CN113157556A - 一种基于选择主成分识别的行业建筑软件缺陷管理方法 - Google Patents

一种基于选择主成分识别的行业建筑软件缺陷管理方法 Download PDF

Info

Publication number
CN113157556A
CN113157556A CN202110254213.7A CN202110254213A CN113157556A CN 113157556 A CN113157556 A CN 113157556A CN 202110254213 A CN202110254213 A CN 202110254213A CN 113157556 A CN113157556 A CN 113157556A
Authority
CN
China
Prior art keywords
defect
management
building software
program
module
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.)
Pending
Application number
CN202110254213.7A
Other languages
English (en)
Inventor
马颖忆
刘志峰
王大伟
葛少峰
苑惠丽
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.)
Jinling Institute of Technology
Original Assignee
Jinling Institute of Technology
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 Jinling Institute of Technology filed Critical Jinling Institute of Technology
Priority to CN202110254213.7A priority Critical patent/CN113157556A/zh
Publication of CN113157556A publication Critical patent/CN113157556A/zh
Pending legal-status Critical Current

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
    • 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
    • G06F11/3696—Methods or tools to render software testable
    • 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
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Stored Programmes (AREA)

Abstract

一种基于选择主成分识别的行业建筑软件缺陷管理方法，该方法包括以下步骤：步骤1，采集程序缺陷报告和程序；步骤2，在测试过程中发现建筑软件缺陷后，将程序缺陷报告和程序输入至分类模型中，获得缺陷类别；步骤3，根据分类结果，记录并上传相关信息；步骤4，判断是否立即处理；步骤5，对非立即处理缺陷，编制详细的需求分析报告和建筑软件设计报告；步骤6，根据相关要求进行修改程序缺陷工作。发明涉及的方法技术是一项适用于行业软件的缺陷管理方法，其方法技术的关键点包括缺陷发现、记录、分析、处理、管理和测试，有助于提升行业软件测试效率，保障产品质量。

