结合图挖掘和支持向量机的错误定位

来源 :计算机科学与探索 | 被引量 : 0次 | 上传用户:javawm
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
已有错误定位方法通常只给出可疑语句的排序列表,缺少错误的上下文信息,导致开发人员难以理解程序失败的原因。对此,提出结合图挖掘和支持向量机(support vector machine,SVM)的软件错误定位方法。首先,根据程序调用信息将程序建模为加权行为图;其次,应用支持向量机提取频繁边对所有执行分类,并通过分类精度的变化度量方法的可疑度,最终生成一个可疑方法集合帮助开发人员判断错误位置。实验结果显示使用频繁边作为特征执行分类保持或者提升了分类精度,表明了方法的有效性。
其他文献
记者:电力系统体制调整后,掀起了新一轮的信息化建设高潮,在这种形势下成立的中电普华公司,可以说任重道远.作为公司总经理,请介绍一下公司的行业背景和下一步发展目标.
原子性违例错误是并发软件开发中多发的并发错误之一,由于并发程序运行时线程的交互是随机的,若没有相应的同步措施,极有可能导致原子性违例错误的发生。针对现有的离线原子