匡珍春, 冼遠(yuǎn)清

(廣東海洋大學(xué) 數(shù)學(xué)與計(jì)算機(jī)學(xué)院, 廣東 湛江 524088)

數(shù)據(jù)挖掘就是從海量數(shù)據(jù)中發(fā)現(xiàn)對(duì)用戶更重要的知識(shí)節(jié)點(diǎn)和概念模式, 以便利用數(shù)據(jù)中的規(guī)律更好地為用戶服務(wù). 隨著互聯(lián)網(wǎng)的快速發(fā)展, WEB技術(shù)也得到廣泛應(yīng)用. 合理有序的交換標(biāo)準(zhǔn)已成為當(dāng)前網(wǎng)絡(luò)數(shù)據(jù)挖掘的重要需求之一[1]. XML作為一種不規(guī)則、 不固定、 可擴(kuò)展的標(biāo)記性語(yǔ)言, 適合應(yīng)用于互聯(lián)網(wǎng), 能輔助人們識(shí)別計(jì)算機(jī)語(yǔ)言. 特別是XML的規(guī)范日益標(biāo)準(zhǔn)化, 憑著自身讀取數(shù)據(jù)的廣泛化、 邏輯思維的明確化、 傳統(tǒng)數(shù)據(jù)結(jié)構(gòu)化等特點(diǎn), 在實(shí)際應(yīng)用中成為眾多項(xiàng)目的首選. 本文基于XML配置框架, 對(duì)數(shù)據(jù)挖掘算法進(jìn)行研究, 找到效率更高、 更精準(zhǔn)的方法, 實(shí)現(xiàn)軟件的開發(fā)與優(yōu)化.

1 XML原理

1.1 XML數(shù)據(jù)模型 XML是由描述性的半結(jié)構(gòu)化[2]數(shù)據(jù)形成的、 可挖掘異構(gòu)的數(shù)據(jù)源, 有繼承性. 通過(guò)一些規(guī)則集合組成的規(guī)范性語(yǔ)言XML Schema, 用XML-RL形式語(yǔ)義, 實(shí)現(xiàn)數(shù)據(jù)存儲(chǔ)與挖掘.

1.2 XML框架模型編程 XML配置框架主要由表示層、 業(yè)務(wù)層和持久層組成, 每層結(jié)構(gòu)[3]通過(guò)STRUTS,SPRING和IBATIS等框架實(shí)現(xiàn)應(yīng)用程序邏輯的正常運(yùn)行, 如圖1所示.

圖1 XML配置框架編程模型Fig.1 Programming model of XML configuration framework

在表示層, 框架STRUTS按照相應(yīng)配置文件的規(guī)定, 利用控制類將JSP頁(yè)面提交的訂單交給ACTION類, ACTION類會(huì)得到一個(gè)邏輯結(jié)果串, 控制類收到結(jié)果串后, 會(huì)將整個(gè)操作反應(yīng)給JSP頁(yè)面, 實(shí)現(xiàn)實(shí)際應(yīng)用. 在業(yè)務(wù)層, 框架SPRING[4]按照相應(yīng)配置文件的規(guī)定, 利用控制類將表單提交給ACTION類, ACTION類會(huì)得到一個(gè)邏輯結(jié)果串[5], 控制類收到結(jié)果串后, 會(huì)將結(jié)果串和控制流的操作反應(yīng)給JSP頁(yè)面, 實(shí)現(xiàn)實(shí)際應(yīng)用. 在持久層, 框架IBATIS利用SQL語(yǔ)句, 自動(dòng)進(jìn)行對(duì)象的關(guān)系映射.

2 算法建立

為了提高軟件工程代碼開發(fā)中數(shù)據(jù)挖掘[6]的效率, 本文在時(shí)間和空間資源都有限的條件下, 通過(guò)對(duì)測(cè)試?yán)M(jìn)行優(yōu)先排序, 先執(zhí)行滿足限制條件的測(cè)試?yán)? 及時(shí)發(fā)現(xiàn)系統(tǒng)缺陷, 縮短運(yùn)行周期.

