融合聚类算法和缺陷预测的测试用例优先排序方法

• 作者: 肖蕾 陈荣赏 缪淮扣 洪煜
• 来源期刊: 计算机科学
• 关键词: 回归测试 测试用例优先排序 缺陷预测 聚类分析 最佳类簇数 特征子集
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 计算机软件|Computer Software
• 页码范围: 99-108
• 页数: 10页
• 分类号: TP311
• 语种: 中文
• DOI: 10.11896/jsjkx.200400100

摘要

持续集成环境下,软件快速更新加快了回归测试执行的频率,但缺陷快速反馈的需求对回归测试又提出了更高要求.测试用例优先排序技术研究测试用例的重要性,通常将缺陷探测能力强的测试用例优先执行,使其提早发现软件缺陷,其可解决持续集成环境下的快速反馈需求.缺陷预测技术可通过被测系统代码特征和历史缺陷来预估信息预测软件在新版本中发现缺陷的可能性,传统基于聚类的测试用例优先排序方法大多未考虑不同类簇数和特征子集对聚类结果的影响.文中将缺陷预测应用到聚类优先排序方法,构建测试用例和代码关联矩阵,对测试用例进行聚类分析,结合缺陷预测结果和最大最小距离策略指导簇间和簇内排序.通过实验验证发现,类簇数和聚类特征子集选择对排序效果有一定影响,当未能获取最佳类簇数和特征子集时,相比单一的聚类优先排序方法,所提方法可更有效地提高回归测试效率.