1) V-Model
V模型
1.
On the Testing Method with Automated Tools based on V-Model;
基于V模型的自动化工具测试方法
2.
Software Reliability Analysis Based on V-model Improvement Test Behavior;
基于V模型改进的测试行为的软件可靠性分析
3.
The paper gives a detailed introduction and analysis to V-model and W-model for software testing.
本文通过对目前常用的V模型和W模型的介绍与分析,找出了两者的不足之处,并综合两种模型的优点,提出了一种新的软件测试模型(扩展V模型)。
2) V-Model
V-Model
1.
This paper introduces the extent relating to the computerized systemvalidation of the GMP plant in pharmaceutical corporation, provides the conditionsof the relevant assessment for 21 CFR Part 11, analyses the application of the newvalidation model named ?ˉV-Model?ˉ during validation, and describes the detailedprocess and the specific requirements of the critical validation activities.
阐述了制药企业GMP车间的计算机控制系统的验证所涉及的范围,给出了21CFRPart11相关性评估的条件,分析了一种新的V-Model验证模型在验证过程中的应用,并描述了关键验证的详细步骤和具体要求。
3) V-model
V-模型
4) V model
V模型
1.
A solution to embedded software testing based on V model;
一种基于V模型的嵌入式软件测试方案
2.
The article discussed the model that already existed, further excavates the parallelism between test stages,trys to proposes a improved V model,This model make the software testing pass through the each stage of software development cycle , That can discover software mistakes as early as possible.
文章在分析讨论了已有的模型的基础上,进一步挖掘测试活动之间的并行性,尝试提出一种改进的V模型,该模型将软件测试贯穿软件开发周期的各个阶段,可以尽可能早的发现软件中的错误,同时结合实际的小型软件开发项目——GPRS扩展板通信实验,证明了该模型的正确性和有效性。
3.
In this paper,we analyze the organization, status and defects of the V model ,which is widely used in software test;point out the CMMI technology s effect on software test,and discuss the CMMI model’s support to software test.
本文对传统的软件测试中应用广泛的V模型的组成、地位及其存在的缺陷进行了详细的分析,提出了CMMI技术对软件测试的影响,并讨论了CMMI模型对软件测试的支持和扩充。
5) V model initiation network
V型起爆网路
1.
V model initiation network is adopted.
其中,在爆破孔设计上采用中深孔分层装药,浅孔连续装药,并采用了V型起爆网路进行起爆。
6) C-V model
C-V模型
1.
Ultrasound image segmentation method based on improved C-V model;
基于改进C-V模型的超声图像分割方法
2.
Chinese visual human images segmentation based on improved C-V model;
基于改进的C-V模型虚拟人脑图像分割模型
3.
The C-V model is introduced into the infrared image segmentation,and an improved C-V model is proposed.
将C-V模型引入到红外图像分割中,同时提出了一种改进的模型。
参考词条
fuzzy M-V model
L-V model
improved V model
extensive V-model
compact I-V model
E-V model
V model of software testing
the M V model
I-V model
j、v model
V model improved
V model improved
software development V model
Duncan Chang E V model
Chan-Vese(C-V)model
delaying interval time in V model
碳13同位素示踪
存在形式与演化规律
补充资料:"泛魔"识别模型
一种以特征分析为基础的图像识别系统。1959年B.塞尔弗里吉把特征觉察原理应用于图像识别的过程,提出了"泛魔"识别模型。这个模型把图像识别过程分为不同的层次,每一层次都有承担不同职责的特征分析机制,它们依次进行工作,最终完成对图像的识别。塞尔弗里吉把每种特征分析机制形像地称作一种"小魔鬼",由于有许许多多这样的机制在起作用,因此叫做"泛魔"识别模型。这一模型的特点在于它的层次的划分。
"泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼",它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中,每个特征鬼都去寻找与自己有关的图像特征。例如,在识别英文字母时,每个特征鬼负责报告字母的一种特征及其数量,如垂直线、水平线、斜线、直角、锐角,不连续曲线和连续曲线等;再由"认知鬼"接受特征鬼的反应,每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊",发现的特征越多,"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小,选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。
例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线,一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应,但P鬼只有 4个特征与其符合,并有一特征(斜线)与其不符合;D鬼只有3个特征与其符合,并有两个特征(斜线、直角)与其不符合;只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征,所以R鬼的叫喊声最大,因此"决策鬼"就很容易地作出选择R的决定。
"泛魔"识别模型对于相似的图形也可以分辨,不致混淆;对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习,如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征;它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
"泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼",它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中,每个特征鬼都去寻找与自己有关的图像特征。例如,在识别英文字母时,每个特征鬼负责报告字母的一种特征及其数量,如垂直线、水平线、斜线、直角、锐角,不连续曲线和连续曲线等;再由"认知鬼"接受特征鬼的反应,每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊",发现的特征越多,"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小,选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。
例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线,一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应,但P鬼只有 4个特征与其符合,并有一特征(斜线)与其不符合;D鬼只有3个特征与其符合,并有两个特征(斜线、直角)与其不符合;只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征,所以R鬼的叫喊声最大,因此"决策鬼"就很容易地作出选择R的决定。
"泛魔"识别模型对于相似的图形也可以分辨,不致混淆;对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习,如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征;它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。