-
公开(公告)号：CN116501614A
公开(公告)日：2023-07-28
申请号：CN202310352757.6
申请日：2023-04-04
IPC分类号： G06F11/36
摘要： 本发明公开了一种基于类间学习进行失败测试用例合成的方法，该方法首先抽取出两条结果不同的测试用例。之后对这两条测试用例中的语句分配不同的权值，然后随机生成一个切割位置，合成新的测试用例，利用BC公式计算合成测试用例对应的标签。最后，将新的合成测试用例和对应的标签加入原数据集中，作为缺陷定位方法的输入。该方法基于类间学习合成对缺陷定位方法有用的合成测试用例，更有利于实际工程中的应用。
-
公开(公告)号：CN113139619A
公开(公告)日：2021-07-20
申请号：CN202110522961.9
申请日：2021-05-13
申请人： 重庆大学
摘要： 本发明公开了一种通过分配基本信度来管理冲突数据证据的融合方法，包括一种通过基本信度函数的改进方法对BPA进行了修饰,并使用信度熵来计算信息量来获得每个证据组的权重，然后用权重再次修改BPA，最后将Dempster组合规则进行数据融合的方法。本发明可以根据信息源的信息量来分配权重，通过使用信度熵获得的最终BPA可以使数据融合结果更具逻辑性。
-
公开(公告)号：CN112965894A
公开(公告)日：2021-06-15
申请号：CN202110152656.5
申请日：2021-02-04
申请人： 重庆大学
摘要： 本发明涉及一种基于上下文感知的缺陷定位方法，该方法利用程序切片技术构建一个缺陷上下文，该上下文可表示为一个用程序依赖图表示的有向图，图中节点为和失败有直接或间接关联关系的语句，边为这些语句之间的关联关系。基于该图，CAN将图中的每一个节点均采用one‑hot编码嵌入节点表示向量，并且利用GNN来获取语句之间的依赖关系，CAN在这些节点表示向量的基础上通过利用测试用例进行训练，从而可以获得更精确的节点表示向量。最后，通过将有缺陷的目标程序的缺陷上下文语句中的每一条语句均只被一个测试用例覆盖且一个测试用例也只覆盖一条缺陷上下文语句的方法，构建一个虚拟测试用例集。将这个测试用例集输入训练好的GNN中得到每个语句的可疑值。本方法以分析缺陷上下文并将其纳入可疑性评估以改善缺陷定位，经过试验分析可知本发明方法可以显着提高缺陷定位的有效性。
-
公开(公告)号：CN113537830A
公开(公告)日：2021-10-22
申请号：CN202110916442.0
申请日：2021-08-10
申请人： 重庆大学
摘要： 本发明公开了一种基于三角分布和证据理论的失效模式评估方法，该方法首先利用D‑S证据理论中的置信结构对领域专家的主观风险评估进行建模，然后存在冲突的评估信息被转换为TDBPA模型以平滑冲突信息。之后，将各专家评估信息的TDBPA模型的评估信息用Dempster组合规则进行融合。在此基础上，利用融合风险因子的结果计算失效模式的置信度，对根据失效模式的置信度值的大小对目标系统的失效模型进行排序。排序靠前则表示目标系统中该置信度值对应的失效模式需被采取防范的优先级越高。
-
公开(公告)号：CN113537829A
公开(公告)日：2021-10-22
申请号：CN202110913773.9
申请日：2021-08-10
申请人： 重庆大学
摘要： 本发明公开了一种基于信度熵和证据理论的失效模式评估方法，该方法首先计算失效模式与FMEA专家和风险因子这两部分的权重。之后，利用信度熵度量来自FMEA专家的主观评估信息的不确定性。最后，FMEA专家的权重由他所评估的三个风险因子的权重组成，而三个风险因子的权重由于评估信息的信息量决定。该方法基于熵的权重表达了被赋权的风险因子/专家对于某失效模式的风险顺序数的相对重要性，更有利于实际工程中的应用。
-
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
申请人： 重庆大学
IPC分类号： G06F11/36 , G06F18/2135 , G06N3/0464 , G06N3/084 , G06N3/0455 , G06N3/0475 , G06N3/045 , G06N3/094
摘要： 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：CN114186600A
公开(公告)日：2022-03-15
申请号：CN202110890270.4
申请日：2021-08-04
申请人： 重庆大学
摘要： 本发明公开了一种基于高斯分布计算基本概率指派函数值的方法，该方法首先根据训练样本在数据集中的均值和方差构造构建高斯曲线，然后计算测试样本在高斯分布上的函数值，生成BPA函数，之后基于Dempster组合规则进行数据融合。最后，待测试样本第i类的每个属性值进行归一化处理得到待测试样本第i类k个属性处理后的高斯分布函数值，并将待测试样本每个属性对应于n个类别的BPA函数值。本发明方法对分类问题有较高的可行性和有效性，更有利于实际工程中的应用。
-
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
申请人： 重庆大学
摘要： 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：CN112685327A
公开(公告)日：2021-04-20
申请号：CN202110115994.1
申请日：2021-01-28
申请人： 重庆大学
摘要： 本发明涉及一种模型域的失败测试用例生成方法，该方法首先定义了一个最小可疑集合，从所有失败测试用例中抽取共同的特征，之后对于模型域中每一个失败的测试用例在保留失败测试用例的共同特征的基础上对非共同特征的信息进行变异，从而产生新的模型域的失败测试用例。最后，将新增的模型域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。本发明方法使用变异的最近邻算法来生成模型域的失败测试用例向量，从而达到提升缺陷定位效果的目的，和传统的从输入域生成测试用例的方法不同，本发明方法要更加简单有效，它不用通过程序执行来获取一个失败的标签。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.045 秒)
