Close 态---缺陷关闭状态，软件测试员确认缺陷被改正，将缺陷关闭;
Cancel 态---缺陷删除状态，软件测试员确认不是缺陷，将缺陷置为删除状态
Defer 态---缺陷延期状态， 管理者确认缺陷需要延期修改或追踪， 将缺陷置为延期状态;
上述 Open 态、Working 态、Verify 态，称为缺陷的活动态;
Close 态、Cancel 态、Defer 态，称为缺陷的终结态。
七、项目最重要的特性
我提一点，根据客户的水平采用不同的过程模型。
例如：
1、客户如果有一定的项目经验，对计算机比较了解，能给出比较明确的需求，可以采用瀑布模型。
2、客户如果对计算机不是太了解，但有过类似项目的经验，并且能积极的给出需求。需求基本正确，可以采用演化式原型开发方法。
3、如果客户对计算机能为他做什么没有概念的话。这时就比较适合用废弃式原形开发方法。
4、如果客户的主要需求基本稳定，但需求的增长速度和变动频率都比较高，这时就应该用螺旋模型做开发过程模型。
八、HMM
隐马尔科夫模型(hidden Markov model,缩写为 HMM)的提出最初是在语音处理领域。HMM 是在 Markov 链的基础上发展起来的一种统计模型。由于实际问题比 Markov 链模型所描述的更为复杂， 因此在 HMM 中观察到的事件与状态并不是一一对应， 而是与每个状态的一组概率分布相联系。它是一个双重随机过程，其中之一是 Markov 链，描述状态的转移;另一个描述每个状态和观察值之间的统计对应关系。这样，HMM 以概率模型描述观察值序列，具有很好的数学结构，能够比较完整地表达观察值序列的特征。
评估问题：对于给定模型，求某个观察值序列的概率 p(σ|λ) ;
解码问题：对于给定模型和观察值序列，求可能性最大的状态序列;
学习问题：对于给定的一个观察值序列，调整参数λ，使得观察值出现的概率 p(σ|λ)最大。
HMM 的状态是不确定或不可见的，只有通过观测序列的随机过程才能表现出来;
观察到的事件与状态并不是一一对应，而是通过一组概率分布相联系;HMM 是一个双重随
机过程。
九、两个有序数组求交集的 C 实现
#include
#include
const int M = 5;
const int N = 6;
void intersect(int a[], int b[]) {
if ((a[M - 1] < b[0]) || (a[0] > b[N - 1]))
return;
int n = M > N ? M: N;
int *p = new int[n];
memset(p, 0, n);
int i = 0;
int j = 0;
int k = 0;
while (i < M )