| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究的背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 基于频谱的缺陷定位 | 第8-9页 |
| 1.2.2 基于程序切片的缺陷定位 | 第9页 |
| 1.2.3 缺陷怀疑度计算 | 第9-10页 |
| 1.3 本文研究内容 | 第10页 |
| 1.4 论文组织结构 | 第10-12页 |
| 2 基于频谱的程序切片缺陷定位方法 | 第12-14页 |
| 2.1 缺陷定位方法框架 | 第12-13页 |
| 2.2 测试用例聚类 | 第13页 |
| 2.3 基于函数块粒度的程序切片 | 第13页 |
| 2.4 可疑度算法 | 第13页 |
| 2.5 本章小结 | 第13-14页 |
| 3 测试用例聚类 | 第14-20页 |
| 3.1 聚类技术的选择 | 第14-15页 |
| 3.1.1 划分法 | 第14页 |
| 3.1.2 层次法 | 第14-15页 |
| 3.2 测试用例聚类算法 | 第15-18页 |
| 3.2.1 测试用例聚类步骤 | 第15-16页 |
| 3.2.2 执行路径矩阵化 | 第16-18页 |
| 3.2.3 相似系数的选取 | 第18页 |
| 3.3 测试用例聚类实现 | 第18-19页 |
| 3.4 本章小结 | 第19-20页 |
| 4 程序切片生成缺陷函数集 | 第20-26页 |
| 4.1 构建函数崩溃表 | 第20-21页 |
| 4.2 程序切片算法 | 第21-22页 |
| 4.3 缺陷怀疑函数集生成 | 第22-25页 |
| 4.4 本章小结 | 第25-26页 |
| 5 可疑度计算 | 第26-34页 |
| 5.1 传统的可疑度算法Tarantula | 第26-28页 |
| 5.2 基于交叉表算法的可疑度计算 | 第28-33页 |
| 5.2.1 交叉表算法 | 第28-32页 |
| 5.2.2 交叉表算法和Tarantula算法之间的对比 | 第32-33页 |
| 5.3 本章小结 | 第33-34页 |
| 6 实验与评测 | 第34-46页 |
| 6.1 实验平台及环境 | 第34页 |
| 6.2 实验数据说明 | 第34页 |
| 6.3 基于函数排名的评价方法 | 第34-35页 |
| 6.4 实验与评价 | 第35-44页 |
| 6.4.1 测试用例聚类 | 第35-37页 |
| 6.4.2 切片路径 | 第37-42页 |
| 6.4.3 缺陷定位算法之间的对比 | 第42-44页 |
| 6.5 本章小结 | 第44-46页 |
| 7 总结和展望 | 第46-48页 |
| 7.1 论文的工作与总结 | 第46页 |
| 7.2 研究工作展望 | 第46-48页 |
| 致谢 | 第48-50页 |
| 参考文献 | 第50-52页 |