[發(fā)明專利]一種自動化測試方法及裝置

在審

• 申請?zhí)枺?/td>: 201710801045.2
• 申請日: 2017-09-07
• 公開（公告）號: CN107544907A
• 公開（公告）日: 2018-01-05
• 發(fā)明（設(shè)計）人: 羅嗣恒
• 申請（專利權(quán)）人: 鄭州云海信息技術(shù)有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 濟南信達專利事務(wù)所有限公司37100
• 代理人: 李世喆

1.一種自動化測試方法，其特征在于，包括：

S1：使用優(yōu)化算法確定現(xiàn)有數(shù)據(jù)的變化規(guī)律模型的最佳擬合參數(shù)；

S2：將當前的最佳擬合參數(shù)傳遞至所述變化規(guī)律模型；

S3：利用當前的變化規(guī)律模型進行試驗，獲得試驗結(jié)果；

S4：判斷所述試驗結(jié)果是否位于相應(yīng)預(yù)設(shè)閾值范圍內(nèi)，若否，根據(jù)所述試驗結(jié)果調(diào)節(jié)所述最佳擬合參數(shù)，并以調(diào)節(jié)后的最佳擬合參數(shù)作為當前的最佳擬合參數(shù)，執(zhí)行S2。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，

所述根據(jù)所述試驗結(jié)果調(diào)節(jié)所述最佳擬合參數(shù)，包括：通過反向傳播BP技術(shù)，根據(jù)所述試驗結(jié)果調(diào)節(jié)所述最佳擬合參數(shù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，

所述優(yōu)化算法包括：梯度下降法、K-均值K-means算法、隱馬爾科夫模型HMM、牛頓法、決策樹、隨機森林、XGBOOST中的任意一種。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，

所述現(xiàn)有數(shù)據(jù)包括：結(jié)構(gòu)化數(shù)據(jù)格式的數(shù)值型數(shù)據(jù)。

5.根據(jù)權(quán)利要求1至4中任一所述的方法，其特征在于，所述S1，包括：針對建立現(xiàn)有數(shù)據(jù)的變化規(guī)律模型所需用到的Sigmoid函數(shù)，根據(jù)所述Sigmoid函數(shù)的特性，獲得公式一和公式二；

所述公式一包括：

P(y＝1|x；θ)＝h_θ(x)

其中，θ為參數(shù)，x為樣本，h(x)為變化規(guī)律模型，P(y＝1|x；θ)為樣本x屬性正類(y＝1)的條件概率；

所述公式二包括：

P(y＝0|x；θ)＝1-h_θ(x)

其中，P(y＝0|x；θ)為樣本x屬性負類(y＝0)的條件概率；

將所述公式一和所述公式二合并成公式三；

所述公式三包括：

P(y|x；θ)＝(h_θ(x))^y(1-h_θ(x))^1-y

根據(jù)所述公式三，生成公式四；

所述公式四包括：

l(θ)=Πi=1m(hθ(x(i)))y(i)(1-hθ(x(i)))1-y(i)]]>

其中，l(θ)為所有樣本生成的概率，m為樣本的總數(shù)，x⁽ⁱ⁾為所有樣本中第i個樣本，y⁽ⁱ⁾為所有樣本中第i個樣本的類別，且θ和x⁽ⁱ⁾是多維向量；

使用梯度下降法以對所述公式四求偏導(dǎo)，獲得公式五；

所述公式五包括：

∂∂θjl(θ)=(y-hθ(x))xj]]>

根據(jù)所述公式五和確定的公式六，生成公式七；

所述公式六包括：

hθ(x)=g(θTx)=11+e-θTx]]>

其中，θ^T為θ的轉(zhuǎn)置；

所述公式七包括：

θj:=θj+a(y(i)-hθ(x(i)))xj(i)]]>

其中，a為優(yōu)化系數(shù)，θ_j為第j個參數(shù)，θ_j:為最佳擬合參數(shù)；

根據(jù)所述公式七，確定所述變化規(guī)律模型的最佳擬合參數(shù)。