基于密度聚类的多错误定位方法研究
发布时间：2021-03-23 13:16
软件调试包括判断故障来源、分析并修复故障等工作,其中错误语句定位是修复程序故障的重要前提。传统的错误定位需要软件调试人员手工完成,为了降低修复过程中的人力成本,程序错误自动定位方法应运而生。基于程序谱的错误定位（Spectrum Based Fault Localization,SBFL）是一种重要的自动化错误定位方法,因其轻量性和较高的错误定位精度得以广泛运用和研究。基于程序谱的错误定位技术的相关研究逐步从单错误故障转向多错误故障,定位精度受到多错误之间的干扰、偶然正确（Coincidental Correct,CC）测试用例等因素影响。现有研究普遍采用聚类的方法降低多错误间产生的干扰。基于聚类的方法认为,理想情况下单个类簇中的所有测试用例失效都是因为单个错误语句导致的,因此将失败测试用例聚成若干类簇,但这种聚类算法通常需要预设聚类结果的类簇数量。除此之外,相关研究已表明,单错误程序中偶然正确测试用例的存在会导致错误定位精度下降,但当前的多错误定位研究中较少考虑此类测试用例对错误定位的影响。针对上述问题,本课题围绕密度聚类展开多错误定位方法研究,并在此基础上考虑偶然正确测试用例问题。...
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图２－３并行调试框架??Ｆｉｇ．?２－３?Ｆｒａｍｅｗｏｒｋ?ｏｆ?Ｐａｒａｌｌｅｌ?ｄｅｂｕｇｇｉｎｇ??
?第三章基于密度聚类的多错误定位方法设计与实现???＾一＿未覆盖错误语句ｔ的测试用例??／ｑ?ＱＡ?覆盖了错误语句ｆ的测试用例??—??（ａ）理想情况??＼〇＾＼〇＾〇／?＼〇＿〇／??（ｂ）聚类误差情况１?（ｃ）聚类误差情况２?（ｄ）聚类误差情况３??图３－１想聚类情况和三种可能的聚类误差示意图??Ｆｉｇ．３－１?Ｄｉａｇｒａｍｓ?ｏｆ?ｉｄｅａｌ?ｓｉｔｕａｔｉｏｎ?ａｎｄ?ｔｈｒｅｅ?ｐｏｓｓｉｂｌｅ?ｍｉｓｇｒｏｕｐ?ｓｃｅｎａｒｉｏｓ??本文的研宄中确定了三种可能的聚类误差情况。图３－１所示的分别是理想聚类情??况和三个聚类误差情况。在图３－１的每个子图中，空心大圆表示与错误语句ｆ相关的??类簇，灰色小圆表示未覆盖语句ｆ的失败测试用例，空心小圆表示覆盖语句ｆ的失败??测试用例。以下是对这三种聚类误差的更详细分析：??１．聚类误差情况１：覆盖了语句ｆ的所有失败的测试用例都正确地聚类至类簇中，??但是未覆盖语句ｆ的其他一些失败的测试用例也被聚类至该类簇中。在这种??情况下，ｃｌｕｓｔｅｒ（ｆ）＝ｆａｉｌｎｕｍ（ｆ），但是?ｃｌｕｓｔｅｒ（ｏｔｈｅｒ）＞０。??２．聚类误差情况２：聚类到相应类簇中的所有失败测试用例都覆盖了语句ｆ，但??是有一部分覆盖了语句ｆ的失败测试用例没有被聚类至该类簇中。在这种情??况下，ｃｌｕｓｔｅｒ（ｆ）＜ｆａｉｌｎｕｍ（ｆ），ｃｌｕｓｔｅｒ（ｏｔｈｅｒ）＝０。??３．聚类误差情况３：有一部分覆盖了语句ｆ的失败测试用例未被聚类至对应的类??簇中。并且一部分未覆盖语句ｆ的失败测试用例被聚类至该类簇中。在这种??情况下，ｃｌｕｓｔｅｒ（ｆ）＜ｆａｉｌｎｕｍ（ｆ），?ｃｌｕｓｔｅｒ（ｏ
?１０％?〇?＾?－?—?１０％??ｓｓ?ｉ?＝??°?２５％?Ｊ?°?—?２５％?／?°?—？?２５％?Ｊ??ｒ：：３＾?ｉｓ：：＾＾ｙ??｛ｆ＾?°?ｎ?１?￣ｉ?！??°?ｎ?１?ｎ?１??°?ｉ?ｉ?ｉ?ｉ??０?２００００?４００００?６００００?８００００?０?２００００?４００００?６００００?８００００?０?２００００?４００００?６００００?８００００??错误语句?错误语句?错误语句??⑷?（ｂ）?（ｃ）??图３－３聚类误差下的错误定位效率（ａ）情况１（ｂ）情况２（ｃ）情况３??Ｆｉｇ．３－３?Ｃｏｓｔ?ｏｆ?ｔｈｒｅｅ?ｍｉｓｇｒｏｕｐ?ｓｃｅｎａｒｉｏｓ：?（ａ）?ｓｃｅｎａｒｉｏ?１，?（ｂ）?ｓｃｅｎａｒｉｏ?２，?（ｃ）?ｓｃｅｎａｒｉｏ?３??图３－３展示了三种聚类误差情形下Ｏｃｈｉａｉ公式的ＥＸＡＭ值，其中图３－３中的（ａ），??（ｂ），（ｃ）子图分别表示聚类误差情况１，聚类误差情况２和聚类误差情况３，其中ｏｒｉｇｉｎ??是指未使用错误划分策略。在这些图中，ｘ轴表示要测试的１２７８６个故障版本的７７９７０??个错误语句，ｙ轴表示定位相应故障的ＥＸＡＭ值。其中为便于比较，本文在图中按升??序排列ＥＸＡＭ，而较低的ＥＸＡＭ值意味着错误定位的有效性更高。??１９??
【参考文献】：
期刊论文
[1]基于Chameleon聚类分析的多错误定位方法[J]. 曹鹤玲,姜淑娟. 电子学报. 2017(02)
本文编号：3095860
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图２－３并行调试框架??Ｆｉｇ．?２－３?Ｆｒａｍｅｗｏｒｋ?ｏｆ?Ｐａｒａｌｌｅｌ?ｄｅｂｕｇｇｉｎｇ??
?第三章基于密度聚类的多错误定位方法设计与实现???＾一＿未覆盖错误语句ｔ的测试用例??／ｑ?ＱＡ?覆盖了错误语句ｆ的测试用例??—??（ａ）理想情况??＼〇＾＼〇＾〇／?＼〇＿〇／??（ｂ）聚类误差情况１?（ｃ）聚类误差情况２?（ｄ）聚类误差情况３??图３－１想聚类情况和三种可能的聚类误差示意图??Ｆｉｇ．３－１?Ｄｉａｇｒａｍｓ?ｏｆ?ｉｄｅａｌ?ｓｉｔｕａｔｉｏｎ?ａｎｄ?ｔｈｒｅｅ?ｐｏｓｓｉｂｌｅ?ｍｉｓｇｒｏｕｐ?ｓｃｅｎａｒｉｏｓ??本文的研宄中确定了三种可能的聚类误差情况。图３－１所示的分别是理想聚类情??况和三个聚类误差情况。在图３－１的每个子图中，空心大圆表示与错误语句ｆ相关的??类簇，灰色小圆表示未覆盖语句ｆ的失败测试用例，空心小圆表示覆盖语句ｆ的失败??测试用例。以下是对这三种聚类误差的更详细分析：??１．聚类误差情况１：覆盖了语句ｆ的所有失败的测试用例都正确地聚类至类簇中，??但是未覆盖语句ｆ的其他一些失败的测试用例也被聚类至该类簇中。在这种??情况下，ｃｌｕｓｔｅｒ（ｆ）＝ｆａｉｌｎｕｍ（ｆ），但是?ｃｌｕｓｔｅｒ（ｏｔｈｅｒ）＞０。??２．聚类误差情况２：聚类到相应类簇中的所有失败测试用例都覆盖了语句ｆ，但??是有一部分覆盖了语句ｆ的失败测试用例没有被聚类至该类簇中。在这种情??况下，ｃｌｕｓｔｅｒ（ｆ）＜ｆａｉｌｎｕｍ（ｆ），ｃｌｕｓｔｅｒ（ｏｔｈｅｒ）＝０。??３．聚类误差情况３：有一部分覆盖了语句ｆ的失败测试用例未被聚类至对应的类??簇中。并且一部分未覆盖语句ｆ的失败测试用例被聚类至该类簇中。在这种??情况下，ｃｌｕｓｔｅｒ（ｆ）＜ｆａｉｌｎｕｍ（ｆ），?ｃｌｕｓｔｅｒ（ｏ
?１０％?〇?＾?－?—?１０％??ｓｓ?ｉ?＝??°?２５％?Ｊ?°?—?２５％?／?°?—？?２５％?Ｊ??ｒ：：３＾?ｉｓ：：＾＾ｙ??｛ｆ＾?°?ｎ?１?￣ｉ?！??°?ｎ?１?ｎ?１??°?ｉ?ｉ?ｉ?ｉ??０?２００００?４００００?６００００?８００００?０?２００００?４００００?６００００?８００００?０?２００００?４００００?６００００?８００００??错误语句?错误语句?错误语句??⑷?（ｂ）?（ｃ）??图３－３聚类误差下的错误定位效率（ａ）情况１（ｂ）情况２（ｃ）情况３??Ｆｉｇ．３－３?Ｃｏｓｔ?ｏｆ?ｔｈｒｅｅ?ｍｉｓｇｒｏｕｐ?ｓｃｅｎａｒｉｏｓ：?（ａ）?ｓｃｅｎａｒｉｏ?１，?（ｂ）?ｓｃｅｎａｒｉｏ?２，?（ｃ）?ｓｃｅｎａｒｉｏ?３??图３－３展示了三种聚类误差情形下Ｏｃｈｉａｉ公式的ＥＸＡＭ值，其中图３－３中的（ａ），??（ｂ），（ｃ）子图分别表示聚类误差情况１，聚类误差情况２和聚类误差情况３，其中ｏｒｉｇｉｎ??是指未使用错误划分策略。在这些图中，ｘ轴表示要测试的１２７８６个故障版本的７７９７０??个错误语句，ｙ轴表示定位相应故障的ＥＸＡＭ值。其中为便于比较，本文在图中按升??序排列ＥＸＡＭ，而较低的ＥＸＡＭ值意味着错误定位的有效性更高。??１９??
【参考文献】：
期刊论文
[1]基于Chameleon聚类分析的多错误定位方法[J]. 曹鹤玲,姜淑娟. 电子学报. 2017(02)
本文编号：3095860
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3095860.html
