基于支持向量机的测试用例生成方法研究

摘要

在软件测试领域，如何有效地设计或生成符合要求的测试用例是一个十分重要的研究课题。在功能性测试的过程中，随着软件的功能需求不断增多，软件的规模逐渐变大，结构变得更加复杂，这可能会引发大量的隐藏故障。虽然目前有很多测试数据生成器可以自动生成大量的测试用例，但是这些测试用例都缺少了期望结果。如果采用人工的方式来为每个测试用例设计期望结果，不仅代价昂贵而且枯燥乏味，容易出错。
　　论文介绍了软件测试的背景和基本概念，阐述了支持向量机（Support Vector Machine，SVM）的基本原理和相关知识；总结了功能性测试的方法，重点介绍了机器学习方法在软件测试中的应用；研究了自动生成输入数据集的测试工具(PICT)及其组合覆盖标准；构建了待测试软件的功能模型，并评估了其性能。
　　本文在研究输入数据自动生成的基础上，依据待测试软件的输入输出关系构建了SVM模型，该模型可以用于预测测试用例的期望输出结果。因此，本文提出了一种包含期望输出结果的测试用例生成方法。该方法选取PICT测试工具产生输入参数的2-way组合或3-way组合作为典型样本集，并依据待测试软件的输入与输出关系，水平拼接出对应的输出结果。采用人工的方式，使得典型样本集覆盖了输出参数的所有组合，然后利用典型样本集来训练SVM模型。训练好的模型能够预测出n-way组合的输入数据对应的预期结果。
　　最后，将该方法应用于“活动图的模型文件验证”实例中，采用Accuracy和Precision指标来评价预测的结果。实验结果表明，采用遗传算法进行参数优化，同时考虑输入域和输出域的参数组合覆盖，构建的功能模型具有更好的性能，从而说明了该方法的有效性。

目录

第 1 章 绪 论

1.1 软件测试的概述

1.2 研究背景及意义

1.3 研究主要内容

1.4 本文组织结构

第 2 章 研究现状

2.1 常规的功能性测试用例生成方法

2.2 基于模型的测试用例生成方法

2.3 基于机器学习的测试用例生成方法

2.4本章小结

第 3 章 相关研究

3.1 功能性测试

3.2 支持向量机

3.3 本章小结

第 4 章 基于支持向量机的测试用例生成方法

4.1 输入数据的自动产生

4.2 SVM模型的建立

4.3 SVM模型的评估

4.4 预期输出的自动生成

4.5 本章小结

第 5 章 实验及分析

5.1 活动图模型文件验证实例的简介

5.2 典型样本的设计

5.3 SVM模型的建立

5.4 测试用例的生成

5.5 本章小结

第 6 章 总结与展望

6.1 总结

6.2 展望

参考文献

攻读硕士学位期间参与课题情况

攻读硕士期间发表论文、软件著作权及获奖情况

致谢

声明