一种基于梯度下降算法的蜕变关系生成方法

吉林大学学报(理学版) ›› 2020, Vol. 58 ›› Issue (6): 1429-1435.

一种基于梯度下降算法的蜕变关系生成方法

穆翔宇¹, 范钰¹, 李苏吉^1,2, 张鹏¹, 刘磊¹

1. 吉林大学计算机科学与技术学院, 长春 130012； 2. 吉林大学口腔医院, 长春 130021

出版日期:2020-11-18 发布日期:2020-11-26
通讯作者: 李苏吉 lisuji@jlu.edu.cn

Method of Generating Metamorphic Relationship Based on Gradient Descent Algorithm

MU Xiangyu¹, FAN Yu¹, LI Suji^1,2, ZHANG Peng¹, LIU Lei¹

1. College of Computer Science and Technology, Jilin University, Changchun 130012, China；
2. Hospital of Stomatology, Jilin University, Changchun 130021, China

Online:2020-11-18 Published:2020-11-26

摘要/Abstract

摘要： 针对当前蜕变关系构造多数依赖测试人员测试程序时所在领域知识, 存在局限性和高成本的问题, 提出一种新的蜕变关系生成方法. 该方法将蜕变关系的构建与梯度下降算法相结合, 通过分析大量测试用例及其输出之间的数值关系生成对应的蜕变关系. 对比实验结果表明, 该方法可有效降低测试人员对相关领域知识的依赖性.

关键词: 蜕变测试, 软件测试, 梯度下降算法

Abstract: Aiming at the problem that the construction of the current metamorphic relationship mostly depended on the tester’s knowledge in the domain of the test program, which had limitations and high cost, we proposed a method of new generating metamorphic relationship. The method combined the construction of the transformation relationship with the gradient descent algorithm, and generated the corresponding transformation relationship by analyzing the numerical relationship between a large number of test cases and their outputs. The experimental results show that the method can effectively reduce the dependence of testers on knowledge in related fields.

Key words: metamorphic testing, software testing, gradient descent algorithm

中图分类号:

TP311

穆翔宇, 范钰, 李苏吉, 张鹏, 刘磊. 一种基于梯度下降算法的蜕变关系生成方法[J]. 吉林大学学报(理学版), 2020, 58(6): 1429-1435.

MU Xiangyu, FAN Yu, LI Suji, ZHANG Peng, LIU Lei. Method of Generating Metamorphic Relationship Based on Gradient Descent Algorithm[J]. Journal of Jilin University Science Edition, 2020, 58(6): 1429-1435.

[1]	杨光, 贾焱鑫, 陈翔, 许舒源. 基于深度学习的Stack Overflow问题帖分类方法[J]. 吉林大学学报(理学版), 2021, 59(4): 922-928.
[2]	李芳, 曲豫宾, 陈翔, 李龙, 杨帆. 一种基于类不平衡学习的情感分析方法[J]. 吉林大学学报(理学版), 2021, 59(4): 929-935.
[3]	曲豫宾, 陈翔, 李龙. 可缓解类重叠问题的跨版本软件缺陷预测方法[J]. 吉林大学学报(理学版), 2021, 59(2): 372-378.
[4]	何锴琦, 马宇骁, 张炎, 刘华虓. 一种基于数据的GitHub项目个性化混合推荐方法[J]. 吉林大学学报(理学版), 2020, 58(6): 1399-1406.
[5]	胡黄水, 赵思远, 刘清雪, 王出航, 王婷婷. 基于动量因子优化学习率的BP神经网络PID参数整定算法[J]. 吉林大学学报(理学版), 2020, 58(6): 1415-1420.
[6]	王壹铭, 初剑峰, 王永军, 陈彦东. 基于有向无环图的高效区块链共识算法[J]. 吉林大学学报(理学版), 2020, 58(5): 1167-1172.
[7]	骆焦煌. 基于卷积神经网络的粗粒度数据分布式算法[J]. 吉林大学学报(理学版), 2020, 58(4): 906-912.
[8]	吴春琼. 面向大规模数据的特征趋势推理算法[J]. 吉林大学学报(理学版), 2020, 58(2): 364-370.
[9]	楚玺, 周志祥, 邓国军, 邵帅. 模糊图像的不连续边缘智能检测改进算法[J]. 吉林大学学报(理学版), 2019, 57(04): 875-881.
[10]	刘良凤, 刘三阳. 基于权重差异度的动态模糊聚类算法[J]. 吉林大学学报(理学版), 2019, 57(3): 574-582.
[11]	魏晓辉, 许国威, 王兴旺, 徐海啸. 基于节点相似性和链接次数组合时间序列的链接预测[J]. 吉林大学学报(理学版), 2019, 57(3): 583-590.
[12]	刘久彪. 空间数据库反向最近邻聚类方法[J]. 吉林大学学报(理学版), 2019, 57(2): 387-392.
[13]	张世铮. 基于位移Hermite分裂的图像恢复算法[J]. 吉林大学学报(理学版), 2019, 57(1): 97-104.
[14]	王晓天, 边思宇. 基于遗传算法和神经网络的PID参数自整定[J]. 吉林大学学报(理学版), 2018, 56(4): 953-958.
[15]	董学阳, 郜山权, 刘磊, 刘华虓. 基于评论的影片个性化推荐方法[J]. 吉林大学学报(理学版), 2018, 56(4): 965-968.