基于函数调用路径的测试用例优先级排序

基于覆盖的优先级排序技术通常以代码覆盖信息作为测试用例的特征加以度量,忽略了其他优先级的影响因素,缺乏全面性和动态性。针对该问题,提出基于函数调用路径的测试用例优先级排序方法。以函数调用路径为基础,通过对源代码新旧版本的对比,分析回归测试影响域,确定回归测试用例集的范围。将测试用例函数调用路径覆盖能力、单元测试时函数中检测出缺陷的个数,以及函数的扇入系数等影响因素应用于优先级排序,确定测试用例优先级量化方法,并在测试执行过程中,通过调整算法实现优先级的动态调整,优化优先级排序。实验结果表明,优先级量化方法能提高测试的缺陷检测率,发现程序中的缺陷,降低测试成本。     

基于函数调用序列模式挖掘的程序缺陷检测

程序中通常会隐含大量编程规则,若在程序编写过程中违反此类规则,则可能引发软件缺陷。函数调用规则是其中一类常见的程序隐含规则,常见的函数调用规则挖掘工作将整个函数体内的函数调用作为一个项集来进行分析,未使用程序中函数调用先后顺序等约束信息,导致软件缺陷挖掘结果的误报率较高。通过简单的静态分析即可获取函数调用序列信息,如在缺陷挖掘过程中充分利用函数调用序列信息,将有效提高缺陷挖掘精度。基于上述思路,提出了一种基于函数调用序列模式挖掘的缺陷检测方法,该方法自动检测程序中违反函数调用序列模式的疑似缺陷,并报告可疑度较高的缺陷。基于该方法,在一组开源项目上进行的实验的结果表明,此方法能有效发现程序中由于违反函数调用序列模式而导致的缺陷,减少了缺陷误报,从而降低了人工核查疑似缺陷开销。     

函数调用路径测试用例自动生成的方法研究

测试用例自动生成是软件测试自动化中最为关键的组成部分之一,符号执行作为一种程序分析方法,以其可提供高覆盖率测试用例的优势被广泛应用其中,但路径爆炸和约束求解问题很大程度制约了符号执行技术在现实程序分析中的应用。将研究粒度由语句提升至函数,利用抽象语法树和字节码序列提取到的函数关键信息和控制信息得到函数调用关系模型,设计算法生成函数调用路径（函数调用路径表示程序从开始到结束之间函数的调用或执行序列）。该方法不仅减少了测试路径数目缓解了路径爆炸问题,还有效解决了控制条件中存在函数导致符号表达式难求解的问题。实验结果表明该方法可优化测试路径集,在不降低覆盖率的前提下减少测试用例数量。     

基于函数调用路径的回归测试用例选择排序方法研究

针对在回归测试过程中,因为不断修复软件中存在的缺陷所造成的测试工作量大、测试效率低等问题,论文将测试用例选择与优先级排序技术相结合,以面向函数调用的路径覆盖生成方法为基础,提出了一种面向函数调用路径（Functions Calling Path, FCP）的测试用例选择与排序方法。首先根据函数调用关系图,对程序中被修改函数与其他函数的关联性进行分析,从初始测试用例集中选择测试用例,形成回归测试用例集;然后对这些测试用例进行优先级排序,并动态地调整优先级排序结果;最后,对优先级排序结果进行再次选择,确定最小的回归测试用例集。实验结果表明,测试用例选择与排序方法对优化回归测试用例是有效的,大大减少了回归测试用例数量,降低了回归测试成本。     

一种基于关联规则分类的改进方法

论文首先对一种基于关联规则分类的算法做出了分析。然后对算法中的类关联规则的提取方法进行了改进,得到了一种新的基于关联规则分类的算法。并结合棉花病虫害数据运行的结果对两种算法的运行效率和实用性进行了比较。     

基于K-最短路径的大规模函数调用关系分析

函数调用关系反映了软件系统中函数之间的依赖关系,在软件分析、软件测试与软件维护等众多软件工程领域都有着广泛的应用。但在大型复杂软件中搜索两个函数之间的调用关系时,由于函数数量众多、函数之间调用关系复杂,使得搜索所需时间较长。为了获得任意两个函数之间的调用路径,提出使用K-最短路径算法,并对K-最短路径算法进行并行化优化,减少搜索时间,为用户分析函数调用关系提供方便。通过对Linux内核3.19(包含40多万个函数结点和110多万调用关系)进行分析,实验结果表明通过并行化优化,并行加速比一般可达5~6倍。     

软件关联缺陷的一种检测方法

软件中的关联缺陷是一种比较普遍的现象,某些缺陷的存在与否可能导致其他缺陷检测率的变化.软件关联缺陷是造成软件失效关联的根源.给出了关联缺陷的定义,通过一个软件实例验证了缺陷的关联关系,提出了一种缺陷放回的测试方法用来剔除关联缺陷,并通过实验数据分析了缺陷放回方法的能力和效率.实验数据表明,该方法能有效检测软件关联缺陷.     

