[发明专利]基于深度信念网络的UI自动化测试方法、存储介质

权利要求书

1.基于深度信念网络的UI自动化测试方法，其特征在于，包括：

输入DBN网络的待测试图像经过RBM训练；所述待测试图像经过至少两层RBM训练，训练完成后，获取所述待测试图像中所有的特征信息，具体为：

提取所述待测试图像中的初始特征向量；

依据DBN网络对应第一层RBM的第一初始权值，将所述初始特征向量映射到第一特征空间中，获取第一特征向量；

依据对应第二层RBM的第二初始权值，将所述第一特征向量映射到第二层特征空间中，获取第二特征向量；

经过至少两层RBM的映射后，输出映射到最后一层特征空间后获取的特征向量作为特征信息；

输入所述特征信息至以标准图像信息为标准标注信息的BP神经网络中进行深度学习后输出DBN网络的学习结果；

匹配所述学习结果与标准图像信息；

所述学习结果包括各个图像信息；

所述匹配所述学习结果与标准图像信息，具体为：

逐一将所述各个图像信息与所述标准图像信息进行匹配，得到对应的匹配结果；

输出匹配结果不符合预设要求的图像信息。

2.如权利要求1所述的基于深度信念网络的UI自动化测试方法，其特征在于，所述输入所述特征信息至以标准图像信息为标准标注信息的BP神经网络中进行深度学习后输出DBN网络的学习结果，具体为：

输入所述特征信息至BP神经网络；

将标准图像信息作为标准标注信息对所述特征信息进行有监督训练，得到训练后特征信息；

BP神经网络将所述训练后特征信息由最后一层RBM开始反向传播至第一层RBM，完成对DBN网络的初始权值的更新；

依据更新后的权值，对所述训练后特征信息进行所述至少两层RBM训练和所述有监督训练后，输出DBN网络的学习结果。

3.如权利要求2所述的基于深度信念网络的UI自动化测试方法，其特征在于，所述对DBN网络的初始权值的更新，具体为：

在反向传播过程中依据所述训练后特征信息对各层RBM对应的初始权值进行更新。

4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序在被处理器执行时，能够实现上述权利要求1-3任意一项所述的基于深度信念网络的UI自动化测试方法所包含的步骤。