版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、首先構(gòu)造出軟件的馬爾科夫鏈?zhǔn)褂媚P?,描述軟件的使用方式,然后根?jù)該使用模型生成測試用例,實施測試后按照統(tǒng)計學(xué)模型對測試時結(jié)果進(jìn)行分析,從而評價軟件可靠性和質(zhì)量。馬爾科夫鏈?zhǔn)褂媚P陀秒S機(jī)過程模型來描述軟件的使用方式?;谠撃P偷膮?shù)分析有利于驗證模型合理性,制定測試規(guī)劃。已知使用模型,測試人員可以利用輔助測試工具自動或手動生成測試用例。在基于馬爾科夫鏈?zhǔn)褂媚P蜕蓽y試用例的過程中,使用模型的建立和優(yōu)化是關(guān)鍵問題。困難在于:使用模型轉(zhuǎn)移概率
2、的確定和優(yōu)化,本文研究了現(xiàn)有的使用模型轉(zhuǎn)移概率的自動生成方法,提出了新的生成方法,取得了一定成果。本文的主要內(nèi)容可以概括為以下幾個方面: 1.綜述了課題的研究背景。介紹了主要的軟件測試方法,對國內(nèi)外自動生成馬爾科夫鏈?zhǔn)褂媚P娃D(zhuǎn)移概率的研究及統(tǒng)計測試工具開發(fā)現(xiàn)狀進(jìn)行了綜述。 2.分析馬爾科夫鏈模型用于指導(dǎo)測試的優(yōu)勢所在,討論了馬爾科夫鏈?zhǔn)褂媚P偷臉?gòu)建,表示方法,系統(tǒng)分析基于馬爾科夫鏈?zhǔn)褂媚P偷膮?shù),及其對測試規(guī)劃的重要意義
3、,討論了測試覆蓋問題,介紹了基于馬爾科夫鏈?zhǔn)褂媚P偷臏y試用例生成方法。 3.分析了馬爾科夫鏈?zhǔn)褂媚P徒⒑蛢?yōu)化難的問題,探討了自動生成模型轉(zhuǎn)移概率的可行性,分析了現(xiàn)有的研究成果。改進(jìn)了S.A.Sherer的方法,加以實現(xiàn),并評價了實驗結(jié)果。該改進(jìn)方法可以利用先驗失效成本信息,自動生成符合軟件真實使用并且最大限度減小失效損失的模型轉(zhuǎn)移概率。本文還提出了以符合軟件真實使用并且模型復(fù)雜度最小為目標(biāo),自動優(yōu)化生成模型轉(zhuǎn)移概率的方法,并加
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 馬爾科夫轉(zhuǎn)移矩陣模型
- 隱馬爾科夫模型hiddenmarkovmodel
- 基于隱馬爾科夫模型的信號分類.pdf
- 馬爾科夫鏈問題算法研究.pdf
- 基于馬爾科夫模型的紋理圖像分割.pdf
- 基于馬爾科夫鏈模型的癌癥分類與診斷方法研究.pdf
- 基于隱馬爾科夫模型的人臉識別.pdf
- 基于隱馬爾科夫模型的異常檢測研究.pdf
- 基于隱馬爾科夫模型的目標(biāo)人體識別.pdf
- 基于隱馬爾科夫模型的聚眾事件檢測.pdf
- 基于隱馬爾科夫模型詞性標(biāo)注的研究.pdf
- 基于隱馬爾科夫模型的網(wǎng)絡(luò)輿情挖掘.pdf
- 基于隱馬爾科夫模型的步態(tài)身份識別.pdf
- 基于馬爾科夫模型的WEB日志挖掘的研究.pdf
- 基于連續(xù)隱馬爾科夫模型的語音識別
- 基于連續(xù)隱馬爾科夫模型的語音識別
- 基于馬爾科夫鏈的算法復(fù)雜度分析.pdf
- 基于連續(xù)隱馬爾科夫模型的語音識別
- 基于隱馬爾科夫模型、馬爾科夫狀態(tài)轉(zhuǎn)換模型的商品期貨價格預(yù)測研究與實證分析
- 基于隱馬爾科夫模型的時間序列聚類.pdf
評論
0/150
提交評論