[发明专利]一种缺陷数据分析方法及利用其缩减软件测试项目的方法

说明书

技术领域

本发明涉及数据分析领域，具体涉及缺陷数据分析方法和利用缺陷数据分析来缩减测试工作量的方法。

背景技术

软件测试技术飞速发展，各测评机构通过大量的测试任务，已积累了海量高维度、高复杂性的软件缺陷数据。充分利用这些历史缺陷数据，分析它们之间的关联关系，可以有效指导后续的软件测试工作，提高测试效率、降低测试成本。

目前，关于软件缺陷数据间关联关系的分析方法中大多数是研究正关联关系的，如：Apriori算法及其改进算法、基于遗传算法的关联规则挖掘方法、基于神经网络的关联规则挖掘方法等。这些用于挖掘正关联规则的研究方法已经比较成熟，且简洁高效，挖掘效果较好。然而，此类正关联规则分析方法只能发现那些高频率、强关联的显示模式，形如X→Y的蕴含式，实际数据库中还有很多低频率、强关联的隐式模式，形如的蕴含式，即负关联关系。负关联关系可以揭示数据集中哪些项目不可能一起发生或者较少一起发生，对于软件测试工作同样具有重要的指导意义，上述基于正关联关系的分析方法无法针对此类关联关系进行挖掘。

较少的负关联关系研究方法中，其基本思路均为：首先搜索数据库中所有的频繁项集，然后根据兴趣度、相关系数等客观度量标准从频繁项集中挖掘负关联规则，此类方法在搜索频繁项集时需要频繁扫描数据库以获得候选项集的支持度，因此挖掘效率较低，且仅仅依靠支持度-置信度框架约束频繁项集会造成候选项集过多，导致负项目的频繁项集数量爆炸问题，从而产生过多冗余规则，使得挖掘出来的负关联关系可信度不高。

发明内容

本发明要解决的技术问题是提供一种用于分析软件缺陷数据之间的负关联关系的方法，解决了现有负关联关系分析方法不成熟、效率低、可信度不高的难题。并且，本发明利用该缺陷数据分析方法能够缩减软件测试项目，以便提高软件测试效率。

具体而言，本发明提供了一种软件缺陷数据分析方法，其特征在于，包括以下步骤：

步骤1、读取软件缺陷数据库，从软件缺陷数据库中提取软件缺陷的相关特征属性，并分别将这些特征属性进行离散化编码，建立软件缺陷数据向量空间模型；

步骤2、根据软件缺陷数据的向量空间模型，引入模糊等价矩阵计算不同软件缺陷数据之间的相似度，并且，提取相似度值介于预定的上、下边界阈值之间的相关缺陷数据作为分析对象，对于每个分析对象，形成负关联规则的初始前件和后件；

步骤3、将所述步骤2获得的相关缺陷数据离散化编码，并创建数据矩阵；

步骤4、简化数据矩阵；

步骤5、根据简化的数据矩阵生成初始染色体种群，进行遗传操作，获得具有强关联关系的染色体集合；

步骤6、根据预定的支持度和置信度的阈值，对步骤5中所获得的染色体集合中的每个染色体进行判断，以便从所述染色体集合中提取出各软件缺陷的负关联关系。

在一种优选实现方式中，计算软件缺陷数据之间的相似度的步骤包括：

对所述向量空间模型进行归一化处理；

构建模糊相似矩阵；

将所述模糊相似矩阵改造为模糊等价矩阵。

在另一种优选实现方式中，所述步骤4中的简化是根据频繁项集的性质及负关联规则的定义进行的。

在另一种优选实现方式中，所述步骤5包括根据负关联关系的特点设计适应度函数、选择算子、交叉算子、变异算子。

在另一种优选实现方式中，所述步骤4中的简化是基于频繁项阈值而进行的。

在另一种优选实现方式中，在遗传操作中，所选择的适应度函数为：