CN111026655B - 一种系统稳定性测试方法、终端及存储介质 - Google Patents
一种系统稳定性测试方法、终端及存储介质 Download PDFInfo
- Publication number
- CN111026655B CN111026655B CN201911198109.XA CN201911198109A CN111026655B CN 111026655 B CN111026655 B CN 111026655B CN 201911198109 A CN201911198109 A CN 201911198109A CN 111026655 B CN111026655 B CN 111026655B
- Authority
- CN
- China
- Prior art keywords
- server
- servers
- list
- stability
- sound
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3692—Test management for test results analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/162—Interface to dedicated audio devices, e.g. audio drivers, interface to CODECs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Debugging And Monitoring (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种系统稳定性测试方法、终端及存储介质,所述系统稳定性测试方法包括:将系统进行初始化处理,并根据所述系统中所有的服务器构建服务器列表;获取输入的单发音,对所述单发音进行频谱分析,并获取所述单发音中的字符串;根据所述字符串生成关闭列表,并将所述关闭列表中所有的服务器进行关闭;将所述服务器列表中剩余的服务器进行测试,并根据测试结果计算所述系统的整体可用性。本发明采用响指作为随机种子,生成需要关闭服务器的列表,并根据列表关闭相应的服务器,从而方便测试系统的整体可用性,提高了测试系统稳定性的效率。
Description
技术领域
本发明涉及终端应用领域,尤其涉及的是一种系统稳定性测试方法、终端及存储介质。
背景技术
受SOA(Service-Oriented Architecture,面向服务的架构)以及微服务等架构风格的影响,通常在开发软件系统时,需要将系统拆分为多个小型服务器,以追求服务可复用性,从而降低软件开发的成本。
随着系统拆分的数量增加,系统稳定性的指标由单个服务器变为多个服务器的总和;通常情况下,在对系统进行测试时,需要关闭一些服务器,以测试软件系统的整体可用性;然而,在关闭服务器时,若不确定关闭哪个服务器,则严重影响测试系统稳定性的效率。
因此,现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术缺陷,本发明提供一种系统稳定性测试方法、终端及存储介质,通过采用响指作为随机种子,生成需要关闭服务器的列表,从而根据列表关闭相应的服务器,提高测试系统稳定性的效率。
本发明解决技术问题所采用的技术方案如下:
本发明提供一种系统稳定性测试方法,其中,所述系统稳定性测试方法包括以下步骤:
将系统进行初始化处理,并根据所述系统中所有的服务器构建服务器列表;
获取输入的单发音,对所述单发音进行频谱分析,并获取所述单发音中的字符串;
根据所述字符串生成关闭列表,并将所述关闭列表中对应的服务器进行关闭;
将所述服务器列表中剩余的服务器进行测试,并根据测试结果计算所述系统的稳定性指数。
进一步地,所述将系统进行初始化处理,并根据所述系统中所有的服务器构建服务器列表,之前包括以下步骤:
预先设置用于对比所述单发音的机器学习模型,所述机器学习模型用于根据声音频谱识别响指声。
进一步地,所述将系统进行初始化处理,并根据所述系统中所有的服务器构建服务器列表,具体包括以下步骤:
将系统进行初始化处理,并导入所述机器学习模型;
获取所述系统中所有的服务器信息,并根据所述服务器信息构建所述服务器列表;
其中,所述服务器信息包括服务器名称以及服务器地址。
进一步地,所述获取输入的单发音,对所述单发音进行频谱分析,并获取所述单发音中的字符串,具体包括以下步骤:
通过麦克风实时监听周围的环境声音;
当监听到所述单发音输入时,获取所述单发音;
将所述单发音与所述机器学习模型进行对比,并判断所述单发音是否为响指声;