Description

一种基于选择主成分识别的行业建筑软件缺陷管理方法
技术领域
本发明涉及软件缺陷管理领域，特别是涉及一种基于选择主成分识别的行业建筑软件缺陷管理方法。
背景技术
软件缺陷(Defect)，常常又被叫做BUG，是计算机软件或程序中存在的某种破坏正常运行能力的问题、错误，或者隐藏的功能缺陷。缺陷的存在会导致软件产品在某种程度上不能满足用户的需要。在软件测试过程中，缺陷的表现形式主要体现在功能的失效方面。软件缺陷成为研发人员、测试人员需要特别关注的一个问题。
软件产品和软件系统正在不断深入的应用到国民经济的各行各业，与通用软件和信息化系统相比，由于涉及大量的行业技术方法和业务流程，行业软件研发的侧重点主要在于针对行业领域中的各类业务功能和流程的软件实现。此外，由于行业软件的研发的实际结果往往和单个用户的期望有一定差异，因此行业软件使用一般需要经过专业培训，有时此类差异造成的操作未能给出用户期望的结果也会被误认为是软件缺陷，除了培训之外往往需要配套详实的技术文档。综上，行业软件的特殊性决定了自身需要具有高可靠性、高质量、技术文档齐全的特性。因此，为在源头上保障产品质量，减少用户在理解上的歧义，在软件开发和测试过程中，有必要设计一种考虑行业软件特殊性的缺陷(BUG)管理方法和工具，提高软件研发和测试工作效率，提升软件质量。
发明内容
为解决上述问题，本发明提出了一种基于选择主成分识别的行业建筑软件缺陷管理方法，针对行业软件测试过程中提出一种缺陷(BUG)处理方法，涵盖软件测试过程中的缺陷发现、记录、分析、处理、管理、测试和关闭的完整流程。为软件研发及测试人员提供一套跨平台缺陷协同管理系统，能够有效完整地记录软件缺陷数据及其处理流程能够有效进行缺陷管理，提高软件测试工作效率。具体步骤如下，其特征在于：
步骤1，采集程序缺陷报告和程序，并训练基于选择主成分识别的建筑软件缺陷分类模型，获得训练完成的建筑软件缺陷分类模型；
步骤2，在测试过程中发现建筑软件缺陷后，将程序缺陷报告和程序输入至分类模型中，获得缺陷类别，并跳转至步骤3；
步骤3，根据分类结果，记录建筑软件缺陷的信息主要包括类别、标题、发现人、具体描述信息，可补充必要附件、等级建议和其他类型自定义信息，跳转至步骤4分析建筑软件缺陷；
步骤4，判断是否立即处理：根据分类结果判断建筑软件缺陷处理的难易程度、资源限制和时间限制，给出建筑软件缺陷是否需要立即处理指令，如果不需要立即处理，跳转至步骤5编写并提交详细需求分析、建筑软件设计文档；如果需要立即处理，跳转至步骤6；
步骤5，对非立即处理缺陷，编制详细的需求分析报告和建筑软件设计报告，再跳转至步骤6修改测试程序缺陷；
步骤6，根据相关要求进行修改程序缺陷工作，修改完成后改变程序缺陷状态为解决，如果程序缺陷修改结果未通过测试，则修改程序缺陷状态为重新代开，如果通过测试，则关闭程序缺陷。
进一步，步骤1中训练基于选择主成分识别的建筑软件缺陷分类模型的过程可以表示为：
步骤1.1，对建筑软件缺陷数据样本集进行主成分分析，得到数据样本的特征值矩阵L以及对应的特征向量矩阵W＝(w1,w2,…,wd’)；
步骤1.2，找出选择特征向量矩阵Wj+，对P类不同的建筑软件缺陷而言，每类目标的被划分为Qi个背景i＝1,2,…,P，每个背景有Mj个建筑软件缺陷数据，其中j＝1,2,…,Q1+Q2+…+QP，将建筑软件缺陷数据通过主成分分析可得到Q1,Q2,…,QP个特征值矩阵Lj，对不同目标可构造一个新的特征值矩阵li,i＝1,2,…,P:
Figure BDA0002967270380000021
LQi是i类软件缺陷的主成分特征，然后利用下式得到不同目标的不同特征值之间的可分性大小：
Figure BDA0002967270380000022
Figure BDA0002967270380000023
Figure BDA0002967270380000024
