• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    結(jié)合圖挖掘和支持向量機(jī)的錯(cuò)誤定位*

    2018-10-12 02:19:44姜淑娟王興亞
    計(jì)算機(jī)與生活 2018年10期
    關(guān)鍵詞:子圖約簡(jiǎn)調(diào)用

    陸 凱,姜淑娟,2+,王興亞

    1.中國(guó)礦業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,江蘇 徐州 221116

    2.桂林電子科技大學(xué) 廣西可信軟件重點(diǎn)實(shí)驗(yàn)室,廣西 桂林 541004

    1 引言

    現(xiàn)代工業(yè)中軟件的可靠性已經(jīng)越來越得到人們的重視,而為此花費(fèi)的代價(jià)約占軟件開發(fā)和維護(hù)成本的50%~75%[1]。自動(dòng)化錯(cuò)誤定位技術(shù)可以有效減少軟件調(diào)試的時(shí)間和人力消耗,提高軟件質(zhì)量。

    目前的軟件錯(cuò)誤定位方法按照定位過程是否需要運(yùn)行軟件劃分為兩大類,分別是基于靜態(tài)分析的故障定位和基于測(cè)試的故障定位[2]。靜態(tài)分析能夠及早地發(fā)現(xiàn)和定位軟件錯(cuò)誤,減少維護(hù)成本,而且基于靜態(tài)分析的方法理論知識(shí)完備,已經(jīng)開發(fā)了一些商用或開源靜態(tài)分析工具(如JLINT、PMD、FindBugs等)。基于測(cè)試的故障定位方法主要通過運(yùn)行測(cè)試用例得到程序的執(zhí)行信息,對(duì)程序的執(zhí)行過程和結(jié)果進(jìn)行跟蹤和分析,從而進(jìn)行錯(cuò)誤定位。這類方法主要有 Tarantula方法[3]、SOBER方法[4-5]、Delta Debugging方法[6]等。通常軟件錯(cuò)誤定位的方法有3種定位精度,分別是類、方法和語(yǔ)句級(jí)別。上述大多數(shù)方法具有良好覆蓋的測(cè)試用例,通過對(duì)測(cè)試結(jié)果和程序行為特征進(jìn)行分析最終得出一個(gè)按照可疑值降序排列的語(yǔ)句排序結(jié)果,指導(dǎo)開發(fā)人員對(duì)錯(cuò)誤進(jìn)行修復(fù)。然而最終的可疑語(yǔ)句列表缺少相關(guān)的上下文信息,開發(fā)人員不了解其中關(guān)聯(lián)性,給錯(cuò)誤定位造成一定困難。

    本文在方法粒度上,通過對(duì)一定數(shù)量的執(zhí)行軌跡和執(zhí)行結(jié)果進(jìn)行分析,提供可能包含錯(cuò)誤的方法集合,從而完成錯(cuò)誤定位。本文結(jié)合機(jī)器學(xué)習(xí),對(duì)加權(quán)的軟件調(diào)用圖進(jìn)行研究。

    2 相關(guān)工作

    在軟件故障定位技術(shù)中,近年來研究人員利用圖挖掘技術(shù)提出了很多錯(cuò)誤定位方法。Baah等人[7]對(duì)執(zhí)行程序的控制依賴和數(shù)據(jù)依賴進(jìn)行分析,在程序依賴圖的基礎(chǔ)上通過執(zhí)行測(cè)試得到概率程序依賴圖,從而對(duì)錯(cuò)誤進(jìn)行定位和理解。Cheng等人[8]提出了LEAP方法,該方法首先獲得程序執(zhí)行路徑構(gòu)造加權(quán)軟件行為圖,再通過LEAP圖挖掘算法,使用信息增益作為目標(biāo)函數(shù),從所有軟件行為圖中挖掘出Top-K個(gè)在失敗執(zhí)行中頻繁出現(xiàn),而在正確執(zhí)行中較少出現(xiàn)的子圖,作為可疑語(yǔ)句序列。該方法能夠挖掘出與錯(cuò)誤相關(guān)的上下文信息,幫助開發(fā)人員定位和理解軟件錯(cuò)誤。然而存在的不足之處是軟件行為圖中所有控制流路徑具有相同的重要程度,未考慮執(zhí)行次數(shù)對(duì)軟件行為圖的影響。Eichinger等人[9]采用圖挖掘技術(shù),提出了一種基于權(quán)重的錯(cuò)誤定位方法,該方法在方法級(jí)別進(jìn)行錯(cuò)誤定位,按照可疑度從高到低給出可疑方法序列,可以解決較為復(fù)雜的錯(cuò)誤定位問題。該方法使用信息增益作為方法懷疑度排名的度量標(biāo)準(zhǔn),但沒有考慮信息增益的內(nèi)在偏置,同時(shí)未考慮方法之間的關(guān)聯(lián)性。Liu等人[10]應(yīng)用支持向量機(jī)以封閉子圖為特征對(duì)所有執(zhí)行分類,并通過分類精度的變化度量方法的可疑度,最終生成一個(gè)可疑方法集合幫助開發(fā)人員判斷錯(cuò)誤位置,然而未考慮程序中頻繁執(zhí)行方法的影響。針對(duì)這些問題,本文利用加權(quán)的軟件調(diào)用圖,運(yùn)用支持向量機(jī)進(jìn)行錯(cuò)誤定位。

    3 技術(shù)背景

    3.1 圖挖掘技術(shù)

    圖是最常用的數(shù)據(jù)結(jié)構(gòu)之一,描述事物之間的復(fù)雜關(guān)系,對(duì)其進(jìn)行挖掘能夠得到很多潛在信息,將圖挖掘技術(shù)與錯(cuò)誤定位結(jié)合已經(jīng)成為研究熱點(diǎn)。

    頻繁子圖挖掘是圖挖掘中一個(gè)研究熱點(diǎn),它是從大量的圖中挖掘出一些滿足給定支持度的頻繁圖,當(dāng)一個(gè)子圖在整個(gè)圖集合中出現(xiàn)的比率滿足指定的支持度,那么這個(gè)子圖就是頻繁子圖。傳統(tǒng)的頻繁子圖挖掘算法有 AGM(Apriori-based graph mining)[11]、FSG(frequent subgraph)[12]、gSpan[13]和 CloseGraph[14]。

