一种基于聚类的神经网络测试多方法混合挑选输入方法.pdfVIP

下载本文档

0
0
约2.42万字
约 17页
2023-06-01 发布于四川
举报
版权申诉

一种基于聚类的神经网络测试多方法混合挑选输入方法.pdf

1、本文档共17页，其中可免费阅读16页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于聚类的神经网络测试多方法混合挑选输入方法，旨在将传统的机器学习与传统的软件测试算法相结合，通过使用聚类算法，按照其聚类效果，把所有的测试用例分成两大类：一部分可聚类的多个性能类，以及另一部分无法聚类的噪音类。在两种类别中分别使用传统的机器学习与传统的软件测试中表现突出的算法，在保证两者局部最优的情况下，实现测试用例挑选全局最优化，进而有效的提升再训练神经网络模型的性能。本发明提出的方法与ARS‑DNNT相比，就挑选的效果而言，无论挑选测试用例取值是高是低，CMS‑DNNT的有

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112529156 A (43)申请公布日 2021.03.19 (21)申请号 202011418759.3 (22)申请日 2020.12.07 (71)申请人江苏大学地址 21