基于UML的软件Markov链使用模型构造研究

软件统计测试要求基于软件使用模型产生测试例对软件系统进行测试,并根据测试结果评价软件可靠性,是高可靠软件测试的重要组成部分.由于统一建模语言(unifiedmodelinglanguage,简称UML)已经成为事实上的面向对象标准建模语言,因此,从软件UML模型构造软件使用模型就成为面向对象软件统计测试的关键.为此,定义了加入统计测试约束的UML用例图、序列图以及用例执行顺序关系,为基于UML的软件统计测试提供了一个形式化描述基础.在此基础上,给出一个从软件UML模型构造软件Markov链使用模型的算法,并给出了自动化支持工具UMGen的类图结构,基于一个卫星控制系统,说明了所提出方法的有效性.

基于UML的软件Markov链使用模型的构建

构建软件的使用模型是进行软件可靠性测试及软件可靠性评估的基础.近年来,如何由软件的UML模型构造软件的使用模型成为研究热点.对于大型的软件系统来说,应用现有方法构建的软件Markov链使用模型的状态空间过于庞大,模型描述困难,不利于测试用例的自动生成及软件可靠性评估.针对以上问题,提出了一种由UML模型构建Markov链使用模型的方法.该方法将场景的前置条件和后置条件作为Markov链使用模型的状态,将场景的执行及执行概率作为状态之间的转移及转移概率.与现有方法相比,新方法构建的Markov链使用模型的状态空间小且无需人为干预,而且可以很方便地生成测试输入从而进行可靠性测试.针对UML模型的有效性,提出了经过可靠性评估扩展的UML模型生成Markov链使用模型的验证算法.最后通过一个卫星控制系统的实例对新方法的性能进行了验证.

基于Markov链路径使用模型的软件统计测试

探讨了建立基于路径使用的Markov链模型来分析模块内部代码结构的统计测试方法的可能性。提出将统计理论用于软件的结构测试,从理论上得出软件的结构可靠性结论。提出具有有限状态、离散时间序列的Markov链作为程序的使用模型和测试模型,使用Kullback判别式作为测试链收敛到使用链的判断准则,从理论上证明了测试链到使用链收敛的必然性。理论分析和初步的实验证明该方法是可行和有前途的。

基于混合隐Markov链浏览模型的WEB用户聚类与个性化推荐

针对传统的Markov链模型不能有效的表征长串访问序列所蕴含的丰富的用户行为特征（用户类别特征、访问兴趣迁移特征）的缺点,提出混合隐Markov链浏览模型。混合隐Markov链模型使用多个不同的模型来区分不同类别用户的浏览特征,并为每个类别的用户设置了能跟踪捕捉其访问兴趣变化的类隐Markov链模型,能更好地对WWW长串访问序列的复杂特征进行建模,在真实WWW站点访问日志数据上的用户聚类实验与个性化推荐实验的结果表明,混合隐Markov链模型与传统的Markov链模型相比,具有更理想的聚类性能和推荐性能。

可变多阶Markov链模型及在WWW个性化推荐中的应用

WWW个性化推荐问题是WEB挖掘的一个重要研究方向。针对传统的固定阶数的Markov链模型用于WWW个性化推荐问题的不足，提出可变多阶Markov链模型（Variable Multiple Order Markov Chairr--VMOMC）。VMOMC将用推荐目标网页概率值度量的可变多阶Markov链并行组合，组合模型中采用遗传算法确定各单阶Markov链模型的最优权重，在真实WWW站点访问日志数据上的实验结果表明：VMOMC与传统的定阶Markov链浏览推荐模型相比，具有较理想的推荐性能。

Markov链使用模型的测试用例生成方法研究

采用基于马尔科夫链使用模型的软件测试,在状态与激励序列中,从"开始"状态到"结束"状态形成一个完整的测试案例。因此,输入和激励的选择对于产生高效的测试案例十分重要。提出一种激励选择——带概率约束的随机选择方法,以软件Markov链模型的状态迁移概率作为激励选择的约束条件,使用遗传算法中用于选择下一代种群的选择算子——轮盘赌选择算子对激励进行选择。通过与以往的激励选择方法对比,验证了所提出的方法能提高生成测试用例的有效性。

