基于软件网络的回归测试用例排序方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61202048
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    21.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0203.软件理论、软件工程与服务
  • 结题年份:
    2015
  • 批准年份:
    2012
  • 项目状态:
    已结题
  • 起止时间:
    2013-01-01 至2015-12-31

项目摘要

Regression testing, a process of software testing, is an important mean to protect the quality of software. Test case prioritization is one of the effective and practical regression testing techniques. How to incorporate more non-coverage factors into the calculation of priorities of test cases is still the focus of test case prioritization field. The (whole) software structure is one of the factors influencing software quality, which has always been neglected. This project introduces the concept of software as network into the field of software testing and constructs the software network of object-oriented software, designed to measure the structure of the software, to clarify the relationship between software structure and software defects, and the relationship between software structure and fault propagation, and finally to provide the structural factors for the test case prioritization. This project provides an effective way, from the perspective of software networks to calculate the priorities of test cases, and to prioritize the test cases, providing a novel test case prioritization technique based on software networks. This project is of great significance for improving the efficiency of regression testing, reducing software maintenance costs, and solving the major demand of the national economy and national security fields for high-quality software. And it is also a new attempt of software network (complex networks) theory, in the field of software testing, with a high research value and significant scientific significance to promote the development of the software testing field.
回归测试是软件测试的重要过程,是保障软件质量的重要手段。测试用例排序技术是一种高效实用的回归测试技术。如何将非覆盖因素综合考虑,进行测试用例优先级评估,是测试用例排序技术研究的重点之一。软件(整体)结构是影响软件质量的重要因素,但是现有的排序技术鲜有将结构融入优先级计算。本项目将"软件网络观"引入软件测试领域,用软件网络抽象软件结构,旨在对软件的结构进行量度,阐明软件结构与缺陷产生及缺陷传播之间的关系,提供影响测试用例优先级的结构因素,从软件网络角度提出有效的测试用例优先级计算方法,提供一种基于软件网络的测试用例排序方法。本项目的研究对于提高回归测试效率,降低软件维护成本,解决国民经济和国家安全领域对高质量软件的重大需求具有重要意义。同时,也是软件网络(复杂网络)理论、方法在软件测试领域的全新尝试,对于推动软件测试领域的发展具有很高的理论研究价值。

结项摘要

如何将非覆盖因素综合考虑,进行测试用例优先级评估,是测试用例排序技术研究的重点之一。软件(整体)结构是影响软件质量的重要因素,但是现有的排序技术鲜有将结构融入优先级计算。针对这些问题,本项目的研究成果包括:1)提出了特征(方法、属性)、类、包等多个粒度的加权(无权)软件网络模型,抽象软件的整体结构特征,并用软件实现了自动从Java源代码构建这些网络的方法。2)基于各个粒度的软件网络模型,引入或提出新的复杂网络度量,分析软件实体复杂性与缺陷产生及传播的关系,分析了软件缺陷结构的挖掘方法。3)基于软件网络,分析缺陷在软件拓扑结构中的传播过程,并进而分析缺陷的传播机理及缺陷危害评估方法。4)提出了评价测试用例优先级的方法,并进而实现对回归测试用例的排序。5)将软件网络的思想扩展到服务计算领域中的复杂软件系统,解决服务的分类、推荐等问题。6)开发了相应的平台工具,积累了一批研究数据集,为进一步的研究奠定了基础。本项目的研究成果对于提高回归测试效率,降低软件维护成本,解决国民经济和国家安全领域对高质量软件的重大需求具有重要意义。同时,也是软件网络(复杂网络)理论、方法在软件测试领域的全新尝试,对于推动软件测试领域的发展具有很高的理论研究价值。

项目成果

期刊论文数量(16)
专著数量(0)
科研奖励数量(1)
会议论文数量(1)
专利数量(0)
基于复杂软件网络的回归测试用例优先级排序
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    电子学报
  • 影响因子:
    --
  • 作者:
    潘伟丰;李兵;马于涛;刘婧
  • 通讯作者:
    刘婧
Project Development Promoting Strategy in Open Source Community Based on Social Network Centrality Analysis
基于社交网络中心性分析的开源社区项目开发推进策略
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    Journal of Computational Information Systems
  • 影响因子:
    --
  • 作者:
    Huang, Yuan;Li, Bing;He, Peng
  • 通讯作者:
    He, Peng
Adaptive Randomness: A New Population Initialization Method
自适应随机性:一种新的群体初始化方法
  • DOI:
    10.1155/2014/975916
  • 发表时间:
    2014-11
  • 期刊:
    Mathematical Problems in Engineering
  • 影响因子:
    --
  • 作者:
    Kangshun Li;Muchou Wang;Jing Wang;BoJiang
  • 通讯作者:
    BoJiang
Refactoring packages of object-oriented software using genetic algorithm based community detection technique
使用基于遗传算法的社区检测技术重构面向对象软件包
  • DOI:
    10.1504/ijcat.2013.056914
  • 发表时间:
    2013-10
  • 期刊:
    International Journal of Computer Applications in Technology
  • 影响因子:
    1.1
  • 作者:
    Weifeng Pan;Bo Jiang;Youyang Xu
  • 通讯作者:
    Youyang Xu
RECODE: SOFTWARE PACKAGE REFACTORING VIA COMMUNITY DETECTION IN BIPARTITE SOFTWARE NETWORKS
RECODE:通过双向软件网络中的社区检测进行软件包重构
  • DOI:
    10.1142/s0219525914500064
  • 发表时间:
    2014-12-01
  • 期刊:
    ADVANCES IN COMPLEX SYSTEMS
  • 影响因子:
    0.4
  • 作者:
    Pan, Weifeng;Li, Bing;Liu, Kun
  • 通讯作者:
    Liu, Kun

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于改进演化算法的空间数据聚类方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机工程
  • 影响因子:
    --
  • 作者:
    潘伟丰;徐红伟;苏建强;兰小机
  • 通讯作者:
    兰小机
一种求解空间数据聚类的粒子动力学演化算法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机应用研究
  • 影响因子:
    --
  • 作者:
    刘琮;季冰川;徐红伟;潘伟丰;黄学雨
  • 通讯作者:
    黄学雨
基于加权PageRank 算法的关键包识别方法
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    电子学报
  • 影响因子:
    --
  • 作者:
    潘伟丰;李兵;马于涛;姜波
  • 通讯作者:
    姜波
基于软件网络加权k-核分析的 关键类识别方法
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    电子学报
  • 影响因子:
    --
  • 作者:
    潘伟丰;宋贝贝;胡博;李兵
  • 通讯作者:
    李兵
一种mashup服务描述本体的自动构建方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    小型微型计算机系统
  • 影响因子:
    --
  • 作者:
    潘伟丰;李杉;李兵;侯婷婷
  • 通讯作者:
    侯婷婷

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

潘伟丰的其他基金

基于多层复杂网络理论的回归测试用例排序方法研究
  • 批准号:
    62272412
  • 批准年份:
    2022
  • 资助金额:
    53.00 万元
  • 项目类别:
    面上项目
基于多层复杂网络理论的回归测试用例排序方法研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    53 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码