关联规则中FP树算法的研究与改进

传统的基于关联规则的FP-树算法在挖掘频繁项目集算法中应用很广,它在数据挖掘过程中不需要产生候选集,但是该FP-树算法在挖掘较大型数据库时运行速度慢、占用内存大或根本无法构造基于内存的FP-树。为了解决这些问题,本文提出了一种占用内存少、能满足大型数据库挖掘需求的改进的FP树算法。     

一种基于路径差异分析的缺陷定位方法

基于路径差异分析的缺陷定位所使用的方法通常分为两类：基于路径距离度量的方法和基于元素信息统计的方法。现有的研究方法各有所长但也存在以下缺陷：(1) 冗余路径的存在干扰可疑度分析结果或者导致早熟收敛,以致结果不准确;(2)基于路径距离度量的方法往往只返回执行差异信息,未考虑语句在不同状态下重要程度不同;(3) 基于元素信息统计的方法包含了大量对定位没有意义的谓词和语句,忽略了对这些无意义元素的耗时耗力的统计。由于缺乏必要的引导信息导致用来做差异分析的路径有效性较低,同时路径的元素集合较长而难以求解也降低了分析的精度,因此针对现存问题提出了分支路径聚类筛选的方法,同时给出路径分支踪迹模糊聚类算法Bpfc。通过实验结果以及与Tarantula等三种经典实验对比分析可以证实,该方法能提高缺陷定位的效率和精确度,同时应用范围广泛,对开发、测试人员有深远意义。     

基于路径分析和信息熵的错误定位方法

软件错误定位是一项耗时又费力的工作,因此如何提高软件错误定位的自动化程度一直以来都是软件工程领域研究的热点.现有的基于频谱的错误定位方法很少利用程序的上下文信息,而程序的上下文信息对错误定位至关重要.针对这一问题,提出了一种基于路径分析和信息熵的错误定位方法FLPI.该方法在基于频谱信息技术的基础上,通过对所有执行路径...     

基于欧氏距离相关函数的多重分形谱算法

提出了一种基于欧氏距离相关函数计算多重分形谱的算法.介绍了基于测度理论的多重分形谱的定义,定义了基于欧氏距离相关函数的概率测度,对基于欧氏距离相关函数的多重分形谱算法的性能进行了分析.采取衬底法与方差法进行仿真比较的方法,进行了线性区间,抗噪声性能和收敛速度的比较.该算法具有保持和加强图像的局部特性,突出图像的细微处的特点,克服了多重分形谱对噪声敏感的缺点,且权重因子收敛快.     

一种基于罚函数的机器人路径规划方法

给出了一种基于罚函数的机器人路径规划方法;这种方法将机器人的路径规划由一系列带约束非线形规划问题转化为一系列无约束非线形规划问题来求解,仿真结果表明,罚函数方法是一种富有效率的解决机器人路径规划问题的方法,能够大幅度降低运算时间的复杂性,提高移动机器人的实时性。     

基于混合诊断模型的故障分析研究

混合诊断模型（HDM）是相关性诊断模型的一个扩展,它将功能模型和故障模式模型建立在一个系统模型中．本文对混合诊断模型中的诊断推理规则进行了研究,并提出了基于故障模式和基于功能的混合诊断推理,同时具体细化为五种不同的推理规则．同时对混合诊断模型的建模推理过程进行了详细的描述,明确了功能和故障模式故障率之间的关系．经过实验证明,混合诊断模型是一种适合于故障分析的有效的模型,将该模型应用与我们的装备故障分析中是可行、有效的．     

基于漏洞动态可利用性的网络入侵路径分析方法

现有的网络入侵路径分析方法未考虑漏洞的动态特征,且在描述漏洞利用导致的状态转移时,未考虑漏洞利用失败的情形。通过建模漏洞可利用性随时间的变化,文章提出一种改进状态转移概率计算方法的吸收Markov链模型。该模型结合网络攻防实际,考虑漏洞利用失败的情形,合理计算状态转移概率:首先对目标网络生成攻击图,在计算漏洞动态可利用概率的基础上,构建吸收Markov链;然后利用状态转移概率矩阵的性质,计算状态节点威胁度排序、入侵路径长度期望和路径成功概率,并在时间维度上进行分析。实验分析表明,文章方法相比已有方法在节点威胁度排序上更准确,对入侵路径长度期望和路径成功概率的计算更加符合网络攻防实际。     

基于故障树最小割集和最小路集的诊断方法研究

利用故障树的原理和方法,对基于故障树最小割集和最小路集的诊断方法进行了研究。首先给出了故障树最小割集和最小路集的数学描述,在此基础上开发了基于故障树最小割集和最小路集的诊断推理策略,最后提出了测点配置和优化的方法。     

一种基于相关函数的LMS算法

从 Asharif定义的相关函数均方误差 (Mean squares error,MSE)准则 Jr(n)出发 ,在利用牛顿梯度法时用当前时刻的梯度估计代替前一时刻的梯度估计 ,并由矩阵求逆定理导出了一种新的相关函数自适应滤波算法。理论分析表明 ,新的算法对步长因子 μ>0是无条件收敛的 ,该算法应用于回波消除中的计算机数值仿真 ,结果显示其收敛性能良好 ,优于 CLMS算法。     

一种基于相关函数法铁磁谐振波形研究

对铁磁谐振波形进行了系统的分类分级,提出了一种基于Matlab的相关函数方法,并且利用大量数据进行对比,已经得到了效果验证,经过桂林市电力电容器责任有限公司认证,具有良好的实际效果。     

基于关联规则的网络故障告警相关性分析

针对网络故障复杂、告警数据库信息量大等问题,提出一种改进的增量式关联规则挖掘算法。采用关联规则挖掘技术,对告警数据库中的更新规则进行增量关联规则挖掘,将传统告警分析方法与挖掘出的关联规则相结合,应用于网络故障告警相关性分析中。实验结果表明,该算法能减少冗余规则,提高挖掘效率。