随着软件规模及复杂度不断增加,软件不可避免地会出现一些错误。通过调试技术修正软件错误成为了开发人员处理软件错误的常用手段。错误定位是调试技术的重要步骤。然而,传统的错误定位一般由手工完成,不仅费时费力,而且难以保证错误定位的质量。自动化错误定位技术能够提高错误定位的效率,保证错误定位的质量。因此,自动化错误定位技术成为软件工程领域一项重要研究内容。基于程序谱的错误定位方法是错误定位方法中具有代表性的方法。现有的基于程序谱的错误定位方法没有充分挖掘失败测试用例的覆盖信息,导致其定位精度不够理想。在错误定位的过程中,由于需要执行的测试用例数目比较多,导致了需要收集的程序频谱信息比较多,从而使得错误定位的开销增大。如何提高错误定位的定位精度,并降低错误定位的代价成为了亟待解决的问题。本文为解决上述问题,分别提出了基于启发式规则的错误定位方法和基于向量相似度的测试用例约简方法。本文主要工作如下:(1)提出了多种启发式规则,并实验验证了所提规则对基于频谱的错误定位方法的影响。在传统基于频谱的错误定位基础上,分别选取最大覆盖失败测试用例、最小覆盖失败测试用例、最大距离失败测试用例、最小距离失败测试用例。基于选取的测试用例覆盖信息进一步减少怀疑度列表中所需要检查的语句数量,以提高错误定位的精度。(2)提出了基于向量相似度的测试用例约简方法,并实验验证了所提方法在测试用例约简方面的有效性。通过SMC相似度、Jaccard相似度、Dice相似度和Hamming相似度,分别计算失败测试用例与成功测试用例之间的相似度。基于这四种相似度度量对成功测试用例进行排序,并依次选取测试用例,直到满足整体覆盖时,停止测试用例约简,以降低测试用例集的规模。(3)设计并实现了一个基于Java的错误定位原型系统。该原型系统能自动收集测试用例的覆盖信息与运行结果,并计算语句的可疑度。在此基础上,实现了基于启发式规则的错误定位方法及基于向量相似度的测试用例约简方法。