Geri Dön

Software test case prioritization using data analysis and machine learning algorithms

Veri analizi ve makine öğrenmesi algoritmalari kullanilarak yazilim test durumlarinin önceliklendirilmesi

PDF İndir

  1. Tez No: 986175
  2. Yazar: AYDA FIROUZIBOSTANABAD
  3. Danışmanlar: DOÇ. DR. BAHMAN ARASTEH ABBASABAD
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: İstinye Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Veri Bilimi Ana Bilim Dalı
  12. Bilim Dalı: Veri Bilimi Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Yazılım testleri, yazılım sistemlerinin kalite ve güvenilirliğini sağlamaktadır. Ancak bu süreç, özellikle birim testi bağlamında, kaynak açısından oldukça yoğundur. Test paketleri büyüdükçe tüm testlerin çalıştırılması pratik olmaktan çıkmaktadır. Test Durum Önceliklendirme (TCP), hataların erken tespitini en üst düzeye çıkarmak ve maliyetleri azaltmak için testlerin yürütülme sırasını optimize etmeyi amaçlar. Geleneksel TCP yaklaşımları ise modern yazılım mühendisliğinin hızlı geliştirme döngülerine ayak uydurmakta yetersiz kalmaktadır. Bu çalışma, TCP sürecine makine öğrenmesi (ML) tekniklerini entegre ederek verimliliği artırmayı ve bu sınırlamaları aşmayı amaçlamaktadır. Statik veya sezgisel yöntemlerin aksine, ML modelleri test verilerinden dinamik olarak öğrenerek test durumlarını etkili bir şekilde önceliklendirmektedir. Bu nedenle, üçgen sınıflandırma kıyaslama programına uygulanan meta-sezgisel algoritmalar (GA, PSO, GWO ve hibrit GWO) kullanılarak bir veri kümesi oluşturulmuştur. Test durumları kapsama temelli beş sınıfa etiketlenmiş ve model eğitimi için ön işleme tabi tutulmuştur. Dört denetimli makine öğrenmesi sınıflandırıcısı, tabakalı 10 katlı çapraz doğrulama ile eğitilmiş ve değerlendirilmiştir. Performans; doğruluk, kesinlik, geri çağırma, F1-skoru ve AUC gibi temel metrikler kullanılarak ölçülmüştür. Önerilen yöntem, %97,31 doğruluk ve %92,94 F1-skoru ile geleneksel TCP yaklaşımlarını geride bırakmıştır. Bu sonuçlar, ML tabanlı TCP'nin erken hata tespitini geliştirdiğini, yinelenen testleri azalttığını ve gerçek dünya uygulamaları için ölçeklenebilir, otomatik bir birim testi çözümü sunduğunu göstermektedir.

Özet (Çeviri)

Software testing ensures the quality and reliability of software systems. However, it is resource-intensive, particularly in the context of unit testing. As test suites grow, executing all test cases becomes impractical. Test Case Prioritization (TCP) seeks to optimize the execution order of tests to maximize early fault detection and reduce costs. Traditional TCP approaches often fail to keep pace with the rapid development cycles of modern software engineering. This study aims to integrate machine learning (ML) techniques into the TCP process to improve efficiency and address these limitations. Unlike static or heuristic methods, ML models dynamically learn from test data to effectively prioritize test cases. Therefore a dataset was created using metaheuristic algorithms (GA, PSO, GWO, and a hybrid GWO) applied to the triangle classification benchmark. Test cases were labeled into five coverage-based classes and preprocessed for mode; training. Four supervised machine learning classifiers were trained and evaluated with stratified 10-fold cross-validation. Performance was assessed using key metrics such as the accuracy, precision, recall, F1-score, and AUC .The proposed method achieved up to 97.31% accuracy and an F1-score of 92.94%, outperforming traditional TCP approaches. These results demonstrate that ML-based TCP can enhance early fault detection, reduce redundant testing, and provide a scalable, automated solution for efficient unit testing.

Benzer Tezler

  1. Tez No

    739766

    Bankacılık sektöründe dış kaynak çalışan yönetiminin iyileştirilmesinde bilgi teknolojileri kullanımına yönelik bir uygulama

    An application to use information technologies to improve management of outsourced employee in the banking industry

    SEREN AKBABA

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NİHAN YILDIRIM

  2. Tez No

    978468

    Temiz üretim uygulamalarında mevcut en iyi tekniklerin belirlenmesi için yeni çok kriterli karar verme metodu geliştirilmesi

    Development of a novel multi-criteria decision method for determining the best available techniques in cleaner production applications

    ELİF ŞİMŞEK YEŞİL

    Doktora

    Türkçe

    Türkçe

    2025

    Çevre MühendisliğiSüleyman Demirel Üniversitesi

    Çevre Teknolojileri Ana Bilim Dalı

    PROF. DR. MEHMET KİTİŞ

    PROF. DR. EMRAH ÖZTÜRK

  3. Tez No

    958908

    Kentsel ısı adası etkisinin doğa tabanlı çözümlerle azaltılması: İstanbul örneği

    Mitigating urban heat island effects through nature-based solutions: the case of İstanbul

    GİZEM BAYDI

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Şehircilik ve Bölge Planlamaİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    PROF. DR. FATİH TERZİ

  4. Tez No

    1020269

    Gece ışığı uydu verileri kullanılarak yol aydınlatmakalitesinin değerlendirilmesi

    Evaluation of road lighting quality using nighttime satellitedata

    HACER DEMİRCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Jeodezi ve FotogrametriNiğde Ömer Halisdemir Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KADİR ŞAHBAZ

  5. Tez No

    571471

    Effectiveness of using clustering for test case prioritization

    Test durum önceliklendirmesinde kümeleme kullanımının etkililiği

    CAN GÜNEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji Enstitüsü

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TOLGA AYAV

Geri Dön