    AGM[11]和FSG[12]挖掘算法都是基于Apriori思想的頻繁結(jié)構(gòu)挖掘方法,AGM[11]采用寬度優(yōu)先搜索(breadth first search,BFS),逐步增加節(jié)點(diǎn)擴(kuò)展子結(jié)構(gòu)逐層產(chǎn)生候選子圖。FSG[12]改進(jìn)了AGM[11]每次添加邊加強(qiáng)剪枝,采取優(yōu)化措施計(jì)算支持度,提高執(zhí)行效率。然而這兩種挖掘算法系統(tǒng)開銷大,不夠靈活。

    gSpan[13]和CloseGraph[14]都是基于模式增長(zhǎng)的頻繁結(jié)構(gòu)挖掘算法,采用深度優(yōu)先搜索策略,逐步生成擴(kuò)展圖,與gSpan[13]算法相比,CloseGraph[14]算法減少了不必要的子圖生成,避免了子圖同構(gòu),挖掘出封閉子圖,有效減少冗余,效率更高。

    3.2 支持向量機(jī)

    支持向量機(jī)(SVM)是AT&TBell實(shí)驗(yàn)室的Vapnik等人提出的一種全新機(jī)器學(xué)習(xí)算法。到目前為止,支持向量機(jī)廣泛應(yīng)用于性別分類、基因分類、數(shù)據(jù)挖掘、非線性系統(tǒng)控制等各個(gè)領(lǐng)域的實(shí)際問題中。

    SVM的主要思想是針對(duì)兩類分類問題,把訓(xùn)練數(shù)據(jù)集非線性映射到一個(gè)高維特征空間,隨后在特征空間尋找一個(gè)最優(yōu)分隔超平面。在線性可分的情況下,存在一個(gè)或多個(gè)超平面使得訓(xùn)練樣本完全分開,SVM的目標(biāo)是找到其中的最優(yōu)超平面,最優(yōu)超平面是使得每一類數(shù)據(jù)與超平面距離最近的向量與超平面之間的距離最大的平面。

    支持向量機(jī)能夠?qū)τ邢迾颖具M(jìn)行分類,將其與錯(cuò)誤定位結(jié)合提出一種錯(cuò)誤定位方法有一定的研究意義。

    4 本文方法

    4.1 方法概述

    為待測(cè)程序插樁,運(yùn)行相應(yīng)測(cè)試用例監(jiān)控程序執(zhí)行,獲取正確和錯(cuò)誤用例的執(zhí)行軌跡,將其作為下一步錯(cuò)誤定位的基礎(chǔ)。本文方法框架如圖1所示。

    (1)加權(quán)行為圖構(gòu)建。將收集的程序執(zhí)行軌跡建模成程序調(diào)用關(guān)系圖,對(duì)初始調(diào)用圖集合進(jìn)行約簡(jiǎn),得到加權(quán)調(diào)用圖集合。

    (2)封閉子圖挖掘。對(duì)調(diào)用圖集合進(jìn)行封閉子圖挖掘,提取封閉子圖或者頻繁邊作為特征,記錄每個(gè)調(diào)用圖包含的頻繁邊信息。

    (3)以頻繁邊或封閉子圖作為特征,訓(xùn)練建立支持向量機(jī)對(duì)所有執(zhí)行分類,記錄每個(gè)方法的分類結(jié)果。

    (4)分析分類結(jié)果,當(dāng)加入某個(gè)方法精度明顯提升時(shí)把該方法加入可疑方法集合。

    (5)將可疑方法集合提供給開發(fā)人員判斷錯(cuò)誤位置并修復(fù)。

    Fig.1 Framework of fault localization of combining graph mining and SVM圖1 結(jié)合圖挖掘和支持向量機(jī)的錯(cuò)誤定位框架

    4.2 加權(quán)行為圖構(gòu)建

    本文首先實(shí)現(xiàn)方法級(jí)別的程序插樁,跟蹤執(zhí)行程序中方法的執(zhí)行信息,通過獲取程序的執(zhí)行路徑得到進(jìn)行圖挖掘的原始圖集合,對(duì)圖集合進(jìn)行約簡(jiǎn)去除冗余的數(shù)據(jù),然后在圖集合中挖掘封閉子圖提取頻繁邊,為下一步以頻繁邊為特征訓(xùn)練SVM分類器做準(zhǔn)備。最初得到的軟件調(diào)用圖只包含了方法的調(diào)用信息,而忽視了程序執(zhí)行的統(tǒng)計(jì)信息,因而在此基礎(chǔ)上,需要約簡(jiǎn)圖集合,將無權(quán)的圖轉(zhuǎn)化為帶權(quán)值的圖。Liu等人[10]采用了總約簡(jiǎn)方法,刪去了圖的所有重邊,使得整個(gè)圖更加簡(jiǎn)單,然而忽略了方法的調(diào)用次數(shù),對(duì)圖壓縮過于嚴(yán)重,失去了大量信息。Di Fatta等人[15]提出了無序迭代約簡(jiǎn)方法,保留了多次執(zhí)行的圖的子結(jié)構(gòu),與總約簡(jiǎn)方法相比包含了更多的信息,但會(huì)出現(xiàn)圖重構(gòu),圖的尺寸也更加龐大。Eichinger等人[16]提出了子樹約簡(jiǎn)方法,只保留圖中一個(gè)執(zhí)行的子結(jié)構(gòu),在邊上記錄相同的同構(gòu)子結(jié)構(gòu)調(diào)用次數(shù)作為權(quán)值,將無權(quán)圖轉(zhuǎn)化為帶權(quán)圖,與無序迭代約簡(jiǎn)相比,得到的圖尺寸更小。綜上所述本文采用子樹約簡(jiǎn)方法對(duì)圖集合進(jìn)行約簡(jiǎn),獲得更加簡(jiǎn)潔的帶權(quán)值的調(diào)用圖。

    子樹約簡(jiǎn)方法采用的策略是自底向上逐層約簡(jiǎn)該層的相同邊,如算法1所示,該算法以未約簡(jiǎn)的n層調(diào)用圖為輸入,以約簡(jiǎn)后的調(diào)用圖作為輸出。該算法主要分兩步:第1步,刪除該層重邊,僅僅保留一條邊,同時(shí)將重邊的數(shù)目作為邊的權(quán)值。當(dāng)某一條邊的數(shù)目只有一條時(shí),該邊的權(quán)值設(shè)為1。第2步,對(duì)邊進(jìn)行約簡(jiǎn)的同時(shí),刪除相同的子節(jié)點(diǎn)。不斷重復(fù)直到約簡(jiǎn)到頂層。圖2為子樹約簡(jiǎn)方法的實(shí)例,(a)為未約簡(jiǎn)圖,(b)為子樹約簡(jiǎn)后的圖。

