单元测试是软件测试的基础,可以在软件开发的前期发现很多故障,且修改故障的成本也较低。单元测试的自动化能够以较低的成本实现软件质量的大幅提高。测试预言是单元测试不可或缺的环节,同时也是软件测试研究的薄弱环节。测试预言是一种判断待测程序在给定测试输入下的执行结果是否符合预期的机制。测试预言的自动化不仅能有效的减轻测试人员的负担,而且能为不间断的持续测试提供有力支持。在代码测试系统(CodeTestSystem,CTS)的实际应用中,测试结果评判模块使用的是人工测试预言。此种方式在效率、准确度方面具有明显的不足。此外,代码测试系统之前使用小程序对各模块进行过有效性实验,但还未使用实际大工程进行实用性实验。本文的工作主要分为两方面,一方面对代码测试系统进行实用化研究;另一方面对测试预言部分自动化的生成技术进行研究。围绕上述两方面进行了以下工作:1.提出了一种基于神经网络的测试预言生成方式。该方式通过选用适当的神经网络类型,使用正确的历史数据训练神经网络,得到预言信息生成器。通过预言信息生成器,可以预测新输入数据的预期值。2.通过对BP(BackPropagation)神经网络、概率神经网络、广义回归神经网络的建模和仿真,分析了这三种常用的神经网络模型的优缺点,并据此选定了概率神经网络与广义回归神经网络相结合的预言生成策略。基于此策略,编码实现测试预言模块,并进行有效性实验。3.通过实际大工程,对CTS代码测试系统进行了实用性研究。CTS实用性实验结果表明,CTS具有较好的实用性。预言模块有效性实验结果表明,本文提出的部分自动化的预言生成方法在分类问题上具有较好的表现,预测值与实际值的误差仅为0.1。