其中，li 0是li的始点零化像；mt(i,j)是不同缺陷数据做主成分分析后得到的不同特征值对于不同类型的可分性大小，i≤j，i，j＝1,2,…,Q1+Q2+…+QP；t表示特征值在特征值矩阵中的顺序；li (k)表示第k个背景的第i类缺陷类型下作主成分分析后的特征值矩阵中的第t个特征值；通过式4对不同缺陷类型分别找到与其他类别具有最大可分性的特征值在特征值矩阵Lj中的对应位置，从不同缺陷类型的特征向量矩阵Wj中选择出具有不同目标间可分性最大的特征值对应的特征向量构成选择特征向量矩阵Wj+；
步骤1.3，对测试样本的选择主成分特征进行重构，利用找到的不同背景下的不同缺陷类型的选择特征向量矩阵Wj+，得到测试样本选择特征对应不同背景下不同缺陷类型的一系列重构特征fre i，j＝1,2,…,Q1+Q2+…+QP:
Figure BDA0002967270380000031
其中MEANj表示该背景下所有选择特征向量的平均向量,f是该样本数据；
步骤1.4，通过重构误差找到测试样本的对应类别如下：
通过计算得到一系列建筑软件缺陷数据的重构特征与测试样本实际选择特征之间的重构误差为：
Figure BDA0002967270380000032
最后找到最小重构误差，从而确定对应的缺陷类型：
Figure BDA0002967270380000033
本发明一种基于选择主成分识别的行业建筑软件缺陷管理方法，有益效果：
1.本发明是一项适用于行业软件的缺陷管理方法，其方法技术的关键点包括缺陷发现、记录、分析、处理、管理和测试；
2.本发明依据行业软件测试人员需要，提供了一套跨平台的系统架构和模块构成，并对其中的各模块及关键功能进行了定义；
3.本发明涉及的行业软件缺陷管理方法及系统有助于提升行业软件测试效率，保障产品质量。
附图说明
图1为本发明的建筑软件缺陷管理流程图；
图2为本发明的建筑软件缺陷管理跨平台系统架构；
图3为本发明的建筑软件缺陷管理跨平台系统模块关系及关键功能构成。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
本发明提出了一种基于选择主成分识别的行业建筑软件缺陷管理方法，涵盖软件测试过程中的缺陷发现、记录、分析、处理、管理、测试和关闭的完整流程，为软件研发及测试人员提供一套跨平台缺陷协同管理系统，能够有效完整地记录软件缺陷数据及其处理流程能够有效进行缺陷管理，提高软件测试工作效率，具体流程参考图1。该系统支持支持Web端、手机APP端和微信小程序端等三种平台进行的跨平台协同管理。所有平台基于同一数据库，实现项目管理、人员管理、缺陷上报、缺陷分析、缺陷处理、缺陷测试、统计分析等功能修协同工作，架构见图2，其中：
(1)统一数据库层+图形显示层：针对不同平台的数据应用和图形显示应用，提供统一的数据库层，包括统一的项目数据、用户数据、缺陷数据等三种类型；提供统一的图形工具显示类，包括统一的统计维度和图形类型等。
(2)平台应用层：Web端、手机APP端和微信小程序端均可以在统一数据平台基础上获取数据，开展缺陷管理相关工作。
(3)模块应用层：在不同端的应用层面上，均可以完成包括项目管理、人员管理、缺陷上报、缺陷分析、缺陷处理、缺陷测试、统计分析等工作。下面结合附图与具体实施方式对本发明作进一步详细描述：
步骤1，采集程序缺陷报告和程序，并训练基于选择主成分识别的建筑软件缺陷分类模型，获得训练完成的建筑软件缺陷分类模型；
步骤1中训练基于选择主成分识别的建筑软件缺陷分类模型的过程可以表示为：
步骤1.1，对建筑软件缺陷数据样本集进行主成分分析，得到数据样本的特征值矩阵L以及对应的特征向量矩阵W＝(w1,w2,…,wd’)；
步骤1.2，找出选择特征向量矩阵Wj+，对P类不同的建筑软件缺陷而言，每类目标的被划分为Qi个背景i＝1,2,…,P，每个背景有Mj个建筑软件缺陷数据，其中j＝1,2,…,Q1+Q2+…+QP，将建筑软件缺陷数据通过主成分分析可得到Q1,Q2,…,QP个特征值矩阵Lj，对不同目标可构造一个新的特征值矩阵li,i＝1,2,…,P:
Figure BDA0002967270380000041