    算法1子樹約簡(jiǎn)算法

    輸入:n層調(diào)用圖。

    輸出:加權(quán)調(diào)用圖。

    1.for level=n-1to 1 do

    2.for each node in level do

    3. merge all identical child-suntrees of node,sum up corresponding edge weights

    4.end for

    5.end for

    Fig.2 Subtree reduction example圖2 子樹約簡(jiǎn)實(shí)例

    4.3 封閉子圖挖掘

    對(duì)于大型的程序,將調(diào)用圖約簡(jiǎn)之后,程序行為圖仍具有較大的規(guī)模,難以對(duì)這些邊進(jìn)行逐一計(jì)算和分析,并且存在一些邊代表的方法沒有考慮價(jià)值。通常情況下,僅考慮在所有的圖中出現(xiàn)次數(shù)較多的邊,因此有必要對(duì)圖集合進(jìn)行特征選擇,取出出現(xiàn)次數(shù)較高的邊進(jìn)行分析,錯(cuò)誤往往包含在這些邊中。

    頻繁子圖挖掘是從圖集合中挖掘滿足支持度的頻繁圖,存在多種頻繁子圖挖掘算法[11-14],考慮到CloseGraph[14]挖掘效率高且避免了子圖同構(gòu),本文選擇CloseGraph[14]進(jìn)行子圖挖掘,CloseGraph[14]算法以DFS編碼、圖集合和最小支持度為輸入,以封閉子圖集合為輸出。該算法主要分為3步:第1步,生成一個(gè)頻繁子圖。第2步,封閉子圖判斷。根據(jù)是否存在與生成子圖有相同支持度的超圖檢查第1步生成子圖是否為封閉子圖。第3步,剪枝擴(kuò)展。檢查提前終止的條件和任何可能導(dǎo)致提前終止失敗的情況,依此決定是否擴(kuò)展生成子圖。如算法2所示。

    算法2CloseGraph

    輸入:A DFS codes,its parent’sp,a graph datasetD,andmin_sup.

    輸出:The closed frequent graph setS.

    1.ifs≠min(s),then

    2.return;

    3.if ?e′,g′=gp?xe′andg′

    4.return;

    5.setC=Null

    6.ScanDonce,finding every edgeesuch thatscan be extended to frequents?xe;Inserts?xeintoC;

    7.detect any possible failure of early termination ins;

    8.if??s?xe∈C,support(s)support(s?xe)then;

    9.insertsintoS;

    10.removes?xefromCwhich cannot be right-most extended forms;

    11.sortCin DFS lexicographic order;

    12.for eachs?reinCdo

    13.CloseGraph(s?re,s,D,min_sup,S)

    14.return

    在封閉子圖挖掘時(shí),由于圖集合中圖都帶有權(quán)重,而在不同的圖中如果一條邊擁有不同的權(quán)值,則會(huì)被認(rèn)為是不同邊,得到大量的頻繁子圖。因此在進(jìn)行挖掘時(shí)排除權(quán)值的干擾,挖掘出最大的頻繁子圖,得到頻繁邊。得到頻繁邊之后將其對(duì)應(yīng)到每一個(gè)調(diào)用圖中,每個(gè)調(diào)用圖代表一次程序執(zhí)行。通過表格記錄挖掘到的所有頻繁邊,依此訓(xùn)練以頻繁邊為特征的支持向量機(jī),如表1所示。

    Table 1 Frequent sides record table表1 頻繁邊記錄表

    表1記錄了封閉子圖挖掘得到的頻繁邊信息,第1列是每次程序執(zhí)行構(gòu)建的程序行為圖,最后1列是該次執(zhí)行所屬的分類,用Class表示。其余列是封閉子圖具有的頻繁邊,對(duì)應(yīng)的值為該頻繁邊代表的方法執(zhí)行的次數(shù)。

    4.4 運(yùn)用支持向量機(jī)錯(cuò)誤定位

    支持向量機(jī)是一種監(jiān)督式學(xué)習(xí)的方法,可廣泛地應(yīng)用于統(tǒng)計(jì)分類以及回歸分析。本文利用SVM對(duì)擁有標(biāo)簽的調(diào)用圖進(jìn)行分類,當(dāng)程序中某個(gè)方法執(zhí)行后,分類器對(duì)錯(cuò)誤執(zhí)行和正確執(zhí)行的分類精度提升很大,這個(gè)方法就屬于可疑方法,可能與錯(cuò)誤相關(guān)?;谶@個(gè)原理,在方法的返回處訓(xùn)練一個(gè)分類器,檢測(cè)分類精度。分類步驟主要分為3步:(1)從調(diào)用圖集合中提取特征;(2)使用特征訓(xùn)練SVM分類器;(3)對(duì)調(diào)用圖進(jìn)行分類。

    為了在調(diào)用圖分類中使用SVM,把所有調(diào)用圖轉(zhuǎn)化為特征向量,一般以頻繁邊或封閉子圖作為特征,每個(gè)調(diào)用圖作為特征向量。向量有0、1這兩個(gè)值,如果一個(gè)調(diào)用圖包含某個(gè)特征,那么該位的值為1,否則為0。

    Liu等人[10]提出了利用SVM分類的方法,以封閉子圖為特征,對(duì)所有執(zhí)行進(jìn)行分類,當(dāng)獲得越來越多的執(zhí)行信息時(shí),分類的精度不會(huì)減小,特別當(dāng)執(zhí)行包含錯(cuò)誤的程序后,分類的精度會(huì)提升。如圖3所示。

    程序中方法A、B、C按照順序執(zhí)行,方法B中包含錯(cuò)誤,在方法A的返回處訓(xùn)練分類器A,對(duì)正確執(zhí)行和失敗執(zhí)行進(jìn)行分類,此時(shí)分類精度不會(huì)有大的變化。在方法B的返回處訓(xùn)練分類器B,對(duì)正確執(zhí)行和失敗執(zhí)行進(jìn)行分類,因?yàn)閳?zhí)行了包含錯(cuò)誤的方法B,所以分類器B分類的精度比分類器A得到的精度高,因?yàn)榉诸惥忍嵘?,所以錯(cuò)誤更加可能在方法B中。

