[发明专利]一种使用半监督信息进行聚类的回归测试用例选择方法

摘要

一种使用半监督信息进行聚类的回归测试用例选择方法，记录测试用例的执行覆盖信息，生成函数执行剖面，以量化形式表示测试用例；通过对历史测试结果的分析，获得测试用例之间的约束关系并应用半监督聚类算法分析测试用例，了解它们执行情况的异同，理解程序行为及测试用例之间的联系，在回归测试阶段有效降低测试用例数量并保持足够高的错误检测能力。本发明基于数据挖掘技术，通过测试用例所展现出的程序行为的内在联系来理解程序，使得测试用例的选择变得更加容易和自动化，从而可以更有效的使用这些测试用例进行回归测试，提高了测试用例选择的精确度，提高了回归测试的效率。

主权项

一种使用半监督信息进行聚类的回归测试用例选择方法，包括一个已通过测试的原始版本程序和基于原始版本的多个修改版本程序，在每个修改版本程序上都要进行回归测试，其特征是记录原始版本程序的测试用例集的测试结果为历史信息，每次正式回归测试之前，首先从原始版本程序测试用例集中以5％的比例随机抽取样本，然后根据样本中的测试用例的历史信息提取约束信息作为半监督信息，将原始版本程序的测试用例的函数执行剖面矩阵投影到新的向量空间，以优化聚类结果，具体为：1)获取约束信息：包括两种方式：①从原始版本程序的测试用例集中以5％随机抽取样本，所述抽取样本对各个修改版本程序进行回归测试，再将抽取样本包含的测试用例两两对比其回归测试结果，根据历史信息进行判断，若抽取样本中的两个测试用例检测到相同的错误，则定义这两个测试用例为正约束Must‑Link，若检测的错误不存在交集，则定义这两个测试用例为负约束Cannot‑Link；得到成对约束值(t1，t2)，表明测试用例t1和t2符合约束定义；②从原始版本程序的测试用例集中以5％随机抽取样本，由测试者区分测试用例之间的功能是否相同，相同则为正约束，不同则为负约束，得到约束值；2)根据得出的约束信息计算投影矩阵，根据目标函数J(w)计算出投影矩阵w； J ( w ) = 1 2 n 2 Σ i , j ( w T x i - w T x j ) 2 + α 2 n C Σ ( x i , x j ) ∈ C ( w T x i - w T x j ) 2 + β 2 n M Σ ( x i , x j ) ∈ M ( w T x i - w T x j ) 2 其中α，β分别为正约束和负约束的权重，默认1∶1，n指总的测试用例个数；nC是符合负约束的测试用例对数，nM是符合正约束的测试用例对数，(xi，xj)∈C表示属于负约束的约束值，(xi，xj)∈M表示属于正约束的约束值；w指投影矩阵，xi和xj是符合约束定义的成对测试用例的函数执行剖面；然后将原始版本程序的函数执行剖面矩阵与投影矩阵进行乘积，得到新的度量矩阵；3)在新的度量矩阵构成的距离度量空间进行聚类分析，符合正约束的测试用例之间距离缩小，而符合负约束的测试用例之间距离放大，利于在聚类分析时根据距离将样本进行划分；4)从聚类分析得到的每个类簇中抽样测试用例，根据对抽样的测试用例的检查结果判定选择类簇或者丢弃类簇，形成最终的回归测试用例集，用于正式回归测试。