CN112395205A - 一种软件测试系统及方法 - Google Patents

一种软件测试系统及方法 Download PDF

Info

Publication number
CN112395205A
CN112395205A CN202011411362.1A CN202011411362A CN112395205A CN 112395205 A CN112395205 A CN 112395205A CN 202011411362 A CN202011411362 A CN 202011411362A CN 112395205 A CN112395205 A CN 112395205A
Authority
CN
China
Prior art keywords
data
test sequence
sequence
test
software testing
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.)
Granted
Application number
CN202011411362.1A
Other languages
English (en)
Other versions
CN112395205B (zh
Inventor
王宇龙
刘斌
武伟
文枫
连晓峰
肖锦龙
肖正秀
王琳琳
盛珂
王栓奇
李之博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Information Central Of China North Industries Group Corp
Beijing Technology and Business University
Original Assignee
Information Central Of China North Industries Group Corp
Beijing Technology and Business University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Information Central Of China North Industries Group Corp, Beijing Technology and Business University filed Critical Information Central Of China North Industries Group Corp
Priority to CN202011411362.1A priority Critical patent/CN112395205B/zh
Publication of CN112395205A publication Critical patent/CN112395205A/zh
Application granted granted Critical
Publication of CN112395205B publication Critical patent/CN112395205B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明提供了一种软件测试方法，包括：获取用于进行软件测试的待校验软件，并获得初始测试序列和初始输入数据；运行所述待校验软件获得输出数据；记录软件测试过程中的变迁行为，得到测试序列，并根据所述测试序列对输出序列进行预测，得到校验数据；筛选并忽略掉无用的测试序列；判断所述校验数据与所述输出数据是否相同，当所述校验数据与所述输出数据相同时，确定所述待校验软件完整，本发明还提供了一种软件系统。

