基于支持向量機的測試用例生成方法研究.pdf

1、在軟件測試領域，如何有效地設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，結構變得更加復雜，這可能會引發(fā)大量的隱藏故障。雖然目前有很多測試數據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果。如果采用人工的方式來為每個測試用例設計期望結果，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）的基本原理和相關知識；總結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據集的測試工具(PICT)及其組合覆蓋標準；構建了待測試軟件的功能模型，并評估了其性能。
　　本文在研究輸入數據自動生成的基礎上，依據待測試軟件的輸入輸出關系構建了SVM模型，該模型可以用于預測測試用例的期望輸出結果。因此，本文提出了一種包含期望輸出結果的測試用例生成方法。該

3、方法選取PICT測試工具產生輸入參數的2-way組合或3-way組合作為典型樣本集，并依據待測試軟件的輸入與輸出關系，水平拼接出對應的輸出結果。采用人工的方式，使得典型樣本集覆蓋了輸出參數的所有組合，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組合的輸入數據對應的預期結果。
　　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果。實驗結果表明，采