2.1 前提條件 假設(shè)AG[7]為測(cè)試?yán)欠裥枰匦聹y(cè)試的標(biāo)準(zhǔn),N表示測(cè)試?yán)匦聹y(cè)試時(shí)被覆蓋更新的數(shù)量,K表示測(cè)試?yán)貜?fù)測(cè)試時(shí)的次數(shù),M表示在系統(tǒng)運(yùn)行中涉及到的函數(shù)數(shù)量,T表示根據(jù)之前測(cè)試時(shí)間推測(cè)的執(zhí)行時(shí)間. 在系統(tǒng)執(zhí)行中, 重要程度如下：

N>K>M,

(1)

其中, AG值會(huì)隨著N的增大而增大.

2.2 貪心策略算法 考慮到測(cè)試點(diǎn)存在相同更新點(diǎn)的情況, 本文選取更多的更新點(diǎn)以更高的密度權(quán)重AG進(jìn)行測(cè)試. 假設(shè)權(quán)重AG仍相同, 則改變函數(shù)總數(shù), 實(shí)現(xiàn)在數(shù)量不同環(huán)境下的研究與分析.

本文采用大X方法對(duì)該算法中的多變量進(jìn)行分析. 大X方法是將多因素統(tǒng)一到單一的度量衡, 便于計(jì)算機(jī)計(jì)算的研究方法.X是測(cè)試?yán)性O(shè)置的、 比原有目標(biāo)函數(shù)相關(guān)系數(shù)大的數(shù)值. 每個(gè)測(cè)試?yán)幸粋€(gè)X, 存在如下關(guān)系：

AG=N×X×X+K×X+M,

(2)

其中,X是所有測(cè)試?yán)钠骄? 即

(3)

考慮到測(cè)試?yán)齼?yōu)先排序過(guò)程中存在的時(shí)間限制問(wèn)題, 本文引入時(shí)間參數(shù), 建立新的算法如下：

PAG=(N×X×X+K×X+M)/T,

(4)

其中, PAG表示測(cè)試?yán)袉卧獣r(shí)間發(fā)現(xiàn)的缺陷價(jià)值, 且PAG值隨著測(cè)試價(jià)值的增加而增大.AG自身具有執(zhí)行時(shí)間長(zhǎng)、 整體運(yùn)行易發(fā)現(xiàn)錯(cuò)誤的特點(diǎn). 而PAG是一次執(zhí)行多個(gè)測(cè)試?yán)? 執(zhí)行時(shí)間短, 但發(fā)現(xiàn)錯(cuò)誤較少. 二者的整體效果相同. 本文采用PAG優(yōu)化算法.

圖2 測(cè)試?yán)齼?yōu)選排序流程Fig.2 Flow chart of test cases optimal sorting

2.3 測(cè)試分析 圖2為測(cè)試?yán)齼?yōu)選排序流程, 每個(gè)環(huán)節(jié)表示一個(gè)調(diào)用函數(shù), 箭頭的方向表示環(huán)節(jié)與環(huán)節(jié)之間的調(diào)用順序[8], 其中: 實(shí)線箭頭表示較簡(jiǎn)單的函數(shù)關(guān)系; 虛線箭頭表示較復(fù)雜的函數(shù)關(guān)系; 用環(huán)形標(biāo)注出的環(huán)節(jié)表示在測(cè)試?yán)M(jìn)行排序過(guò)程中發(fā)生變更的節(jié)點(diǎn)[9].

設(shè)測(cè)試?yán)秊?個(gè), 涉及類別為4個(gè),X=100, 根據(jù)式(4)計(jì)算PAG值, 所得結(jié)果列于表1. 由表1可見(jiàn),T8的計(jì)算結(jié)果與其他結(jié)果相差較大, 因此忽略該測(cè)試?yán)? 綜合排序?yàn)?/p>

T6>T5>T2>T4>T3>T1>T7.

3 算法改進(jìn)

為了解決貪心策略在測(cè)試過(guò)程中處理更新點(diǎn)時(shí)存在覆蓋效率較低的問(wèn)題, 本文引進(jìn)多維度的概念, 從時(shí)間和空間雙重角度考慮, 全面對(duì)貪心算法進(jìn)行改進(jìn), 提出一種多維度擴(kuò)展貪心策略[10].

假設(shè)操作過(guò)程中距離某步驟最近的變更節(jié)點(diǎn)為y,Y為運(yùn)行中涉及到的所有節(jié)點(diǎn)集合. 節(jié)點(diǎn)在執(zhí)行過(guò)程中存在的缺陷程度S(y)由低到高分別是L(S),M(S)和H(S), 則有

F(y)=(F(y)+S(Y))/2,

(6)

F(m)=∑F(yi),yi∈F,

(7)

其中：F(y)表示測(cè)試?yán)谟?jì)算執(zhí)行過(guò)程中發(fā)生的缺陷程度；F(m)表示測(cè)試?yán)趫?zhí)行過(guò)程中的危害.

