数，定位图像的边界以及控制曲线的演化速率，且增加能避免水平集函数重新初始化的距离正则项作为内能项。通过人工合成图像和真实高分辨SAR图像的分割实验验证了改进后的C-V水平集模型能够更快

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：1048576
    • 提供者：weixin_38715097
« 12 3 4 5 6 7 8 9 10 ... 50 »