如今软件产品有着非常广泛的应用,软件错误的发生可能带来很严重的后果,软件错误的定位显得更为重要。人工定位错误耗时又费力,自动化错误定位可以节约开发人员时间,降低调试难度。基于变异的错误定位不涉及程序依赖关系分析,是一种轻量级的错误定位方法,计算复杂度低,同时又定位在语句级别,定位精度较高。但是因为其会有大量变异体生成并执行,所以花费成本较高。由于现有的变异算子是为模拟程序错误而设计的,若变异算子可以准确模拟真实程序中存在的修复,那么有可能产生真实的程序修复,不仅有助于提高错误定位的精度,还能降低变异的开销。但是目前,对变异算子挖掘的研究较少,通常是选择一些简单的微小改动的变异算子来生成变异体,可能无法模拟真实程序中的修复模式,所以挖掘真实程序中的频繁模式从而模拟程序的修复或许会让变异算子更适合于错误定位,从而提到错误定位精度。针对以上问题,本文研究了基于频繁修复模式挖掘的新变异算子发现方法,具体工作如下:首先,从软件测试、定位、修复领域的基准数据集Defects4J中获取程序错误和修复文件对,然后利用基于抽象语法树比对的方法Gumtree得到从错误到修复文件所做的更改,表示为编辑脚本,再将编辑脚本中的各条编辑转换为图的节点,编辑之间的联系转换为图的边,得到更改图,再对更改图挖掘得到频繁修复子图,对于子图结合其上下文信息进行人工分析,得到频繁修复模式,其代表着程序修复的规律。得到频繁修复模式后,依据其语义及使用场景,将频繁修复模式表示为新的变异算子,并解释每个变异算子的含义及应用场景,然后使用在抽象语法树上更改的方式应用新变异算子进行变异,将修改后的抽象语法树再还原为源代码的形式得到变异体。本文得到3个新的变异算子,分别是空指针检查插入（null check insert,NCS）、数字比较插入（number comparison insert,MCS）和if语句删除（if statement deletion,ISD）。最后研究了新变异算子对于提高错误定位精度的有效性。为了使新变异算子可以与不同错误定位方法结合,新变异算子和原变异算子分开变异与测试,在怀疑度计算时再合并结果。然后,在Defects4J中不同于挖掘时的项目上进行新变异算子有效性的验证,与只使用传统的变异算子相比,加入新变异算子后,错误定位的精度有所提升。