基于复杂网络的软件测试路径聚类分析

doi:10.3778/j.issn.1002-8331.2010.31.020

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (31): 72-76.DOI: 10.3778/j.issn.1002-8331.2010.31.020

基于复杂网络的软件测试路径聚类分析

周宽久，冯金金，兰文辉，迟宗正

大连理工大学软件学院，辽宁大连 116620

收稿日期:2010-03-23 修回日期:2010-06-21 出版日期:2010-11-01 发布日期:2010-11-01
通讯作者: 周宽久

Cluster analysis of software testing paths based on complex networks

ZHOU Kuan-jiu，FENG Jin-jin，LAN Wen-hui，CHI Zong-zheng

Software School，Dalian University of Technology，Dalian，Liaoning 116620，China

Received:2010-03-23 Revised:2010-06-21 Online:2010-11-01 Published:2010-11-01
Contact: ZHOU Kuan-jiu

摘要/Abstract

摘要： 为了在保证覆盖率的前提下，减少测试用例数量，提高测试效率，提出一种基于复杂网络的软件测试路径生成算法。首先提出软件系统加权复杂网络模型中节点权值的计算方法，建立了复杂网络模型，然后根据软件运行时的不确定性，建立函数调用的模糊相似矩阵，并利用相似矩阵结构分解算法对其进行变换，对测试路径进行聚类分析得到测试路径的划分。分析Linux的7个文件，经过聚类分析后平均节约了17.46%的测试路径。理论分析和实例证明，方法简单可行。

关键词: 复杂网络, 软件测试, 聚类分析, 相似矩阵

Abstract: A complex networks-based algorithm that can get fewer software testing paths is put forward to reduce the number of test data，and to improve test efficiency.Firstly the method of calculating the nodes’ weight is advanced.This method is based on the weighted complex networks model of software system.Then a similarity matrix is created according to the uncertainty during software running.Finally，a matrix decomposition algorithm is issued to convert the matrix to obtain the partition of testing paths.After cluster analysis of the seven Linux files，the test paths are on average 17.46% saves.It is shown that this method is simple，rapid and effective from both theoretical analysis and experiment.

Key words: complex networks, software testing, cluster analysis, similarity matrix

中图分类号:

TP311

周宽久，冯金金，兰文辉，迟宗正. 基于复杂网络的软件测试路径聚类分析[J]. 计算机工程与应用, 2010, 46(31): 72-76.

ZHOU Kuan-jiu，FENG Jin-jin，LAN Wen-hui，CHI Zong-zheng. Cluster analysis of software testing paths based on complex networks[J]. Computer Engineering and Applications, 2010, 46(31): 72-76.

[1]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[2]	马满福，郭晨彪，李勇，张钟颖，张强，王常青. 基于结构熵的注意力流网络异构性研究[J]. 计算机工程与应用, 2021, 57(23): 98-105.
[3]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[4]	李金海，何有世，张鹏. 融合情境语义推理及社会网络的团购推荐研究[J]. 计算机工程与应用, 2021, 57(18): 163-171.
[5]	谭莉娟，郑巍，刘友林，樊鑫，杨丰玉. 面向适航标准的机载软件测试验证方法综述[J]. 计算机工程与应用, 2021, 57(15): 9-22.
[6]	白璐，赵鑫，孔钰婷，张正航，邵金鑫，钱育蓉. 谱聚类算法研究综述[J]. 计算机工程与应用, 2021, 57(14): 15-26.
[7]	刘友林，郑巍，谭莉娟，樊鑫，杨丰玉. 面向适航标准的机载软件测试验证工具综述[J]. 计算机工程与应用, 2021, 57(11): 1-10.
[8]	安宁，江思源，唐晨，杨矫云. 融合单纯形映射与熵加权的聚类方法[J]. 计算机工程与应用, 2020, 56(9): 148-155.
[9]	陈杰，程胜，徐梦，史豪斌. 面向医疗辅助诊断的可视化多属性决策方法[J]. 计算机工程与应用, 2020, 56(8): 249-255.
[10]	王安，顾益军. 基于社区划分的节点重要性评估方法[J]. 计算机工程与应用, 2020, 56(8): 42-48.
[11]	郑毅，马盈仓，杨小飞，续秋霞. 基于[k]-近邻与局部相似度的稀疏子空间聚类[J]. 计算机工程与应用, 2020, 56(4): 99-108.
[12]	赵亮，朱征宇. 融入K-核迭代因子的重叠社区发现算法[J]. 计算机工程与应用, 2020, 56(3): 61-67.
[13]	衣俊艳，杜小鹏. 具有中心移动特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(24): 50-58.
[14]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[15]	罗计根，杜建强，聂斌，李欢，聂建华，陈裕凤. 一种聚类欠采样策略的随机森林优化方法[J]. 计算机工程与应用, 2020, 56(22): 166-172.

基于复杂网络的软件测试路径聚类分析

Cluster analysis of software testing paths based on complex networks

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics