本文選題：軟件測(cè)試 + 測(cè)試用例　； 參考：《南昌航空大學(xué)》2017年碩士論文

【摘要】：在軟件測(cè)試領(lǐng)域,如何有效地設(shè)計(jì)或生成符合要求的測(cè)試用例是一個(gè)十分重要的研究課題。在功能性測(cè)試的過(guò)程中,隨著軟件的功能需求不斷增多,軟件的規(guī)模逐漸變大,結(jié)構(gòu)變得更加復(fù)雜,這可能會(huì)引發(fā)大量的隱藏故障。雖然目前有很多測(cè)試數(shù)據(jù)生成器可以自動(dòng)生成大量的測(cè)試用例,但是這些測(cè)試用例都缺少了期望結(jié)果。如果采用人工的方式來(lái)為每個(gè)測(cè)試用例設(shè)計(jì)期望結(jié)果,不僅代價(jià)昂貴而且枯燥乏味,容易出錯(cuò)。論文介紹了軟件測(cè)試的背景和基本概念,闡述了支持向量機(jī)(Support Vector Machine,SVM)的基本原理和相關(guān)知識(shí);總結(jié)了功能性測(cè)試的方法,重點(diǎn)介紹了機(jī)器學(xué)習(xí)方法在軟件測(cè)試中的應(yīng)用;研究了自動(dòng)生成輸入數(shù)據(jù)集的測(cè)試工具(PICT)及其組合覆蓋標(biāo)準(zhǔn);構(gòu)建了待測(cè)試軟件的功能模型,并評(píng)估了其性能。本文在研究輸入數(shù)據(jù)自動(dòng)生成的基礎(chǔ)上,依據(jù)待測(cè)試軟件的輸入輸出關(guān)系構(gòu)建了SVM模型,該模型可以用于預(yù)測(cè)測(cè)試用例的期望輸出結(jié)果。因此,本文提出了一種包含期望輸出結(jié)果的測(cè)試用例生成方法。該方法選取PICT測(cè)試工具產(chǎn)生輸入?yún)?shù)的2-way組合或3-way組合作為典型樣本集,并依據(jù)待測(cè)試軟件的輸入與輸出關(guān)系,水平拼接出對(duì)應(yīng)的輸出結(jié)果。采用人工的方式,使得典型樣本集覆蓋了輸出參數(shù)的所有組合,然后利用典型樣本集來(lái)訓(xùn)練SVM模型。訓(xùn)練好的模型能夠預(yù)測(cè)出n-way組合的輸入數(shù)據(jù)對(duì)應(yīng)的預(yù)期結(jié)果。最后,將該方法應(yīng)用于“活動(dòng)圖的模型文件驗(yàn)證”實(shí)例中,采用Accuracy和Precision指標(biāo)來(lái)評(píng)價(jià)預(yù)測(cè)的結(jié)果。實(shí)驗(yàn)結(jié)果表明,采用遺傳算法進(jìn)行參數(shù)優(yōu)化,同時(shí)考慮輸入域和輸出域的參數(shù)組合覆蓋,構(gòu)建的功能模型具有更好的性能,從而說(shuō)明了該方法的有效性。
[Abstract]:In the field of software testing, how to effectively design or generate test cases that meet the requirements is a very important research topic.In the process of functional testing, with the increasing functional requirements of software, the scale of software becomes larger and the structure becomes more complex, which may lead to a large number of hidden faults.Although there are many test data generators that can automatically generate a large number of test cases, these test cases lack the expected results.If the desired results are designed manually for each test case, they are expensive, boring and error-prone.This paper introduces the background and concept of software testing, expounds the basic principle and related knowledge of support vector machine support Vector machine, summarizes the methods of functional testing, and introduces the application of machine learning method in software testing.The test tool PICTand its combined coverage standard for automatically generating input data sets are studied, and the functional model of the software to be tested is constructed, and its performance is evaluated.On the basis of studying the automatic generation of input data, this paper constructs a SVM model based on the relation between input and output of the software to be tested, which can be used to predict the expected output results of test cases.Therefore, a test case generation method with expected output results is proposed.In this method, the 2-way combination or 3-way combination of input parameters produced by PICT testing tool is selected as the typical sample set, and the corresponding output results are stitched horizontally according to the relation between input and output of the software to be tested.The typical set of samples covers all the combinations of output parameters, and then the typical set of samples is used to train the SVM model.The trained model can predict the expected results corresponding to the input data of the n-way combination.The experimental results show that the proposed model has better performance by using genetic algorithm to optimize the parameters and considering the combined coverage of input and output fields, thus the effectiveness of the proposed method is demonstrated.
【學(xué)位授予單位】：南昌航空大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP311.53;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣旭東;謝仲文;李彤;明利;吉才盈;;面向動(dòng)態(tài)演化的軟件行為相關(guān)性分析研究[J];小型微型計(jì)算機(jī)系統(tǒng);2016年09期

2 高遠(yuǎn);尚雷;何永輝;;基于支撐向量機(jī)的軟件測(cè)試方法[J];指揮信息系統(tǒng)與技術(shù);2016年03期

3 尤楓;趙瑞蓮;呂珊珊;;基于輸出域的測(cè)試用例自動(dòng)生成方法研究[J];計(jì)算機(jī)研究與發(fā)展;2016年03期

4 梁凡;宋曉秋;;基于AETG算法的兩兩組合測(cè)試用例生成方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年11期

5 張衛(wèi)祥;劉文紅;;基于故障樹分析與組合測(cè)試的測(cè)試用例生成方法[J];計(jì)算機(jī)科學(xué);2014年S2期

6 張柯;張德平;汪帥;;基于增強(qiáng)徑向函數(shù)神經(jīng)網(wǎng)絡(luò)的錯(cuò)誤定位方法[J];計(jì)算機(jī)應(yīng)用研究;2015年03期

7 趙詠斌;朱嘉鋼;陸曉;;SVM應(yīng)用于測(cè)試用例生成的方法[J];計(jì)算機(jī)應(yīng)用研究;2015年01期

8 錢忠勝;;一種基于有限狀態(tài)機(jī)的測(cè)試路徑生成方法[J];小型微型計(jì)算機(jī)系統(tǒng);2014年07期

9 楊波;吳際;徐珞;畢考;劉超;;一種軟件測(cè)試需求建模及測(cè)試用例生成方法[J];計(jì)算機(jī)學(xué)報(bào);2014年03期

10 聶長(zhǎng)海;蔣靜;;覆蓋表生成的可配置貪心算法優(yōu)化[J];軟件學(xué)報(bào);2013年07期

相關(guān)碩士學(xué)位論文 前1條

1 李森;基于輸出域測(cè)試用例自動(dòng)生成的研究[D];安徽大學(xué);2011年

，

本文編號(hào)：1741083