Slice-based statistical fault localization

تکنیک های اخیر برای محاسبه خطا از لحاظ آماری اطلاعات مربوط به پوشش مجموعه ای از آزمایشات را برای اندازه گیری رابطه بین نهادهای برنامه و خرابی های برنامه تحلیل می کند. با این وجود، اطلاعات مربوط به پوشش نمی توانند آن اشخاص برنامه ای را شناسایی کنند که اجرای آن روی خروجی تاثیر می گذارد و بنابراین همبستگی های بالا را ضعیف می کند. در این مقاله پیشنهاد می شود رویکرد محلی سازی خطای آماری مبتنی بر برش برای حل این مشکل ارائه شود. رویکرد ما با استفاده از برش های برنامه ای از مجموعه ای از آزمون های اجرا شده برای ضبط تاثیر یک برنامه اجرایی برنامه در خروجی، و با استفاده از تجزیه و تحلیل آماری برای اندازه گیری مشکوک بودن هر موجودیت برنامه نادرست است. علاوه بر این، این مقاله روشی نوین برش را به نام تکه تکه تکه تکه تقریبی پویا برای تعادل اندازه و صحت یک برش ارائه می دهد و این تکه را به روش آماری ما اعمال می کند. ما از دو معیار استاندارد و سه برنامه کاربردی یونیکس واقعی به عنوان افراد ما استفاده می کنیم و رویکرد ما با تعداد کافی از تکنیک های محلی سازی خطا مقایسه می شود. نتایج تجربی نشان می دهد که رویکرد ما می تواند به طور قابل توجهی بهبود اثربخشی محلی سازی گسل.