教学课程资源库 更多>>

关键词： 文档生成   知识提取   表格识别   计算机辅助写作   软件测试  

摘要： 测试文档是产品的重要组成部分,与测试数据紧密相关,且有严格的编制要求。针对以往测试文档编写中存在的重复繁琐、灵活性不高、效率低下等问题,运用数据到文本的生成理论,该文提出了一种基于知识提取的测试文档生成方法。该方法首先对原始的测试记录数据进行分析和理解,重点进行电子表格的表头识别和单元格关联关系识别,抽取出表格数据的逻辑关系;再根据规范化的测试本体,转换成规范的知识表达,形成测试知识的结构化表示并记录于测试知识库中;最后通过局部文档模板的填充,逐步形成整体的测试文档。该方法解决了灵活多变的测试记录导致的软件重复开发的一系列问题,有利于测试结果的有效利用。此外,自底向上的文档构造方式有助于按需展现内容,提高测试文档的可读性。

关键词： 黑猩猩优化算法   LHS序列   正余弦扰动因子   软件测试   测试数据生成  

摘要： 自动生成测试数据的关键在于能否生成覆盖率高、纠错能力强的数据。针对目前测试数据生成效率低及黑猩猩优化算法仍存在易陷入局部最优、收敛精度低等问题,提出一种正余弦扰动策略黑猩猩优化算法(chimp opti-mization algorithm for sine-cosine perturbation strategy,SC-ChOA)。使用拉丁超立方策略初始化种群,增强种群的多样化;引入非线性衰减收敛因子来平衡算法的全局和局部勘探能力;在位置更新时添加正余弦扰动因子,避免群体陷入局部范围搜索而导致的算法停滞现象。使用测试函数与标准黑猩猩优化算法及常用的遗传算法进行对比实验,验证算法的有效性;将改进算法应用到测试数据生成领域,通过在桩中插入分支函数来建立适应度函数,以促进测试数据的优化。为验证改进算法在测试数据生成方面的有效性,使用多个基准程序进行算法对比实验,结果表明SC-ChOA在测试数据生成的覆盖率、平均迭代次数和运行时间上均有明显优势。

关键词： 软件测试   Web自动化测试   Selenium框架   Python   Unittest测试框架  

摘要： 随着Web应用系统的广泛应用,传统的手工测试已经难以满足Web应用系统测试需求。根据自动化测试的特点,研究Selenium自动化测试框架,分析Selenium的工作原理和元素定位的方法。进一步研究自动化测试用例的设计方法和编写流程,阐述Python自带的单元测试框架(Unittest框架)编写自动化测试用例的基本使用方法和常用断言方法。最后以资产管理系统的登录模块测试用例为例,完成具体脚本的编写和执行,实现了自动化测试代替手工测试,提高了软件测试效率。

关键词： matlab   mex文件   嵌入式   接口设计   软件测试  

摘要： 随着工业化和移动设备的深度发展,嵌入式设备的应用越来越广泛。本文针对嵌入式软件功能设计在测试过程中存在的测试环境不足和测试效率低下问题,设计了一种简便高效的 C 代码功能纯软测试系统,该系统利用接口定制及自动化编译工具,简化测试准备工作,实现测试对象的快速切换,提高了测试效率。

关键词： 云平台   软件测试   性能测试   数据库  

摘要： 本文通过对软件性能测试技术的研究,以云平台的建设与应用为基准点,利用平台设计、数据库设计、模块设计的方式,实现对软件性能的测试,并结合具体实例对其测试结果加以研究。软件测试是衡量软件功能是否健全、性能是否稳定的重要手段,传统软件性能测试通过测试环境构建的方式进行性能测试,需要投入大量的成本,维护较为复杂。云平台的应用主要基于云技术的使用,通过数据模型的构建对软件性能进行测试,成本较低,效果好,测试结果准确。

