典型文献
基于K-均值聚类的软件测试数据生成算法
文献摘要：
利用K-均值聚类算法提高数据生成效率,从而可以保障软件测试工作平稳进行.为此,文章引进K-均值聚类算法,设计了一种针对软件测试数据的全新生成算法.为确保设计的数据生成算法可以生成适用于软件测试的数据集合与数据组,建立软件测试数据适应度函数,明确测试数据聚类方向,确保数据生成围绕软件测试适用范围展开;然后引进K-均值算法,对测试数据进行聚类,使具有相同特征或指向的数据聚合在一起,再利用PSO算法,通过对测试数据PSO参数的线性改进,实现对测试数据离散度的动态化处理,再提取通过离散度检验的数据,从而生成数据.对比实验结果表明:该算法的综合实用性更强,可以在提高数据生成效率的基础上,使生成数据中未完全覆盖的组合数据数目快速降为0.
文献关键词：
K-均值聚类;动态处理;适应度函数;生成算法;数据处理;软件测试
中图分类号：
作者姓名：
刘光源
作者机构：
湖北经济学院,湖北 武汉 430205
文献出处：
引用格式：
[1]刘光源-.基于K-均值聚类的软件测试数据生成算法)[J].数字通信世界,2022(11):56-58
A类：
软件测试数据
B类：
均值聚类,测试数据生成,生成算法,聚类算法,生成效率,测试工作,数据集合,适应度函数,数据聚类,数据聚合,合在一起,PSO,离散度,动态化,组合数,速降,降为,动态处理
AB值：
0.228262
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