基于Markov链使用模型的加速统计测试方法

为了提高软件统计测试的效率,使用较少的测试资源达到测试目的,提出了一种基于Markov链使用模型的软件加速统计测试方法.该方法通过均衡软件测试成本和软件投放后的失效风险,以软件平均总费用最小为目标,基于重要抽样技术的加速测试机理,采用交叉熵方法生成最优(或近优)测试剖面,同时给出了一种新的统计测试充分性判定准则,最后根据生成的最优测试剖面自动生成统计测试数据集.仿真实验结果表明,相对于传统的统计测试方法,使用交叉熵方法的加速统计测试方法能有效地降低软件总费用,显著增加关键操作的测试次数,是一种快速有效的加速统计测试方法.

基于Markov链使用模型的组件复用的统计测试

提出了用Markov链使用模型来模拟具体环境中组件的使用方式,对组件的复用进行统计测试,详细论述了提出的组件复用统计测试的思想框架和测试步骤,并进一步指出了每个测试步骤具体的研究细节。最后给出了提出的方法与现有方法的对比分析,说明提出的方法是组件复用自动化测试的一种经济可行的方法。

基于Markov链的软件可靠性早期评估研究

针对Markov链使用模型缺乏软件失效信息,提出了一种改进Markov链使用模型进行软件可靠性早期评估的方法.该方法首先扩展Markov链使用模型,在其中加入失效状态及执行概率,构建软件可靠性早期评估模型;然后,依据软件可靠性早期评估模型生成算法得到软件可靠性.最后,通过一个SCS软件实例,对本文方法性能进行了验证.实验结果表明,该方法可以自动输出多种软件可靠性评估指标,有效评估软件可靠性.

一种基于高阶Markov使用模型的测试用例自动生成方法

为了解决基于单纯马尔可夫使用模型测试用例生成不稳定、测试充分性判定不精确的问题,在分析现有测试用例自动生成方法的基础上,提出一种改进的高阶马尔可夫测试模型,并依据此模型,提出改进的基于快速轮盘赌的二分查找测试用例生成方法和基于相对熵的测试充分性判定方法。实践表明,改进后的方法有效地提高了测试用例生成的稳定性和测试充分性判定的精确性,与原有方法比较更适合大规模软件的测试,提高了大规模软件自动化测试的效率。

基于Markov链使用模型的软件可靠性测试用例生成研究

本文针对软件可靠性测试中测试用例设计方法不足、难以生成等问题,对软件的需求分析和设计文档进行了研究,提出一个基于UML的扩展模型,通过构建不同等级的Markov链使用模型最终解决了可靠性测试用例生成的难题。可靠性测试用例的生成是软件可靠性工程的一个重要组成部分,它对于指导软件测试过程、提高软件可靠性有重要的意义。

基于m-Markov模型的交叉用户会话识别

Web访问日志数据是由单个用户点击形成的数据集,各点击是独立的,会话识别的任务就是将各个独立的点击划分成有意义的会话片段。一般的会话识别算法无法对包含交叉会话数据的Web访问日志数据成功地进行会话识别,利用自适应m-Markov模型能对Web访问日志数据进行交叉服务器会话识别和重构,并在m-Markov模型的基础上结合不同的会话结束判断准则进行会话识别准确率的比较。实验结果显示,将m-Markov模型与基于奖惩策略的会话结束算法结合能明显提高会话识别和重构的准确率。

基于Object-Z与Markov链的校园卡系统测试用例

针对提高校园卡系统准确性和可靠性测试的要求,提出了Object-Z与Markov链结合的测试用例自动生成算法.使用Object-Z对系统进行形式化规约,生成测试场景和操作顺序图;将操作顺序图转换为Markov链使用模型;根据测试场景和Markov链使用模型生成数量相对合理的测试用例.该方法无需对系统进行运行,在需求分析与测试阶段就能对系统的功能进行测试.生成的校园卡系统测试用例证明该方法是有效的,并且在提高测试覆盖率的同时,使用Markov链也能保证对系统的可靠性测试.

