支持测试预言生成的代码测试系统实用化研究

发布时间：2020-07-26 20:56

【摘要】：单元测试是软件测试的基础,可以在软件开发的前期发现很多故障,且修改故障的成本也较低。单元测试的自动化能够以较低的成本实现软件质量的大幅提高。测试预言是单元测试不可或缺的环节,同时也是软件测试研究的薄弱环节。测试预言是一种判断待测程序在给定测试输入下的执行结果是否符合预期的机制。测试预言的自动化不仅能有效的减轻测试人员的负担,而且能为不间断的持续测试提供有力支持。在代码测试系统(CodeTestSystem,CTS)的实际应用中,测试结果评判模块使用的是人工测试预言。此种方式在效率、准确度方面具有明显的不足。此外,代码测试系统之前使用小程序对各模块进行过有效性实验,但还未使用实际大工程进行实用性实验。本文的工作主要分为两方面,一方面对代码测试系统进行实用化研究;另一方面对测试预言部分自动化的生成技术进行研究。围绕上述两方面进行了以下工作:1.提出了一种基于神经网络的测试预言生成方式。该方式通过选用适当的神经网络类型,使用正确的历史数据训练神经网络,得到预言信息生成器。通过预言信息生成器,可以预测新输入数据的预期值。2.通过对BP(BackPropagation)神经网络、概率神经网络、广义回归神经网络的建模和仿真,分析了这三种常用的神经网络模型的优缺点,并据此选定了概率神经网络与广义回归神经网络相结合的预言生成策略。基于此策略,编码实现测试预言模块,并进行有效性实验。3.通过实际大工程,对CTS代码测试系统进行了实用性研究。CTS实用性实验结果表明,CTS具有较好的实用性。预言模块有效性实验结果表明,本文提出的部分自动化的预言生成方法在分类问题上具有较好的表现,预测值与实际值的误差仅为0.1。
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP311.53
【图文】：

神经网络模型,电突触,化学突触,细胞体

_,神经网络模型

预测结果,拟合,参数,网络优化

训练目标逦０．００００４逡逑用训练好的ＢＰ神经Ｍ络预测此函数的输出，预测结果如图３－４所示。ＢＰ网逡逑络预测输出与期望输出之间的误差如图３－５所示。逡逑从图３－４、图３－５可以看出，虽然ＢＰ网络具有较高的拟合能力，但是网络预逡逑测结果仍有一定的误差，某些样本点的预测误差较大。要想得到更好的预测效果，逡逑需要对ＢＰ网络进行优化。逡逑函数拟合问题：ＢＰ网络预测输出逡逑３０邋逦．逦．逦．逦——Ｔ－逦逡逑：＼邋逦逡逑＼逦涵p(输出逡逑２５－邋Ｖ逦一期望输出｜逦：逡逑２０邋－邋ｋ逦ｆ逡逑＼逦／逡逑＼、逦／逡逑５邋１５邋－逦Ｋ逦ｆ逦－：逡逑n劐危苠危义希P暴g簉P?邋＼邋／邋－逡逑＼邋／逡逑５邋－逦，逦－逡逑．争＇逦声逡逑0邋－逦Ｗ邋’逦－逡逑－５邋逦＇逦１逦１逦１逦逡逑０逦５逦１０逦１５逦２０逦２５逡逑样本逡逑图３－４拟合－ＢＰ神经网络预测结果逡逑由于ＢＰ邋Ｎ络构建所需参数较多，这给应用和优化带来了挑战。现有的ＢＰ逡逑网络优化主要集中在对网络结构的优化和对网络初始权值的优化丨１，比如采用遗逡逑１８逡逑

分布情况,模式分类,样本点,分类问题

逦７逦８逡逑图３－６分类样本点逡逑取八个样本点作为测试样本，选杼其屮的６个作为ｉ川练样本，２个作为测试逡逑样本。８个样本点共有两类，其在平面」？．的分布情况如阁３－６所示。ＢＰ网络达到逡逑训练Ｒ标所用时间海０．３５３８６３秒，迭代次数仅为两次。逡逑１９逡逑

【相似文献】