-
公开(公告)号:CN112732549B
公开(公告)日:2023-10-17
申请号:CN201910975074.X
申请日:2019-10-14
Applicant: 无锡江南计算技术研究所
IPC: G06F11/36 , G06F18/23213 , G06F18/24
Abstract: 本发明公开了一种基于聚类分析的测试程序分类方法,包括以下步骤:在多个处理器上批量运行测试程序,在一次运行过程中获取所有维度的计数;根据性能计数信息,对高维度性能计数数据进行降维处理,将计数数据转换为机器学习算法能够处理的向量数据;将降维处理之后的有效性能计数数据作为课题特征的特征数据作为机器学习算法的输入,利用K_means算法对其进行计算并分类;将K_means算法得到的误差作为神经网络中的交叉熵的损失函数,通过卷积神经网络模型对整个分类结果评估优化,输出优化后的结果。本发明实现了对测试程序进行客观分类的目的,对测试向量的精简与测试覆盖的质量具有客观指导意义。且该方法不需要依赖特定的硬件,运行条件简单,实用性高。
-
公开(公告)号:CN105487973A
公开(公告)日:2016-04-13
申请号:CN201510830343.5
申请日:2015-11-24
Applicant: 无锡江南计算技术研究所
CPC classification number: G06F11/3612 , G06F11/302 , G06F11/3692
Abstract: 一种连续捕获程序异常的处理器异常测试方法,包括:确定并初始化需要进行校验的异常类型以及捕获到的结果异常类型;设定用户层需要获取的异常类型;根据设定的异常类型的处置方式,设置异常发生时结果校验变量的异常类型值;按照遍历所有指令分类以及每类指令所包含的异常类型值的方式,编写涵盖所有指令类型的异常测试用例的集合;将所述集合中的异常测试用例以函数的形式进行组织,以形成异常函数列表;针对异常函数列表中的每个函数,对函数进行调用并进行异常的捕获及处理以获取异常类型结果值;根据异常函数列表对应的异常类型校验值、以及异常运行过程中获取的异常类型结果值,将两者进行比较以检验处理器异常处理结果。
-