基于Markov链使用模型的软件可靠性测评方法研究

基于Markov链使用模型的软件统计测试是产生高效测试用例,实现软件可靠性定量评估的有效方法。论述了该方法中使用链与测试链的构建技术,基于使用模型的统计分析计算,基于测试链的软件可靠性评估,操作可靠性和使用可靠性评估,以及它们在实际应用中需要注意的若干问题。

软件Markov链使用模型生成与化简技术

为解决软件可靠性测试中Markov链使用模型的状态空间爆炸问题,研究基于UML模型的使用模型生成与化简技术。基于UML模型中的顺序图获取软件与外部环境之间的消息交互,通过分析激励与响应消息来获取状态生成软件Markov链使用模型,准确描述软件的使用情况。针对状态空间爆炸问题,提出冗余状态和等价状态的定义,设计使用模型化简算法,针对化简算法给出相关理论证明。实验结果表明了该方法的有效性。

软件Markov测试的可靠性评估

计算机软件可靠性估计是当今研究的重要问题之一。基于有限Markov链理论 ,形式化的描述了软件统计测试方法 ,提出了一种软件的可靠度估计及其近似置信下限估计方法 ,并分别对特殊的分支和序列两类软件系统进行了具体研究。

软件可靠性评估的重要抽样方法

基于统计测试的马尔可夫使用模型对软件可靠性评估提出了一种有效的估计方法.该方法利用重要抽样技术在保证可靠性估计无偏性的条件下,利用交叉熵度量操作剖面与零方差抽样分布之间的差异,通过启发式迭代过程调整各个状态之间的转移概率来修正测试剖面.从理论上证明了利用修正测试剖面测试估计的可靠性是方差为0的无偏估计.最后给出了软件可靠性估计的最优测试剖面生成的启发式迭代算法.仿真结果表明,该方法与模拟退火算法相比,能够明显降低估计的方差,在提高估计精度的同时加快统计测试速度.

马尔科夫使用模型在仿真系统测试中的应用

基于马尔科夫使用模型的测试方法引入到仿真系统的测试中,给出了基于马尔科夫使用模型仿真系统测试的基本过程;分析了使用模型的构建,给出了一种测试充分性判断的分析方法;提出了一种基于马尔科夫使用模型的仿真系统可信度计算模型。实例证明了马尔科夫使用模型在仿真系统测试中的有效性,检验了可信度模型的合理性。

基于隐马尔科夫模型的浏览兴趣预测

Web上的信息量正以惊人的速度增加,人们迫切需要能自动地从Web上发现、抽取和过滤信息的工具,即如何从数以亿计的页面中发现需要的内容、如何从大量的访问中发现固有的模式和关联。马尔科夫模型的网页浏览预测,仅仅从用户的浏览网页本身出发,预测用户的下一步链接,并不能捕获到用户的真正兴趣。本文提出基于隐马尔科夫模型的网页浏览路径预测,并将其与基于马尔科夫模型的方法进行对比。根据已知的浏览序列判断用户的类别,当浏览序列长度很短时,本文方法的预测准确性比马尔科夫模型低。这是由于序列长度过短,系统获取判断的信息少,增加了对用户错误分类的可能性。随着浏览序列长度逐渐增加,系统捕获的用户浏览信息越来越多,进而能够折射出用户的兴趣所在,预测准确率也逐步增加。当浏览序列长度大于或等于8时,预测准确率已经到达80%,提高了浏览兴趣预测的准确率。

测试资源受约束的安全关键软件加速测试方法

基于马尔可夫链使用模型提出了一种针对安全关键软件测试资源受约束的启发式加速测试方法。该方法利用一种新的随机优化技术——交叉熵方法,以软件投放后软件失效风险损失最小为目标,基于失效风险损失通过修正操作剖面,自动生成测试数据集。实验结果表明该方法能有效地降低软件失效风险,提高测试效率,是一种快速有效的加速测试方法。