    Fig.3 Classification principle圖3 分類原理

    因此,對(duì)程序中的所有方法,在方法的入口和出口設(shè)置監(jiān)測(cè)點(diǎn),利用上文提出的分類方法在每個(gè)監(jiān)測(cè)點(diǎn)訓(xùn)練分類器,記錄每個(gè)監(jiān)測(cè)點(diǎn)的分類精度。當(dāng)某個(gè)方法使得精度明顯提升時(shí),將這個(gè)方法加入錯(cuò)誤相關(guān)方法的集合,把整個(gè)集合提供給開發(fā)人員進(jìn)行錯(cuò)誤定位和修復(fù)。本文以頻繁邊為特征建立支持向量機(jī),對(duì)所有執(zhí)行分類獲取精度對(duì)其分析,從而進(jìn)行錯(cuò)誤定位。

    5 實(shí)驗(yàn)

    5.1 實(shí)驗(yàn)建立

    本文采用NanoXML數(shù)據(jù)集作為測(cè)試數(shù)據(jù),NanoXML是一個(gè)包括7646行代碼的XML文件解析器,包括V0至V5共6個(gè)不同的版本,實(shí)驗(yàn)使用V5版本。同時(shí)在該版本中每次植入一個(gè)錯(cuò)誤,這些錯(cuò)誤由software-artifact infrastructure repository(SIR)提供,本文從總共9個(gè)錯(cuò)誤中選擇4個(gè)不同類型與實(shí)際貼切的錯(cuò)誤植入,如表2所示。

    為了驗(yàn)證本文方法的有效性,以將封閉子圖作為特征分類后的結(jié)果作為實(shí)驗(yàn)對(duì)比對(duì)象。NanoXML包含了141個(gè)測(cè)試用例,由于相似的輸入可能會(huì)得出相同的程序調(diào)用圖,為了保證分類效果,本文去除了圖集合中重復(fù)的程序調(diào)用圖,對(duì)刪去重復(fù)調(diào)用圖的圖集合進(jìn)行圖挖掘獲取封閉子圖。

    實(shí)驗(yàn)使用LibSVM[17]進(jìn)行分類,由于其具有簡(jiǎn)單易使用,且快速高效的特點(diǎn),廣泛用于解決通用的分類問題。在進(jìn)行分類時(shí),實(shí)驗(yàn)選擇使用頻繁邊和封閉子圖作為特征,然后訓(xùn)練支持向量機(jī)進(jìn)行分類,最終得到各個(gè)方法的精度。實(shí)驗(yàn)的運(yùn)行環(huán)境是CPU Intel?Duo 2-Core 2.94 GHz;內(nèi)存 2 GB;Windows 732位操作系統(tǒng)。

    Table 2 Description of implanted faults表2 植入錯(cuò)誤說明

    Fig.4 Classification accuracy comparison of single fault圖4 單個(gè)錯(cuò)誤分類精度比較

    5.2 評(píng)價(jià)標(biāo)準(zhǔn)

    實(shí)驗(yàn)采用查準(zhǔn)率(Precision)和查全率(Recall)評(píng)價(jià)將頻繁邊與封閉子圖作為特征,訓(xùn)練支持向量機(jī)進(jìn)行分類的結(jié)果。Recall表示被正確分類的錯(cuò)誤執(zhí)行的比率,Precision表示被分類的錯(cuò)誤執(zhí)行是真正的錯(cuò)誤執(zhí)行的比率。查全率越高,遺漏不正確執(zhí)行的概率越低,查準(zhǔn)率越高,正確率就越高。高查全率和高查準(zhǔn)率表示該分類特征區(qū)分正確執(zhí)行和錯(cuò)誤執(zhí)行的能力越強(qiáng)。

    本文使用頻繁邊作為特征訓(xùn)練支持向量機(jī)進(jìn)行分類,與已有的使用封閉子圖作為特征訓(xùn)練支持向量機(jī)進(jìn)行分類的方法進(jìn)行對(duì)比。實(shí)驗(yàn)設(shè)置進(jìn)行5次交叉驗(yàn)證,并用折線圖將每個(gè)方法的分類結(jié)果表示出來。在折線圖中,某個(gè)方法的查全率和查準(zhǔn)率越高,越趨于右上方,分類效果越好。

    5.3 實(shí)驗(yàn)結(jié)果分析

    圖4給出了f1、f2和f4使用本文方法將頻繁邊作為特征和已有方法將封閉子圖作為特征的分類結(jié)果折線圖。對(duì)于f1,大多數(shù)方法使用頻繁邊作為特征分類后的精度與使用封閉子圖作為特征分類的精度相同,甚至提高了精度,查全率和查準(zhǔn)率都有提升。對(duì)于f2,使用兩種特征取得的結(jié)果相似,只有單個(gè)方法的精度變高,其他相同。f2與f3的結(jié)果相似,使用頻繁邊與封閉子圖作為特征取得了相同的結(jié)果,只有單個(gè)方法的精度改變。對(duì)于f4,大多數(shù)方法使用頻繁邊作為特征分類后的精度都有提升或不變。

    圖4表明了與已有的使用封閉子圖作為特征分類的方法相比,使用頻繁邊作為特征進(jìn)行分類取得效果多數(shù)情況下都優(yōu)于使用封閉子圖作為特征分類,而且查全率和查準(zhǔn)率都有提升,這表明使用頻繁邊作為特征比封閉子圖更能提高分類質(zhì)量,提升精度。

    運(yùn)行時(shí)間消耗主要是封閉子圖挖掘和訓(xùn)練SVM。提取頻繁邊和封閉子圖作為特征需要對(duì)圖集合進(jìn)行封閉子圖挖掘,本文使用的圖挖掘算法總時(shí)間復(fù)雜度為O(2n×2n)。由于頻繁邊從封閉子圖中提取,因此本文方法與已有方法進(jìn)行圖挖掘時(shí)間消耗相同。SVM時(shí)間復(fù)雜度與訓(xùn)練樣本和向量維數(shù)有關(guān)。在訓(xùn)練時(shí)間上,使用頻繁邊作為特征的向量維數(shù)比封閉子圖特征多,因此訓(xùn)練時(shí)間略多于已有方法,但本文方法與已有方法訓(xùn)練時(shí)間消耗均在0.1 s內(nèi)。