LQi是i类软件缺陷的主成分特征，然后利用下式得到不同目标的不同特征值之间的可分性大小：
Figure BDA0002967270380000042
Figure BDA0002967270380000043
Figure BDA0002967270380000051
其中，li 0是li的始点零化像；mt(i,j)是不同缺陷数据做主成分分析后得到的不同特征值对于不同类型的可分性大小，i≤j，i，j＝1,2,…,Q1+Q2+…+QP；t表示特征值在特征值矩阵中的顺序；li (k)表示第k个背景的第i类缺陷类型下作主成分分析后的特征值矩阵中的第t个特征值；通过式4对不同缺陷类型分别找到与其他类别具有最大可分性的特征值在特征值矩阵Lj中的对应位置，从不同缺陷类型的特征向量矩阵Wj中选择出具有不同目标间可分性最大的特征值对应的特征向量构成选择特征向量矩阵Wj+；
步骤1.3，对测试样本的选择主成分特征进行重构，利用找到的不同背景下的不同缺陷类型的选择特征向量矩阵Wj+，得到测试样本选择特征对应不同背景下不同缺陷类型的一系列重构特征fre i，j＝1,2,…,Q1+Q2+…+QP:
Figure BDA0002967270380000052
其中MEANj表示该背景下所有选择特征向量的平均向量,f是该样本数据；
步骤1.4，通过重构误差找到测试样本的对应类别如下：
通过计算得到一系列建筑软件缺陷数据的重构特征与测试样本实际选择特征之间的重构误差为：
Figure BDA0002967270380000053
最后找到最小重构误差，从而确定对应的缺陷类型：
Figure BDA0002967270380000054
步骤2，在测试过程中发现建筑软件缺陷后，将程序缺陷报告和程序输入至分类模型中，获得缺陷类别，并跳转至步骤3；
步骤3，根据分类结果，记录建筑软件缺陷的信息主要包括类别、标题、发现人、具体描述信息，可补充必要附件、等级建议和其他类型自定义信息，跳转至步骤4分析建筑软件缺陷；
步骤4，判断是否立即处理：根据分类结果判断建筑软件缺陷处理的难易程度、资源限制和时间限制，给出建筑软件缺陷是否需要立即处理指令，如果不需要立即处理，跳转至步骤5编写并提交详细需求分析、建筑软件设计文档；如果需要立即处理，跳转至步骤6；
步骤5，对非立即处理缺陷，编制详细的需求分析报告和建筑软件设计报告，再跳转至步骤6修改测试程序缺陷；
步骤6，根据相关要求进行修改程序缺陷工作，修改完成后改变程序缺陷状态为解决，如果程序缺陷修改结果未通过测试，则修改程序缺陷状态为重新代开，如果通过测试，则关闭程序缺陷。
本发明的缺陷管理系统包括项目管理、人员管理、缺陷上报、缺陷分析、缺陷处理、缺陷测试、统计分析等七个主要模块，其中项目管理和人员管理统称为系统管理，缺陷上报、缺陷分析、缺陷处理、缺陷测试统称为缺陷管理，统计分析模块可称为报表管理。模块间的关系和关键功能见图3。系统管理主要对项目和系统使用人员进行管理，与缺陷管理系统相连；缺陷管理为核心，主要对缺陷进行上报、分析、处理和测试。报表管理主要为统计分析模块，用于生成各类报表，对缺陷进行数据可视化。各模块的关键功能如下：
(1)项目管理模块：用于进行系统管理员、项目和模块的创建和设置，连接人员管理模块。
(2)人员管理模块：用于用户注册、权限分配和删除，与项目管理模块一起与缺陷管理各模块连接。
(3)缺陷上报模块：用于上报测试过程中发现的缺陷，支持对缺陷的各类相关信息的记录，与缺陷分析模块连接。
(4)缺陷分析模块：用于分析缺陷，将缺陷上报模块中的所有信息进行分析处理，通过选择主成分识别模型给出缺陷分析结论，与缺陷处理模块连接。
(5)缺陷处理模块：用于缺陷上报信息和缺陷分析信息的查看，修改与查看缺陷状态，与缺陷测试模块连接。
(6)缺陷测试模块：用于缺陷上报信息、缺陷分析信息、缺陷处理信息和结果的查看，记录测试信息，修改缺陷状态。
(7)统计分析模块：用于不同维度的缺陷数据可视化分析。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。

