基于预测的变异错误定位方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 课题研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 基于覆盖的错误定位 | 第15-17页 |
| 1.2.2 基于变异的错误定位 | 第17-19页 |
| 1.2.3 测试用例执行结果预测方法研究现状 | 第19页 |
| 1.3 课题主要研究内容 | 第19-20页 |
| 1.4 本文组织结构 | 第20-22页 |
| 第二章 研究现状 | 第22-34页 |
| 2.1 基于覆盖的错误定位技术研究现状 | 第22-29页 |
| 2.1.1 基于覆盖的错误定位问题描述 | 第22-23页 |
| 2.1.2 基于覆盖的错误定位方法 | 第23-26页 |
| 2.1.3 偶然性成功测试用例以及影响 | 第26-29页 |
| 2.2 基于变异的错误定位技术研究现状 | 第29-30页 |
| 2.3 机器学习和神经网络方法研究 | 第30-32页 |
| 2.3.1 传统机器学习算法 | 第30-32页 |
| 2.3.2 神经网络算法 | 第32页 |
| 2.4 测试用例执行结果预测方法研究现状 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于学习的测试用例执行结果预测方法研究 | 第34-44页 |
| 3.1 测试用例特征向量构造方法研究 | 第34-36页 |
| 3.2 基于传统机器学习的测试用例执行结果预测 | 第36-41页 |
| 3.2.1 支持向量机 | 第36-37页 |
| 3.2.2 K最近邻分类算法 | 第37-39页 |
| 3.2.3 朴素贝叶斯分类 | 第39-41页 |
| 3.3 基于神经网络的测试用例执行结果预测 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于预测的MBFL技术研究 | 第44-50页 |
| 4.1 MBFL的基本思想和原理 | 第44页 |
| 4.2 变异体与怀疑度计算 | 第44-45页 |
| 4.3 MBFL的基本框架 | 第45-47页 |
| 4.4 基于预测的MBFL算法过程 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 实验结果分析 | 第50-66页 |
| 5.1 研究问题 | 第50页 |
| 5.2 实验对象 | 第50-51页 |
| 5.3 评估指标 | 第51-52页 |
| 5.3.1 变异测试预测评估指标 | 第51-52页 |
| 5.3.2 错误定位评估指标 | 第52页 |
| 5.3.3 数据差异性评估指标 | 第52页 |
| 5.4 实验结果与分析 | 第52-64页 |
| 5.4.1 四种机器学习算法预测精度的比较 | 第52-61页 |
| 5.4.2 变异覆盖和语句覆盖对预测精度的比较 | 第61-63页 |
| 5.4.3 错误定位精度的评估 | 第63-64页 |
| 5.5 本章小结 | 第64-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 6.1 结论 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 附录 | 第74-76页 |
| 致谢 | 第76-78页 |
| 作者和导师简介 | 第78-80页 |
| 附件 | 第80-81页 |
