• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    結(jié)合圖挖掘和支持向量機(jī)的錯(cuò)誤定位*

    2018-10-12 02:19:44姜淑娟王興亞
    計(jì)算機(jī)與生活 2018年10期
    關(guān)鍵詞:子圖約簡(jiǎn)調(diào)用

    陸 凱,姜淑娟,2+,王興亞

    1.中國(guó)礦業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,江蘇 徐州 221116

    2.桂林電子科技大學(xué) 廣西可信軟件重點(diǎn)實(shí)驗(yàn)室,廣西 桂林 541004

    1 引言

    現(xiàn)代工業(yè)中軟件的可靠性已經(jīng)越來越得到人們的重視,而為此花費(fèi)的代價(jià)約占軟件開發(fā)和維護(hù)成本的50%~75%[1]。自動(dòng)化錯(cuò)誤定位技術(shù)可以有效減少軟件調(diào)試的時(shí)間和人力消耗,提高軟件質(zhì)量。

    目前的軟件錯(cuò)誤定位方法按照定位過程是否需要運(yùn)行軟件劃分為兩大類,分別是基于靜態(tài)分析的故障定位和基于測(cè)試的故障定位[2]。靜態(tài)分析能夠及早地發(fā)現(xiàn)和定位軟件錯(cuò)誤,減少維護(hù)成本,而且基于靜態(tài)分析的方法理論知識(shí)完備,已經(jīng)開發(fā)了一些商用或開源靜態(tài)分析工具(如JLINT、PMD、FindBugs等)。基于測(cè)試的故障定位方法主要通過運(yùn)行測(cè)試用例得到程序的執(zhí)行信息,對(duì)程序的執(zhí)行過程和結(jié)果進(jìn)行跟蹤和分析,從而進(jìn)行錯(cuò)誤定位。這類方法主要有 Tarantula方法[3]、SOBER方法[4-5]、Delta Debugging方法[6]等。通常軟件錯(cuò)誤定位的方法有3種定位精度,分別是類、方法和語(yǔ)句級(jí)別。上述大多數(shù)方法具有良好覆蓋的測(cè)試用例,通過對(duì)測(cè)試結(jié)果和程序行為特征進(jìn)行分析最終得出一個(gè)按照可疑值降序排列的語(yǔ)句排序結(jié)果,指導(dǎo)開發(fā)人員對(duì)錯(cuò)誤進(jìn)行修復(fù)。然而最終的可疑語(yǔ)句列表缺少相關(guān)的上下文信息,開發(fā)人員不了解其中關(guān)聯(lián)性,給錯(cuò)誤定位造成一定困難。

    本文在方法粒度上,通過對(duì)一定數(shù)量的執(zhí)行軌跡和執(zhí)行結(jié)果進(jìn)行分析,提供可能包含錯(cuò)誤的方法集合,從而完成錯(cuò)誤定位。本文結(jié)合機(jī)器學(xué)習(xí),對(duì)加權(quán)的軟件調(diào)用圖進(jìn)行研究。

    2 相關(guān)工作

    在軟件故障定位技術(shù)中,近年來研究人員利用圖挖掘技術(shù)提出了很多錯(cuò)誤定位方法。Baah等人[7]對(duì)執(zhí)行程序的控制依賴和數(shù)據(jù)依賴進(jìn)行分析,在程序依賴圖的基礎(chǔ)上通過執(zhí)行測(cè)試得到概率程序依賴圖,從而對(duì)錯(cuò)誤進(jìn)行定位和理解。Cheng等人[8]提出了LEAP方法,該方法首先獲得程序執(zhí)行路徑構(gòu)造加權(quán)軟件行為圖,再通過LEAP圖挖掘算法,使用信息增益作為目標(biāo)函數(shù),從所有軟件行為圖中挖掘出Top-K個(gè)在失敗執(zhí)行中頻繁出現(xiàn),而在正確執(zhí)行中較少出現(xiàn)的子圖,作為可疑語(yǔ)句序列。該方法能夠挖掘出與錯(cuò)誤相關(guān)的上下文信息,幫助開發(fā)人員定位和理解軟件錯(cuò)誤。然而存在的不足之處是軟件行為圖中所有控制流路徑具有相同的重要程度,未考慮執(zhí)行次數(shù)對(duì)軟件行為圖的影響。Eichinger等人[9]采用圖挖掘技術(shù),提出了一種基于權(quán)重的錯(cuò)誤定位方法,該方法在方法級(jí)別進(jìn)行錯(cuò)誤定位,按照可疑度從高到低給出可疑方法序列,可以解決較為復(fù)雜的錯(cuò)誤定位問題。該方法使用信息增益作為方法懷疑度排名的度量標(biāo)準(zhǔn),但沒有考慮信息增益的內(nèi)在偏置,同時(shí)未考慮方法之間的關(guān)聯(lián)性。Liu等人[10]應(yīng)用支持向量機(jī)以封閉子圖為特征對(duì)所有執(zhí)行分類,并通過分類精度的變化度量方法的可疑度,最終生成一個(gè)可疑方法集合幫助開發(fā)人員判斷錯(cuò)誤位置,然而未考慮程序中頻繁執(zhí)行方法的影響。針對(duì)這些問題,本文利用加權(quán)的軟件調(diào)用圖,運(yùn)用支持向量機(jī)進(jìn)行錯(cuò)誤定位。

    3 技術(shù)背景

    3.1 圖挖掘技術(shù)

    圖是最常用的數(shù)據(jù)結(jié)構(gòu)之一,描述事物之間的復(fù)雜關(guān)系,對(duì)其進(jìn)行挖掘能夠得到很多潛在信息,將圖挖掘技術(shù)與錯(cuò)誤定位結(jié)合已經(jīng)成為研究熱點(diǎn)。

    頻繁子圖挖掘是圖挖掘中一個(gè)研究熱點(diǎn),它是從大量的圖中挖掘出一些滿足給定支持度的頻繁圖,當(dāng)一個(gè)子圖在整個(gè)圖集合中出現(xiàn)的比率滿足指定的支持度,那么這個(gè)子圖就是頻繁子圖。傳統(tǒng)的頻繁子圖挖掘算法有 AGM(Apriori-based graph mining)[11]、FSG(frequent subgraph)[12]、gSpan[13]和 CloseGraph[14]。

