MC/DC 最小测试用例集递归分块矩阵生成算法

测试用例个数可以影响软件测试的成本与效率,因此最小测试用例集的生成算法具有重要的实用价值。对布尔表达式语法树采用递归分块矩阵处理,得到了MC/DC最小测试用例集生成算法。并证明了该算法的正确性,给出其成立的前提条件。     

MC／DC最小测试用例集快速生成算法

以条件判定组合的语法树为研究对象,总结语法树的左右分支对判定结果的影响方式及结果,根据其影响特点提出超越语法树的快速生成改进判定／条件覆盖最小测试用例集的算法。与其他算法在在空间及时问方面进行比较,结果表明该算法具有一定的优越性。     

基于MC／DC生成测试用例方法研究

设计和编写测试用例是软件测试中最重要的步骤。分析机栽系统软件需求,系统状态转换或事件触发总是以满足一个或多个条件为前提的。因此在将需求抽象成布尔表达式基础上,依据MC／DC准则,研究了一个布尔运算符替换算法。将该算法实现为工具,用于生成满足MC／DC准则要求的测试用例。最后结合实例验证该工具的实用性。     

利用MC/DC减少测试集大小的方法的研究

随着软件的发展，测试技术也在发展。MC／DC即修改条件／判定覆盖，是一种较新的结构覆盖准则，它是在C／DC（条件／判定覆盖）的基础上发展起来的。与其它结构覆盖准则相比，它只是线性地增加了测试用例的数量，使得软件测试更加具有可操作性。而对于测试来说，测试用例的选择和优化是至关重要的。在探讨MC／DC的基础上，利用MC／DC的特点，初步提出了利用MC／DC进行测试集减少的方法，使得减少后的测试集与原测试集对测试需求有着相同或相似的覆盖率，并对此方法的利弊做了一定的分析。     

一种最小测试用例集生成方法

测试用例的数量和质量决定软件测试的成本和有效性．该文提出了一种生成最小测试用例集的方法，该方法首先充分考虑测试目标中各个测试需求之间的相互关系，将满足测试需求的所有可用测试用例进行划分，根据划分的结果生成一个测试用例集，然后利用启发式算法、贪心算法或整数规划方法来消除冗余，对这个测试用例集进行进一步的简化．这种方法与已有方法相比，优点在于它可以生成满足所有测试需求的最小测试用例集．     

基于范式语法的工控协议Fuzzing测试技术

针对工控协议Fuzzing测试存在测试脚本编写工作量大、测试用例的覆盖面小、测试效率低等问题,文章提出了一种基于范式语法的工控协议Fuzzing测试方法。方法首先以改进的扩展巴科斯范式(Modified Augmented Backus-Naur Form: MABNF)描述工控协议;然后根据范式语法模型,将报文样本解析为范式语法变异树,进而生成范式语法变异树的描述脚本;文章提出了基于MABNF变异树的测试用例生成算法(MABNF-mutation-tree based Test-cases Generating Method: MTGM),算法先对MABNF变异树进行深度优先遍历,再采用语义变异策略对节点实施变异;最后利用MTGM得到冗余少、有效性高的测试用例集。使用该方法,文章实现了基于Peach的工控协议Fuzzing测试原型系统M-Peach,对供水SCADA系统进行了测试。与Peach的对比实验表明,文章所提出的方法能有效减少测试冗余,提高测试用例集的覆盖面和测试效率。     

基于全局支配图算法的覆盖测试方法

目前的覆盖测试存在着大量的冗余测试用例,严重影响测试的效率。基于此,介绍一种基于全局支配图算法的覆盖测试工具,通过在局部支配图中加入辅助循环树算法及寻找临近节点,提出一种全局支配图改进算法,利用该算法能够计算出覆盖源程序的最小测试用例集。实验结果表明,该算法能够减少覆盖分析时间,生成较少的测试用例和达到较高的覆盖率。     

最小测试用例集生成方法改进及应用

软件测试是保证软件质量和可靠性的重要手段,如何对软件进行全面且高效的测试一直是备受关注的问题.分析了白盒测试与黑盒测试的优缺点;具体分析了最小测试用例生成算法,接着对生成最小测试用例集的方法提出改进:首先消除掉测试需求中存在的冗余,再对由该测试需求生成的测试用例集使用简化算法,得到一组无冗余的测试用例集.这种先对测试需求进行精简的方法,使得测试用例集中测试用例的数量大为减少,提高了简化算法的使用效率.将上述最小测试用例集生成方法运用到Apla到delphi生成器系统的测试中,提高了测试效率.     

最小测试用例集生成方法改进及应用

软件测试是保证软件质量和可靠性的重要手段,如何对软件进行全面且高效的测试一直是备受关注的问题。分析了白盒测试与黑盒测试的优缺点;具体分析了最小测试用例生成算法,接着对生成最小测试用例集的方法提出改进：首先消除掉测试需求中存在的冗余,再对由该测试需求生成的测试用例集使用简化算法,得到一组无冗余的测试用例集。这种先对测试需求进行精简的方法,使得测试用例集中测试用例的数量大为减少,提高了简化算法的使用效率。将上述最小测试用例集生成方法运用到Apla到delphi生成器系统的测试中,提高了测试效率。     

面向故障定位的基于MC/DC的测试用例约简方法

对不断更新的软件进行回归测试时,持续增加的测试用例会造成累计测试用例数量庞大,进而影响测试成本。在故障定位领域,已有研究在考虑语句覆盖、路径覆盖等的基础上,提出了CMR&PVR等不同的测试用例约简方法。然而,这些方法在一定程度上影响了原始测试用例集的MC/DC(修订的条件/判定)覆盖率。提出一种以MC/DC覆盖为基础的综合测试用例约简方法MCDCR,利用该方法对原始测试用例集约简后,在确保原有故障定位准确性并保持较高约简比的同时,大幅提高了测试用例对程序的MC/DC覆盖率。采用Ochiai方法在Siemens 程序集上进行了实验及验证,结果表明MCDCR约简方法的综合效果明显优于已有的约简方法。     

