基于软件行为聚类分析的测试用例选择技术

)：随着软件规模的不断增大和工程数据的大量积累，数据挖掘和机器学习技术在软件工程的应用日益广泛。基于机器学习的软件测试技术是当前软件工程研究和应用的热点之一。本项目旨在研究基于软件行为聚类分析的测试用例选择技术。我们通过软件分析技术获取程序控制流和数据流信息并进一步提取软件动态行为特征, 针对不同类型的行为特征进行距离度量，然后采用恰当的聚类算法进行聚类，最后在不同行为类簇中选择若干测试用例进行测试，从而在有限的测试资源下达到较强的错误检测能力。研究内容包括（1）基于软件行为聚类分析的回归测试选择技术。（2）基于软件行为聚类分析的测试优化技术。（3）面向测试结果审查的测试用例选择技术。项目研究需要有效融合软件行为特征提取、聚类算法和软件测试技术等跨领域技术，属于当前软件工程研究的前沿课题。本项目对于当前软件测试研究具有较为重要的理论意义和实践价值。

基于机器学习的软件测试技术是当前软件工程研究和应用的热点之一。本项目研究了基于软件行为聚类分析的测试用例选择技术。我们通过软件分析技术获取程序控制流和数据流信息并进一步提取软件动态行为特征, 针对不同类型的行为特征进行距离度量，然后采用恰当的聚类算法进行聚类，最后在不同行为类簇中选择若干测试用例进行测试，从而在有限的测试资源下达到更强的错误检测能力。研究内容包括（1）基于软件行为聚类分析的回归测试选择技术;（2）基于软件行为聚类分析的测试优化技术;（3）面向测试结果审查的测试用例选择技术。项目研究有效融合了软件行为特征提取、聚类算法和软件测试技术等跨领域技术，取得了一系列较好的研究成果。