关键词： 日志挖掘   联锁软件   测试用例   频繁模式挖掘   遗传算法  

摘要： 为提高联锁软件的可靠性,避免逻辑运算出现失误,提出基于日志挖掘的联锁软件测试用例生成算法。将联锁系统软件分为人机对话、联锁运算与任务执行三个模块,分析不同模块执行的具体任务;采用支持向量机分类算法,清洗从联锁系统中采集的日志数据;通过频繁模式挖掘算法,根据支持度阈值挖掘用户日志,了解用户操作行为;分析挖掘结果生成测试项目,以语句覆盖和分支覆盖为生成准则;使用遗传算法,设计编码方式,设置适应度函数与遗传算子,构建测试用例生成模型。仿真结果表明,所提算法生成用例的漏检率与误检率较低,可节省测试开销,优化软件性能。

关键词： 马尔可夫模型   软件测试   测试充分性准则   二阶马尔可夫   改进相对熵   测试用例生成   单元测试  

摘要： 为解决基于一阶Markov模型的软件测试充分性准则不精确、充分性判定过程容易产生误判的问题,在分析现有的软件测试充分性准则的基础上,提出一种基于二阶Markov模型的改进相对熵测试充分性判别准则。消除单纯Markov模型的“一阶无后效性”影响并将原始相对熵进行边界化处理和对称性设计,使测试执行过程更加充分和稳定。数值实验结果表明,在不降低可信性的前提下,该方法能有效解决测试用例生成过程过早收敛的问题、增强测试充分性判定的稳定性,对单元测试的测试用例生成策略的优化设计有一定的指导意义。

关键词： 人工智能   软件测试   机器学习   质量   大数据  

摘要： 随着信息技术的飞速发展,人工智能已被广泛应用在装备的智能环境感知、智能信息处理、智能指挥控制等方面,为装备的智能化提供了基础。但由于人工智能装备软件本身独有的逻辑性差,与硬件强耦合,需要学习训练,具有可成长性和与大数据、物联网联系密切等特点,导致现有常用的软件测试方法在测试输入空间确定、测试结果有效性验证、测试环境构建等方面面临极大的挑战。文章从强化软件测试综合评价,智能化测试场景和用例生成,一体化硬件试验和软件测试,加强开源软件测评,围绕可成长性开展训练和测试,强化装备数据分析和运用等六个方面对提升人工智能装备软件测试效能给出了相应对策。

关键词： 大数据   软件测试   计算机软件   软件质量  

摘要： 目前我国已经进入信息化社会,人工智能、云计算、大数据技术得到很大的发展,大数据技术应用于社会生活的各个方面,在企业信息化建设的过程中,企业软件的开发离不开大数据技术,软件测试的发展也离不开大数据技术,在大数据技术的发展背景之下,软件的测试也显的尤为重要,保证产品的稳定性、可靠性及产品质量显的尤为重要,解决这些问题,软件测试的作用十分重要,结合大数据技术的软件测试,本论文首先介绍大数据的概念、特征、生命周期等,然后介绍了目前大数据的发展现状,大数据的重要性以及在软件测试领域的应用,大数据在测试领域的应用,扩展了其应用领域,促进了跨学科技术的交叉应用,通过大数据和测试技术的交叉融合,促进信息技术的进步,降低企业的成本与软件测试的风险,提升产品的质量。然后介绍大数据背景下软件测试的步骤和应用技术,最后对大数据技术进行总结,为软件测试技术的发展提供帮助。

关键词： K-均值聚类   动态处理   适应度函数   生成算法   数据处理   软件测试  

摘要： 利用K-均值聚类算法提高数据生成效率,从而可以保障软件测试工作平稳进行。为此,文章引进K-均值聚类算法,设计了一种针对软件测试数据的全新生成算法。为确保设计的数据生成算法可以生成适用于软件测试的数据集合与数据组,建立软件测试数据适应度函数,明确测试数据聚类方向,确保数据生成围绕软件测试适用范围展开;然后引进K-均值算法,对测试数据进行聚类,使具有相同特征或指向的数据聚合在一起,再利用PSO算法,通过对测试数据PSO参数的线性改进,实现对测试数据离散度的动态化处理,再提取通过离散度检验的数据,从而生成数据。对比实验结果表明:该算法的综合实用性更强,可以在提高数据生成效率的基础上,使生成数据中未完全覆盖的组合数据数目快速降为0。