基于集合覆盖的Wp方法测试集约简方法

为了提高测试效率,提出一种基于集合覆盖的测试集约简方法.该方法对有限状态机(finite state machine,FSM)模型中经典的测试生成算法Wp方法(部分W方法)所生成的测试集进行冗余约简.通过分析Wp方法的特点,找出测试序列之间包含关系的规律,删除冗余的测试用例.理论分析和实验结果表明:该方法能够有效约简测试集,并且不改变故障检测能力.     

着色问题在测试用例集约简中的研究

基于I/O关系的黑盒测试用例集约简技术能够保证约简后的测试集Tred具有和原完全组合测试集相同的检错能力.该文提出了Red(I)和Red(O)两个对问题空间(I,O)约简的算法;构建了I/O关系图,将问题空间(I,O)划分为若干子问题(I',O');并引入着色问题得到每个子图的同色等价类,进一步得到其基类Ii1,然后实施等价类替换和运用算法Red(O);进而运用贪心算法求解覆盖每个子问题空间的测试用例集Tired;最后水平拼接各T'red构成问题空间(I,O)的约简测试用例集Tired.这样得到的测试集不仅保持了检错能力,而且规模较小,同时又降低了贪心算法的时空复杂度.     

基于K-means聚类的组合测试用例生成优化算法

针对组合测试生成的测试用例在程序结构测试中出现冗余的问题,应用K-means聚类算法对基于蚁群算法生成的组合测试用例集进行聚类优化。以白盒测试中的逻辑覆盖为依据,将测试用例程序覆盖差异度作为分类的量化标准,根据测试代价决定聚类数目,在每个聚类簇中抽取处于中心点的测试用例构成新的集合。实验结果表明,该算法可以有效减小测试用例集的规模;对比分析不同覆盖准则,可找到在测试用例标准化过程中最优的逻辑覆盖方法。     

基于粗集约简的群智能算法的储层识别

提出了一种基于粗集约简的粒子群储层识别方法,即应用粗糙集进行属性约简,应用粒子群(PSO)聚类算法对约简和正规化后的数据进行处理。实验表明,约简后的PSO聚类较约简前在识别率上有明显的提高。     

回归测试用例集优化策略

将测试用例集约简技术和优先级技术相结合,提出3种回归测试用例集优化策略:①渐增式约简算法BU,首先选择必不可少用例,然后选择额外贡献度最大的用例直至覆盖全部需求;②精简式算法BD,每次选择必不可少用例,如果没有,则不断删除贡献度最小的用例,直至覆盖全部需求;③优先级策略BUP,每次将需求集重置为待覆盖,然后调用BU直到所有用例排序完毕。贡献度综合考虑了用例对单个需求以及需求集的重要性。实验结果表明,将测试用例优先级技术引入到约简中,不仅能获得规模较小的目标集,而且能以较快的速度覆盖测试准则。     

程序不变量驱动的组合测试用例约简方法

针对组合测试用例约简问题,提出一种基于程序不变量的两两覆盖组合测试用例约简方法。首先用组合测试用例生成算法对被测程序一次生成一个组合测试用例,然后根据该组合测试用例提取被测程序的程序不变量来决定该测试用例的取舍。典型案例实验表明该方法能有效地对组合测试用例集进行约简,可降低测试用例的数量,提高测试用例的质量。     

一种基于Rough集和RBF网络的模拟电路故障诊断方法

提出了一种基于Rough集和RBF神经网络结合的故障诊断方法。该方法针对模拟电路的故障特征,进行粗集约简预处理研究,然后由约简后的属性构造RBF网络。仿真结果表明:在相同的精度要求下,该算法的训练时间远小于普通的进化神经网络,提高了泛化能力,对模拟电路的故障诊断有一定的实际意义。     

