引入错误级别的概念,提出了一种同时考虑测试集覆盖度与查错能力的双标准压缩模型。把设计的测试用例保存在测试集中,按照一定的覆盖度标准组织起来;运行用例发现的软件错误也作为附加信息被保存在测试集中,并按照错误的严重程度评定一个级别。把设计的测试用例保存在测试集中,按照一定的覆盖度标准组织起来。运行用例发现的软件错误也作为附加信息被保存在测试集中,并按照错误的严重程度评定一个级别。最后在回归测试阶段,以用例曾发现过的软件错误的数量以及严重级别作为评价查错能力的标准,同时考虑覆盖度,对测试集进行压缩。在压缩原始测试集的过程中,利用一个权重参数决定覆盖度和查错能力哪个作为选择测试用例时更重要的标准。通过调整权重参数的具体取值(0 - 1)来得到性能不同的压缩测试集(从最大化查错能力到最大比例压缩率)。模型可以在极大地压缩原始测试集的同时保证相同的覆盖度和查错能力,如果对两个主要性能之一略作牺牲,则可以得到更大的压缩率。对于一个具体的测试用例,模型使用一组二进制的决策变量表示其是否覆盖了某个需求;另一个决策变量用来记录该用例发现的错误的严重级别数之和。只需要在运行测试用例后及时更新其发现的错误的信息,就能保证得到的压缩测试集具有良好的查错能力。由此产生的压缩测试集减少了运行成本,覆盖了所有的需求,最大可能的保留了查错能力。在软件测试中运用测试集压缩模型,可以显著地提高测试工作的效率,引入错误级别的双标准测试集压缩模型能提供关于测试用例查错能力的更具体的信息。模型有一个重要的特点:在任何时候中断算法,仍然能得到一个满足覆盖度的压缩测试集。实践证明,模型不仅可以有效地压缩原始测试集,而且可以最大限度地保证新测试集的查错能力,从而使项目在保证软件质量的前提下大幅减少测试的成本。