    AGM[11]和FSG[12]挖掘算法都是基于Apriori思想的頻繁結(jié)構(gòu)挖掘方法,AGM[11]采用寬度優(yōu)先搜索(breadth first search,BFS),逐步增加節(jié)點(diǎn)擴(kuò)展子結(jié)構(gòu)逐層產(chǎn)生候選子圖。FSG[12]改進(jìn)了AGM[11]每次添加邊加強(qiáng)剪枝,采取優(yōu)化措施計(jì)算支持度,提高執(zhí)行效率。然而這兩種挖掘算法系統(tǒng)開銷大,不夠靈活。

    gSpan[13]和CloseGraph[14]都是基于模式增長(zhǎng)的頻繁結(jié)構(gòu)挖掘算法,采用深度優(yōu)先搜索策略,逐步生成擴(kuò)展圖,與gSpan[13]算法相比,CloseGraph[14]算法減少了不必要的子圖生成,避免了子圖同構(gòu),挖掘出封閉子圖,有效減少冗余,效率更高。

    3.2 支持向量機(jī)

    支持向量機(jī)(SVM)是AT&TBell實(shí)驗(yàn)室的Vapnik等人提出的一種全新機(jī)器學(xué)習(xí)算法。到目前為止,支持向量機(jī)廣泛應(yīng)用于性別分類、基因分類、數(shù)據(jù)挖掘、非線性系統(tǒng)控制等各個(gè)領(lǐng)域的實(shí)際問題中。

    SVM的主要思想是針對(duì)兩類分類問題,把訓(xùn)練數(shù)據(jù)集非線性映射到一個(gè)高維特征空間,隨后在特征空間尋找一個(gè)最優(yōu)分隔超平面。在線性可分的情況下,存在一個(gè)或多個(gè)超平面使得訓(xùn)練樣本完全分開,SVM的目標(biāo)是找到其中的最優(yōu)超平面,最優(yōu)超平面是使得每一類數(shù)據(jù)與超平面距離最近的向量與超平面之間的距離最大的平面。

    支持向量機(jī)能夠?qū)τ邢迾颖具M(jìn)行分類,將其與錯(cuò)誤定位結(jié)合提出一種錯(cuò)誤定位方法有一定的研究意義。

    4 本文方法

    4.1 方法概述

    為待測(cè)程序插樁,運(yùn)行相應(yīng)測(cè)試用例監(jiān)控程序執(zhí)行,獲取正確和錯(cuò)誤用例的執(zhí)行軌跡,將其作為下一步錯(cuò)誤定位的基礎(chǔ)。本文方法框架如圖1所示。

    (1)加權(quán)行為圖構(gòu)建。將收集的程序執(zhí)行軌跡建模成程序調(diào)用關(guān)系圖,對(duì)初始調(diào)用圖集合進(jìn)行約簡(jiǎn),得到加權(quán)調(diào)用圖集合。

    (2)封閉子圖挖掘。對(duì)調(diào)用圖集合進(jìn)行封閉子圖挖掘,提取封閉子圖或者頻繁邊作為特征,記錄每個(gè)調(diào)用圖包含的頻繁邊信息。

    (3)以頻繁邊或封閉子圖作為特征,訓(xùn)練建立支持向量機(jī)對(duì)所有執(zhí)行分類,記錄每個(gè)方法的分類結(jié)果。

    (4)分析分類結(jié)果,當(dāng)加入某個(gè)方法精度明顯提升時(shí)把該方法加入可疑方法集合。

    (5)將可疑方法集合提供給開發(fā)人員判斷錯(cuò)誤位置并修復(fù)。

    Fig.1 Framework of fault localization of combining graph mining and SVM圖1 結(jié)合圖挖掘和支持向量機(jī)的錯(cuò)誤定位框架

    4.2 加權(quán)行為圖構(gòu)建

    本文首先實(shí)現(xiàn)方法級(jí)別的程序插樁,跟蹤執(zhí)行程序中方法的執(zhí)行信息,通過獲取程序的執(zhí)行路徑得到進(jìn)行圖挖掘的原始圖集合,對(duì)圖集合進(jìn)行約簡(jiǎn)去除冗余的數(shù)據(jù),然后在圖集合中挖掘封閉子圖提取頻繁邊,為下一步以頻繁邊為特征訓(xùn)練SVM分類器做準(zhǔn)備。最初得到的軟件調(diào)用圖只包含了方法的調(diào)用信息,而忽視了程序執(zhí)行的統(tǒng)計(jì)信息,因而在此基礎(chǔ)上,需要約簡(jiǎn)圖集合,將無權(quán)的圖轉(zhuǎn)化為帶權(quán)值的圖。Liu等人[10]采用了總約簡(jiǎn)方法,刪去了圖的所有重邊,使得整個(gè)圖更加簡(jiǎn)單,然而忽略了方法的調(diào)用次數(shù),對(duì)圖壓縮過于嚴(yán)重,失去了大量信息。Di Fatta等人[15]提出了無序迭代約簡(jiǎn)方法,保留了多次執(zhí)行的圖的子結(jié)構(gòu),與總約簡(jiǎn)方法相比包含了更多的信息,但會(huì)出現(xiàn)圖重構(gòu),圖的尺寸也更加龐大。Eichinger等人[16]提出了子樹約簡(jiǎn)方法,只保留圖中一個(gè)執(zhí)行的子結(jié)構(gòu),在邊上記錄相同的同構(gòu)子結(jié)構(gòu)調(diào)用次數(shù)作為權(quán)值,將無權(quán)圖轉(zhuǎn)化為帶權(quán)圖,與無序迭代約簡(jiǎn)相比,得到的圖尺寸更小。綜上所述本文采用子樹約簡(jiǎn)方法對(duì)圖集合進(jìn)行約簡(jiǎn),獲得更加簡(jiǎn)潔的帶權(quán)值的調(diào)用圖。