基于LTL的UML状态图测试用例生成方法

测试用例的自动生成是软件测试研究的主要方向之一,针对软件开发过程中测试数据生成存在低效、无目的、冗余等问题,提出了基于UML状态模型图的面向对象类级测试用例生成方法,将UML状态图转换成相应的事件确定有限状态机,通过线性时序逻辑的模型检测技术,验证有限状态机模型的正确性,实验结果表明,该方法能够在不降低迁移覆盖准则的情况下,生成数量少、针对性强的测试用例集。     

基于粗糙集和朴素贝叶斯的垃圾邮件过滤系统

提出了基于粗糙集理论和贝叶斯分类算法的垃圾邮件过滤方法。利用粗糙集约简算法对邮件样本集进行特征约简,删除对邮件过滤结果影响不大的冗余特征,从而降低了输入样本集的维数,解决了贝叶斯分类器训练时间长,样本集占用的存储空间过大的问题。实验证明,该方法可以提高邮件过滤     

基于参数依赖关系检查的测试用例空间约简方法

针对待测功能函数各参数间存在的控制或数据依赖关系,提出了一种利用符号执行约简测试用例空间的算法.具体内容包括:给出了基于控制流图的程序参数依赖关系定义;在此基础上,根据输入参数变量在程序执行时的信息流,提出了一种参数依赖关系的动态分析算法;将该方法应用于可信软件栈的功能测试中.实验结果表明:该方法在约简测试用例空间上具有较强的实用性,同时不会降低测试原有的检错能力.     

一种基于需求规约的谓词测试用例生成方法

软件失效多数由其包含的谓词引发.本文针对特定的故障模型,提出一种基于需求规约的谓词测试用例生成方法.该方法从需求规约中提取出因果图,再将因果图转换为谓词,再由BRO算法生成测试约束集,最后将生成测试用例集.实例分析表明,方法能有效生成测试用例集,并满足相应的测试谓词准则.     

基于Rough Set和neural network组合数据挖掘

提出了一种基于rough set和neural network的数据挖掘新方法。首先利用粗集理论对原始数据进行一致性属性约简，然后使用神经网络对数据进行学习，并同时完成属性的不一致约简，最后再由粗集对神经网络中的知识进行规则抽取。该方法充分融合了粗集理论强大的属性约简、规则生成能力和神经网络优良的分类、容错能力。实验表明，该方法快速有效，生成规则简单准确，具有良好的鲁棒性。     

一种基于谓词逻辑的分类规则约简方法

利用各种分类规则挖掘方法,提取出的分类规则集中,存在许多的冗余规则,从而降低了分类效率。采用谓词公式描述分类规则,给出了一种分类规则集约简方法。该方法利用谓词公式中的逻辑推理,对分类规则集进行约简,消除了冗余规则。采用恒星光谱数据,实验验证该方法在保证分类规则集的分类能力不变的前提下,有效地提高了分类的效率。     

基于改进轮盘赌策略的反馈式模糊测试方法

针对随机模糊测试方法测试盲目效率低下的问题,提出一种反馈式模糊测试方法,目的是通过流程优化来提高测试效果。首先,通过网络爬虫收集原始样本文件,确保原始样本的多样性。其次,通过代码覆盖率分析来从大量样本文件中筛选用于变异的最佳种子文件,在保证足够的测试空间的同时避免冗余测试。接下来通过变异种子文件的部分比特来生成测试用例,并根据测试结果基于改进轮盘赌策略不断调优种子文件的变异范围,以期发现尽可能多的软件故障。实现了一个原型系统OSSRWSFuzzer,在实验中发现了国产软件WPS Office的56个故障,体现了较强的漏洞检测能力。     

基于Eros距离的纵向数据模糊聚类方法

针对纵向数据集的数据特征,如多维、含缺失值、序列不等间隔和不全等长等特点,研究一种基于Eros距离的纵向数据的相似性度量方法,并对模糊C均值聚类算法进行改进,提出一种基于Eros距离度量的模糊聚类数据处理方法.对于纵向数据集,首先进行缺失值填充、变量标准化等预处理,使用粗糙集理论对冗余属性进行约简,然后基于FErosCM聚类方法进行数据自动分类.对比实验证实此方法可用于纵向数据集的自动聚类处理,并使用信息熵作为聚类效果的评价手段。实验结果表明:无论在聚类效率还是准确度上,FErosCM方法对于纵向数据的分类处理均是有效可行的.     

