数据挖掘在自动化脚本稳定性中的应用.(附件)【字数：5585】
摘 要摘 要人类生活中到处都充斥着数据，比如医疗数据，科学数据，销售数据，金融数据，人口普查数据等等。随着信息化的深入，人们的关注点从单纯的数据转到如何处理这些数据。对于海量的，无规则杂乱的数据，人们十分需要一种技术将传统的数据分析知识与整理海量数据的复杂方法有机结合起来。于是，我们必需找到应用的要领，主动的分析数据，主动的把数据进行分类，主动的汇总数据，主动的发现并且描述数据中的走势，主动的标识出异常情况。这是数据最有价值的方面之一，但是仅仅依靠统计学方法和数据库的查询检索功能很难有效利用这些信息。当代软件工程中，有很多问题无法使用传统的方法或者传统的工具来解决它，比如管理和分析非结构化的需求文件，协调并且优化管理开发团队，更加快速并且更加准确的自动编写代码等。随着软件工程数据日益积累，众多问题可以在软件测试的过程中通过数据挖掘技术进行解决。数据挖掘技术可在自动化脚本中辅助理解代码，自动推荐代码，在软件测试中发挥了极大的作用。关键词数据挖掘，软件测试，自动化，脚本稳定性。
Keywords: Data mining, software testing, automation, stability of the script. 目 录
第一章 绪论 1
1.1 研究的背景，目的与研究意义 1
1.1.1 研究的背景 1
1.1.2 研究的目的与研究的意义 1
1.2 国内外研究的现状及发展趋势 1
第二章 数据挖掘概论 2
2.1 数据挖掘概念 2
2.2 数据挖掘的发展过程 2
2.3 数据挖掘的应用 3
2.4 数据挖掘的基础流程 4
2.5 数据挖掘的所应用的技术 4
第三章 自动化脚本稳定性 6
3.1 软件测试自动化简介 6
3.2 自动化脚本的功能与技术 6
第四章 数据挖掘技术在自动化脚本稳定性方面的应用 7
4.1 基于分层聚类的代码辅助理解 7
4.2 基于频繁子树挖掘的配置代码推荐 8
4.3 基于关联规则挖掘的配置代码推荐 9
第五章 结语 9
*好棒文|www.hbsrm.com +Q: ^351916072#
致 谢 10
参考文献 11
第一章 绪论
研究的背景，目的与研究意义
研究的背景
人类生活中到处都充斥着数据，比如医疗数据，科学数据，销售数据，金融数据，人口普查数据等等。随着信息化的深入，人们的关注点从单纯的数据转到如何处理这些数据。对于海量的，无规则杂乱的数据，人们十分需要一种技术将传统的数据分析知识与整理海量数据的复杂方法有机结合起来。于是，我们必需找到用的要领，主动的分析数据，主动的把数据进行分类，主动的汇总数据，主动的发现并且描述数据中的走势，主动的标识出异常情况。这是数据最有价值的方面之一，但是仅仅依靠统计学方法和数据库的查询检索功能很难有效利用这些信息。于是，人们急切的需要智能并且自动的将未处理的数据转化为有用数据，并且能够有助于决策。在此种情况之下，在人类现代化生产生活中日益重要的数据挖掘（Data Mining）技术就此产生。
当代软件工程中，有很多问题无法使用传统的方法或者传统的工具来解决它，比如管理和分析非结构化的需求文件，协调并且优化管理开发团队，更加快速并且更加准确的自动编写代码等。随着软件工程数据日益积累，众多问题可以在软件测试的过程中通过数据挖掘技术进行解决。
研究的目的与研究的意义
数据挖掘是在大量的应用数据中，这些数据是不完全的，模糊的，复杂的，有噪声的，随机的，提取那些隐含在其中的，之前不被人所了解，但是是潜在有用知识与信息。很多程序缺少大部分文档数据，以及编制带有注释的代码，如果程序出现代码错误和缺陷，开发人员难以定位错误代码，进而修正错误有着极大的不便，而且修改已有的错误容易连带其他代码出现新的错误。而应用在自动化软件测试脚本中，数据挖掘能够更加智能的提高阅读代码的效率，软件开发的周期得以缩短，降低开发软件的成本，测试软件的范围得以覆盖，这将极大的提高软件开发的效率，并缩短软件开发的周期，这在软件开发的过程中是十分有必要而且有优势的。
