浅谈白盒测试技术

伴随着软件和硬件的发展而逐步发展起来的软件测试。软件测试是一种检验手段,目的是为了寻找软件系统的中缺陷,在业界已经有越来越多的公司意识到了软件测试的重要性,并且在软件测试方面加大了投入。其中,白盒测试是软件测试技术中最基本的方法之一,是针对被测单元内部是如何进行工作的测试,是以覆盖测试与路径测试为基本策略。该文将重点介绍白盒测试中的常用测试方法,并通过实例介绍实际运用白盒测试的技术。     

基于集成学习的覆盖算法

介绍了传统的领域覆盖算法和交叉算法,并分析它们各自存在的缺点以及造成这些缺点的原因.针对传统的领域覆盖算法存在的泛化能力不足以及交叉覆盖算法存在的正确率不高的问题,提出了一种新的改进算法--基于集成学习的覆盖算法(CABE).CABE是利用集成学习来整合交叉覆盖算法和领域覆盖算法,是通过对领域覆盖算法中的拒识样本的处理来提升算法的精度.使用UCI数据集进行实验,实验结果表明,改进的算法提高了算法分类的精度.     

复合覆盖粗糙集模型及其应用

针对覆盖粗糙集仅适用于单一数据类型的论域覆盖的问题,提出复合覆盖粗糙集模型。在研究邻域覆盖粗糙集、集值覆盖粗糙集、区间值覆盖粗糙集的基础上,在复合数据模型下,通过建立多种覆盖关系（邻域覆盖、集值覆盖、区间值覆盖等）,提出复合覆盖粗糙集模型,并给出复合覆盖粗糙集相关概念及性质。该模型适用于多种数据类型（符号数据、区间数据、集合数据、数值数据等）的论域覆盖问题,通过实例说明了该模型在复合信息系统中的应用,进一步加深对复合覆盖粗糙集相关概念的理解。     

视频传感器网络覆盖问题

视频监控已经被广泛应用于各种场景,为安全防卫提供了有效信息。综述视频传感器网络中覆盖问题的相关研究。视频传感器网络具有有向传感器网络的一般特征。考虑到监测对象通常有面部朝向属性,视频传感器网络的感知模型又不同于一般的有向传感器网络的感知模型。根据感知模型是否考虑监测目标的朝向,分别介绍视频传感器网络中的点覆盖、区域覆盖和栅栏覆盖问题的典型算法。此外,讨论了目前研究存在的问题以及未来可能的研究方向。     

基于概率的三维无线传感器网络K-覆盖控制方法

针对无线传感器网络在三维空间监测中存在的固有的不确定性与系统应具有较强的容错能力、鲁棒性之间的矛盾,提出了一种基于概率的三维无线传感器网络K-覆盖控制方法.对三维待监测区域以网格建模,用迭代的贪婪启发式方法确定传感器节点在网格中的位置,每一步迭代完成一个节点的放置,直到节点总数达到预设的上界或每个网格点以概率T达到K-覆盖为止.仿真结果表明,相对于传统的随机和均匀配置方法,本方法能使用较少的节点满足相同的覆盖度和监测精度的要求,或使用相同的节点达到更高的覆盖度.并对整个待监测区域中有优先覆盖要求(覆盖度优先和监测精度优先)的局部区域的情况进行了分析.     

基于信息流缺陷定位方法在软件测试中的应用

随着软件产业的飞速发展,人们对软件质量的要求也越来越高.现在,软件已经直接影响到了我们项目的成功和设备的安全.而软件中的复杂缺陷难以排除,因为它们涉及到许多程序要素之间的相互作用.论文扩展了基于信息流覆盖的缺陷定位技术.扩展后的技术融合了语句覆盖和分支覆盖技术,它还能定位复杂缺陷.试验结果表明,文中方法比基于语句覆盖、分支覆盖和定义使用对覆盖的方法要更可靠、更精确.     

覆盖方法在HDL测试中的应用

基于仿真的验证和形式验证是用于测试的两种方法。由于形式验证难以用于大型设计的测试,所以HDL验证的主要方法是通过大量的测试向量仿真HDL代码来完成。实际中一般运用覆盖方法来分析仿真的完备性,虽然100%的覆盖并不能表明程序100%的没有错误,但却是衡量测试是否完成的一个重要标准。文中主要分析了代码覆盖和功能覆盖方法,并给出了具体例子。     

逻辑覆盖测试工具的设计与实现

文章从软件测试入手,在介绍逻辑覆盖测试原理的基础上,以逻辑覆盖测试工具ＦＣＡ为例,详细介绍了逻辑覆盖测试工具的设计与实现。     

基于谓词的全路径覆盖软件测试方法研究

路径覆盖测试是基于白盒的软件测试中覆盖率最高的测试方法;为了实现复杂程序的全路径覆盖测试,提出了一种基于谓词的全路径覆盖软件测试方法;首先研究了谓词覆盖的基本理论,然后对移除谓词后的孤立链进行测试,根据集成测试的观点,将谓词和对应孤立链集成以实现全路径覆盖,同时在算法中加入基本路径覆盖以实现对程序主要路径的重点测试;应用结果表明,该方法实用、高效,具有一定的推广价值。     

关于覆盖广义粗集的一些基本结果

粗集理论是数据挖掘的一个重要工具,本文研究一类广义粗集,即覆盖广义粗集.主要的结果有:(1)与经典的Pawlak粗集理论相对应的覆盖广义粗集的基本性质;(2)一个论域上两个覆盖生成相同覆盖广义粗集的充分必要条件;(3)一个覆盖的约简,即一个覆盖能生成原覆盖广义粗集的最小部分;(4)覆盖广义粗集中上下近似运算的相互依赖性;(5)覆盖下近似运算的公理化.