测试结果的预测方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种测试结果的预测方法、装置、计算机设备及存储介质。所述方法包括：将第一数量的种子序列输入至被测对象中进行计算，得到测试结果序列；根据各所述测试结果序列之间的数值关系，构建与各所述种子序列匹配的训练样本；使用所述训练样本，训练得到分类模型；将第二数量的扩展序列输入至所述分类模型中，得到预测测试结果。本发明专利技术实施例的技术方案在近似达到对被测对象进行参数空间完备测试的同时节省了大量计算资源。

【技术实现步骤摘要】
测试结果的预测方法、装置、计算机设备及存储介质
本专利技术实施例涉及自动化测试和人工智能技术，尤其涉及一种测试结果的预测方法、装置、计算机设备及存储介质。
技术介绍
在自动化软件测试工作中，为了检测到某些参数组合引发的特定异常，常见的设计方法是对被测对象的各参数进行遍历，但是受限于计算资源，当被测功能模块包含的输入参数较多且每中参数都有多种取值时，若采用排列组合的方式遍历全部可能的输入组合，在实际的自动化测试工作中很难实现。针对上述问题现有测试方案只能尽可能穷举参数边界和典型的参数组合进行测试，这种方式无法对全部的参数组合进行测试，容易导致大量可导致异常结果的参数组合无法被发现，存在测试盲区。
技术实现思路
本专利技术实施例提供了一种测试结果的预测方法、装置、计算机设备及存储介质，以在近似达到对被测对象进行参数空间完备测试的同时，节省计算资源。第一方面，本专利技术实施例提供了一种测试结果的预测方法，所述测试结果的预测方法包括：将第一数量的种子序列输入至被测对象中进行计算，得到测试结果序列；根据本文档来自技高网...

【技术保护点】
1.一种测试结果的预测方法，其特征在于，包括：/n将第一数量的种子序列输入至被测对象中进行计算，得到测试结果序列；/n根据各所述测试结果序列之间的数值关系，构建与各所述种子序列匹配的训练样本；/n使用所述训练样本，训练得到分类模型；/n将第二数量的扩展序列输入至所述分类模型中，得到预测测试结果，所述第二数量大于第一数量。/n

【技术特征摘要】
1.一种测试结果的预测方法，其特征在于，包括：
将第一数量的种子序列输入至被测对象中进行计算，得到测试结果序列；
根据各所述测试结果序列之间的数值关系，构建与各所述种子序列匹配的训练样本；
使用所述训练样本，训练得到分类模型；
将第二数量的扩展序列输入至所述分类模型中，得到预测测试结果，所述第二数量大于第一数量。


2.根据权利要求1所述的方法，其特征在于，在将第一数量的种子序列输入至被测对象中进行计算之前，还包括：
根据与被测对象匹配的多项输入参数，构造所述第一数量的种子序列，所述种子序列对应各所述输入参数的一组可选取值。


3.根据权利要求2所述的方法，其特征在于，根据与被测对象匹配的多项输入参数，构造第一数量的种子序列，包括：
获取与各所述输入参数分别对应的可选取值集合；
获取与各所述可选取值集合分别对应的缩减取值集合，并根据各所述缩减取值集合，构造第一数量的种子序列。


4.根据权利要求3所述的方法，其特征在于，获取与所述可选取值集合对应的缩减取值集合，包括：
在当前处理的目标可选取值集合中均匀选取得到所述缩减取值集合；和/或
以当前处理的目标可选取值集合中的至少一个典型值为中心点，按照预设的密度分布函数在所述目标可选取值集合中选取得到所述缩减取值集合。


5.根据权利要求4所述的方法，其特征在于，以当前处理的目标可选取值集合中的至少一个典型值为中心点，按照预设的密度分布函数在所述目标可选取值集合中选取得到所述缩减取值集合，包括：
根据所述目标可选取值集合中的至少一个典型值，确定至少一组期望方差值；
根据所述至少一组期望方差值，得到高斯或者混合高斯分布函数；
按照所述高斯或者混合高斯分布函数，在所述目标可选取值集合中选取设定数量的目标可选取值，得到所述缩减取值集合。


6.根据权利要求1所述的方法，其特征在于，根据各所述测试结果序列之间的数值关系，构建与各所述种子序列匹配的训练样本，包括：
根据预设的测试结果分类数量值，将各所述测试结果序列进行聚类处理得到多个聚类簇，其中，不同的聚类簇对应不同的测试结果分类；
在与每个聚类簇中的各测试结果序列分别对应的种子序列中，加入...

【专利技术属性】
技术研发人员：马欣，金罗军，吴臻志，
申请(专利权)人：北京灵汐科技有限公司，
类型：发明
国别省市：北京;11