    子樹約簡(jiǎn)方法采用的策略是自底向上逐層約簡(jiǎn)該層的相同邊,如算法1所示,該算法以未約簡(jiǎn)的n層調(diào)用圖為輸入,以約簡(jiǎn)后的調(diào)用圖作為輸出。該算法主要分兩步:第1步,刪除該層重邊,僅僅保留一條邊,同時(shí)將重邊的數(shù)目作為邊的權(quán)值。當(dāng)某一條邊的數(shù)目只有一條時(shí),該邊的權(quán)值設(shè)為1。第2步,對(duì)邊進(jìn)行約簡(jiǎn)的同時(shí),刪除相同的子節(jié)點(diǎn)。不斷重復(fù)直到約簡(jiǎn)到頂層。圖2為子樹約簡(jiǎn)方法的實(shí)例,(a)為未約簡(jiǎn)圖,(b)為子樹約簡(jiǎn)后的圖。

    算法1子樹約簡(jiǎn)算法

    輸入:n層調(diào)用圖。

    輸出:加權(quán)調(diào)用圖。

    1.for level=n-1to 1 do

    2.for each node in level do

    3. merge all identical child-suntrees of node,sum up corresponding edge weights

    4.end for

    5.end for

    Fig.2 Subtree reduction example圖2 子樹約簡(jiǎn)實(shí)例

    4.3 封閉子圖挖掘

    對(duì)于大型的程序,將調(diào)用圖約簡(jiǎn)之后,程序行為圖仍具有較大的規(guī)模,難以對(duì)這些邊進(jìn)行逐一計(jì)算和分析,并且存在一些邊代表的方法沒有考慮價(jià)值。通常情況下,僅考慮在所有的圖中出現(xiàn)次數(shù)較多的邊,因此有必要對(duì)圖集合進(jìn)行特征選擇,取出出現(xiàn)次數(shù)較高的邊進(jìn)行分析,錯(cuò)誤往往包含在這些邊中。

    頻繁子圖挖掘是從圖集合中挖掘滿足支持度的頻繁圖,存在多種頻繁子圖挖掘算法[11-14],考慮到CloseGraph[14]挖掘效率高且避免了子圖同構(gòu),本文選擇CloseGraph[14]進(jìn)行子圖挖掘,CloseGraph[14]算法以DFS編碼、圖集合和最小支持度為輸入,以封閉子圖集合為輸出。該算法主要分為3步:第1步,生成一個(gè)頻繁子圖。第2步,封閉子圖判斷。根據(jù)是否存在與生成子圖有相同支持度的超圖檢查第1步生成子圖是否為封閉子圖。第3步,剪枝擴(kuò)展。檢查提前終止的條件和任何可能導(dǎo)致提前終止失敗的情況,依此決定是否擴(kuò)展生成子圖。如算法2所示。

    算法2CloseGraph

    輸入:A DFS codes,its parent’sp,a graph datasetD,andmin_sup.

    輸出:The closed frequent graph setS.

    1.ifs≠min(s),then

    2.return;

    3.if ?e′,g′=gp?xe′andg′

    4.return;

    5.setC=Null

    6.ScanDonce,finding every edgeesuch thatscan be extended to frequents?xe;Inserts?xeintoC;

    7.detect any possible failure of early termination ins;

    8.if??s?xe∈C,support(s)support(s?xe)then;

    9.insertsintoS;

    10.removes?xefromCwhich cannot be right-most extended forms;

    11.sortCin DFS lexicographic order;

    12.for eachs?reinCdo

    13.CloseGraph(s?re,s,D,min_sup,S)

    14.return

    在封閉子圖挖掘時(shí),由于圖集合中圖都帶有權(quán)重,而在不同的圖中如果一條邊擁有不同的權(quán)值,則會(huì)被認(rèn)為是不同邊,得到大量的頻繁子圖。因此在進(jìn)行挖掘時(shí)排除權(quán)值的干擾,挖掘出最大的頻繁子圖,得到頻繁邊。得到頻繁邊之后將其對(duì)應(yīng)到每一個(gè)調(diào)用圖中,每個(gè)調(diào)用圖代表一次程序執(zhí)行。通過表格記錄挖掘到的所有頻繁邊,依此訓(xùn)練以頻繁邊為特征的支持向量機(jī),如表1所示。

    Table 1 Frequent sides record table表1 頻繁邊記錄表

    表1記錄了封閉子圖挖掘得到的頻繁邊信息,第1列是每次程序執(zhí)行構(gòu)建的程序行為圖,最后1列是該次執(zhí)行所屬的分類,用Class表示。其余列是封閉子圖具有的頻繁邊,對(duì)應(yīng)的值為該頻繁邊代表的方法執(zhí)行的次數(shù)。

    4.4 運(yùn)用支持向量機(jī)錯(cuò)誤定位

    支持向量機(jī)是一種監(jiān)督式學(xué)習(xí)的方法,可廣泛地應(yīng)用于統(tǒng)計(jì)分類以及回歸分析。本文利用SVM對(duì)擁有標(biāo)簽的調(diào)用圖進(jìn)行分類,當(dāng)程序中某個(gè)方法執(zhí)行后,分類器對(duì)錯(cuò)誤執(zhí)行和正確執(zhí)行的分類精度提升很大,這個(gè)方法就屬于可疑方法,可能與錯(cuò)誤相關(guān)?;谶@個(gè)原理,在方法的返回處訓(xùn)練一個(gè)分類器,檢測(cè)分類精度。分類步驟主要分為3步:(1)從調(diào)用圖集合中提取特征;(2)使用特征訓(xùn)練SVM分類器;(3)對(duì)調(diào)用圖進(jìn)行分類。

    為了在調(diào)用圖分類中使用SVM,把所有調(diào)用圖轉(zhuǎn)化為特征向量,一般以頻繁邊或封閉子圖作為特征,每個(gè)調(diào)用圖作為特征向量。向量有0、1這兩個(gè)值,如果一個(gè)調(diào)用圖包含某個(gè)特征,那么該位的值為1,否則為0。

    Liu等人[10]提出了利用SVM分類的方法,以封閉子圖為特征,對(duì)所有執(zhí)行進(jìn)行分類,當(dāng)獲得越來越多的執(zhí)行信息時(shí),分類的精度不會(huì)減小,特別當(dāng)執(zhí)行包含錯(cuò)誤的程序后,分類的精度會(huì)提升。如圖3所示。

    程序中方法A、B、C按照順序執(zhí)行,方法B中包含錯(cuò)誤,在方法A的返回處訓(xùn)練分類器A,對(duì)正確執(zhí)行和失敗執(zhí)行進(jìn)行分類,此時(shí)分類精度不會(huì)有大的變化。在方法B的返回處訓(xùn)練分類器B,對(duì)正確執(zhí)行和失敗執(zhí)行進(jìn)行分類,因?yàn)閳?zhí)行了包含錯(cuò)誤的方法B,所以分類器B分類的精度比分類器A得到的精度高,因?yàn)榉诸惥忍嵘?,所以錯(cuò)誤更加可能在方法B中。