    分類完成后利用上文提出的方法進(jìn)行錯(cuò)誤定位,以f2為例,以一張表記錄所有方法出口與入口的分類精度,如表3所示。

    Table 3 f2method classification accuracy表3 f2方法分類精度

    從表3中可以看出main方法、processSpecialTag方法和processCDATA方法的分類精度明顯提高,依此認(rèn)為是可疑方法,最終將這些可疑方法提交開發(fā)人員進(jìn)行錯(cuò)誤定位和修復(fù)。由于main是程序的入口,main方法進(jìn)行分類時(shí)包含了所有的執(zhí)行信息,因此main方法始終與錯(cuò)誤相關(guān)。源程序執(zhí)行時(shí)所有失敗執(zhí)行都執(zhí)行了processCDATA方法。源程序執(zhí)行完processCDATA方法后執(zhí)行checkLiteral方法,checkLiteral方法的精度會(huì)降低說明分類包含了正確的執(zhí)行,由于這些方法在程序中有一定的執(zhí)行順序,因此能夠提供上下文信息,更加利于開發(fā)人員找到錯(cuò)誤所在并修復(fù)。

    5.4 討論

    雖然實(shí)驗(yàn)結(jié)果表明本文方法在以上4種錯(cuò)誤中均取得了較好的結(jié)果,但是不能表明本文方法對(duì)所有程序錯(cuò)誤都有效。本文方法利用圖挖掘和支持向量機(jī)以頻繁邊為特征對(duì)所有執(zhí)行分類,最終得到可疑方法集合幫助開發(fā)人員判斷錯(cuò)誤位置,給出了上下文信息。然而本文只是提供了可疑方法集合,不能很快定位錯(cuò)誤位置,仍然需要開發(fā)人員花費(fèi)精力查看源代碼判斷錯(cuò)誤位置對(duì)其修復(fù)。本文方法涉及程序插樁,仍需要人工參與。

    6 結(jié)束語(yǔ)

    本文結(jié)合數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù),改進(jìn)了基于圖挖掘和支持向量機(jī)的軟件錯(cuò)誤定位方法,以對(duì)程序方法調(diào)用圖分類的方式進(jìn)行故障定位,通過實(shí)驗(yàn)表明了本文方法的有效性。

    未來如何將該方法運(yùn)用到更大型的程序上,如何與其他軟件錯(cuò)誤定位方法結(jié)合以及如何在不同粒度上實(shí)現(xiàn)本文方法都值得進(jìn)一步研究。

