能提高错误检测能力的回归测试用例集约简

软件测试过程中,测试用例集的规模可能会随着软件的维护和修改而飞速地增长,使得回归测试费用大幅度增加.为降低回归测试成本,需对回归测试用例集进行约简.现有的测试用例集约简方法不仅缩小了测试用例集的规模,同时也可能削弱了错误检测能力.本文提出了一种新的约简方法,该方法在约简回归测试用例集的时候综合考虑测试用例的测试覆盖度、测试运行代价和错误检测能力3个因素.通过仿真实验表明该方法在有效约简回归测试用例集的同时能保证约简后的测试用例集的错误检测能力.     

基于簇间连接的元聚类集成算法

聚类集成已经成为数据挖掘和机器学习中的热门研究课题,尽管近年来取得了重大进展,但目前聚类集成的研究仍存在两个具有挑战性的问题.首先,大部分集成算法倾向于在对象的层面研究相似度,缺乏发掘簇层面信息的能力;其次,目前许多集成算法仅仅关注簇内对象的直接共现,忽略了簇与簇之间的关系.针对这两个问题,提出一种基于簇间连接的元聚类集成算法,首先根据Jaccard相似度构造一个簇相似度矩阵,然后利用连接三元组细化这个相似度矩阵,最后通过图划分和成员分配得到最后的结果 .理论分析和实验测试表明,提出的算法不仅能产生较好的聚类结果,而且受聚类集成规模的影响较小.     

基于贪婪算法的回归测试用例集生成方法

在贪婪算法的基础上,通过测试需求的辅助,提出一种算法.此算法删除了地位低的测试需求,并且不断缩减测试用例的选择范围,以提高算法的效率.     

基于万有引力的簇间距离表示法

分析了几种现有聚类算法中簇间距离表示法的优缺点,并在此基础上提出了一种基于万有引力模型的簇间距离计算方法。该方法模仿物理学中力的合成原理,是对把各质点间引力数值直接相加的重要改进。理论分析及数据计算的结果都表明,该方法比引力直接相加有更广的适应性。     

基于混合类测试模型的面向对象程序测试用例生成研究

提出了一种混合类测试模型,能在基于状态的测试中提供有效数据流分析。该模型不仅包含了当前测试类的状态转换信息,且包含了从其执行代码所得到的数据成员的定义及使用信息。基于新测试模型所生成的测试用例主要克服了基于状态的测试不能检测与状态无关数据成员的缺陷,且保证了定义一使用路径的可执行性,能较好地缓解以往数据流测试开销大、效率低的问题。     

形式化方法自动生成测试用例的算法研究

本文提出了一种从形式规格说明中利用等价类划分的方法自动生成软件测试用例的算法,给出了算法步骤.算法设计,并进行了算法分析。最后指出了下一步工作的重点所在。     

类簇级测试任务并行化研究

为了提高传统串行类簇级测试速度, 对类簇测试任务并行化方法进行研究。使用类间依赖关系和类测试依赖关系分析方法将类簇级测试任务并行化问题转化为求解对象关系图中节点的并行性。复杂的类簇关系会形成有向环路, 为确定环路中测试的起始位置需要将环路打破, 提出了综合考虑节点度数、环路数和测试桩复杂度3 种因素的破环方法; 对消除环路的对象关系图进行并行性分析, 并设计了一种分层并行算法。通过实验对串行方案和分层并行方案进行对比, 证明了分层并行方案的有效性。     

基于轨迹间时空关联性的数据聚类算法

针对现有轨迹聚类算法中对轨迹之间的时空关联性考虑不足以及全局唯一距离阈值带来的算法的时空复杂度高以及聚类精度低的问题,提出了一种基于轨迹间时空关联性的数据聚类算法(The Data Clustering Algorithm Based on Spatio-temporal Correlation between Tra...     

基于最小集合覆盖求解方法的测试向量集约简

TetraMAX ATPG作为业界性能较优的自动测试向量生成工具,能够使用较短时间产生高故障覆盖率的测试向量集.本文通过对TetraMAX ATPG产生的初始测试向量集进行建模,提出了基于最小集合覆盖求解方法的最小完备测试集生成方法,利用这一算法可以在保证测试向量集故障覆盖率不变的基础上有效地缩减测试集规模,从而降低电路测试成本.实验结果表明该方法对于固定故障类型和静态电路故障类型均具有良好的约简效果.     

基于可信度的簇间多跳LEACH算法

通过分析低功耗自适应集簇分层型协议(LEACH)和基于可信度的低功耗自适应集簇分层型协议(TE-LEACH)算法的不足,提出一种基于可信度的簇间多跳低功耗自适应集簇分层型协议(TEM-LEACH)算法.该算法既考虑簇头节点传输数据的可信度,又引入网关节点构建路由主干网,保证数据经过最少的跳数传输到基站,有效地延长无线传感器网络生存时间,增加了LEACH算法的适用范围.     

