[发明专利]基于机器学习算法的软件故障定位方法

摘要

本发明公开了一种基于机器学习算法的软件故障定位方法，用于解决现有软件故障定位方法定位效率低的技术问题。技术方案是首先利用高斯混合分布描述现实程序中可能存在的故障分布，使得程序中的故障分布更为明确；再借助基于高斯混合模型的聚类分析方法，对冗余测试样本进行剔除，找到针对特定故障的专用测试集，从而减少了冗余用例对定位精度的不良影响；再修改支持向量机模型来适应不平衡的数据样本，并结合并行调试理论找到用例覆盖信息和执行结果之间的非线性映射关系，使得机器学习算法不会因样本不均而陷于局部最优解问题。最后，设计虚拟测试套件，放到训练好的模型中预测，得出语句可疑度值排名，进行故障定位，提高了软件故障定位效率。

主权项

一种基于机器学习算法的软件故障定位方法，其特征在于包括以下步骤：步骤一、获取程序的执行信息；采用GNU标准编译器GCC和Gcov工具对待测文件进行编译，编译命令为：gcc‑O2test.c‑I.‑fprofile‑arcs‑ftest‑coverage‑o test.exe所述命令在编译的同时生成gcov所需的test.gcno文件；然后运行可执行文件test.exe，生成test.gcda文件，用以记录插桩信息；最后，用gcov test.c命令得到test.c.gcov文件；其中在每行代码的开头，‑表示此行代码不是可执行语句，数字表示此行代码在运行过程中被执行的次数，