申请/专利权人：哈尔滨工业大学(威海)

申请日：2021-01-22

公开（公告）日：2023-09-15

公开（公告）号：CN112817842B

主分类号：G06F11/36

分类号：G06F11/36;G06F18/241

优先权：

专利状态码：有效-授权

法律状态：2023.09.15#授权;2021.06.29#实质审查的生效;2021.05.18#公开

摘要：本发明属于软件测试技术领域，公开了一种不完美排错SRGM决策方法、系统、介质、设备及应用，包括：对实际测试过程与SRGM的研究本质一致性进行分析，建立分类视角下的SRGM归类集合；从矩阵分析的角度形式化描述SRGM评价与选择问题，获得加权标准化决策矩阵；建立基于明考斯基距离的双最优化排序方法，对模型的性能进行综合评价，给出SRGMs间的性能偏序关系；验证和阐释模型性能之间的排序，并进行参数敏感性分析。本发明通过在真实的失效数据集上进行实验和分析，检验所提出方法的有效性，为定量决策模型提供了有力支持。实验表明，本发明提出的双最优化排序方法MMIMMD可以较好地对模型进行多维度评估。

主权项：1.一种不完美排错SRGM决策方法，其特征在于，所述不完美排错SRGM决策方法包括：对实际测试过程与SRGM的研究本质一致性进行分析，建立分类视角下的SRGM归类集合；从矩阵分析的角度形式化描述SRGM评价与选择问题，获得加权标准化决策矩阵；基于模型评价的指标，提出考虑成本受限下基于距离的可靠性模型最优化模型，建立基于明考斯基距离的双最优化排序方法，对模型的性能进行综合评价，给出SRGMs间的性能偏序关系；在四个实际计算机应用系统测试过程中记录与公开发表的失效数据集上进行实验，验证和阐释模型性能之间的排序，并进行参数敏感性分析，为模型决策提供定量化的参考；所述双最优化排序方法，用来度量不同模型间的差异，如下式所示： 其中，DNm,Nn表示Nm和Nn两个节点间的k重度量距离；Np和Nq分别表示正向最优节点和负向最差节点，分别由评测标准中最优值和最差值的k维数据构成，即Np＝x1p,x2p,...,xkp，Nq＝x1q,x2q,...,xkq，其中xip＝max{xij|1≤j≤k},1≤i≤K,xiq＝min{xij|1≤j≤k},1≤i≤K；DNi,Np越小则表示节点Ni距离正向最优节点Np越近，评测模型性能的指标趋向较好；DNi,Nq越大则表示节点Ni距离负向最差节点Np越远，评测模型性能的指标趋向较差；所述DNi,Np和DNi,Nq均采用明考斯基距离公式计算： 其中，Ct、DNi,Np和DNi,Nq均包含t时刻累积检测的故障数量表达式mt，mt是可靠性模型研究的关键；所述不完美排错SRGM决策方法在应用中，首先要遴选所作假设与工程测试实际较为接近的模型作为初步预选的n个SRGMs来构成预选集合，在现有的部分数据集上进行n个模型的拟合与预测，获得基础评测数据，进而基于MMIMMD进行模型的排序，并最终进行选择。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(威海) 不完美排错SRGM决策方法、系统、介质、设备及应用

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD