[发明专利]一种提高自动测试覆盖率的方法、系统及电子设备

说明书

本发明涉及一种提高自动测试覆盖率的方法、系统及电子设备，首先采集第一预设数量的样本数据，并对其进行SVM模型映射后分析得到二值决策函数，并利用K折交叉验证法对对其进行训练得到多个二值SVM分类器，并根据所述二值SVM分类器作为二度非叶结点，所述二值决策函数分类结果作为叶结点，来构造二叉决策树，求叶结点最大值对应的种类即位分类结果，并将二叉决策树加入到自动测试程序中，在自动测试时，不需人工干预，就能实现对测试结果的自动分类，由此实现了一种利用人工智能提高自动测试覆盖率的方法。

技术领域

本发明涉及自动测试技术领域，尤其涉及一种利用人工智能提高自动测试覆盖率的方法、系统及电子设备。

背景技术

目前，在信息信号的测试过程中例如有些电气指标，在频谱仪上显示的是定性的谱形，由于谱形非定量，不能由传统的数值方法进行判断，需要人工对其进行判读，而且干扰模拟器输出的干扰信号，不需要特别精准的数量指标，一般在测试过程中到这一步，由人工作出判断。由于定性谱形的存在，人工的介入，只能是半自动化测试，在测试效率和专业性上受到影响。

因此，如何提高自动测试的覆盖率是业内亟待解决的技术问题。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种利用人工智能提高自动测试覆盖率的方法、系统及电子设备。

本发明的一种提高自动测试覆盖率的方法的技术方案如下：

S1、采集第一预设数量的样本数据并对其分别进行归一化处理形成相对应的归一化样本数据，并对各所述采集的样本数据进行人工判读后分为两层数据；

S2、预设将所有的所述采集的样本数据分为N类，引入逻辑数值并通过SVM模型对各所述归一化样本数据进行映射形成相对应的样本映射数据，并根据各所述样本映射数据构造出二值决策函数，并对人工判读的两层数据采用K折交叉验证法对所述样本映射数据进行训练，得到个二值SVM分类器，其中，N为正整数；

S3、以投票表决策略根据所述二值SVM分类器作为二度非叶结点，所述二值决策函数分类结果作为叶结点，来构造二叉决策树，求所述叶结点最大值对应的种类即位分类结果；

S4、将所述二叉决策树加入到自动测试程序中。

本发明的一种提高自动测试覆盖率的方法的有益效果是：首先采集第一预设数量的样本数据，并对其进行SVM模型映射后分析得到二值决策函数，并利用K折交叉验证法对对其进行训练得到多个二值SVM分类器，并根据所述二值SVM分类器作为二度非叶结点，所述二值决策函数分类结果作为叶结点，来构造二叉决策树，并将二叉决策树加入到自动测试程序中，在自动测试时，不需人工干预，就能实现对测试结果的自动分类，由此实现了一种利用人工智能提高自动测试覆盖率的方法。

在上述方案的基础上，本发明的一种提高自动测试覆盖率的方法还可以做如下改进。

进一步，S2中得到所述二值决策函数的过程，具体包括如下步骤：

S20、根据引入输入空间到Hibert空间的变换函数φ将各所述归一化样本数据映射为并根据结构风险最小化目标，得到原始公式F_init：

S21、将径向基核函数和惩罚参数C带入原始公式F_init，构造出第一公式F_first，其中，所述径向基核函数所述第一公式

S22、通过对原始公式F_init设置第一约束条件、对第一公式F_first设置第二约束条件，得到第一公式F_first的最优解为：