Rough集在软件测试用例选择中的应用

文中首先阐述了软件测试相关的基本概念,然后介绍了粗糙集理论基本概念和基于粗糙集理论的数据约简.并将粗糙集数据约简方法引入到软件测试用例的选择中,在保证不降低测试效果的同时减少了测试用例的属性个数,从而达到了优化测试用例的目的.     

探究关于测试需求集的测试用例集极小化方法

软件测试是软件生产厂商在软件开发过程中非常重要的一个阶段。本文围绕着测试用例集约简技术展开研究。首先阐述了测试用例集的约简技术的含义与作用,分析了测试用例集的约简技术能够降低软件测试成本以及提高软件测试效率的方法。本文结合几种常用的测试用例集的约简技术,提出一种关于测试需求集的测试用例集极小化方法,该方法基于测试需求集的最小测试用例集的形成算法,从而得到优化的代表测试用例集,为测试用例集约简技术提供很好的理论基础和测试技术的依据。     

基于Rough集的软件测试用例优化过程

测试用例生成是软件测试的关键环节,也是软件测试的重点和难点,如何生成高效简化的测试用例是软件测试研究的重要问题之一。对此,提出了基于Rough集的软件测试用例优化过程。针对这一过程采用一种能同时得到属性核值信息的属性约简算法,提出了一种新的属性值约简算法。最后结合一个实例说明了此优化过程具有较高的效率,达到了较好的测试用例优化效果。     

一种粗糙集属性约简算法

基于粗糙集理论提出一种新的属性重要度的度量方法,引入决策强度的概念,克服经典粗糙集理论约简定义的不完备性及无法获得最优属性约简的缺陷,改进基于信息熵的启发式属性约简算法,通过对既有线CTCS-2级车站列控中心软件测试平台的测试数据的实证分析,成功获得最优属性约简,发现数据之间的潜在联系及规律,给出决策规则,使决策分析更为高效。     

基于Rough集的软件测试用例优化过程

测试用例生成是软件测试的关键环节，也是软件测试的重点和难点，如何生成高效简化的测试用例是软件测试研究的重要问题之一。对此，提出了基于Rough集的软件测试用例优化过程。针对这一过程采用一种能同时得到属性核值信息的属性约简算法，提出了一种新的属性值约简算法。最后结合一个实例说明了此优化过程具有较高的效率，达到了较好的测试用例优化效果。     

粗糙集理论及其在智能系统中的应用

粗糙集理论是一种新型的处理含糊和不确定知识的数学工具，在智能系统中得到了广泛的应用，介绍了经典粗糙集理论的基本思想，上下近似集、属性约简和核等基本概念以及粗糙集的研究现状．介绍了粗糙集理论在智能系统中的应用，主要包括基于粗糙集理论的属性约简作为数据预处理的手段，基于粗糙集理论的相关性分析和基于粗糙集理论的系统建模和控制．指出了粗糙集理论在应用中遇到的问题和可能的研究方向。     

基于多优化目标的软件测试用例约简方法研究

软件测试是软件工程的一个重要组成部分,其目标是能够及时发现软件中的错误,确保软件高质量。测试用例是软件测试的基础,覆盖度较高且精简的测试用例集可以提高测试效率和降低成本。软件测试覆盖标准较多,一个好的测试用例评价指标也存在多种,为了能够在约简测试用例集规模的同时获取较高的测试能力,本文提出了一种基于多优化目标的测试用例集约简算法,该算法旨在根据测试用例需求,构建多优化目标的测试用例模型,使用该模型获取一个最优解的测试用例子集,使用最小化用例集方法最小化测试用例,迭代执行直到测试用例集覆盖所有的测试需求,实验结果表明该算法可以约简测试用例集,获取较高的综合测试效果。     

基于粗糙集与证据理论的测试用例优化研究

由于软件体系复杂度和数量不断增加使得测试用例的设计和选择越来越困难,为了能够在来自不同信息源的众多测试用例中选择有效的用例集,提出了一种基于粗糙集与证据理论的测试用例优化方法。粗糙集是一种处理不确定信息的有效方法,其本身不需要先验知识、有经典的约简算法等;D-S理论处理来自不同信息源的数据合成问题,是经典概率论的一种扩展,但其本身存在许多不足。粗糙集的特点恰好可以弥补其不足,两者结合从而达到良好的效果。在实际应用分析中,证明该方法是可行而且有效的。     

基于粗糙集理论的属性约简算法的VB实现

粗糙集理论成为近年来数据挖掘领域的研究热点,基于粗糙集理论的属性约简算法具有重要的研究意义,开发一套用于研究粗糙集理论属性约简算法的软件将是有效的辅助工具。论文首先对粗糙集理论基本概念及属性约简问题进行介绍,接着介绍该软件的设计和结构功能,举例说明该软件的应用,并提出该软件有待进一步扩展的功能。     

一种有效的约简测试用例的方法

软件测试是软件开发过程中的一个重要组成部分,是贯穿整个软件开发生命周期、对软件产品(包括阶段性产品)进行验证和确认的活动过程;测试用例的质量和数量将直接决定软件测试的科学性和有效性,测试用例约简算法是在满足测试需求的前提下生成较少的测试用例;文章先对测试需求做了初步简化,然后在剩下的测试需求基础上进行划分,从而得到约简后的测试用例集;结果表明,对于有较多测试需求的系统,此方法有助于快速有效地生成规模较小的测试用例。     

