本发明公开了一种基于极大似然估计最大期望的测试用例生成方法及系统，包括将软件的输入域划分成多个子区域，并将输入域的边界区域与内部区域区别开来，将边界区域作为优先级最高的子区域；引入潜变量并结合EM算法估计内部区域中子区域里可能包含失效区域的概率，基于概率大小对内部区域中子区域进行排序；按照子区域的优先级顺序生成测试用例，直至发现软件错误；若测试用例数达到预设条件仍未发现软件错误，则继续在优先级最高的子区域生成测试用例，直至发现软件错误。本发明的方法可以很好地解决现有ART方法存在的巨大计算开销问题，并在一定程度上解决了先前ART方法的边界效应问题，同时提高了运行效率。
声明：
“基于极大似然估计最大期望的测试用例生成方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
968
编辑：管理员
来源：北方有色网
咨询细节
