基于密度聚类的软件多错误定位方法研究

发布时间：2021-09-30 07:48

　　随着计算机技术日新月异的发展,计算机软件越来越融入人们的日常生活中,人们也越来越关注软件的安全性和稳定性问题。与此同时,软件规模扩大化和复杂化,使得提高软件代码的质量更加困难。在软件测试过程中,开发人员往往希望尽快找出造成故障的错误代码并修复,从而避免或减少软件缺陷引起的风险和经济损失。软件测试是提高软件代码质量的重要手段。当发现软件存在缺陷时,开发或测试人员需要对程序代码进行人工检查来发现引起故障的错误代码所在的具体位置,这个工作需要大量的人力和时间开销。因此,如何快速、准确地检测并定位到引起故障的错误代码受到研究人员的重视。近年来软件故障定位在国内外拥有重要科学意义和应用前景。然而现有软件错误定位方法尚不完善,主要存在以下挑战:（1）实际应用软件中存在多个错误,而现有方法主要是针对单错误,仅有的多错误定位方法效果并不理想;（2）现有多错误定位方法核心是使用基于聚类的方法,需要人为设定错误类数即故障数,不能自适应确定故障数;（3）偶然正确测试用例的存在会使错误定位的精度下降,但在多错误定位中较少考虑偶然正确测试用例对其效果的影响。针对上述问题,本文从密度聚类入手并结合识别偶然正确测试... 

【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】：71 页

【学位级别】：硕士

【部分图文】：

图２－１?ＣＢＦＬ方法的基本框架??Ｆｉｇ．２－１?Ｔｈｅ?ｂａｓｉｃ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ＣＢＦＬ??ＣＢＦＬ方法分为两个过程：首先利用测试用例在被测程序上运行时的覆盖信息以??

本小节给出了基于密度聚类的多错误定位方法框架如３－１所示。??「＾ｆ?失—ｉ??ｆ?１，—］??｜?成功测试用例（ｓ）??ｒ??二鬥??｜怀疑度摊序?＝＝ｌ，２，３．．．ｎ｝?晷?晷?…?晷??Ｌｊ１－Ｊ?Ｌｉ？??ＬｉｌＪ?Ｉ失败测试用例聚类｜??＼?ｒ密度聚类＾故陳为中心的聚类??＼?￣￣￣??类簇??／根据怀疑度＇?＾?田腦壬－懸而－Ｉ?ｊ?／测试用例和所有成＼??（ｍ功测试腿合成针）??＾?ｉｃ个故障＿瞻，护ｍ对－个故障的新测ｙ??＼＾试用例集?／??图３－１基于密度聚类的多错误定位方法框架??Ｆｉｇ．３－１?Ｔｈｅ?ｆａｒｍｗｏｒｋ?ｏｆ?ＤＢＡＦＬ??１５??

位一个故障的测试用例集。也就是说可以??当成单故障错误定位问题，而单故障错误定位问题中准确识别偶然正确测试用例并对??其进行处理，可以提高错误定位精度。本文中提出基于ＫＮＮ模糊分类识别偶然正确??测试用例并对其进行处理。??］?ｒ??ｃｃ识别模块??测试用例覆盖佶息和执行结??果采集模块?＾?Ｔｒｕｅ?ＣＣ识别（预处理）??潜在ＣＣ识别??Ｖ?）?Ｖ??）??Ｉ??ｒ?＼?ｒ?＼??错误定位模块?ＣＣ处理模块??Ｖｒ－?．?．．．．．＿?Ｊ?－?Ｉ７??图４－１?ＣＣ识别处理框架??Ｆｉｇ．４－１?Ｔｈｅ?ｆａｒｍ?ｗｏｒｋ?ｏｆ?ＣＣ?ｉｄｅｎｔｉｆｉｃａｔｉｏｎ?ａｎｄ?ｍａｎｉｐｕｌａｔｉｏｎ?ｓｔｒａｔｅｇｉｅｓ??２３??

【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)
[2]一种基于K中心点算法的测试用例集约简方法[J]. 陈阳梅,丁晓明.  计算机科学. 2012(S1)



本文编号：3415426