基于邻域三支决策粗糙集模型的软件缺陷预测方法

基于已有软件缺陷数据,建立分类模型对待测软件模块进行预测,能够提高测试效率和降低测试成本。现有基于机器学习方法对软件缺陷预测的研究大部分基于二支决策方式,存在误分率较高等问题。本文针对软件缺陷数据具有代价敏感特性且软件度量取值为连续值等特性,提出了一种基于邻域三支决策粗糙集模型的软件缺陷预测方法,该方法对易分错的待测软件模块作出延迟决策,和二支决策方法相比,降低了误分类率。在NASA软件数据集上的实验表明所提方法能够提高分类正确率并减小误分类代价。     

一种基于粗糙集理论的最简规则挖掘方法

提出了一种基于粗糙集理论的最简规则挖掘方法，它是一个采用基于分类正确度的粗糙集模型进行多概念分类规则挖掘的新方法，能有效处理决策表的不一致性，采用启发式算法，挖掘出满足给定精确度的最简产生式规则知识。用多个UCI数据集对算法进行了测试，并且与著名的Rosetta软件进行实验对比，结果说明此方法大大提高了总的数据约简量，可以有效地简化最终得到的规则知识。     

Reduction method for concept lattices based on rough set theory and its application

Rough set theory and formal concept analysis are two complementary mathematical tools for data analysis. In this paper, we study the reduction of the concept lattices based on rough set theory and propose two kinds of reduction methods for the above concept lattices. First, we present the sufficient and necessary conditions for justifying whether an attribute and an object are dispensable or indispensable in the above concept lattices. Based on the above justifying conditions, we propose a kind of multi-step attribute reduction method and object reduction method for the concept lattices, respectively. Then, on the basis of the defined discernibility functions of the concept lattices, we propose a kind of single-step reduction method for the concept lattices. Additionally, the relations between the attribute reduction of the concept lattices in FCA and the attribute reduction of the information system in rough set theory are discussed in detail. At last, we apply the above multi-step attribute reduction method for the concept lattices based on rough set theory to the reduction of the redundant premises of the multiple rules used in the job shop scheduling problem. The numerical computational results show that the reduction method for the concept lattices is effective in the reduction of the multiple rules.     

基于蚁群算法的测试用例优先排序

测试用例优先排序技术通过优化测试用例的执行次序来提高软件测试的效率,是增强型软件测试和回归测试的重要研究课题。针对基于需求的测试用例优先排序问题,提出了一种基于蚁群算法的求解方法,采用不同的测试用例间距离及用例序列评价策略,给出了该方法的2种不同实现方式。首先,针对黑盒测试特点,设计了基于需求的一般性测试用例序列评价指标;其次,提出测试用例吸引度概念,基于测试用例吸引度定义了测试用例间的距离;然后,给出了信息素更新策略、最优解集更新策略、局部最优解突变策略等主要设计策略,分别实现了该方法基于距离和基于指标的2种实现方式。实验结果表明,该方法具有很好的全局寻优能力,整体效果上优于粒子群算法、遗传算法和随机测试。     

基于粗糙集理论的概念格属性约简及算法

粗糙集理论在数据分析中善于解决约简冗余属性与对象、寻求最小属性集等问题，而约简概念格是形式概念知识表示中解决复杂性的重要途径。用粗糙集的方法重新认识形式概念及概念格，并把二者有机地结合起来，为概念格的约简提供了一个新的思路和方法。本文就这些问题做了一些基本的研究。     

黑盒测试用例基的研究

本文运用集合论的观点,提出了测试用例基的概念与构成方法;从系统测试的角度提出系统位态与预期位态的概念;运用模糊蕴涵概念建立了测试用例与系统位态间的模糊控制关系;证明了测试用例基在测试中的优良特性及相关结论;用测试用例基执行软件测试是一种既科学又简便且测试用例的数量较少的方法,有效地降低了测试成本.     

测试用例集约简问题研究及其进展

测试用例集约简问题是软件测试中的关键问题之一,其目的是使用尽可能少的测试用例充分满足给定的测试目标,从而提高测试效率、降低测试成本。在简要介绍了测试用例集约简问题基本概念的基础上,总结了求解该问题的几种主要方法,分析比较了这些方法的效率和特性。随后探讨了与测试用例集约简问题强相关的测试用例集错误检测效率的问题,并研究了测试用例优先级技术。最后指出了测试用例集约简问题的下一步研究方向。     

软件边界组合测试的典型案例分析

介绍了软件系统测试中功能组合测试与边界测试的概念和技术要求。针对我国目前军用型号软件测试的主要过程与方法,总结了在测试用例设计方面存在的不足。结合一个型号软件系统测试中未暴露的典型软件缺陷案例,分析了测试用例设计上的原因,说明了将功能组合测试与边界测试结合实施的必要性。提出了一种基于因果图的边界组合测试方法。经系统测试验证了该方法的可行性和有效性。     

改进型程序切片方法的测试需求约简技术研究

传统的测试用例集约简技术大多采用由测试需求集直接生成测试用例集的方法.该方法虽然能够约简测试用例集,但出现测试需求冗余,约简后的测试用例集不够精准等问题.针对这些问题,提出了一种基于六元结构表的程序切片方法.利用程序切片精简测试代码,省去构造程序依赖图的复杂步骤;根据代码间的相互关系和模块间的耦合度,利用启发式算法约简测试需求;在约简后的测试需求上,精简测试用例集.将该方法应用到当前主流的Android平台上比较约简前后G,GRE的用例集.实验结果表明:约简后的测试需求集能够在获得较少的测试用例集的前提下保证较高的覆盖率.