期刊专题

10.11896/j.issn.1002-137X.2018.01.044

基于半监督聚类方法的测试用例选择技术

引用
回归测试的目的是保证软件修改后没有引入新的错误.但是随着软件的演化,回归测试用例集不断增大,为了控制成本,回归测试用例选择技术应运而生.近年来,聚类分析技术被运用到回归测试用例选择问题中.将半监督学习引入到聚类技术中,提出了判别型半监督K-means聚类方法(Discriminative Semi-supervised K-means clustering Method,DSKM).该方法从回归测试的历史执行记录中挖掘出隐藏的成对约束信息,同时利用大量的无标签样本和少量的有标签样本进行学习,优化聚类的结果,并进一步优化测试用例选择的结果.实验表明,相对于Constrained-Kmeans方法和SSKM方法,DSKM方法能够更好地提高约简率并保持覆盖率.

回归测试、测试用例选择、K-means算法、成对约束、线性判别分析、半监督聚类

45

TP301(计算技术、计算机技术)

四川省应用基础研究项目2014JY0112

2018-04-04(万方平台首次上网日期,不代表论文的发表时间)

共6页

249-254

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

45

2018,45(1)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn