计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2015年
1期
115-120
,共6页
软件工程%软件测试%支持向量机%BP神经网络%测试用例生成
軟件工程%軟件測試%支持嚮量機%BP神經網絡%測試用例生成
연건공정%연건측시%지지향량궤%BP신경망락%측시용례생성
software engineering%software testing%SVM algorithm%BP neural network%test case generation
针对在小样本情况下BP神经网络在生成软件测试用例的过程中可能产生的过学习问题及识别正确率较差的缺点,运用支持向量机具有更好的泛化性能的原理,提出了应用支持向量机生成测试用例的方法.对五个软件测试实例针对多组不同数量的训练样本所做的实验表明,在小样本情况下与BP神经网络相比,应用支持向量机得到的测试用例预期结果的正确率提高了10个百分点以上,说明了该方法的有效性.
針對在小樣本情況下BP神經網絡在生成軟件測試用例的過程中可能產生的過學習問題及識彆正確率較差的缺點,運用支持嚮量機具有更好的汎化性能的原理,提齣瞭應用支持嚮量機生成測試用例的方法.對五箇軟件測試實例針對多組不同數量的訓練樣本所做的實驗錶明,在小樣本情況下與BP神經網絡相比,應用支持嚮量機得到的測試用例預期結果的正確率提高瞭10箇百分點以上,說明瞭該方法的有效性.
침대재소양본정황하BP신경망락재생성연건측시용례적과정중가능산생적과학습문제급식별정학솔교차적결점,운용지지향량궤구유경호적범화성능적원리,제출료응용지지향량궤생성측시용례적방법.대오개연건측시실례침대다조불동수량적훈련양본소주적실험표명,재소양본정황하여BP신경망락상비,응용지지향량궤득도적측시용례예기결과적정학솔제고료10개백분점이상,설명료해방법적유효성.