Description

一种软件测试系统及方法
技术领域
本发明涉及计算机软件领域，尤其涉及一种软件测试系统及方法。
背景技术
并行软件系统的状态数量都非常大，这种情况下，多数测试序列生成方法都很难生成有效的测试例。有的测试方法在状态数过多时将不能使用；有的测试方法在状态数过多时将产生大量无用的测试序列，使测试执行不完或失去意义，因为其状态空间的规模很大，所以传统的不针对并行软件的测试方法很难取得良好的测试效果。而目前出现的针对并行软件的测试方法非常有限，存在两大问题：一是在针对属性的测试方法和基于竞争资源的测试方法中，都存在覆盖率不足的问题，也就是产生的测试序列无法对待测行为进行完全覆盖；二是在采用新的并发覆盖标准的测试方法中，产生大量无用测试序列的问题，虽然达到了覆盖标准，但是测试序列过多，测试不能有效完成，所以，要想解决并行软件的测试问题，必须同时解决上述两大问题。
发明内容
本发明提供了一种软件测试方法能够记录软件测试行为，能够对产生的测试序列进行筛选评估和预测，并采用筛选方法忽略掉无用测试序列，保证测试有效完成。
本发明提供的技术方案为：
一种软件测试方法，包括：
获取用于进行软件测试的待校验软件，并获得初始测试序列和初始输入数据；运行所述待校验软件获得输出数据；
记录软件测试过程中的变迁行为，得到测试序列，并根据所述测试序列对输出序列进行预测，得到校验数据；
筛选并忽略掉无用的测试序列；
判断所述校验数据与所述输出数据是否相同，当所述校验数据与所述输出数据相同时，确定所述待校验软件完整。
优选的是，所述测试序列为运算数据集合，包括：数据取值范围，字符串长度、字符串结构、字符集和字符集构成比例。
优选的是，所述校验数据通过将所述测试序列输入预测模型获得，所述预测模型由如下步骤获得：
获取已有测试序列构建特征集合，并将所述特征集合内测试序列进行替代提取和评估；
并将所述特征集合内的测试序列划分为训练集和验证集两部分；
构建预测模型，将所述训练集输入预测模型，对所述预测模型进行训练，并通过所述验证集验证所述预测模型的准确性，完成所述预测模型的训练。
优选的是，根据权利要求3所述的软件测试方法，其特征在于：所述训练集和所述验证集的划分比例为7：3。
优选的是，所述特征集合内测试序列进行替代提取和评估过程为：
确定滑动窗口，并对所述测试序进行逐字符滑窗，进而确定所述测试序列的平稳性；
利用替换数据对异常测试序列进行替换，所述异常测试序列为不在所述窗口范围内的测试序列数据；所述替换数据为异常测试序列的d次差分。
优选的是，所述预测模型的构建包括如下步骤：
建立时间标度，并将所述时间标度输入所述测试序列，以使所述测试序列与所述变迁次数相对应；
根据所述时间标度，计算每次变迁产生测试序列的变迁系数和优序系数；
计算完成测试时产生的变迁连接权重；
并根据所述变迁连接权重和优序系数结合输入数据生成校验数据计算公式；
将所述校验数据与验证集数据进行比较，当不满足阈值条件时，修正所述替换数据的差分次数，并重新生成校验数据计算公式；
当满足阈值条件时预测模型构建完成。
优选的是，所述变迁系数计算公式为：
Figure BDA0002815295220000031
其中，Bi q为变迁系数，η为校验系数，ρ为数据平稳性，
Figure BDA0002815295220000032
m为数据个数，my为异常数据个数，T为数据变化周期,xc为数据变化差值，e为自然底数，C为常数，k为数据变化频率；
所述变迁连接权重为：
Figure BDA0002815295220000033
其中，N为总变迁次数，i为变迁次数，i＝1，2，3…N。
优选的是，所述优序系数计算公式为：
Figure BDA0002815295220000034
其中，py为优序系数，Ln为拉格朗日多项式。
所述校验数据计算公式为：
Sc＝(1+Qb)·py·a0；
其中，Sc为校验数据，a0为输入数据。
优选的是，所述筛选并忽略掉无用的测试序列通过如下步骤实现：
建立筛选数据集合，所述筛选数列集合内包含需要保存测试序列的数据；
将所述测试序列与所述筛选数列集合内的数据作比较，若不同，忽略掉该测试序列。
一种软件测试系统，包括包括应用处理器和存储器，所述处理器用于实现所述存储器中存储的计算机管理程序式时实现所述的的软件测试方法的步骤。
本发明提供了一种软件测试方法能够记录软件测试行为，能够对产生的测试序列进行筛选评估和预测，并采用筛选方法忽略掉无用测试序列，保证测试有效完成。
附图说明
图1为本发明所述的软件测试方法流程图。
图2为本发明所述的预测模型的构建流程图。
图3为本发明所述的特征集合内测试序列进行替代提取和评估过程流程图。
图4为本发明所述的预测模型的构建流程图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本发明的描述中，术语“中”、“上”、“下”、“横”、“内”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
如图1所示，基于背景技术提出的技术问题，本发明提供了一种软件测试方法，包括：
步骤S110、获取用于进行软件测试的待校验软件，并获得初始测试序列和初始输入数据；运行待校验软件获得输出数据；
步骤S120、记录软件测试过程中的变迁行为，得到测试序列，并根据所述测试序列对输出序列进行预测，得到校验数据；其中，测试序列为运算数据集合，包括：数据取值范围，字符串长度、字符串结构、字符集和字符集构成比例。
步骤S130、筛选并忽略掉无用的测试序列；
步骤S140、判断校验数据与输出数据是否相同，当校验数据与所述输出数据相同时，确定待校验软件完整。
如图2所示，在另一实施例中，步骤S120中的校验数据通过将测试序列输入预测模型获得，预测模型由如下步骤获得：