国内外研究的现状及发展趋势
知识发现(Know ledge Discovery in Databases ,KDD)与数据挖掘是数据库应用领域中十分重要的课题。第十一届国际人工智能会议于上世纪八十年代末美国底特律市举行，知识发现这一概念在该会议中形成，开创了一个全新的领域。首届知识发现与数据挖掘国际学术会议于1995年在加拿大蒙特利尔举行, 该会议上把数据挖掘技术划分为科研领域与工程领域 。第四届知识发现与数据挖掘国际学术会议于1998年在美国纽约召开，会上有30多家软件公司演示了其公司自行开发的关于数据挖掘的软件产品，其中有很多软件已经在欧洲和北美的部分国家得到了广泛的应用，而且收到非常明显的效益。通过几十年的不断探索和努力, 数据挖掘技术的研究已经取得了很大的成就。目前，数据挖掘的研究同时围绕理论、技术和实际应用这三个方面进行。同时整合多种理论以及方法是众多研究者所应用的有效技术。
数据挖掘是面向满足于实际社会发展应用的技术，目前在于信息产业，金融业，银行业，医疗卫生业，服务业，制造业，电信产业，农业，教育产业，零售产业以及生物科学业，等众多产业中均有许多成功的案例。由于在处理特定应用问题时，数据挖掘技术还存在局限性，所以目前发展数据挖掘技术中很重要的一个方面就是发展应用于特定程序的数据挖掘技术。
第二章 数据挖掘概论
数据挖掘概念
数据挖掘是通过数理模式来分析大量资料的一种分析方法，也称为数据库中的知识发现(Know ledge Discovery in Databases ,KDD)，也可称为资料勘探，数据采矿，近年来已成为数据库领域以及人工智能领域所研究的重要内容。数据挖掘一般是指从海量数据中自动搜索，并能发现隐藏于数据之中，有着特殊关系性信息的过程。它是一种能够服务于决策更好的形成的过程，它一般与计算机领域有关，通过许多方法实现目标，例如在线分析，情报检索，专家系统，统计方法，机器学习，模式识别等等工具。数据挖掘主要在机器学习，模式识别，统计学知识，人工智能，可视化技术，数据库，充分的自动分析海量数据，做出回归性理论，在其中找出潜在的知识与模式，帮助决策者做出决策，预测风险与可能出现的问题与缺陷，是一种深层次的分析手段。
Keywords: Data mining, software testing, automation, stability of the script. 目 录
第一章 绪论 1
1.1 研究的背景，目的与研究意义 1
1.1.1 研究的背景 1
1.1.2 研究的目的与研究的意义 1
1.2 国内外研究的现状及发展趋势 1
第二章 数据挖掘概论 2
2.1 数据挖掘概念 2
2.2 数据挖掘的发展过程 2
2.3 数据挖掘的应用 3
2.4 数据挖掘的基础流程 4
2.5 数据挖掘的所应用的技术 4
第三章 自动化脚本稳定性 6
3.1 软件测试自动化简介 6
3.2 自动化脚本的功能与技术 6
第四章 数据挖掘技术在自动化脚本稳定性方面的应用 7
4.1 基于分层聚类的代码辅助理解 7
4.2 基于频繁子树挖掘的配置代码推荐 8
4.3 基于关联规则挖掘的配置代码推荐 9
第五章 结语 9
*好棒文|www.hbsrm.com +Q: ^351916072#
致 谢 10
参考文献 11
第一章 绪论
研究的背景，目的与研究意义
研究的背景