当所述单发音为响指声时,对所述单发音进行频谱分析,并获取所述单发音中的字符串。
进一步地,所述根据所述字符串生成关闭列表,并将所述关闭列表中对应的服务器进行关闭,具体包括以下步骤:
根据所述字符串随机获取所述服务器列表中的部分服务器信息,并生成所述关闭列表;
根据所述关闭列表中的服务器信息,将对应的服务器进行关闭。
进一步地,所述将所述服务器列表中剩余的服务器进行测试,并根据测试结果计算所述系统的稳定性指数,具体包括以下步骤:
当所述关闭列表对应的服务器均被关闭时,启动测试程序;
根据所述测试程序对所述服务器列表中剩余的服务器进行测试,并得到每个被测服务器的稳定性指数;
根据每个所述被测服务器的稳定性指数计算所述系统的稳定性指数。
进一步地,所述根据每个所述被测服务器的稳定性指数计算所述系统的稳定性指数,具体包括以下步骤:
获取每个所述被测服务器的稳定性指数;
将获取的所述稳定性指数进行连续乘积计算,得到所述系统的稳定性指数。
进一步地,所述将系统进行初始化处理,并根据所述系统中所有的服务器构建服务器列表,还包括以下步骤:
当所述系统中已导入所述机器学习模型时,对所述系统中所有服务器进行初始化处理,并根据所述服务器信息构建所述服务器列表。
本发明还提供一种终端,其中,包括处理器以及与所述处理器连接的存储器;所述存储器存储有系统稳定性测试程序,所述系统稳定性测试程序被所述处理器执行时用于实现如上所述的系统稳定性测试方法。
本发明还提供一种存储介质,其中,所述存储介质存储有系统稳定性测试程序,所述系统稳定性测试程序被处理器执行时用于实现如上所述的系统稳定性测试方法。
本发明采用上述技术方案具有以下效果:
本发明采用响指作为随机种子,生成需要关闭的服务器的列表,并根据列表关闭相应的服务器,从而方便对系统中剩余的服务器进行测试,提高了测试系统稳定性的效率;并且,根据测试得到的单个服务器的稳定性指数,计算整个系统的稳定性指数,提高了测试系统稳定性的精准率。
附图说明
图1是本发明较佳实施例中系统稳定性测试方法的流程图。
图2是本发明较佳实施例中终端的功能示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一
请参见图1,图1是本发明较佳实施例中系统稳定性测试方法的流程图。
如图1所示,在本发明实施例的一种实现方式当中,所述系统稳定性测试方法包括以下步骤:
步骤S100,将系统进行初始化处理,并根据所述系统中所有的服务器构建服务器列表。
在本实施例中,所述系统稳定性测试方法应用于终端中,以对所述终端中的软件系统的稳定性进行测试;其中,所述终端包括但不限于移动终端以及计算机等设备。
受服务架构风格的影响,在开发软件系统时,软件系统开发者会将系统拆分为多个小型的服务器;因此,在测试软件系统的稳定性时,需要测试多个服务器的稳定性,从而根据多个服务器的稳定性综合计算软件系统的整体稳定性。
在本实施例中,对软件系统进行测试时,采用打响指的方式生成随机种子,然后根据该随机种子随机选取几个服务器进行关闭,最后对剩余的服务器进行测试;在生成随机种子的过程当中,需要根据机器学习模型辨别测试人员输入的声音是否为响指;因此,在对软件系统进行测试之前,需要在所述终端中设置用于对比所述单发音的机器学习模型。
具体地,在设置所述机器学习模型时,可通过机器学习响指声,得到所述响指声的频谱数据;经过多次训练之后,综合得到标准的频谱数据;在后续的测试过程中,即可利用该标准的频谱数据作为机器学习模型,从而辨别测试人员输入的声音是否为响指。
在多次训练的过程当中,可采用多方位多角度的方式输入响指声,以及采用不同测试人员的方式输入响指声,以此训练所述终端识别响指声的能力,从而保证所述终端的识别准确率,提高所述终端识别响指声的效率。
即在所述步骤100之前,包括以下步骤:
步骤001,预先设置用于对比所述单发音的机器学习模型,所述机器学习模型用于根据声音频谱识别响指声。
在本实施例中,在得到所述机器学习模型之后,即可开始测试软件系统;在测试软件系统的稳定性时,所述终端会软件系统进行初始化处理,以保证软件系统的可用性;而与此同时,所述终端还会对内部的麦克风或者与之连接的麦克风进行初始化处理,从而保证所述麦克风获取的声音数据为测试过程中的声音数据。
在对所述软件系统以及所述麦克风进行初始化处理的过程中,所述终端还会获取预先设置的机器学习模型,以便于在测试过程中监听以及辨别测试人员输入的响指声。
在本实施例中,在对所述软件系统初始化处理之后,所述终端则会获取所述软件系统中所有的服务器信息,并根据所述服务器信息构建所述服务器列表;其中,所述服务器信息包括服务器名称以及服务器地址;也就是说,所述服务器列表包含了所有的服务器名称,以及各服务器对应的地址,例如:服务器1名称为A,服务器1地址为001;通过构建所述服务器列表,以便于测试时根据所述服务器列表查找服务器信息。
