-
公开(公告)号：CN113568831A
公开(公告)日：2021-10-29
申请号：CN202110852911.7
申请日：2021-07-27
Applicant: 重庆大学
IPC: G06F11/36
Abstract: 本发明公开了基于蜕变测试的自监督深度学习型缺陷定位方法，该方法首先构建蜕变关系，在给定的无测试预言的测试用例集的基础上生成出源测试用例和后续测试用例，然后收集覆盖信息和测试输出，接下来对前者进行集合求并，对后者进行蜕变关系验证，得到每个蜕变关系组内总的覆盖信息的测试结果，并整合成为覆盖矩阵与违反向量，输入给深度神经网络模型进行训练，学习模型，最后用模型完成对代码可疑值的预测，依据可疑值从大到小对缺陷程序的代码进行排序，完成缺陷定位。该方法克服了深度学习型缺陷定位的局限性，使其能被应用到测试预言缺失的情景中，以自监督的方式实现面向无标签数据集的缺陷定位，显著扩大了应用范围。
-
公开(公告)号：CN113836027B
公开(公告)日：2023-07-21
申请号：CN202111145441.7
申请日：2021-09-28
Applicant: 重庆大学
IPC: G06F11/36 , G06F18/2135 , G06N3/0464 , G06N3/084 , G06N3/0455 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明涉及一种使用生成式网络进行失败测试用例生成的方法，该方法首先使用特征选择算法，对原始覆盖矩阵进行降维，从而获取原始覆盖矩阵的低维特征空间，之后建立一个条件变分自编码深度学习模型，将低维特征空间作为训练数据，使用反向传播算法进行参数更新，从而训练出一个能够生成失败测试用例的生成器。利用该生成器，生成失败测试用例，直到失败测试用例与成功测试用例数目相同。最后，将新增的失败测试用例融入原有测试用例集中并进行缺陷的定位。本发明方法使用一种改良的主成分分析算法对原始矩阵进行降维，并使用条件自编码器生成失败测试用例，从而缓解数据不平衡问题，达到提升缺陷定位效果的目的。
-
公开(公告)号：CN113568831B
公开(公告)日：2023-07-04
申请号：CN202110852911.7
申请日：2021-07-27
Applicant: 重庆大学
IPC: G06F11/36
Abstract: 本发明公开了基于蜕变测试的自监督深度学习型缺陷定位方法，该方法首先构建蜕变关系，在给定的无测试预言的测试用例集的基础上生成出源测试用例和后续测试用例，然后收集覆盖信息和测试输出，接下来对前者进行集合求并，对后者进行蜕变关系验证，得到每个蜕变关系组内总的覆盖信息的测试结果，并整合成为覆盖矩阵与违反向量，输入给深度神经网络模型进行训练，学习模型，最后用模型完成对代码可疑值的预测，依据可疑值从大到小对缺陷程序的代码进行排序，完成缺陷定位。该方法克服了深度学习型缺陷定位的局限性，使其能被应用到测试预言缺失的情景中，以自监督的方式实现面向无标签数据集的缺陷定位，显著扩大了应用范围。
-
公开(公告)号：CN113836027A
公开(公告)日：2021-12-24
申请号：CN202111145441.7
申请日：2021-09-28
Applicant: 重庆大学
Abstract: 本发明涉及一种使用生成式网络进行失败测试用例生成的方法，该方法首先使用特征选择算法，对原始覆盖矩阵进行降维，从而获取原始覆盖矩阵的低维特征空间，之后建立一个条件变分自编码深度学习模型，将低维特征空间作为训练数据，使用反向传播算法进行参数更新，从而训练出一个能够生成失败测试用例的生成器。利用该生成器，生成失败测试用例，直到失败测试用例与成功测试用例数目相同。最后，将新增的失败测试用例融入原有测试用例集中并进行缺陷的定位。本发明方法使用一种改良的主成分分析算法对原始矩阵进行降维，并使用条件自编码器生成失败测试用例，从而缓解数据不平衡问题，达到提升缺陷定位效果的目的。
-
-
-
Search Results
4
records
(took 0.022 seconds)