AFDX网络设备故障诊断技术

AFDX网络作为机载主干通信网络，如果出现故障，将影响整个航电系统的功能。AFDX网络设备故障诊断对于机载通信的稳定运行和航空子系统故障管理具有重要意义。聚焦网络设备故障诊断技术，研究了一套基于网络演算法的AFDX网络设备故障诊断技术。通过设计故障特征参数标识故障类型，给出检测结果和故障特征参数的关联关系；使用被动式采集的方式对关键元器件、通信过程以及设备性能进行状态检测；针对所收集的检测数据，分别给出故障诊断方法并对偶发性异常进行识别和抑制；设计网络故障诊断测试用例，从实时性和并发性2个角度进行测试验证，测试用例的通过率达到98%,且未发生致命、严重级别的BUG,较小级别的BUG不超过5个且均已修复，验证结果证明了方法的有效性。     

基于粗糙集理论的数控机床智能故障诊断研究

面向数控机床智能化发展需求,提出了基于数据挖掘技术的智能故障诊断方法.建立机床智能诊断单元的系统框架,框架由状态监控及特征信号采集、历史故障数据分析及诊断规则获取、故障推理机制3个功能模块组成.重点研究诊断规则的获取技术,提出了基于粗糙集理论的故障诊断决策规则生成算法.算法充分利用信息决策系统的特性,通过简化对不必要属性和核心属性的分析,并引入回溯思想计算约简集,有效降低了属性集约简的计算复杂度,提高规则求取效率.在建立规则库的基础上,引入基于证据理论的信息融合技术,解决多传感器故障监测数据与诊断规则准确匹配的问题,建立故障推理机制.实例研究证明该方法可行.     

基于BFOA和K-means的复合入侵检测算法

K-means算法对初始聚类中心及簇数K的选择敏感,导致聚类结果不稳定,会对IDS(intrusion detection system, IDS)的检测结果产生重要影响。针对该问题,提出一种基于细菌觅食优化算法(bacterial foraging optimization algorithm, BFOA)和K-means相复合的入侵检测算法(HIDS)。HIDS算法首先基于距离阈值方法动态确定簇数K,再利用BFOA优化生成初始聚类中心,使得选择的初始聚类中心达到全局最优,从而解决了K-means算法的聚类结果不稳定的问题,进而提高入侵检测的准确率。为验证算法的有效性和测试算法性能,将HIDS在KDD99数据集上进行试验测试,入侵检测率可达98.33%。试验结果表明该方法能够有效提高检测率并且降低误检率。     

基于依赖结构的测试用例优先级技术

优先级技术能够在不减少测试用例规模的情况下,提高测试用例集的性能。为了降低测试工作量,已有的很多文献通常假定测试用例是独立的,但在实际测试中,测试用例之间存在依赖关系,并且只有考虑了依赖关系的测试才能正常运行。针对这个问题,文章将依赖关系引入到优先级技术,提出了一种基于依赖结构的测试用例优先级技术,首先将依赖关系转化为量化指标依赖深度,然后以此指标为权重函数,运用加权的深度优先搜索算法进行测试用例排序。结果表明:与随机排序和基于功能覆盖的优先级技术相比,减少了测试代价,提高了缺陷检测率。     

一种测试用例优先排序的评价方法

为了降低回归测试的测试成本，提出了测试用例优先排序的方法．测试用例优先排序的方法有很多种，但是如何评价这些排序方法的有效性目前还没有很好的方法．针对增加测试用例集发现错误的比率这一目标，提出了测试用例排序序列和测试用例优先排序的评价方法．