-
公开(公告)号：CN105868079A
公开(公告)日：2016-08-17
申请号：CN201610251576.4
申请日：2016-04-21
Applicant: 中国矿业大学
CPC classification number: G06F11/3051 , G06F11/3668
Abstract: 一种基于内存使用传播分析的Java内存低效使用检测方法。本发明提供一种基于内存使用传播分析的内存低效使用检测方法，包括下列步骤：1）对软件进行静态分析进行插桩，通过动态执行获得内存使用相关的事件信息；2）依据获得的信息进行内存使用传播分析，构建内存使用传播图；3）对内存使用传播图包含的内存使用信息进行特征分析识别，检测软件中的内存低效使用问题；4）对软件进行上下文路径分析，检测导致问题产生的根本原因，对问题进行定位和修复。本发明目前存在的测试方法不能有效检测软件内存低效使用的问题，大幅提升软件的性能和扩展性，提高了软件测试工作效率，从而更好地控制产品的质量。
-
公开(公告)号：CN108876648B
公开(公告)日：2021-02-02
申请号：CN201810701551.9
申请日：2018-06-29
Applicant: 中国矿业大学
IPC: G06Q50/00
Abstract: 本发明涉及基于节点覆盖范围的社交网络影响力最大化方法及系统，属于网络分析技术领域；解决了现有技术中节点影响范围重合、对节点中心性评估不够准确以及对于不同结构的网络适应性差的问题。包括：根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值；根据上述节点的覆盖范围增益值选择种子节点，得到种子节点集合；利用上述种子节点集合确定该社交网络影响力最大化节点集合。本发明通过更加有效的节点中心性指标，准确有效地选取最具影响力的节点，克服了选取的种子节点过于集中导致节点影响范围重合的问题，对于不同结构的网络均具有良好的适应性。
-
公开(公告)号：CN107102939B
公开(公告)日：2020-07-07
申请号：CN201610983125.X
申请日：2016-11-09
Applicant: 中国矿业大学
IPC: G06F11/36
Abstract: 本发明提供一种回归测试用例自动分类方法，包括下列步骤：1)基于控制流分析技术从原始的测试用例集合中选择受软件变化影响的测试用例子集；2)在历史软件版本与当前软件版本上分别运行受软件变化影响的测试用例子集与待分类的回归测试用例，并构造分支覆盖向量，进而通过欧氏距离函数计算待分类的测试用例与受软件变化影响的测试用例子集之间的距离；3)根据距离信息，利用基于权重的K近邻算法预测待分类的回归测试用例的类别。本发明解决了目前回归测试背景下依赖手工产生的测试预言对回归测试用例进行分类的自动化效率不高的问题，该方法不需要构造测试预言，能大幅提高回归测试的自动化程度和效率。
-
Patent Agency Ranking
公开(公告)号：CN109034562A
公开(公告)日：2018-12-18
申请号：CN201810744899.6
申请日：2018-07-09
Applicant: 中国矿业大学
CPC classification number: G06Q10/0639 , G06Q50/01
Abstract: 本发明涉及一种社交网络节点重要性评估方法及系统，属于社交网络分析技术领域，解决了现有技术中基于H指数或类H指数的节点重要性评估方法对节点重要性区分度不高、无法有效对具有相同H值的节点进行重要性排序的问题。包括以下步骤：求取给定社交网络中节点的K指数值；根据待评估节点的所有邻居节点的K指数值之和，确定待评估节点的重要度；基于待评估节点的重要度对该待评估节点的重要性进行评估。本发明充分利用了邻居节点的影响力，可以对相同H指数值的节点重要性进行有效区分排序，能够快速、准确地对社交网络中的节点重要性进行评估，并且评估结果区分度高；同时，能对大规模社交网络进行分析，便于快速发现重要性节点，适应性强。
-
公开(公告)号：CN108399127A