    猜你喜歡
    子圖約簡(jiǎn)調(diào)用
    核電項(xiàng)目物項(xiàng)調(diào)用管理的應(yīng)用研究
    基于二進(jìn)制鏈表的粗糙集屬性約簡(jiǎn)
    臨界完全圖Ramsey數(shù)
    LabWindows/CVI下基于ActiveX技術(shù)的Excel調(diào)用
    實(shí)值多變量維數(shù)約簡(jiǎn):綜述
    基于模糊貼近度的屬性約簡(jiǎn)
    基于系統(tǒng)調(diào)用的惡意軟件檢測(cè)技術(shù)研究
    基于頻繁子圖挖掘的數(shù)據(jù)服務(wù)Mashup推薦
    不含2K1+K2和C4作為導(dǎo)出子圖的圖的色數(shù)
    一種改進(jìn)的分布約簡(jiǎn)與最大分布約簡(jiǎn)求法
    河南科技(2014年7期)2014-02-27 14:11:29
    日韩视频在线欧美| 国产又爽黄色视频| 亚洲久久久国产精品| 久久中文字幕一级| 又大又黄又爽视频免费| 男女国产视频网站| 成年人午夜在线观看视频| 91字幕亚洲| 宅男免费午夜| 亚洲人成电影观看| 校园人妻丝袜中文字幕| 国产视频首页在线观看| 国产精品三级大全| 久久这里只有精品19| 欧美日韩亚洲综合一区二区三区_| 国产在线一区二区三区精| 亚洲专区中文字幕在线| 中文字幕制服av| 大片电影免费在线观看免费| 别揉我奶头~嗯~啊~动态视频 | 精品久久久精品久久久| 亚洲久久久国产精品| 大话2 男鬼变身卡| 美女中出高潮动态图| 精品亚洲成国产av| 久久久久久久国产电影| 亚洲av片天天在线观看| 后天国语完整版免费观看| 五月开心婷婷网| 在线亚洲精品国产二区图片欧美| 老司机在亚洲福利影院| 啦啦啦视频在线资源免费观看| 啦啦啦中文免费视频观看日本| 成人影院久久| 国产精品偷伦视频观看了| 久久久亚洲精品成人影院| 亚洲国产看品久久| 女人高潮潮喷娇喘18禁视频| 最近手机中文字幕大全| 婷婷色麻豆天堂久久| 国产高清不卡午夜福利| 国产国语露脸激情在线看| 一级毛片女人18水好多 | 国产精品国产av在线观看| 永久免费av网站大全| 少妇的丰满在线观看| 国语对白做爰xxxⅹ性视频网站| 亚洲精品一区蜜桃| 亚洲欧美精品自产自拍| 久久久精品94久久精品| 一级黄色大片毛片| 热99久久久久精品小说推荐| 欧美日韩视频精品一区| 热re99久久国产66热| 天天躁夜夜躁狠狠躁躁| 久久人妻福利社区极品人妻图片 | 成人午夜精彩视频在线观看| 在线观看免费日韩欧美大片| 久久青草综合色| 久久久久久人人人人人| 日韩,欧美,国产一区二区三区| 两性夫妻黄色片| 黄色a级毛片大全视频| 热re99久久精品国产66热6| 国产91精品成人一区二区三区 | 国产福利在线免费观看视频| 久久久久精品国产欧美久久久 | 乱人伦中国视频| 国产精品.久久久| 欧美日韩福利视频一区二区| av电影中文网址| 免费黄频网站在线观看国产| 男女下面插进去视频免费观看| 色综合欧美亚洲国产小说| 日本欧美国产在线视频| 久久亚洲国产成人精品v| 汤姆久久久久久久影院中文字幕| 一区二区三区四区激情视频| 亚洲伊人色综图| 大陆偷拍与自拍| 国产一区二区在线观看av| 99九九在线精品视频| 久久久国产欧美日韩av| 男女边摸边吃奶| 国产高清videossex| 又紧又爽又黄一区二区| 精品人妻熟女毛片av久久网站| 中文字幕人妻熟女乱码| 高清欧美精品videossex| tube8黄色片| 成年美女黄网站色视频大全免费| 国产精品 欧美亚洲| 一二三四在线观看免费中文在| 国产一卡二卡三卡精品| 精品国产乱码久久久久久小说| 精品少妇内射三级| 精品亚洲成a人片在线观看| 男女之事视频高清在线观看 | 亚洲精品一卡2卡三卡4卡5卡 | 日日夜夜操网爽| 日日摸夜夜添夜夜爱| 国产精品一区二区精品视频观看| 国产又爽黄色视频| 日韩精品免费视频一区二区三区| 久久精品熟女亚洲av麻豆精品| 午夜精品国产一区二区电影| 国产爽快片一区二区三区| 婷婷成人精品国产| 午夜福利,免费看| 中文字幕人妻熟女乱码| 免费日韩欧美在线观看| av视频免费观看在线观看| 国产精品 国内视频| 极品人妻少妇av视频| 永久免费av网站大全| 亚洲精品美女久久久久99蜜臀 | 婷婷色麻豆天堂久久| 大型av网站在线播放| 国产成人精品无人区| 国产黄色免费在线视频| 美女脱内裤让男人舔精品视频| 中文字幕另类日韩欧美亚洲嫩草| 伊人亚洲综合成人网| 美女主播在线视频| 国产成人欧美在线观看 | 日本欧美国产在线视频| 久久久久国产精品人妻一区二区| 狂野欧美激情性bbbbbb| 飞空精品影院首页| 国产免费又黄又爽又色| 国产高清不卡午夜福利| 多毛熟女@视频| 欧美成人午夜精品| 黄色视频不卡| 熟女少妇亚洲综合色aaa.| 黄色视频在线播放观看不卡| 国产三级黄色录像| 91麻豆av在线| 亚洲中文字幕日韩| 最近中文字幕2019免费版| av网站在线播放免费| 一本大道久久a久久精品| 成人18禁高潮啪啪吃奶动态图| 国产精品一区二区在线不卡| 精品一区在线观看国产| 国产成人免费无遮挡视频| 国产免费视频播放在线视频| 亚洲 欧美一区二区三区| 99九九在线精品视频| 久热爱精品视频在线9| 纯流量卡能插随身wifi吗| 精品国产一区二区三区四区第35| 考比视频在线观看| 亚洲精品美女久久久久99蜜臀 | 别揉我奶头~嗯~啊~动态视频 | 各种免费的搞黄视频| 大片电影免费在线观看免费| 亚洲色图综合在线观看| 2021少妇久久久久久久久久久| 精品少妇一区二区三区视频日本电影| 老司机在亚洲福利影院| 国产日韩欧美视频二区| 999精品在线视频| 国产一区有黄有色的免费视频| 看免费成人av毛片| 亚洲黑人精品在线| 午夜老司机福利片| 欧美性长视频在线观看| 亚洲人成网站在线观看播放| 99精国产麻豆久久婷婷| 亚洲精品久久久久久婷婷小说| 日韩一本色道免费dvd| 日本色播在线视频| 桃花免费在线播放| 大话2 男鬼变身卡| 久久精品亚洲av国产电影网| 又大又黄又爽视频免费| 婷婷丁香在线五月| 色播在线永久视频| 精品少妇内射三级| 久久精品亚洲熟妇少妇任你| 