    Fig.3 Classification principle圖3 分類原理

    因此,對(duì)程序中的所有方法,在方法的入口和出口設(shè)置監(jiān)測(cè)點(diǎn),利用上文提出的分類方法在每個(gè)監(jiān)測(cè)點(diǎn)訓(xùn)練分類器,記錄每個(gè)監(jiān)測(cè)點(diǎn)的分類精度。當(dāng)某個(gè)方法使得精度明顯提升時(shí),將這個(gè)方法加入錯(cuò)誤相關(guān)方法的集合,把整個(gè)集合提供給開發(fā)人員進(jìn)行錯(cuò)誤定位和修復(fù)。本文以頻繁邊為特征建立支持向量機(jī),對(duì)所有執(zhí)行分類獲取精度對(duì)其分析,從而進(jìn)行錯(cuò)誤定位。

    5 實(shí)驗(yàn)

    5.1 實(shí)驗(yàn)建立

    本文采用NanoXML數(shù)據(jù)集作為測(cè)試數(shù)據(jù),NanoXML是一個(gè)包括7646行代碼的XML文件解析器,包括V0至V5共6個(gè)不同的版本,實(shí)驗(yàn)使用V5版本。同時(shí)在該版本中每次植入一個(gè)錯(cuò)誤,這些錯(cuò)誤由software-artifact infrastructure repository(SIR)提供,本文從總共9個(gè)錯(cuò)誤中選擇4個(gè)不同類型與實(shí)際貼切的錯(cuò)誤植入,如表2所示。

    為了驗(yàn)證本文方法的有效性,以將封閉子圖作為特征分類后的結(jié)果作為實(shí)驗(yàn)對(duì)比對(duì)象。NanoXML包含了141個(gè)測(cè)試用例,由于相似的輸入可能會(huì)得出相同的程序調(diào)用圖,為了保證分類效果,本文去除了圖集合中重復(fù)的程序調(diào)用圖,對(duì)刪去重復(fù)調(diào)用圖的圖集合進(jìn)行圖挖掘獲取封閉子圖。

    實(shí)驗(yàn)使用LibSVM[17]進(jìn)行分類,由于其具有簡(jiǎn)單易使用,且快速高效的特點(diǎn),廣泛用于解決通用的分類問題。在進(jìn)行分類時(shí),實(shí)驗(yàn)選擇使用頻繁邊和封閉子圖作為特征,然后訓(xùn)練支持向量機(jī)進(jìn)行分類,最終得到各個(gè)方法的精度。實(shí)驗(yàn)的運(yùn)行環(huán)境是CPU Intel?Duo 2-Core 2.94 GHz;內(nèi)存 2 GB;Windows 732位操作系統(tǒng)。

    Table 2 Description of implanted faults表2 植入錯(cuò)誤說明

    Fig.4 Classification accuracy comparison of single fault圖4 單個(gè)錯(cuò)誤分類精度比較

    5.2 評(píng)價(jià)標(biāo)準(zhǔn)

    實(shí)驗(yàn)采用查準(zhǔn)率(Precision)和查全率(Recall)評(píng)價(jià)將頻繁邊與封閉子圖作為特征,訓(xùn)練支持向量機(jī)進(jìn)行分類的結(jié)果。Recall表示被正確分類的錯(cuò)誤執(zhí)行的比率,Precision表示被分類的錯(cuò)誤執(zhí)行是真正的錯(cuò)誤執(zhí)行的比率。查全率越高,遺漏不正確執(zhí)行的概率越低,查準(zhǔn)率越高,正確率就越高。高查全率和高查準(zhǔn)率表示該分類特征區(qū)分正確執(zhí)行和錯(cuò)誤執(zhí)行的能力越強(qiáng)。

    本文使用頻繁邊作為特征訓(xùn)練支持向量機(jī)進(jìn)行分類,與已有的使用封閉子圖作為特征訓(xùn)練支持向量機(jī)進(jìn)行分類的方法進(jìn)行對(duì)比。實(shí)驗(yàn)設(shè)置進(jìn)行5次交叉驗(yàn)證,并用折線圖將每個(gè)方法的分類結(jié)果表示出來。在折線圖中,某個(gè)方法的查全率和查準(zhǔn)率越高,越趨于右上方,分類效果越好。

    5.3 實(shí)驗(yàn)結(jié)果分析

    圖4給出了f1、f2和f4使用本文方法將頻繁邊作為特征和已有方法將封閉子圖作為特征的分類結(jié)果折線圖。對(duì)于f1,大多數(shù)方法使用頻繁邊作為特征分類后的精度與使用封閉子圖作為特征分類的精度相同,甚至提高了精度,查全率和查準(zhǔn)率都有提升。對(duì)于f2,使用兩種特征取得的結(jié)果相似,只有單個(gè)方法的精度變高,其他相同。f2與f3的結(jié)果相似,使用頻繁邊與封閉子圖作為特征取得了相同的結(jié)果,只有單個(gè)方法的精度改變。對(duì)于f4,大多數(shù)方法使用頻繁邊作為特征分類后的精度都有提升或不變。

    圖4表明了與已有的使用封閉子圖作為特征分類的方法相比,使用頻繁邊作為特征進(jìn)行分類取得效果多數(shù)情況下都優(yōu)于使用封閉子圖作為特征分類,而且查全率和查準(zhǔn)率都有提升,這表明使用頻繁邊作為特征比封閉子圖更能提高分類質(zhì)量,提升精度。

    運(yùn)行時(shí)間消耗主要是封閉子圖挖掘和訓(xùn)練SVM。提取頻繁邊和封閉子圖作為特征需要對(duì)圖集合進(jìn)行封閉子圖挖掘,本文使用的圖挖掘算法總時(shí)間復(fù)雜度為O(2n×2n)。由于頻繁邊從封閉子圖中提取,因此本文方法與已有方法進(jìn)行圖挖掘時(shí)間消耗相同。SVM時(shí)間復(fù)雜度與訓(xùn)練樣本和向量維數(shù)有關(guān)。在訓(xùn)練時(shí)間上,使用頻繁邊作為特征的向量維數(shù)比封閉子圖特征多,因此訓(xùn)練時(shí)間略多于已有方法,但本文方法與已有方法訓(xùn)練時(shí)間消耗均在0.1 s內(nèi)。

    分類完成后利用上文提出的方法進(jìn)行錯(cuò)誤定位,以f2為例,以一張表記錄所有方法出口與入口的分類精度,如表3所示。

    Table 3 f2method classification accuracy表3 f2方法分類精度

    從表3中可以看出main方法、processSpecialTag方法和processCDATA方法的分類精度明顯提高,依此認(rèn)為是可疑方法,最終將這些可疑方法提交開發(fā)人員進(jìn)行錯(cuò)誤定位和修復(fù)。由于main是程序的入口,main方法進(jìn)行分類時(shí)包含了所有的執(zhí)行信息,因此main方法始終與錯(cuò)誤相關(guān)。源程序執(zhí)行時(shí)所有失敗執(zhí)行都執(zhí)行了processCDATA方法。源程序執(zhí)行完processCDATA方法后執(zhí)行checkLiteral方法,checkLiteral方法的精度會(huì)降低說明分類包含了正確的執(zhí)行,由于這些方法在程序中有一定的執(zhí)行順序,因此能夠提供上下文信息,更加利于開發(fā)人員找到錯(cuò)誤所在并修復(fù)。

    5.4 討論

    雖然實(shí)驗(yàn)結(jié)果表明本文方法在以上4種錯(cuò)誤中均取得了較好的結(jié)果,但是不能表明本文方法對(duì)所有程序錯(cuò)誤都有效。本文方法利用圖挖掘和支持向量機(jī)以頻繁邊為特征對(duì)所有執(zhí)行分類,最終得到可疑方法集合幫助開發(fā)人員判斷錯(cuò)誤位置,給出了上下文信息。然而本文只是提供了可疑方法集合,不能很快定位錯(cuò)誤位置,仍然需要開發(fā)人員花費(fèi)精力查看源代碼判斷錯(cuò)誤位置對(duì)其修復(fù)。本文方法涉及程序插樁,仍需要人工參與。

    6 結(jié)束語(yǔ)

    本文結(jié)合數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù),改進(jìn)了基于圖挖掘和支持向量機(jī)的軟件錯(cuò)誤定位方法,以對(duì)程序方法調(diào)用圖分類的方式進(jìn)行故障定位,通過實(shí)驗(yàn)表明了本文方法的有效性。

    未來如何將該方法運(yùn)用到更大型的程序上,如何與其他軟件錯(cuò)誤定位方法結(jié)合以及如何在不同粒度上實(shí)現(xiàn)本文方法都值得進(jìn)一步研究。

