面向黑盒测试检出的缺陷分类与预测研究

软件缺陷是影响软件质量的决定因素之一，软件测试则是消除软件缺陷的重要手段。由于黑盒测试法适用的测试阶段所占比率很高，其检出(Detected)的缺陷数量也非常庞大，但目前针对黑盒测试检出缺陷的分类与预测研究仍没有引起足够重视。本项目旨在面向黑盒测试检出的软件缺陷研究几个重要但尚未解决的问题：1）从大量软件缺陷数据库中去除重复无效缺陷报告，进行数据优化并分析挖掘缺陷数据库中的信息。2）基于优化之后的缺陷库，提取黑盒测试检出的缺陷的共性特征，建立黑盒测试检出的缺陷分类体系，并确立出其中的典型缺陷；3）研究功能模块与缺陷之间的关联关系对缺陷预测模型的影响，以功能模块为单位，预测黑盒测试检出的典型缺陷的数目与分布状况。本项目的研究，为有效地指导黑盒测试的实施，尽可能地消除软件缺陷，提高软件质量提供有效的手段。

软件缺陷是影响软件质量的决定因素之一，软件测试则是消除软件缺陷的重要手段。黑盒测试法适用的测试阶段所占比率很高，其检出的缺陷数量也非常庞大，本项目主要面向黑盒测试检出的软件缺陷进行了分类和预测相关的研究，取得了一系列有效的研究成果。这些成果为有效地指导黑盒测试的实施，尽可能地消除软件缺陷，提高软件质量提供有效的手段。具体成果主要有：1）为了去除软件缺陷数据中的“重复”缺陷报告，提出了一种简单有效的基于N-gram的重复缺陷报告检测方法；2）针对“无法重现”和“不完整”的无效缺陷报告，从如何有效预防提交该类型无效缺陷报告的角度出发，提出了一种软件缺陷描述图，以图形化的方式描述黑盒缺陷。基于EBNF文法对软件缺陷描述图进行了形式化的定义，通过理论分析论证、实例对比以及验证实验可知，本方法清晰明了、重点突出，提高了缺陷报告的可读性、完整性以及可重现性，有效减少了测试人员和开发人员的理解不一致现象，为双方节约了宝贵的资源；3）为了有效地改善黑盒缺陷的分析效率以及测试效率，提出了一种正交黑盒缺陷分类方法。该方法由7个属性共同描述一个黑盒缺陷，为测试管理者提供了一种综合统一的黑盒缺陷分析方法。同时根据实证研究得到了一个拥有300种黑盒缺陷类型的列表，该列表可以为黑盒测试的实施提供有效的指导；4）为了更好的对缺陷文本数据进行自动分类，提出了一种基于特征分布信息的文本分类特征筛选方法，主要对类间离散度计算方法进行改进。本方法可以在选择较少特征项的情况下达到较高的分类准确度，同时具有收敛速度快的优点，对类间分布的改进使得本方法也可运用于偏斜数据集；5）基于正交黑盒缺陷分类后的缺陷数据研究了黑盒缺陷库中的频繁项集挖掘问题，提出了一种改进的基于模板的关联规则生成算法。同时挖掘了最容易引发缺陷的条件(数据或者操作)、最频繁发生的影响度较高的缺陷结果(现象)、缺陷类型之间以及功能模块与缺陷类型之间的关联规则等，这些都可以有效提高黑盒测试的效率和质量；6）根据黑盒缺陷数据独自的特性，提出了一种基于层叠泛化的软件缺陷预测模型，将贝叶斯网络模型和其他一些经典数值预测模型进行组合，利用第三方测试产生的黑盒缺陷数据对缺陷数目进行预测；7）根据小项目数据集的特点，提出一种基于灰色关联分析法的软件缺陷类型预测方法。