摘要:為了最大化的找出軟件測試用例集中的相似用例,實(shí)現對用例的最優(yōu)精簡(jiǎn),提出了一種自適應的高斯混合模型。提出的模型使用K-means初始化EM,自適應地確定聚類(lèi)簇數目,在此過(guò)程中能夠評判聚類(lèi)結果,同時(shí)給出式高斯混合模型的所有參數,這些參數作為各個(gè)聚類(lèi)簇進(jìn)行新一輪迭代計算的參數,最終得到的結果更趨于最優(yōu)解。實(shí)驗結果表明,相對現有的高斯混合模型和模糊K-Means聚類(lèi)模型等算法,本文提出的自適應高斯混合模型算法能夠最小化軟件測試用例集,約簡(jiǎn)后的用例所覆蓋的范圍相對更廣,測試出的軟件錯誤率較高,對軟件測試用例集多變的適應性好。