[發明專利]一種缺陷數據分析方法及利用其縮減軟件測試項目的方法

有效

• 申請號: 201410589991.1
• 申請日: 2014-10-28
• 公開（公告）號: CN104281525A
• 公開（公告）日: 2015-01-14
• 發明（設計）人: 萬琳;王欽釗;范秋靈;李小龍;張威
• 申請（專利權）人: 中國人民解放軍裝甲兵工程學院
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06N3/12
• 代理公司: 北京律譜知識產權代理事務所(普通合伙) 11457
• 代理人: 黃云鐸

技術領域

本發明涉及數據分析領域，具體涉及缺陷數據分析方法和利用缺陷數據分析來縮減測試工作量的方法。

背景技術

軟件測試技術飛速發展，各測評機構通過大量的測試任務，已積累了海量高維度、高復雜性的軟件缺陷數據。充分利用這些歷史缺陷數據，分析它們之間的關聯關系，可以有效指導后續的軟件測試工作，提高測試效率、降低測試成本。

目前，關于軟件缺陷數據間關聯關系的分析方法中大多數是研究正關聯關系的，如：Apriori算法及其改進算法、基于遺傳算法的關聯規則挖掘方法、基于神經網絡的關聯規則挖掘方法等。這些用于挖掘正關聯規則的研究方法已經比較成熟，且簡潔高效，挖掘效果較好。然而，此類正關聯規則分析方法只能發現那些高頻率、強關聯的顯示模式，形如X→Y的蘊含式，實際數據庫中還有很多低頻率、強關聯的隱式模式，形如的蘊含式，即負關聯關系。負關聯關系可以揭示數據集中哪些項目不可能一起發生或者較少一起發生，對于軟件測試工作同樣具有重要的指導意義，上述基于正關聯關系的分析方法無法針對此類關聯關系進行挖掘。

較少的負關聯關系研究方法中，其基本思路均為：首先搜索數據庫中所有的頻繁項集，然后根據興趣度、相關系數等客觀度量標準從頻繁項集中挖掘負關聯規則，此類方法在搜索頻繁項集時需要頻繁掃描數據庫以獲得候選項集的支持度，因此挖掘效率較低，且僅僅依靠支持度-置信度框架約束頻繁項集會造成候選項集過多，導致負項目的頻繁項集數量爆炸問題，從而產生過多冗余規則，使得挖掘出來的負關聯關系可信度不高。

發明內容

本發明要解決的技術問題是提供一種用于分析軟件缺陷數據之間的負關聯關系的方法，解決了現有負關聯關系分析方法不成熟、效率低、可信度不高的難題。并且，本發明利用該缺陷數據分析方法能夠縮減軟件測試項目，以便提高軟件測試效率。

具體而言，本發明提供了一種軟件缺陷數據分析方法，其特征在于，包括以下步驟：

步驟1、讀取軟件缺陷數據庫，從軟件缺陷數據庫中提取軟件缺陷的相關特征屬性，并分別將這些特征屬性進行離散化編碼，建立軟件缺陷數據向量空間模型；

步驟2、根據軟件缺陷數據的向量空間模型，引入模糊等價矩陣計算不同軟件缺陷數據之間的相似度，并且，提取相似度值介于預定的上、下邊界閾值之間的相關缺陷數據作為分析對象，對于每個分析對象，形成負關聯規則的初始前件和后件；

步驟3、將所述步驟2獲得的相關缺陷數據離散化編碼，并創建數據矩陣；

步驟4、簡化數據矩陣；

步驟5、根據簡化的數據矩陣生成初始染色體種群，進行遺傳操作，獲得具有強關聯關系的染色體集合；

步驟6、根據預定的支持度和置信度的閾值，對步驟5中所獲得的染色體集合中的每個染色體進行判斷，以便從所述染色體集合中提取出各軟件缺陷的負關聯關系。

在一種優選實現方式中，計算軟件缺陷數據之間的相似度的步驟包括：

對所述向量空間模型進行歸一化處理；

構建模糊相似矩陣；

將所述模糊相似矩陣改造為模糊等價矩陣。

在另一種優選實現方式中，所述步驟4中的簡化是根據頻繁項集的性質及負關聯規則的定義進行的。

在另一種優選實現方式中，所述步驟5包括根據負關聯關系的特點設計適應度函數、選擇算子、交叉算子、變異算子。

在另一種優選實現方式中，所述步驟4中的簡化是基于頻繁項閾值而進行的。

在另一種優選實現方式中，在遺傳操作中，所選擇的適應度函數為：