-
公开(公告)号：CN115545125B
公开(公告)日：2023-04-07
申请号：CN202211512741.9
申请日：2022-11-30
Applicant: 北京航空航天大学
IPC: G06F11/36 , G06F18/23 , G06F18/241
Abstract: 本发明涉及一种软件缺陷关联规则网络剪枝方法及系统，属于软件缺陷预测技术领域，解决了现有关联规则网络未考虑有无缺陷的双目标且关联规则存在冗余的问题。包括读取软件缺陷数据集，基于关联规则算法生成初始关联规则集合；基于初始关联规则集合，构建以有缺陷标签和无缺陷标签作为目标节点的反向超图，以及有缺陷字典和无缺陷字典；获取同时存在于两个字典的节点，在反向超图中去除节点的冗余边，更新字典中节点层级，得到关联规则网络；基于社区发现算法，根据字典中节点层级，对关联规则网络聚类得到多个社区；分别根据社区中的缺陷标签和节点所属字典，从多个社区中提取出用于软件缺陷预测的关联规则。实现了软件缺陷关联规则的准确提取。
-
公开(公告)号：CN115934558A
公开(公告)日：2023-04-07
申请号：CN202211655905.3
申请日：2022-12-22
Applicant: 北京航空航天大学
IPC: G06F11/36 , G06F18/22 , G06F18/23213
Abstract: 本发明公开了一种使用无标签测试用例的相似度加权故障定位方法，包括利用已知测试预言用例集合训练并得到测试预言分类器和语句怀疑度排序；利用测试预言分类器预测未知预言用例集合TUL的执行结果；利用信息熵筛选并得到可用的未标注测试用例集合；对筛选出的未标注测试用例集与已知失败测试用例进行相似度计算；对筛选出的未标注测试用例集结合预测结果进行相似度加权，并加入已知测试用例进行怀疑度计算，得到相似度加权的语句怀疑度和怀疑度排序；本方法解决了未标记测试用例定位不确定性的问题，提升了使用熵筛选未标记测试用例进行故障定位的效率，获取更高精度的定位结果。
-
Patent Agency Ranking
公开(公告)号：CN115858223A
公开(公告)日：2023-03-28
申请号：CN202211655648.3
申请日：2022-12-22
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种软件多故障定位集成方法，包括：根据测试用例执行被调试的程序，收集相关语句覆盖率完成数据收集：采用程序语句覆盖率作为失败测试用例的特征表示，通过使用失败测试用例集合和成功测试用例集合的故障定位方法生成可疑排序，然后动态切片得到压缩后的特征表示和可疑排序；获取不同的聚类成员后，得到聚类对象的相似矩阵，使用层次算法得到最终的聚类结果；对于最终聚类结果中的每个簇中，使失败测试用例与所有成功的测试组成集合，生成以故障为中心的怀疑度排序；并修复每个以故障为中心的可疑排序所定位的第一个错误，本发明的方法显著减少了软件失效用例的特征表示和聚类需要的计算时间。
-
公开(公告)号：CN116185817A
公开(公告)日：2023-05-30
申请号：CN202211512762.0
申请日：2022-11-30
Applicant: 北京航空航天大学
IPC: G06F11/36 , G06F18/214 , G06F18/24
Abstract: 本发明涉及一种软件缺陷预测规则的筛选方法及系统，属于关联规则筛选技术领域，解决了现有软件缺陷特征选择复杂且预测规则存在冗余的问题。包括获取历史软件缺陷数据，构建样本集；基于样本集执行如下步骤，进行迭代训练和测试：将样本集划分为训练集和测试集；基于关联规则算法，根据三个支持度阈值从训练集中生成频繁项集，根据不同长度的频繁项集的提升度阈值，筛选出频繁项集并转化为关联规则，得到关联规则集合；从关联规则集合中提取类关联规则，根据选择的预测指标对测试集进行预测，根据预测结果计算分类性能指标；迭代训练和测试结束后，取分类性能指标最优时的类关联规则，作为软件缺陷预测规则。提高了筛选预测规则的准确性和高效性。
-
公开(公告)号：CN115629998B
公开(公告)日：2023-03-10
申请号：CN202211652532.4
申请日：2022-12-22
Applicant: 北京航空航天大学
IPC: G06F11/36 , G06F18/23213 , G06F18/22
Abstract: 本发明属于软件故障定位技术领域，具体公开了一种基于KMeans聚类和相似度的测试用例筛选方法，包括将全部测试用例表示为集合T，对其中的全部测试用例进行Kmeans聚类并形成k个簇；在每个簇中随机选出一个测试用例形成集合K，获取集合K的测试预言并判断执行结果，将结果为失败的测试用例形成集合F；为集合F中的失败测试用例筛选相似测试用例并形成集合J，获取集合J的测试预言并判断执行结果；将按相似度筛选出的测试用例与集合K合并，将这些已知预言测试用例作为输入信息用于后续的训练分类器。本方法采用相似度的方法，能够更为明显的区分出包含故障的语句，可以提高故障定位效率，并与其他使用未知预言测试用例的方法很好的结合。
-
公开(公告)号：CN115629998A
公开(公告)日：2023-01-20
申请号：CN202211652532.4
申请日：2022-12-22
Applicant: 北京航空航天大学
IPC: G06F11/36 , G06F18/23213 , G06F18/22
Abstract: 本发明属于软件故障定位技术领域，具体公开了一种基于KMeans聚类和相似度的测试用例筛选方法，包括将全部测试用例表示为集合T，对其中的全部测试用例进行Kmeans聚类并形成k个簇；在每个簇中随机选出一个测试用例形成集合K，获取集合K的测试预言并判断执行结果，将结果为失败的测试用例形成集合F；为集合F中的失败测试用例筛选相似测试用例并形成集合J，获取集合J的测试预言并判断执行结果；将按相似度筛选出的测试用例与集合K合并，将这些已知预言测试用例作为输入信息用于后续的训练分类器。本方法采用相似度的方法，能够更为明显的区分出包含故障的语句，可以提高故障定位效率，并与其他使用未知预言测试用例的方法很好的结合。
-
公开(公告)号：CN115545125A
公开(公告)日：2022-12-30
申请号：CN202211512741.9
申请日：2022-11-30
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种软件缺陷关联规则网络剪枝方法及系统，属于软件缺陷预测技术领域，解决了现有关联规则网络未考虑有无缺陷的双目标且关联规则存在冗余的问题。包括读取软件缺陷数据集，基于关联规则算法生成初始关联规则集合；基于初始关联规则集合，构建以有缺陷标签和无缺陷标签作为目标节点的反向超图，以及有缺陷字典和无缺陷字典；获取同时存在于两个字典的节点，在反向超图中去除节点的冗余边，更新字典中节点层级，得到关联规则网络；基于社区发现算法，根据字典中节点层级，对关联规则网络聚类得到多个社区；分别根据社区中的缺陷标签和节点所属字典，从多个社区中提取出用于软件缺陷预测的关联规则。实现了软件缺陷关联规则的准确提取。
-
-
-
-
-
-
Search Results
7
records
(took 0.041 seconds)