    猜你喜歡
    子圖約簡(jiǎn)調(diào)用
    核電項(xiàng)目物項(xiàng)調(diào)用管理的應(yīng)用研究
    基于二進(jìn)制鏈表的粗糙集屬性約簡(jiǎn)
    臨界完全圖Ramsey數(shù)
    LabWindows/CVI下基于ActiveX技術(shù)的Excel調(diào)用
    實(shí)值多變量維數(shù)約簡(jiǎn):綜述
    基于模糊貼近度的屬性約簡(jiǎn)
    基于系統(tǒng)調(diào)用的惡意軟件檢測(cè)技術(shù)研究
    基于頻繁子圖挖掘的數(shù)據(jù)服務(wù)Mashup推薦
    不含2K1+K2和C4作為導(dǎo)出子圖的圖的色數(shù)
    一種改進(jìn)的分布約簡(jiǎn)與最大分布約簡(jiǎn)求法
    河南科技(2014年7期)2014-02-27 14:11:29
    国产精品偷伦视频观看了| 女人被狂操c到高潮| 国产成人av激情在线播放| 欧美国产精品va在线观看不卡| 日韩免费av在线播放| 99热只有精品国产| 欧美成狂野欧美在线观看| 成人三级做爰电影| 又黄又粗又硬又大视频| 日本欧美视频一区| 最近最新中文字幕大全免费视频| 99热国产这里只有精品6| 91大片在线观看| 老司机在亚洲福利影院| 丰满的人妻完整版| 中国美女看黄片| 欧美黄色淫秽网站| 天天躁日日躁夜夜躁夜夜| 久久久久久久国产电影| 午夜福利免费观看在线| 日韩一卡2卡3卡4卡2021年| 中文字幕av电影在线播放| 久热爱精品视频在线9| avwww免费| 国产伦人伦偷精品视频| 国产单亲对白刺激| 免费日韩欧美在线观看| av欧美777| 久久 成人 亚洲| 身体一侧抽搐| 久久香蕉国产精品| 国产精品秋霞免费鲁丝片| 精品少妇久久久久久888优播| 亚洲成人免费电影在线观看| 国产不卡av网站在线观看| 国产精品久久久久久人妻精品电影| 无人区码免费观看不卡| 在线观看舔阴道视频| 久久精品国产a三级三级三级| av有码第一页| 三级毛片av免费| 免费观看精品视频网站| 欧美亚洲日本最大视频资源| 久久久国产精品麻豆| 女警被强在线播放| 亚洲午夜理论影院| 一级a爱片免费观看的视频| 大陆偷拍与自拍| bbb黄色大片| 亚洲色图综合在线观看| 久久精品国产a三级三级三级| 免费高清在线观看日韩| 色综合欧美亚洲国产小说| 中文字幕精品免费在线观看视频| 在线视频色国产色| 1024视频免费在线观看| 黄色a级毛片大全视频| 麻豆乱淫一区二区| 在线天堂中文资源库| tocl精华| 亚洲欧美一区二区三区久久| 巨乳人妻的诱惑在线观看| 亚洲国产精品一区二区三区在线| 亚洲精品国产一区二区精华液| 欧美激情久久久久久爽电影 | 亚洲国产欧美网| 免费在线观看影片大全网站| 一个人免费在线观看的高清视频| 少妇的丰满在线观看| 亚洲中文日韩欧美视频| 嫩草影视91久久| 亚洲中文av在线| 黄色片一级片一级黄色片| 啦啦啦在线免费观看视频4| 每晚都被弄得嗷嗷叫到高潮| 亚洲av日韩精品久久久久久密| 国产成人av教育| 一区二区三区国产精品乱码| 免费看a级黄色片| 国产一区二区三区在线臀色熟女 | 国产成人精品久久二区二区免费| 天天影视国产精品| 亚洲黑人精品在线| 久久国产精品人妻蜜桃| 男人舔女人的私密视频| 男女之事视频高清在线观看| 午夜久久久在线观看| 曰老女人黄片| 亚洲熟妇中文字幕五十中出 | 正在播放国产对白刺激| 悠悠久久av| 国产亚洲欧美在线一区二区| 99久久综合精品五月天人人| 成人特级黄色片久久久久久久| 亚洲第一青青草原| 久久这里只有精品19| 欧美日韩国产mv在线观看视频| 无遮挡黄片免费观看| 国产伦人伦偷精品视频| 两个人看的免费小视频| 91字幕亚洲| 99精国产麻豆久久婷婷| 亚洲国产中文字幕在线视频| 国产无遮挡羞羞视频在线观看| 亚洲熟妇熟女久久| 很黄的视频免费| 99国产精品99久久久久| 日韩精品免费视频一区二区三区| 午夜精品在线福利| 精品久久久精品久久久| 一进一出好大好爽视频| 一进一出抽搐动态| 欧美精品啪啪一区二区三区| 人妻一区二区av| 免费观看a级毛片全部| 中文字幕高清在线视频| 国产精品香港三级国产av潘金莲| 国产黄色免费在线视频| 亚洲午夜理论影院| 国产淫语在线视频| 国产av又大| 黄色毛片三级朝国网站| 国产不卡一卡二| 亚洲一区二区三区欧美精品| 淫妇啪啪啪对白视频| 久久久久久人人人人人| 免费人成视频x8x8入口观看| 精品国产乱子伦一区二区三区| 久久久久久人人人人人| 精品福利永久在线观看| 9色porny在线观看| 日韩制服丝袜自拍偷拍| 日韩人妻精品一区2区三区| 丰满迷人的少妇在线观看| 美女视频免费永久观看网站| 久久久久久久午夜电影 | 两性午夜刺激爽爽歪歪视频在线观看 | 18禁观看日本| 69av精品久久久久久| √禁漫天堂资源中文www| 精品国产亚洲在线| 日韩欧美一区视频在线观看| 男女免费视频国产| 午夜成年电影在线免费观看| 欧美不卡视频在线免费观看 | 十八禁人妻一区二区| av国产精品久久久久影院| 新久久久久国产一级毛片| 在线看a的网站| 国产精品永久免费网站| av天堂在线播放| 亚洲欧美一区二区三区黑人| 黄色a级毛片大全视频| 99国产极品粉嫩在线观看| 久久99一区二区三区| 欧美精品av麻豆av| 18禁观看日本| 国产成人精品久久二区二区91| 久久ye,这里只有精品| 黄色 视频免费看| 99re在线观看精品视频| 亚洲一卡2卡3卡4卡5卡精品中文| 在线十欧美十亚洲十日本专区| 18禁国产床啪视频网站| 两人在一起打扑克的视频| av免费在线观看网站| 国产欧美日韩精品亚洲av| 精品一区二区三区四区五区乱码| 曰老女人黄片| 精品久久久久久久毛片微露脸| 老司机午夜福利在线观看视频| 久久国产精品影院| 99国产综合亚洲精品| 国产男女内射视频| 婷婷成人精品国产| 极品教师在线免费播放| 91大片在线观看| 亚洲专区中文字幕在线| 在线看a的网站| 久久人人爽av亚洲精品天堂| 国产精品久久久av美女十八| 99香蕉大伊视频| 国产精品乱码一区二三区的特点 | 亚洲国产看品久久| 视频区图区小说| 欧美日韩瑟瑟在线播放| av有码第一页| 