亚洲国产精品成人久久小说| 一级黄色大片毛片| 亚洲欧美日韩另类电影网站| 老司机靠b影院| 精品国产一区二区三区四区第35| 国产一区二区激情短视频 | 日韩制服丝袜自拍偷拍| tube8黄色片| 深夜精品福利| 男女边摸边吃奶| 国产黄色免费在线视频| 欧美日韩亚洲国产一区二区在线观看 | 视频在线观看一区二区三区| 麻豆av在线久日| 亚洲av成人精品一二三区| 性少妇av在线| 国产人伦9x9x在线观看| 黄片播放在线免费| 免费久久久久久久精品成人欧美视频| 18禁裸乳无遮挡动漫免费视频| 女人精品久久久久毛片| 国产99久久九九免费精品| 久久国产精品人妻蜜桃| 黄色怎么调成土黄色| 免费在线观看视频国产中文字幕亚洲 | 久久久精品区二区三区| 少妇粗大呻吟视频| 精品亚洲成国产av| 中文字幕人妻丝袜一区二区| 国产成人精品在线电影| 中文欧美无线码| 久久精品久久久久久噜噜老黄| 18禁黄网站禁片午夜丰满| 黄片播放在线免费| av国产精品久久久久影院| 黄网站色视频无遮挡免费观看| 国产男女超爽视频在线观看| 校园人妻丝袜中文字幕| 男女无遮挡免费网站观看| 最近最新中文字幕大全免费视频 | 亚洲情色 制服丝袜| 99国产精品99久久久久| 夜夜骑夜夜射夜夜干| 狠狠精品人妻久久久久久综合| 国产亚洲精品第一综合不卡| 亚洲精品美女久久久久99蜜臀 | 精品久久久精品久久久| 午夜精品国产一区二区电影| 亚洲精品美女久久av网站| 99香蕉大伊视频| 亚洲国产欧美在线一区| 99久久99久久久精品蜜桃| 国产高清视频在线播放一区 | 亚洲中文av在线| 如日韩欧美国产精品一区二区三区| 成人18禁高潮啪啪吃奶动态图| 飞空精品影院首页| 欧美亚洲 丝袜 人妻 在线| 一本综合久久免费| 视频区欧美日本亚洲| www.熟女人妻精品国产| 国产免费又黄又爽又色| 女人精品久久久久毛片| 韩国精品一区二区三区| 制服诱惑二区| 麻豆乱淫一区二区| 男女下面插进去视频免费观看| 免费一级毛片在线播放高清视频 | 国产在线观看jvid| 久久这里只有精品19| 黄网站色视频无遮挡免费观看| 国产伦人伦偷精品视频| 男男h啪啪无遮挡| 欧美老熟妇乱子伦牲交| 各种免费的搞黄视频| 国产高清视频在线播放一区 | 久久国产精品人妻蜜桃| 赤兔流量卡办理| 女人精品久久久久毛片| 狠狠精品人妻久久久久久综合| 婷婷色麻豆天堂久久| 高清欧美精品videossex| 在线天堂中文资源库| 国产亚洲午夜精品一区二区久久| tube8黄色片| 又大又黄又爽视频免费| 国产日韩欧美视频二区| 亚洲激情五月婷婷啪啪| 午夜激情av网站| 欧美日韩综合久久久久久| 校园人妻丝袜中文字幕| 免费在线观看完整版高清| 国产一区亚洲一区在线观看| av天堂在线播放| 日本av免费视频播放| 男人爽女人下面视频在线观看| 老司机影院毛片| 多毛熟女@视频| 国产成人欧美| 在线精品无人区一区二区三| 亚洲欧美精品自产自拍| 日韩av不卡免费在线播放| 女人精品久久久久毛片| 老司机影院成人| 精品一区二区三卡| 男女之事视频高清在线观看 | 亚洲精品成人av观看孕妇| 国产一卡二卡三卡精品| 欧美少妇被猛烈插入视频| 亚洲少妇的诱惑av| 日本wwww免费看| 999精品在线视频| 一级,二级,三级黄色视频| 我要看黄色一级片免费的| 看十八女毛片水多多多| 丁香六月欧美| 亚洲精品美女久久av网站| 国产人伦9x9x在线观看| 免费看不卡的av| 婷婷丁香在线五月| 午夜影院在线不卡| 成年女人毛片免费观看观看9 | 国产一区二区三区av在线| 水蜜桃什么品种好| 男的添女的下面高潮视频| 国语对白做爰xxxⅹ性视频网站| 美女高潮到喷水免费观看| 青春草亚洲视频在线观看| 在线观看免费视频网站a站| 欧美黄色淫秽网站| 亚洲专区中文字幕在线| 日本色播在线视频| 丝袜在线中文字幕| 观看av在线不卡| 精品少妇一区二区三区视频日本电影| 纵有疾风起免费观看全集完整版| 夜夜骑夜夜射夜夜干| 人人妻人人澡人人爽人人夜夜| 校园人妻丝袜中文字幕| 亚洲第一青青草原| 精品第一国产精品| 亚洲av美国av| 日韩av免费高清视频| 欧美成人午夜精品| 91精品三级在线观看| 两性夫妻黄色片| 看免费av毛片| 精品福利观看| 亚洲欧美色中文字幕在线| 最近最新中文字幕大全免费视频 | 美女午夜性视频免费| 国产精品久久久久久人妻精品电影 | 国产欧美日韩一区二区三区在线| 日韩大码丰满熟妇| 久久久久国产精品人妻一区二区| 又大又爽又粗| 亚洲欧美激情在线| 日韩大码丰满熟妇| 激情视频va一区二区三区| 亚洲激情五月婷婷啪啪| 国产精品免费视频内射| 母亲3免费完整高清在线观看| 亚洲自偷自拍图片 自拍| 亚洲av电影在线进入| 男男h啪啪无遮挡| 国产亚洲欧美在线一区二区| 亚洲国产欧美网| 女人久久www免费人成看片| 午夜免费鲁丝| 亚洲精品美女久久久久99蜜臀 | 国产熟女欧美一区二区| 亚洲成人手机| 人体艺术视频欧美日本| 老司机深夜福利视频在线观看 | 久久久久国产一级毛片高清牌| 精品人妻一区二区三区麻豆| 国产精品亚洲av一区麻豆| 国产亚洲精品第一综合不卡| 在线观看免费午夜福利视频| 久久人人97超碰香蕉20202| 操出白浆在线播放| 乱人伦中国视频| 久久这里只有精品19| www.自偷自拍.com| 岛国毛片在线播放| 色婷婷av一区二区三区视频| 2021少妇久久久久久久久久久| 免费观看av网站的网址| 欧美国产精品va在线观看不卡| 啦啦啦 在线观看视频| 日日夜夜操网爽| 欧美激情极品国产一区二区三区| 精品少妇内射三级| 夫妻性生交免费视频一级片| 又黄又粗又硬又大视频| 欧美在线一区亚洲| 99热全是精品| 一区在线观看完整版| 欧美亚洲日本最大视频资源| 日韩伦理黄色片| 亚洲专区中文字幕在线| 两人在一起打扑克的视频| 国产日韩欧美亚洲二区| 国产国语露脸激情在线看| 亚洲精品国产av蜜桃| 中文字幕人妻熟女乱码| 国产在线一区二区三区精| 久久久精品国产亚洲av高清涩受| 午夜福利视频在线观看免费| 可以免费在线观看a视频的电影网站| 天天躁狠狠躁夜夜躁狠狠躁| 午夜激情久久久久久久| 亚洲人成网站在线观看播放| 精品一区二区三区av网在线观看 | 国产精品久久久久久精品电影小说| av网站免费在线观看视频| a 