即在所述步骤100当中,具体包括以下步骤:
步骤110,将系统进行初始化处理,并导入所述机器学习模型;
步骤120,获取所述系统中所有的服务器信息,并根据所述服务器信息构建所述服务器列表;其中,所述服务器信息包括服务器名称以及服务器地址。
在本实施例中,在后续的测试过程当中,若检测到软件系统已经导入所述机器学习模型,说明已经对软件系统其中的一个或多个服务器进行了测试,此时不需要再进行系统初始化处理,也不需要重新导入所述机器学习模型;此时,只需要对所述系统中所有服务器进行初始化处理,并根据所述服务器信息构建所述服务器列表,以减少后续测试过程中的测试步骤。
即在所述步骤100当中,还包括以下步骤:
步骤130,当所述系统中已导入所述机器学习模型时,对所述系统中所有服务器进行初始化处理,并根据所述服务器信息构建所述服务器列表。
本发明通过将系统进行初始化处理,可保证所述系统在测试时的可用性;并且,通过导入机器学习模型,使得所述终端可以根据测试人员输入的声音来辨别响指声,从而提高所述终端的辨别效率;另外,通过构建所述服务器列表,使得所述终端可以查找所述服务器列表中的服务器信息,从而方便进行测试操作。
如图1所示,在本发明实施例的一种实现方式当中,所述系统稳定性测试方法包括以下步骤:
步骤S200,获取输入的单发音,对所述单发音进行频谱分析,并获取所述单发音中的字符串。
在本实施例中,在测试的过程当中,所述终端会实时监听测试人员输入的单发音,而对环境中的其他声音进行屏蔽;其中,所述单发音是指一瞬间变大的声音,例如:枪声以及敲门声等,其相当于一个比较大的脉冲信号;而本实施例中的打响指声则符合所述单发音的定义,因此,在本实施例中利用打响指声来生成随机种子,从而随机选择多个服务器进行关闭。
具体地,在监听测试人员输入的单发音时,通过麦克风实时监听周围的环境声音;若监听到所述单发音输入,则获取所述单发音,并将所述单发音与所述机器学习模型进行对比,以判断所述单发音是否为响指声;若辨别所述单发音为响指声时,对所述单发音进行频谱分析,并获取所述单发音中的字符串。
由于,在监听单发音的过程中,仅仅是对声音的急剧变化进行检测;因此,在监听单发音的过程中,还会监听到打响指以外的声音,而这些声音并不是想要的声音;为了从这些声音当中,提取出响指声,需要对监听到的单发音进行频谱分析,得到这些声音的频谱数据;之后,将得到的频谱数据与单发音的模板数据进行比对,即将得到的频谱数据与机器学习模型进行比对,即可从这些数据中筛选出响指声的频谱数据。
在筛选响指声的过程当中,利用的是频谱分析原理,即不同单发音的频谱特征完全不同,通过将获取的单发音进行频谱分析,得到这些单发音的频谱数据,然后再与机器学习模型中响指声的频谱数据进行对比,可立即辨别出输入的单发音当中哪个是响指声,这样可提高辨别响指声的效率。
在筛选得到响指声之后,获取该响指声的频谱数据,并得到该响指声对应的字符串,并以该字符串作为随机数种子,即以该字符串中的数字作为随机数;例如:根据响指声频谱数据中频率的位置,得到字符串为00011(0代表低位,1代表高位),以00011作为随机数种子。
即在所述步骤200当中,具体包括以下步骤:
步骤210,通过麦克风实时监听周围的环境声音;
步骤220,当监听到所述单发音输入时,获取所述单发音;
步骤230,将所述单发音与所述机器学习模型进行对比,并判断所述单发音是否为响指声;
步骤240,当所述单发音为响指声时,对所述单发音进行频谱分析,并获取所述单发音中的字符串。
本发明通过实时监听输入的单发声,并从监听的单发声中辨别出响指声,使得终端可以将该响指声作为随机数种子,以此得到随机数,从而根据这些随机数生成关闭服务器的列表。
如图1所示,在本发明实施例的一种实现方式当中,所述系统稳定性测试方法包括以下步骤:
步骤S300,根据所述字符串生成关闭列表,并将所述关闭列表中对应的服务器进行关闭。
在本实施例中,在得到随机数之后,所述终端则会根据所述字符串代表的随机数字,从所述服务器列表中获取相应的服务器信息,并将所获取的服务器信息进行排列,从而生成关闭列表;在得到所述关闭列表之后,将所述关闭列表中对应的服务器进行关闭,至此,所述系统中剩余的服务器即为需要测试的服务器。
其中,当对所述关闭列表中的服务器进行关闭时,可根据所述关闭列表中的服务器信息(即服务器名称和服务器地址)查找到相应的服务器,并将这些服务器的状态设置为关闭状态。
即在所述步骤300当中,具体包括以下步骤:
步骤310,根据所述字符串随机获取所述服务器列表中的部分服务器信息,并生成所述关闭列表;
步骤320,根据所述关闭列表中的服务器信息,将对应的服务器进行关闭。
本发明通过响指声的字符串生成关闭列表,并关闭该关闭列表中的服务器,实现了随机关闭服务器的功能,从而方便测试系统的整体稳定性。
如图1所示,在本发明实施例的一种实现方式当中,所述系统稳定性测试方法包括以下步骤:
步骤S400,将所述服务器列表中剩余的服务器进行测试,并根据测试结果计算所述系统的稳定性指数。
在本实施例中,当所述关闭列表对应的服务器均被关闭时,所述终端则会启动测试程序,并通过该测试程序对系统中剩余的服务器进行测试;在测试完成之后,得到每个被测服务器的稳定性指数,然后根据每个所述被测服务器的稳定性指数,即可计算出所述系统的整体稳定性指数。
在对系统中剩余的服务器进行测试时,可逐个测试服务器的稳定性指数;也可根据需要,对多个服务器同时进行测试;当剩余的服务器均被测试完成时,即可根据各服务器的测试结果计算整个系统的稳定性指数。
即在所述步骤400当中,具体包括以下步骤:
步骤410,当所述关闭列表对应的服务器均被关闭时,启动测试程序;
步骤420,根据所述测试程序对所述服务器列表中剩余的服务器进行测试,并得到每个被测服务器的稳定性指数;
步骤430,根据每个所述被测服务器的稳定性指数计算所述系统的稳定性指数。
在本实施例中,将单个服务器的稳定性指数定义为Si(0≤Si≤1);然而,考虑到各服务器之间存在依赖性,软件系统整体稳定性指数可以由多个服务器的稳定性指数计算得到。
假设软件系统由m个服务器组成,在关闭n个服务器之后,将剩余的m-n个服务器的稳定性指数作连续乘积计算,以此得到软件系统的整体稳定性指数SS;具体的计算方式如下:
其中,SS表示软件系统的整体稳定性指数;
Si表示被测服务器的稳定性指数。
由于,软件系统的整体稳定性指数由连续求积得到,因此,当单个服务器不可用(即Si=0)时,会导致软件系统整体不可用,即计算得到的SS值为0;这样一来,单个服务器的稳定性指数会影响到软件系统的整体稳定性指数,从而使得计算出的软件系统的整体稳定性指数具有实用价值和参考性。
即在所述步骤430当中,具体包括以下步骤:
步骤431,获取每个所述被测服务器的稳定性指数;
步骤432,将获取的所述稳定性指数进行连续乘积计算,得到所述系统的稳定性指数。
本发明通过对关闭后剩余的服务器进行测试,并得到每个被测服务器的稳定性指数,从而根据每个被测服务器的稳定性指数计算软件系统的整体稳定性指数,使得计算出的软件系统的整体稳定性指数具有实用价值和参考性。
实施例二
请参见图2,图2是本发明较佳实施例中终端的功能示意图。
如图2所示,本实施例提供一种终端,其中,包括处理器10以及与所述处理器10连接的存储器20;所述存储器20存储有系统稳定性测试程序,所述系统稳定性测试程序被所述处理器10执行时用于实现如实施例一所述的系统稳定性测试方法;具体如上所述。
实施例三
本实施例提供一种存储介质,其中,所述存储介质存储有系统稳定性测试程序,所述系统稳定性测试程序被处理器执行时用于实现如实施例一所述的系统稳定性测试方法;具体如上所述。
综上所述,本发明采用响指作为随机种子,生成需要关闭的服务器的列表,并根据列表关闭相应的服务器,从而方便对系统中剩余的服务器进行测试,提高了测试系统稳定性的效率;并且,根据测试得到的单个服务器的稳定性指数,计算整个系统的稳定性指数,提高了测试系统稳定性的精准率。
当然,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关硬件(如处理器,控制器等)来完成,所述的程序可存储于一计算机可读取的存储介质中,所述程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种系统稳定性测试方法,其特征在于,所述系统稳定性测试方法包括以下步骤:
将系统进行初始化处理,并根据所述系统中所有的服务器构建服务器列表;
获取输入的单发音,对所述单发音进行频谱分析,得到所述单发音的频谱数据,并根据所述频谱数据获取所述单发音对应的字符串;
根据所述字符串随机获取所述服务器列表中的部分服务器信息,并生成关闭列表,并将所述关闭列表中对应的服务器进行关闭;
对所述服务器列表中剩余的服务器进行测试,并根据测试结果计算所述系统的稳定性指数。
2.根据权利要求1所述的系统稳定性测试方法,其特征在于,所述将系统进行初始化处理,并根据所述系统中所有的服务器构建服务器列表,之前包括以下步骤:
预先设置用于对比所述单发音的机器学习模型,所述机器学习模型用于根据声音频谱识别响指声。
3.根据权利要求2所述的系统稳定性测试方法,其特征在于,所述将系统进行初始化处理,并根据所述系统中所有的服务器构建服务器列表,具体包括以下步骤:
