隨著計算機技術(shù)日新月異的發(fā)展,計算機軟件越來越融入人們的日常生活中,人們也越來越關(guān)注軟件的安全性和穩(wěn)定性問題。與此同時,軟件規(guī)模擴大化和復雜化,使得提高軟件代碼的質(zhì)量更加困難。在軟件測試過程中,開發(fā)人員往往希望盡快找出造成故障的錯誤代碼并修復,從而避免或減少軟件缺陷引起的風險和經(jīng)濟損失。軟件測試是提高軟件代碼質(zhì)量的重要手段。當發(fā)現(xiàn)軟件存在缺陷時,開發(fā)或測試人員需要對程序代碼進行人工檢查來發(fā)現(xiàn)引起故障的錯誤代碼所在的具體位置,這個工作需要大量的人力和時間開銷。因此,如何快速、準確地檢測并定位到引起故障的錯誤代碼受到研究人員的重視。近年來軟件故障定位在國內(nèi)外擁有重要科學意義和應(yīng)用前景。然而現(xiàn)有軟件錯誤定位方法尚不完善,主要存在以下挑戰(zhàn):（1）實際應(yīng)用軟件中存在多個錯誤,而現(xiàn)有方法主要是針對單錯誤,僅有的多錯誤定位方法效果并不理想;（2）現(xiàn)有多錯誤定位方法核心是使用基于聚類的方法,需要人為設(shè)定錯誤類數(shù)即故障數(shù),不能自適應(yīng)確定故障數(shù);（3）偶然正確測試用例的存在會使錯誤定位的精度下降,但在多錯誤定位中較少考慮偶然正確測試用例對其效果的影響。針對上述問題,本文從密度聚類入手并結(jié)合識別偶然正確測試... 

【文章來源】：北京化工大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【部分圖文】：

圖２－１?ＣＢＦＬ方法的基本框架??Ｆｉｇ．２－１?Ｔｈｅ?ｂａｓｉｃ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ＣＢＦＬ??ＣＢＦＬ方法分為兩個過程：首先利用測試用例在被測程序上運行時的覆蓋信息以??

本小節(jié)給出了基于密度聚類的多錯誤定位方法框架如３－１所示。??「＾ｆ?失—ｉ??ｆ?１，—］??｜?成功測試用例（ｓ）??ｒ??二鬥??｜懷疑度攤序?＝＝ｌ，２，３．．．ｎ｝?晷?晷?…?晷??Ｌｊ１－Ｊ?Ｌｉ？??ＬｉｌＪ?Ｉ失敗測試用例聚類｜??＼?ｒ密度聚類＾故陳為中心的聚類??＼?￣￣￣??類簇??／根據(jù)懷疑度＇?＾?田腦壬－懸而－Ｉ?ｊ?／測試用例和所有成＼??（ｍ功測試腿合成針）??＾?ｉｃ個故障＿瞻，護ｍ對－個故障的新測ｙ??＼＾試用例集?／??圖３－１基于密度聚類的多錯誤定位方法框架??Ｆｉｇ．３－１?Ｔｈｅ?ｆａｒｍｗｏｒｋ?ｏｆ?ＤＢＡＦＬ??１５??

位一個故障的測試用例集。也就是說可以??當成單故障錯誤定位問題，而單故障錯誤定位問題中準確識別偶然正確測試用例并對??其進行處理，可以提高錯誤定位精度。本文中提出基于ＫＮＮ模糊分類識別偶然正確??測試用例并對其進行處理。??］?ｒ??ｃｃ識別模塊??測試用例覆蓋佶息和執(zhí)行結(jié)??果采集模塊?＾?Ｔｒｕｅ?ＣＣ識別（預處理）??潛在ＣＣ識別??Ｖ?）?Ｖ??）??Ｉ??ｒ?＼?ｒ?＼??錯誤定位模塊?ＣＣ處理模塊??Ｖｒ－?．?．．．．．＿?Ｊ?－?Ｉ７??圖４－１?ＣＣ識別處理框架??Ｆｉｇ．４－１?Ｔｈｅ?ｆａｒｍ?ｗｏｒｋ?ｏｆ?ＣＣ?ｉｄｅｎｔｉｆｉｃａｔｉｏｎ?ａｎｄ?ｍａｎｉｐｕｌａｔｉｏｎ?ｓｔｒａｔｅｇｉｅｓ??２３??

【參考文獻】：
期刊論文
[1]基于Chameleon聚類分析的多錯誤定位方法[J]. 曹鶴玲,姜淑娟.  電子學報. 2017(02)
[2]一種基于K中心點算法的測試用例集約簡方法[J]. 陳陽梅,丁曉明.  計算機科學. 2012(S1)



本文編號：3415426