人类生活中到处都充斥着数据，比如医疗数据，科学数据，销售数据，金融数据，人口普查数据等等。随着信息化的深入，人们的关注点从单纯的数据转到如何处理这些数据。对于海量的，无规则杂乱的数据，人们十分需要一种技术将传统的数据分析知识与整理海量数据的复杂方法有机结合起来。于是，我们必需找到用的要领，主动的分析数据，主动的把数据进行分类，主动的汇总数据，主动的发现并且描述数据中的走势，主动的标识出异常情况。这是数据最有价值的方面之一，但是仅仅依靠统计学方法和数据库的查询检索功能很难有效利用这些信息。于是，人们急切的需要智能并且自动的将未处理的数据转化为有用数据，并且能够有助于决策。在此种情况之下，在人类现代化生产生活中日益重要的数据挖掘（Data Mining）技术就此产生。
当代软件工程中，有很多问题无法使用传统的方法或者传统的工具来解决它，比如管理和分析非结构化的需求文件，协调并且优化管理开发团队，更加快速并且更加准确的自动编写代码等。随着软件工程数据日益积累，众多问题可以在软件测试的过程中通过数据挖掘技术进行解决。
研究的目的与研究的意义
数据挖掘是在大量的应用数据中，这些数据是不完全的，模糊的，复杂的，有噪声的，随机的，提取那些隐含在其中的，之前不被人所了解，但是是潜在有用知识与信息。很多程序缺少大部分文档数据，以及编制带有注释的代码，如果程序出现代码错误和缺陷，开发人员难以定位错误代码，进而修正错误有着极大的不便，而且修改已有的错误容易连带其他代码出现新的错误。而应用在自动化软件测试脚本中，数据挖掘能够更加智能的提高阅读代码的效率，软件开发的周期得以缩短，降低开发软件的成本，测试软件的范围得以覆盖，这将极大的提高软件开发的效率，并缩短软件开发的周期，这在软件开发的过程中是十分有必要而且有优势的。
国内外研究的现状及发展趋势
知识发现(Know ledge Discovery in Databases ,KDD)与数据挖掘是数据库应用领域中十分重要的课题。第十一届国际人工智能会议于上世纪八十年代末美国底特律市举行，知识发现这一概念在该会议中形成，开创了一个全新的领域。首届知识发现与数据挖掘国际学术会议于1995年在加拿大蒙特利尔举行, 该会议上把数据挖掘技术划分为科研领域与工程领域 。第四届知识发现与数据挖掘国际学术会议于1998年在美国纽约召开，会上有30多家软件公司演示了其公司自行开发的关于数据挖掘的软件产品，其中有很多软件已经在欧洲和北美的部分国家得到了广泛的应用，而且收到非常明显的效益。通过几十年的不断探索和努力, 数据挖掘技术的研究已经取得了很大的成就。目前，数据挖掘的研究同时围绕理论、技术和实际应用这三个方面进行。同时整合多种理论以及方法是众多研究者所应用的有效技术。
数据挖掘是面向满足于实际社会发展应用的技术，目前在于信息产业，金融业，银行业，医疗卫生业，服务业，制造业，电信产业，农业，教育产业，零售产业以及生物科学业，等众多产业中均有许多成功的案例。由于在处理特定应用问题时，数据挖掘技术还存在局限性，所以目前发展数据挖掘技术中很重要的一个方面就是发展应用于特定程序的数据挖掘技术。
第二章 数据挖掘概论
数据挖掘概念
数据挖掘是通过数理模式来分析大量资料的一种分析方法，也称为数据库中的知识发现(Know ledge Discovery in Databases ,KDD)，也可称为资料勘探，数据采矿，近年来已成为数据库领域以及人工智能领域所研究的重要内容。数据挖掘一般是指从海量数据中自动搜索，并能发现隐藏于数据之中，有着特殊关系性信息的过程。它是一种能够服务于决策更好的形成的过程，它一般与计算机领域有关，通过许多方法实现目标，例如在线分析，情报检索，专家系统，统计方法，机器学习，模式识别等等工具。数据挖掘主要在机器学习，模式识别，统计学知识，人工智能，可视化技术，数据库，充分的自动分析海量数据，做出回归性理论，在其中找出潜在的知识与模式，帮助决策者做出决策，预测风险与可能出现的问题与缺陷，是一种深层次的分析手段。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/sxtj/211.html
