基于支持向量機的測試用例生成方法研究.pdf

1、在軟件測試領(lǐng)域，如何有效地設(shè)計或生成符合要求的測試用例是一個十分重要的研究課題。在功能性測試的過程中，隨著軟件的功能需求不斷增多，軟件的規(guī)模逐漸變大，結(jié)構(gòu)變得更加復雜，這可能會引發(fā)大量的隱藏故障。雖然目前有很多測試數(shù)據(jù)生成器可以自動生成大量的測試用例，但是這些測試用例都缺少了期望結(jié)果。如果采用人工的方式來為每個測試用例設(shè)計期望結(jié)果，不僅代價昂貴而且枯燥乏味，容易出錯。
　　論文介紹了軟件測試的背景和基本概念，闡述了支持向量機（Su

2、pport Vector Machine，SVM）的基本原理和相關(guān)知識；總結(jié)了功能性測試的方法，重點介紹了機器學習方法在軟件測試中的應用；研究了自動生成輸入數(shù)據(jù)集的測試工具(PICT)及其組合覆蓋標準；構(gòu)建了待測試軟件的功能模型，并評估了其性能。
　　本文在研究輸入數(shù)據(jù)自動生成的基礎(chǔ)上，依據(jù)待測試軟件的輸入輸出關(guān)系構(gòu)建了SVM模型，該模型可以用于預測測試用例的期望輸出結(jié)果。因此，本文提出了一種包含期望輸出結(jié)果的測試用例生成方法。該

3、方法選取PICT測試工具產(chǎn)生輸入?yún)?shù)的2-way組合或3-way組合作為典型樣本集，并依據(jù)待測試軟件的輸入與輸出關(guān)系，水平拼接出對應的輸出結(jié)果。采用人工的方式，使得典型樣本集覆蓋了輸出參數(shù)的所有組合，然后利用典型樣本集來訓練SVM模型。訓練好的模型能夠預測出n-way組合的輸入數(shù)據(jù)對應的預期結(jié)果。
　　最后，將該方法應用于“活動圖的模型文件驗證”實例中，采用Accuracy和Precision指標來評價預測的結(jié)果。實驗結(jié)果表明，采