基于Chameleon聚类分析的多错误定位方法

曹鹤玲; 姜淑娟

doi:10.3969/j.issn.0372-2112.2017.02.018

您当前的位置：

首页 >

文章列表页 >

基于Chameleon聚类分析的多错误定位方法

学术论文 | 更新时间：2025-07-16

- 基于Chameleon聚类分析的多错误定位方法
- Multiple-Fault Localization Based on Chameleon Clustering
- 电子学报 2017年45卷第2期页码：394-400
- 作者机构：
  
  1. 河南工业大学信息科学与工程学院,河南,郑州,450001
  2. 中国矿业大学计算机科学与技术学院,江苏,徐州,221116
  3. 粮食信息处理与控制教育部重点实验室,河南,郑州,450001
  4. 河南工业大学信息科学与工程学院,河南,郑州,450001
  5. 中国矿业大学计算机科学与技术学院,江苏,徐州,221116
  6. 粮食信息处理与控制教育部重点实验室,河南,郑州,450001
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61602154，No.61673384，No.61502497，No.U1404617）;粮食信息处理与控制教育部重点实验室资助项目 (No.KFJJ-2016-105）;河南省高等学校重点科研项目 (No.16A520005）;河南工业大学高层次人才基金 (No.2015BS006）;河南工业大学“省属高校基本科研业务费专项资金”(No.2016QNJH28）;河南省重点科技攻关项目 (No.162102310405，No.152102110075）
- DOI：10.3969/j.issn.0372-2112.2017.02.018
  中图分类号： TP311
- 网络出版：2017-02-25，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
曹鹤玲, 姜淑娟. 基于Chameleon聚类分析的多错误定位方法[J]. 电子学报, 2017,45(2):394-400.

CAO He-ling, JIANG Shu-juan. Multiple-Fault Localization Based on Chameleon Clustering[J]. Acta Electronica Sinica, 2017, 45(2): 394-400.
曹鹤玲, 姜淑娟. 基于Chameleon聚类分析的多错误定位方法[J]. 电子学报, 2017,45(2):394-400. DOI： 10.3969/j.issn.0372-2112.2017.02.018.

CAO He-ling, JIANG Shu-juan. Multiple-Fault Localization Based on Chameleon Clustering[J]. Acta Electronica Sinica, 2017, 45(2): 394-400. DOI： 10.3969/j.issn.0372-2112.2017.02.018.

摘要

软件系统中往往存在多个错误，它们之间互相干扰，这抑制了错误定位的能力.为解决该问题，提出一种基于Chamelelon聚类分析的多错误定位方法.首先，将每一个失败程序执行轨迹和所有成功程序执行轨迹合并，计算其怀疑度，按怀疑度大小选取高可疑元素作为程序执行轨迹的特征元素，按照该特征元素对失败程序执行轨迹进行约简；其次，聚类分析将失败程序执行轨迹分簇，每簇包含一个错误；然后，将失败程序执行轨迹簇与所有成功程序执行轨迹合并，重新计算其怀疑度；最后，根据合并后的簇生成的怀疑度序列，采用并行调试模式同时定位程序中的多个错误.实证研究表明该方法可以有效地定位程序中的多个错误.

Abstract

There exist usually multiple faults in software systems.Mutual interference among them inhibits the ability of fault localization.A multiple fault localization based on Chameleon clustering was proposed.First

the suspiciousness of program elements is computed based on the combination of each failed program execution trace with all passed program execution traces.The most suspicious elements are selected as feature elements

which reduced the corresponding failed program execution traces.Second

the reduced failed program execution traces are performed by clustering analysis

after that

each failed cluster contains one fault.Third

each failed cluster merges passed cluster

and then the suspiciousness of program elements is computed.Finally

multiple faults are located simultaneously in terms of the descending suspiciousness of program elements in each failed cluster in parallel debugging mode.Experimental results show that the approach located multiple faults effectively.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

侵蚀聚类

结合多尺度循环卷积和多聚类空间的红外图像增强

基于特征加权的模糊聚类新算法

基于克隆算法的网络结构聚类新算法

基于加权模糊c均值聚类与统计检验指导的多阈值图像自动分割算法