公开(公告)日：2018-08-14
申请号：CN201810140091.7
申请日：2018-02-09
Applicant: 中国矿业大学
Abstract: 本发明提供一种类集成测试序列生成方法，包括下列步骤：1)从面向对象系统的源代码获取所有类及类间关系；2)从面向对象系统的UML设计文档中的类图获得类优先级表；3)通过遗传算法自动生成类集成测试序列。重复该过程，最后得到一组最优（构建测试桩所花费的测试代价最小）的类测试序列结果。本发明在一定程度上解决了类集成测试序列问题中初始种群没有任何约束条件，初始种群整体质量较差，进而影响收敛速度及寻优结果的问题以及个体评价标准的片面性和不合理性所导致的寻优效果不够准确的问题。不仅提高了种群整体质量，加快了收敛速度，而且加强了遗传算法的寻优能力，提高了寻优的准确性，进而提高了测试效率和精度，更能满足实际需要。
-
公开(公告)号：CN108197028A
公开(公告)日：2018-06-22
申请号：CN201810010235.7
申请日：2018-01-05
Applicant: 中国矿业大学
IPC: G06F11/36
CPC classification number: G06F11/3684
Abstract: 本发明提供了一种面向黑盒测试背景下的回归测试用例分类方法，包括下列步骤：1)预处理测试用例对应的文本信息；2)采用LDA(Latent Dirichlet Allocation)话题模型技术对预处理后的文本进行主题建模，将其表示成文本特征数目固定的主题特征向量；3)随机选取部分测试用例为其构造测试预言，并在演化后的软件版本上运行，根据运行结果标注其类别；4)基于主题特征向量及测试用例的类别信息训练SVM分类器；5)将待分类的测试用例对应的主题特征向量作为分类器的输入，输出测试用例的类别。本发明解决了被测软件源代码不可见情形下的软件回归测试验证问题，提高了软件测试的自动化程度及软件测试效率。
-
公开(公告)号：CN105528289B
公开(公告)日：2017-12-08
申请号：CN201510884000.7
申请日：2015-12-04
Applicant: 中国矿业大学
Abstract: 本发明提供一种基于分支覆盖与相似性的回归测试用例优先排序方法，包括下列步骤：1）收集测试用例运行时的剖面信息，并构造分支覆盖向量；2）通过欧式距离函数计算成对的向量之间的距离，并构造测试用例间的相异度矩阵；3）以测试用例为顶点，测试用例之间的连线、距离分别作为边及其边权重，构建测试用例不相似有限完全图。通过蚁群算法在图中寻找具有最长距离的测试用例优先排序序列。本发明解决了目前存在的回归测试用例优先排序方法错误发现效率不高，结果的稳定性较差等问题，不仅大幅提高了回归测试错误发现效率、稳定性以及可扩展性，而且也提升了软件回归测试的自动化程度，进而提高了软件测试工作效率。
-
公开(公告)号：CN105528289A
公开(公告)日：2016-04-27
申请号：CN201510884000.7
申请日：2015-12-04
Applicant: 中国矿业大学
CPC classification number: G06F11/3688 , G06F11/3676 , G06N3/006
Abstract: 本发明提供一种基于分支覆盖与相似性的回归测试用例优先排序方法，包括下列步骤：1）收集测试用例运行时的剖面信息，并构造分支覆盖向量；2）通过欧式距离函数计算成对的向量之间的距离，并构造测试用例间的相异度矩阵；3）以测试用例为顶点，测试用例之间的连线、距离分别作为边及其边权重，构建测试用例不相似有限完全图。通过蚁群算法在图中寻找具有最长距离的测试用例优先排序序列。本发明解决了目前存在的回归测试用例优先排序方法错误发现效率不高，结果的稳定性较差等问题，不仅大幅提高了回归测试错误发现效率、稳定性以及可扩展性，而且也提升了软件回归测试的自动化程度，进而提高了软件测试工作效率。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.018 seconds)