Parsing and translation of (attributed) expansive graph languages for scene analysis

In this paper, we suggest a class of (attributed) expansive graph grammars which generate languages contained in a graph family ?. It turns out that by means of node renumbering using a very effi-cient algorithm, any graph in ? can be converted into a standard form, which enables the use of related string representation for that graph to facilitate the syntax analysis. As a consequence, the syntax analysis of (attributed) expansive graph language is very efficient and almost like the parsing of tree languages. Furthermore, a syntax-directed transla-tion can be established for mapping one (attributed) expansive graph language to another. Finally, since many relational graphs for scene analysis can be considered as belonging to these graph languages, the proposed graph grammar model appears to be quite attractive from the application point of view.     

基于多源异构数据的查询分解算法

为解决全局查询无法直接查询异构数据源问题,提出将全局查询分解为针对异构数据源子查询的解决方案。设计面向多数据源异构数据的全局查询分解算法和子查询重构算法。全局查询分解算法基于JavaCC及JJTree工具将全局查询语句抽象成语法树。子查询重构算法遍历语法树,根据节点类型采用不同的重构算法,构造出针对不同类型数据源的子查询语句。     

基于扩展的BNF文法的通用语法分析算法

本文介绍了如何用句法图来表示扩展的BNF文法(EBNF),给出一个将EBNF文法翻译成句法图算法,然后我们给出一个适用于各种过程性高级语言的通用语法分析算法,同时考虑了语法错误的恢复和语义子程序的嵌入。     

基于距离与图卷积网络的方面级情感分析

目前,基于卷积神经网络和循环神经网络的方面级情感分析研究工作较少同时考虑到句子的句法结构和词语的语法距离,且卷积神经网络和循环神经网络无法有效地处理图结构的数据.针对上述问题,提出了一种基于距离与图卷积网络的方面级情感分类模型.首先,为该模型设计了一个具有残差连接的双层双向长短期记忆网络,用于提取句子的上下文信息;然后,根据句法依赖树得到词语的语法距离权重,并根据词语之间的句法关系构建邻接矩阵;最后,采用图卷积网络结合句子的上下文信息、语法距离权重和邻接矩阵提取方面的情感特征.实验结果表明,模型是有效的且可获得更好的性能.     

A decision tree approach to graph and subgraph isomorphism detection

A new approach to the problem of graph and subgraph isomorphism detection from an input graph to a database of model graphs is proposed in this paper. It is based on a preprocessing step in which the model graphs are used to create a decision tree. At run time, subgraph isomorphisms are detected by means of decision tree traversal. If we neglect the time needed for preprocessing, the computational complexity of the new graph algorithm is only polynomial in the number of input graph vertices. In particular, it is independent of the number of model graphs and the number of edges in any of the graphs. However, the decision tree is of exponential size. Several pruning techniques which aim at reducing the size of the decision tree are presented. A computational complexity analysis of the new method is given and its behavior is studied in a number of practical experiments with randomly generated graphs.     

Perceptual grouping of line features in 3-D space: a model-based framework

In this paper, we propose a novel model-based perceptual grouping algorithm for the line features of 3-D polyhedral objects. Given a 3-D polyhedral model, perceptual grouping is performed to extract a set of 3-D line segments which are geometrically consistent with the 3-D model. Unlike the conventional approaches, grouping is done in 3-D space in a model-based framework. In our unique approach, a decision tree classifier is employed for encoding and retrieving the geometric information of the 3-D model. A Gestalt graph is constructed by classifying input instances into proper Gestalt relations using the decision tree. The Gestalt graph is then decomposed into a few subgraphs, yielding appropriate groups of features. As an application, we suggest a 3-D object recognition system which can be accomplished by selecting a best-matched group. In order to evaluate the performance of the proposed algorithm, experiments are carried out on both synthetic and real scenes.     

融合多跳关系标签与依存句法结构信息的事件检测模型

大部分基于依存句法分析的事件检测方法仅聚焦于依存句法结构上的单跳联系,忽视了词与词之间的多跳联系,造成事件触发词与部分相关实体间的语义缺失,从而影响了事件检测效率。因此,为了充分利用词语间的语义相关性提升事件触发词的识别能力,提出了融合多跳关系标签和依存句法结构信息的事件检测模型。构建了一种新型的依存句法多跳树以及多跳关系标签搜索算法,增强了核心词汇的事件表征能力,并结合图注意力网络聚合了词的多阶表示,提升了事件检测性能。在ACE2005数据集上的实验结果显示,提出的增加了多跳关系标签信息的事件检测方法比基准模型性能提升了近2%。     

基于图压缩的最大Steiner连通k核查询处理

研究了基于图压缩的最大Steiner连通k核查询处理,提出了一种支持最大Steiner连通k核查询的图压缩算法SC,证明了基于SC压缩算法的查询正确性.由于最大Steiner连通k核查询仅需要找到符合要求的连通区域,提出了图压缩算法TC,进一步将压缩图压缩为树.证明了基于压缩树的查询正确性,并提出了线性时间的无需解压缩的查询处理算法.真实和虚拟数据上的实验结果表明：压缩算法平均可将原始图压缩掉88%,且对于稠密的原始图,压缩算法的压缩效果更好,可将原始图压缩掉90%,与在原始图上直接进行查询处理相比,基于压缩图的查询处理算法效率更好,平均提升了1～2个数量级.