基于可信基因的网格测试分级约简研究

作为保证网格服务质量的重要技术手段,网格测试已成为网格研究的热点内容之一．而软件测试的核心与关键则是测试用例的生成问题,测试用例的数量和质量将直接决定软件测试的成本和有效性．就目前而言,随着覆盖程度的提高,所需使用的测试用例数量也在呈指数级增长,且冗余随之而来．因此,若进行完全测试,势必工作量很大,但若只按一般组合设计测试用例,则又会存在因测试次数太少而牺牲相应检错能力的问题．为此,提出了基于可信基因的网格测试约简方案,并通过实践验证了所得到的测试集不仅规模较小、保持了极佳的检错能力,而且与传统算法相比较时空间复杂度有所下降．     

容错粗糙主成分分析的属性约简方法

在分析大肠早癌荧光数据属性约简方法的基础上,提出一种基于容错关系信息熵的粗糙主成分属性约简方法.该方法首先针对数据的不完整特性,建立容错关系粗糙集模型.然后,引入随信息量减小而单调下降的信息熵,建立基于信息熵的容错关系粗糙集模型,并进行初步数据属性处理.最后,结合主成分分析方法,形成基于容错关系信息熵的粗糙主成分分析方法,在进行数据降维处理的同时提取数据特征.以大肠早癌荧光光谱为实验数据的分析处理结果表明,该方法可以有效地降低荧光光谱数据的处理维数,提取影响医疗诊断的特征数据,减少后续数据处理的复杂度.     

基于事件-状态关联关系的GUI测试评判信息生成

GUI研究中关于测试评判信息的生成均依靠测试人员手工完成,这将严重影响整个测试效率和开销.通过详细分析GUI系统中事件与系统状态的关联关系,定义了事件-状态关联关系的形式化描述,提出了根据该关联关系自动生成与测试用例相匹配的测试评判信息的算法.实验表明,基于事件-状态关联关系的GUI测试评判信息生成方法具有可用性,并能有效解决GUI测试评判信息生成过程中开销过大的问题.     

基于对象模式关系图的测试顺序生成方法

类的测试顺序对于面向对象的集成测试有着重要的作用．在基于对象关系图（ORD）的测试顺序生成方法上,改进了对象关系图,结合设计模式提出了对象模式关系图（OMRD）,并在对象模式关系图的基础上提出了基于对象模式关系图的测试顺序生成方法．基于对象模式关系图的测试顺序生成方法能在一定程度上解决基于对象关系图的测试顺序生成方法所存在的不足．     

基于关系积的属性约简算法

粗糙集的属性约简是一个NP难问题,目前尚无高效的算法.基于集合理论,提出了关系积概念和基于关系积的属性约简算法,把决策表的属性约简过程转化为关系积的运算,减小了对决策表的扫描次数,提高了属性约简的效率;算法采用自底向上和宽度优先的搜索策略,可确保找到最小属性约简集.结合实例,给出了算法的具体实现.     

基于粗糙集理论的试卷质量评价分析

将粗糙集理论应用于试卷质量评价分析中, 通过对试卷质量评价指标、试题重要性和试题冗余信息的分析, 应用粗糙集的属性约简及属性重要性等概念, 给出了独立指标的权重计算方法, 建立了基于粗糙集理论的试卷质量综合评价分析模型, 为提高教学质量管理提供参考.     

一种基于互信息的粗糙集知识约简算法

针对粗糙集理论核心内容之一的知识约简问题,该文提出了一种改进的互信息的属性约简算法。该算法结合信息论中信息熵与互信息的概念定义了粗糙集里的一种新的属性重要度,并以此属性重要度为启发式信息进行属性约简。实验分析表明:在大多数情况下,该种算法都能够得到决策表的最小约简。     

基于正交试验法的厢式货车气动减阻优化

为了优化某厢式货车的气动阻力系数,设计了驾驶室前部仿生减阻结构、顶部和侧部涡流发生器、底部涡流发生器等3种气动减阻装置。研究了3种单一气动减阻装置主要相关参数对气动阻力的影响,分别从货车外流场的速度轨迹、压力分布和湍动能分布等3方面详细分析了各单一气动减阻装置的减阻效果。在此基础上采用正交试验法对3种气动减阻装置的主要参数进行优化,获得最优减阻货车模型。研究表明:驾驶室前部突出部分的长度对货车整车气动阻力系数的影响比倾角更大;最优货车头部形状的倾角和长度分别为135°和300 mm,该模型的气动阻力系数为0.721 4,相对于货车原始模型的减阻率为8.93%;涡流发生器的高度和位置对货车的减阻效果均有较大的影响;涡流发生器可以增加货车尾部分离区流场的能量,使得尾涡区减小,气动压差阻力减小;3种气动减阻装置对货车气动阻力系数的影响大小依次为:底部涡流发生器、货车前部仿生减阻结构、顶部和侧部涡流发生器,其最优厢式货车模型的空气阻力系数为0.683 3,其复合减阻装置的最佳减阻率为13.8%。     

不完备信息系统的增量式约简算法

针对经典粗糙集模型在处理不完备、动态数据方面的不足,通过分析容差关系模型,引入先验概率在知识估计中的方法,给出了一种基于区分矩阵的增量式属性约简算法.以属性重要度为启发信息,对区分矩阵的构造过程进行改进,仅需简单的矩阵运算就可以得到约简结果.最后通过示例分析处理增量式数据的算法复杂度有效,算法正确可行.