科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有的基于深度神经网络的缺陷定位方法中参数设定不便，结合遗传算法的全局随机搜索能力、L2正则化防止模型过拟合与深度神经网络学习复杂非线性能力，提出一种基于GL2-DNN模型的程序静态缺陷定位算法。通过遗传算法寻找深度神经网络最优超参数；将所得语句覆盖信息与状态值输入深度神经网络计算每条可执行语句的可疑度值；根据可疑度值由高往低排序进行缺陷定位。选用Siemens Suite数据集作为实验样本，将GL2-DNN与五种缺陷定位算法进行实验对比，结果表明，该算法能更精确地定位缺陷，计算效率也有所提升。
- 单位