步骤S121、获取已有测试序列构建特征集合，并将特征集合内测试序列进行替代提取和评估。
步骤S122、确定滑动窗口，并对测试序进行逐字符滑窗，进而确定所述测试序列的平稳性；
步骤S123、利用替换数据对异常测试序列进行替换，异常测试序列为不在窗口范围内的测试序列数据；替换数据为异常测试序列的d次差分。
步骤S124、将所特征集合内的测试序列划分为训练集和验证集两部分；作为一种优选，训练集和验证集的划分比例为7：3。
步骤S125、构建预测模型，将训练集输入预测模型，对预测模型进行训练，并通过验证集验证所述预测模型的准确性，完成预测模型的训练，作为一种优选，验证集与预测模型输出数据进行比较，柑橘需要设定阈值条件，满足阈值条件完成预测模型的训练。
如图3所示，在另一实施例中，步骤S121中的特征集合内测试序列进行替代提取和评估过程为：
步骤S210、确定滑动窗口，并对所述测试序进行逐字符滑窗，进而确定所述测试序列的平稳性；
步骤S220、利用替换数据对异常测试序列进行替换，异常测试序列为不在窗口范围内的测试序列数据；替换数据为异常测试序列的d次差分。
如图4所示，在另一实施例中，步骤125的预测模型过程为：
步骤S310、训练建立时间标度，并将时间标度输入所述测试序列，以使测试序列与变迁次数相对应；
步骤S320、根据时间标度，计算每次变迁产生测试序列的变迁系数和优序系数；其中，变迁系数计算公式为：
Figure BDA0002815295220000061
其中，
Figure BDA0002815295220000062
为变迁系数，η为校验系数，ρ为数据平稳性，
Figure BDA0002815295220000063
m为数据个数，my为异常数据个数，T为数据变化周期,xc为数据变化差值，e为自然底数，C为常数，k为数据变化频率。
优序系数计算公式为：
Figure BDA0002815295220000064
其中，py为优序系数，Ln为拉格朗日多项式。
步骤S330、计算完成测试时产生的变迁连接权重；
变迁连接权重为：
Figure BDA0002815295220000065
其中，N为总变迁次数，i为变迁次数，i＝1，2，3…N
步骤S340、根据变迁连接权重和优序系数结合输入数据生成校验数据计算公式；其中，校验数据计算公式为：
Sc＝(1+Qb)·py·a0；
其中，Sc为校验数据，a0为输入数据。
在另一实施例中，步骤S140筛选并忽略掉无用的测试序列通过如下步骤实现：
建立筛选数据集合，所述筛选数列集合内包含需要保存测试序列的数据；
将所述测试序列与所述筛选数列集合内的数据作比较，若不同，忽略掉该测试序列。
实施以一种产品表面缺陷自动检测软件的测试过程为例，做进一步说明
步骤一、获取用于进行软件测试的待校验软件，并获得初始测试序列和初始输入数据，其中初始运行产品表面缺陷度软件获得输出数据，其中，输出数据包括缺陷类型、尺寸、缺陷个数等，并将其作为输出数据集合；
步骤二、记录软件测试过程中的变迁行为，得到测试序列，并根据测试序列对输出序列进行预测，得到校验数据；其中，测试序列为运算数据集合，包括：数据取值范围，字符串长度、字符串结构、字符集和字符集构成比例。
其中，字符串长度、字符串结构、字符集和字符集与软件输出数据相对应。获取已有测试序列构建特征集合，并将特征集合内测试序列进行替代提取和评估。
确定滑动窗口，并对所述测试序进行逐字符滑窗，进而确定所述测试序列的平稳性，作为一种优选，窗口大小由均值求和获得；
利用替换数据对异常测试序列进行替换，异常测试序列为不在窗口范围内的测试序列数据；替换数据为异常测试序列的d次差分。
校验数据通过将测试序列输入预测模型获得，预测模型由如下步骤获得：
将所特征集合内的测试序列划分为训练集和验证集两部分；作为一种优选，训练集和验证集的划分比例为7：3。
训练建立时间标度，并将时间标度输入所述测试序列，以使测试序列与变迁次数相对应；
根据时间标度，计算每次变迁产生测试序列的变迁系数和优序系数；其中，变迁系数计算公式为：
Figure BDA0002815295220000071
其中，
Figure BDA0002815295220000072
为变迁系数，η为校验系数，ρ为数据平稳性，
Figure BDA0002815295220000073
m为数据个数，my为异常数据个数，T为数据变化周期,xc为数据变化差值，e为自然底数，C为常数，k为数据变化频率。
优序系数计算公式为：
Figure BDA0002815295220000074
其中，py为优序系数，Ln为拉格朗日多项式。
计算完成测试时产生的变迁连接权重；
变迁连接权重为：
Figure BDA0002815295220000075
其中，N为总变迁次数，i为变迁次数，i＝1，2，3…N
根据变迁连接权重和优序系数结合输入数据生成校验数据计算公式；其中，校验数据计算公式为：
Sc＝(1+Qb)·py·a0；
其中，Sc为校验数据，a0为输入数据。
步骤三、筛选并忽略掉无用的测试序列通过如下步骤实现：
建立筛选数据集合，所述筛选数列集合内包含需要保存测试序列的数据；
将所述测试序列与所述筛选数列集合内的数据作比较，若不同，忽略掉该测试序列。
步骤四、判断校验数据与输出数据是否相同，当校验数据与输出数据相同时，确定所述待校验软件完整。
在另一实施例中，本发明还提供了一种软件测试系统，包括包括应用处理器和存储器，所述处理器用于实现所述存储器中存储的计算机管理程序式时实现所述的的软件测试方法的步骤。
本发明提供了一种软件测试方法能够记录软件测试行为，能够对产生的测试序列进行筛选评估和预测，并采用筛选方法忽略掉无用测试序列，保证测试有效完成。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (10)

1.一种软件测试方法，其特征在于：包括：
获取用于进行软件测试的待校验软件，并获得初始测试序列和初始输入数据；运行所述待校验软件获得输出数据；
记录软件测试过程中的变迁行为，得到测试序列，并根据所述测试序列对输出序列进行预测，得到校验数据；
筛选并忽略掉无用的测试序列；
判断所述校验数据与所述输出数据是否相同，当所述校验数据与所述输出数据相同时，确定所述待校验软件完整。
2.根据权利要求1所述的软件测试方法，其特征在于：所述测试序列为运算数据集合，包括：数据取值范围，字符串长度、字符串结构、字符集和字符集构成比例。
3.根据权利要求1或2所述的软件测试方法，其特征在于：所述校验数据通过将所述测试序列输入预测模型获得，所述预测模型由如下步骤获得：
获取已有测试序列构建特征集合，并将所述特征集合内测试序列进行替代提取和评估；
并将所述特征集合内的测试序列划分为训练集和验证集两部分；
构建预测模型，将所述训练集输入预测模型，对所述预测模型进行训练，并通过所述验证集验证所述预测模型的准确性，完成所述预测模型的训练。
4.根据权利要求3所述的软件测试方法，其特征在于：所述训练集和所述验证集的划分比例为7：3。
5.根据权利要求4所述的软件测试方法，其特征在于：所述特征集合内测试序列进行替代提取和评估过程为：
确定滑动窗口，并对所述测试序进行逐字符滑窗，进而确定所述测试序列的平稳性；
利用替换数据对异常测试序列进行替换，所述异常测试序列为不在所述窗口范围内的测试序列数据；所述替换数据为异常测试序列的d次差分。
6.根据权利要求5所述的软件测试方法，其特征在于：所述预测模型的构建包括如下步骤：
建立时间标度，并将所述时间标度输入所述测试序列，以使所述测试序列与所述变迁次数相对应；
根据所述时间标度，计算每次变迁产生测试序列的变迁系数和优序系数；
计算完成测试时产生的变迁连接权重；
并根据所述变迁连接权重和优序系数结合输入数据生成校验数据计算公式；
将所述校验数据与验证集数据进行比较，当不满足阈值条件时，修正所述替换数据的差分次数，并重新生成校验数据计算公式；
当满足阈值条件时预测模型构建完成。
7.根据权利要求6所述的软件测试方法，其特征在于：所述变迁系数计算公式为：
Figure FDA0002815295210000021
其中，
Figure FDA0002815295210000022
为变迁系数，η为校验系数，ρ为数据平稳性，
Figure FDA0002815295210000023
m为数据个数，my为异常数据个数，T为数据变化周期,xc为数据变化差值，e为自然底数，C为常数，k为数据变化频率；
所述变迁连接权重为：
Figure FDA0002815295210000024
其中，N为总变迁次数，i为变迁次数，i＝1，2，3…N。
8.根据权利要求7所述的软件测试方法，其特征在于：所述优序系数计算公式为：
Figure FDA0002815295210000025
其中，py为优序系数，Ln为拉格朗日多项式。
所述校验数据计算公式为：
Sc＝(1+Qb)·py·a0；
其中，Sc为校验数据，a0为输入数据。
9.根据权利要求6-8中任一项所述的软件测试方法，其特征在于：所述筛选并忽略掉无用的测试序列通过如下步骤实现：
建立筛选数据集合，所述筛选数列集合内包含需要保存测试序列的数据；
将所述测试序列与所述筛选数列集合内的数据作比较，若不同，忽略掉该测试序列。
10.一种软件测试系统，包括包括应用处理器和存储器，其特征在于，所述处理器用于实现所述存储器中存储的计算机管理程序式时实现如权利要求1-9中任一项所述的的软件测试方法的步骤。
CN202011411362.1A 2020-12-03 2020-12-03 一种软件测试系统及方法 Active CN112395205B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011411362.1A CN112395205B (zh) 2020-12-03 2020-12-03 一种软件测试系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011411362.1A CN112395205B (zh) 2020-12-03 2020-12-03 一种软件测试系统及方法

Publications (2)

Publication Number Publication Date
CN112395205A true CN112395205A (zh) 2021-02-23
CN112395205B CN112395205B (zh) 2024-04-26

Family

ID=74604376

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011411362.1A Active CN112395205B (zh) 2020-12-03 2020-12-03 一种软件测试系统及方法

Country Status (1)

Country Link
CN (1) CN112395205B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110145653A1 (en) * 2008-08-15 2011-06-16 Verum Holding B.V. Method and system for testing complex machine control software
CN103425581A (zh) * 2013-08-12 2013-12-04 浪潮电子信息产业股份有限公司 一种基于学习控制模型的软件测试方法
US20130339930A1 (en) * 2012-06-18 2013-12-19 South Dakota Board Of Regents Model-based test code generation for software testing
CN104243243A (zh) * 2014-10-14 2014-12-24 清华大学 一种用于生成协议测试序列的方法
CN108470000A (zh) * 2018-03-06 2018-08-31 睿云联(厦门)网络通讯技术有限公司 通讯终端软件自动测试方法、系统及介质
CN110069415A (zh) * 2019-04-28 2019-07-30 苏州科达科技股份有限公司 用于软件测试过程中的软件完整性校验及软件测试方法
CN111026664A (zh) * 2019-12-09 2020-04-17 遵义职业技术学院 基于ann的程序检测方法和检测系统及应用
US20200150622A1 (en) * 2018-11-13 2020-05-14 Guangdong University Of Technology Method for detecting abnormity in unsupervised industrial system based on deep transfer learning
US20200341888A1 (en) * 2019-04-25 2020-10-29 Hewlett Packard Enterprise Development Lp System and methods for amalgamation of artificial intelligence (ai) and machine learning (ml) in test creation, execution, and prediction

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110145653A1 (en) * 2008-08-15 2011-06-16 Verum Holding B.V. Method and system for testing complex machine control software
US20130339930A1 (en) * 2012-06-18 2013-12-19 South Dakota Board Of Regents Model-based test code generation for software testing
CN103425581A (zh) * 2013-08-12 2013-12-04 浪潮电子信息产业股份有限公司 一种基于学习控制模型的软件测试方法
CN104243243A (zh) * 2014-10-14 2014-12-24 清华大学 一种用于生成协议测试序列的方法
CN108470000A (zh) * 2018-03-06 2018-08-31 睿云联(厦门)网络通讯技术有限公司 通讯终端软件自动测试方法、系统及介质
US20200150622A1 (en) * 2018-11-13 2020-05-14 Guangdong University Of Technology Method for detecting abnormity in unsupervised industrial system based on deep transfer learning
US20200341888A1 (en) * 2019-04-25 2020-10-29 Hewlett Packard Enterprise Development Lp System and methods for amalgamation of artificial intelligence (ai) and machine learning (ml) in test creation, execution, and prediction
CN110069415A (zh) * 2019-04-28 2019-07-30 苏州科达科技股份有限公司 用于软件测试过程中的软件完整性校验及软件测试方法
CN111026664A (zh) * 2019-12-09 2020-04-17 遵义职业技术学院 基于ann的程序检测方法和检测系统及应用

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张婷: "基于状态空间剪枝的并发软件测试序列生成方法", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, pages 138 - 247 *
陈媛;沈湘衡;王安邦;宋元章;: "似然关系模型在航天软件缺陷预测中的应用", 光学精密工程, no. 07 *

Also Published As

Publication number Publication date
CN112395205B (zh) 2024-04-26

Similar Documents

Publication Publication Date Title
US20180365522A1 (en) Methods and apparatuses for building data identification models
US20150025872A1 (en) System, method, and apparatus for modeling project reliability
KR100803889B1 (ko) 클라이언트 단말로 제공되는 서비스 성능 분석 방법 및시스템
CN111639798A (zh) 智能的预测模型选择方法及装置
CN104462757A (zh) 基于监测数据的Weibull分布可靠性序贯验证试验方法
CN108683564B (zh) 一种基于多维决策属性的网络仿真系统可信度评估方法
US20150074177A1 (en) User experienced quality estimation apparatus, terminal bottleneck determination apparatus, similar operation extraction apparatus, method and program
AU2020203717A1 (en) Detecting a transient error in a body fluid sample
US6678627B1 (en) Computer program and method for determination of electronic circuit card product life capability under exposure to vibration
CN113626335A (zh) 一种面向公安交通管理应用软件的质量评价方法及系统
US20020143503A1 (en) Method and apparatus for analyzing a design
CN112613983B (zh) 一种机器建模过程中的特征筛选方法、装置及电子设备
JP5064259B2 (ja) 劣化評価装置及び劣化評価方法
JP2013182468A (ja) パラメータ値設定誤り検出システム、パラメータ値設定誤り検出方法およびパラメータ値設定誤り検出プログラム
CN112395205A (zh) 一种软件测试系统及方法
JP6070337B2 (ja) 物理故障解析プログラム、物理故障解析方法および物理故障解析装置
JP2009163636A (ja) 一致性検査方法、一致性検査装置およびプログラム
US20150058274A1 (en) Field development plan selection system, method and program product
Mukhopadhyay et al. Probabilistic structural health assessment with identified physical parameters from incomplete measurements
CN109471766B (zh) 一种基于测试性模型的序贯故障诊断方法及装置
CN110889083B (zh) 基于窗谱估计的退化数据一致性检验法
CN113239075A (zh) 一种施工数据自检方法及系统
CN111327630A (zh) 基于全对称多胞形理论的攻击检测与修正方法
CN112241343A (zh) 一种慢盘检测方法、装置、电子设备及可读存储介质
Mittas et al. StatREC: A graphical user interface tool for visual hypothesis testing of cost prediction models

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