Claims (4)

1.一种基于选择主成分识别的行业建筑软件缺陷管理方法，具体步骤如下，其特征在于：
步骤1，采集程序缺陷报告和程序，并训练基于选择主成分识别的建筑软件缺陷分类模型，获得训练完成的建筑软件缺陷分类模型；
步骤2，在测试过程中发现建筑软件缺陷后，将程序缺陷报告和程序输入至分类模型中，获得缺陷类别，并跳转至步骤3；
步骤3，根据分类结果，记录建筑软件缺陷的信息主要包括类别、标题、发现人、具体描述信息，可补充必要附件、等级建议和其他类型自定义信息，跳转至步骤4分析建筑软件缺陷；
步骤4，判断是否立即处理：根据分类结果判断建筑软件缺陷处理的难易程度、资源限制和时间限制，给出建筑软件缺陷是否需要立即处理指令，如果不需要立即处理，跳转至步骤5编写并提交详细需求分析、建筑软件设计文档；如果需要立即处理，跳转至步骤6；
步骤5，对非立即处理缺陷，编制详细的需求分析报告和建筑软件设计报告，再跳转至步骤6修改测试程序缺陷；
步骤6，根据相关要求进行修改程序缺陷工作，修改完成后改变程序缺陷状态为解决，如果程序缺陷修改结果未通过测试，则修改程序缺陷状态为重新代开，如果通过测试，则关闭程序缺陷。
2.根据权利要求1所述的一种基于选择主成分识别的行业建筑软件缺陷管理方法，其特征在于：步骤1中训练基于选择主成分识别的建筑软件缺陷分类模型的过程可以表示为：
步骤1.1，对建筑软件缺陷数据样本集进行主成分分析，得到数据样本的特征值矩阵L以及对应的特征向量矩阵W＝(w1,w2,…,wd’)；
步骤1.2，找出选择特征向量矩阵Wj+，对P类不同的建筑软件缺陷而言，每类目标的被划分为Qi个背景i＝1,2,…,P，每个背景有Mj个建筑软件缺陷数据，其中j＝1,2,…,Q1+Q2+…+QP，将建筑软件缺陷数据通过主成分分析可得到Q1,Q2,…,QP个特征值矩阵Lj，对不同目标可构造一个新的特征值矩阵li,i＝1,2,…,P:
Figure FDA0002967270370000011
LQi是i类软件缺陷的主成分特征，然后利用下式得到不同目标的不同特征值之间的可分性大小：
Figure FDA0002967270370000021
Figure FDA0002967270370000022
Figure FDA0002967270370000023
其中，li 0是li的始点零化像；mt(i,j)是不同缺陷数据做主成分分析后得到的不同特征值对于不同类型的可分性大小，i≤j，i，j＝1,2,…,Q1+Q2+…+QP；t表示特征值在特征值矩阵中的顺序；li (k)表示第k个背景的第i类缺陷类型下作主成分分析后的特征值矩阵中的第t个特征值；通过式4对不同缺陷类型分别找到与其他类别具有最大可分性的特征值在特征值矩阵Lj中的对应位置，从不同缺陷类型的特征向量矩阵Wj中选择出具有不同目标间可分性最大的特征值对应的特征向量构成选择特征向量矩阵Wj+；
步骤1.3，对测试样本的选择主成分特征进行重构，利用找到的不同背景下的不同缺陷类型的选择特征向量矩阵Wj+，得到测试样本选择特征对应不同背景下不同缺陷类型的一系列重构特征
Figure FDA0002967270370000024
j＝1,2,…,Q1+Q2+…+QP:
Figure FDA0002967270370000025
其中MEANj表示该背景下所有选择特征向量的平均向量,f是该样本数据；
步骤1.4，通过重构误差找到测试样本的对应类别如下：
通过计算得到一系列建筑软件缺陷数据的重构特征与测试样本实际选择特征之间的重构误差为：
Figure FDA0002967270370000026