久久午夜综合久久蜜桃| 色在线成人网| 久99久视频精品免费| 又黄又爽又免费观看的视频| 亚洲中文av在线| 欧美另类亚洲清纯唯美| 婷婷精品国产亚洲av在线 | 国产99白浆流出| 久久中文字幕人妻熟女| av国产精品久久久久影院| 久久国产精品男人的天堂亚洲| 中文欧美无线码| 99久久99久久久精品蜜桃| 精品一品国产午夜福利视频| 欧美日韩福利视频一区二区| 精品少妇一区二区三区视频日本电影| 露出奶头的视频| 国产精品免费大片| 免费看a级黄色片| 高清毛片免费观看视频网站 | 亚洲午夜精品一区,二区,三区| 99在线人妻在线中文字幕 | www.999成人在线观看| 最新在线观看一区二区三区| 成人av一区二区三区在线看| 99riav亚洲国产免费| 韩国av一区二区三区四区| 国产一卡二卡三卡精品| 99久久综合精品五月天人人| 久久久久久久国产电影| 久久精品亚洲av国产电影网| 成年人午夜在线观看视频| 日韩三级视频一区二区三区| 高清在线国产一区| 精品国产一区二区三区四区第35| 精品无人区乱码1区二区| av免费在线观看网站| 亚洲av电影在线进入| 搡老乐熟女国产| 女人高潮潮喷娇喘18禁视频| 亚洲色图 男人天堂 中文字幕| 国产精品乱码一区二三区的特点 | 1024香蕉在线观看| 亚洲avbb在线观看| videos熟女内射| 久久性视频一级片| 久久久久国产精品人妻aⅴ院 | 色婷婷久久久亚洲欧美| 国产精品九九99| 国产精品永久免费网站| 国产又爽黄色视频| aaaaa片日本免费| 在线观看www视频免费| 国产伦人伦偷精品视频| 亚洲精品av麻豆狂野| 国产免费av片在线观看野外av| 色婷婷av一区二区三区视频| 精品一区二区三区视频在线观看免费 | 人妻一区二区av| 精品午夜福利视频在线观看一区| 免费看a级黄色片| 国产精品偷伦视频观看了| 亚洲va日本ⅴa欧美va伊人久久| 亚洲精品粉嫩美女一区| 国产在线精品亚洲第一网站| 久久精品aⅴ一区二区三区四区| 老司机午夜十八禁免费视频| 老司机靠b影院| 69av精品久久久久久| 亚洲中文日韩欧美视频| 19禁男女啪啪无遮挡网站| www.熟女人妻精品国产| 在线观看一区二区三区激情| tocl精华| 看黄色毛片网站| 国产精品综合久久久久久久免费 | 免费日韩欧美在线观看| 脱女人内裤的视频| 一区二区三区激情视频| 丰满饥渴人妻一区二区三| 十八禁高潮呻吟视频| 99国产精品免费福利视频| 日韩人妻精品一区2区三区| 精品久久蜜臀av无| 不卡av一区二区三区| 久久人人97超碰香蕉20202| 亚洲九九香蕉| 法律面前人人平等表现在哪些方面| 丰满迷人的少妇在线观看| 不卡一级毛片| 亚洲欧美一区二区三区黑人| 女人精品久久久久毛片| 欧美日韩瑟瑟在线播放| 热99久久久久精品小说推荐| av超薄肉色丝袜交足视频| 大码成人一级视频| 久久婷婷成人综合色麻豆| 成人免费观看视频高清| 亚洲免费av在线视频| 午夜激情av网站| 人人妻人人澡人人爽人人夜夜| 亚洲avbb在线观看| 伊人久久大香线蕉亚洲五| 精品免费久久久久久久清纯 | 久久狼人影院| 黄片大片在线免费观看| 午夜日韩欧美国产| 久久精品aⅴ一区二区三区四区| 99久久国产精品久久久| 王馨瑶露胸无遮挡在线观看| av线在线观看网站| 最新的欧美精品一区二区| netflix在线观看网站| 国产男靠女视频免费网站| 日韩大码丰满熟妇| 99精品在免费线老司机午夜| 91精品国产国语对白视频| 亚洲精品在线观看二区| 色精品久久人妻99蜜桃| 91九色精品人成在线观看| 一本一本久久a久久精品综合妖精| 国产精品美女特级片免费视频播放器 | 9191精品国产免费久久| 亚洲av美国av| 日本wwww免费看| 香蕉久久夜色| a级片在线免费高清观看视频| 精品熟女少妇八av免费久了| 亚洲国产精品合色在线| 亚洲精品国产精品久久久不卡| 亚洲免费av在线视频| 成人特级黄色片久久久久久久| 欧美日韩中文字幕国产精品一区二区三区 | 丝袜美足系列| 成年动漫av网址| 桃红色精品国产亚洲av| 日日夜夜操网爽| 欧美+亚洲+日韩+国产| 亚洲七黄色美女视频| 国内久久婷婷六月综合欲色啪| 欧美成人午夜精品| 国产一区二区三区综合在线观看| 久久久精品国产亚洲av高清涩受| 女人爽到高潮嗷嗷叫在线视频| 一区福利在线观看| 亚洲色图 男人天堂 中文字幕| 亚洲av片天天在线观看| 精品国产一区二区三区四区第35| 欧美精品一区二区免费开放| 亚洲一区二区三区不卡视频| av欧美777| 欧美色视频一区免费| 国产成+人综合+亚洲专区| avwww免费| 狂野欧美激情性xxxx| 亚洲av成人不卡在线观看播放网| 老司机午夜十八禁免费视频| 男女午夜视频在线观看| 两人在一起打扑克的视频| 国产精品影院久久| 女人精品久久久久毛片| 在线观看一区二区三区激情| 国产亚洲欧美精品永久| avwww免费| 欧美日韩亚洲国产一区二区在线观看 | 久久久国产精品麻豆| 中文字幕av电影在线播放| 成年人免费黄色播放视频| 亚洲精品久久午夜乱码| 岛国毛片在线播放| 王馨瑶露胸无遮挡在线观看| 国产有黄有色有爽视频| 757午夜福利合集在线观看| 天堂中文最新版在线下载| 亚洲专区字幕在线| 久久人妻熟女aⅴ| 午夜福利影视在线免费观看| 丝袜美腿诱惑在线| 在线十欧美十亚洲十日本专区| 午夜亚洲福利在线播放| 色老头精品视频在线观看| 久久久久久久精品吃奶| 午夜激情av网站| 国产精品 国内视频| 国产精品98久久久久久宅男小说| 高清毛片免费观看视频网站 | 日本五十路高清| 亚洲欧美激情综合另类| 波多野结衣av一区二区av| aaaaa片日本免费| 十八禁高潮呻吟视频| 夜夜夜夜夜久久久久| 午夜免费成人在线视频| 中出人妻视频一区二区| 久热这里只有精品99| 亚洲avbb在线观看| 亚洲视频免费观看视频| xxx96com| 国产三级黄色录像| 久久精品国产综合久久久| 俄罗斯特黄特色一大片| 国产免费男女视频| 国产成人精品久久二区二区91| 亚洲午夜精品一区,二区,三区| 啪啪无遮挡十八禁网站| 亚洲中文字幕日韩| 午夜精品久久久久久毛片777| 12—13女人毛片做爰片一| 久久久国产成人免费| 成人av一区二区三区在线看| 精品久久久久久电影网| 村上凉子中文字幕在线| 亚洲综合色网址| 美女午夜性视频免费| 