基于图挖掘和决策树的软件故障定位研究

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (20): 67-71.

基于图挖掘和决策树的软件故障定位研究

杨书新，徐丽萍，王鹏

江西理工大学信息工程学院，江西赣州 341000

出版日期:2015-10-15 发布日期:2015-10-30

Software fault localization research based on graph mining and decision tree

YANG Shuxin, XU Liping, WANG Peng

School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou, Jiangxi 341000, China

Online:2015-10-15 Published:2015-10-30

摘要/Abstract

摘要： 对于非崩溃的错误，测试人员往往花费大量的时间才能发现。为了快速准确地定位这类错误，降低软件开发成本，提高软件质量，提出一种辅助定位非崩溃错误的方法。该方法通过收集程序的执行轨迹信息，构造出程序调用图。提取频繁边，运用J48决策树算法，得到基于方法粒度的故障决策树，可辅助人员判定软件缺陷。通过实验与分析，进一步验证了该方法的有效性。

关键词: 软件故障定位, 执行轨迹, 图挖掘, 决策树

Abstract: Testers often spend a lot of time to find the non-crash software fault. In order to locate the kind of fault fast and accurately, reduce the cost of software development and improve the quality of software, a kind of auxiliary method to locate the non-crash fault is proposed. The approach collects the information of the program execution path and constructs program call graph. The technique extracting frequent edge and utilizing J48 algorithm builds a fault decision tree based on granularity level in method. Experimental results show that this method is effective.

Key words: software fault localization, execution path, graph mining, decision tree

杨书新，徐丽萍，王鹏. 基于图挖掘和决策树的软件故障定位研究[J]. 计算机工程与应用, 2015, 51(20): 67-71.

YANG Shuxin, XU Liping, WANG Peng. Software fault localization research based on graph mining and decision tree[J]. Computer Engineering and Applications, 2015, 51(20): 67-71.

[1]	张敏，彭红伟，颜晓玲. 基于神经网络的模糊决策树改进算法[J]. 计算机工程与应用, 2021, 57(21): 174-179.
[2]	谭正华，戴立平，文阳，李国泰. 基于约简属性和阈值分割的决策树构建方法[J]. 计算机工程与应用, 2020, 56(22): 160-165.
[3]	刘峰，Godfred Kim Mensah，李欣芸，刘鸿丽，李瑶，郭浩. 不确定脑网络的异常拓扑分析及分类研究[J]. 计算机工程与应用, 2020, 56(2): 127-132.
[4]	陈景霞，郝为，张鹏伟，谢佳. RSVP与SSVEP混合脑电信号刺激与多类事件检测[J]. 计算机工程与应用, 2020, 56(15): 132-139.
[5]	王丽苗，许青林，姜文超，符基高. 集成FM的短视频喜好率预测模型[J]. 计算机工程与应用, 2020, 56(14): 118-122.
[6]	依不拉音·吾斯曼，郭文强，于凯. 面向多形式维文的敏感信息过滤算法研究[J]. 计算机工程与应用, 2020, 56(10): 127-133.
[7]	王凯，陈丹伟. 基于LSTM的动态图模型异常检测算法研究[J]. 计算机工程与应用, 2019, 55(5): 76-82.
[8]	苏翀，任曈，王国品，殷杰. 利用决策树建立慢性阻塞性肺病中医诊断模型[J]. 计算机工程与应用, 2019, 55(3): 225-230.
[9]	王玉源，徐杰，吉卫喜. 基于监督式机器学习的零件几何特征智能识别[J]. 计算机工程与应用, 2019, 55(22): 225-230.
[10]	王燕，郭元凯. 改进的XGBoost模型在股票预测中的应用[J]. 计算机工程与应用, 2019, 55(20): 202-207.
[11]	刘俊杰，王珺，王梦林，王悦. SDN中基于C4.5决策树的DDoS攻击检测[J]. 计算机工程与应用, 2019, 55(20): 84-88.
[12]	曹卫东1，2，许代代2，王静2，王家亮2. 民航NOSHOW预测及强因子关联分析[J]. 计算机工程与应用, 2019, 55(2): 221-227.
[13]	赵攀1，袁杰1，王宏伟1，2，米汤1. 基于决策树的羽流追踪机器人自主决策方法研究[J]. 计算机工程与应用, 2019, 55(14): 254-259.
[14]	安葳鹏，尚家泽. 决策树C4.5算法的改进与分析[J]. 计算机工程与应用, 2019, 55(12): 169-173.
[15]	潘杰1，渡边政彦2，周宽久1，梁浩然1，崔凯1. 嵌入式软件形式化建模方法[J]. 计算机工程与应用, 2018, 54(8): 61-71.