最后找到最小重构误差，从而确定对应的缺陷类型：
Figure FDA0002967270370000027
3.根据权利要求1所述的一种基于选择主成分识别的行业建筑软件缺陷管理方法，其特征在于：建筑软件缺陷管理跨平台系统架构可以表示如下：
软件测试过程中的缺陷发现、记录、分析、处理、管理、测试和关闭的完整流程，为软件研发及测试人员提供一套跨平台缺陷协同管理系统，能够有效完整地记录软件缺陷数据及其处理流程能够有效进行缺陷管理，提高软件测试工作效率，该系统支持支持Web端、手机APP端和微信小程序端等三种平台进行的跨平台协同管理，所有平台基于同一数据库，实现项目管理、人员管理、缺陷上报、缺陷分析、缺陷处理、缺陷测试、统计分析等功能修协同工作，其中：
(1)统一数据库层+图形显示层：针对不同平台的数据应用和图形显示应用，提供统一的数据库层，包括统一的项目数据、用户数据、缺陷数据等三种类型；提供统一的图形工具显示类，包括统一的统计维度和图形类型等；
(2)平台应用层：Web端、手机APP端和微信小程序端均可以在统一数据平台基础上获取数据，开展缺陷管理相关工作；
(3)模块应用层：在不同端的应用层面上，均可以完成包括项目管理、人员管理、缺陷上报、缺陷分析、缺陷处理、缺陷测试、统计分析等工作。
4.根据权利要求1所述的一种基于选择主成分识别的行业建筑软件缺陷管理方法，其特征在于：本发明的建筑软件缺陷管理跨平台系统模块关系及关键功能构成可以表示如下：
本发明的缺陷管理系统包括项目管理、人员管理、缺陷上报、缺陷分析、缺陷处理、缺陷测试、统计分析等七个主要模块，其中项目管理和人员管理统称为系统管理，缺陷上报、缺陷分析、缺陷处理、缺陷测试统称为缺陷管理，统计分析模块可称为报表管理；系统管理主要对项目和系统使用人员进行管理，与缺陷管理系统相连；缺陷管理为核心，主要对缺陷进行上报、分析、处理和测试，报表管理主要为统计分析模块，用于生成各类报表，对缺陷进行数据可视化，各模块的关键功能如下：
(1)项目管理模块：用于进行系统管理员、项目和模块的创建和设置，连接人员管理模块；
(2)人员管理模块：用于用户注册、权限分配和删除，与项目管理模块一起与缺陷管理各模块连接；
(3)缺陷上报模块：用于上报测试过程中发现的缺陷，支持对缺陷的各类相关信息的记录，与缺陷分析模块连接；
(4)缺陷分析模块：用于分析缺陷，将缺陷上报模块中的所有信息进行分析处理，通过选择主成分识别模型给出缺陷分析结论，与缺陷处理模块连接；
(5)缺陷处理模块：用于缺陷上报信息和缺陷分析信息的查看，修改与查看缺陷状态，与缺陷测试模块连接；
(6)缺陷测试模块：用于缺陷上报信息、缺陷分析信息、缺陷处理信息和结果的查看，记录测试信息，修改缺陷状态；
(7)统计分析模块：用于不同维度的缺陷数据可视化分析。
CN202110254213.7A 2021-03-09 2021-03-09 一种基于选择主成分识别的行业建筑软件缺陷管理方法 Pending CN113157556A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110254213.7A CN113157556A (zh) 2021-03-09 2021-03-09 一种基于选择主成分识别的行业建筑软件缺陷管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110254213.7A CN113157556A (zh) 2021-03-09 2021-03-09 一种基于选择主成分识别的行业建筑软件缺陷管理方法

Publications (1)

Publication Number Publication Date
CN113157556A true CN113157556A (zh) 2021-07-23

Family

ID=76884443

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110254213.7A Pending CN113157556A (zh) 2021-03-09 2021-03-09 一种基于选择主成分识别的行业建筑软件缺陷管理方法

Country Status (1)

Country Link
CN (1) CN113157556A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116451510A (zh) * 2023-06-16 2023-07-18 中电投工程研究检测评定中心有限公司 一种可视化建筑质量检测方法、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102637143A (zh) * 2012-03-07 2012-08-15 南京邮电大学 基于改进的支持向量机的软件缺陷优先级预测方法
CN109189674A (zh) * 2018-08-14 2019-01-11 烽火通信科技股份有限公司 一种软件缺陷自动上报的方法及系统
CN111078544A (zh) * 2019-12-04 2020-04-28 腾讯科技（深圳）有限公司 一种软件缺陷预测方法、装置、设备及存储介质
CN111290967A (zh) * 2020-03-10 2020-06-16 武汉联影医疗科技有限公司 一种软件缺陷预测方法、装置、设备及存储介质
CN111931558A (zh) * 2020-06-22 2020-11-13 武汉第二船舶设计研究所(中国船舶重工集团公司第七一九研究所) 船舶类别识别方法及系统
CN112232400A (zh) * 2020-10-12 2021-01-15 太原科技大学 一种基于深浅特征融合的不锈钢焊缝超声缺陷检测方法
CN112364754A (zh) * 2020-11-09 2021-02-12 云南电网有限责任公司迪庆供电局 螺栓缺陷检测方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102637143A (zh) * 2012-03-07 2012-08-15 南京邮电大学 基于改进的支持向量机的软件缺陷优先级预测方法
CN109189674A (zh) * 2018-08-14 2019-01-11 烽火通信科技股份有限公司 一种软件缺陷自动上报的方法及系统
CN111078544A (zh) * 2019-12-04 2020-04-28 腾讯科技（深圳）有限公司 一种软件缺陷预测方法、装置、设备及存储介质
CN111290967A (zh) * 2020-03-10 2020-06-16 武汉联影医疗科技有限公司 一种软件缺陷预测方法、装置、设备及存储介质
CN111931558A (zh) * 2020-06-22 2020-11-13 武汉第二船舶设计研究所(中国船舶重工集团公司第七一九研究所) 船舶类别识别方法及系统
CN112232400A (zh) * 2020-10-12 2021-01-15 太原科技大学 一种基于深浅特征融合的不锈钢焊缝超声缺陷检测方法
CN112364754A (zh) * 2020-11-09 2021-02-12 云南电网有限责任公司迪庆供电局 螺栓缺陷检测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙富菊, 武汉大学出版社 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116451510A (zh) * 2023-06-16 2023-07-18 中电投工程研究检测评定中心有限公司 一种可视化建筑质量检测方法、电子设备及存储介质
CN116451510B (zh) * 2023-06-16 2023-08-25 中电投工程研究检测评定中心有限公司 一种可视化建筑质量检测方法、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN110309071B (zh) 测试代码的生成方法及模块、测试方法及系统
US7895565B1 (en) Integrated system and method for validating the functionality and performance of software applications
US6058493A (en) Logging and reproduction of automated test operations for computing systems
US9519571B2 (en) Method for analyzing transaction traces to enable process testing
US20070198445A1 (en) Techniques to organize test results
CN117435505B (zh) 一种性能测试脚本可视化生成方法
US7272753B2 (en) Methods and apparatus for translating application tests for execution with simulation software tools
CN117421217A (zh) 一种软件功能自动测试方法、系统、终端及介质
CN117331836A (zh) 一种基于代码语法树分析的评测方法
US10152407B1 (en) Optimization of analysis of automated test results
CN110990285B (zh) 一种ui自动化测试方法及装置
CN112527676A (zh) 模型自动化测试方法、装置及存储介质
CN112749083A (zh) 一种测试脚本生成方法及装置
CN112817863B (zh) 一种基于ai深度学习的ai辅助自动化测试方法及系统
CN113157556A (zh) 一种基于选择主成分识别的行业建筑软件缺陷管理方法
US20050203717A1 (en) Automated testing system, method and program product using testing map
Aljawabrah et al. Automated recovery and visualization of test-to-code traceability (TCT) links: An evaluation
CN109165155B (zh) 一种基于聚类分析的软件缺陷修复模板提取方法
CN113791980B (zh) 测试用例的转化分析方法、装置、设备及存储介质
CN111008140B (zh) 一种跨平台的ui自动化测试方法及装置
CN115033434A (zh) 一种内核性能理论值计算方法、装置及存储介质
CN114064469A (zh) 接口自动化测试方法及存储介质
CN113268426A (zh) 一种应用测试方法、装置、计算机设备及存储介质
CN113434408B (zh) 一种基于测试预言的单元测试用例排序方法
CN118093381B (zh) 一种基于人工智能的软件测试方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210723