Utilizando técnicas de aprendizado de máquina para apoiar o teste de regressão

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorVergilio, Silvia Regina, 1966--
Autor(es): dc.contributorRamirez Pozo, Aurora Trinidad, 1959--
Autor(es): dc.contributorUniversidade Federal do Paraná. Setor de Ciencias Exatas. Programa de Pós-Graduaçao em Informática-
Autor(es): dc.creatorLenz, Alexandre Rafael-
Data de aceite: dc.date.accessioned2019-08-21T23:40:09Z-
Data de disponibilização: dc.date.available2019-08-21T23:40:09Z-
Data de envio: dc.date.issued2010-09-15-
Data de envio: dc.date.issued2010-09-15-
Data de envio: dc.date.issued2010-09-15-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/1884/24259-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/1884/24259-
Descrição: dc.descriptionResumo: Independentemente do tipo de manutenção realizada, o teste de regressão é indispensável para testar as modificações e as novas funcionalidades do software. Ele também é responsável por verifícar se as funcionalidades existentes não foram negativamente afetadas pela modificação. Muitas técnicas têm sido propostas para reduzir os esforços e aumentar a eficácia dos testes de regressão. Dentre elas, algumas utilizando Aprendizado de Máquina (AM). Entretanto, a maioria dos trabalhos existentes não relacionam as informações coletadas durante o teste provenientes da aplicação de diferentes técnicas e critérios de teste. Esses critérios são considerados complementares porque podem revelar diferentes tipos de defeitos, e considerar essa complementariedade pode auxiliar o teste de regressão, reduzindo os esforços gastos nesta atividade. Dada essa perspectiva, este trabalho tem como objetivo explorar técnicas de AM, como de agrupamento, para relacionar informações como, por exemplo: dados de entrada, saída produzida, elementos cobertos por critérios estruturais, defeitos revelados, e etc. Com estas informações os dados são agrupados em classes funcionais. Os resultados assim obtidos são então submetidos a um algoritmo de classícação, para geração de regras a serem utilizadas na seleção e priorização de dados de teste. Uma ferramenta, chamada RITA (Relating information from Testing Activity), foi implementada para dar suporte à abordagem proposta. Ela foi utilizada em experimentos, cujos resultados mostram a aplicabilidade da abordagem e uma redução de custo do teste de regressão.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Palavras-chave: dc.subjectTeses-
Título: dc.titleUtilizando técnicas de aprendizado de máquina para apoiar o teste de regressão-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Rede Paraná Acervo

Não existem arquivos associados a este item.