文献类型：期刊文章

作　　者：刘佳洛[1] 姚奕[1] 黄松[1] 惠战伟[1] 陈强[1] 寇大磊[1,2] 张仲伟[1,3]

LIU Jialuo;YAO Yi;HUANG Song;HUI Zhanwei;CHEN Qiang;KOU Dalei;ZHANG Zhongwei(College of Command and Control Engineering,Army Engineering University of PLA,Nanjing 210007,China;Unit 68023 of PLA,China;Unit 73671 of PLA,China)

机构地区：[1]陆军工程大学指挥控制工程学院,南京210007 [2]中国人民解放军68023部队 [3]中国人民解放军73671部队

出　　处：《计算机工程与应用》

基　　金：国家重点研发计划(No.2018YFB14034000)。

年　　份：2020

卷　　号：56

期　　号：17

起止页码：69-77

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：机器学习在计算机视觉、语音识别和自然语言处理等实际应用中已经取得了显著的成功。图像分类作为计算机视觉的一个主要分支。不久的将来,许多的图像分类程序会以机器学习的方式呈现。然而,由于机器学习图像分类程序的测试面临着测试预言难题,这使得在测试的过程中将需要大量的人力及物力。为了缓解测试预言难题,使用了蜕变测试技术。为了规范测试流程、提高测试效率,提出了一种适用于机器学习图像分类程序的蜕变测试框架。并且通过测试基于SVM和VGGNet图像分类程序,验证了该测试框架的合理性和有效性。

关 键 词：机器学习  测试判定问题  蜕变测试  蜕变关系  

分 类 号：TP311.5]