《基於軟體行為聚類分析的測試用例選擇技術》是依託南京大學，由趙志宏擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於軟體行為聚類分析的測試用例選擇技術
- 項目類別：青年科學基金項目
- 項目負責人：趙志宏
- 依託單位：南京大學
項目摘要,結題摘要,
項目摘要
)：隨著軟體規模的不斷增大和工程數據的大量積累，數據挖掘和機器學習技術在軟體工程的套用日益廣泛。基於機器學習的軟體測試技術是當前軟體工程研究和套用的熱點之一。本項目旨在研究基於軟體行為聚類分析的測試用例選擇技術。我們通過軟體分析技術獲取程式控制流和數據流信息並進一步提取軟體動態行為特徵, 針對不同類型的行為特徵進行距離度量，然後採用恰當的聚類算法進行聚類，最後在不同行為類簇中選擇若干測試用例進行測試，從而在有限的測試資源下達到較強的錯誤檢測能力。研究內容包括（1）基於軟體行為聚類分析的回歸測試選擇技術。（2）基於軟體行為聚類分析的測試最佳化技術。（3）面向測試結果審查的測試用例選擇技術。項目研究需要有效融合軟體行為特徵提取、聚類算法和軟體測試技術等跨領域技術，屬於當前軟體工程研究的前沿課題。本項目對於當前軟體測試研究具有較為重要的理論意義和實踐價值。
結題摘要
基於機器學習的軟體測試技術是當前軟體工程研究和套用的熱點之一。本項目研究了基於軟體行為聚類分析的測試用例選擇技術。我們通過軟體分析技術獲取程式控制流和數據流信息並進一步提取軟體動態行為特徵, 針對不同類型的行為特徵進行距離度量，然後採用恰當的聚類算法進行聚類，最後在不同行為類簇中選擇若干測試用例進行測試，從而在有限的測試資源下達到更強的錯誤檢測能力。研究內容包括（1）基於軟體行為聚類分析的回歸測試選擇技術;（2）基於軟體行為聚類分析的測試最佳化技術;（3）面向測試結果審查的測試用例選擇技術。項目研究有效融合了軟體行為特徵提取、聚類算法和軟體測試技術等跨領域技術，取得了一系列較好的研究成果。
