کاهش دو معیاره مجموعه آزمون با تحلیل خوشه ای الگوهای اجرایی

Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,806

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CSICC16_128

تاریخ نمایه سازی: 28 بهمن 1390

Abstract:

یکی ازعملیات مهمدرچرخه ی حیات یک نرم افزار آزمون رگرسیون است که درمرحله نگهداری نرم افزار به دفعات انجام می شود آزمون رگرسیون درهر اجرا باید تعداد انبوهی از موارد آزمون را روی نرم افزار اجرا نماید با گذشت زمان حجم مجموعه آزمون آن قدر بزرگ می شود که اجرای همه ی انها غیرعملی می گردد برای حل این مشکل از فنون کاهش مجموعه آزمون استفاده می شود متاسفانه کاهش حجم منجر به از دست رفتن کارایی مجموعه در کشف خطا میگردد برای برطرف نمودن این مشکل دراین مقاله یک الگوریتم کارا ارایه شدها ست این الگوریتم با استفاده از خوشه بندی الگوهای اجرایی مواردآزمون افزونگی را از مجموعه حذف می نماید درجریان نمونه گیری از هر خوشه مورد آزمونی که بیشترین پوشش نیازمندی ها را تامین کند انتخاب خواهد شدجهت ارزیابی الگوریتم پیشنهادی آزمایشهایی مشابهمطالعات پیشین روی برنامه های محک زیمنس ترتیب یافته است نتایج آزمایشها نشان میدهد که الگوریتم پیشنهادی قادر است ضمن کاهش قابل ملاحظه اندازه ی مجموعه ها قدرت کشف خطای آنها را بهبود دهد

Keywords:

آزمون رگرسیون نرم افزار , معیار آزمون , کاهش مجموعه آزمون , کمینه سازی مجموعه آزمون , کارایی در کشف خطا

Authors

علیرضا خلیلیان

کارشناس ارشد نرم افزار،دانشگاه آزاد اسلامی واحد دماوند

آرمان مهربخش

عضو هیات علمی دانشگاه آزاد اسلامی واحد لاهیجان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • خطا در مجموعه‌های کاهش‌یافته توسط روش اچ‌جی‌اس است. ضمن [1] ...
  • را می‌تواند انتخاب کند. علاوه بر این، جدول 2 نشان ...
  • دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران، 17 تا 19 ...
  • الگوریتم پیشنهادی هنگام انتخاب، گزینه‌های بیشتری از موارد آزمون 8th ...
  • دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران، 17 تا 19 ...
  • M. J. Harrold, R. Gupta, and M. L. Soffa, "A ...
  • _ Rothermel, M. J. Harrold, J. von Ronne, and C. ...
  • H. Zhong, L. Zhang, H. Mei, "An experimental study of ...
  • D. Jeffrey and N. Gupta, "Improving Fault Detection Capability by ...
  • P. Ammann, J Offutt, Introduction o Software Testing, Cambridge University ...
  • W. E. Wong, J. R. Horgan, S. London, and H. ...
  • J. Black, E. Mel achrinoudis, and D. Kaeli, "Bi-Criteria Models ...
  • G. Rothermel, M. J. Harrold, J. Ostrin, and C. Hong, ...
  • S. Sprenkle, S. Sampath, E. Gibson, A. Souter, and L. ...
  • J. A. Jones and M. J. Harrold, "Test-Suite Reduction and ...
  • Coverage, " IEEE Transactions On Software Engineering, vol. 29, No. ...
  • S. McMaster and A. Memon, "Call Stack Coverage for Test ...
  • B. Marick, The Craft of Software Testing: Subsystem Testing, Prentice ...
  • _ _ _ and Prioritizing Test Cases, " in 14th ...
  • D. Leon, A. Podgurski and L. J. White, "Multivariate visualization ...
  • G. Rothermel, S. Elbaum, A. Kinneer, H. Do. Software- infrastruc ...
  • SAS 9.1.3 Doc umentation, SAS/GRAPH 9.1 Reference, http:sup ...
  • port. sas _ c om/doc _ me n _ _ ...
  • I. H.Witten, E Frank, Data mining: practical machine learning tools ...
  • J. E. Freund, Mathematical Statistics, 5th ed., Prentice- Hall, 1992. ...
  • نمایش کامل مراجع