国产激情久久老熟女| 精品国产美女av久久久久小说| 中文字幕最新亚洲高清| 亚洲熟妇熟女久久| 亚洲欧美一区二区三区久久| 在线看a的网站| 国产精品98久久久久久宅男小说| 青草久久国产| 自线自在国产av| e午夜精品久久久久久久| 国产亚洲精品第一综合不卡| 亚洲精品国产一区二区精华液| 80岁老熟妇乱子伦牲交| 人人妻人人添人人爽欧美一区卜| 成人亚洲精品一区在线观看| 不卡av一区二区三区| 国产精品久久久久久人妻精品电影| 一级a爱视频在线免费观看| 黄片大片在线免费观看| 丝袜在线中文字幕| 日本撒尿小便嘘嘘汇集6| 国产一区有黄有色的免费视频| 欧美成人免费av一区二区三区 | 精品国产乱码久久久久久男人| 亚洲自偷自拍图片 自拍| 国产精品一区二区在线观看99| 国产成人av激情在线播放| 高清视频免费观看一区二区| 丝袜美足系列| 99国产精品一区二区蜜桃av | 久久这里只有精品19| 久久国产乱子伦精品免费另类| av网站在线播放免费| 一区二区日韩欧美中文字幕| 黄色a级毛片大全视频| 美女高潮到喷水免费观看| 精品久久久精品久久久| 啪啪无遮挡十八禁网站| 91成年电影在线观看| 国产精品一区二区在线不卡| 欧美日本中文国产一区发布| 香蕉久久夜色| av超薄肉色丝袜交足视频| 动漫黄色视频在线观看| 国产成人一区二区三区免费视频网站| 亚洲国产精品sss在线观看 | 91精品国产国语对白视频| 叶爱在线成人免费视频播放| 国产精品98久久久久久宅男小说| 国产欧美日韩一区二区精品| 国产野战对白在线观看| 国产精品久久电影中文字幕 | www.精华液| 亚洲av美国av| 亚洲午夜理论影院| 啪啪无遮挡十八禁网站| 婷婷成人精品国产| 国产亚洲欧美98| 午夜福利乱码中文字幕| 亚洲精品久久午夜乱码| 国内毛片毛片毛片毛片毛片| 亚洲专区国产一区二区| 在线观看免费午夜福利视频| 欧美av亚洲av综合av国产av| 中文字幕最新亚洲高清| 90打野战视频偷拍视频| 超色免费av| 麻豆成人av在线观看| 久9热在线精品视频| videos熟女内射| 国产精品 欧美亚洲| 十八禁网站免费在线| 欧美日韩国产mv在线观看视频| 69av精品久久久久久| 久久久久久免费高清国产稀缺| 精品一区二区三区四区五区乱码| 亚洲片人在线观看| 国产精品电影一区二区三区 | 欧美成人午夜精品| 国产成人一区二区三区免费视频网站| 精品视频人人做人人爽| 免费在线观看日本一区| 黄频高清免费视频| 国产亚洲一区二区精品| 美女 人体艺术 gogo| 国产不卡一卡二| 淫妇啪啪啪对白视频| 极品教师在线免费播放| 侵犯人妻中文字幕一二三四区| 国产av又大| 亚洲美女黄片视频| 成人18禁高潮啪啪吃奶动态图| 成人亚洲精品一区在线观看| 9热在线视频观看99| 一区在线观看完整版| 日韩成人在线观看一区二区三区| 久久国产精品人妻蜜桃| 精品国产一区二区三区久久久樱花| 亚洲精品一卡2卡三卡4卡5卡| 亚洲人成电影免费在线| 久久狼人影院| 国产激情欧美一区二区| 国产成人精品无人区| 日本黄色视频三级网站网址 | 一进一出好大好爽视频| 色播在线永久视频| 最近最新免费中文字幕在线| 91字幕亚洲| 欧美另类亚洲清纯唯美| 岛国毛片在线播放| 曰老女人黄片| 日本一区二区免费在线视频| 亚洲片人在线观看| 一级毛片高清免费大全| 亚洲aⅴ乱码一区二区在线播放 | 91成年电影在线观看| 欧美精品亚洲一区二区| 黄色片一级片一级黄色片| 成年动漫av网址| 窝窝影院91人妻| 最近最新中文字幕大全免费视频| 免费在线观看影片大全网站| 一级片'在线观看视频| 国产精品免费一区二区三区在线 | 99在线人妻在线中文字幕 | 欧美日韩视频精品一区| 亚洲第一av免费看| 免费在线观看日本一区| 男女下面插进去视频免费观看| 每晚都被弄得嗷嗷叫到高潮| 久久久国产一区二区| 99re6热这里在线精品视频| 超碰成人久久| 欧美人与性动交α欧美精品济南到| 村上凉子中文字幕在线| 91老司机精品| 久久精品国产亚洲av高清一级| 亚洲精品国产区一区二| 精品午夜福利视频在线观看一区| 在线天堂中文资源库| a级毛片黄视频| 99热国产这里只有精品6| 久久亚洲精品不卡| 在线国产一区二区在线| 日韩大码丰满熟妇| 亚洲成人免费av在线播放| 搡老乐熟女国产| 久久中文字幕一级| 国产无遮挡羞羞视频在线观看| 久久精品国产99精品国产亚洲性色 | 少妇猛男粗大的猛烈进出视频| 电影成人av| 99久久人妻综合| 最新美女视频免费是黄的| 中文字幕人妻丝袜制服| 999久久久精品免费观看国产| 久久精品国产99精品国产亚洲性色 | 99久久99久久久精品蜜桃| 最新的欧美精品一区二区| 亚洲美女黄片视频| 精品国产乱子伦一区二区三区| 最近最新中文字幕大全免费视频| 纯流量卡能插随身wifi吗| 欧美另类亚洲清纯唯美| 90打野战视频偷拍视频| 亚洲熟女毛片儿| 99热网站在线观看| 亚洲成av片中文字幕在线观看| 亚洲国产精品合色在线| 亚洲免费av在线视频| 国产精品免费一区二区三区在线 | 亚洲av日韩精品久久久久久密| 国产精品1区2区在线观看. | 天天躁夜夜躁狠狠躁躁| 久久久久精品国产欧美久久久| 久久中文字幕一级| 婷婷成人精品国产| 国产精品久久电影中文字幕 | 窝窝影院91人妻| 亚洲五月天丁香| 涩涩av久久男人的天堂| 国产高清国产精品国产三级| 性色av乱码一区二区三区2| 老熟妇仑乱视频hdxx| av一本久久久久| 欧美日韩乱码在线| 久久婷婷成人综合色麻豆| 国产成人啪精品午夜网站| 90打野战视频偷拍视频| 激情视频va一区二区三区| 色综合欧美亚洲国产小说| 国产免费现黄频在线看| 亚洲三区欧美一区| 精品欧美一区二区三区在线| 五月开心婷婷网| 中文亚洲av片在线观看爽 | 99国产精品免费福利视频| 成年版毛片免费区| 日本vs欧美在线观看视频| 高清视频免费观看一区二区| 9热在线视频观看99| 亚洲成a人片在线一区二区| 老汉色av国产亚洲站长工具| 一边摸一边抽搐一进一出视频| 亚洲欧美激情综合另类| www.999成人在线观看| 黄色成人免费大全| 国产成人欧美在线观看 | a级毛片黄视频| 性少妇av在线| 亚洲精品美女久久av网站| 侵犯人妻中文字幕一二三四区| 久久久久国产一级毛片高清牌| 国产免费现黄频在线看|