将系统进行初始化处理,并导入所述机器学习模型;
获取所述系统中所有的服务器信息,并根据所述服务器信息构建所述服务器列表;
其中,所述服务器信息包括服务器名称以及服务器地址。
4.根据权利要求2所述的系统稳定性测试方法,其特征在于,所述获取输入的单发音,对所述单发音进行频谱分析,并获取所述单发音对应的字符串,具体包括以下步骤:
通过麦克风实时监听周围的环境声音;
当监听到所述单发音输入时,获取所述单发音;
将所述单发音与所述机器学习模型进行对比,并判断所述单发音是否为响指声;
当所述单发音为响指声时,对所述单发音进行频谱分析,并获取所述单发音对应的字符串。
5.根据权利要求1所述的系统稳定性测试方法,其特征在于,所述将所述关闭列表中对应的服务器进行关闭,具体包括以下步骤:
根据所述关闭列表中的服务器信息,将对应的服务器进行关闭。
6.根据权利要求1所述的系统稳定性测试方法,其特征在于,所述对所述服务器列表中剩余的服务器进行测试,并根据测试结果计算所述系统的稳定性指数,具体包括以下步骤:
当所述关闭列表对应的服务器均被关闭时,启动测试程序;
根据所述测试程序对所述服务器列表中剩余的服务器进行测试,并得到每个被测服务器的稳定性指数;
根据每个所述被测服务器的稳定性指数计算所述系统的稳定性指数。
7.根据权利要求6所述的系统稳定性测试方法,其特征在于,所述根据每个所述被测服务器的稳定性指数计算所述系统的稳定性指数,具体包括以下步骤:
获取每个所述被测服务器的稳定性指数;
将获取的所述稳定性指数进行连续乘积计算,得到所述系统的稳定性指数。
8.根据权利要求3所述的系统稳定性测试方法,其特征在于,所述将系统进行初始化处理,并根据所述系统中所有的服务器构建服务器列表,还包括以下步骤:
当所述系统中已导入所述机器学习模型时,对所述系统中所有服务器进行初始化处理,并根据所述服务器信息构建所述服务器列表。
9.一种终端,其特征在于,包括处理器以及与所述处理器连接的存储器;所述存储器存储有系统稳定性测试程序,所述系统稳定性测试程序被所述处理器执行时用于实现如权利要求1-8任一项所述的系统稳定性测试方法。
10.一种存储介质,其特征在于,所述存储介质存储有系统稳定性测试程序,所述系统稳定性测试程序被处理器执行时用于实现如权利要求1-8任一项所述的系统稳定性测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911198109.XA CN111026655B (zh) | 2019-11-29 | 2019-11-29 | 一种系统稳定性测试方法、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911198109.XA CN111026655B (zh) | 2019-11-29 | 2019-11-29 | 一种系统稳定性测试方法、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111026655A CN111026655A (zh) | 2020-04-17 |
CN111026655B true CN111026655B (zh) | 2023-06-30 |
Family
ID=70207283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911198109.XA Active CN111026655B (zh) | 2019-11-29 | 2019-11-29 | 一种系统稳定性测试方法、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111026655B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102929274A (zh) * | 2012-11-07 | 2013-02-13 | 北京汽车股份有限公司 | 车载网络地偏移冗余性测试系统、方法与装置 |
CN103617020A (zh) * | 2013-12-23 | 2014-03-05 | 乐得科技有限公司 | 一种应用程序中生成随机数的方法和设备 |
CN103886868A (zh) * | 2014-04-16 | 2014-06-25 | 上海其高电子科技有限公司 | 冲击声检测方法及检测系统 |
-
2019
- 2019-11-29 CN CN201911198109.XA patent/CN111026655B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102929274A (zh) * | 2012-11-07 | 2013-02-13 | 北京汽车股份有限公司 | 车载网络地偏移冗余性测试系统、方法与装置 |
CN103617020A (zh) * | 2013-12-23 | 2014-03-05 | 乐得科技有限公司 | 一种应用程序中生成随机数的方法和设备 |
CN103886868A (zh) * | 2014-04-16 | 2014-06-25 | 上海其高电子科技有限公司 | 冲击声检测方法及检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111026655A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200184955A1 (en) | Image-based approaches to identifying the source of audio data | |
US11017774B2 (en) | Cognitive audio classifier | |
WO2015176431A1 (zh) | 一种测试数据的生成方法及装置 | |
US9390374B2 (en) | Adaptive testing for answers in a question and answer system | |
US11501102B2 (en) | Automated sound matching within an audio recording | |
US20190213502A1 (en) | Creating a signature for identifying a particular machine learning model | |
TWI703515B (zh) | 訓練改編水準評價模型、評價改編水準的方法及裝置 | |
CN111581074A (zh) | 通话场景覆盖测试方法、装置、计算机设备及存储介质 | |
US20150089296A1 (en) | Derivation of generalized test cases | |
CN115083422B (zh) | 语音溯源取证方法及装置、设备及存储介质 | |
JP2021513701A (ja) | 情報処理装置、方法およびプログラム | |
Praher et al. | On the veracity of local, model-agnostic explanations in audio classification: targeted investigations with adversarial examples | |
TWI740315B (zh) | 聲音分離方法、電子設備和電腦可讀儲存媒體 | |
CN116991711A (zh) | 一种测试用例的生成方法、装置、终端设备及存储介质 | |
CN111026655B (zh) | 一种系统稳定性测试方法、终端及存储介质 | |
CN110335628B (zh) | 智能设备的语音测试方法、装置及电子设备 | |
CN106663110B (zh) | 音频序列对准的概率评分的导出 | |
US20210056395A1 (en) | Automatic testing of web pages using an artificial intelligence engine | |
CN108984386A (zh) | 应用程序搜索的测试方法、装置及存储介质 | |
US10546247B2 (en) | Switching leader-endorser for classifier decision combination | |
CN113628077A (zh) | 生成不重复考题的方法、终端及可读存储介质 | |
CN115661502A (zh) | 图像处理方法、电子设备及存储介质 | |
US20190385590A1 (en) | Generating device, generating method, and non-transitory computer readable storage medium | |
KR20200061830A (ko) | 안드로이드 애플리케이션의 주요부분을 패턴화한 멀웨어 탐지 분류 방법 및 시스템 | |
CN117393002B (zh) | 基于人工智能的朗读质量测评方法及相关装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |