论文部分内容阅读
二十一世纪,计算机产业的发展是信息化过程中不可或缺的部分。随着软件产业的不断发展和进步,软件的需求越来越复杂,规模也越来越庞大。为满足软件功能、性能等要求,软件质量已成为软件工业界关注的重点。软件测试是保证软件质量的重要手段,随着软件复杂性和规模不断增大,测试生成成本也相应增加,软件测试数据自动生成已成为软件测试的研究热点之一。形式规格说明是对软件功能简要而严谨的描述方法。EFSM(ExtendedFinite State Machine)是一种使用广泛的形式规格说明,可用来描述面向对象软件中各个对象的方法和它们之间的交互。基于形式规格说明,可以对面向对象软件进行很好的功能描述。测试数据生成成本是衡量测试数据生成效率的重要指标,为探讨影响测试数据生成成本的主要路径因素以及路径因素对测试数据生成成本的影响程度,本文进行若干EFSM规格说明的路径测试生成效率-因素分析,鉴于路径因素对测试数据生成成本的影响可能呈线性或者非线性的关系,本文从线性和非线性预测模型两个方面着手,建立EFSM规格说明的路径测试生成效率-因素分析模型。对于线性预测模型,本文考虑采用多元线性回归模型,将路径长度、路径变量数等因素作为输入,路径测试数据的生成成本作为输出,进行测试数据生成成本预测。对于非线性预测模型,本文考虑选用BP神经网络模型,考虑因素之间可能存在相关性,本文首先利用PCA(Principal ComponentAnalysis)算法求出影响测试数据的生成成本的主要因素,然后将其作为BP神经网络模型的输入,成本作为其输出,进行测试数据生成成本预测。实验结果表明:和多元线性回归模型比较,非线性BP神经网络更适合作为EFSM规格说明路径测试生成效率-因素分析模型,对面向路径测试数据生成成本能进行更加准确的预测。