考慮到上述研究中的信息反饋, 將S的取值設(shè)定為1,5,9, 則得到優(yōu)化的PAG算法----多維度擴(kuò)展貪心算法公式為

(8)

多維度貪心策略是考慮到多個(gè)因素, 實(shí)現(xiàn)測(cè)試?yán)x擇的優(yōu)化貪心算法, 其能發(fā)現(xiàn)已經(jīng)存在及潛在的系統(tǒng)缺陷, 通過(guò)將測(cè)試?yán)凑沾嬖谌毕莸某潭扰判? 逐級(jí)運(yùn)行, 在受到影響的測(cè)試?yán)邪l(fā)現(xiàn)數(shù)據(jù)挖掘的缺陷. 該算法包括隨意算法、 貪心算法、 升級(jí)貪心算法、 針對(duì)流算法(MAG)及優(yōu)化針對(duì)流算法(CMAG)等方法. 不同方法對(duì)應(yīng)的測(cè)試優(yōu)選結(jié)果列于表2.

表2 測(cè)試優(yōu)選結(jié)果

由表2可見(jiàn), MAG算法先去掉測(cè)試?yán)猩婕暗降淖兏c(diǎn), 再根據(jù)MAG值將具有數(shù)值最大的測(cè)試?yán)尤氲降谝粋€(gè)數(shù)據(jù)集合, 第二大的加入到第二個(gè)數(shù)據(jù)集合, 以此類推, 直到所有數(shù)據(jù)都被分配到集合中為止. 因此, MAG和CMAG方法都具有可信度高、 執(zhí)行快速和覆蓋全面等優(yōu)點(diǎn).

4 實(shí)驗(yàn)結(jié)果分析

本文利用JAVA語(yǔ)言編程, 通過(guò)對(duì)600個(gè)數(shù)據(jù)分別進(jìn)行3次認(rèn)證, 即認(rèn)證1、 認(rèn)證2和認(rèn)證3, 3次認(rèn)證結(jié)果列于表3.

表3 3次認(rèn)證結(jié)果統(tǒng)計(jì)

由表3可見(jiàn)： 在認(rèn)證1中, 通過(guò)對(duì)158個(gè)數(shù)據(jù)進(jìn)行測(cè)試, 得到35個(gè)錯(cuò)誤； 經(jīng)過(guò)改進(jìn), 在認(rèn)證2中, 通過(guò)對(duì)168個(gè)數(shù)據(jù)進(jìn)行測(cè)試, 得到15個(gè)錯(cuò)誤； 再進(jìn)行改進(jìn)后, 在認(rèn)證3中, 通過(guò)對(duì)168個(gè)數(shù)據(jù)進(jìn)行測(cè)試, 得到錯(cuò)誤為0. 因此, 通過(guò)對(duì)系統(tǒng)不斷地改進(jìn), 結(jié)果越來(lái)越精確.

圖3 AP誤差驗(yàn)證Fig.3 AP error verification

XML框架下數(shù)據(jù)挖掘軟件工程發(fā)現(xiàn)測(cè)試缺陷的情況由系統(tǒng)平均錯(cuò)誤發(fā)現(xiàn)率表示, 計(jì)算公式為

(9)

其中： AP表示系統(tǒng)平均錯(cuò)誤發(fā)現(xiàn)率；Fn表示在F排序過(guò)程中第一次發(fā)現(xiàn)錯(cuò)誤n的測(cè)試?yán)?

圖3為AP誤差驗(yàn)證結(jié)果. 由圖3可見(jiàn), 隨著測(cè)試數(shù)據(jù)的增加, 到一定程度時(shí), 發(fā)現(xiàn)的錯(cuò)誤呈持平狀態(tài), 即錯(cuò)誤數(shù)據(jù)是有限的, 且在測(cè)試過(guò)程中會(huì)被完全發(fā)現(xiàn). 本文方法在有限的時(shí)間內(nèi)實(shí)現(xiàn)了數(shù)據(jù)缺陷的驗(yàn)證, 因此, XML配置框架的數(shù)據(jù)挖掘算法是一種有效的方法.