毛片基地| 1024视频免费在线观看| 久久久精品区二区三区| 日韩伦理黄色片| av线在线观看网站| 精品久久蜜臀av无| 国产精品久久久人人做人人爽| 一级片'在线观看视频| 久久精品国产a三级三级三级| 日韩大码丰满熟妇| 2018国产大陆天天弄谢| 1024视频免费在线观看| 高潮久久久久久久久久久不卡| 亚洲成人免费电影在线观看 | 中文精品一卡2卡3卡4更新| 十八禁高潮呻吟视频| 青草久久国产| 女人爽到高潮嗷嗷叫在线视频| 看免费成人av毛片| 国产高清videossex| 日韩 欧美 亚洲 中文字幕| 在线观看免费午夜福利视频| 国产精品99久久99久久久不卡| 十八禁网站网址无遮挡| 青春草亚洲视频在线观看| 免费黄频网站在线观看国产| 日本vs欧美在线观看视频| 老汉色∧v一级毛片| 国产黄色免费在线视频| 国产在视频线精品| 捣出白浆h1v1| 久久ye,这里只有精品| 侵犯人妻中文字幕一二三四区| 亚洲一区中文字幕在线| 亚洲成人国产一区在线观看 | 中文字幕av电影在线播放| 日韩 欧美 亚洲 中文字幕| 美女主播在线视频| 在现免费观看毛片| 尾随美女入室| e午夜精品久久久久久久| 国产成人欧美| 在线看a的网站| 制服人妻中文乱码| 天天躁狠狠躁夜夜躁狠狠躁| 婷婷色综合大香蕉| 曰老女人黄片| 亚洲精品美女久久av网站| 2018国产大陆天天弄谢| 亚洲 国产 在线| 永久免费av网站大全| 精品国产国语对白av| 国产91精品成人一区二区三区 | 午夜福利一区二区在线看| 中文乱码字字幕精品一区二区三区| 高清视频免费观看一区二区| 国产免费视频播放在线视频| 亚洲欧美精品自产自拍| 欧美成人午夜精品| 视频区图区小说| 国产精品久久久av美女十八| 国产视频首页在线观看| 亚洲国产日韩一区二区| 天天躁日日躁夜夜躁夜夜| 高清黄色对白视频在线免费看| 一级a爱视频在线免费观看| 在线观看免费日韩欧美大片| 久久精品国产a三级三级三级| 大码成人一级视频| 久久天堂一区二区三区四区| 日日摸夜夜添夜夜爱| 国产精品av久久久久免费| www日本在线高清视频| 国产精品 国内视频| 欧美亚洲日本最大视频资源| 人人妻人人澡人人看| 一个人免费看片子| 欧美大码av| 啦啦啦 在线观看视频| 夜夜骑夜夜射夜夜干| 1024视频免费在线观看| 18禁观看日本| 国产亚洲欧美精品永久| 亚洲男人天堂网一区| 大片免费播放器 马上看| 亚洲欧美精品自产自拍| 热re99久久精品国产66热6| 视频区图区小说| 国产真人三级小视频在线观看| 亚洲av电影在线观看一区二区三区| 女性生殖器流出的白浆| 手机成人av网站| 欧美日韩视频精品一区| 男女午夜视频在线观看| 夫妻午夜视频| www.av在线官网国产| 亚洲自偷自拍图片 自拍| 这个男人来自地球电影免费观看| 日韩制服丝袜自拍偷拍| 多毛熟女@视频| 19禁男女啪啪无遮挡网站| 亚洲国产最新在线播放| 视频在线观看一区二区三区| 午夜精品国产一区二区电影| 久久久国产一区二区| 99国产精品免费福利视频| 亚洲欧美一区二区三区久久| 天天躁夜夜躁狠狠久久av| 国产高清视频在线播放一区 | 在线 av 中文字幕| 两性夫妻黄色片| 在线观看人妻少妇| 两个人看的免费小视频| 欧美激情高清一区二区三区| 亚洲欧美激情在线| e午夜精品久久久久久久| 国产又色又爽无遮挡免| 大片免费播放器 马上看| 老鸭窝网址在线观看| 老司机靠b影院| 久久久久国产一级毛片高清牌| 亚洲男人天堂网一区| 国产在视频线精品| 国产黄频视频在线观看| tube8黄色片| 国产精品一区二区免费欧美 | 国产成人欧美在线观看 | 一本综合久久免费| 大香蕉久久成人网| 国产日韩欧美亚洲二区| 久久国产精品人妻蜜桃| 一级毛片黄色毛片免费观看视频| 亚洲熟女毛片儿| 操美女的视频在线观看| 亚洲第一青青草原| 无限看片的www在线观看| 青草久久国产| 在线观看一区二区三区激情| 精品一区二区三区av网在线观看 | 国产真人三级小视频在线观看| 色视频在线一区二区三区| 成年美女黄网站色视频大全免费| 亚洲精品在线美女| 亚洲国产欧美在线一区| 黄色视频不卡| 国产精品久久久久久精品电影小说| 最黄视频免费看| 精品一区二区三卡| 黄色毛片三级朝国网站| 男的添女的下面高潮视频| 伊人久久大香线蕉亚洲五| 夫妻午夜视频| 久久国产精品大桥未久av| 日韩一区二区三区影片| 18禁裸乳无遮挡动漫免费视频| 亚洲av美国av| 欧美国产精品va在线观看不卡| 日本午夜av视频| av欧美777| 亚洲成人手机| 欧美日韩成人在线一区二区| 午夜福利视频在线观看免费| 日本av手机在线免费观看| 肉色欧美久久久久久久蜜桃| 丝袜在线中文字幕| 亚洲国产中文字幕在线视频| 色94色欧美一区二区| 国产视频一区二区在线看| 国产成人免费观看mmmm| 欧美黄色片欧美黄色片| 女性被躁到高潮视频| 99热国产这里只有精品6| 赤兔流量卡办理| 人妻人人澡人人爽人人| 国产一区二区三区av在线| 国产xxxxx性猛交| 久久国产亚洲av麻豆专区| 天天躁夜夜躁狠狠久久av| 国产在线一区二区三区精| 中国国产av一级| 精品免费久久久久久久清纯 | 久久 成人 亚洲| 美女大奶头黄色视频| 97在线人人人人妻| 黄片播放在线免费| 色94色欧美一区二区| 中文字幕精品免费在线观看视频| 亚洲av日韩在线播放| 丝袜脚勾引网站| 视频在线观看一区二区三区| 亚洲欧美精品综合一区二区三区| 亚洲精品久久久久久婷婷小说| 午夜精品国产一区二区电影| 一本色道久久久久久精品综合| 涩涩av久久男人的天堂| 亚洲成国产人片在线观看| h视频一区二区三区| 久久ye,这里只有精品| 人妻一区二区av| 亚洲中文日韩欧美视频| 国产精品av久久久久免费| 手机成人av网站| 青草久久国产| 丝瓜视频免费看黄片| 精品欧美一区二区三区在线| 少妇被粗大的猛进出69影院| 人人妻人人添人人爽欧美一区卜| 日韩熟女老妇一区二区性免费视频| av电影中文网址| 日韩人妻精品一区2区三区| 精品国产超薄肉色丝袜足j| 精品国产一区二区久久| 男人添女人高潮全过程视频| 久久午夜综合久久蜜桃| 性高湖久久久久久久久免费观看| 人妻人人澡人人爽人人| 天天躁夜夜躁狠狠久久av| 丝袜在线中文字幕|