公开(公告)号：CN115495340A

公开(公告)日：2022-12-20

申请号：CN202210426533.0

申请日：2022-04-22

Applicant: 南京工业大学

Inventor： 冯力超 ,  刘悦 ,  何芊芊 ,  曾庆凡 ,  唐健英 ,  王兴亚

IPC: G06F11/36 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于输入特征多样性的测试充分性度量方法。首先，分割训练集中的图像并生成像素区域集合；其次，对集合中的像素进行聚类来选取像素特征，计算所有像素特征的重要得分，组成重要特征集合；再次，计算并标记不同测试数据的重要特征；接着，根据重要特征对测试集进行人工聚类，计算并生成质心集合；然后，使用欧氏距离计算质心间的距离；最后，将质心集合转换为多维空间图，计算基于距离熵的测试集多样性，有效地评估测试集的充分性。本发明目的在于深度学习软件测试充分程度的评估问题，通过分析测试集的特征多样性，可以帮助软件测试人员提高软件测试的充分性和解释性，保障深度学习软件质量的方法。