一种众包测试任务完成度评估方法及系统

    公开(公告)号:CN114691479A

    公开(公告)日:2022-07-01

    申请号:CN202011619793.7

    申请日:2020-12-30

    IPC分类号: G06F11/36

    摘要: 本发明公开了一种众包测试任务完成度评估方法及系统,根据测试过程条件得到测试成本元素数据集;对测试人力成本数据集和测试报告成本数据集相关性分析;获取测试报告结果的缺陷数据集,根据相关性分析的结果从预先构建的基于测试人力成本数据集和测试报告成本数据集的相关性程度的分段式可靠性模型框架中选择相应的建模方程,基于所述缺陷数据集利用最小二乘和最大似然的估计方法来估计所述建模方程的参数,得到软件潜在缺陷总数;根据所述缺陷数据集实际检测缺陷数量和所述软件潜在缺陷总数计算得到检测缺陷覆盖率,评估任务完成度。优点:保证测试软件质量的同时,也能够避免大量测试时间和测试资源的浪费,提高众包测试平台的整体性能。

    基于隐私度关联的本体依赖闭包集生成方法、装置、设备及存储介质

    公开(公告)号:CN113946860A

    公开(公告)日:2022-01-18

    申请号:CN202111079545.2

    申请日:2021-09-15

    IPC分类号: G06F21/62 G06F8/41

    摘要: 本发明公开了一种基于隐私度关联的本体依赖闭包集生成方法、装置、设备及存储介质,其方法包括:采用DTD抽象语法树结构化模型提取XML文档数据信息中的原始值依赖;通过XML文档数据信息中的原始值依赖定义键和语义键;根据语义键中语义主体主键定义语义依赖以及语义推理,并关联原始值依赖集合成的本体依赖集,获取本体依赖推理集;以语义键中语义主体主键为等价类,划分本体依赖推理集归约得到数据隐私度关联的本体依赖闭包集。本发明与传统关系型数据库规范化一阶理论保持一致,实现数据隐私度直接关联的本体依赖集合,同时满足权重越高、越有价值的数据关联在结构表示最简单的落点,为访问控制、数据挖掘等隐私保护研究,提供安全高效的研究基础。

    基于Go语言代码分割的众测任务包生成方法及保护方法

    公开(公告)号:CN113434391A

    公开(公告)日:2021-09-24

    申请号:CN202110690940.8

    申请日:2021-06-22

    发明人: 黄松

    IPC分类号: G06F11/36

    摘要: 本发明公开了一种基于Go语言代码分割的众测任务包生成方法及保护方法,其生产方法包括:对项目文件的Go语言源代码进行扫描,获取包括Go语言源代码中所有函数声明信息的声明总表;从项目文件中选定待分割的函数声明;根据所述声明总表将每个待分割的函数声明进行代码分割生成代码分割单元;将预设数量的代码分割单元打包生成众测任务包;本发明能够有效解决单元众包软件测试过程中,源代码泄露的问题。

    面向卷积神经网络的变异覆盖测试方法及计算机存储介质

    公开(公告)号:CN110347600A

    公开(公告)日:2019-10-18

    申请号:CN201910623892.3

    申请日:2019-07-11

    IPC分类号: G06F11/36

    摘要: 本发明公开了一种面向卷积神经网络的变异覆盖测试方法及计算机存储介质,所述方法包括以下步骤:1)设置n个变异算子,分别注入待测卷积神经网络程序P中,得到变异程序集{P1,P2,P3,…,Pn};2)使用训练数据集D对变异程序集{P1,P2,P3,…,Pn}进行训练,得到变异模型集{M1,M2,M3,…,Mn};3)使用测试数据集T对原始模型M和变异模型集{M1,M2,M3,…,Mn}进行测试;4)比较所有模型的测试准确率,选出准确率最高的模型。本发明解决了传统测试方法难以保证卷积神经网络应用程序的测试充分性的不足,能够有效提高检验卷积神经网络的测试充分性,在测试神经网络模型上更为有效,并可以根据测试准确率找出局部最优模型,有效保障了卷积神经网络应用程序的质量与安全。

    带时间、资源、输入输出约束的工作流系统建模方法

    公开(公告)号:CN109032931A

    公开(公告)日:2018-12-18

    申请号:CN201810737177.8

    申请日:2018-07-06

    IPC分类号: G06F11/36

    CPC分类号: G06F11/3684 G06F11/3688

    摘要: 本发明提供了一种带时间、资源、输入输出约束的工作流系统建模方法。所述带时间、资源、输入输出约束的工作流系统建模方法包括如下步骤:步骤1,将系统重新定义为带有输入输出及资源、时间约束的工作流;步骤2,定义扩展后的RTI/O_WF_Net模型;步骤3,将工作流依算法转换成I/O_WF_Net模型;步骤4,为模型中的活动迁移增加时间属性;步骤5,资源库所及对应关系建模;步骤6,对模型进行初始化标记。本发明的有益效果是:所述带时间、资源、输入输出约束的工作流系统建模方法对工作流系统测试可能出现的资源竞争或冲突的现象进行分析,建立被测系统的时延Petri网模型,达到简化工作流系统测试方法,降低测试时间,提高测试效率的目的。

    一种基于语义相似度的中文众包测试报告聚类方法

    公开(公告)号:CN112966708B

    公开(公告)日:2024-05-28

    申请号:CN202110112286.2

    申请日:2021-01-27

    摘要: 本发明公开了一种基于语义相似度的中文众包测试报告聚类方法,包括:输入中文测试报告集,剔除无效测试报告,并将有效测试报告进行分句处理,得到测试报告句子对数据集;构建测试报告句子对训练集对语义相似度模型进行训练,得到语义相似度计算模型;将测试报告句子对数据集输入至语义相似度计算模型中进行语义相似度计算,得到测试报告相似度矩阵;设置测试项目预期的bug数量,根据测试报告相似度矩阵进行谱聚类,得到测试报告类簇;根据测试报告类簇对测试报告相似度矩阵进行分解,得到每个类簇的测试报告相似度矩阵,计算每类簇中累计相似度得分Top‑5的测试报告作为最终输出结果。提高了众包测试平台测试报告审查自动化流程,有效提升了测试报告审查效率。

    一种基于模糊综合评价的随机森林分类方法

    公开(公告)号:CN117494008A

    公开(公告)日:2024-02-02

    申请号:CN202311515999.9

    申请日:2023-11-15

    摘要: 本发明公开了一种基于模糊综合评价的随机森林分类方法,包括:通过专家经验法将数据集中的数据划分为可分组数据和不可分组数据;根据可分组数据中的属性关联对可分组数据进行分组,将每个组内的数据作为子因素,并根据同一组内所有子因素确定该组的父因素;通过模糊综合评价策略对所有父因素进行模糊综合评价,得到可分组数据的模糊评价结果;将可分组数据的模糊评价结果和不可分组数据作为随机森林算法模型的输入,利用随机森林算法模型得到数据集的分类结果。本发明能够降低随机森林算法的计算量,同时最大限度地保留原始数据的信息,提高随机森林训练结果的准确性。